百度研究院余凱博士在萬物互聯創新大會的演講：《從萬物互聯到萬物智能》

　　余凱：各位朋友早上好

　　今天報告的題目是從萬物互聯到萬物智能。首先我們從機器人的角度看什么叫做「智能」。

　　首先是感知能力，就像有五官有眼睛可以知道環境是怎么樣的。

　　第二是理解能力。比如說這是一個講臺，這是臺階，如果是一個履帶式的機器人，就知道理解是什么，不能從這個方向走，從這個方向走就摔跤，一定要找一個安全的路徑去走

　　第三是根據目標做決策。因為做了決策，做一個位移，換一個地方，或者把一個東西搬到一個地方，或者說跟對方說了一句什么話，對方會因為我的一句話，會因為我一個位移將來位置，下一步要感知，感知獲取新的數據，再理解，做下一步的決策，這樣循環往復不斷提升的過程。

　　所以，智能一個本質的能力是說這個系統和服務能不能夠隨著經驗不斷的成長，能不能越變越聰明。

　　可能有些人跟我一樣同一個年紀，小時候上過一篇科學，講的是科學巨匠小時候做小板凳的故事，做的小板凳非常簡陋粗理，老師會不會覺得這個小朋友不夠聰明，但是看過去幾天看小板凳，一個比前面做的好，做的更加精致，盡管做的小板凳不夠好，成長曲線非常抖，隨著經驗不斷演化，成長非常快，這個科學巨匠是愛因斯坦。最重要是學習的能力，不是今天到底多聰明，學習的能力是智能的本質，是不是在感知理解決策在各個環節中貫穿一種能力，就是不斷地去學習，不斷去提升它的能力，這個是智能的本質了，隨著經驗去演化。

　　什么是經驗？經驗就是數據，如果在座的有跟我一樣的做人工智能經驗學習的背景，通常講一個詞“經驗數據”，數據就是經驗，經驗就是數據。

　　大數據時代是一個承前啟后這么一個橋梁，它讓我們從萬物互聯達到一個未來，這個未來是什么，因為數據的存在，使我們具有無限的可能，研發智能的設備，智能的產品、智能的服務，一個萬物智能的時代。

　　講人工智能在大規模的應用從什么時候開始？其實在2000年以前，基本上所有的AI在學術研究領域，這里面很多理論，很多算法，很多模型，但是并沒有對這個世界產生非常大的影響，真正產生大的影響是因為互聯網，2000年以后有雅虎、有google，有中國的BAT，在搜索、廣告、推薦三個非常重要大事情面發揮重要的價值。

　　AI的發展可以分為三個階段：

　　第一階段潤物細無聲，潤物產生重要的影響，為什么細無聲，因為絕大部分大規模人工智能的技術，比如說機器學習，用于推薦，使產品推薦更加精準，這些算法是后臺的技術，并不容易可感知，是細無聲的狀態。

　　第二個階段，屬于“于無聲處聽驚雷”。今天所處在的10年是一個什么樣的階段，這個10年從2010年到2019年，有的朋友跟我一樣聽到轟隆隆的雷聲，因為數據不斷增長，計算能力不斷越變越強，互聯越來越無處不在，技術深度學習技術使數據分析建模能力跟以前完全不一樣，突飛猛進的發展，在過去2010年以前不可想象語音識別準確率到今天這個地步，但是這個準確率到今天還在不斷的提升，因為深度學習的技術，大數據的能力，使得語音識別今天變得可用，比如說使得圖象識別覺得可以預期，并不是遙不可及，不可用。

　　還有很多人在后面的五年里面，自然語言的理解，過去不光聽清講什么，而且聽懂講什么會變為現實，還包括機器人。所以看到在往移動互聯網，往物聯網，往傳統行業不斷延伸不斷的影響，AI技術從后臺到前臺，從以前不被感知到現在被感知，比如語音的交互。

　　第三階段從2010年到2019年的時候，江山如此多嬌。第一個需求，交互無處不在，簡單重復性的工作需要被取代，比如說很多家庭的服務，比如說常規病的檢查，可以想象今天去醫院是一個什么樣的體驗，我的體驗就是去好不容易排了很長的隊，進了房間，醫生基本上不會抬頭看我，寫了幾個字，做檢查去，做各種檢查，上下樓樓上樓下跑，跑完以后把單子給他，看了一下，還是不抬頭看我，他說開藥去，很多常規性的工作基本上是定量化的檢查，用非常固定式知識推理做這種知識的工作，不需要醫生來做，機器系統一定做的更好，一定閱讀世界上所有歷史上包括最新的研究結果，還有無數病例可以分享，可以比醫生做的更好，醫生做的疑難雜癥。

　　當然剛剛提到的在過去最近這10年里面，深度學習技術給人工智能很多方面帶來突飛猛進的進展，最重要的原因是其實跟大數據的關系非常大的。過去傳統人工智能的算法，隨著數據的變化在一定程度上面能力不在增長，因為處理數據模型本身處理數據本身計算復雜度的原因，或者說模型本身從統計上面來講容量不夠的原因，導致數據增大不一定增長能力，但是深度學習的算法一個顯著的特征能夠不斷吸收大數據帶來的紅利，能夠不斷增長，因為它有很大的容量，容量可以吸收數據里面的信息，第二能找到很好的算法。

　　拋開技術，深度學習讓大數據成為真正商業必然，你的效果隨著數據增長不斷提升，這里面很有意思的現象，數據的產生往往是物理的過程，一個物理的過程一定耗費時間，是加快不了的，競爭對手如果趕上你的水平，一定要耗費相當的時間，但是你永遠跑在前面，好比說（英文），如果個性化做的非常好，跟用戶的聯系永遠跑在別人的前面。深度學習技術實際上大數據真正成為一個商業的壁壘。

　　在目前來講深度學習技術最成功四個大的應用領域：就是搜索、廣告、圖像、語音。今天為止百度最核心業務來源就是廣告系統，這個廣告系統完全基于深度學習的技術，點擊率、它的收入因為這個技術大幅度提升，搜索相關性深度學習理解自然語言，理解自然語言的語義，是搜尋排序里面最重要的因素。

　　最后從萬物互聯到萬物智能一個非常具體的例子，就是從事自動駕駛項目。在右下角圖里面，現在未來自動駕駛的車，實際上是被先進的這種傳感器武裝，武裝到牙齒，10幾個傳感器，最遠的感應距離能夠感知200米以外的目標，比人更精確，毫發不差精確感知這個速度怎么樣，將來這個車一定比你開還要安全。有人曾說，將來人開車是犯法的，當然我并不認同，因為最終我人是要人車一體，為什么在中國做自動駕駛？在中國如果開發出自動化駕駛技術，一定是全世界的，在美國在歐洲開發自動化駕駛技術，一定不是中國的，所以一定不是全世界，不會有這么多的復雜的路況，不會中國式井蓋缺失，如果在中國路況能夠開發這樣的技術，一定在全世界是暢通無阻，所以技術問題在自動駕駛上面在5年時間上面得到解決，最難問題法規法律道德倫理，出了問題誰負責，車還是人，車不是我開的，這個問題是需要大家一起來建設一起來思考，這個要花費更長時間。

　　自動駕駛最重要四個核心技術：感知、決策地位，高精度地圖，定位。

　　高精度地圖更加精確的定位地圖技術，基于高精度地圖車能夠做更加精準的定位，差不多10到20厘米一個定位的精度，實時的，這是云端的技術。而相反如果用GPS錯誤率在2米、3米，如果市區里面可能在10米這樣一個定位的誤差。同時基于圖像對道路實時場景的理解，比如車道線，路標、車行人等等，用深度技術做實時的，目前能夠做到世界上最高車輛檢測的精度。

　　自動駕駛不是一蹴而就，是漸進性的發展道路，到高度自動化駕駛，最后人車一體的系統，不是取代人的系統，人跟車的關系應該相當于人跟馬的關系，這是對自動駕駛的理解。

　　總結一下，從萬物互聯到萬物智能三大趨勢，5到10年里面三件事情成為必然：

　　1、所有的設備都有智能傳感器。智能傳感器跟非智能傳感器最大區別是智能傳感器（英文），非智能傳感器是（英文）。

　　2、所有設備都有云端，每個空調很多數據分析在云端去做，像我們車是云端結合的系統。

　　3、所有設備都從單一的功能變成一個連接人和服務的節點。比如說今天智能手機從過去手機時代就打電話到今天是移動互聯網服務連接的節點，在未來會成為人連接服務的節點。從這個角度所有設備一定會成為人工智能系統，一定會成為機器人，每一個空調看見小朋友，如果晚上沒有蓋上被子，自動把空調溫度調到合適，不讓你感冒，這個空調是一個機器人，所有都會朝這個趨勢去發展。

　　謝謝大家！