余凱認為未來將會實現(xiàn)硬件入口多元化，任意一個設(shè)備都有可能成為入口，而地平線的定位就是要成為人工智能領(lǐng)域的英特爾。

智能硬件熱潮未退，在人工智能這個領(lǐng)域，需要一個能橫跨圖像、語音、自然語言理解和自主控制的平臺型的公司。余凱，百度深度學(xué)習(xí)研究院（IDL）創(chuàng)始人，大概是國內(nèi)能夠把深度學(xué)習(xí)理論講述最清楚的科學(xué)家之一?，F(xiàn)在，他創(chuàng)立地平線機器人，希望能夠成為人工智能領(lǐng)域的英特爾。

「 深度學(xué)習(xí)」

雖然人工智能涉及的領(lǐng)域很廣，但是一個人工智能的系統(tǒng)從功能上看還是有一些共通性的，我認為主要有三個方面，第一個是環(huán)境感知，第二個是思考推理，第三個是決策控制。具體來說，無論是語音識別還是圖像識別，這在過去是獨立分開又很大的兩個領(lǐng)域，最初完全沒有交集，深度學(xué)習(xí)技術(shù)被廣泛使用之后，這兩個領(lǐng)域都過渡到采取深度神經(jīng)網(wǎng)絡(luò)的模型，并產(chǎn)生顯著提高。最新的進展就是AlphaGo圍棋比賽，以一種很直觀的方式讓社會大眾感受到了深度學(xué)習(xí)的進展。

深度學(xué)習(xí)是指對原始的數(shù)據(jù)通過不斷地學(xué)習(xí)、抽象，得到這些數(shù)據(jù)的表達或描述。深度學(xué)習(xí)的發(fā)展經(jīng)歷過幾次高潮和低谷，這一波的高潮業(yè)界公認是從2006年開始，多倫多大學(xué)計算機系教授Geoffery Hinton發(fā)表文章向大家證明可以訓(xùn)練學(xué)習(xí)很深的神經(jīng)網(wǎng)絡(luò)。

2010年左右，深度學(xué)習(xí)的研究和應(yīng)用實現(xiàn)突破，歸結(jié)于下面兩個主要理由。首先是計算能力有了本質(zhì)的提高，另外在互聯(lián)網(wǎng)時代，數(shù)據(jù)出現(xiàn)了爆發(fā)式增長，所以從2010年開始，深度學(xué)習(xí)被大規(guī)模使用在人工智能各個領(lǐng)域。

深度學(xué)習(xí)為什么這幾年得到這么大的關(guān)注？關(guān)鍵原因是性能可以隨著數(shù)據(jù)的增長而提高。其他的機器學(xué)習(xí)的方法可能隨著數(shù)據(jù)的增加，性能提高到某一個點就飽和了。但目前為止對于深度學(xué)習(xí)我們還沒有觀察到這點，這可能是它最值得關(guān)注的地方。深度學(xué)習(xí)在語音識別上的應(yīng)用使其準(zhǔn)確率提高很多，隨后深度學(xué)習(xí)開始被使用到圖像識別等其他領(lǐng)域。大家發(fā)現(xiàn)深度學(xué)習(xí)像是一個大錘子，可以打很多不同的釘子，它是一個很好的工具，解決表面上看很不同的問題。

「 深度學(xué)習(xí)的未來」

深度學(xué)習(xí)的研究目前有四個方向。首先是學(xué)習(xí)如何記憶；第二是學(xué)習(xí)如何關(guān)注與取舍，把注意力集中到需要關(guān)心的細節(jié)上；第三個是增強學(xué)習(xí)，學(xué)習(xí)如何控制主動行動；第四個采用深度學(xué)習(xí)解決任務(wù)的新方式，就是序列化地逐步解決一個復(fù)雜問題。

目前，絕大多數(shù)深度學(xué)習(xí)完成的任務(wù)，還是根據(jù)一個輸入信號得到一個輸出的結(jié)果，無論是語音識別還是圖像識別。比如，深度學(xué)習(xí)進行了分類，你給計算機一個圖像，它可以告訴你是貓還是狗，你對計算機說句話，它可以識別出來，這是現(xiàn)在的狀態(tài)?，F(xiàn)在深度學(xué)習(xí)的前沿是如何去學(xué)習(xí)保留一個長時記憶，進而完成一個復(fù)雜的任務(wù)，就像假如我們聽課時有個筆記本可以做筆記，那么我們選擇哪些知識寫在筆記本上，如何寫這些知識，就是如何去記憶。所以一個新的趨勢就是如何通過深度學(xué)習(xí)的方法，把之前很長一段時間的序列數(shù)據(jù)，抽象提取精華記錄下來或者記憶下來，幫助計算機將來做判斷、做分析、做決策。

第二個方向是注意力模型，動態(tài)的將注意力集中到某些細節(jié)，提高識別性能。比如，看圖說話圖像理解，你根據(jù)一幅圖生成一句話，很可能是非常宏觀的。如果我們能夠把注意力聚焦在從引入到識別的機制過程中，根據(jù)目前的識別結(jié)果，動態(tài)地一步一步調(diào)整聚焦到圖像的細節(jié)，那么就可以生成一些更合理或者更精細的表達，比如在圖像中，關(guān)注一個飛碟，我們可以調(diào)整關(guān)注區(qū)域在圖像中把飛碟找出來，提取它的特征進行識別。

深度學(xué)習(xí)還有一個方向是增強學(xué)習(xí)，目前的深度學(xué)習(xí)都是通過大量的數(shù)據(jù)在線下學(xué)習(xí)一個模型，把這個模型基本學(xué)好了，到線上只是應(yīng)用。增強學(xué)習(xí)是指計算機可以結(jié)合當(dāng)前狀態(tài)的改變而采取進一步措施，得到一些反饋和收益，同時也改變了自身的環(huán)境，與周圍環(huán)境在一種動態(tài)過程中一起演化不斷決策。比如無人機在遇到障礙物的時候判斷該往哪個方向飛，它會收集到周圍很多信號，然后去做一個決策，是往左偏還是往右偏？是不是失衡了？它需要根據(jù)環(huán)境的反饋和自身的狀態(tài)，不斷修正，根據(jù)反應(yīng)的每一個結(jié)果繼續(xù)做出反應(yīng)決策，這就是增強學(xué)習(xí)的大體過程。

無論是長時間學(xué)習(xí)還是增強學(xué)習(xí)，這些都是人工智能底層架構(gòu)通用的功能，我們認為未來會需要這樣的平臺，可以將這些功能集合在一起，但又能適用于解決大多數(shù)的人工智能任務(wù)。

「 地平線的野心」

互聯(lián)網(wǎng)的本質(zhì)是連接，連接人和信息、人和商品、人和服務(wù)。然而任何連接都需要通過媒介進行，PC時代，用戶通過瀏覽器進入互聯(lián)網(wǎng)，瀏覽器幾乎是當(dāng)時唯一的互聯(lián)網(wǎng)入口；到了移動互聯(lián)網(wǎng)時代，瀏覽器的職責(zé)被分化到多個APP上，軟件時代的APP化使連接媒介更加多樣。

但隨著硬件智能化的到來，未來汽車、家電、玩具都有可能變得越來越智能，而這必將導(dǎo)致連接媒介和交互方式的巨大變革。很難想象，我需要掏出手機來操控某個家電、洗衣機或者空調(diào)。

比如，未來很多家居產(chǎn)品上會有個屏幕，展現(xiàn)非常豐富的信息。在這樣的場景下，用戶將不再需要通過遙控器或者打開手機APP來操控家電，更多的是直接和設(shè)備進行交流、交互。除了交互方式的變革外，隨著智能硬件表達和處理信息的能力越來越強，可以作為連接媒介更好地讓人們獲取信息和服務(wù)。

最近幾年人工智能很熱，很多創(chuàng)業(yè)者都希望能夠在這個領(lǐng)域有一番作為，但人工智能實際上是語音圖像識別、語義理解、大數(shù)據(jù)分析等技術(shù)的高度集合，其中的每一項技術(shù)都需要巨大的時間和研發(fā)成本的投入。如果創(chuàng)業(yè)者要基于這些技術(shù)開發(fā)相應(yīng)的產(chǎn)品功能，滿足用戶需求，依靠自身的力量顯然是不現(xiàn)實的。因而在人工智能這個領(lǐng)域，需要一個能橫跨圖像、語音、自然語言理解和自主控制的平臺型的公司。

放到手機行業(yè)會更容易理解，開發(fā)者可以開發(fā)很多應(yīng)用程序，比如微信、滴滴出行、大眾點評，以此來滿足用戶不同的需求。但這些都是基于高通或者聯(lián)發(fā)科等公司提供的芯片，以及iOS或者安卓等操作系統(tǒng)，基于這樣一個成熟的軟硬件相結(jié)合的平臺，開發(fā)者才能開發(fā)各種APP。