正式發(fā)布Cloud AutoML后的半個(gè)月，谷歌AI中國(guó)中心總裁、谷歌云AI研發(fā)主管李佳亮相谷歌在北京舉辦的Think With Google創(chuàng)想大會(huì)。接受采訪時(shí)李佳分享了谷歌云AI團(tuán)隊(duì)的工作、AutoML研發(fā)過(guò)程中最大難點(diǎn)、如何將研究與產(chǎn)品結(jié)合起來(lái)形成良性循環(huán)等數(shù)十個(gè)最為關(guān)注的話(huà)題。

2月6日，谷歌Think With Google大會(huì)在北京舉辦，旨在向廣告客戶(hù)及其他機(jī)構(gòu)介紹最新研發(fā)技術(shù)，細(xì)分行業(yè)思考、產(chǎn)品打磨落地等熱點(diǎn)以及幫助開(kāi)發(fā)者解決問(wèn)題、探索新機(jī)會(huì)。

距Cloud AutoML正式發(fā)布不到半個(gè)月，同時(shí)作為谷歌去年在中國(guó)布局AI最隆重的一筆，李佳，谷歌AI中國(guó)中心總裁、谷歌云AI研發(fā)主管亮相大會(huì)自然受到最大關(guān)注。

過(guò)去短短幾年，面向企業(yè)的AI從一個(gè)萌芽想法變成商業(yè)利器，李佳認(rèn)為縮短科技創(chuàng)新最佳途徑就是研究先行，深入了解細(xì)分領(lǐng)域的需求，個(gè)性化打磨產(chǎn)品使之成為一個(gè)良性循環(huán)，而谷歌AI云就是其中最關(guān)鍵的加速器。

AI賦能的精髓在于所有人都使用它，在過(guò)去短短兩個(gè)月時(shí)間，AutoML的注冊(cè)用戶(hù)已經(jīng)超過(guò)1萬(wàn)家，其中包括企業(yè)、學(xué)校、創(chuàng)業(yè)公司、研究組織等等。一個(gè)簡(jiǎn)單的例子，倫敦動(dòng)物學(xué)會(huì)利用AutoML自動(dòng)標(biāo)注圖片追蹤野生動(dòng)物種群以學(xué)習(xí)更多關(guān)于它們的分布信息，更好地理解人類(lèi)對(duì)這些物種的影響。

李佳：用研究來(lái)推動(dòng)ai，對(duì)垂直領(lǐng)域深入思考后最終產(chǎn)品落地，這是良性循環(huán)

問(wèn)：關(guān)于AI 在教育和醫(yī)療的落地的情況，中國(guó)有沒(méi)有具體案例和推進(jìn)的進(jìn)度？

李佳：現(xiàn)在中國(guó) AI 中心的關(guān)注點(diǎn)還是在基礎(chǔ)研究上面，但在教育方面有很多有意思的問(wèn)題還需要大家去探討，比如說(shuō)教育理念的對(duì)話(huà)，學(xué)生和老師如何去交流，由于雙方的角色不一樣，知識(shí)水平不一樣，對(duì)對(duì)話(huà)內(nèi)容的交流和理解也不同，所以我們很關(guān)注這方面教育的研究，但目前還沒(méi)有具體落地的進(jìn)展。

問(wèn)：AutoML現(xiàn)在服務(wù)的企業(yè)都是什么樣類(lèi)型？哪一些行業(yè)最集中在用？有何反饋？

李佳：AutoML 目前注冊(cè)的用戶(hù)背景很廣泛，我們看到有很多有意思的案例，就像剛才提到的倫敦動(dòng)物學(xué)學(xué)會(huì)它用來(lái)保護(hù)野生動(dòng)物，還有像零售業(yè)也有很多對(duì)此感興趣的，還有用來(lái)保護(hù)環(huán)境的，比如去檢測(cè)哪里有垃圾？哪里有礦泉水瓶子之類(lèi)的，像這種很有創(chuàng)造力的案例還是很多的，而且有很多我們以前也沒(méi)有見(jiàn)到過(guò)。當(dāng)然云上面也有不少用戶(hù)在做醫(yī)療，有些醫(yī)療企業(yè)對(duì)這些功能也很感興趣。

問(wèn)：您剛加入的時(shí)候已經(jīng)在研究或者準(zhǔn)備AutoML了，但是卻等到今年1月才發(fā)布，是不是過(guò)程中有遇到什么困難？最重要的一個(gè)或者最具挑戰(zhàn)性的技術(shù)難點(diǎn)是什么？

李佳：我們剛加入的時(shí)候做的一個(gè)事情實(shí)際上是看到底哪些機(jī)器學(xué)習(xí)和 AI 的應(yīng)用會(huì)比較受歡迎。AutoML 實(shí)際上已經(jīng)研究了有一段時(shí)間。大家也看到，包括我們?cè)诎l(fā)布的博客里面也列出了很多文章。

一般來(lái)說(shuō)研究先行，而且我們還和很多團(tuán)隊(duì)，包括 Google Brain，包括 Research，都有緊密合作。我覺(jué)得最大的難點(diǎn)在于，大家都覺(jué)得研究技術(shù)做的好，自然產(chǎn)品就有人用，但是在實(shí)際生活當(dāng)中，特別是在企業(yè) AI 這個(gè)方面，對(duì)產(chǎn)品的打磨和考量，是要與用戶(hù)的需求相結(jié)合的，我覺(jué)得這兩點(diǎn)的結(jié)合最關(guān)鍵?？赡芄タ肆诉@一點(diǎn)以后，后面就會(huì)順利很多。

比如說(shuō)在 AutoML 產(chǎn)品里面，它最先進(jìn)的技術(shù)是learning to learn這一塊，我們得到的效果也是最好的。但是同時(shí)我們會(huì)考量到learning to learn技術(shù)在計(jì)算方面的資源需要，我們實(shí)際上最后推出產(chǎn)品的時(shí)候是有兩個(gè)特點(diǎn)，一個(gè)是非常簡(jiǎn)單的遷移學(xué)習(xí)（transfer learning），很多的客戶(hù)他們可以在一分鐘或者幾分鐘之內(nèi)就能得到他們的結(jié)果。第二個(gè)是learning to learn與其他相結(jié)合的，這個(gè)更加的先進(jìn)，而且他們的性能也會(huì)好很多，但是目前需要一天來(lái)達(dá)到產(chǎn)品級(jí)的效果。

雖然聽(tīng)起來(lái)一天時(shí)間是比較長(zhǎng)的，但是我們可以想想原來(lái)，剛剛我在演講里面也列出來(lái)了，在傳統(tǒng)意義上，大家去做一個(gè)機(jī)器學(xué)習(xí)定制的算法和產(chǎn)品的話(huà)，他這個(gè)周期是非常長(zhǎng)的，包括你要去招募機(jī)器學(xué)習(xí)的一些專(zhuān)家，包括要去設(shè)計(jì)機(jī)器學(xué)習(xí)的算法、收集數(shù)據(jù)，實(shí)際上通常要花費(fèi)數(shù)個(gè)月或者數(shù)年。AutoML 實(shí)際上現(xiàn)在自動(dòng)生成的模型已經(jīng)比專(zhuān)家設(shè)計(jì)的模型在圖片分類(lèi)上效果要更好，所以這樣比起來(lái)產(chǎn)品開(kāi)發(fā)的周期是大大縮小了，企業(yè)的花銷(xiāo)也是大大的縮小了。

問(wèn)：在 CV 跟語(yǔ)言結(jié)合的方面，Google 有哪一些探索？您認(rèn)為 CV 的研究在圖象識(shí)別這類(lèi)的感知領(lǐng)域進(jìn)化到圖像描述以及回答認(rèn)知領(lǐng)域還需要哪些突破？

李佳：在 CV 和語(yǔ)言方面，我自己進(jìn)行了一些比較淺的工作，包括去年我們?cè)?CVPR 有對(duì)圖片描述的工作，用強(qiáng)化學(xué)習(xí)來(lái)做圖片的描述，這些我覺(jué)得大家現(xiàn)在做的都還比較初期，因?yàn)檫@個(gè)問(wèn)題確實(shí)非常的難，其中幾個(gè)重要的問(wèn)題需要去探索的就是怎么樣把我們的知識(shí)和感知結(jié)合到一起。

因?yàn)楝F(xiàn)在最有效的這些算法，讓大家都聽(tīng)性能有多好，但是人去理解一個(gè)圖片或者一個(gè)場(chǎng)景的時(shí)候，我們通常都帶著自己的知識(shí)和背景，也不需要那么大量的數(shù)據(jù)來(lái)做訓(xùn)練，其實(shí)領(lǐng)域里面也有一些很早的先行者在探索這方面的工作，但是我覺(jué)得真正要突破它還是需要一定的時(shí)間。

問(wèn)：Cloud AutoML 會(huì)不會(huì)成為 AI 中心的核心產(chǎn)品？您能否分享一下AI 中國(guó)中心的發(fā)展規(guī)劃？

李佳：我們 AI 中國(guó)中心主要的關(guān)注點(diǎn)還是在基礎(chǔ)研究上，目前中國(guó)中心我們想聚集最好的AI的人才和國(guó)內(nèi)很多的優(yōu)秀的 AI 人才一塊來(lái)推動(dòng)基礎(chǔ)研究的發(fā)展，而且希望影響力是全球性的，剛才我也提到了 AI 本身是沒(méi)有國(guó)界的，所以我們希望最后 AI 的技術(shù)大家都能夠用的到。

AutoML 是今年我們?cè)?Cloud AI 團(tuán)隊(duì)重點(diǎn)的一個(gè)產(chǎn)品，它確實(shí)是我們想用于普及 AI 的一個(gè)很好的工具。剛才我在演講當(dāng)中也提到了想用 AI 的用戶(hù)分為幾種：

第一種是對(duì) AI 非常熟悉的，這些人他們可以用 TensorFlow 去開(kāi)發(fā)，他們可以用 Cloud，或者大家提供一些工具，自己就能夠把這個(gè)機(jī)器學(xué)習(xí)開(kāi)發(fā)做的非常的好。

第二種是 API 的用戶(hù)，這些用戶(hù)通常沒(méi)有自己的數(shù)據(jù)，他需要一些比較通用的或是描述性的東西，比如他只需要提供一張照片馬上就能達(dá)到結(jié)果，或者是給他提供一個(gè)音頻片段，他就可以得到一段轉(zhuǎn)錄，根本不需要花時(shí)間開(kāi)發(fā)自己的模型，這是對(duì)很多大量的用戶(hù)非常方便的，包括翻譯之類(lèi)的，我們剛才看到很多的用戶(hù)他們也是 Google 翻譯的 API 用戶(hù)。

第三種是他們有一些想法和數(shù)據(jù)，想要定制自己的模型，但是他們不知道自己怎么去做。AutoML 能夠把這個(gè)門(mén)檻降低，讓他們不需要再去招募大量的機(jī)器學(xué)習(xí)的人才，也不需要花大量的時(shí)間去標(biāo)注他們的訓(xùn)練數(shù)據(jù)，就直接可以得到自己定制的東西。

還有一種在演講里面沒(méi)有提到，其實(shí)有很多的傳統(tǒng)行業(yè)他來(lái)找我們談AI合作的時(shí)候，通常他們都是說(shuō) AI 我們覺(jué)得是一個(gè)非常重要的方向，我們不想錯(cuò)過(guò)這個(gè)方向，但是我們不知道要做什么？我們不知道拿它來(lái)怎么做？

我們通常都是把他們跟我們的高級(jí)解決方案實(shí)驗(yàn)室（Advanced Solution Lab）進(jìn)行密切的合作，在我們高級(jí)解決方案實(shí)驗(yàn)室（AdvancedSolution Lab）可以邀請(qǐng)我們的客戶(hù)到 Google 來(lái)，我們教他們?cè)趺从脵C(jī)器學(xué)習(xí)，怎么用深度學(xué)習(xí)，深度的密切合作，去了解行業(yè)領(lǐng)袖他們需要解決什么樣的問(wèn)題，Google 的工程師會(huì)跟他們深度的合作，幫他們開(kāi)發(fā)這些算法。所以實(shí)際上AI整個(gè)產(chǎn)業(yè)，他的范圍非常的廣，我們需要開(kāi)發(fā)各種不一樣的產(chǎn)品來(lái)幫助我們各種各樣的用戶(hù)都能夠從 AI 當(dāng)中受益。

問(wèn)：現(xiàn)在云市場(chǎng)的競(jìng)爭(zhēng)非常激烈，您覺(jué)得 Google云最大的優(yōu)勢(shì)是什么，以及未來(lái)三到五年如何來(lái)保持這樣的優(yōu)勢(shì)呢？

李佳：最大的優(yōu)勢(shì)是 AI，Google是一個(gè) AI first 的公司，我們現(xiàn)在幾乎所有的產(chǎn)品都是 AI 賦能，其實(shí)是十幾年的產(chǎn)品的迭代以及對(duì) AI 的理解，所以把我們帶到了這一步。在云上面，我們想把很多很好的科技分享給更多的用戶(hù)，讓他們能夠創(chuàng)造很多更好的產(chǎn)品，所以云目前是一個(gè) AI 很好發(fā)揮的機(jī)會(huì)，AI 也是云很好的一個(gè)優(yōu)勢(shì)，我們非常想用 AI 作為戰(zhàn)略方向，來(lái)幫助普及 AI 的使用。

問(wèn)：目前已經(jīng)知道 AutoML 可以替代很多機(jī)器學(xué)習(xí)開(kāi)發(fā)者的工作，但如果現(xiàn)在一個(gè)企業(yè)想使用 AutoML，那么他還需要這方面的開(kāi)發(fā)者嗎？如果需要開(kāi)發(fā)者，他們做的任務(wù)會(huì)發(fā)生哪些變化？

李佳：這是一個(gè)很好的問(wèn)題，但有一點(diǎn)我想糾正一下，AutoML 他是為開(kāi)發(fā)者所打造的一個(gè)產(chǎn)品。目前來(lái)看，全球可能有100萬(wàn)人有能力去開(kāi)發(fā)機(jī)器學(xué)習(xí)的算法，而根據(jù)我們的統(tǒng)計(jì)全球有大概2100萬(wàn)的開(kāi)發(fā)者可以使用這些 API 或者像 AutoML 這樣的產(chǎn)品。

實(shí)際上，我們發(fā)展 AutoML 就是把使用機(jī)器學(xué)習(xí)的門(mén)檻降低了，能夠讓更多的開(kāi)發(fā)者或者對(duì)機(jī)器學(xué)習(xí)了解不多的人，更好的把產(chǎn)品發(fā)展起來(lái)，更好的把AI的技術(shù)運(yùn)用起來(lái)，因?yàn)槲覀兪冀K認(rèn)為當(dāng)所有人都可以使用 AI 的時(shí)候，它才是最有力量的。而現(xiàn)在是存在這樣的技術(shù)門(mén)檻，我們就是想把這個(gè)技術(shù)門(mén)檻降低，讓更多的人能使用的上。

由于有了像 AutoML 這樣的產(chǎn)品，或者將來(lái)會(huì)出現(xiàn)的各種各樣的 AI 產(chǎn)品，我看到的是會(huì)有更多的人能夠把這個(gè)技術(shù)能用起來(lái)，能夠創(chuàng)造去更多的機(jī)會(huì)。所以我反倒覺(jué)得這樣可能機(jī)會(huì)會(huì)變的更多，到那個(gè)時(shí)候就有更多懂行業(yè)、懂產(chǎn)品的人，能夠把他們的特長(zhǎng)發(fā)揮到極致。

問(wèn)：去年有兩個(gè)比較轟動(dòng)的事件，一個(gè)是Facebook 的虛假新聞，另一個(gè)是 Google YouTube 里一個(gè)叫做艾沙門(mén)的事件。有一些兒童影片看起來(lái)色彩很鮮艷，但是里面的內(nèi)容其實(shí)比較暴力，不太適合兒童觀看。比較有意思的是 Facebook 、Google 以及 今日頭條，他們目前選擇的方式是上線(xiàn)到近萬(wàn)名的人工來(lái)審核這些內(nèi)容。我的問(wèn)題是：我們的機(jī)器學(xué)習(xí)算法能夠在哪一些方式上改進(jìn)這些機(jī)器審核，不再讓技術(shù)型的企業(yè)變成勞動(dòng)密集型的產(chǎn)業(yè)。

李佳：實(shí)際上這種 Adversarial（對(duì)抗性） 的行為是最難做的。因?yàn)闄C(jī)器的算法是人設(shè)計(jì)的，他只是根據(jù)人的設(shè)定去進(jìn)行工作。另外一邊是一些惡意去干擾機(jī)器算法的人。目前來(lái)看，這還是一個(gè)非?；钴S的研究領(lǐng)域，Google 內(nèi)部成立了一個(gè)專(zhuān)門(mén)的團(tuán)隊(duì)從研究的角度來(lái)解決類(lèi)似偏見(jiàn)、隱私這類(lèi)的問(wèn)題。

另外一方面，確實(shí)也反映 AI 實(shí)際上處在一個(gè)非常初期的狀態(tài)，我們希望有更多的聰明人，把他們的聰明和才智用在好的方面，去創(chuàng)造更多正面的價(jià)值，而不是用來(lái)進(jìn)行一些很惡意的行為。因?yàn)锳I 其實(shí)只是一個(gè)工具，就像繩子一樣，你可以用它來(lái)做好的事情，也可以用它來(lái)做壞的事情，我們希望有更多的正面的人去做更多的正面的事。

問(wèn)：是像殺毒軟件一樣，有惡意的攻擊，殺毒軟件就來(lái)進(jìn)行應(yīng)對(duì)？

李佳：有一點(diǎn)像這樣，我希望研究能夠進(jìn)展到一定的程度，這樣能夠使人工方面和研究方面的任務(wù)都可以有所緩解。

問(wèn)：李佳老師您好，最近AI芯片的話(huà)題比較火熱，就像云服務(wù)器芯片跟端智能芯片，而 Google 也有TPU芯片，您覺(jué)得AI芯片的熱潮是一種短時(shí)間？還是會(huì)長(zhǎng)時(shí)間影響AI產(chǎn)業(yè)？

李佳：我覺(jué)得芯片代表的是算力，在我半年前的演講里面提過(guò)，人工智能有幾個(gè)支柱，包括：數(shù)據(jù)、算法、算力以及人才。所以算力也是給我們帶來(lái)了很多的新的機(jī)會(huì)，包括像 learning to learn （學(xué)會(huì)學(xué)習(xí)）這種做 Neural ArchitectureSearch 的算法，如果沒(méi)有大量的算力支撐，是無(wú)法辦到的。以前都是靠專(zhuān)家自己通過(guò)大量的調(diào)試，通過(guò)多年的經(jīng)驗(yàn)才能做到這樣的效果，現(xiàn)在因?yàn)樗懔Φ倪M(jìn)步，我們看到了這些新的機(jī)會(huì)出現(xiàn)，所以芯片的進(jìn)步對(duì)于 AI 來(lái)說(shuō)一直都是一個(gè)非常正面的支持。

問(wèn)：今天分享了很多AI+行業(yè)的話(huà)題，比如說(shuō)教育以及醫(yī)療的，我想知道這些具體行業(yè)的選取標(biāo)準(zhǔn)是什么？是 Google 的一個(gè)興趣？還是看到一些技術(shù)已經(jīng)成熟了，可以能夠更好的進(jìn)行結(jié)合，或者說(shuō)這類(lèi)的領(lǐng)域的需求度比較高？

李佳：我認(rèn)為，做產(chǎn)品的話(huà)，通常是會(huì)關(guān)注用戶(hù)的需求和技術(shù)的發(fā)展去進(jìn)行結(jié)合。而做研究就需要更大膽一些，我們會(huì)看到哪一領(lǐng)域出現(xiàn)的一些重要的問(wèn)題，但是目前還沒(méi)有辦法來(lái)解決。我們就會(huì)選擇這些方面來(lái)進(jìn)行探索，比如說(shuō)像醫(yī)療這種很難啃的領(lǐng)域，實(shí)際上它也是需要更多的人來(lái)助力把這些事情做好。

問(wèn)：當(dāng)某一個(gè)零售行業(yè)要使用 AutoML 來(lái)做一個(gè) AI 模型的時(shí)候，他在什么場(chǎng)景下用？因?yàn)槲抑垃F(xiàn)在做零售要 AI 軟硬件結(jié)合，AutoML 可能只是軟件方面，那硬件方面呢，需要如何與其他的硬件供應(yīng)商進(jìn)行配合？

李佳：零售方面大家都在考慮線(xiàn)上線(xiàn)下、軟硬結(jié)合的模式。就如我剛提到的例子，他是專(zhuān)門(mén)針對(duì)在商品圖片上面的分類(lèi)。比如說(shuō)在迪斯尼里，如果你需要找一個(gè)米老鼠或者是想找一個(gè)艾莎的照片，他們需要定制的模型才能夠?qū)崿F(xiàn)你的需求。當(dāng)然如果我們提到這種無(wú)人店，他對(duì)于機(jī)器學(xué)習(xí)和洞察力這樣的需求就更多了。