不久前，微軟AI講堂來到了哈爾濱工業(yè)大學(xué)。微軟亞洲研究院首席研究員林欽佑博士在此次分享中深入淺出地帶來知識計算方向的滿滿干貨。今天就讓我們回顧一下林欽佑博士的演講——人工智能的下一個風(fēng)口：知識計算，來了解什么是知識計算，以及知識計算將如何幫助實現(xiàn)智能未來。

演講全文如下（文字內(nèi)容略有精簡）

很高興回到哈工大，今天跟各位分享一下微軟研究院在人工智能所做的方向，以及未來大家可以準(zhǔn)備朝哪個方向發(fā)展。

人工智能不是過去兩三年才發(fā)生的事情，事實上，在1960年就有很多人工智能的發(fā)展。首先我想用很短的一個時間軸跟大家一起來看看最近這幾年的發(fā)展。

2010年，微軟XBox推出了Kinect，那個時候大家覺得計算機(jī)真的很了不起，能看到人的動作，并把動作融入到游戲里面。這是第一次工業(yè)界的產(chǎn)品能夠?qū)崟r追蹤每個人的關(guān)節(jié)、動作，是一個很大的突破，就好像機(jī)器有眼睛，可以看到人是怎么做動作的一樣。

2011年，IBM Watson在美國的Jeoparody!秀里做猜謎游戲時擊敗了Ken Jennings和Brad Rutter。2012年，微軟研究院的創(chuàng)始人Rick Rashid在天津舉辦的“二十一世紀(jì)的計算”學(xué)術(shù)大會上展示了實時語音翻譯技術(shù)，造成了很大的震撼。

到了2014年，微軟把這個實時語音翻譯技術(shù)運(yùn)用到了Skype Translator里。不管是iOS系統(tǒng)、安卓系統(tǒng)還是Window系統(tǒng)，你都可以下載安裝Skype，并使用Skype Translator實時語音翻譯技術(shù)。

接下來2016年不用多講了，AlphaGo在圍棋比賽中戰(zhàn)勝了李世石。今年5月AlphaGo還會再戰(zhàn)一場。而在2017年1月，CMU的一個團(tuán)隊寫了一個AI程序，贏了德州撲克。所以可以想象接下來幾年，我們可能要經(jīng)常遭受類似的打擊——機(jī)器贏過人的某項技能。因此，我想利用這個機(jī)會跟各位解釋一下，今天AI到底做到了什么程度，還有哪些方面可以做研究的。

人工智能在1960年左右就已經(jīng)開始了，那為什么在過去這幾年人工智能這個洪流又開始爆發(fā)了呢？主要有幾項：

第一，有很大的數(shù)據(jù)。大家現(xiàn)在用手機(jī)傳短信、在微信上和朋友聊天、搜索內(nèi)容等等，這里面所有的數(shù)據(jù)都會被記錄下來，從而使得我們有很大的數(shù)據(jù)。當(dāng)有了很多你跟同學(xué)、朋友交互的過程，或者即使不看你和朋友間的聊天記錄，也可以在網(wǎng)上、微博上看到你發(fā)表的內(nèi)容。而這些數(shù)據(jù)就可以讓機(jī)器看到人在對話的時候，可以講什么，會講什么。

所以，因為有大數(shù)據(jù)的關(guān)系，現(xiàn)在的機(jī)器可以把有些很難的事情變得簡單。因為機(jī)器知道你以前在什么場合下講過什么話。

第二，云計算。現(xiàn)在大家都希望手機(jī)有超大的內(nèi)存，比如64G、128G的。以前我在學(xué)校剛剛念書的時候，一個機(jī)器只要有2MB，我就已經(jīng)很高興了，但是現(xiàn)在手機(jī)和它的計算能力實際上比20年前電腦的計算能力還要強(qiáng)。所以，有了大數(shù)據(jù)之后，又有了很多的計算能力，很大的儲存能力。

二三十年前，架一個網(wǎng)站，我們還需要去想要買什么樣的PC機(jī)，要裝什么操作系統(tǒng)，可能還要租一條線，再設(shè)計個網(wǎng)頁，然后上線。而現(xiàn)在不用了，你可以用微軟的Azure云或者用亞馬遜的云系統(tǒng)，只要一上線你就可以有自己的網(wǎng)站。因為是云計算，所以每個人都可以通過各種不同的終端設(shè)備看到自己的數(shù)據(jù)。

第三，算法。有了這些數(shù)據(jù)和存儲能力的時候，我們就要有一些算法。過去幾年，在計算機(jī)領(lǐng)域，大家會經(jīng)常聽到深度學(xué)習(xí)。深度學(xué)習(xí)的前身其實在1960年就已經(jīng)有了，但是當(dāng)時它叫做神經(jīng)網(wǎng)絡(luò)。現(xiàn)在因為神經(jīng)網(wǎng)絡(luò)做深了，計算能力提高了，數(shù)據(jù)增多了，才讓深度學(xué)習(xí)有了它可以發(fā)展、發(fā)揮、發(fā)力的機(jī)會。

所以，這幾個關(guān)鍵技術(shù)結(jié)合在一起，促使了現(xiàn)在AI的爆發(fā)。

在微軟，我們的AI技術(shù)有四個方向，我們看看，微軟在這四方面都做了哪些事情。

第一，讓機(jī)器能看得到。視覺方面，我們在2015年做了一個152層的深層神經(jīng)網(wǎng)絡(luò)，它能夠在像素級別上知道一張圖上有一只蜘蛛。甚至在有些醫(yī)學(xué)上的應(yīng)用，比如判斷切片影像中是否有癌細(xì)胞，最新的消息是機(jī)器判斷的正確率已經(jīng)比醫(yī)生更高了。

第二，讓機(jī)器能夠聽。學(xué)術(shù)界在評價技術(shù)的進(jìn)步與否時都有一個標(biāo)準(zhǔn)的測試集。看看下圖的這些線，每個點(diǎn)都是一個語音識別測試數(shù)據(jù)的結(jié)果，線越往下就表示做得越好，錯誤率低。可以看到最右邊的這條線，微軟去年做的錯誤率在5.9%左右，5.9%已經(jīng)達(dá)到了人類水平。

第三個是語言，機(jī)器還要能讀。在語言方面微軟亞洲研究院也一直都有深入的研究，讓機(jī)器可以更好的閱讀、理解文字內(nèi)容，并且我們在這方面也取得了十分優(yōu)異的成績。未來會與大家有更多的分享。

最后，機(jī)器要能夠?qū)Υ鹑缌鳎兄R。知識方面有一個測試叫做Knowledge Base Acceleration（KBA）。為什么我們說做一個像人一樣的人工智能比較難？先舉個例子，今天我講了一些有關(guān)AI的內(nèi)容，有些東西你可能知道，有些東西你可能不知道，但是你今天聽到的一些之前不知道的事情，明天你就應(yīng)該知道了。也就是說，人是有學(xué)習(xí)能力的。

機(jī)器有沒有學(xué)習(xí)能力呢？機(jī)器可以識別人臉，但是人要先告訴機(jī)器說這是我，學(xué)習(xí)了之后它才能找到圖片里哪個是我。現(xiàn)在還沒有一種人臉識別的算法可以識別它沒看過的人。所以在做KBA的時候就是假如給出一個百科，讓機(jī)器每天讀新聞，當(dāng)它知道這個新聞是有關(guān)哈工大的之后，就把報道哈工大的這個新的新聞中的新知識抽取出來放在哈工大的網(wǎng)頁上，這個測試就是類似這樣的一個實驗。

我們在2013年的時候就做到了最好的效果。我們的系統(tǒng)可以找到vital（最重要而且相關(guān)）的信息，就是說機(jī)器找到的新聞確實是非常相關(guān)的而且有必要記錄的。比如，微軟買了某個公司，這個跟微軟是非常相關(guān)，但是，某個人買了微軟的某個產(chǎn)品，也是跟微軟相關(guān)的，但是普通人買其實沒那么重要，但如果是哈工大買微軟的某個產(chǎn)品那就很重要了，這也是vital和useful的差別。

所以，大家可以看到微軟在剛才講的，會看、會聽、會讀、有知識這四個前沿領(lǐng)域都做了很多的研究、開發(fā)。

接下來跟大家做一個數(shù)學(xué)題——“There are 20 horses and chickens at Old Macdonald's farm. Together there are 58 legs. How many horses and how many chickens?”。這個問題很簡單，大家小學(xué)的時候就會做了。但要讓機(jī)器來解這個問題就沒有那么簡單了。為什么呢？

因為計算機(jī)不知道馬有幾只腳，雞有幾只腳。即使知道，它還要知道Macdonald's farm和解決問題一點(diǎn)關(guān)系都沒有。另外，解決這個問題還要有數(shù)學(xué)知識，考的就是加減乘除。

我們可以看出，計算機(jī)要有語言理解能力才可能和人溝通。計算機(jī)要怎么解題呢？首先必須要了解語言，不管是英文還是中文。再就是要有知識，即使能理解所有的東西，它還要知道腳和雞的關(guān)系，雞和馬的關(guān)系，以及農(nóng)場這個信息跟解題一點(diǎn)關(guān)系都沒有等等。第三，是知道這些東西之后，還要能計算。如果所有內(nèi)容都知道了，但是不知道怎么算，那也不行。對于一個物理題，要有物理的計算能力，對于統(tǒng)計題，要有統(tǒng)計的計算能力。

所以，我們現(xiàn)在還是有很多問題沒有解決的。比如，機(jī)器怎么能夠知道所有的知識呢？今天要解這個題，我們把雞和馬幾只腳的知識放進(jìn)去。明天改成蛇，就要把蛇沒有腳加進(jìn)去。如果再改成螃蟹，就要把螃蟹有八只腳加進(jìn)去等等。這樣的工作量就會十分巨大，每講一個東西都要加進(jìn)去新的信息，這是不可能的。所以這時候就有一個問題了，如何很快速地累積知識？

總結(jié)一下我們剛剛講的這個問題。

首先，要有自然語言的能力，要有知識，機(jī)器要學(xué)習(xí)。要考慮如何讓機(jī)器可以很快地有一個學(xué)習(xí)的算法來了解語言中的信息。

其次，人和機(jī)器要結(jié)合在一起。微軟在講到AI時都會強(qiáng)調(diào)一個概念——Artificial Intelligence（人工智能）+ Human Intelligence（人類智能）= Super Intelligence（超級智能）。在此我要強(qiáng)調(diào)的一點(diǎn)就是，人在這樣一個成功的環(huán)路里是不可或缺的。

第三，機(jī)器要有知識。機(jī)器解這個數(shù)學(xué)題的時候需要哪些能力呢？上圖的左邊是一篇文章，它講到了個人助理。機(jī)器要了解這件事，首先要知道什么是個人助理。然后，機(jī)器需要有一個表達(dá)的方法，這就是知識了。在知識方面，比如文章里講到微軟，那么機(jī)器要知道微軟是什么，微軟跟它的產(chǎn)品的關(guān)系是什么。

所以，機(jī)器跟人之間的溝通或者是機(jī)器要去了解這個世界的時候，它有一個語義的鴻溝。我們還有個技術(shù)叫實體鏈接，比如文章里有“微軟的Cortana”，這個短語里包括了兩個實體，一個是微軟，一個是Cortana。以前在做自然語言處理的時候，我們說這是一個名詞詞組，不需要了解里面講的是微軟還是什么，它就是個專有名詞，Cortana也是一個專有名詞。但人理解的時候，我們不是只知道它是什么詞性的，我們知道微軟是代表一個公司，Cortana是微軟公司的一個產(chǎn)品。

所以說真正要進(jìn)入到AI時代，機(jī)器必須要有語義的理解，而且要知道為什么用這個東西來代表某個事情。我們微軟知識計算組的任務(wù)就是，我們怎么能夠為這個世界服務(wù)，通過什么手段讓機(jī)器可以自動理解知識，通過對數(shù)據(jù)的挖掘來增進(jìn)我們的知識。我們希望機(jī)器以后能幫人們干更多的活。

自然語言中有一些問題對計算機(jī)來說很麻煩，比如，當(dāng)我通過語音讓智能手機(jī)給潘副院長打電話，但通訊錄里只寫了潘天佑博士，那么機(jī)器就無法執(zhí)行這個操作。再比如重名問題，再比如當(dāng)說到我來自中國的時候，機(jī)器要知道這個中國指的就是中華人民共和國等等類似的問題。事實上機(jī)器要理解語言，要有知識，這個方面還是非常寬闊的。

第一，理解知識。我們必須要知道怎么建這個包含巨大知識的數(shù)據(jù)庫，機(jī)器怎么才能知道這么多不同的東西。今天有iPhone 8，明天就有iPhone 9了，機(jī)器的知識要一直不斷增加，這對人類來說沒有問題。當(dāng)別人說iPhone 8要出來了，你就會想什么時候出更新一代的iPhone，你會自己推理。

第二，機(jī)器必須要有一定的推理能力。這個推理的能力也包括一部分知識，不是只知道事實。比如，地上有水，那就一定下過雨嗎？不一定。但是，天下雨地上一定有水。所以要考慮怎么把這類知識放到機(jī)器里面去理解這個內(nèi)容。

我們從哪些地方取得這些知識呢？就是從非結(jié)構(gòu)性的數(shù)據(jù)中，比如新聞、文件，還有從結(jié)構(gòu)性的數(shù)據(jù)中，如個人數(shù)據(jù)庫、公司、學(xué)校里的一些內(nèi)容，像每天選課的課表都是結(jié)構(gòu)化的數(shù)據(jù)，這些都可以綜合起來使用。除此之外當(dāng)然還可以讓人直接給機(jī)器添加知識。

第三，算法。有了知識和理解能力后，我們要做一些算法，把這些數(shù)據(jù)結(jié)合、清理、連接起來，提供服務(wù)給上層的應(yīng)用。

經(jīng)過來源之后，我們會做挖掘的工作，做處理。然后把獲得的內(nèi)容存在知識庫里，然后知識庫就能應(yīng)用到不同的場景中了。

我們還有什么挑戰(zhàn)呢？

第一個，機(jī)器什么時候可以真正的理解？所謂的理解不是說只把它變成一個語法樹，而是真正能夠知道我們講的是什么東西。

第二個，如何解決問題？理解語言沒問題，但你要怎么解決問題呢，解決問題的知識去哪里獲得？我們不能靠百科網(wǎng)頁，因為這些百科網(wǎng)頁不能解決所有的事情。所以，我們要怎么獲取這樣的知識？

第三個，怎么讓機(jī)器有永久學(xué)習(xí)的能力？人每天看一些書本，聽一些演講，看一些視頻，可以自己教育自己，機(jī)器可不可以做到這些？

最后總結(jié)一下，我們要機(jī)器能看、能聽、能說、能寫、能學(xué)習(xí)、有知識，就需要自然語言的處理能力。并且，我們不只是可以做中文、英文，我們要做各種不同的語言。在這個領(lǐng)域，未來的工作機(jī)會有太多太多。希望大家在生活和學(xué)習(xí)中多思考，用自己的創(chuàng)新想法解決人工智能的核心問題。

謝謝！