Facebook CTO：人工智能對VR發(fā)展至關(guān)重要

　　北京時(shí)間11月14日消息，現(xiàn)在我們已經(jīng)可以將神經(jīng)網(wǎng)絡(luò)放在掌中使用。上周，F(xiàn)acebook推出一個(gè)新工具，叫作“Style Transfer”，它可以實(shí)時(shí)為手機(jī)視頻添加視覺效果。處理之后，視頻的風(fēng)格與《辛普森一家》、凡高畫作有些類似，新工具正是利用AI（人工智能）技術(shù)才能做到這點(diǎn)，一般來說，AI需要大理服務(wù)器才能運(yùn)行。去年，谷歌為“谷歌翻譯”程序引進(jìn)了神經(jīng)網(wǎng)絡(luò)技術(shù)，現(xiàn)在Facebook已經(jīng)開發(fā)了一個(gè)名為 “Caffe2Go”的深度學(xué)習(xí)系統(tǒng)，該系統(tǒng)高度濃縮，可以在iOS、Android移動(dòng)APP上運(yùn)行。

　　最近，F(xiàn)acebook CTO邁克·斯拉洛普夫（Mike Schroepfer）接受了《新科學(xué)人》的采訪，他談到了公司AI技術(shù)的發(fā)展，AI對溝通的影響，F(xiàn)acebook News Feed（信息流）受到了AI的影響，VR也受到了AI的影響。

　　下面是對話全文：

　　問：要讓神經(jīng)網(wǎng)絡(luò)在移動(dòng)設(shè)備上運(yùn)行，需要足夠高的效率，如何才能做到呢？

　　答：神經(jīng)網(wǎng)絡(luò)是一系列步驟的結(jié)果，在每一個(gè)步驟都會(huì)處理信息，為下一個(gè)步驟提供內(nèi)容，站在算法角度看，我們擁有一個(gè)目標(biāo)：得到同樣的結(jié)果，但是要將步驟的數(shù)量降到最小。開發(fā)更小的模型，生成相似的結(jié)果，這就是算法所面臨的挑戰(zhàn)。

　　專門針對移動(dòng)設(shè)備優(yōu)化算法，這是第二部分。即使擁有更小的神經(jīng)網(wǎng)絡(luò)模型，如果直接拿過來植入移動(dòng)手機(jī)，效果也不好。我們必須讓科學(xué)家配對，一些人尋找辦法壓縮模型，一些人擅長在芯片層面做優(yōu)化，一些人嘗試了許多不同的技術(shù)，優(yōu)化各個(gè)部分，讓算法在手機(jī)上跑得更快，我們要將這些人配對。

　　問：修改視頻，讓它變得更像藝術(shù)品，這樣做的確有趣，我們還能用AI做其它事情嗎？

　　答：看起來似乎只是為了好玩，甚至有些愚蠢，實(shí)際不是的，我們之所以關(guān)注這一點(diǎn)有一個(gè)重要的原因：當(dāng)你開發(fā)一些新東西，延遲會(huì)將有趣的東西變成難以處理的東西。因?yàn)闀r(shí)間延遲的不同，產(chǎn)品要么有趣，要么有創(chuàng)造力，或者干脆無法使用。

　　除此之外還有其它一些原因。我們制作了一些演示樣本，在樣本中，你可以將應(yīng)用程序與目標(biāo)偵測結(jié)合起來，如果想為視頻的前景和背景添加不同的效果，你完全可以做到。

　　問：Facebook訓(xùn)練的神經(jīng)網(wǎng)絡(luò)還用在什么地方？

　　答：用在許多不同的地方。比如用在翻譯中，每天用戶上傳幾十億張圖片，我們用神經(jīng)網(wǎng)絡(luò)給圖片添加題注，如果你的視力有問題，希望圖片可以告訴你它是什么，神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)。在信息流排序時(shí)，我們也用到了神經(jīng)網(wǎng)絡(luò)，你看到的故事可能會(huì)有成千上萬條，但真正閱讀的只有10條、20條或者30條，我們要向你展示最好的故事。我們還用神經(jīng)網(wǎng)絡(luò)偵測垃圾郵件，如果有人在Facebook分享一個(gè)鏈接，這個(gè)鏈接已經(jīng)失效，我們可以發(fā)現(xiàn)，然后刪除它。

　　問：你之前曾經(jīng)表示，VR將會(huì)在社交互動(dòng)中扮演重要角色。Facebook AI能夠幫上忙嗎？

　　答：要讓VR實(shí)用，AI是一門關(guān)鍵技術(shù)。在真實(shí)世界中，我們需要搞清頭部、手的位置，將它們的位置在VR世界中繪制出來，這就涉及到計(jì)算機(jī)視覺與VR的問題。如果沒有它們，系統(tǒng)無法運(yùn)行。今天我們已經(jīng)可以實(shí)現(xiàn)，但在10年與20年之前，你很難做到。

　　我們不妨思考一個(gè)更深入的問題：如何將真實(shí)的替身放進(jìn)VR世界。舉個(gè)例子，我們與某個(gè)人呆在VR世界，他在笑，我必須偵測到他的笑，VR中的替身也應(yīng)該笑。當(dāng)某人講話時(shí)，我們應(yīng)該分析語言表情，讓VR替身的嘴看起來跟真的一樣，和真人講話一樣，而不是毫無反應(yīng)，沒有動(dòng)作。如果在整個(gè)過程中VR替身很冷漠，我們就會(huì)缺少“存在感”。

　　從長遠(yuǎn)來看，未來所有的系統(tǒng)都會(huì)建立在智能代理之上，它們就是信息機(jī)器人，或者是家中可以交流的東西。將這些功能放在VR環(huán)境中再合適不過，因?yàn)樗鼈兛梢詾槟銓?dǎo)航，讓你穿過眾多的虛擬世界。你可以說：“嗨，帶我去火星。”或者說：“帶我去看看我的朋友Joe。”虛擬代理聽到命令就會(huì)帶你去，不需要點(diǎn)擊菜單，不需要移動(dòng)按鈕。對于虛擬助手來說，VR是一個(gè)很適合的存在地，只是要實(shí)現(xiàn)有些遙遠(yuǎn)。

　　問：怎樣才能實(shí)現(xiàn)這一目標(biāo)？

　　答：在AI領(lǐng)域，語音識(shí)別的問題已經(jīng)得到了很好的解決，該技術(shù)已經(jīng)很不錯(cuò)了，但是在AI領(lǐng)域還有一個(gè)更大的挑戰(zhàn)：提高自然語言理解能力，消除歧義。當(dāng)我下達(dá)命令說：“帶我去火星。”到底是什么意思？它是某一款游戲嗎？是不是《火星救援》中的拖車？我說的到底是什么意思？對于AI來說這是一個(gè)難題。

　　如果系統(tǒng)很實(shí)用，知道我想要的到底是什么，那就顯得相當(dāng)強(qiáng)大，像魔法一樣。如果給出的答案是錯(cuò)誤的，就會(huì)讓人很沮喪。正因如此，我們要開發(fā)一套系統(tǒng)，讓它更實(shí)用，否則人們就不想要它。對于AI而言，這是一個(gè)問題：開發(fā)一套系統(tǒng)，讓它可以按人類的方式理解語言。

　　問：等到某一天如果我們可以將神經(jīng)網(wǎng)絡(luò)裝進(jìn)口袋，那時(shí)會(huì)怎樣呢？你能描繪一下嗎？

　　答：有一種資源很寶貴，一但失去無法再獲得，它就是時(shí)間。日復(fù)一日，年復(fù)一年，時(shí)間不斷流逝，再也無法回來。有了AI，我們可以將時(shí)間用在自己更關(guān)注的事情上。我可以花時(shí)間多學(xué)3種語言，從而與家人更好溝通；如果有一套系統(tǒng)，它可以自動(dòng)翻譯，我就沒有必要學(xué)習(xí)，我會(huì)有更多的時(shí)間與家人相處，我也可以將時(shí)間利用起來創(chuàng)作音樂，追求個(gè)人愛好，或者工作，做什么事情都行。

　　我有一個(gè)希望，讓人們不再將時(shí)間浪費(fèi)在無關(guān)重要的事情上，因?yàn)槲覀儞碛幸惶紫到y(tǒng)，它可以照看我們，讓我們專注于自己最關(guān)心的事情。（編譯/虎濤）