未来和你LOL电竞的可能是腾讯的AI

未来和你LOL电竞的可能是腾讯的AI。

这个听起来有点脑洞大开的想法，并非遥不可及。腾讯的AI Lab就正在这么做。

AI正成为大公司的必争领域。相比于Google、微软、IBM、百度、阿里等公司，腾讯在AI方面的宣传并不多。事实上，2016年腾讯组建了30多人的AI Lab, 并在AI技术及应用方面进行研究。

相比于技术的研发，我们更关心腾讯AI应用方面的规划。在今天腾讯研究院的年会上，腾讯集团副总裁、腾讯人工智能实验室负责人姚星就详细阐述了这一问题。

技术方面，腾讯AI主要是基于四个垂直领域，分别会在CV（计算机视觉）、ASR、语音识别、NLP（自然语言处理）。在计算机视觉领域，除了传统的图像处理，还会引入AR、空间定位等技术。在语音识别方向，除了传统的语音识别、语音合成，还引入了自动翻译。在自然语言处理方面，除了传统的自然语言处理，还会引入监督类的机器学、无监督类的增强学习。

在应用层面，则主要会结合腾讯的业务，主要分为内容AI、社交AI、游戏AI。 内容AI方面，主要是个性化的推荐。社交和游戏是腾讯最强的两个业务，也是腾讯AI最重要的两个结合点。在社交AI方向，会面向于社交的能力去提供AI能力，未来有可能会推出聊天机器人、智能助手等。

与很多大公司不同，腾讯的AI将游戏作为了一个重要的方向。姚星设想，未来有一天，有一个AI可能会参加LOL这样的竞赛，跟人对打；而将AI应用在《王者荣耀》这样的爆款游戏中，可玩性、乐趣性都有可能增加。

为了方便大家更多的了解腾讯AI Lab的一些信息，我们也对姚星的演讲进行了整理。

以下为姚星演讲的整理

姚星：各位朋友大家下午好。今天我演讲的题目是AI真实的希望和隐忧。什么叫希望，希望就说明大家期待，隐忧说明大家期望过大。第一我首先要澄清一个事情，刚刚主持人马斯特是不是腾讯做的，我要澄清，马斯特不是腾讯。我们回顾一下互联网发展的二十年，实际上过去的二十年是信息高速发展的二十年，它经过了几个发展阶段，从我们发展的方向上面来讲，应该是在九十年代初期，中国应该第一次连上互联网，在上个世纪九十年代我们进入到互联网大家庭当中了，但是由于当时网络数据连接的问题，大部分在互联网上的应用还是只限于沟通，沟通解决了很多问题，人不再需要面对面，或者通过传统的书信的方式进行沟通，人可以通过互联网，不论在天涯海角，只要能连上互联网，总是可以触达到一些消息。随着整个设备传输的发展，网吧的兴起，大家连接网络的速度提升，你会发现我们的网络带宽提升速度越来越大，这时候人们对互联网的诉求不再仅仅是通过消息的传递沟通，更多的是分享。MSN也好，包括FaceBook，包括QQ空间，都是基于分享，人人为我，我为人人，那时候有很多东西都是通过互联网来分享喜悦和苦恼。

随着后面移动时代的发展，特别是智能手机的发展，智能终端的发展你会发现，最后在最近这五年以来，我们的移动互联网高速发展，人们不再是在指定的地点和指定的地方进行互联网连接，以前传统大家都是在网吧或者工作的地方，现在大家通过手机无时无刻连到互联网，所以整个过往的二十年是随着设备的发展，产业的发展，随着信息产业的发展而演进。伴随着过往二十年发展，腾讯二十年我们做了什么呢？实际上我们在每一个时代都有腾讯一款重量级的产品。在最早的沟通时代，在上世纪九十年代的时候，我们有QQ，QQ目前是世界上在线最大的容量，已经达到同时两亿人在线，在2000年初的时候，我们有了我们的QQ空间，QQ空间目前的日上传的照片数是超过五亿张，这个规模如果我们跟世界上最大的网站FaceBook去比，是差不多同一个量级。2013年FaceBook日上传照片数大概在2.5亿左右，目前QQ空间日上传照片数也好，总照片数也好跟FaceBook是同一个量级。

然后在移动互联网时代，毫无疑问腾讯，大家现在都知道的一个产品就是微信，这款产品不光是简单的，还是玩超级的人，它不仅是解决了沟通问题，还解决了社交、分享的问题，还是一款包括我们去线下支付，线下的打车，甚至医院挂号看病，交水电费等等一系列使用都在那一个软件上面，实际上这三款腾讯产品在世界上来讲都是领先的。整个发展史我们也看出过往的发展史是从信息时代，我们说从窄带到宽带，到移动互联网时代，它犹如生物进化一样，从早期的单细胞到多细胞到最后的智能。今年来讲实际上这个智能会更加的广义了，不仅仅是智能终端，大家更多的讨论的，今天的智能是AI。所以去年2016年又是整个AI真正发展六十周年，所以在去年AI在世界上也爆发起来。包括我刚刚在小房间跟很多嘉宾在聊的时候，说腾讯是一个很低调的，的确很低调，很多人问我腾讯有没有做AI？怎么从来没有向外宣传呢？实际上腾讯有自己的AI相关的部门，从2016年4月份开始，腾讯成立了自己的部门，目前我们的情况就是，基本上有30多个科学家，90%以上的人都是博士学历以上，绝大多数人都是海外回来，然后从他们院校来讲，都是从世界最顶级的学府引进的人才，包括哈佛，康奈尔，麻省理工等等，哥伦比亚大学等等这些学校。

所以目前在腾讯里面，我们已经组织了一个AI团队，但是这个规模还在扩张。腾讯的AI可能不像其它公司的AI让人那么了解，比如说像谷歌的AI，大家很多了解在做围棋，包括他们出来很多的产品，包括他们的语音等等的很多东西，包括像百度，他们有无人车，有度蜜等等的一些产品，包括FaceBook等等，所以它做了很多图像上面的东西，等等等等，但腾讯的AI一直没有对外宣传，今天我也跟大家分享一下，腾讯在AI上面的考虑。实际上腾讯的AI我们主要是基于四个垂直领域，分别会在CV，计算机视觉，还会在ASR，语音识别，就是语音识别上面，我们还会有一个专属的垂直领域，另外在LP，自然语言处理上面也会有，每一个领域里面也会拓展到更多深层次的研究。比如我们在计算机视觉领域，我们可能除了传统的图像处理，还会引入AR的东西，增强现实的东西在里面，也会引入空间定位的技术在里面。语音识别我们除了传统的语音识别，语音合成，还会引入更多的这种，跟语音相关的，就是我们的自动翻译方面的一些，放在里面，另外除了传统的自然语言处理的这种人的认知行为的一些研究，我们还会做，比如说对话的聊天机器人这类的一些研究放在这里面，在新领域，就是我们监督类的机器学习，到增强学习，我们都会在四个领域。所以这四个领域基本上涵盖了当今整个AI基础研究领域的方方面面，这是四个基础的研究领域。然后我们另外提出了四个专属的这种产品研究方向，这是结合了我们整个腾讯公司来进行的，我们提出了有内容的AI，我们把搜索引擎基于个性化的推荐，基于内容类的东西和搜索类的。另外我们还有我们的社交，腾讯是一个传统，就是一个非常，在社交平台上面非常厉害的公司，包括我们刚刚说的QQ空间，它都是一个社交平台，所以在社交AI上面我们会面向于社交的能力去提供AI能力，就是刚刚我说的对话，包括聊天机器人，包括我们智能助手，都会在这个方向上去研究。

另外一个方向，我觉得是跟全世界其他所有的公司不太一样的一个AI方向，大家可能会问我，也有做围棋的AI，但是它只是一个简单的围棋，它不会有太多的游戏，但对于腾讯来讲，在整个腾讯集团里面有个很大的产业是游戏，我们会在游戏里面引入更多AI能力，实际上想像空间是非常大的，大家试想一下，LOL是不是可以有一天，会有个AI可以参加这种世界竞赛，跟人对打，大家也知道今天腾讯有一款很受欢迎的手游叫做王者荣耀，如果把这里面的能力提升，是不是可玩性，乐趣性就会更多，对于腾讯来说这一块也是很关注的。除此之外我们还会提供我们很多工具类的AI，这里面就会提供我们这种能力把它开放出来，包括基于图像上人脸识别的能力，包括语音识别的能力，包括在自然语言处理的能力等等等等，包括我们在学习平台的能力。所以说整个腾讯从目前来讲，我们的研究AI基础领域是四个，然后我们的方向也是四个。

刚刚讲了很多前面的篇章，是讲腾讯，包括新产业发展二十年，腾讯在过往的产业当中二十年的情况，以及我们在AI上面的布局和考虑。现在我来讲一下整个AI，刚才讲更多的是AI的希望，现在我来讲一下AI方面的隐忧是什么。AI不是一个新的概念，发展了六十年，六十年AI一直都是有很多的起起落落，在去年突然一下大爆发了，一直延续到现在。像从五六年的会议开始，AI就开始有一个名词，中间它经过了很多起起落落，比较有名的，我相信大家知道，九十年代的IBM打败了卡斯帕罗夫。IDM也有一款基于知识图谱的知识问答类的，在危险边缘的挑战赛里面取得了冠军。大家可能记得最清楚的一件事情，可能还是去年AlphaGo打败了世界冠军，韩国的李世石，因为大家都认为围棋是在一个最古老的游戏里面，最复杂的游戏里面，在智能上面超过了人。当然整个发展史里面也有很多技术方面的演进，比较有代表性的就是2006年，在学习上面真实的突破，他带来了整个AR在发展方面极速的提升。为什么这一次AI会让大家这么大的这种期待，或者有这么大的关注呢？我觉得这是AI发展上面最主要的原因是这一次AI底层算法在深度学习上面进行了有效突破，就是刚刚我说的，所以使得这次AI的发展在2012年开始，整个学习的方法，不像传统的方法，让人类去模仿，就跟早期的人类想学飞翔，原来的方法是粘上羽毛，像鸟一样，真正的飞翔最后的原理是要通过空气动力学去解决飞鸟的原理，这就是深度学习的一个思想。之所以现在能在很多的这种工业上面，在很多应用上面进行突破，实际上本身是掌握了它的内在的这种方法，而不是表面的方法，所以在这个上面，方法的研究方面我觉得是重要的。

第二个是模型上的提升，刚才我说了，AI的发展有六十年，机器学习在八九十年代也非常火，当时有一个叫SBM，它已经是非常厉害的一种机器学习的算法。当它达到几亿几十亿规模的时候，实际上它的计算能力就会急剧下降，做一个非常复杂的复合函数去描述这种方式，它通过DP多层连接，它达到一个指数层倍的关系，描述十亿可能我们只需要三层一千个节点的连接，就能构建十亿个特征出来。所以从本身来讲，模型上的提升这也是深度学习的突破。另外一个东西在数学上面，就是EP上面问题的解决，反向传播的问题。首先在数学理论上进行，反向传播是一个非常复杂的问题，在神经网络里面当一个东西在传递很多层网络的时候，我们知道当它往回我们要反向收敛的时候，我们都要去逼近最优质，但是当往往层数太多的时候，会发生一个梯度消失或者梯度膨胀的问题，通过一些方法的解决，数学理论上面的解决，很好解决了这种问题，所以在数学理论上面，建立了一个比较好的基础。

正因为这三方面的优势，所以使得在AI的浪潮里面，机器学习才会如此火。而且我坚信这次浪潮会持续很远。右边这幅图就代表了在整个机器学习的一些图文，在1933年到2000年左右，整个传统的浅层机器学习的学习方法，它有一个比较好的下降过程，但是2000-2010年这十年，它进展非常快，它在方法上面，在模型上面可能都没有进行，突然在2012年左右，微软研究院他们最开始在工业界把机器学习用到语音识别里面去，取得了极大性的突破，急剧又进行收敛，所以整个过程机器学习的能力的确是在过往的五年当中，发展非常非常快的。讲了很多机器学习的这种，刚刚说的发展，快速的发展，它的方法也很好，模型也很好，数学算法也在突破，但是现状是什么呢？就刚刚我说的，今天我谈的话题是AI期待很大，期待太大了，为什么会这么讲？作为一个从业者，我对AI上面还是有很多很多的东西，可能是需要提出来，就是这里面还是有很多的局限性。第一个就是本身深入学习的能力，就是我们说的AI跟人去相比，它有多大的差距。实际上我们发现所有现在的机器学习的方法，我们都发现不管这个方法有多么的新提出来，它的学习过程都是要从头开始学，都要把数据重新进行一次训练的过程。但这跟人的学习能力相比确实有很大的差距，人有很多的智能是与生俱来的，就像小孩刚出生，不需要多长时间就知道这个世界是三维的，当你把一个东西放在一个，把一个瓶子放在电视机的后面，他是知道的，在电视机后面有一个东西的，这是一些特征是与生俱来的，这个是跟生物的进化是相关的。所以人的这种，我们叫灵长类的动物跟单细胞动物相比，肯定是有与生俱来的能力。但是目前深度学习方法很遗憾，我们不管提出了多么优秀的模型，可能我们都要重新开始学，这是第一个跟人的学习能力相比，这是一个非常大的缺陷。第二个就是我们不管有多么好的学习的，刚才说有很多的模型，特别这几年有非常多的出来，不管有多么好的这种神经网络模型，它本质上的问题还是通过算力，计算能力去解决大数据，更多的大数据，更大的计算能力去做更好的融合的过程。过往是整个硬件发展，是顺从了摩尔定律发展，发展非常之快，但是在未来的更多的参数下面，我们还有没有这种能力，达到计算的效果，这要打上很大的问号。

比如说我们的网络模型，2006年提出来的，到后面剑桥大学出来的，再到后面谷歌提出来的，再到2015年神经网络，每一次新的模型提出都是把模型的层数加入更多，神经单元更复杂，训练结果更长，得出来的结果也最优，但是本身这种方法是不是还能像原来的方法一样可持续，这要打一个很大的问号。另外一个刚才解决的是图像方面的问题，下面我们解决感知的问题，如果我们要解决认知的问题，那差距就更大了。人的语言是一个序列问题，这个语言序列问题如果要计算的话，这个算力是无论如何解决不了的。人可以很容易在对话当中，回溯到一个很长时间语句的某个片段的关键词里面，但是在机器里面它却不一定做到这个，虽然我们也在最早的模型形成到现在长短记忆单元的模型，到后面的我们现在腾讯的，带有注意力的模型，但是总之来讲，这种模型的演进都还跟人相比是非常复杂的，是远不如人的。比如说那天我看到一个对话，是三个人在对话，两个人在聊，中间有大段聊去哪儿吃饭，突然有人问太阳呢？人知道这是描述太阳队的，因为前面很早之前有人在聊，湖人跟快船的话题，突然来个太阳大家就知道，但是机器基本上是没办法识别的。夏天能穿多少穿多少，冬天能穿多少穿多少，两句基本上一样，但是前面去描述，把少给突出来了，后面把冬天多显出来。

第二个例子我讲的是语音识别，我看了一个笑话，语音识别很难搞，您好，方便面试吗？我在重复这句话的时候，我都不知道自己在讲方便面是吗，还是方便面是吗，的确这是一个非常难的问题，但是人的理念很多东西，是由于进行反问的时候，再慢慢把这个东西带出来。所以说目前的AI情况，在图像里面，包括说人脸做的多么多么厉害，99%，但实际上它在很多的约束条件下，它正脸，它不能侧脸去做，就是完全侧脸是完全不可能的，或者说它戴帽子可能也比较难，所以它是在很多约束条件下面，达到了人脸识别，达到了9%，包括刚刚语音识别说的，语音识别也是在很干净的情况下，比如我们的噪音比较小，我们没有风噪，没有车噪的问题，可能机器在听语音识别的时候会识别出来一个比较好的效果，一旦距离远。但跟人相比，这完全不是问题，包括多人的问题，语音跟踪的问题，所以在我刚刚说的感知的能力，它跟人基本的能力相比还差距很大，更别说它在认知方面，在LP这种语意方面。

所以在整个AI上面，隐忧我觉得是我们期待太好了，我们要回归现实，AI现在这个能力刚刚起来，但是这个趋势很好。未来AI发展方向是什么呢？我觉得AI跟人，包括机器学习跟人的能力上面有些差距，怎么去补齐差距呢？第一个我觉得跟人相比要创造，我们现在所有都是基于大数据，这些数据从何而来，这是非常重要的。这个数据现在是传统的获得而来，但更多的数据是本身能创造出来，当然这条方法通过刚刚主持人介绍的，包括AlphaGo已经在验证这样的问题，通过增强学习去产生人类从未下过的棋，这是一种创造数据的能力，通过创造数据的能力产生更多的数据，不一定是人创造了这些，去把这些东西更多的穷尽出来，这是一种我觉得在未来，如果在这方面发展的话，可能我们在增强学习方面，我们要进行更多的发展和突破。第二个就是举一反三，什么叫举一反三，AlphaGo下围棋能下倒世界冠军，但是他的下棋方法到现在已经不行了。因为他的方法并不是为下棋而创造的，他不会进行推导。当我们验证大数据和一个非常好的效果的时候，我们数据量很小的时候，怎么把原来的模型迁移过来，这是非常重要的研究方向。

第三个方向和人相比就是归纳总结。人是非常能进行一些总结的，包括像牛顿的第一定律，包括牛顿的万有引力，都是人总结出来的，包括我们很多公理，但是目前机器学习是没办法进行归纳总结的，我们之所以结果好，它并没有提炼出公理和定律的关系。所以这方面未来我们要在归纳总结，特别是无间度学习上面，分类问题是有目标去学习的，但聚类问题没有目标的时候，我们怎么把它聚好。所以在这三个能力上面，我相信这是我们未来在AI上面要进行提升的。第二个就是在整个的发展方向上面，刚刚讲了很多说机器学习通过数据方法，它从传统的浅层学习里面，我们所有的，通过统计学的概率论，完备的统计学概率论理论来支撑它，我们说到求这种函数极限的问题，我们有很多完备的数学公式去证明，我们一定能解决它的问题，但是恰恰在我们机器学习上面，虽然前面我们用了随机去找局部最优，但是它本身数学领域，它只是一个框架，我们在很多上面，还是一个启发式的约束，包括我们的初始化参数多少，包括我们学习率是多少，这都是有启发性的。在未来如果机器学习要继续往下走的话，我们在数学理论上面一定要有强大的支撑，特别传统的机器学习，数学完备型，要迁移到我们机器学习上来。

大家知道神经网络的提出，很多来自于原来的脑神经学科和生物系统，在本身这个上面，我相信未来AI的发展要引入更多，不光是我们数学学科，计算机学科，还要引入脑学科神经去引，因为脑的神经结构就是，刚刚我提到了蝉纱神经网，已经连接脑神经的概念了，进行跨层连接，达到一个非常好的效果。当然更多的东西我希望就是未来，可能在交叉学科上面，包括刚刚说的生物，脑神经，包括哲学都要去引进来，这样的话整个AI可能才有更多完备型的发展。另外一个地方就是，在当今世界里面，AI我觉得是对所有公司来讲，对所有人来讲都应该是平等的，所以我们一定要开放，比较好的是当今世界所有的，在AI领域里面的大公司都在做，包括腾讯也会，我们看到很多包括谷歌的Open，包括FaceBook它也Open了非常多的网络模型，包括我们了解现在很火的OpenAI等等这些大的这种机器学习，AI的这种先行者，腾讯在未来也会去进行很多Open，把我们部分行为的数据，就是这种环境，应该是环境，让更多的人来参与进来，进行测试。所以整个过程就在未来AI的发展，我相信第一方面就是在能力上面，要跟人去匹敌的话，要进行提升，第二个在整个学习的完备型，数学完备，学科完备上要进行丰富，第三个就是所有的这种大的公司，AI的参与者，我们以更加开放的心态去面对AI，这才是未来AI，AI的未来。

说到这里我又要再次强调一下AI对腾讯来讲非常重要，对中国整个互联网都很重要。在当今世界里面，曾经我们可能在整个最开始的互联网时代，我们跟美国去比，可能还会，美国最强的公司去比，可能还会有一些差距，包括我们原来的工业时代，跟西方最强的发达领域，整个AI的时代我坚信我们整个互联网公司，包括腾讯上面，是跟世界一流的公司是有匹敌之处的，为什么？第一我们数据足够多，中国的互联网人数是其它国家可能互联网人数的总和，中国的互联网是世界上最大的互联网总数的人数，所以我们每天产生的数据足够多，在腾讯里面，包括微信，包括QQ，产生了无数的数据，我相信在中国其它的互联网公司，包括我们的店商，包括我们的搜索也会产生很多的数据，这对中国公司来讲，这是非常好的一个优势。第二是应用场景，作为腾讯来讲，我们有很多的这种把AI这种遥不可及的技术跟落地的机会，我们可以在微信里面，在我们的游戏里面，在我们的新闻里面QQ里面去落地AI场景，哪怕小到一点语音识别，或者图像，或者是说聊天机器人等等，这都是我们可以去落地的地方。第三个地方就是人才，人才是有数据统计，目前的机器学习相当一大部分人，虽然我们国内人在机器学习上的专业还比较少，这个学科也比较少，但是在整个世界上来看，这个领域的华人是非常多的，我参加过2016年的ICML，有三千人，我敢说大概3-40%人都是华人，那里面40%的文章都是华人写出来的。所以在这个上面，人才结构上面我觉得中国是有非常好的这种人才的基础，说正是基于我们数据的优势，我们场景落地的优势，我们人才结构的优势，我觉得在腾讯也好，中国其它互联网对AI的未来大有可为。最后讲一下腾讯的AI使命。我们的AI使命，让AI无所不在，谢谢大家。

『本文题图图片来自：Yestone 邑石网正版图库』