贾扬清：人工智能如何重塑传统软件行业？

编者按：本文来自微信公众号“OReillyAI”（ID：OReillyAI），作者 大数据文摘，编译 effy。36氪经授权转载。

特别感谢大数据文摘字幕组

编译：effy

本文基于Caffe的创始人、TensorFlow核心作者之一贾扬清在O'Reilly和Intel共同举办的AI Conference旧金山站所做的演讲《在AI时代重新思考软件工程》，通过揭秘传统软件工程的痛点，他希望向各位分享自己对人工智能时代，软件工程行业发展的思考。

长期以来，我们一直把分辨某个物体、颜色、形状的能力想成理所当然。什么意思呢？比如，当小编提道“斩男色”的时候，相信很多小姐姐都心领神会，但是你如何给不知道这个颜色的ta，或者计算机描述/形容“斩男色”？

注：斩男色，传说涂上这个颜色的口红可以就能天下无敌，撩弟无数，斩获所有直男的心。

在图像识别和处理领域，传统的软件工程是通过设计规则（rules），也就是使用硬编码来描述物体特征，来研究计算机视觉的问题。在深度学习之前，方向梯度直方图（histogram of gradients 简称HOG）火遍了大江南北。

什么是HOG？简单的说，HOG试图在图像的局部收集统计数据，或者可以理解为，它试图找到物体各个方向上的边界。比如，当你认真仔细看箭头下的图，（希望）你可以看出类似汽车的物体轮廓。

是不是仿佛回到了小时候体检看色盲卡？再来一张，这张是不是好多了？

因此，传统软件工程需要告诉电脑，规则是什么，或者特征是什么，并一步一步‘告诉’电脑该怎么做。可想而知，这种设计本身限制了计算机视觉的进一步发展。

从逻辑编程到自调适模型：从授之以鱼到授之以data

传统图片识别技术错误率在26%停滞不前，急坏了众多科学家、学者、研究人员。

这时，一位名叫Alex Krizhevsky的小哥哥，提出用一种更抽象的方式写模块，设计出了我们今天称为‘卷积神经网络‘的模型。并用大量的数据构建和训练它，实现了图像识别从传统的逻辑编程到建模的转变。

这种方法的效果惊天地泣鬼神，和传统图片识别技术相比，在准确性方面实现了飞越。AlexNet在2012年ImageNet中以15%的错误率取得前5的好成绩。

AlexNet由5个卷积层和3个全连接层，650，000个神经元以及60，000，000个参数构成。其中，卷积层扮演着抽象和提取特征的角色。

传统图像识别的方法，是将人为指定的、通过HOG提取出来的特征再放入分类器中，进行识别。而AlexNet实现了通过卷积层自主学习图片特征，并通过全连接层输出概率，确定分类的‘一条龙’服务。真的非常优秀了！

reference：http://www.image-net.org/challenges/LSVRC/2012/supervision.pdf

有意思的是，AlexNet还有生物后端的支持。研究发现，在我们的视觉皮层中，神经元会进行分层推断。信息从一层传递到下一层，再到下一层，从而让大脑提取越来越复杂的信息。

数据金矿

传统的方式是如何编写软件呢？我们编写软件时，会把源代码放入编译器中，编译器会将源代码转换成计算机能解读、运行的低阶机器语言。

而在人工智能领域，我们写的程序或者说模型已经和传统软件工程编译不同了。它不再是一组逻辑，而是会根据不同的训练数据和目标数据，得到不同的程序和模型。这些模型可以推导出一个通用的规则，然后使用大量的数据和计算来得到精确的结果。

举个例子，对于大约有一百二十万张图片的数据集来说，传统的方式处理这些编译的一个挑战是，它需要进行大约百万万亿次的计算（1 exaflop）来训练一个图像网络模型。

这是什么概念呢？如果让每个伦敦人每秒都做一个浮点运算的话，需要大约四千年的时间来训练这个模型。

其实我们已经意识到，人工智能的计算在某种程度上是非常野蛮的。特别是在卷积神经网络，或者叠加的神经网络，我们需要做大量的浮点运算(float operations)。

因此，在几年前，我们就开始建立和研发更高效的硬件。而且，我们还建立起了数据中心、规模集群或环境(scale clusters or environment)来进行计算。

与此同时，我们还看到了科学计算算法的回归，比如那些传统的用来预测天气的方法。

这都推动了软件设计的发展，现在我们不再使用代码进行编译，而是用代码和数据放在一个计算阶段(compute phase)，或者我们也可以称其为现代版的代码编译。

当然，引用一句谚语：巧妇难为无米之炊。数据已经成为了人工智能生态系统中一个非常重要的部分。

互联网时代，大量的数据产生并充斥着我们的生活。那么面对如同大量的金矿一般的数据，我们真的能从中开采出黄金吗？或者我们的模型可以处理如此大量的数据么？

在Facebook，有一群非常优秀的小伙伴尝试回答这个问题。他们通过在网上分享大量的公共图片，和相关的信息，比如标签，来训练模型找出这些图像中有哪些东西。

随着这个项目的训练数据不断增加，最后达到大约四十五亿张图片，模型的质量和准确率也随之上升。也就是说，只要有更多的数据，就能带给我们更多更好更高质量的模型。

在这些领域中，我们看到的是用数据驱动的方法，代替硬编码或者说传统软件工程的方案。我们要做的只是提供大量的数据，然后在没有太多人工干预的情况下，就能得到理想的模型。完美！

算力呢？

人工智能时代的软件工程逐渐形成三个关键部分的良性循环：我们设计的模型可以从大量的数据中获取信息，利用我们现在拥有的巨大的计算能力，或者说更好的算法，开启智能之门。

大量数据的涌入，使我们能够为这些复杂模型的培训提供燃料。硬件的开发，使我们能够获得更多的计算资源，并且使我们能够在几天，几小时甚至几秒内完成这样的任务。

而随着硬件和计算机技术的发展，现在我们能够将这些模型部署到各种设备上。以前，我们的手机就是手机。今天，我们的手机不止是一部电话，还是一个私人助理，一台照相机和一种连接到智能世界的方式。

未来已来？ or还未来？

有时我会想，我们还需要做些什么呢？好像已经全部做完了呀。难道不是么？人工智能渐渐变得常见并被大家了解和认识，我们已经有了很多高大上的模型和厉害的硬件设备，但是我们仍处于一个非常原始的阶段。

当我们试图管理实验的模型，我们有时会使用一些非常古老的手工方法，比如说excel表格。现在，在传统的软件工程中有更好的方法，比如，持续集成(continuous integration)。

我们知道当我们在写软件的时候，有复杂的系统来进行版本控制（version control），以确保代码的测试和质控。而当我们的项目考虑使用表格来管理我们的实验时，这些问题并没有出现。

所以问题来了，我们如何做到现代化的版本控制和现代的SDK和现代的持续集成呢?对于AI系统，这变得非常困难。不仅仅因为算法在改变，数据每天都在变化。而反过来，这些又改变和影响了将要部署的模型和即将出现的新硬件。

这三个因素会相互作用，并交织在一起难舍难分。因此，现在的软件工程不仅仅只是停留在代码层面了，它还需要处理数据和计算资源，从而保证结果的准确性，并确保我们能够对这些软件和系统有效管理。

这是一个开放的问题，因为我们还需要做很多工作，才能让AI继续发展下去。让我开心和激动的是，越来越多的人对AI感兴趣和加入。现在越来越多的学术论文在引用卷积神经网络，数量呈现指数级的增长，这和摩尔定律非常相似。于我个人而言，我非常期待看到人工智能的进步和更多的应用，帮助我们的社会的推进和提升。