剛剛講的不同數(shù)字格式，文字和圖像，如果在深層實(shí)際上它們的區(qū)別已經(jīng)消失了。那這樣我們就可以對(duì)圖像去問(wèn)文字的問(wèn)題，甚至對(duì)文字去問(wèn)圖像的問(wèn)題。這樣數(shù)據(jù)的形式也就不重要了。

　　如果我們達(dá)到了遷移學(xué)習(xí)的要點(diǎn)，我們想問(wèn)下一步是不是可以把所有人類(lèi)經(jīng)歷過(guò)的這些學(xué)習(xí)任務(wù)給沿著時(shí)間軸串起來(lái)，能夠讓機(jī)器像人一樣，學(xué)習(xí)能力和智能隨時(shí)間在不斷增長(zhǎng)。那么它所需要學(xué)習(xí)的努力程度，樣本數(shù)也是逐漸減少的。這也是我們?cè)谂Φ囊粋€(gè)方向。

　　最近發(fā)表的一篇文章也說(shuō)明了遷移學(xué)習(xí)的重要性。這篇文章叫做 bayesian program learning（單個(gè)例學(xué)習(xí)），這是從一個(gè)例子就能學(xué)會(huì)，我們知道深度學(xué)習(xí)是有千萬(wàn)個(gè)例子的。實(shí)際上它用了我們過(guò)去沒(méi)有涉及到的概念，就叫做結(jié)構(gòu)，如果我們了解了一個(gè)問(wèn)題的結(jié)構(gòu)，那么這個(gè)結(jié)構(gòu)的一個(gè)具體形式只用一個(gè)例子就可以學(xué)會(huì)了。其他的部分，需要很多例子的那一部分可能是參數(shù)、統(tǒng)計(jì)，這一部分我們實(shí)際上可以通過(guò)遷移學(xué)習(xí)來(lái)學(xué)習(xí)。也就是說(shuō)這個(gè)圓就圓滿(mǎn)了，就是一個(gè)閉環(huán)了。

　　同時(shí)，人工智能的應(yīng)用也不僅僅是在圖像方面。這里的一個(gè)例子是亞馬遜的倉(cāng)儲(chǔ)機(jī)器人。亞馬遜的倉(cāng)儲(chǔ)機(jī)器人是在一個(gè)很大的空間［運(yùn)行］，這些機(jī)器人會(huì)移動(dòng)這些貨架，每個(gè)貨架上面都有不同的貨品，把這些貨架送到工人的面前，讓工人從貨架上面拿所需的貨品到箱子里面，然后快遞給客戶(hù)。為什么是這樣呢？因?yàn)楝F(xiàn)在的機(jī)器人技術(shù)在選擇，也就是從貨架上選擇物體還遠(yuǎn)遠(yuǎn)達(dá)不到人的熟練程度，但是它在路徑規(guī)劃、機(jī)械的啟動(dòng)、抬起、放下已經(jīng)超過(guò)人了。所以，亞馬遜就很聰明地把機(jī)器的優(yōu)點(diǎn)和人的優(yōu)點(diǎn)結(jié)合在一起，變成一個(gè)新的商業(yè)模式。如果過(guò)去建一個(gè)倉(cāng)儲(chǔ)支持這個(gè)城市所有的物流需要三個(gè)月時(shí)間，亞馬遜把所有的傳送帶拆掉，變成機(jī)器人以后只用三天時(shí)間，這個(gè)收益是非常巨大的，也是我們可以借鑒，可以拓展的一個(gè)經(jīng)驗(yàn)。

　　下面要講的，不僅在機(jī)器人，在圖像識(shí)別，在我們的生活當(dāng)中，人工智能已經(jīng)十分深入了。這里舉的一個(gè)例子是我和我的學(xué)生戴文淵建的一個(gè)公司——第四范式，這個(gè)公司可以讓過(guò)去在金融領(lǐng)域只能由人來(lái)服務(wù)的重要客戶(hù)，改為由人工智能來(lái)做，把這個(gè)能力拓展到幾千萬(wàn)人身上，讓每個(gè)人都能享受到優(yōu)質(zhì)的金融服務(wù)。這是一個(gè)非常大的工程，它背后的技術(shù)就是機(jī)器學(xué)習(xí)，我們所熟知的深度學(xué)習(xí)、知識(shí)學(xué)習(xí)、強(qiáng)化學(xué)習(xí)。

　　最后我要說(shuō)幾點(diǎn)，看到這么多人工智能的努力，有失敗的時(shí)候，有成功的時(shí)候，我們到現(xiàn)在能總結(jié)出什么經(jīng)驗(yàn)?zāi)兀课矣X(jué)得現(xiàn)在的人工智能的成功離不開(kāi)高質(zhì)量的大數(shù)據(jù)，但是并不是未來(lái)人工智能的成功一定需要大數(shù)據(jù)。那么我們下面要問(wèn)是不是在未來(lái)有小數(shù)據(jù)也可以讓人工智能成功——工業(yè)上大家還在開(kāi)疆拓土，利用大數(shù)據(jù)的優(yōu)勢(shì)在發(fā)現(xiàn)新的應(yīng)用——我覺(jué)得在大學(xué)里面這是應(yīng)該做的一個(gè)研究。

　　第二個(gè)，就是要培養(yǎng)出更多的人工智能人才。這些人才才可以來(lái)設(shè)計(jì)算法，這個(gè)也是我們今天在大學(xué)里面需要努力的一個(gè)方向。當(dāng)然這些都離不開(kāi)計(jì)算能力。

　　所以從這幾點(diǎn)上來(lái)看，人工智能的努力也不是像有些人說(shuō)的“今天的人工智能的發(fā)展完全在工業(yè)”，人工智能的發(fā)展應(yīng)該一部分依靠大學(xué)，一部分依靠工業(yè)。就像我們所說(shuō)的，大數(shù)據(jù)和人才的培養(yǎng)以及小數(shù)據(jù)的研究。大數(shù)據(jù)開(kāi)疆拓土、更多的應(yīng)用和更多的計(jì)算能力確實(shí)來(lái)自于工業(yè)。人才培養(yǎng)、小數(shù)據(jù)研究則依靠學(xué)界。這兩者結(jié)合是我們今后發(fā)展的一個(gè)方向。

　　最后我要說(shuō)一點(diǎn)，我們應(yīng)該說(shuō)已經(jīng)了解很多深度學(xué)習(xí)了，這個(gè)可以作為我們昨天的一個(gè)成就。那么今天我們?cè)趧倓傞_(kāi)始去獲得強(qiáng)化學(xué)習(xí)的一個(gè)紅利，這個(gè)可能還不是在很多的領(lǐng)域得到應(yīng)用，但是我要告訴大家，強(qiáng)化學(xué)習(xí)比大家想象的要更有用，它不僅僅是在圍棋或者是在計(jì)算機(jī)游戲上有用。在金融、在我們?nèi)粘Ｉ町?dāng)中，甚至在教育上，機(jī)器人的規(guī)劃都離不開(kāi)強(qiáng)化學(xué)習(xí)。

　　那么這些應(yīng)該說(shuō)都是富人的游戲，也就是說(shuō)只有富人才能有這么多的大數(shù)據(jù)，有這么多的計(jì)算量去支持深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)這樣的實(shí)際應(yīng)用。那么我們明天要看到的應(yīng)該是遷移學(xué)習(xí)，因?yàn)檫w移學(xué)習(xí)能夠讓我們把大數(shù)據(jù)得到的模型遷移到小數(shù)據(jù)上面，使得千千萬(wàn)萬(wàn)的人都能夠受益，人人都能享受人工智能帶來(lái)的紅利。