重新想象百度的未來？李彥宏說人工智能是百度核心中的核心觀點
“今天的主題演講將圍繞人工智能。”
在今天舉行的百度世界大會上，李彥宏以這句話作為了整個演講的開端。
百度世界大會是百度一年一度最重要的一次發布會，在這個發布會上，百度創始人、CEO李彥宏以及百度重要業務的負責人均將“出門見客”，為外界講述百度對未來戰略的思考，以及接下來的發展重點。
因此，百度世界大會成為外界一窺百度發展戰略、發展規劃、發展重心的重要窗口，在這個窗口中，李彥宏的表態尤其受到關注。
在今年的百度世界大會上，李彥宏的演講全部圍繞百度人工智能戰略展開。
百度的“新”核心：人工智能
百度如何看待人工智能？百度的人工智能現在處于什么水平？百度的人工智能會有哪些應用？對于這些問題，李彥宏在演講中進行了解答。
延續此前在2016亞布力中國企業家論壇夏季峰會上的觀點，李彥宏認為，互聯網發展的第一幕是PC互聯網時代，第二幕是移動互聯網，但移動互聯網時代正在離開我們，而代表未來的下一幕，則是人工智能。
百度如何看待人工智能，李彥宏表示：“人工智能是百度核心中的核心。”
具體來講，人工智能之于百度的具體產品是百度大腦，根據李彥宏的介紹，百度大腦由三個部分組成：人工智能算法（超大規模的神經網絡）、計算能力（數十萬臺服務器來進行計算，基于GPU）、大數據。
百度大腦的能力主要有四方面能力：語音的能力（語音合成、語音識別）、圖像的能力、自然語言處理能力以及用戶畫像這四種能力。
李彥宏介紹，百度目前在語音能力方面已經進入比較成熟的階段，這四種能力也已經各有實用的案例。
通過李彥宏的具體舉例來看，在人工智能的具體應用上，仍然圍繞百度當前的業務進行。比如，李彥宏現場舉例語音識別能力幫助電話銷售搞定客戶、基于圖像識別技術的AI能力幫助廣告客戶做營銷。
除了這些緊緊圍繞現有業務的實際應用，李彥宏也提到了一些代表未來方向的產品，比如被頻繁提及的百度無人車、度秘（語音助手，用人的語言跟人交流）等。
李彥宏宣布，百度大腦的全部能力將對外開放，并且很多將是免費提供。
以下為李彥宏演講全文：
各位來賓大家早上好！歡迎來到2016百度世界。
大家知道，百度世界是我們每年舉辦一次的百度技術創新大會。今年的主題我們聚焦在人工智能，大家在之前收到的請柬上已經看到這個主題了。剛才開場視頻是以人工智能為主題的，今天我的主題演講也將圍繞著人工智能來展開。
今年6月份，我在百度聯盟峰會上講了一個概念，叫做互聯網的下一幕。下一幕是什么意思呢？就是說，互聯網的發展在此之前已經經過了兩個非常重要的階段，第一個階段大概持續了十幾年的時間，就是我們講的PC互聯網階段。第二個階段是在最近四五年，我們把它叫做移動互聯網的階段。對于中國市場來說，隨著上網人數越來越多，上網人口的滲透率越來越高，現在已經達到了七億多，就是說已經超過了50%的滲透率，同時，每一個上網的人現在也基本都用上了智能手機。這意味著什么呢？這意味著，未來互聯網的增長不能再靠人口紅利來驅動了，也就是說，移動互聯網的時代其實正在離開我們。這可能是很多人覺得難以接受的。我們國家現在進入了所謂的新常態，經濟的增長需要靠“互聯網+”行動計劃來推動，所謂“互聯網+”就是希望用互聯網的思維方式、互聯網的效率來推動各個行業、產業的繼續發展。但是，我們互聯網的從業者其實又深深地感受到了這其中的危機，這個危機就是因為過去的粗放增長階段已經結束了。
移動互聯網之后的下一幕是什么？其實現在已經很清楚了，就是我們所說的人工智能。人工智能對于百度來說是核心當中的核心，我們也很幸運，在過去的五六年當中，百度花了很大很大的精力投入到人工智能的研發當中。人工智能對于百度來說意味著什么呢？我可以用簡單的四個字來描述，就是百度大腦。百度大腦的概念我們其實在大約三年前就對外講過。那個時候我們講，百度大腦已經具備了大概兩三歲孩子的智力水平了。自此以后，不斷的有人來問我，尤其是今年人工智能突然火起來了之后，很多人來問我說，你們這個百度大腦現在相當于多少歲人的智力水平了。
要回答這個問題其實還蠻難的，我也不知道它現在是多少歲了，因為畢竟人腦和電腦它還是有很大的區別，百度大腦雖然是一個人工智能的大腦，但是它和人正常的發育的過程還是很不一樣的。
百度大腦到底由什么構成的呢？它基本上是由三個大的部分組成的。第一個組成部分，就是人工智能的算法。我們有超大規模的神經網絡，這是模擬人的神經元組成的網絡，但其實我們也不知道真正人腦工作的原理是什么，只是想象當中應該是這個樣子。我們還使用了萬億級的參數，人腦的神經源大概是千億級的，我們也有千億的樣本和千億的特征進行訓練。整個這些東西組成了百度大腦當中算法的部分。
百度大腦的第二個組成部分是我們計算能力。現在我們已經使用了數十萬臺的服務器來進行計算，而這當中很多的服務器不是傳統基于CPU的服務器，而是基于GPU。早年的時候，GPU主要在游戲等領域使用得比較廣泛，在人工智能、尤其是深度學習起來以后，我們發現，其實GPU特別適合人工智能的計算，尤其是深度學習的計算，一塊GPU可以頂100個CPU的計算能力。有關GPU的事情，我之后會請一位外部的嘉賓，就是NVIDIA的創始人和CEO黃仁勛先生，讓他給大家介紹更多有關GPU的，尤其是在人工智能領域應用的情況。
百度大腦的第三部分是數據。數據也非常非常重要，而且這個數據量也是非常大的。比如說，我們已經收集了全網上萬億的互聯網網頁內容，這其中包括了很多視頻、音頻、圖像，這些數據也是數以百億級的。我們還有每天數十億次網民的搜索請求，而且還有每天數百億次的網民定位請求，就是說這個人在什么地方，這樣的請求也比大家想象得多，每天都有好幾百億次這樣的定位請求。
有了算法，有了計算能力，有了數據，百度大腦就可以開始工作了。百度大腦又到底有什么樣的功能？讓我們來看一看。
我們今天想重點介紹的四個功能：一個是語音的能力，一個是圖像的能力，一個是自然語言理解的能力，還有一個就是用戶畫像的能力。這幾個能力雖然都是屬于人工智能中比較典型的應用，但是它的發展階段也是很不一樣的。比如說語音，現在就已經進入了相對比較成熟的階段，在很多很多領域中都開始進入實用階段，識別的準確率也已經很高了。圖像最近幾年也有了長足的進展。這兩者都屬于人工智能當中認知的部分，所以深度學習的算法非常適合處理這些形式。
相對來說，自然語言的理解、或處理能力就更加難一些，并處在一個更加早期的階段，因為它除了認知方面的能力之外，還要求有推理、規劃等等能力，才能夠真正地理解自然語言。用戶畫像的能力，其實從傳統意義上來講并不是人工智能的領域，但是由于近年來大數據的發展，尤其是大型互聯網公司有能力搜集很多用戶的數據之后，再用人工智能的方法、用機器學習的方法，就可以把一個人的特征描繪得非常非常清楚。所以今天，用戶畫像也變成了人工智能、或者說變成了百度大腦的一個重要功能。
下面我就分別來講一下這幾個功能，這幾個百度大腦的功能。
我們先看一下語音，剛才也講了應該說今天人工智能發展的最成熟的一部分能力，而語音又分成兩個方向，一個是語音的合成，一個是語音的識別。
我們先看看語音識別。今年MIT Technology Review（《MIT科技評論》）雜志，把百度的Deep Speech 2評為“2016改變世界十大突破技術”，這就是百度的語音識別引擎，它已經到了第二代，主要就是使用了深度學習的能力。這樣的一個技術已經可以把語音識別的準確度做到多少呢？大概可以做到97%的準確率，這樣的準確率已經達到、甚至有時已經超過了人對語音的識別能力。當然，我們講這些能力不是為了簡單地去炫耀這個數字有多好，我更感興趣的是，當你有了這些能力時，它可以在什么領域應用，又可以在哪些方面幫助到我們，這其實才是最最讓我們覺得興奮的地方。我個人的想象力很有限，整個百度幾萬人的想象力也是有限的，但是這些能力如果賦予到很多很多人，賦予給幾億人、幾十億人，這個可能性幾乎是無限的。先用我們比較有限的想象力來給大家舉一個例子。
這是一個銷售、電話銷售的例子，是一個 2B(To B)的應用。這個應用是什么意思呢？很多的公司其實都有電話銷售這樣的一個部門，都需要這樣做。但是銷售，尤其是電話銷售這個行業，大家知道流動性是比較大的，很多銷售都是新人，新人的話就會經過一定的時間培訓才能夠上崗，但即使是經過培訓的話，也不一定有那些有經驗的銷售那么出活兒、出單。其實有經驗、最優秀的銷售和一般、較差的銷售相比，在效率上有非常大的差別。我們怎么才能夠讓新手、讓沒有經驗的銷售，能夠具備最優秀銷售的銷售能力？過去的做法是，把優秀的銷售經驗總結成冊子讓大家去學習，讓這些銷售去背，但是怎么活學活用還是需要一個過程的。而有了這么高精度的語音識別能力之后，我們就可以徹底改變這樣一個狀況了，甚至可以讓一個剛剛上崗一個月的銷售就具備最優秀銷售的能力，也就是說，我們可以通過實時的語音識別甄別出用戶或客戶在問什么問題，然后我們再實時地在屏幕上告訴新的銷售，最優秀的銷售是怎么回答這個問題的。過去沒有實時的語音識別的時候，你需要線下學，學完了之后上去用、很容易就忘了，但是有了這個系統之后，我們就可以解決這樣的問題。
我們來看一下這個案例。
【播放語音識別技術演示視頻】
大家看到，在剛才的過程中，百度大腦一直在實時地識別雙方的對話，尤其是從電話里面傳出來的聲音，有的時候并不是那么清晰，對于人來說要完全聽清楚每一個字其實都是有一定難度的，但百度大腦的語音識別能力已經可以做到非常精準，并且可以根據用戶的問題、實時推薦下一步的工作要怎樣應對，這是一個語音識別應用在企業日常運作中的一個例子，就像我剛才講的，應該還有很多很多應用場景，大家可以根據自己的背景去想象。
語音識別是一方面，語音合成又是另外一個方面。語音合成是什么意思呢？就是機器可以把文字轉換成語音，把它念出來、讀出來。今天的語音合成也有了和過去非常不一樣的體驗，最主要的就是，它可以用比較自然的人的聲音讀出來，而不是像過去機器一樣，每一個字之間的停頓都是一樣長，是勻速的、沒有表情的。這樣的自然體驗，當然對于用戶的黏性來說也是有很大的作用。
現在，百度每天要響應2.5億次的語音合成請求，這些請求用來干什么呢？比如說，過去人們看小說，今天可以在手機百度里面聽小說。慢慢的人們聽小說的時間也更長了，過去每個人平均在小說頻道會花大概四十分鐘左右的時間，現在要花將近兩個半小時，就是因為把計算機合成出來的語音讀出來給我們聽，確實是一個很不錯的體驗，甚至是一種享受。那么這種讀出來的小說，和我們平時聽到的廣播有什么本質上的不一樣？其實非常不一樣。廣播是每一個人聽到的東西是一模一樣的，而今天的語音合成，它可以做到每一個人聽到的東西都是不一樣的，完全根據你個人的需求進行定制，這就是為什么它的（用戶）黏性會很高，它能夠具備自然發聲的能力。不僅如此，其實我們可以想象一下，它如果能夠模擬一個自然人的表達方式或發聲能力，它就可以模擬任何一個你喜歡的人的說話方式。
不知道有沒有人注意到，百度地圖里導航功能就是用語音來進行的，其中有一個選項可以用我的聲音進行導航。其實導航的那些話我并沒有說過，機器只是根據我平時說話的情況合成了一個李彥宏的聲音。這樣的聲音不僅在我身上可以做到，在很多其他人身上也可以做到。
我們現在來給大家展示一個合成的聲音。我們合成了一下13年前已經去世的張國榮的聲音，我們來放一段video。
【播放情感語音合成視頻】
為什么給大家展示這個呢？一方面我知道，很多人是張國榮的粉絲，另一方面，其實合成張國榮的聲音比合成一般人的聲音要更難。為什么呢？因為他的國語語料相對來說比較少，所以，我們能夠合成他的聲音，就一定能合成很多很多人的聲音。
對于百度來說，百度大腦的語音合成能力可以讓每個人都有自己的聲音模型，你只要按照我們的要求說50句話，我就學會了你說話的方式。當你擁有自己的合成聲音之后，比如說家里的老人想經常聽你說一說，你把這個聲音合成出來讓他聽就好了。或者說你平時要加班，小孩睡覺之前想聽個故事，你合成自己的聲音給孩子講一遍這個故事，聽起來也會很親切。所以大家可以看到，這些語音的能力會帶來各種各樣新的可能性。
下面我給大家講一下圖像。用一個比較專業的術語來講，我們叫做計算機視覺。這也是現在廣義的人工智能中非常重要的領域。說到圖像的識別，我想大家自然而然會反應出來一個什么應用呢？應該就是我們通常講的人臉識別的應用。人臉識別的準確率今天已經達到了99.7%，已經非常非常準確了。現場的屏幕能夠識別出來我們一些嘉賓，根據他們的人臉，我們知道這個人是誰，這個準確率已經比較高了。剛才進來的時候，大家也可以看到一些人臉識別的展臺，我們是可以識別很多很多人的面孔的。
那么，人臉識別這個技術是怎么實現的？我們要對人臉的特征提取它的關鍵點，把這些點打出來之后要做一些處理，把它連成一個面部表情，據此來識別這樣一個人。這就使得當一個人的表情發生變化的時候，我們仍然能夠識別出來這個特點是沒有發生變化的，比如他在哭，他在笑，他在憤怒，他在迷茫，他的表情是不一樣的，但是他的表情特征是不變的，所以我們仍然可以很準確地識別出這樣一個人。
除了面部識別之外，圖像識別還在很多領域也有應用。我們再看一個，這是上海的一個全景圖，大家使用百度地圖有時候需要看這樣一個景，到一個陌生的地方之前，想看看到那看到的樣子是什么。當然，這個圖不是一個簡單的圖像的采集，我們采集了圖像之后要對圖像中各種各樣的目標進行識別，這個大樓是什么樣的大樓，那個路牌上面寫的什么字，對寫的這個字識別的話，跟人臉識別還不太一樣，這里面有一個特殊的圖像識別的技術就是OCR，這個是二十多年前我們的一個專利，到今天它的準確率已經非常高了，下面我們也是用一段視頻給大家看一下百度地圖是如何利用圖像識別的。
【播放百度地圖視頻】
這是百度地圖利用圖像識別的情況，其實還有一個很重要的領域也是非常需要圖像識別的技術，這個領域是什么呢？這就是我們過去一年來講得比較多的無人駕駛汽車。無人駕駛汽車涉及到很多很多的技術，比如說我們需要計算機視覺的技術，需要高精度地圖，需要對環境的感知，需要定位，甚至需要語音的通話。但應該說，計算機視覺或者是圖像識別的技術是“最后一公里”，無人駕駛汽車真的要變成沒有人，真的要能夠解決99.999%、甚至100%的情況，最終還是要依靠計算機視覺的能力，要識別各種各樣的極端的情況。
去年年底開始，我們給大家展示過百度的無人車在五環上跑，在高速上跑的情況，過去一年左右的時間我們也花了不少精力去提升我們在城市道路上運營的水平，下面我們也放一段視頻給大家看一下。
【播放無人車視頻】
大家看到左下角這是人能夠看到的視野，這個視野其實是比較窄的，主屏幕是無人車能夠看到的路面情況，大家可以感受到，它感知的范圍其實比人要寬了很多，很多比較遠的目標都可以感知到，每個目標都給出它唯一的編號進行識別。對面有什么車過來了，遇到紅綠燈，遇到障礙怎么辦，行人怎么能識別出來，或者是樹木，周邊的汽車等等，每一個目標我們都進行了識別和編號，這就是實際的、一個百度無人駕駛汽車在城市道路中行駛的情況，上面的45是限速。
這是大致的一個車看到的世界是什么樣的。這里面涉及了很多計算機視覺或者是圖像識別的技術，尤其是這兩個技術：一個是我們叫做車輛的檢測，你行駛過程中怎么能夠知道旁邊有車輛，這個車輛在哪？這個車輛的檢測我們現在按照國際權威的評測來看，車輛檢測的能力，百度無人車已經排名第一了。還有一個很重要的能力是車輛跟蹤的能力。這個不僅是全自動的無人車，即使是對半自動的、高度自動駕駛來說，也是一個很基本的能力。你怎樣能夠準確地跟著前面的車走，這個技術在包括準確性、全面性、連續性等六項指標中，我們已經有四項拿到了第一。
這是無人車對于圖像識別依賴的情況。我們再給大家展示一個領域，就是增強現實AR，AR其實也是非常依賴（圖像識別）。拿著手機拍一下現實的情況，我們要能夠識別出來這是哪，這里面有什么，然后才能跟用戶進行互動，才能產生真實世界和一些虛擬世界的完美的結合。那么這個東西有什么應用呢？我們也覺得很高興我們的周總、我們的廣告主非常敏銳地把握到了這么一個機會，他說OK，我可以把現實世界中我的產品和虛擬世界中我希望用戶感知的東西結合在一起，這樣的一個做法也可以說是一種新型的廣告形式，下面我們就來看一個具體的例子。這是我們跟歐萊雅中國合作的一個例子。我們放視頻。
【播放歐萊雅視頻】
所以大家看到無論你拿手機拍一張明信片，還是拍一個實物的洗發水，它都可以準確地識別出來這個東西，和用戶進行互動，這里面不僅有圖像識別的技術，也很大程度上取決于廣告主的創意，如果創意和這個技術結合，對消費者的吸引力也非常大，所以我們也期待將來的時間和客戶很好地合作，把這個創意，把最優秀的想法和最優秀的技術結合起來，給消費者帶來實惠。
這是有關圖像識別方面的幾個例子。下面我們再看自然語言處理。自然語言處理其實我剛才也講了，它的成熟程度應該不如語音，甚至不如圖像識別，但是即使在目前的狀態下，它也能夠給大家帶來很多很多不一樣的體驗。最直接的例子應該是我們去年在百度世界大會上講的一個例子，就是度秘。度秘是一個個人智能的助理。這個個人智能助理今天我們可以在手機百度里面找到，度秘跟用戶進行交互，現在已經有超過一半的交互是通過語音和圖像來完成的，去年我們也講了，語音和圖像將來會變成一個主流。
度秘除了它能夠識別語音和圖像之外，其實它更關鍵、更核心的技術，是能夠用人的語言來與人進行交流，并且能夠理解人的很多意思和意圖，盡管不是每一次都能理解。
過去這段時間我們也利用度秘的自然語言的能力做了一個比較有意思的應用，用度秘來解說奧運籃球，下面我們看一下視頻。
【播放度秘與楊毅合作解說視頻】
今天我們全面展示了百度大腦各種各樣的能力，我覺得，而在我自己和百度同學的想象范圍內，這些能力能做的事情已經很多了，但是更讓我興奮的是如果這些能力賦予到全社會的每個人，它能夠變換出來無窮無盡的可能性。所以，百度大腦會把語音、圖像、自然語言理解和用戶畫像等能力完全開放出來，并且在大多數情況下這些能力會是免費提供的。有了這樣的能力，有了開放共享，將給各行各業的人群帶來過去大家做不到的、不敢想的能力。我在這里也邀請每個人重新想象你所在的行業，重新想象中國經濟，重新想象世界的未來。
謝謝大家！
【來源：
騰訊科技
作者：韓依民】
1.砍柴網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；2.砍柴網的原創文章，請轉載時務必注明文章作者和"來源：砍柴網"，不尊重原創的行為砍柴網或將追究責任；3.作者投稿可能會經砍柴網編輯修改或補充。
