在今年11月，Sentient科技公司宣布与Shoes.com达成合作意向。Shoes.com网站采用了建立在深度学习之上的「视觉过滤器」，这也带来了世界上第一个由人工智能驱动的购物体验。另一方面，Sentient科技正在使用一种非常智能的方式来应对败血症感染，即通过人工智能护士——这也是深度学习正在快速改变和提高许多产业的绝好例子，包括零售业、金融业、医疗和制造业等。Shoes.com采用的这种新技术涉及到一种「视觉过滤器」，它对购物目录中哪些商品可以购买有着深度的理解，并能快速学习和适应购物者的喜好。它也可以实时推荐产品，就像实体店里的导购一样，帮助消费者找到他们喜爱的鞋子，从而为消费者营造愉悦高效的购物体验。
这种技术的价值显而易见，因为顾客对不断增长的在线市场不堪重负，人工智能可以节约消费者浏览产品的时间和精力。明年1月在旧金山举行的「RE•WORK 深度学习峰会」上，Sentient科技的CTO Nigel Duffy将会讨论视觉智能、深度学习和视觉学习技术领域的巨大进步，其中视觉学习技术可通过观察、解释和评估用户与视觉内容的交互作用来辅助决策。我们赶在深度学习峰会之前和Nigel进行了对话，以便可以获得更多关于Sentient科技及其本人对深度学习领域的看法。
Q：哪些重要因素促进了深度学习最近的发展？
A：有一个广泛的共识，那就是接入的计算越多、数据越庞大就是重要的因素。这是很显然的，首先是大型分布式系统（像Google 大脑），接着是神经网络在GPU上的快速部署。我认为，还有一个被低估的因素是大规模基准测试的存在。大规模基准测试（例如 ImageNet）可以为新技术的学术发展提供重要的测试环境，从而能够展示出技术的进度。如果没有这些基准测试，学术研究只能停留在解决小规模问题上，而在这些场景中深度学习的好处并不能显现出来。环境也非常重要。用户产生和消费的内容变得更加视觉化——今年人们将拍摄1万亿张照片。正因如此，分析和理解图片的能力在商业上显得越来越重要。在Sentient科技，我们专注于扩展人工智能（AI）算法。随着深度学习社区走向更丰富的媒体（例如视频），我们相信规模化将会变得更加重要。扩展人工智能非常具有挑战性，尤其是单一GPU的规模化，甚至单一数据中心的规模化。然而，当我们逐渐走向更加复杂的问题时，实现这样的规模化是必须的。
Q：目前深度学习领域正在解决的主要问题是什么？
A：大多数的深度学习工作集中于我称之为“感性问题”，例如理解图片、视频、演讲和音频等。直观上来说，这是有道理的，因为许多深度学习方法会通过编码模拟偏向，这与感知是一致的。例如，这些网络通常都有和人类感知相平行的结构，或者它们具有可以捕捉偏向的结构，就像邻里之间的偏向一样。和相距较远的像素相比，靠近的这些像素相互之间的联系可能更紧密。渐渐地我们将看见深度学习将会用于许多大型系统的一部分，例如机器翻译。在这些情况下深度学习通常被用于解决一些代表性的问题，而语言结构将会通过其他机器学习技术解决。我相信我们会看到越来越多的这样的混合系统。例如我们的购物体验是人工智能支持的，其中也包括深度学习。
Q：您工作的实际应用是什么？最有可能影响到哪一领域？
A：自从上世纪90年代以来，网上购物体验并没有太大发展。当这些电子商务的竞争对手们努力通过扩展其商品种类来吸引客户时，消费者面对如此多的选择有些不知所措。当你在搜索商品时，常常感觉自己找不着方向，因为这些物品的陈列并不正确。可视化智能可以解决这个问题。最近我们和Shoes.com进行合作，为电子商务推出了Sentient Aware。它可以为Shoes.com的视觉过滤器带来新的体验。该项服务为购物者提供了鞋子即时推荐功能，和实体店的导购一样，可以帮助你选择喜爱的鞋子。我们的人工智能通过与消费者创建一个实时在线对话来帮助消费者进行购物。我们认为这种交互对于消费者的在线体验是非常关键的。通过提供基于图片的问题（每次点击都会通过成千上万的属性来训练人工智能，例如鞋跟高度、小腿长度、系带款式、鞋的造型、纹理等），Sentient Aware可以创造游戏一样的情景让消费者参与进来，然后预测购物者的下一个选择。当消费者开始点击鞋子时，我们的人工智能则会根据消费者之前的点击，提出一些建议。这就好像一个为你量身打造的私人精品店，从成千上万的物品中挑选出你想要的物品。我们相信这种类型的深度学习可以用于许多不同的行业，从鞋类到家具，再到家居用品和汽车等。
Q：在接下来的五年中，我们在深度学习领域可以看到什么发展？
A：迄今为止，大数据生态系统专注于大量数据搜集、管理和策划。很显然，这里也有很多关于分析和预测方面的工作。但是从根本上来说，企业用户并不关心这一点。企业用户仅仅关心产出，也就是「这些数据是否会改变我的行为方式和决定。」我们相信这是接下来五年将要重点解决的问题。我们也相信AI能把数据和更好的决策之间连接起来。很显然，深度学习将会在这个演化过程中扮演重要角色，同时在和其他人工智能方法相结合的时候也会做到这一点。接下来的五年中，我们将会看见更多的混合系统，在这些系统中，深度学习会用于解决一些困难的感知型任务，其他人工智能和机器学习技术将被用于解决其他难题，例如推理等。
Q：该领域最让你兴奋的进步是什么？
A：人们对人工智能和机器学习的渴求让我们非常兴奋。可以说每个问题、每个项目、每个生意都是人工智能问题、人工智能项目和人工智能生意。数据能使世界更加有效、更加多产。最让我们兴奋的是，使用人工智能做决策会更快。一些令人兴奋的新发展，例如自我量化、家庭自动化和智能工厂等只有通过自动化决策才变得可能。作为个体，我们的决策负担正在增加。我们需要不断地做出决定，因此我们的选择变得非常庞大。然而，太多的选择会让人崩溃，我们相信通过将这些选择减少到我们最关心的那部分，人工智能可以让世界变得更加简单。在Sentient公司，我们使用人工智能的目标是通过自动化决策让世界变得更加简单、高效和多产。
参与：杨超，汪汪。
