【重磅】Bengio 出山建立深度学习孵化器,寄语中国人工智能产业(附新智元独家专访视频)

简介:
Bengio 创建深度学习孵化器,试图打造 AI 生态圈


Yoshua Bengio,这位深度学习崛起背后的领军人物,成立了一个专注人工智能的硅谷式创业孵化器。


这个创业孵化器名为 Element AI,将帮助蒙特利尔大学(Bengio 是该大学的教授)和附近的 McGill 大学 AI 研究团队成立公司。Bengio 说,这只是他在蒙特利尔建立“AI生态圈”计划的一部分。Bengio 表示,蒙特利尔对深度学习的学术研究有着“全世界最多的关注”,在这里孕育的 AI 如今在 Google、Facebook 以及微软这些公司扮演着重要角色。Bengio说:“Element AI 将帮助创业公司开始进入这个快速增长的领域,并且会有一个专家团队,包括我本人的帮助,指导它们走在正确的方向上。”

 

根据 Bengio 的说法,蒙特利尔大学约有 100 名研究人员专门从事深度学习研究,McGill大学也有约 50 名这样的研究人员。虽然是否有这么集中的研究人员尚有争议——欧洲也是研究的温床——但深度学习的重要性是不可否认的。

 

上周,微软研究人员公开了对话语言识别的准确率达到人类水平的一个计算系统。在把以前的电话录音转录为文字的任务中,该系统比专业速记员犯错更少。虽然这项研究带有附加说明,但它确实强调了过去五年里深度学习如何让 AI 快速发展。

 

使用深度神经网络——通过分析大量数据进行学习的软硬件网络——Google、IBM、百度等技术巨头将计算机语音识别能力推向了人类水平。类似的技术也让这些公司(以及其他公司)建立了能准确识别图像中的人脸和物体的系统。如今,深度学习正在迅速重塑一切——从机器翻译谷歌搜索引擎


深度学习运动源自一个相对较小的学术圈子,其中的许多研究人员现在进入了大公司的技术部门。该运动的发起人之一,Geoff Hinton,现在为 Google工作。另一位先驱者 Yann LeCun,现在在 Facebook 领导 AI 实验室。最近几年,硅谷的巨头收购了一家又一家的深度学习创业公司。最令人瞩目的是,Google现在拥有 DeepMind,这家伦敦的智库公司最近使用深度学习及其他技术破解了古老的围棋游戏。

 

Hinton,LeCun 和 Bengio是 20世纪80、90年代以及21世纪初最热心于深度学习教育的三个人,那时还很少有人看到深度学习的潜力。但 Bengio 没有跟随其他两人进入私营企业。微软 AI 研究者 XD Huang 称 Bengio 是“一个伟大的教育家”,这也是深度学习圈子里对他的描述。Bengio 是 IBM 顾问,Element AI 是他建立的一个专门将 AI 研究输入商业应用的渠道。

 

这是非常有意义的事情,因为现在深度学习人才相对仍很稀缺。硅谷的大企业正在进行着争抢这些人才的军备竞赛,其程度远远超出了通常的工程师争抢情况。去年,Elon Musk等人资助的 OpenAI 吸引了来自 Google、Facebook的几位重量级研究人员,令这场军备竞赛更加惨烈(译注:Bengio 也参与投资了 OpenAI)。

 

同样具有重要意义的是,Bengio正在建一个孵化器——类似 Y Combinator的做法——这可以解决 AI 的专业知识和创立公司或做产品所需的实际技能之间经常存在的差距。深度学习创业公司 Skymind 创始人 Chris Nicholson 说:“很多技术专家,尤其是深度学习专家,他们可以非常熟练地构建强大的算法,但往往不知道怎么使用这些算法去解决现实世界的问题。这些技术专家需要一点指导。”

 

对得到正确指导的研究人员来说,他们的技能的市场空间是非常大的。现在每家大公司都需要深度学习技术,而研究人员就只有这么些。


新智元独家:AI WORLD 2016 世界人工智能大会  Bengio 发表视频讲话



2016 年9月,新智元到访加拿大蒙特利尔大学,当面对 Bengio 进行专访。在采访中,Bengio 认为,中国的参与对发展人工智能研究、技术和商业应用十分重要。此外,Bengio 还肯定了新智元在推动中国智能产业发展中的积极作用,他表示:“我十分高兴看到在中国有这样的团体……像这样把大家聚集起来,不但对科学发展有益,对技术进步也十分重要”。


新智元:人工智能 60 年几多起伏,你怎么看这几次大起大落?对未来有什么预测?

 

Bengio:是的,可能一些听众已经知道,人工智能此前经历几次大起大落。人工智能这门学科从上世纪 50 年代开始出现——有些人或许会说是从上世纪 40 年代就开始了。研究人员、政策制定者当时没有预料到困难有多大,做出了很多宏大的声明,结果 60 年代末 AI 遇冷了,神经网络也被其他方法所取代,比如符号计算。接着到了 80 年代,又兴起了新的一轮热潮,现在有很多成果都是当时 80 年代末、90 年代初的研究做出来的。不过,当时还是有些条件不具备,比如当时没有现在这样强大的计算能力,于是再一次的,有些人做出了不切实际的声明,然后造成了反效果。AI 和神经网络再一次遭到抛弃,直到五六年前。总的来说,人工智能的发展不是一路顺风的。但是,现在情况不同了,所有的条件都已经具备,我们有了强大的计算力、有了大数据、有了算法,所有这些都是之前我们没有的,其结果就是在产业上造成了巨大的影响。因此,这一次,人工智能火了,对社会造成了切实的影响。人工智能技术或许会发展、变化,但它不再是空头支票,它引发了实实在在的改变,即使我们现在还没有达到人类水平的AI,但系统的质量和性能已经足以能够产生巨大的产业影响,这一点是让事情彻底转变的关键。

 

新智元:我们预计将于10月18日在北京举办“2016世界人工智能大会”。

 

Bengio:我衷心祝愿本届大会圆满成功,同时向所有参会人员问好。我很高兴见到在中国人们对人工智能有这么高的热情,我认为有一个这么大的国家——现在教育体制也很好——重视人工智能、在人工智能上大力投入,是一件十分重要的事情。我们需要中国人民参与人工智能事业,发展人工智能研究、技术和商业应用。

 

新智元:新智元是智能+中国主平台,现在已有近15万订户,他们都非常期待与您交流。您能对我们的订户说几句话吗?

 

Bengio:我衷心祝愿新智元这个大家庭及其所有的成员。我十分高兴看到在中国有这样的团体。我认为建立这样的联系是十分重要的。科学进步、社会发展离不开社交网络,有了社交网络,我们才能在彼此工作的基础上发展自己的研究成果。科学不是电影里演的某个孤僻的科学家,自己单独一人在什么偏远的地方搞研究,那根本不算是努力研究科学。科学是很多人聚在一起,彼此交谈、进行头脑风暴、交流想法、读彼此的论文、乃至使用对方的软件……所有这些都十分重要,是这些事情让进步的速度更快。因此,像新智元这样把大家聚集起来,不但对科学发展有益,对技术进步也十分重要

 

新智元:你认为哪些公司将在未来智能世界占有很大的地位?

 

Bengio:有很多公司都投身了人工智能领域。例如谷歌,谷歌是一个强大的玩家,可能有着世界上最大的深度学习研究团队。Facebook 的人工智能实验室(FAIR)相对小一些,但是他们产出很多,地位也十分重要。当我提到谷歌的时候,有一个特殊的部门是位于伦敦的 DeepMind,他们有大约 200 人的深度学习团队,都是研究员,应该是世界上最大的深度学习团队了——在蒙特利尔大学,我们这里有大约 100 人的深度学习团队,是世界上最大的深度学习学术研究团队。还有其他很多公司也在投入人工智能,微软的历史十分长久,他们是深度学习这场革命一开始就投身其中的团队。IBM、Twitter,还有英特尔、亚马逊、三星……以及我现在没有想到的团队,也都很重要。


点击链接,观看新智元专访 Bengio 完整视频:【新智元专访】Bengio 团队获一亿美元政府资助,用于深度学习知识革命

 

Element AI,AI 即服务:提供企业解决方案 +  合资经营 初创公司




根据官网,Element AI 的自我介绍是:


“Element AI 是一个帮助组织在今天和未来拥抱 AI 为先的世界的平台,包含一个与世界上最好的学术生态系统保持着特有联系的研究实验室。Element AI 会与大型组织合作,发布和孵化先进的、以AI为先的解决方案。”


新理念:AI 即服务(AI-as-a-Service)


在官网上,Element AI 提出了“AI即服务”的口号,他们提供的服务有两种:变革性的AI项目与合资经营。


1. 变革性的AI项目


AI 将会改变世界,因而也会深刻地影响到大量的商业领域。Element AI 通过帮助企业找到最强有力的方式来使用人工智能和机器学习,进而推动企业向“AI为先”的世界转型。


一旦机会被发掘出来,Element AI会根据客户的需要提供独一无二的解决方案,把这些方案融入到公司的文化中去。


2. 合资经营


合资经营能更好地处理一些问题,这是 Element AI 这一平台最契合的地方。这里拥有世界顶级实验室,并且与机器学习学术圈保持着紧密联系,这是一个超级孵化器,将为 AI 初创企业带来成功。


合建研究院


已经与 Element AI 建立联系网络的学术机构包括蒙特利尔算法学习学院、麦吉尔大学和多伦多大学。


创始团队成员




文章转自新智元公众号, 原文链接
相关文章
|
18天前
|
机器学习/深度学习 人工智能 安全
探索AI的未来:从机器学习到深度学习
【10月更文挑战第28天】本文将带你走进AI的世界,从机器学习的基本概念到深度学习的复杂应用,我们将一起探索AI的未来。你将了解到AI如何改变我们的生活,以及它在未来可能带来的影响。无论你是AI专家还是初学者,这篇文章都将为你提供新的视角和思考。让我们一起探索AI的奥秘,看看它将如何塑造我们的未来。
55 3
|
8天前
|
机器学习/深度学习 人工智能 TensorFlow
人工智能浪潮下的自我修养:从Python编程入门到深度学习实践
【10月更文挑战第39天】本文旨在为初学者提供一条清晰的道路,从Python基础语法的掌握到深度学习领域的探索。我们将通过简明扼要的语言和实际代码示例,引导读者逐步构建起对人工智能技术的理解和应用能力。文章不仅涵盖Python编程的基础,还将深入探讨深度学习的核心概念、工具和实战技巧,帮助读者在AI的浪潮中找到自己的位置。
|
20天前
|
机器学习/深度学习 数据采集 人工智能
AI赋能教育:深度学习在个性化学习系统中的应用
【10月更文挑战第26天】随着人工智能的发展,深度学习技术正逐步应用于教育领域,特别是个性化学习系统中。通过分析学生的学习数据,深度学习模型能够精准预测学生的学习表现,并为其推荐合适的学习资源和规划学习路径,从而提供更加高效、有趣和个性化的学习体验。
77 9
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与深度学习:探索未来技术的无限可能
在21世纪,人工智能(AI)和深度学习已经成为推动科技进步的重要力量。本文将深入探讨这两种技术的基本概念、发展历程以及它们如何共同塑造未来的科技景观。我们将分析人工智能的最新趋势,包括自然语言处理、计算机视觉和强化学习,并讨论这些技术在现实世界中的应用。此外,我们还将探讨深度学习的工作原理,包括神经网络、卷积神经网络(CNN)和循环神经网络(RNN),并分析这些模型如何帮助解决复杂的问题。通过本文,读者将对人工智能和深度学习有更深入的了解,并能够预见这些技术将如何继续影响我们的世界。
40 7
|
8天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
36 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
8天前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
28 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
8天前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
45 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
20天前
|
机器学习/深度学习 人工智能 算法
AI在医疗:深度学习在医学影像诊断中的最新进展
【10月更文挑战第27天】本文探讨了深度学习技术在医学影像诊断中的最新进展,特别是在卷积神经网络(CNN)的应用。文章介绍了深度学习在识别肿瘤、病变等方面的优势,并提供了一个简单的Python代码示例,展示如何准备医学影像数据集。同时强调了数据隐私和伦理的重要性,展望了AI在医疗领域的未来前景。
44 2
|
24天前
|
机器学习/深度学习 人工智能 算法
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
车辆车型识别,使用Python作为主要编程语言,通过收集多种车辆车型图像数据集,然后基于TensorFlow搭建卷积网络算法模型,并对数据集进行训练,最后得到一个识别精度较高的模型文件。再基于Django搭建web网页端操作界面,实现用户上传一张车辆图片识别其类型。
71 0
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
|
20天前
|
安全 搜索推荐 机器学习/深度学习
AI赋能教育:深度学习在个性化学习系统中的应用
【10月更文挑战第26天】在人工智能的推动下,个性化学习系统逐渐成为教育领域的重要趋势。深度学习作为AI的核心技术,在构建个性化学习系统中发挥关键作用。本文探讨了深度学习在个性化推荐系统、智能辅导系统和学习行为分析中的应用,并提供了代码示例,展示了如何使用Keras构建模型预测学生对课程的兴趣。尽管面临数据隐私和模型可解释性等挑战,深度学习仍有望为教育带来更个性化和高效的学习体验。
52 0

热门文章

最新文章

下一篇
无影云桌面