技術人攻略訪談三十五|小猴機器人：征途路上，星辰大海

文：Gracia,攝影：周振邦
(本文爲原創內容，部分或全文轉載均需經做者受權，並保留完整的做者信息和技術人攻略介紹。)

導語：本期訪談對象@小猴機器人，清華人工智能專業博士在讀。2009年開始，他參與實驗室的無人車項目，和軍事交通學院共同研發「軍交猛獅III號」無人車。這輛由黑色現代ix35改裝的你們夥，配備雷達、攝像頭和GPS傳感器，可精確識別路況、判斷障礙物，並自主進行剎車、油門、制動、換擋等操做。身爲機率論、AI、Python的狂熱愛好者，小猴正致力於用機率圖模型方法，讓機器變得更聰明。

攻略君的書櫃頂層，放着侯世達的《哥德爾、埃舍爾、巴赫：集異璧之大成》，這本被譽爲人工智能「聖經」的厚重大部頭，出版於70年代中期，曾得到普利策文學獎，轟動一時。其後，人工智能領域研究進入拐點，關注「人類思惟如何運做」的傳統研究方式進入死衚衕，逐漸淡出公衆視野。直到80年代末期，人工神經網絡發明，基於大量訓練樣本的機器學習模型，取代傳統人工規則，這一領域才從新取得突破性進展。

隨着大數據與人工智能結合，咱們逐漸進入一個算法主導的世界，無所不在的機器智能，精確記錄着你的點滴，計算着你的喜愛，推薦你須要的物品，物理世界和虛擬世界的分界變得模糊。在歡天喜地迎接萬億級別新市場同時，也不乏對科技和人類將來的反思，對技術「奇點」的擔心是其中之一。大約一萬年前，人類在改造天然的能力上逐漸佔據主導，迎來了自身的大繁榮。當機器智能超越人類智能，意味着第二個臨界點到來，這種智能會在多大程度上操縱人類的認知方式？一個有人性的世界是否會由此終結？人工智能這把通往將來的鑰匙，究竟能打開一扇什麼樣的門？須要每位參與者謹慎思考。

「三清團」（清華本科、碩士、博士）的經歷，讓小猴養成了嚴謹、務實的科學態度。他喜歡用「科技工做者」稱呼本身，而且善於用通俗易懂，帶點戲謔的方式，把那些看起來高深的理論，解釋得通俗易懂。他曾作過一份《機器學習週刊》，用本身鮮明的個性，把嚴肅、枯燥的技術新聞，解讀得無比鮮活。即便整整一下午，我耳邊迴盪着「卷積神經網絡」、「約束玻爾茲曼機」、「馬爾科夫隨機場」這樣的專業名詞，聽起來還是津津有味。或許由於成長於廣袤的內蒙，小猴身上帶着大山和草原通常的灑脫與樂觀，在他鐘愛的無人車上，印上了一個美好的Slogan：咱們的征途是星辰大海。

技術人攻略：大家的無人車項目始於什麼時候？作到了什麼程度？有哪些難點？

我如今清華「不肯定性人工智能實驗室」讀博士，主要作和不肯定性相關的東西，例如：知識挖掘、知識圖譜、讀心機器人、視覺識別、四旋翼、自平衡車、足球機器人等項目。

實驗室的無人車項目從2005年開始啓動，目前已和若干高校，以及上汽、北汽等公司聯合，共有100多人蔘與。我2009年加入該項目，從作模型車開始，逐漸作到大車。目前爲止，該車已經過約5萬千米測試，在全程無人工干預狀況下，高速路跑下來沒問題。2012年12月，央視曾跟拍過咱們從北京收費站入口，跑到天津收費站出口的全過程。

接下來的挑戰是錯綜複雜的城區道路，解決複雜問題的方式是剝洋蔥，剝到咱們能解決的那一層。城市道路抽象地看，可分紅機場高速、環路、普通城市道路、小區道路，難度依次提高。以「機場接人」這個任務爲例，無人車須要從機場一號航站樓，跑到天安門旁的工信部大院。這段路涉及機場高速、東二環、前門大十字路口等許多交通元素，逐步搞定預計要用兩年時間。

無人車行走依靠三大工具，一是GPS衛星定位，二是激光雷達，三是相機。雷達和相機實現局部定位，GPS實現全局定位。這裏面有不少技術難點，其中之一就是如何實現高精度定位。

普通車道線的寬度是3.3米，手機上的GPS號稱偏差2.5米，一旦出現5米左右的偏差，會致使從左拐車道偏移到直行車道。針對高精度定位需求，已出現了一些高層次GPS定位方法，例如RTK-GPS、差分GPS，經過靜態GPS基站和衛星同時定位，精度可達到50釐米。一輛無人車的總成本高達200萬人民幣，激光雷達國外賣6萬刀，國內加上稅獲得80萬人民幣，用精度更高的航天級傳感器，成本會高達上百萬。差分GPS市價30萬，基站覆蓋範圍10千米。從機場到天安門這段路約29.1千米，想實現全程信號覆蓋，至少得建3個基站。若是用3G，不用搭建基站，但信號覆蓋效果會是個問題。因此最後的定位方式會結合多種傳感器作融合推理。

Google無人車依賴GPS，及傳感器作特徵抽取，並把這些信息連到一塊分析。分析過程用到了SLAM（協同定位與繪圖）技術，它是一個機器學習算法，在機器人領域應用得很廣。根據車的移動，不斷調整地理位置估計，當蒐集的信息足夠多時，就能實現精準定位。若是有足夠完善的地圖，就不須要用到SLAM，直接把場景和地圖特徵作Mapping就能夠。

技術人攻略：你如今主要的研究方向是什麼？

我我的的興趣是用機率模型（例如機率圖模型）方法解決人工智能問題。在無人車這塊，正嘗試經過深度學習模型，對人的駕駛及周圍環境建模，訓練出一些模型，和車的控制算法結合，讓機器變得更聰明。

傳統控制方式會寫一些if、then條件，例如：若是視野裏出現紅色，則前方有紅燈。但僅憑這一條規則判斷，結果會存在必定不肯定性。圖模型則會鏈接更多前件和後件，根據已有知識，去推論圖裏面某一個節點或者某一條邊，是否會存在或發生。仍然拿紅燈舉例，根據先驗知識，紅燈通常在高處。除了判斷顏色以外，還須要判斷紅燈和地面之間的關係。若是在地面上檢測出來一個紅色物體，那麼它是紅燈的可信度不會很高，若是在天空上，那麼極可能是一個紅燈。

除無人車外，我還對天然語言處理感興趣，例如作Email的Intention Direction分析，怎麼知道某封郵件是找你要資料的Email，仍是老闆通知你去開會的Email。再進一步，經過智能助理提醒你，回覆前兩天別人找你要資料的Email，或只對老闆讓你開會的Email作出響應。如何理解你老闆，和開會這兩件事，涉及到對人和事件的識別與抽取，這中間能夠作大量的嘗試，會讓你對人工智能的能力感到很振奮。

我參與過最有趣的人工智能項目是MSRA的「讀心機器人」：你在心中設想一個公衆人物，它能經過一系列問題，猜出你內心想的那個TA是誰。這其實是一個排序算法，根據用戶的每一次回答調整 Ranking。其中的技術涉及到知識庫構建，全部人物的背景知識都從互聯網上抓取。還涉及到羣體智能，經過用戶的回答調整算法。

技術人攻略：剛提到用圖模型方法解決人工智能問題，圖模型有哪些好處？如何實現？

用圖模型解決問題的方法，在人工智能裏被稱爲「鏈接主義」。過去咱們常把數據當作一個個孤立的點，針對點作假設。但實際上，可能很遠的地方一個絕不相干的信息，會觸發你這裏致命，或決策性的響應。因此用圖來研究人工智能是很天然的方式。

Google知識圖譜（Knowledge Graph）就是根據圖模型構建起來的，咱們通常叫它知識庫（Knowledge Base）。例如你想搜索關於奧巴馬總統的知識，傳統搜索引擎作關鍵字匹配，不免會搜出一些不須要的東西。用知識圖譜方式，全世界有1000我的叫奧巴馬，但可能只有一我的和「米歇爾（奧巴馬的妻子）」有關係，經過這類聯繫，迅速定位出目標。

但如何能知道米歇爾和奧巴馬之間的聯繫呢？這就涉及到知識庫的構建。構建分爲兩步，第一步是Entity Linking，找出材料中提到了知識庫裏的誰？第二步是Slot Filling，找出在說他的什麼事？

人類的思考過程並不只依靠輸入的材料，而是會結合已有常識分析。例如大部分人大學畢業都在22歲左右，大部分人會在30歲以前結婚、生子，大部分人壽命不會超過100歲……這一系列機率分佈構成了人的背景知識，利用這些知識能夠輔助和改進人工智能效果。

常識通常分三類，第一類叫事實，例如：布萊爾是英國總理。這個層面的知識能夠從大英百科全書或Wikipedia上拿到；第二類常識，例如：布萊爾是我的，他是個男人。涉及上下層級關係，要更難一些；第三層更困難，例如：布萊爾是個男人，男人一般會和女人結婚，一般會在結婚後兩年生小孩。第三層涉及的規則，是真正的人類智力和人工智能之間的壁壘所在，如何可以有效挖掘出這些規則，是目前人工智能遇到的最大挑戰。

技術人攻略：除了規則挖掘，人工智能遇到的難題還有哪些？

全部作人工智能和機器學習的人，遇到最廣泛的難題是：缺少被標記好的數據。舉個例子，咱們面前這一瓶可樂，網絡上能找到成千上萬張圖片，但就是沒有標記出來它是一瓶「可樂」。即便在電商網站上，這張圖極可能也並不會標記爲「可樂」，而是叫「解暑佳品」。在這樣的狀況下，機器又如何能知道對應的圖就是「可樂」呢？

再舉個極端的例子，你在朋友圈貼了幾張美食的圖片，發了一句感慨：今天真開心。這句話和美食沒有任何關係，根本無法處理。而有的人會說：我在大衆點評上找了一家烤肉店，味道很是不錯。那「烤肉」這個詞就能抓出來了。因此這不是技術上的問題，而是要看你能拿到多少數據。

怎樣從這些沒有標記過的數據中，搞出一點苗頭出來，這就是當下最火的深度學習要作的事。有別於深度學習直接用原始數據的生猛作法，傳統解決辦法是用遠程監督（Distant Supervision）技術獲取數據，例如從網上抽出一些可能的標籤，在「減肥佳品，消暑必備可樂」這句話裏，會抽出「減肥」，「消暑」、「可樂」這些名詞。統計類似的圖片裏面，有哪些關鍵詞常常出現，用不肯定性解決這個問題。算完以後給出一個機率：這個東西在談可樂的機率80%，在談減肥的機率20%。只要數據量夠大，這些都不是問題。

機器學習上手很容易，關鍵是能挖出什麼東西來。真實數據裏噪聲很是多，缺失的信息也不少，實踐者要學會繞出這些坑，從紛亂的數據中找出規律。在深度學習還沒到你們腦海裏以前，大部分機器學習學者都在觀察數據有什麼特徵，這叫作特徵工程。例如你發現數據裏全部單詞的第一個字母都大寫，就把它當成一個特徵，別人若是沒用到這個特徵，你的算法就超前了。搞人工智能的人，必須對數據敏感，能從數據裏發現一些別人看不到的端倪。機器學習是一個優化過程，但能從數據裏挑什麼來作優化，須要專業技術。並且數據特徵和領域有緊密關係，廣告、網頁的、圖片識別的特徵各不同，用到的模型也可能不同。

技術人攻略：前陣子媒體報道已有機器經過圖靈測試，你怎麼看？

前陣子宣稱經過圖靈測試的那臺計算機，模擬了一位13歲的匈牙利外國男孩，而且仍是得了病的那樣一我的的智能。作了許多限制條件，把AI設計成有缺陷的人，試圖矇混過關。

實際上，真正的人工智能學家根本不會致力於去經過圖靈測試。咱們不去爭論什麼是真正的人工智能，而作如下設想：若是有一臺無人車，可讓駕駛過程當中90%的場景全都和人同樣。逐漸把這種算法應用到地鐵、飛機駕駛，而且都作到效果無限和人逼近。最後這些綜合起來，造成一個總體，你以爲它算不算人工智能？

人工智能分爲兩派，以Google爲首的一派搞統計，以侯世達爲首的一派搞規則。兩派人總在爭論，究竟誰纔是真正的人工智能。討論參與到最後，就變成了人和機器最後到底誰會控制誰的暢想。暢想完了以後總還要幹活，做爲科技工做者，不如埋頭把活幹好。在局部範圍內讓機器人去逼近人，若是能作到一個比較良好的狀態，就稱其爲在這個領域內，達到必定程度的人工智能。比起經過圖靈測試，這應該是更爲實際的目標。

對於圖靈測試智能與否，也有學者吐槽。去年人工智能大會（IJCAI）上，Hector Levesque就指出：人與機器的區別應該在於認知和理解，好比「指代消歧」能力，普通人能夠輕鬆結合上下文，分辨出文中的「它」指的是誰，但目前機器要作到這點挺難。

技術人攻略：Yann LeCun（燕樂存）預測這兩年會大量出現人工智能、機器學習的初創公司，你關注到有哪些這個領域的公司？

國外機器學習的初創公司不少，方向也相對比較雜，應用領域包括廣告、機器人、智能家居等。例現在年初Google以4億美金收購了DeepMind，這家公司的創始人之一是Yann LeCun的學生，他們把深度學習模型應用到遊戲領域，作了個自動玩超級瑪麗的算法，發了篇很厲害的Paper。

深度學習最牛的地方，在於徹底不須要定義規則，全部規則都由機器本身學習得出。在超級瑪麗遊戲裏，你根本不用定義馬里奧和烏龜的距離，只需定義活下去這個目標，把整幅截圖給機器，它天然就能找出在什麼場景或什麼動做序列下，遊戲角色能存活最長時間。

這家公司價值如此大，關鍵還在於，超級瑪麗通關的算法，實際上跟其它高精尖領域的控制算法原理同樣。例如航天飛行器的控制算法，是在模擬器裏，用模型驅動參數變化，給出結果並反覆訓練的過程。廣告系統也相似，Google之前經過人，或者簡單算法調整廣告系統的參數，一方面效果達不到，另外一方面浪費人力物力，深度學習或者超參優化能自動化地解決這個問題。

國內的創業環境更偏向於短平快，作機器學習初創的公司主要集中在廣告、營銷方向，包括輿情監控、精準投放等領域。也有像Face++這樣的，用機器學習作人臉識別，並作到這個領域的世界冠軍。

技術人攻略：機器學習、深度學習、人工智能、模式識別之間的區別與聯繫是什麼？想進入這個領域的人應該如何提高？

人工智能是目標；機器學習是一種技術手段；模式識別與機器學習有交集，但不必定非要經歷機器學習的訓練過程，可經過給匹配給定模式的方式實現；和深度學習對應的是淺層學習，都屬於機器學習的方式之一。

想進入人工智能領域，首先得了解它的發展歷史。從技術上看，人工智能應用領域基本能夠落在圖像識別、聲音識別，天然語言處理這三類。從中找到你的載體，再從載體上尋找和明確要解決的科學問題。接下來看別人的解決方案是如何實現的，世界冠軍的標準是什麼，朝着把世界冠軍戰勝的方式去努力。這是全部作科研的人應該遵循的成長方式。

如今最火的深度學習領域的頂級牛人有4位，包括神經網絡的發明人、就任於Google的Geoff Hinton；Facebook人工智能研究院主任Yann LeCun；加拿大Montreal大學教授Yoshua Bengio；百度首席科學家Andrew Ng。他們當年都曾在NEC Lab裏共事。2006年以前，支持向量機模型（Support Vector Machine）佔據了機器學習領域的江山。神經網絡出來了以後，在性能上壓倒式地超越了SVM，在語音和圖像識別兩個領域，把原有的世界機器學習紀錄全乾掉了，因此一會兒火了。不過目前深度學習在天然語言上尚未特別好的解決方案。

你們廣泛認爲，人工智能這一行對數學有很高的要求，尤爲是線性代數和機率論。如下幾本機器學習的書，也能夠看看：《Pattern Recognition and Machine Learning》、《Machine Learning——An Algorithmic Perspective》、《Programming Collective Intelligence》、《Machine Learning in Action》、《Machine Learning for Hackers》。想作得好，還得多看Paper。無論是Paper仍是新聞，推薦都儘可能看英文原文。

技術人攻略：你在清華從本科一直讀到博士，談談在清華成長的感覺吧？

外界對清華同窗的吐槽比較多，好比情商低，自視甚高等。有些見解很片面，但至少咱們作事情很認真。個體行爲在必定程度上表明着學校，若是本身作事不靠譜，別人會說那個清華的誰不靠譜，有負於前面成百上千的師兄師姐營造出來的形象。

別人眼中的清華學子可能很乖巧好學。但真的乖嗎？不必定。好學嗎？有時候也會犯懶。這跟是否是清華其實不要緊。我從小也算是「別人家的孩子」，除了學習和品行不錯，心裏其實很叛逆。許多同窗來自於格式化的城市，我卻成長於廣袤的內蒙古，大興安嶺給了我灑脫的性格。我可能並不算典型的清華同窗，因此這裏談的都是些我的見解。

我從小很是喜歡看書，語文和英語很好，差點去學文科。但後來發現應試教育裏那些文科的東西，不像理科那麼有肯定性。好比歷史，讓你談一下對鴉片戰爭的見解。我想這還不如解方程，因而學了理科。結果由於數學不行，各類被虐。

大一期中考試，我微積分考了52。從2004級開始，國內一些省份已經把微積分放進了高中數學，而我高中沒學，對微積分一竅不通。當時內心有巨大壓力，想着這回完了，我要被清華退回去了。後來一轉念，數學天賦我沒有，但刻苦這件事是能夠作到的。爲了向老師請教學習方法，我天天幫老師擦黑板（微積分上了三學期，我擦了整整三學期黑板），並把能找到的數學習題集都作了一遍。期末考試前，我作過的草稿紙，壘起來已足足有10公分高，但內心仍然是沒底。老師說：你若是再不及格，我就放過你（這句話更可能是爲安慰我，後來才據說這位老師是名捕之首！）。結果是我考了98分，在半個小時以內作完了全部的題，許多題目熟悉得甚至不用算就知道答案。從那時候我就以爲，在清華混，努力是個很重要的因素。

技術人攻略：你將來一到兩年的計劃是什麼？

我明年博士畢業，導師是國內人工智能領域的專家李德毅老師。他教導我作事要有載體、要思路清晰、要堅持，對我影響很大，徹底能跟我長輩相提並論。

我如今大部分時間都在忙無人車。但願能在將來幾年，把無人車作到世界頂尖，讓中國本身的無人車在國際上佔有一席之地。

畢業以後打算繼續搞科研，經過一個載體，把本身的模型放上去不斷優化。我不想徹底去作產品，產品導向會有KPI要求，被虐成渣會影響家庭辛福。並且作科研能夠常常換一些話題，新的事物一旦出現，就能夠轉過去。但作產品可能3、五年都得耗在一條產品線上，世界在變化，好多好玩的事情不斷在發生，就沒辦法去作了。我是一個比較膽小的人，不適合一我的創業，讓我拋下身家冒險，我作不來。若是有一個好朋友，他又對項目頗有信心，我在裏面幫他作一部分力所能及的事卻是能夠。

我也搞不了偏商業化的東西。曾有人找我作高頻交易機器人，但那不是個人興趣所在。一旦你進入一個高頻交易所，天天給他們寫腳本，但那件事情並非你想作的。只是你有的那塊技術正好變成了他們比較重要的一塊積木，上面和下面的積木都會擠壓着你，帶着你走向一個你不知道是什麼樣的地方。我想作一塊獨立、自由的積木，最好是變形金剛那種，最好周圍的積木也不太規則，這樣你們就不會徹底拼在一起，求同存異，會更有趣。

---

做者介紹：技術人攻略訪談是關於技術人生活和成長的系列訪問,由獨立媒體人Gracia創立和維護。報道內容以「人」爲核心，經過技術人的故事傳遞技術夢想；同時以小見大，見證技術的發展和行業的變遷。在這個史無前例的變革時代下，咱們的眼光將投向有關：創造力、好奇心、冒險精神，這樣一些長期被忽略的美好品質上。相信經過這樣一羣心懷夢想，而且正腳踏實地在改變世界的技術人，這些美好的東西將從新得到珍視。

聯繫方式 gracia@devlevelup.com
微博: @技術人攻略
訂閱：微信搜「技術人攻略」或「dev-levelup」

感謝SegmentFault提供博客專欄及推廣支持。
感謝迅達雲成提供雲主機及技術支持。
感謝七牛雲存儲對「技術人攻略影像拍攝計劃」提供支持。