百度总裁张亚勤：AI将成核心竞争力

清湾捞仔

  
                                                                                      百度总裁张亚勤  
百度总裁张亚勤在世界互联网大会期间有两件重要的事。一是代表百度和南方航空集团达成战略合作，二是试乘了百度无人车。  
在试乘过后，他告诉记者，比之前预想的实现速度要快，而且从安全性和灵敏性上来看，百度无人车表现都很好，在完全自动驾驶级别，这已经是很不错的成绩。  
同时，张亚勤也认为这是百度在人工智能大核心下自然而然的结果之一，这位百度总裁表示基于百度掌握的大数据、云计算和深度学习算法，把人工智能技术应用到各种具体场景下只是时间问题。  
今年10月，张亚勤和还百度首席科学家吴恩达一起推出了“百度医疗大脑”，正式将人工智能带到了医疗领域，并通过机器学习，来提升医患沟通的效率，以及帮助更多基层医生快速学习顶级医生的知识经验。  
张亚勤表示，在医疗领域应用人工智能，不仅是基于团队兴趣，也是业务需要和用户需求。此前，在医疗问诊领域，百度通过“百度医生”完成了数据搜集和积累，现在到了推出的时候。  
同样在数据满足之后可以推出“XX大脑”的领域还有很多。张亚勤称，目前百度在云计算、深度学习算法和大数据方面的能力，能够在医疗、金融、教育等领域都推出人工智能大脑。  
这位百度总裁认为在人工智能方面，百度拥有基于“云计算”的核心竞争力，并且今年还会把云服务大规模推广出去，“这是百度下面这几年主要的业务和增长点之一。”  
张亚勤认为，在人工智能技术上的基础和实力，百度可以在多个领域打造出多个新百度。“我们的增长点，除了搜索，链接服务，还有4个增长点，一个是云，一个是车，一个是国际，一个是垂直业务，比如金融、医疗、教育等这几个大的增长点。而且这里面核心的东西还是技术。所有差异化还是靠AI的技术，大数据分析技术。如果我们能很好的执行，我想每个领域都有可能打造一个新百度。”  
当然，他还向记者谈到了百度国际化方面的经验，以及为何布局巴西的原因。而且张亚勤还认为，随着互联网发展进入人工智能的比拼，中国有弯道超车的机会，他认为中国公司在竞争方面享有优势，过往在PC互联网以来的格局会被打破。  
值得一提的是，张亚勤还向记者分享了对新业务和创新事务管理的经验，以下为记者专访百度总裁张亚勤的对话实录：  

  
                                                                    图为百度董事长李彦宏和百度总裁张亚勤  
记者：您今天去试乘了无人车，感受如何？  
张亚勤：今天下雨还有雾，自然情况不是很好，但乌镇上车也比较少，在这个环境下，我觉得还是很有价值的，不过出于安全方面的考虑，所以最终阀值，以及对系统的灵敏性控制的严格一些。  
记者：之前有想过这么快就坐上无人车吗？  
张亚勤：这个速度比我想象的要快。这也是机器学习的好处，机器学习一个车所收集的数据，你所学到的决策，它马上可以大规模复制，所以这个是相乘的效果，不是一个复制给多少个，它是这个一乘复制所有人。  
比如说我有一百辆车，每辆车收集的东西是不一样的，然后它是集合效应，然后“啪”就放到了一百多个车哪里，一百个车同时进行收集数据，进行离线的训练，等于说IQ马上是相乘的。  
记者：很快能成一个老司机。  
张亚勤：对。就像AlphaGo，它提高速度很快，它两个机器，百度无人车更多，两个机器互相对抗训练，等于左手打右手，一直不会休息。人的话，还要去琢磨还要休息，你水平高了另外一个水平不一定高，这个还是挺神奇的。  
无人车来讲，包括上面的激光雷达，今天看到有3个十六线的激光雷达，扫盲区用的。这个是人工智能去挑战的东西，有视觉、有语音、有各种目标、有决策，以及行为规划，数据量其实很大，而且容错率很低。刚才我演讲里也谈到，自动驾驶等级里，L4和L3的区别是，L4的容错率基本是0。L3是一个有限的有条件下的一个自动驾驶的。L4的话，它在以后相当于美国的高速公路，你都可以无人驾驶。到了城区可能有问题，因为有行人的情况，会比较复杂一些。  
记者：除了无人车，上一次您和吴恩达博士一起发布了百度医疗大脑。那么下一步的话，在哪一些领域它可能推出类似人工智能的大脑，是按什么节奏，先后顺序是什么样的？  
张亚勤：现在人工智能大脑有四个模块，先看这几个功能模块比较成熟的，一个是语音和图像，还有一些视频；还有一个是自然语言对话；还有一个叫做用户画像。这4个东西就是基本的功能模块，但是还有一些新东西不断开发出来，这些东西的组合可以用到不同的场景里面去。比如说度秘就是一个应用。我刚才也说了一下，度秘用语音功能里面去，然后像医疗也是利用知识图谱，包括对知识的理解、对话的逻辑、对自然语言的理解。所以有这样的场景都可以被克服。  
里面的原因和逻辑是，机器可以很快把目前的资料都读了，人读则很慢，机器自己去读文献、去读病人病历，全部都读下来，它可以去查各种资料，就像AlphaGo，它基本上把棋谱都读了，读了之后还可以理解它，也可以结构化，把这种模型和模式找出来，任何有这样的东西，都可以用。  
那医疗大脑来说，你比如说医生和病人交互，有很深的专业性，但专业性对于人工智能是一个好事，越专业说明这个数据越可模型化、更模式化，越容易找到里面的标签。  
第二点就是自然对话的过程，其实人和对话的效率并不是很高，你可以问很多重复的问题，问了问题之后，他答的可能未必是医生有用的信息，这个对话会消耗很长的时间。如果用机器和人对话的时候，你会发现，机器如果发现是废话，就会跳过去。第二点把流程减到最低，因为至少把医生的时间省出来了，然后最后等医生看到这个机器结果，就知道大致是怎么回事。  
然后好处就是说，你做的越多，机器就能做得越好。你看我们系统里面，病人和医生也有对话，它可以学习怎么对话，然后把很多东西综合起来，然后越来越好。  
这些东西其实对于基层医生很有好处，因为可能这些医生的水平比较低，但他们学到的是专业医生的三甲医院顶级医生的知识。而对这个顶级医生的话，现在是辅助诊断治疗的功能，给作出最后诊断。最后这个诊断信息又可以反馈给基层医生用。这种自我学习、自我完善、自我提高的过程非常好。  
现在问诊，我们有一个数据在做这件事。当数据多的时候，可以分成不同的病理种类，比如说这里面有肺病、有高血压、心脏病、冠心病这类型的，有人可能是偏癌的这种东西越垂直数据越多越精确，我想这种东西数据越多，这些是一个方向。  
记者：做医疗大脑是因为刚性需求，还是因为说您和吴恩达教授这边兴趣比较大、比较愿意做这个？  
张亚勤：这也是个需求。因为我们做“百度医生”快两年。其实我们从一开始就希望做这件事，但刚开始没有那么多数据。刚开始通过挂号、问诊、咨询可以把这些数据收集起来。同时这里面我们也建立一些数据的模型，比如数据挖掘，更多像专家系统类似那样的东西，现在数据到了一定程度可以做深度学习了，否则你这个没法做深度学习，我们现在用贝叶斯用了各种不同的统计模型，也是人工智能，不是深度学习的，多层次的网络。  
现在的话，因为吴恩达原来那个团队，他们一直在做这件事，在美国也好、在国内也好，大数据的团队做类似的事情，一直在合作。从开始的产品，更多是研究，到一定程度研究做的相对可以使用，放到产品里面，现在还在不断改进。下面你会看到我们应用到教育方面，里面也会谈到怎么用人工智能的方式，帮助教学，个性化的路径、知识图谱讲这些东西。

dongduzz

帮你顶下哈！！