专访亚马逊机器学习总监：在科技巨头公司领导ML团队是种怎样的体验

在科技巨头公司里领导机器学习团队是种怎样的体验？

拉尔夫·赫布里希（Ralf Herbrich）是亚马逊的机器学习总监。作为一名经验丰富的学者，他还带领Facebook的团队使用机器学习，预测用户的行为，同时，他还是微软公司的董事。

本文是对拉尔夫的一次采访，他认为通过语音控制设备很快就会成为常态，并且，我们将让人工智能执行更多人类的工作，而无需消耗大量能量。

介绍一下

Q：请向我们介绍下你自己，拉尔夫，以及你是如何取得今天的成功的？听说你年轻时，想成为一名渔夫，而且我知道现在这仍是你的一种情怀。

拉尔夫·赫布里希：我是亚马逊机器学习总监，团队分布在全球六个不同的地方。我在柏林科技大学学习计算机科学和经济学，然后作为博士后加入英国剑桥的微软研究院，成为一名研究员。在微软研究院工作了11年后，我加入了Facebook工作了一年，并搬到了加州的山景城。五年前，我有机会在亚马逊创立了机器学习团队，并在德国柏林成立了一个研究基地。

我一直把大自然当成生命动力的来源。年轻的时候，我想成为一名渔夫，在过去的五年里，我一直把激情投入大自然的怀抱，你现在经常可以看到，我会在附近的Spandau森林训练跑步，为参加半程马拉松或马拉松做准备。

开发秘诀

Q：除了贡献大量高质论文，你还熟知数百万用户使用的微软Drivatars系统和Trueskill排名系统等。看来你从不接受任何不可能的事情。

这种态度如何影响你的AI工作，你能成功找出别人错误的秘诀是什么？

拉尔夫·赫布里希：当你开始从事一个新领域时，首先不要质疑一切，研究已知成果和理论，获得基础知识和理解，是很有必要的。

然而，我总是受到“如何解决问题？”的困扰。所以每当我了解一个新领域时，都要用一个应用程序来实现它。当我听说近似贝叶斯推理的时候，我就想用它解决技巧评估和配对的问题，恰巧开发出TrueSkill系统。同样，在了解博弈论及其机制时，我最终研究出了在线广告的拍卖和点击率估算算法。

我的很多兴趣来自解决应用问题的热情。目前我正在学习如何使机器能够使用少量能量（人类耗费的能量），实现人类工作; 这将要求我学习更多关于计算机芯片设计和能量使用，以及神经科学的知识。

我用来检查是否值得做的一个小窍门就是，与许多（学术界的）朋友分享我的想法。如果他们中的大多数人都说“哦，是的，这应该会起作用”，我会认为我想得还不够大。

如果每个人都说“这是不可能的”，那么我会重新考虑我的决定。我通常会做50％~80％的朋友认为不可能的事儿。到目前为止，效果不错（当然，这也意味着80％的朋友一直认为我好高骛远）。

未来3年内，AI会改变人类哪些行为？

Q：我们都认为, 在过去十年里, AI 一直在改变人类行为, 例如, 自动更正改善了我们的拼写态度。

从应用的角度来看, 人类行为在未来2–3年会发生什么变化？人工智能从业者在这类系统上工作的具体职责又是什么呢？

拉尔夫·赫布里希：我认为人工智能将在未来几年对人类行为做出两个最大的改变——通过语音、手势与机器进行交互。今天，我们非常习惯通过键盘、触摸屏与计算机进行交互，但人工智能算法和大量标记数据，使今天的计算机能够像耳朵和眼睛一样准确地理解我们，这将改变我们对机器的期待度。

我记得我的孩子曾经使用功能手机（无触摸屏），想要滑动屏幕上的图片和重新拨号，最后很失望。

我相信十年内，消费类设备会像亚马逊Echo设备家族一样，都具有语音功能。

我的家里有六个Echo，分别在厨房、卫生间、书房、客厅、我的卧室及我女儿的房间。通过与Echo设备进行语音交流，已成为我们的第二天性，我认为这也将发生在许多家庭中。

为何要测量人工智能的卡路里效率

Q：去年10月，阿姆斯特丹举行的WorldSummit.AI会议上，你提出了一个非常有趣的概念：测量人工智能的卡路里效率（捕捉能源消耗），截至目前，我们仅仅关注人工智能的质量以及准确性。

为什么这样的测量是必要的，它会如何改变我们使用AI的方式？

拉尔夫·赫布里希：我相信效率最终是AI真正的衡量标准：如果它完成了人类工作，消耗的能量与人类付出的相同，并且可以被规模化地部署，而不会耗尽这个世界的能源，那它就是我们需要的AI。值得一提的是，人每天20％的能源消耗专供于大脑，所以要想聪明，就要消耗大量精力。

如今，人工智能算法能耗过高的问题已经限制了AI的部署：在有大量项目 (如数百万的产品或产品广告，以及数十亿的网页)需要评分的情况下,通常的做法是使用低能量算法将项目减少到数千个, 然后将精心设计的 AI方案应用到一个子集上。这就是众所周知的L1/L2排名体系结构，但它是没有节能的ML算法的假象。

另一个用例是电子消费产品:由于人工智能组件成为编程的基本构件，他们的能耗需要控制，以确保这些组件不会过度消耗电池。

ML团队成功的要素

Q：去年年底，在德国Tubingen的亚马逊人工智能研究中心的发布会上，你说:“我们应该去专家所在的地方。”世界上很多人工智能和机器学习专家都来自欧洲，你和你的团队总部设在柏林，这证明你们是世界领先的人工智能公司。

为了确保人工智能可以应用于大规模的现实问题，一个团队强大而成功的要素是什么?

拉尔夫·赫布里希：我坚信一个想要用AI来成功影响许多人生活的团队需要有两个属性：一个是处理真正的客户体验中，发生的科学问题，并且不害怕处理那些没有经历过的方案。

另一个是具备推动每一个学者发展的动力，我们有一些欧洲最强大的人工智能研究学校(例如，位于Tubingen的Max-Planck智能系统研究所，苏黎世大学，柏林科技大学，剑桥大学和伦敦大学学院，以及巴黎的INRIA)。

为了确保我们正在研究的问题，真正解决客户需要，我们使用了一种逆向工作法。以一个虚构的新闻和常见问题(PR/FAQ)开展研究项目。只有当我们都相信PR/FAQ 中所描述的问题是有吸引力的, 并且我们清楚地知道，我们将为谁解决问题,才开始研究。这个方法对研究实验室来说，有点不同寻常, 但在过去的五年里，它对我们的工作很有帮助。

AI 合作伙伴计划

Q：你也是"AI 合作伙伴计划" 的专家之一，参与这项计划的还有Yann LeCun，Eric Horvitz，Francesca Rossi等人。在那里，你认为自己扮演了一个提高客户信任和社会效益的角色。

未来几年，人工智能从业者（数据科学家、人工智能工程师、产品开发人员和人工智能相关业务人员）能够与监管机构、政府和其他机构（如联合国和联合国儿童基金会）一起帮助实现这些目标吗？

拉尔夫·赫布里希：“AI 合作伙伴计划”(Partnership on AI ：PAI)成立于2016年，是一个组织。PAI的目标是研究拟定最佳实践开发、测试和部署人工智能技术,推进人们对公共AI的理解；作为一个开放平台，让人们讨论人工智能及其社会影响；确定并促进人工智能为社会利益做出努力。为了实现这些目标，该组织将主持讨论会，委托进行研究，撰写和分发主题报告，制定和分享行业的最佳实践和标准。

该计划将对公众和整个行业展开推广活动，内容涉及人工智能系统的了解，以及这一技术的潜在应用和影响。PAI目前正在成立工作组，开发和分享人工智能的最佳实践。

来源：Medium

作者：Christoph Auer-Welsbach

智能观 编译

—完—

亲爱的朋友：

今天是大年初二，给你分享一篇人物专访。

聚焦前沿思想，开拓视野，发现潜能，这是我们一直努力做的事情。

希望这些前沿的思想可以对你有所帮助。

祝安！

                                    智能观  一米

                              2018-2-17 于北京中关村

想知道AI加教育领域有哪些最新研究成果？

想要AI领域更多的干货？

想了解更多专家的“智能观”？

请在对话界面点击“找找看”，去获取你想要的内容吧。

转载智能观原创文章，请联系

智能观小艾（微信号：zng2017618）！

声明：

编译文章旨在帮助读者了解行业新思想、新观点及新动态，为原作者观点，不代表智能观观点。