黄江吉_小米黄江吉的贡献_黄江吉微博(3)

那么自然语言处理也好，去了解特定场景下的用户习惯也好，现在我们采用的主要方法都是机器学习。过去我们是用问卷等方式，用人工的方式去迭代。但是，现在基本上是通过机器学习，加一部分人工干预的方式，让它更频繁的迭代，不是一周一个迭代，而是每个小时在迭代。我认为它的进步是用一个非线性的速度在提升，举个例子吧。我们总是说智能硬件对不对？你说这个灯是智能灯，但是你有没有想过，如果你们用过这些所谓的智能灯，当然有两个选择，一个是过去直接用手按对不对，第二个方式就是打开你的手机，解开你的锁屏，好不容易找到APP再打开，等了一两秒钟，然后你再关灯开灯。你基本上试上几次，都不会有什么用对不对？

我认为今后大家会看见真正懂你的灯，而且懂你一个人。因为每个人开灯、关灯的习惯千差万别。如果要找全世界最强的工程师把它做出来的话，十万个规则都做不好。而且这个代码量惊人。正确的做法是，通过灯的维度，知道你的特征，通过家里全部的智能硬件来掌握你的特征，比如家里wifi与你手机的状态，家里电视的状态，音箱的状态，客厅净化器的状态，房间的净化器的状态，可能要上百个特征。就根据过去一个月的使用历史进行分析，知道在这些特征成立下，你会开灯，你会关灯，这样才有可能做出一个真的是懂你的灯。

有很说用一个、传感器就知道了。这其实是远远不够的。比如，晚上下班回去，他就开灯，然后打扰到你的室友。真的要做这个，难度远超大家的想象，因为这些维度不应该是人去学习的。当你家里的设备越来越多，他们的状态全部都可以被分析，被记录，我只要跟随一个礼拜，就可以理解你的习惯。我认为他会比任何一个工程师可以做的10万个规则都更符合你想要的。

另外一个案例，就是智能手环。把这个东西做精准很不容易，要靠算法判断是在走路还是在跑步？然后不断的调试，每个人挥手的方式不一样。所以，工程师拍脑袋去想办法，然后把算法变成了代码。

其实有一个更好的方法，就是让足够多的用户带着他去跑步，打羽毛球，玩排球，打篮球，上山下山，OK，然后机器学习，我们就可以很方便的知道各种各样的活动里面的规律。如果机器学习发挥好，可能过去十个工程师才可以做到的事情，未来可能只需要两个工程师，非常擅长收集高质量的大数据，知道怎么样用机器学习。

雷鸣刚问我，对于这一波人工智能的看法是什么？其实在小米看来，可以做两个事情，就已经非常了不起了。第一，可以让全部开发者意识到机器学习是一个最新的一个生产力。借用雷鸣的话，他可能是继这个工业革命之后，最伟大的生产力。

昨天还问我们那个负责深度学习平台的同学，现在小米内部到底有多少个业务正在使用这个平台。他给我一个列表，已经有十几个二十个业务都在申请机器去用这个平台。我们那些CPU已经有十几个业务都在使用机器学习，替代过去的算法。我们可能要做一个最基础的算法，最困难的可能是如何让这个应用被用户使用，从而产生大量的数据，你才可以跑顺。有一天，产生的数据已经足够到可以把之前写的代码逻辑取代，之后迭代数学模型就好了；第二是产品里面怎么样可以落地语音交互。就像今天小米电视一样。我认为人工智能如果可以做好这两个的话，已经非常好了。

第二个比较大的投入是视觉，我们在人脸识别上做的投入还挺大的。从去年开始，你就已经可以看见我们可以根据人脸，帮你自动分类，而且精准度越来越高了。因为数据量很大，现在已经可以做到人脸识别，性别识别，甚至年龄识别。小孩子的年龄差了一岁了，我们已经可以做到超过80%的精准度，因为小孩子的变化比较大。大人可能中间需要相差几岁。当你做这一些事件之后，给用户提供的实际功能的想象力非常大。我们的相册上，在做物体识别。可以在相册里面，帮你分类，比如要找到上次和雷鸣吃饭的照片，各种各样自动化的分类。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/ruanjian/article-43450-3.html