AIR 083 | 對(duì)話華為諾亞方舟實(shí)驗(yàn)室主任李航：大數(shù)據(jù)很多時(shí)候都是小數(shù)據(jù)

本文作者：宗仁

2016-08-16 18:00

導(dǎo)語：通常我們所說的大數(shù)據(jù)很多時(shí)候都是小數(shù)據(jù)。

李航，華為技術(shù)有限公司諾亞方舟實(shí)驗(yàn)室主任，北京大學(xué)、南京大學(xué)兼職教授。他日本京都大學(xué)電氣電子工程系畢業(yè)，日本東京大學(xué)獲得計(jì)算機(jī)科學(xué)博士學(xué)位。李航博士的研究方向包括信息檢索，自然語言處理，統(tǒng)計(jì)機(jī)器學(xué)習(xí)，及數(shù)據(jù)挖掘。他一直活躍在相關(guān)學(xué)術(shù)領(lǐng)域，曽出版過三部學(xué)術(shù)專著，并在頂級(jí)國際學(xué)術(shù)會(huì)議和國際學(xué)術(shù)期刊上發(fā)表過上百篇學(xué)術(shù)論文，擁有40項(xiàng)授權(quán)美國專利。

近日，在雷鋒網(wǎng)舉辦的CCF-Gair大會(huì)上，李航接受了雷鋒網(wǎng)在后臺(tái)關(guān)于AIR方面的對(duì)話，闡述了華為在大數(shù)據(jù)，機(jī)器學(xué)習(xí)，人工智能三塊工作的內(nèi)部聯(lián)系。

華為的大數(shù)據(jù)主要是哪塊的？

華為的大數(shù)據(jù)主要是用在幫華為，電信，運(yùn)營商去提高效率，基于這些企業(yè)多年積累的大數(shù)據(jù)去解決業(yè)務(wù)、運(yùn)營上的各種問題，做智能化升級(jí)的事情，用大數(shù)據(jù)去解決各種業(yè)務(wù)遇到的問題，公司里面所有的業(yè)務(wù)應(yīng)該是能（和我們實(shí)驗(yàn)室）聯(lián)系在一起的。

以客戶之一上海聯(lián)通舉例，那里有500萬的用戶，通過這些手機(jī)大量的數(shù)據(jù)來確定這些人在一天內(nèi)的流動(dòng)，然后我們可以去做很多的事情……

通常我們所說的大數(shù)據(jù)很多時(shí)候都是小數(shù)據(jù)，比如你自己手機(jī)里的數(shù)據(jù)你不愿意給別人去看，把所有小數(shù)據(jù)加起來才是大數(shù)據(jù)，但你不能隨便把每個(gè)人的數(shù)據(jù)都拿出來，有版權(quán)，有隱私等各種問題。

而訓(xùn)練模型的時(shí)候需要大規(guī)模的數(shù)據(jù)，這時(shí)我們只能學(xué)一個(gè)通用的模型，學(xué)好了再把它遷移到每一個(gè)個(gè)體的數(shù)據(jù)案例上，再進(jìn)一步去學(xué)習(xí)，目前這個(gè)（遷移學(xué)習(xí)應(yīng)用）還沒有具體的案例。

但具體地，現(xiàn)在華為基于大數(shù)據(jù)用機(jī)器學(xué)習(xí)在做的事情有：

其一，用文字或者自然語言檢索分類照片。該方式不使用人工或機(jī)器學(xué)習(xí)的形式預(yù)先為每個(gè)照片設(shè)置一個(gè)標(biāo)簽，然后通過標(biāo)簽來處理照片。而是采用深度學(xué)習(xí)模型的方式處理照片，利用照片承載的內(nèi)容產(chǎn)生自然分類。
其二，神經(jīng)機(jī)器翻譯。
其三，神經(jīng)響應(yīng)機(jī)，即一個(gè)自動(dòng)生成式系統(tǒng)，這是業(yè)界第一臺(tái)公開發(fā)表的能夠自動(dòng)生成回復(fù)的智能應(yīng)答機(jī)，而不是通過大數(shù)據(jù)搜索配對(duì)實(shí)現(xiàn)的。

相比騰訊這樣2C的數(shù)據(jù)，華為基于偏底層的數(shù)據(jù)做機(jī)器學(xué)習(xí)時(shí)，要注意些什么？

主要是研究的時(shí)候驅(qū)動(dòng)力會(huì)著重跟公司的業(yè)務(wù)掛鉤。

這些研究有長期的有短期的。

比如公司未來十年發(fā)展業(yè)務(wù)方向需要什么樣的技術(shù)，然后反推過來需要什么樣的技術(shù)。（實(shí)驗(yàn)室研究方向，跟華為其它業(yè)務(wù)一樣，還是客戶導(dǎo)向的？）對(duì)，可以這樣說。

前一任主任楊強(qiáng)教授和您的管理風(fēng)格有何不同？

每個(gè)人都有自己的作風(fēng)，大的方向是一樣的，大家都是想要把自己的研究做好，把研發(fā)推動(dòng)。他也是學(xué)者，我也是學(xué)者。

我們的背景不太一樣，他的方向主要在遷移學(xué)習(xí)，我的方向主要在自然語義處理，信息檢索等，方向會(huì)跟人研究的內(nèi)容和興趣關(guān)聯(lián)比較大。

四年前我們?cè)谝黄鸾⒘巳A為諾亞方舟實(shí)驗(yàn)室，現(xiàn)在各自的領(lǐng)域大家還堅(jiān)持在做，這個(gè)是不會(huì)有變化的。

諾亞方舟實(shí)驗(yàn)室日常中研究和應(yīng)用的比率怎么平衡的？

沒有絕對(duì)的比率，實(shí)驗(yàn)室的目標(biāo)還是圍繞公司業(yè)務(wù)來的。

如果是10年規(guī)劃的產(chǎn)品，目的是圍繞未來去做，去投資，反過來就是我們需要在哪些領(lǐng)域去做嘗試。但如果光瞄準(zhǔn)未來10年，目標(biāo)就容易很空。

如果是3年到5年規(guī)劃的產(chǎn)品，則是要有一些階段性的成果，甚至還有一年，半年要出階段性成果的，這個(gè)時(shí)候會(huì)根據(jù)情況去調(diào)整，但大的方向往往都是比較明確的，主要關(guān)注人工智能、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等前沿科技領(lǐng)域的研究。

然后根據(jù)這三個(gè)方向去決定，要往哪個(gè)領(lǐng)域加大力度去投入，要跟哪些實(shí)際的產(chǎn)品去合作，平衡好長期研究和實(shí)際應(yīng)用開發(fā)的兩類項(xiàng)目，相對(duì)來說，產(chǎn)品開發(fā)的比例會(huì)大一些。

現(xiàn)在華為有兩個(gè)是產(chǎn)品（一款產(chǎn)品是華為手機(jī)上的App市場。另一款產(chǎn)品是華為“手機(jī)服務(wù)”。）另外也有在做的業(yè)界領(lǐng)先的深度學(xué)習(xí)，自然語義處理相關(guān)的一些合作，這些雖然還在技術(shù)研發(fā)階段，快一點(diǎn)一兩年也能成功。