【重磅】Bengio 出山建立深度学习孵化器,寄语中国人工智能产业(附新智元独家专访视频)

Bengio 创建深度学习孵化器,试图打造 AI 生态圈

Yoshua Bengio,这位深度学习崛起背后的领军人物,成立了一个专注人工智能的硅谷式创业孵化器。

这个创业孵化器名为 Element AI,将帮助蒙特利尔大学(Bengio 是该大学的教授)和附近的 McGill 大学 AI 研究团队成立公司。Bengio 说,这只是他在蒙特利尔建立“AI生态圈”计划的一部分。Bengio 表示,蒙特利尔对深度学习的学术研究有着“全世界最多的关注”,在这里孕育的 AI 如今在 Google、Facebook 以及微软这些公司扮演着重要角色。Bengio说:“Element AI 将帮助创业公司开始进入这个快速增长的领域,并且会有一个专家团队,包括我本人的帮助,指导它们走在正确的方向上。”

 

根据 Bengio 的说法,蒙特利尔大学约有 100 名研究人员专门从事深度学习研究,McGill大学也有约 50 名这样的研究人员。虽然是否有这么集中的研究人员尚有争议——欧洲也是研究的温床——但深度学习的重要性是不可否认的。

 

上周,微软研究人员公开了对话语言识别的准确率达到人类水平的一个计算系统。在把以前的电话录音转录为文字的任务中,该系统比专业速记员犯错更少。虽然这项研究带有附加说明,但它确实强调了过去五年里深度学习如何让 AI 快速发展。

 

使用深度神经网络——通过分析大量数据进行学习的软硬件网络——Google、IBM、百度等技术巨头将计算机语音识别能力推向了人类水平。类似的技术也让这些公司(以及其他公司)建立了能准确识别图像中的人脸和物体的系统。如今,深度学习正在迅速重塑一切——从机器翻译谷歌搜索引擎

深度学习运动源自一个相对较小的学术圈子,其中的许多研究人员现在进入了大公司的技术部门。该运动的发起人之一,Geoff Hinton,现在为 Google工作。另一位先驱者 Yann LeCun,现在在 Facebook 领导 AI 实验室。最近几年,硅谷的巨头收购了一家又一家的深度学习创业公司。最令人瞩目的是,Google现在拥有 DeepMind,这家伦敦的智库公司最近使用深度学习及其他技术破解了古老的围棋游戏。

 

Hinton,LeCun 和 Bengio是 20世纪80、90年代以及21世纪初最热心于深度学习教育的三个人,那时还很少有人看到深度学习的潜力。但 Bengio 没有跟随其他两人进入私营企业。微软 AI 研究者 XD Huang 称 Bengio 是“一个伟大的教育家”,这也是深度学习圈子里对他的描述。Bengio 是 IBM 顾问,Element AI 是他建立的一个专门将 AI 研究输入商业应用的渠道。

 

这是非常有意义的事情,因为现在深度学习人才相对仍很稀缺。硅谷的大企业正在进行着争抢这些人才的军备竞赛,其程度远远超出了通常的工程师争抢情况。去年,Elon Musk等人资助的 OpenAI 吸引了来自 Google、Facebook的几位重量级研究人员,令这场军备竞赛更加惨烈(译注:Bengio 也参与投资了 OpenAI)。

 

同样具有重要意义的是,Bengio正在建一个孵化器——类似 Y Combinator的做法——这可以解决 AI 的专业知识和创立公司或做产品所需的实际技能之间经常存在的差距。深度学习创业公司 Skymind 创始人 Chris Nicholson 说:“很多技术专家,尤其是深度学习专家,他们可以非常熟练地构建强大的算法,但往往不知道怎么使用这些算法去解决现实世界的问题。这些技术专家需要一点指导。”

 

对得到正确指导的研究人员来说,他们的技能的市场空间是非常大的。现在每家大公司都需要深度学习技术,而研究人员就只有这么些。

新智元独家:AI WORLD 2016 世界人工智能大会 Bengio 发表视频讲话

2016 年9月,新智元到访加拿大蒙特利尔大学,当面对 Bengio 进行专访。在采访中,Bengio 认为,中国的参与对发展人工智能研究、技术和商业应用十分重要。此外,Bengio 还肯定了新智元在推动中国智能产业发展中的积极作用,他表示:“我十分高兴看到在中国有这样的团体……像这样把大家聚集起来,不但对科学发展有益,对技术进步也十分重要”。

新智元:人工智能 60 年几多起伏,你怎么看这几次大起大落?对未来有什么预测?

 

Bengio:是的,可能一些听众已经知道,人工智能此前经历几次大起大落。人工智能这门学科从上世纪 50 年代开始出现——有些人或许会说是从上世纪 40 年代就开始了。研究人员、政策制定者当时没有预料到困难有多大,做出了很多宏大的声明,结果 60 年代末 AI 遇冷了,神经网络也被其他方法所取代,比如符号计算。接着到了 80 年代,又兴起了新的一轮热潮,现在有很多成果都是当时 80 年代末、90 年代初的研究做出来的。不过,当时还是有些条件不具备,比如当时没有现在这样强大的计算能力,于是再一次的,有些人做出了不切实际的声明,然后造成了反效果。AI 和神经网络再一次遭到抛弃,直到五六年前。总的来说,人工智能的发展不是一路顺风的。但是,现在情况不同了,所有的条件都已经具备,我们有了强大的计算力、有了大数据、有了算法,所有这些都是之前我们没有的,其结果就是在产业上造成了巨大的影响。因此,这一次,人工智能火了,对社会造成了切实的影响。人工智能技术或许会发展、变化,但它不再是空头支票,它引发了实实在在的改变,即使我们现在还没有达到人类水平的AI,但系统的质量和性能已经足以能够产生巨大的产业影响,这一点是让事情彻底转变的关键。

 

新智元:我们预计将于10月18日在北京举办“2016世界人工智能大会”。

 

Bengio:我衷心祝愿本届大会圆满成功,同时向所有参会人员问好。我很高兴见到在中国人们对人工智能有这么高的热情,我认为有一个这么大的国家——现在教育体制也很好——重视人工智能、在人工智能上大力投入,是一件十分重要的事情。我们需要中国人民参与人工智能事业,发展人工智能研究、技术和商业应用。

 

新智元:新智元是智能+中国主平台,现在已有近15万订户,他们都非常期待与您交流。您能对我们的订户说几句话吗?

 

Bengio:我衷心祝愿新智元这个大家庭及其所有的成员。我十分高兴看到在中国有这样的团体。我认为建立这样的联系是十分重要的。科学进步、社会发展离不开社交网络,有了社交网络,我们才能在彼此工作的基础上发展自己的研究成果。科学不是电影里演的某个孤僻的科学家,自己单独一人在什么偏远的地方搞研究,那根本不算是努力研究科学。科学是很多人聚在一起,彼此交谈、进行头脑风暴、交流想法、读彼此的论文、乃至使用对方的软件……所有这些都十分重要,是这些事情让进步的速度更快。因此,像新智元这样把大家聚集起来,不但对科学发展有益,对技术进步也十分重要

 

新智元:你认为哪些公司将在未来智能世界占有很大的地位?

 

Bengio:有很多公司都投身了人工智能领域。例如谷歌,谷歌是一个强大的玩家,可能有着世界上最大的深度学习研究团队。Facebook 的人工智能实验室(FAIR)相对小一些,但是他们产出很多,地位也十分重要。当我提到谷歌的时候,有一个特殊的部门是位于伦敦的 DeepMind,他们有大约 200 人的深度学习团队,都是研究员,应该是世界上最大的深度学习团队了——在蒙特利尔大学,我们这里有大约 100 人的深度学习团队,是世界上最大的深度学习学术研究团队。还有其他很多公司也在投入人工智能,微软的历史十分长久,他们是深度学习这场革命一开始就投身其中的团队。IBM、Twitter,还有英特尔、亚马逊、三星……以及我现在没有想到的团队,也都很重要。

点击链接,观看新智元专访 Bengio 完整视频:【新智元专访】Bengio 团队获一亿美元政府资助,用于深度学习知识革命

 

Element AI,AI 即服务:提供企业解决方案 + 合资经营初创公司

根据官网,Element AI 的自我介绍是:

“Element AI 是一个帮助组织在今天和未来拥抱 AI 为先的世界的平台,包含一个与世界上最好的学术生态系统保持着特有联系的研究实验室。Element AI 会与大型组织合作,发布和孵化先进的、以AI为先的解决方案。”

新理念:AI 即服务(AI-as-a-Service)

在官网上,Element AI 提出了“AI即服务”的口号,他们提供的服务有两种:变革性的AI项目与合资经营。

1. 变革性的AI项目

AI 将会改变世界,因而也会深刻地影响到大量的商业领域。Element AI 通过帮助企业找到最强有力的方式来使用人工智能和机器学习,进而推动企业向“AI为先”的世界转型。

一旦机会被发掘出来,Element AI会根据客户的需要提供独一无二的解决方案,把这些方案融入到公司的文化中去。

2. 合资经营

合资经营能更好地处理一些问题,这是 Element AI 这一平台最契合的地方。这里拥有世界顶级实验室,并且与机器学习学术圈保持着紧密联系,这是一个超级孵化器,将为 AI 初创企业带来成功。

合建研究院

已经与 Element AI 建立联系网络的学术机构包括蒙特利尔算法学习学院、麦吉尔大学和多伦多大学。

创始团队成员

文章转自新智元公众号,原文链接

时间: 2024-10-30 05:36:40

【重磅】Bengio 出山建立深度学习孵化器,寄语中国人工智能产业(附新智元独家专访视频)的相关文章

【新智元专访】Bengio 团队获一亿美元政府资助,用于深度学习知识革命

[人物介绍]Yoshua Bengio 从 20 世纪 80 年代开始研究神经网络.他 1991 年在麦吉尔大学获得博士学位,此后在麻省理工学院跟从 Michael Jordan 做博士后研究,之后在贝尔实验室与 Yann LeCun.Patrice Simard.Léon Bottou.Vladimir Vapnik 等人一起工作.后来他回到蒙特利尔大学,现在是该校计算机科学与运筹学系机器学习实验室(MILA)主任,他也是加拿大的统计学学习算法研究主席.在这些年间,除了促进无监督学习,Beng

【重磅】新智元推出百万级AI智库资讯互动平台,AI World2017世界人工智能大会TOP10大奖榜单发布

2017年11月8日,由新智元主办的 AI World 2017 世界人工智能大会在北京国家会议中心隆重启幕,国内外上百位AI领袖作了覆盖技术.学术和产业最前沿的报告和讨论.超过2000名 AI 精英共襄盛会.海淀区副区长李长萍.中国人工智能产业发展联盟副秘书长何宝宏为大会致辞.会上,新智元创始人兼CEO杨静与助理来也CTO胡一川发布了全球首个AI专家互动资讯平台"新智元V享圈",基于此打造百万级AI产业生态平台. AI World 2017 世界人工智能大会 "AI奥斯卡&

Yoshua Bengio投身产业界!创办深度学习孵化器Element AI

深度学习"三巨头"之一.加拿大蒙特利尔大学教授Yoshua Bengio 正式投身产业界,参与创立了一个名叫 Element AI 的深度学习孵化器,帮助加拿大蒙特利尔大学和附近的McGill大学的研究成果向产业实现跨越,孵化深度学习创业企业.这也是Bengio所希望打造的"AI生态系统"的一部分. Bengio称,在蒙特利尔大学和McGill大学有超过150名科研人员在进行深度学习方面的工作,这也是世界上在深度学习学术研究最密集的地区之一.而Element AI&

徐立:1200层神经网络夺冠ImageNet,深度学习越深越好?| 新智元 AI 领军人物专访

人工智能领域的创业浪潮中,计算机视觉技术(CV)可以说是一个较为火热的方向,呈遍地开花之势.在这片江湖中,有四家公司特别突出,有 CV 领域的"一桶筐汤" 之称,可以看成是具有巨大潜力的"四小龙". 其中,"汤"在这里指的就是创建于2014年的商汤科技开发有限公司.其他三家"一"指创立于2016年的依图科技."桶"指的是2014年的"格灵深瞳","筐"指的是成立于20

【新智元人工智能创业家】陈天石:寒武纪,全球首款深度学习专用处理器

日前,GPU巨头企业NVIDIA宣布推出致力于加速人工智能和深度学习的芯片Tesla P100,以及全球首款面向深度学习的超级计算机DGX-1.不过,在陈天石看来,NVIDIA的这一系列组合拳对服务器市场虽然会有较大影响,但由于价格太高,只有大公司才买得起单,而且也只是因为市场上暂时没有替代品.   "未来NVIDIA的这个市场仍面临低成本专用处理器和FPGA的冲击,"陈天石说:"大家可以看老黄说的话,他特意提了这两类解决方案,正说明NVIDIA也意识到它们对自身地位的冲击.

自然语言处理领军人刘兵:没有终身学习,机器不可能智能 | 新智元专访

将一块石子投向水中会发生什么? 这个问题对人而言简单,对计算机却很难,因为答案有太多--可能是溅起水花,激起波纹,也可能惊动水中的鱼,击中池边的花--还可能是上面所有这些乃至更多.因此,计算机无无法作答. "语言是不精确的,字面意思背后还有太多太多."美国伊利诺伊大学芝加哥分校的计算机科学教授刘兵说.这也是为什么相较有着一对一表征的图像和语音,自然语言处理是一个如此艰巨的问题. 人类理解语言是将左边的感受(sensation)转化为右边的行动(action),而中间有一个表征.自然语言

英伟达面向开发者群体建立深度学习课程

 深度学习正在"转化计算"方式,英伟达公司在其本届GPU Tech大会上努力传达出这样一条信息.而围绕着这一主题,英伟达公司将自身打造为引领者.催化剂以及深度学习的推动者--当然,从长远角度来看,其自然也将成为主要获利方. 而且有迹象表明,英伟达公司正将其未来押注在人工智能(AI)这一领域当中.其最近发布的"深度学习研究所"项目计划在今年年内吸引到10万名开发人员.另外,英伟达公司已经在2016年年内培训出1万名开发者. 过去几年以来,AI已经逐步涉入"科

硕士学位还是初创公司:哪一个是建立深度学习职业的切入点?

今天我遇到了两个大学时期的朋友,他们目前都在印度最成功的科技公司里担任软件工程师,而且已经自学深度学习一段时间了. 因为着迷于深度学习的发展潜力和市场热度,他们想要寻找到一个进入深度学习领域的专职机会,今天我们就和大家探讨一下,到底什么才是深度学习正确的切入点? 选择在初创公司的工作,还是去攻读一个硕士学位? 几乎每隔一天就有数不清的人来问我这个问题.遗憾的是,在今天之前,我也一直无法给出一个有条理的答案.下文中给出的答案是与我两个天才好友尽可能多地广泛讨论出来的结果.我也很自豪能够得到这样一个

2017年深度学习必读31篇论文(附下载地址)

2017年即将擦肩而过,Kloud Strife在其博客上盘点了今年最值得关注的有关深度学习的论文,包括架构/模型.生成模型.强化学习.SGD & 优化及理论等各个方面,有些论文名扬四海,有些论文则非常低调. 一如既往,首先,标准免责声明适用,因为今年仅与GAN有关的论文就超过1660篇.我肯定会有疏漏,试图缩减到每两周一篇论文,包含了Imperial Deep Learning Reading Group上的大量素材.无论如何,我们开始吧. 架构/模型 今年的Convnet网络架构已经少得多,