迁移学习：人工智能下一站？

　　将骑自行车的经验应用到骑摩托车上，就是迁移学习

　　谷歌人工智能AlphaGo战胜韩国棋手李世石的“人机围棋大战”，一度将人工智能概念推向风口浪尖。业内人士认为，在以“深度学习”技术为主流的全球人工智能科技竞赛中，中国专家所引领研究的“迁移学习”技术具备很强竞争力，代表了人工智能的发展趋势。

　　深度学习＋小样本

　　“人机围棋大战”的背后，是人工智能领域机器学习技术的突破，即机器在模拟人脑运算方面取得的重大进展。实际上，人工智能技术已走过60年历程，直到近年机器学习技术中的“深度学习”技术取得突破，才迎来春天。

　　“深度学习”意为使机器模仿人脑神经网络的学习、判断和决策能力。比如，AlphaGo机器人以半年时间集中模仿学习了3000万步人类围棋大师的走法，并从自我对弈中积累胜负经验。

　　然而，“深度学习”局限性明显。原百度研究院副院长、地平线机器人CEO余凯坦言，肥沃的数据“土壤”才能“训练”出“深度学习”模型，但目前数据源、数据算法、数据应用的市场高度分离，未形成完善的“大数据＋人工智能”产业链，导致人工智能技术的发展仍然面临数据源不足和技术垄断两大挑战。

　　“数据高度集中在谷歌、脸书、亚马逊、BAT等互联网巨头手中，长此以往，将导致人工智能技术垄断，反而不利于技术创新和国家安全。”香港科技大学计算机科学及工程学系主任杨强说。

　　杨强强调“深度学习＋小样本”理念，即将大数据训练好的模型迁移到类似场景加以改进应用，打破了“逢模型必大数据”的局限。

　　“比如，将骑自行车的经验应用到骑摩托车上，就是‘迁移学习’。”杨强说。

　　2005年，微软举办的世界数据挖掘大赛中有关于搜索技术的竞赛题目，杨强团队利用“迁移学习”，将机器在其他领域的经验迁移过来。

　　在IT行业，“迁移学习”已有局部应用。

　　人工智能公司“第四范式”创始人戴文渊在百度负责名为“凤巢”的广告营销系统期间，利用“迁移学习”将百度搜索算法应用到问答社区“百度知道”，使后者点击率提升4成；腾讯将大规模在线电商推荐任务迁移到新领域，大大减少了数据需求量；微软也利用“迁移学习”分析了电商产品的舆情取向；香港科技大学利用“迁移学习”技术，将大数据训练出的对话模型迁移到具体行业的小数据领域，实现精准的“人机对话”，在服务业具有极强的应用价值。同时，杨强还在华为创立人工智能领域实验室，利用“迁移学习”技术研发了10多个智能移动终端的专利，并已注册。

　　“迁移学习”的应用障碍

　　多位受访专家认为，机器学习是当前人工智能技术的核心，“迁移学习”是机器学习技术发展的新阶段。杨强带领团队将研究不断深入，使中国占据了这一领域全球研究的制高点。

　　专家们认为，中国迫切需要发展“迁移学习”技术，并实现推广与应用。

　　但是，眼下“迁移学习”应用仍然有限。而造成这种情况的因素，是多方面的。

　　其实，在谷歌的人机围棋大战之前，人工智能少人问津。AlphaGo的胜利，源于谷歌团队此前收购了人工智能公司Deep Mind，获得了“深度学习”技术，Deep Mind人才主要来自多伦多大学，其研究长期默默无闻。这反映了人工智能长期“冷门”的现状，企业对前沿技术的敏感性不强。

　　由于人工智能产业处于发展初期，企业对“迁移学习”技术的需求也有限。目前，中国人工智能领域还没有一家以此为主业的上市公司，也没有出现一家龙头企业。百度虽然以人工智能为发展方向，但人工智能并非主要收入来源。

　　再者，产、学、研结合不够紧密。企业缺少渠道了解“象牙塔”技术，因此，难以应用先进研究成果。

　　如何保护隐私

　　专家认为，“迁移学习”技术的研究应用对中国具有战略意义，也是中国在人工智能科技方向获得全球领先地位的重要契机。

　　对于中国来说，“迁移学习”是国家实现科学技术弯道超车的契机。放眼人工智能产业，在人才、工业基础、研究环境、产业环境方面，中国和欧美的差距仍然较大，“迁移学习”是中国追赶发达国家的重要契机。

　　对于中小企业来说，“迁移学习”也意义重大。这项技术将赋能中小企业，打破人工智能技术垄断。中小企业在大数据条件不足的情况下，也能使用市场上购买的通用运算模型、结合自身小数据应用人工智能技术。这将使市场倾向于交易人工智能模型而非买卖敏感数据，也可避免大数据垄断者成为人工智能寡头，促进社会公平发展。

　　此外，可通过“迁移学习＋云计算”解决隐私保护问题。在云计算领域，云服务上通常需要用户上传私密数据，利用“迁移学习”后，云端通用的机器学习模型可加载到个人客户端，再借助“迁移学习”技术实现个性化模型应用，避免敏感数据泄漏。

　　《瞭望东方周刊》记者王晓洁 郭宇靖/北京报道