Salesforce首席科学家：拜师吴恩达，投身深度学习，新生代AI领袖

本篇文章3819字，读完约10分钟

Cnet tech walker，北京，12月11日(编译/黎明):Richard Socher被世界经济论坛称赞为人工智能和深度学习领域的天才，在改变现有的自然语言处理和计算机视觉技术方面取得了突破。他还有两个身份，即元思维的创始人和salesforce的现任首席科学家。

理查德·索彻说人工智能帮助我们认识自己。

碰巧，他从计算机语言转向人工智能研究，然后迷上了深度学习的世界。

向吴恩达学习，致力于深入学习和探索

索彻在德国主修计算机语言学，并获得了莱比锡大学的理学学士学位和萨尔州大学的理学硕士学位。之后，当他还是斯坦福大学的博士生时，他以交换生的身份去了普林斯顿大学，在那里他建立了一个人工智能实验室。

他在2007年合作参加了语义机器人视觉挑战，他的团队赢得了冠军。此外，socher加入了普林斯顿大学的研究团队，开发并设计了imagenet，这是一个由注释图像组成的大型数据库，可用于计算机视觉研究。

Socher说:深度学习的神奇之处在于，它不仅可以提取传统机器学习的结构特征，还可以提取并呈现原始图像或原始词汇，最后在相同的端到端训练模型中进行预测。

换句话说，在过去，传统的机器学习需要深厚的专业知识，并且在开发模型和算法上投入了大量的时间和精力。为了提高预测的准确性，计算机学习依赖于模型的优化和调整，而深度学习侧重于模型设计，并使用大量的训练数据来建立多层次和深层次的结构。

此后，imagenet项目负责人每年举办imagenet大规模图像识别挑战赛(ilsvrc)，推动了深度学习的快速发展，使其成为图像识别研究的新工具。(2012年，竞赛的深度学习团队将图像识别的错误率从25%降至16%，深度学习领域从此进入全盛时期)

也是在这个时候，索契开始了他的深度学习生涯。当然，他的导师是不可或缺的。

在斯坦福大学学习期间，索谢尔有幸向安德鲁·吴(吴恩达饰)和克里斯·曼宁学习。吴荣奎(Andrew ng)在与谷歌联手进行计算机视觉研究时首次引入深度学习，并在2012年为深度学习的正式推广做出了巨大贡献。他的另一位导师克里斯·曼宁也是一位著名的自然语言处理研究员。

借助循环神经网络(深度学习的一种变体)，socher可以使自然语言处理器更好地理解文本的上下文和情感。以往的研究者往往建立情感分类模型(即积极或消极的词表)来对文本进行分类，并假设词序并不重要。然而，基于循环神经网络的文本情感分析并不需要事先建立模型，而是要分析词与词之间的关系，并由相邻词一个接一个地构建多层关系网络，从而准确理解句子的意思。

索谢尔的博士论文被评为斯坦福大学计算机科学专业的优秀毕业论文。文中提到深度学习不是成功处理自然语言的唯一工具。他提出了一种新方法，这种方法可以同时完成大量不同的自然语言处理任务，而无需为每个任务建立不同的机器学习模型。他学术生涯的重点不在这里，但他的职业生涯一直致力于实现多任务同时处理。

学术生涯后的另一种生活，创造超能力

Socher的职业和抱负也是许多人工智能领导者的生动写照:当他们还是博士生时，他们可能致力于人工智能研究，但他们没有继续学习，而是选择了自己创业或加入其他企业。

当被问及放弃学术生涯的原因时，socher回答说:使用人工智能获取资源对人有很大的影响，远远超过对整个行业的影响。因此，他放弃了普林斯顿大学助理教授的职位，在2014年创办了元思维。

仅在四个月内，socher和他的团队就从科斯拉风险投资公司首席执行官马克·贝尼奥夫那里筹集了800万美元。同时，他们还推出了一个用于分析文本图像的深度学习平台，该平台运行在网络上，操作简单。多年来，超脑已经取得了许多显著的成就。2014年，公司以92.4%的识别准确率完成了imagenet竞赛。准确率比竞争冠军谷歌低0.8%，但它的计算能力只有谷歌的千分之一。

用socher的话来说，metamind是一个多功能的引擎。现已应用于药物成像、放射学、情感分析和卫星图像等领域。

2016年4月，metamind被salesforce收购。索契尔表示:作为一家小型科技初创企业，它总是考虑如何最大限度地扩大自己的影响力，但建立一个强大的销售团队、人力资源和市场需要很长时间。Salesforce是我最期待的合作伙伴。

Socher继续解释说，数据、算法和工作流集成对于一家成功的人工智能公司来说非常重要。Salesforce拥有大量数据，metamind和salesforce的其他机器学习团队负责设计算法。工作流集成极其重要，它关系到社会的职业抱负、研究的现实意义及其对世界的影响。

你不能设计一个人工智能算法，只是把它扔给其他团队，然后告诉他们这个算法很好，使用它。我们应该尝试将这种算法集成到工作流中，这样它才能真正被人们所使用并使他们受益。Salesforce了解人们的工作方法，将算法与工作流相结合，并将它们集成到真实产品中，供世界各地的客户使用。这样做还有一个额外的好处，那就是从世界各地的真实用户那里获得反馈。socher说，通过适当的融合方法，我们可以不断学习并优化正在使用的机器学习模型。这样，实践知识就会融入到研究工作中，并逐渐形成良性循环。

输入salesforce并使用ai+crm返回合约

作为salesforce的首席科学家，socher不仅管理着一个研究团队，还陆续发表了几篇重要论文。主题包括自然语言处理、图像解释、问答系统和多任务学习(通过同一神经网络执行大量自然语言处理任务)。这些研究开发了许多实际应用设计，例如最近推出的爱因斯坦视觉。该系统由一套API组成，帮助各技术层次的开发人员向crm添加图像识别功能，并快速构建人工智能驱动的应用程序。

Salesforce不仅为socher提供了一个将理论融入实践的完美环境，也给了她继续深造的机会。每年，他和克里斯·曼宁都会联合举办一个关于自然语言处理和深度学习的课程。该课程有近700名学生参加，是斯坦福大学研究生课程数量最多的。这门课几乎挤满了人。由此可以看出，深度学习正在兴起并发展为实际应用，人们对人工智能的兴趣日益增加。

为了同时实现多任务处理功能，socher一直致力于开发自动问答系统。虽然问题不同，但只要有相同的输入，就可以启用一套多任务协作模型。索契尔自信地说:未来五年，我们将在问答系统方面取得巨大进步。例如，他认为他的团队将收集特定企业组织中的所有相关数据，并将其用于智能对话系统。

索契尔说，人们最终会产生无所不能(几乎真实)的人工智能，但他拒绝给出具体时间。像今天的大多数科学家一样，他也处于唯物主义范式中:我不认为任何哲学因素会阻碍我们的再创造智慧，但是前面的道路是漫长的。与此同时，他还致力于开发应用程序，无论是深度学习的试验功能，还是遵循之前70年的研究，努力制造更有用的计算机。

在他的博士论文中，索契尔引用了语言学家j.r .福斯著名的同伴观，并知道它的含义。同样，你可以从开发人员的社交互动中看到人工智能的未来逐渐改善。Socher不仅积极参与世界经济论坛等场合，还积极与该领域的其他人士互动。一方面，与团队成员、学术会议上的研究人员以及与讲座、论文演示和论文出版物相关的研究人员保持密切联系，另一方面，与销售人员和用户等从业人员进行沟通。

与他人互动、学习、讨论和合作是人类生活的重要方面，是我们传递信息和背景的独特行为，是人类创造力在社会层面的体现。正因为如此，人工智能永远无法取代人类智能。然而，如果有人像理查德.索彻那样坚持教计算机从数据中获取新知识，人工智能肯定会蓬勃发展。

G m t测试语言世界语中文简体中文繁体丹麦语乌克兰语乌兹别克语乌尔都语亚美尼亚语伊博语俄罗斯语保加利亚语僧伽罗语克罗地亚语冰岛语加利西亚语匈牙利语南非语祖鲁语卡纳达语印尼语印度尼西亚语巽他语印度尼西亚语古吉拉特语哈萨克语土耳其语塔吉克语塞尔维亚语塞尔马语索托语威尔士语孟加拉语宿务语尼泊尔语巴斯克语布尔语(南非荷兰语)希伯来语希腊语德语意大利语意第绪语拉丁语拉脱维亚语挪威语捷克斯洛伐克语斯洛文尼亚语斯瓦希里语旁遮普语日语格鲁吉亚语毛利语法语法语波兰语泰语泰米尔语海地克里奥尔语爱尔兰语爱沙尼亚语瑞典语白俄罗斯语立陶宛语索马里语约 芬兰语、苗语、英语、荷兰语、葡萄牙语、蒙古语、豪萨语、越南语、阿塞拜疆语、阿尔巴尼亚语、阿拉伯语、朝鲜语、马其顿语、马尔加什语、马拉雅拉姆语、马来语、 马耳他语高棉语奇切瓦语世界语汉语简体中文繁体丹麦语乌克兰语乌兹别克语乌尔都语亚美尼亚语伊博语俄罗斯语保加利亚语僧伽罗语克罗地亚语冰岛语加利西亚语加泰罗尼亚语匈牙利语南非语祖鲁语卡纳达语印尼语印度尼西亚语巽他语印度尼西亚语古吉拉特语哈萨克语土耳其语塔吉克语亚洲语塞索托语威尔士语孟加拉语宿务语尼泊尔语巴斯克语布尔语(南非荷兰语)希伯来语希腊语德语意大利语意第绪语拉丁语拉脱维亚语挪威语捷克斯洛伐克语斯洛文尼亚语斯瓦希里语日语格鲁吉亚语毛利语法语波兰语泰语泰米尔语泰语海克里奥尔语爱尔兰语爱沙尼亚语瑞典语白俄罗斯语立陶宛语索马里语 英语、荷兰语、葡萄牙语、蒙古语、豪萨语、越南语、阿塞拜疆语、阿拉伯语、韩语、马其顿语、马拉雅拉姆语、马来语、马耳他语、高棉语、奇切瓦语、文本、转换为语音，仅200个字符。 选项:历史记录:反馈:捐赠关闭