說到LSTM，相信很多AI界的小伙伴并不會陌生，因為蘋果、谷歌、Facebook等科技巨頭都是它的踐行者和最大受益者。但這樣一項偉大的技術(shù)，其背后的創(chuàng)始人尤爾根·施米德胡貝卻一直鮮為人知。

在前不久結(jié)束的“2017中國人工智能峰會”上，我們見到了這位異常低調(diào)的AI大神，跟他聊了聊LSTM模型和AI的未來趨勢。

尤爾根·施米德胡貝（Jürgen Schmidhuber）是一名享譽世界的德國計算機科學(xué)家，目前在瑞士人工智能實驗室（IDSIA）擔(dān)任科學(xué)事務(wù)主管，任教于盧加諾大學(xué)和瑞士南部應(yīng)用科學(xué)與藝術(shù)學(xué)院，同時他也是國際計算語言協(xié)會（ACL）的首批Fellow。

眼下，我們的人工智能還處在嬰兒期

現(xiàn)在的情況就是，人工智能神經(jīng)網(wǎng)絡(luò)在對外部情況做一個認知、觀察和簡單處理的時候，遠遠沒有達到人類的水平。人類在對來自的外部信號進行收集之后，往往會做深度加工，進而做出相應(yīng)的反應(yīng)和改變，最終實現(xiàn)與外部環(huán)境的全面互動。

而要達到像人類這樣的效果，我們就需要更精細的人工智能，比如增強式學(xué)習(xí)就是一種很好的方法，它的核心思路是用獎勵回饋的機制來優(yōu)化深度學(xué)習(xí)的表現(xiàn)形式。

但目前的實際情況是，我們的人工智能還很弱小和幼稚。更多情況之下，機器人像是我們的嬰兒，它需要先看著我們做東西，然后才能把我們的所有行為學(xué)習(xí)出來。因此在很多應(yīng)用領(lǐng)域，它們還遠遠沒有達到人的等級。

幾乎全世界的AI公司都在用LSTM模型

“很多人不知道深度學(xué)習(xí)的這些技術(shù)有些年頭了，比方說這種遞歸式的技術(shù)，其實就是20年前的基礎(chǔ)理論。而單向傳播的深度學(xué)習(xí)技術(shù)則是在50年前，上個世紀60年代就提出的基礎(chǔ)知識�！�

現(xiàn)在的應(yīng)用主要是體現(xiàn)在手機里，比方說機器翻譯、語音識別等，這里面翻譯的主要技術(shù)用的就是LSTM（Long Short-Term Memory，一種基于長短期記憶的時間遞歸神經(jīng)網(wǎng)絡(luò)）。

LSTM模型是尤爾根在97年的時候，在實驗室里提出來的。當時業(yè)內(nèi)并未對此有足夠的重視，但是近年來，隨著AI浪潮的再次興起，LSTM已經(jīng)被幾乎全世界的AI公司所青睞，

“因為在當時的運算技術(shù)條件下，對這種大規(guī)模的計算處理，是比較困難的，所以LSTM的優(yōu)勢是在近些年才開始體現(xiàn)。”尤爾根說。

LSTM與傳統(tǒng)的記憶神經(jīng)網(wǎng)絡(luò)相比，傳統(tǒng)的機器學(xué)習(xí)是一種單向的向前進的學(xué)習(xí)模式，但是LSTM是一種遞歸式的、不斷循環(huán)的學(xué)習(xí)方式，這是LSTM的最大優(yōu)勢所在。

單向式的計算機和學(xué)習(xí)方法是一種傳統(tǒng)的預(yù)編程，它的應(yīng)用往往會受到很多條件的限制。但是LSTM基于的遞歸式則是通用式的計算機，可以在所有情況下進行運算。因為LSTM是通用型計算，可以進行各種程度的運算，不管是并行的還是串行的，都可以通過通用的形式進行計算，尤其是在翻譯和機器識別方便很有效。

“我不確定微信是否使用了這個技術(shù)，但是目前Facebook每天都會基于LSTM進行45億次的翻譯。主要是用在語言翻譯上，差不多是每秒5萬次的計算量�！�

事實上，世界上幾乎所有的AI公司都在使用這項技術(shù)，比如谷歌就是LSTM的死忠粉。

在各種語言的機器翻譯上，一開始的人工智能神經(jīng)網(wǎng)絡(luò)對于所有語言一無所知。由此，像谷歌這樣的公司就開始使用這一技術(shù)進行多種語言的對比，并逐步學(xué)習(xí)被翻譯語言的內(nèi)容、語義，之后機器就能學(xué)會自主翻譯。

“2016年11月之前，國內(nèi)很多人會嘲笑谷歌的中文翻譯。但在谷歌使用了LSTM技術(shù)之后，翻譯的效果有了顯著的提升�！�

據(jù)資料顯示，谷歌的語言識別技術(shù)換成LSTM的模型之后，相比之前有了50%的提升。隨后，谷歌還把LSTM用于自然語言處理、機器翻譯、生成圖說、自動郵件回復(fù)、智能助手等領(lǐng)域。隨后，語音識別、視覺領(lǐng)域的研究都越來越多地采用LSTM模型。

人類不是AI要奴役的最佳目標，它只會擔(dān)心與自己相似的AI

自從有了AI，就有了諸如“AI替代人類”、“AI奴役人類”、“AI毀滅地球”等成系統(tǒng)的威脅論。在AI誕生以來的60多年里，這仿佛是一個時常被掛在嘴邊的話題，而這種爭論今后恐怕也將會一直持續(xù)下去。

從宏觀角度來說，尤爾根并不擔(dān)心AI會給人來帶來可怕后果。但他認為，現(xiàn)在我們需要討論的是：應(yīng)該擔(dān)心AI應(yīng)用在軍事領(lǐng)域會帶來哪些更壞的影響。

“我們已經(jīng)意識到，機器學(xué)習(xí)被應(yīng)用在手機上時，會讓人們對手機更加上癮。而現(xiàn)在越來越多的AI技術(shù)已經(jīng)被應(yīng)用在控制軍事領(lǐng)域（如軍用無人機等）上了，這才是我們需要擔(dān)心的�！�

“人類已經(jīng)達到了自我毀滅的最大可能性，60年前冷戰(zhàn)時期的軍備競賽時，隨著核武器的誕生開始，僅僅是核彈頭全球現(xiàn)在已經(jīng)有成千上萬個了，更遑論其他�！庇葼柛�說，“即使沒有AI，如果我們打起核戰(zhàn)爭，地球在幾個小時之內(nèi)也有可能毀滅，所以我們?yōu)槭裁匆獡?dān)心AI？”

“尤為重要的是，任何一個物種會把更多的時間和精力放在關(guān)注、擔(dān)心和自己相近的物種上。就像人類只會關(guān)注人類，而不會去擔(dān)心一只袋鼠一樣，AI也不會去擔(dān)心人類，而只會擔(dān)心與自己相似的AI。”

現(xiàn)在看到那些AI奴役人類的想法是十分愚蠢的，人類對于AI來說是一個非常不好用的奴隸，因為它可以在很短時間內(nèi)造出很多比人類效率高很多的機器人，而且更快的完成目標，所以人類不是AI要奴役的最佳目標。

讓AI更加智能化和公益化，才是真正的未來

尤爾根自己現(xiàn)在有一項研究，雖然在商業(yè)領(lǐng)域的認知還沒有很廣，但是他個人認為未來還是大有可為的。在那是他在1987年發(fā)表的畢業(yè)論文中提出過的一種設(shè)想。

“有一種算法，讓計算機可以在機器學(xué)習(xí)的過程中，同一時間提升如何去學(xué)習(xí)的能力。這是一種自我監(jiān)督型的學(xué)習(xí)算法，它在極端運算中可以讓計算機學(xué)得更好�！庇葼柛�說，“或者直白的說，它可以讓人工智能更加智能�！�

“這種算法雖然現(xiàn)在在商業(yè)化應(yīng)用上還不是很廣，但是最終會是一個宏大的命題。我相信，讓一個機器學(xué)會如何更聰明的學(xué)習(xí)其他東西的能力，未來將成為AI發(fā)展的最核心助力。”

2015年，尤爾根同他在瑞士人工智能實驗室 IDSIA 共事的四位研究人員聯(lián)合創(chuàng)辦了一家名為“Nnaisense”的AI公司。Nnaisense研究的是如何讓人工智能更加的智能，如何以更好的方式去解決問題，同時能夠根據(jù)過去面臨的問題，更好地去解決未來更多的問題。

雖然Nnaisense公司現(xiàn)在做的是B2B的生意，但尤爾根希望最后AI的應(yīng)用可以去惠及所有人。

“我也相信未來會出現(xiàn)這樣一種情況：有一個源代碼能賦予AI所有的通用學(xué)習(xí)能力，而且這個源代碼可以被廣泛的發(fā)散到每一個人手里，讓AI技術(shù)更加智能化的同時，還能夠真正的公益化，而不是僅僅只是國際巨頭和大型機構(gòu)的禁臠�！�

尤爾根最后說道：“未來的AI，將是一個多樣化、多層次的生態(tài)式技術(shù)。屆時，每個人都能以不同形式、不同分工參與到其中�！�