Vincent Vanhoucke是Google的首席科學(xué)家，斯坦福大學(xué)電子工程學(xué)博士，目前在Google Brain主導(dǎo)機(jī)器人相關(guān)的項(xiàng)目。Vanhoucke主要的研究領(lǐng)域是語(yǔ)音識(shí)別、計(jì)算機(jī)視覺和機(jī)器人等領(lǐng)域，他還即將主持機(jī)器人領(lǐng)域的盛會(huì)CoRL 2017（Conference on Robot Learning）。

Vanhoucke認(rèn)為，機(jī)器智能現(xiàn)在已經(jīng)發(fā)展到一個(gè)相當(dāng)?shù)乃疁?zhǔn)，在某些特定情境下的表現(xiàn)可以媲美（甚至超越）人類，比如機(jī)器視覺、機(jī)器翻譯、語(yǔ)音識(shí)別，現(xiàn)在是時(shí)候讓這些能力在物理世界中發(fā)揮效應(yīng)了。他在今天的演講中提到，robotics的研究現(xiàn)在也正面臨著一場(chǎng)深度學(xué)習(xí)的革新，實(shí)現(xiàn)這一點(diǎn)，需要現(xiàn)在的機(jī)器學(xué)習(xí)從業(yè)者跳出監(jiān)督學(xué)習(xí)的舒適區(qū)，面臨一些棘手的問(wèn)題：數(shù)據(jù)稀缺，如何使機(jī)器實(shí)現(xiàn)技能轉(zhuǎn)換以及持續(xù)性的學(xué)習(xí)等等。Vanhoucke也提到，這也是人工智能從理論到實(shí)踐的必經(jīng)之路。

Vanhoucke分別介紹了他在圖像、語(yǔ)音（及機(jī)器翻譯）領(lǐng)域和機(jī)器人（主要是機(jī)械手抓?。┑囊恍┭芯砍晒?。作了部分節(jié)眩

Vanhoucke說(shuō)，2011年，語(yǔ)音識(shí)別研究者采用神經(jīng)網(wǎng)絡(luò)技術(shù)降低語(yǔ)音識(shí)別，錯(cuò)誤率大幅降低，是語(yǔ)音識(shí)別領(lǐng)域十多年來(lái)最大的進(jìn)步；2016年，幾乎就已經(jīng)達(dá)到人類水準(zhǔn)了。

而機(jī)器翻譯，2014年機(jī)器學(xué)習(xí)的引入也讓機(jī)器翻譯有了質(zhì)的進(jìn)步，但要說(shuō)達(dá)到人類水準(zhǔn)，還是比較勉強(qiáng)……

（看keynote上的名單，為Google的機(jī)器翻譯做出貢獻(xiàn)的，華人數(shù)量不少。）

這個(gè)柱狀圖是人類翻譯、神經(jīng)網(wǎng)絡(luò)翻譯和PBMT翻譯的質(zhì)量差別，依次遞減。

Vanhoucke認(rèn)為，機(jī)器學(xué)習(xí)研究比過(guò)去更容易了，有更多的開源工具和模型，更多的網(wǎng)絡(luò)教程（他自己就在Udacity上開了網(wǎng)絡(luò)課程），GPU和高性能計(jì)算硬件門檻也變低了，研究者也比以前更多。

圖片識(shí)別領(lǐng)域，除了底層技術(shù)的完善，Google已經(jīng)將圖片識(shí)別技術(shù)應(yīng)用在醫(yī)療領(lǐng)域，幫助醫(yī)生診斷病情，并且獲得了一些成效。

但他也說(shuō)，圖像識(shí)別現(xiàn)在遠(yuǎn)遠(yuǎn)沒有到“succes”的地步，有40%基于圖像監(jiān)測(cè)做的決策，結(jié)果是很糟糕的。

接下來(lái)是機(jī)器人的部分。Vanhoucke是電子工程專業(yè)出身，在Google Brain主要的工作是機(jī)器人項(xiàng)目。他先強(qiáng)調(diào)了一個(gè)和很多人認(rèn)知有出入的觀點(diǎn)：目前的機(jī)器人研究其實(shí)跟深度學(xué)習(xí)沒有多大關(guān)系。

他做了個(gè)示范，讓手里的筆掉在地上，說(shuō)，如果機(jī)器人的任務(wù)是抓取筆的話，那么抓住了和抓不住，從外部觀察不到機(jī)器人的動(dòng)作有什么差別（按：因此不能從中得到什么規(guī)律）。

機(jī)器抓取特定的物體是有跡可循的，抓取未知的物體尚無(wú)法解決。（Vanhoucke播了一段機(jī)器人摔跤集錦視頻，說(shuō)過(guò)去他覺得這些機(jī)器人摔跤很好笑，但是后來(lái)自己開始做機(jī)器人項(xiàng)目之后，看到這種畫面就再也笑不出來(lái)了。研究機(jī)器抓取真的很難，但他很enjoy。）

越是少的圖像識(shí)別技術(shù)介入，機(jī)器的魯棒性就越好，能應(yīng)對(duì)更復(fù)雜的物體。后續(xù)有聽眾問(wèn)及抓取對(duì)象的數(shù)據(jù)庫(kù)時(shí)，Vanhoucke說(shuō)他們（Google）并不希望建立一個(gè)這樣的知識(shí)圖譜。

強(qiáng)化學(xué)習(xí)的引入對(duì)于機(jī)器人的研究可能有幫助，前提是先有一個(gè)能產(chǎn)生海量樣本的參照模型。

最后的結(jié)論：

1、robotics和機(jī)器學(xué)習(xí)正在發(fā)生有意思的融合；

2、對(duì)于常規(guī)的robotics問(wèn)題，要有做出不同答案的覺悟；

3、It hits all the right difficult problems on the road to practical AI。