Xiaodong He @ JD.com - Robin.ly AI Talk

Updated: Apr 16, 2019

Transition from High-tech to Retail; Transition from U.S. to China. What remains?


Episode 3: Xiaodong He 何晓冬



Alex:大家好,我是Alex Ren,是TalentSeer的创始人,也是BoomingStar Ventures的合伙人。Robin.ly平台设置的初衷是为提高广大研究人员和工程师对AI,对Leadership以及entrepreneurship的理解。今天有幸邀请到京东AI研究院的常务副院长,也是深度学习语言语音研究所的主任,何晓冬博士。何博士曾任微软雷德蒙研究院主任研究员,并且担任华盛顿大学兼职教授和博士生导师。在深度学习,自然语言处理,语音识别,计算机视觉等很多领域,建树颇多。尤其对于AI,leadership以及AI落地很有心得,何博士会在这些方面进行分享。


Alex:何博士,你是今年年初加入京东?


何晓冬: 对,我在今年三月份正式加入京东。


Alex: 您读博士时主要研究语音识别,后涉猎了深度学习,CaptionBot,再到Drawing bot,AttnGan,一直到最近在做的情感客服类工作,能否介绍下您的研究兴趣?一路走来,AI从传统方法到深度学习,您的研究路径是什么?


何晓冬: 我做博士的时候是做语音识别。那个时候一般不谈自己做AI,当然语音识别本身是AI的一个核心问题。 在清华毕业以后,去中国科学院读硕士研究生的时候,我开始做语音识别。那时候还是用一些统计模型方法,比如像马可夫模型,高斯模型。到美国以后,读博士时就继续了这个方向,用统计方向来做语音识别。语音识别其实是一个很多年的核心问题,大家都在推进展。博士毕业后,我加入微软,进入微软研究院。我也是从语音识别开始做起,希望语音识别能产生一些产业上的帮助,创造价值。语音试别以后,很自然地希望理解它。因为语音识别只是把声学信号变成一连串的文字,但其实计算机并没有真正理解这个话的意思,所以为了理解这个话的意思,我们自然要进入NLP,自然语言处理,包括语言理解。我在微软研究院时候,最开始从机器翻译入手,机器翻译就是一个很核心的NLP问题。举个例子,把中文翻成英文,看似很简单,但是一代又一代科学家做了很多年。


Alex: 其实Geoffrey Hinton关于深度学习的研究,最早的应用主要在自然语言处理方面,而且也是在微软研究院最先完成的,对吧?


何晓冬: 这也是个很有趣的故事。可能现在很多人觉得图像识别很重要,但其实深度学习最开始在核心AI技术上的突破是从大规模的语音识别突破开始的。2008年的时候,我算是第一次认识Hinton。 那年邓力和我,我们是同事,在NIPS会上举办了一个叫做“Speech and Language: Learning-Based Methods and Systems”的workshop。我们邀请了Hinton介绍他最新的工作,包括深度学习。2009年 NIPS,邓力,俞栋,Hinton又举办了一个workshop。再后来微软邀请了Hinton去访问。同时开始招收实习生, 把项目做起来。大概在2010年左右,看到了深度学习在大规模的语音识别上产生了突破性的进展。


Alex:当时的很多工作还是比较前沿性的研究?后来开始大量应用是2012年吗?


何晓冬: 2010年以后, 我们在微软内部看到,深度学习已经在语音识别上取得了很多进展,认为这是一个很有前景的方向。也扭转整个业界对深度学习,特别是对神经网络的看法。在此之前大家都并不认为神经网络是一个很吃香的方向。但是由于微软及业界做出了成果,大家开始转变了观念。从那时候开始,在图像,在自然语言处理方面都有了很多进展。2012年开始,业内以很快的速度实现了很多突破。


Alex: 能否介绍下CaptionBot?


何晓冬: 因为我一直在做语言,语音这一块,包括像2012年开始,与Yoshua Bengio 合作,开始做自然语言理解,Spoken Language Understanding. 后来我们还提出了DSSM模型,也就是深度结构语意模型。 然后我们发现可以go beyond the language, 抓住深度学习的契机,把不管是语音语言,还是图像,都可在同一个语义空间用feature vector来表示,叫作embedding feature vector。这样就使得语言和图像这种不搭界的两个问题,可以统一在同一个embedding的空间里,一个语意空间里。再进一步扩展,如果能把图像和文字,按照它们本身的意义和内容,放到同一个空间里去,就可以实现图像和文字的互相转化。所以后来我们在2013年底,提出了这个proposal到微软的一个strategic intern program,开始准备做这个方向。但这不仅是我一个人的想法,也是因为数据差不多积累到合适的状态。那时MSR刚好sponsor了一个名为MS COCO的dataset,对每一个图片都有很多自然语言描述,使得我们的研究有了数据基础。同时还有一些其他的进展,包括端到端的机器学习,包括sequential model,这些深度学习模型都出现了。正好是一个合适的时间点。所以我就把我从语言理解专业又扩到了多模态的领域,具体的说是image captioning领域,并跟同事们一起打造了CaptionBot。


Alex: 后来你又做了一些研究,比如Drawingbot,AttnGAN,能介绍一下什么是AttnGAN吗?


何晓冬: GAN现在可能大家现在比较熟,就是Generative Adversarial Networks, 对抗性生成网络,被应用于生成图像。我们之所以做AttnGAN,是想做CaptionBot的反向,做一个closed loop。CaptionBot是从图片生成它的文字描述。AttnGAN,是GAN的一个扩展,是从文字描述生成一个对应图片。AttnGAN试图引入一种像人一样的attention的机制,使得我们在画图时,在画每一个局部的细节时,能对应到文字里的每一个细节。AttnGAN是专门针对局部对局部的语意对照做的一个模型,让画的图更加精细。基于AttnGAN算法我们开发的一个智能绘画机器人就叫DrawingBot。


Alex:举个例子,如果想画我们Logo的这只鸟,应该如何描述?


何晓冬: 那你可对DrawingBot说,我想画一只鸟,她的脖子是橘色的,肚子是白色的,羽翼是灰色的。Drawing bot 就会画这么一只鸟。


Alex:目前已经有人开始利用技术进行创作了吗?


何晓冬: 现在我们还在讨论阶段。其实在我来硅谷之前,清华美院举办了叫 Art and Design 3.0 Forum的论坛,我在论坛上做了一个小发言,就是展示了一些类似的例子。什么是想象力?我们以前认为只有人才有想象力,机器只有记忆。其实在某些层面上,机器是可以看到很多不同的角度,画出一只全新的鸟。这个鸟可能在这个世界上从来没有存在过,有不同的颜色。甚至我们有一个bug把一只鸟的嘴巴都画成蓝色,这肯定是不存在的。但这也可以看成机器的想象力,就像是小孩子一样,可以想象出一些世界上没出过的东西。本质上生成就是在一个空间内按某种分布采样,想象力可看成在一个合理区间的边缘采样。


Alex: 目前京东把AI的技术运用到线上线下零售领域。这方面的侧重点是什么?


何晓冬: 京东有一个很全的链条,包括厂家采购,到网站做display,交易,到售后服务,做收付款,包括送货,及可能需要的退货处理。京东的链条非常长。在每个环节,AI都可以有很重要的应用,或者促进。举一个简单的例子,比如售后服务。京东有一个智能客服机器人。如果用户买东西有些问题,可以通过聊天来问这个机器人,为什么东西还没到,为什么东西损坏了。chatbot 就是一个经典的AI应用。研究院成立以来,进一步促进了AI的应用,改进了智能客服。其中之一就是在智能客服加入了情感。以前我们的chatbot就事论事的回答用户的问题。后来我们发现,当客户来联系客服的时候,往往带有一些情绪,比如,不高兴,生气或者焦急。所以我们最近的一个工作就是,通过AI把情感智能加入到chatbot中,能够检测到用户的情绪,同时交谈时,也会相应的生成一些安抚性的语言,使用户感受到被关心被关注,更加人性化,温暖的交互使得用户的满意度提高了很多


Alex: 你本身完成了一个transition:从一个很有成就的AI研究人员,到领导京东的AI research。更多涉及AI商业化。你个人在从researcher 到 leader这个transition过程,遇到了什么挑战?什么事情促使你做了这个转变?


何晓冬: 转变可能有两个点。第一,从理论研究到实践。我以前在微软研究院,做研究更多一些。但是京东有这个机会,把AI 进行产业上的应用。比如,刚举的客服的例子。一方面是机会,一方面是挑战。怎么样让AI确实在产业层面产生大规模的impact,更加有影响力。这是挑战也是转变。意味着思考问题的出发点要进行调整。第二,如何进行多重协作。工程上有很多involvement,怎样组织多个工程团队共同工作,从而真正做到一个可大规模推广,大规模应用的程度,而不仅仅局限在实验室里。


Alex: 可以分享下带领团队方面的心得么?


何晓冬: 谈不上太多心得。就是一些个人小小的分享。比如说一个团队做事情,很多时候要给大家讲得很清楚,给大家一个统一的vision。这个事情的意义在什么地方,每个人为什么做这个事情,要让大家感到骄傲。明确purpose 同时feel proud of it. 让每个成员知道你做的这个事情将会很有影响力的。不是无足轻重,而是说目前你所从事的工作,在产业上,在本质上,在thought leadership上都很领先的。像我们的情感客服是业界领先的大规模商用。小规模的可能有,但如此大规模的商用,京东应该是领先的。认识到这一点以后,每个工程师,每个团队成员,就可以更统一起来。


Alex:你觉得中国AI研究的优势在哪里呢?


何晓冬: 中国的优势在于可以很快的放大思想的影响力。中国规模非常大,以京东为例,京东能够服务超过3亿的消费者,他们每天都会在京东这个平台上进行大量的活动,所以算法和模型上的创新,可以很快被放大到整个平台上去。同时,另一方面,用户和算法模型之间的交互比如智能客服,会产生大量数据。这些数据可以刺激新的算法。这个交互循环会非常快,这是在中国做AI的一个优势。


Alex:能说说3-5年内,你的个人目标是什么吗?


何晓冬: 我个人希望看看AI能不能在典型的大规模产业化的基础上,落地并产生影响。大家知道AI经过几次寒冬,也经过几次高潮。我个人对这次的高潮更加乐观。因为AI要真正要落地才能对整个社会产生影响。这也是为什么像京东有那么长的链条,有那么多数据,是一个很好的落地机会。随后三到五年,我希望把研究方面或者技术方面的一些先进的技术和模型,真正的带到产业上进行落地。一方面验证或者促进研究,另一方面是希望提高这个产业本身,并引领产业的一些变革。


Alex:深度学习快速发展了一段时间,已经出现了了很多framework和工具之类的,一些很多软件工程师,或者算法工程师做这些方面的应用技术也更加容易,甚至一些高中生也可以调整参数。既然如此,我们是否还需要昂贵的AI researcher呢?


何晓冬: 会调参数的高中生相当宝贵,如果有,立马把她找过来做我的实习生!从研究方面,我们对研究员提出的要求更高了,不是说把模块,或者神经层,往那一叠,就变成了一个新模型。要在算法上真正有创新。希望研究员们的创新可以带来更多深远的影响。


Alex: 所以现在的工作更多的转向了engineering,理解市场,理解需求?


何晓冬: 对。我现在越来越关注这个方向。同时研究还是希望能继续保持,包括publication和参加学术会议,一方面知道最新的思想发展,另一方面也花一些精力看怎么样有可能在产业上产生影响,在实际过程中产生影响。


Alex: 根据你的经历,你看到深度学习技术本身,或者这个research,未来的研究方向有什么样的变化?


何晓冬: 其实 深度学习带来很多AI上的进步,但我们还有很多没有理解的地方。举个例子说,我们从感知,试别语音和图像,进化到认知,做阅读理解。实际上我们没有真正理解,人是怎么理解文字的。这可能还需要从认知(cognition)的角度来看,才能更深的理解这个问题。另一方面,我们也不知道人的大脑到底是怎么工作的,我们说神经网络,神经这个词我们是从大脑借过来的,但是并不知道大脑真正怎么工作。


Alex:所以我们叫Artificial Intelligence嘛。


何晓冬: 所以那么现在可能是个机会,我们能不能真正理解大脑是的工作机制。如果能真正理解,会促进我们技术的提高。


Alex:其实更多的角度是从脑科学,或者cognitive science去借鉴一些方法?


何晓冬: 某些研究领域是这样。但是产业方面,我倒认为,随后看得见的10年之内,深度学习是一个主流的能够推动AI前进的核心方向。这个问题很简单,并不是说深度学习本身有什么magic,而是因为整个过去十年和随后十年,一个很大的趋势是计算力(computation power)在指数级别增长。数据,特别是无结构的文本,图像,也在指数级增长。从这两点,能take这两个benefit的模型,算法和技术,也会有一个指数级增长的机会。所以深度学习就正好有整个特性,有足够大的capacity,能够用到那么大的计算力量,同时又能够把这么多数据消化掉。从一个工程化,或者应用的角度看,这是深度学习的一个优势。 从研究看,确实要懂,要理解是怎么回事,理解脑是怎么工作的,那是另外一个研究领域。


Alex: 感谢何博士对AI,深度学习整体的介绍,从introduce到语音识别,自然语言处理,到现在做的在零售领域应用AI,做到情感交互机器人互动等各个领域的介绍。也感谢你分享了个人职业生涯上,从researcher到leader的transition,包括他所做工作的不同transition。希望你在这方面能做出更多的成果,希望京东在AI落地上取得更多成果。


何晓冬: 非常感谢给我机会可以和大家进行交流。

Leadership, entrepreneurship, and AI insights

  • LinkedIn Social Icon
  • YouTube Social  Icon
  • Twitter Social Icon
  • Facebook Social Icon
  • Instagram Social Icon
  • SoundCloud Social Icon
  • Spotify Social Icon

© 2018 by Robin.ly. Provided by CrossCircles Inc.