Adam Berenzweig（左二）在斯坦福人的一場人工智能專家論壇上。圖片來源：Forbes。

Adam Berenzweig獲得哥倫比亞大學博士學位后，在谷歌工作了超過十年的時間，建造了最早的谷歌音樂推薦系統(tǒng)，并參與了谷歌新聞、Goggles（Google的圖像搜索應用）和實時搜索等項目工作。在Goggles，他開發(fā)移動應用，讓用戶可以將攝像頭對準世界上的任意物體，人工智能會識別物體并提供相關信息。要知道在當時，深度學習和復雜物體識別技術八字都還沒有一撇。

“我們可以做局部特征提取和指紋識別，這對標識、藝術作品和海報還不錯。所以人工智能可以識別街對面的電影海報，但是搞不懂貓和狗有什么區(qū)別，或者椅子和桌子有什么區(qū)別。”Adam說。大概2012年左右，神經(jīng)網(wǎng)絡可以識別圖片中的物體了。

“我職業(yè)生涯的大部分都在使用機器學習打造產(chǎn)品。我喜歡利用最新的研究突破，研究如何將其應用在實用性強、影響廣泛的項目中?！?/p>

在谷歌工作十年之后，Adam受到Matt Zeiler的邀請創(chuàng)建機器學習公司Clarifai，目標“將大規(guī)模深度學習帶入日常生活。”作為公司CTO，Adam打造了大部分的機器架構，還涉及了產(chǎn)品?！癕att Zeiler在2013年贏得了ImageNet國際計算機視覺挑戰(zhàn)賽（編者注：ImageNet有“計算機視覺的奧林匹克”之稱，是斯坦福計算機專家模擬人類識別系統(tǒng)建立的計算機視覺系統(tǒng)識別項目。2015年大賽中微軟獲勝、百度因作弊未入榜。）當時，這些模型逐漸顯示出它們的實力?！盇dam說。

“他在這個領域內(nèi)工作了一段時間，他看到了這些系統(tǒng)正在穩(wěn)步、緩慢、逐步積累地成長。他給我展示了他的早期演示，這在系統(tǒng)性能方面是一個明顯提升，很明顯，這種性能提升為很多新應用打開了空間?！痹贑larifai工作了兩年后，Adam于幾周前剛剛離開，回歸自己最初對于個人化推薦的熱情。

“現(xiàn)在，每個人擁有和不斷創(chuàng)造的數(shù)據(jù)跨越了很多不同的服務。如果我們可以將數(shù)據(jù)集中在一個地方，讓用戶可以更好地直接接觸到這種科技巨頭們在做的個人模型，我們將大有可為?！盇dam說。這是他職業(yè)生涯的下一個目標。“如何建造機器驅(qū)動的產(chǎn)品，實現(xiàn)以數(shù)字為中心，并將機器學習的結果以不讓人混亂的方式呈現(xiàn)出來?！?/strong>

Adam Berenzweig。圖片來源Linkedin。

Adam在Hacker Unit的線上課程中，分享了他從事機器學習13年的心得：

1、“打造試驗的系統(tǒng)萬分重要?！?/h2>

你用來打造試驗的系統(tǒng)萬分重要：你能夠多快地通過不同參數(shù)和配置帶來新的試驗？在沒有很大工程量的前提下，你能多快地設計新試驗并建造模型？接下來的問題就是將結果視覺化，可以快速看到什么結果行、什么結果不行，從而決定接下來專注做什么、不做什么。在我的經(jīng)驗中，我經(jīng)常從零開始，但是貌似現(xiàn)在有很多人都在研究這些東西，所以開源工具越來越好了。

2、“文字呈現(xiàn)會影響訓練數(shù)據(jù)的數(shù)量和質(zhì)量?！?/h2>

從實驗室獲得訓練數(shù)據(jù)時，思考一下你將如何在頁面上呈現(xiàn)它。要細化到這種程度：用多大的字體、一頁上有多少個物件。這看起來有點傻，不像開發(fā)智能硬件的“硬派風格”，但是實際上這些都對訓練數(shù)據(jù)的數(shù)量和質(zhì)量有很大影響。

3、“給用戶改正錯誤的機會?！?/h2>

現(xiàn)在，有許多產(chǎn)品在某種程度上都包含了機器學習技術。所以，在打造產(chǎn)品的時候腦子里要記住這一點：這個產(chǎn)品里出來的數(shù)據(jù)，會是好的訓練數(shù)據(jù)嗎？這是我認為必須一直關注的點。正確的做法可以是，當錯誤發(fā)生的時候給用戶改正錯誤的機會，確保這在產(chǎn)品的使用流程之內(nèi)。給用戶呈現(xiàn)的感覺應該是，這是對我有價值的東西，因為這會幫助改正產(chǎn)品中的錯誤，這對用戶自己也有好處。

4、“找到好的標識員，保持長期關系?！?/h2>

關于亞馬遜土耳其機器人（譯者注：一個Web服務應用程序接口(API），開發(fā)商可以遠程調(diào)用人的智能來完成一些對計算機來說很難的“簡單”任務，例如撰寫產(chǎn)品描述或選擇某一主題的最佳照片等），我的個人經(jīng)驗是很難找到好的標識員，因為這上面人們的流動性很快。實際上，很多標識任務得讓人花時間適應，基本上要接受一定訓練。我們最終使用了其他的系統(tǒng)，獲得了一些可以保持長期關系的人。那非常重要。

5、“在網(wǎng)站上放一個演示，抓住人們的想象?！?/h2>

我們建立Clarifai的時候，我們沒有很多的收入。我們有產(chǎn)品，我們在API上有用戶，剩下的，就只有一個“這是一個好機會”的信念。關于Clarifai的另一點是，圖像很容易用來作為演示，所以我們從早期開始在網(wǎng)站上就一直有一個演示，讓人們直接地看到產(chǎn)品的可能性，抓住了他們的想象力。在其他領域，要不是數(shù)據(jù)非常具體——例如某個公司的企業(yè)數(shù)據(jù)——要不就是不太容易進行視覺呈現(xiàn)。我想這是一個很大的挑戰(zhàn)。

6、“必須玩得起GPU?！?/h2>

單單用一個GPU就能實現(xiàn)很多東西。也許在未來的一兩年會改變，但是多GPU系統(tǒng)——如何在多個GPU上將訓練最優(yōu)化——這個問題我覺得還沒有解決。因此，大部分人還不用考慮這個問題。我認為你用同一個GPU就能得到很多，可擴展性只是能不能在訓練中將數(shù)據(jù)輕松轉(zhuǎn)移的問題，而且這會有一個長期的服務。

7、“不能忽視開源?！?/h2>

開源系統(tǒng)有非常強的社區(qū)，并且在快速提升。你可以去了解一下，看看是不是值得轉(zhuǎn)移去開源社區(qū)。我認為得看領域。其他很重要的因素是團隊的技能如何、人們習慣使用的語言是什么、他們是否真的熟悉這些框架。我認為他們挺好的。

8、“如果這是你想深入的方向，那就定制化。”

我們一直會使用我們自己喜歡的方法。如果那本來就是我們自己也想深入的方向，或者，如果我們出于其他理由覺得，這對別人來說也會非常有用，我們就會愿意為客戶定制化。當我們心里想到“這是個很好的領域，我們該做?！蹦敲?，我們就會去做。有時候，我們會為定制化收費，因為我們投入了額外的工程時間，有其合理性。有時候我們不會收費，這通常是洽談過程的一部分。主要這得看客戶的體量。

9、“找到對你來說可行的東西，然后去找相應的投資人。”

可行的東西有很多，你只需要幾個就夠。也許是一支有成功案例的隊伍，也許是一種別人都沒有的技術，也許是產(chǎn)品演示中很好的產(chǎn)品感覺，或者很好的執(zhí)行能力、公司愿景與想象力，或者是發(fā)現(xiàn)一種還沒有人實踐的新機會。Clarifai最初有很多可行的點，但是我們聽到了一種評論，就是我們同時想做到的事情太多了。我們在建造API，我們還有圖片應用。我們成功了，但是有一些投資人因為這一點轉(zhuǎn)身離去。這其中的關鍵就是，找到對你來說可行的點，然后去找到相應的投資人。

 

Via BeMyApp

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。