正文
梁家恩：
大数据深度学习，在工业界取得了举世瞩目的成果。如果没有深度学习和过去互联网发展积累下来的大数据，现在可能我们没法看到这么好的结果，这在听觉、视觉方面的进展是毋庸置疑的。现在深度学习的“黑盒子”属性没有完全解开，有些科学家觉得深度学习太工程化，在数学上不是特别优雅，和传统机器学习不一样，但是在工业界非常实用，在未来一段时间里，还会发挥非常重要的作用。大数据深度学习，特别适合解决数据量很大的端到端的序列映射问题，效果非常好；如果说不太适合的场景，就是数据规模不够大、或者不是一个简单的序列映射的问题，比如符号理解、推理和对话。目前的深度学习网络结构通常是设计好的，如何根据问题寻找适合的网络结构，这点上需要更多的研究和推进，也是我们期待的。至于大数据，我们现在的机器学习，用到的训练数据主要还是靠人工干预得到的标注数据，并不是一个真正的大数据。所谓大数据，应该是能用上人处理不了的数据规模，这是未来的机器学习的一大挑战，这个跨度非常大，也是目前的一个热点所在。人类的学习，是以进化了很多年的大脑为基础，感知特征抽象能力非常强，人出生以后，各种学习都是在相对比较小的样本上进行的，能很快通过适应和调整，达到较高的认知水平，这是我的看法。
罗杰波：
因为我最近教书教多了，一般我不上来就说自己的观点，我讲几个故事，你听完了就知道我的观点。我们今天讲人工智能，我们可以拿人的智能做一个例子，我以前的导师有一个小孩子很聪明，3岁时候有一个现象，因为我的头发是自然卷，长的时候是卷的，理完发就不卷了，我每次理完发他就不认识我。我想说什么意思，3岁以前，我认为人不是用深度学习，我认为到5岁以后，就具备深度学习的能力了。但是我的观点是，深度学习只能让一个机器达到5岁的智能。
颜水成：
会不会是3岁的时候，深入学习模型还没有学好呢？
罗杰波：
我主要想说的是，深度学习只能让一个系统达到5岁，5岁对世界的认识是什么呢，主要是感知，不是认知。我再讲一个例子，我女儿的例子，我女儿我认为她很聪明，至少比我聪明，这个是IQ指数出来的，她现在16岁了，她在美国从小长大，她不知道腌黄瓜pickle是从黄瓜来的，因为我们在中国长大，我们知道腌黄瓜怎么出来的，我一到美国就知道。她没有见过，但是她在16岁某一天突然反应过来了，她认知腌黄瓜是从黄瓜来了。我认为5年级的学生就不需要大数据了，你问他，他也能知道腌黄瓜是黄瓜来的。我讲这两个故事的意思呢，我认为深度学习“不”可能让我们达到强人工智能的地步，但是深入学习让我们把底层的问题，比如说视觉是我们人感知世界的主要手段，占70%的信息是从视觉来的，视觉这个问题不解决，想讨论更上层的人工智能的问题，这是没有基础的。因为深入学习，计算机视觉有一个长足的进步，让我们在这个基础上可以真正去探索，去解决强人工智能的问题，这个就是我的观点。
颜水成：
我非常赞成黄老师的观点。我们先讨论一下基于大数据的深度学习为什么这么重要，我想从这个角度分享一些我的观点，大家可以看到，大概在2015年2016年早期的时候，大家在讲人工智能的时候，主要讲人工智能的三要素，大数据，计算能力和算法。但是2016年底和2017年初有一些变化，大家讲人工智能有四个要素，有大数据，有计算，有算法，还有一个是场景。场景是非常重要的，从工业界的角度来说，如果人工智能算法或者说能力没有落地的场景，人工智能就没有它的价值。如果从这个角度出发，我们会发现，大数据是非常关键的。为什么呢？如果这个场景本身不产生大数据，很可能是大家比较关心它，很重要，但可能不是高频的应用。有些场景从整个社会的层面来说是非常有价值，比如说一种特有的疾病，如果能治好那是非常有价值的，但是可能的病人的数字不是特别多，这个时候比较适合从国家投入的角度去解决问题。从商业的角度来说，如果这个场景没有足够的数据，这个商业场景不可能往前走，要想有比较好的应用场景，必须有价值，也要高频，一定就有大数据，大数据驱动深度学习往前推动，我认为是因为大家越来越重视人工智能的落地性，希望在工业上产生价值而带来的结果。
陈宝权：
大小数据是一个相对的概念，我之所以提出小数据，是针对你最后要达到的目标，目标越来越高，可是你处理的对象越来越复杂，相比之下，手头所拥有的数据就会显得越小，，所以大小数据是相对的概念。如何在有限的数据的情况下，也就是说不是你想多大就有多大数据的情况下，可以仍然达到你预期的目标，这就需要小数据的概念。
颜水成：
为什么拿不到大数据，是因为这个场景根本无法拿到这个大数据，还是你根本无法标志这个数据？
罗杰波：
大数据不是简单的很多数据，没有标定的大数据是没有用处的，所以即使现在我们有能力拿到很多数据，其实要建立很强大的人工智能系统，比如说人脸识别，它是需要很多标定的数据。为什么人脸识别发展这么快，是因为有大量标定数据。在别的领域，比如医学，实际上医学应该是限定领域的问题，它应该发展得比通用图像识别要快，但是它现在没有跟上来的原因，就是因为没有足够的标定的数据。我想跟大家说一点，我们要大数据，但是我们更需要的是有标定的大数据。
山世光/主持人：
这里是不是存在一个有效大数据的问题？比如我观察一类物体做识别，你看到一个物体的大量的样本，并不等于你见了这一类物体的大量的不同的相似物体的大量样本。我刚才问题的意思是说，是否是我们现在所有碰到的AI问题，只要有有效的大数据，用深度学习，就一定可以解决好？甚至是否可以说只要机器见到了比人见到的更多的大数据，用深度学习就可以做的比人好呢？
黄铁军：
我一定要提醒大家一下，小样本是相对于大数据而存在的，不要绝对化。举个例子，比如特殊事件，异常事件，说缺乏大数据，搜集不到那些数据，车哪能老撞？这种缺少大数据的情况怎么办？没有大数据！其实这是开发是错误的，正常的数据都给你了，突然出现不正常的，异常实际上正常大数据的例外，仍然是大数据。通用智能能做到这一点，实际上仍然是大数据驱动的，因为你见到太多的正常，突然出现不正常，你就应该有发现不正常的能力，你发现异常的能力来自哪里？仍然是基于大量的数据训练。
颜水成：
在360曾经有一件事情，是关于杀毒软件的。以前的做法，用算法把病毒和非病毒分开。360有一段时间做白名单，就是把你电脑里，网上云盘里存的文件，有极其多不是病毒的样本，不一定有特别模式，存下来，有这些大数据在那个地方，当你的电脑上出现一些文件，我可以非常肯定地确定一些样本一定不是病毒，这个就跟刚才说的异常事件一样，不一定通过分类的方法，而通过白名单确定这些东西一定是好的，剩下的就是我们需要注意的就可以了。
山世光/主持人：
这次为什么勒索病毒没有搞定呢？
颜水成：
这个的原理不一样，它是一种通过新的端口漏洞进行攻击。通过早期监测发现一些异常以后，360的安全工程师就把它确定，很快360就有修复的SDK发布出来了。
罗杰波：
我赞成黄老师说的，大数据大家一般想到的都是监督学习，但是大数据学习有一个重要的手段，就是无监督学习，当你把正常的样本了解得很清楚以后，任何跟它不相像的东西就是异常的outlier。 现在很多人认识到，深度学习要向无监督学习方向发展。
山世光/主持人：
有没有哪位嘉宾觉得：即使现在有了有效的大数据，还有解决不了的问题呢？
黄铁军：
所谓的数据，就是描述你要解决问题的素材，你要解决什么问题，一定要对这个问题描述，比如说我要解决这个问题，目前的深入学习能不能解决好，那取决于背后的网络模型是不是够强大，算法是不是好，不是方向对不对，而是数据在哪儿？大家可以不断提高新的模型和算法，今天解决不好，可能过一段新模型就解决了，数据还是那些数据，大数据和神经网络、机器学习的大方向没错。
山世光/主持人：
我的意思就是，有什么问题是现在我们知道的深度学习模型搞不定的，即使我们与足够大规模的有效数据。
