Vincent Vanhoucke是Google的首席科學家，斯坦福大學電子工程學博士，目前在Google Brain主導機器人相關(guān)的項目。Vanhoucke主要的研究領(lǐng)域是語音識別、計算機視覺和機器人等領(lǐng)域，他還即將主持機器人領(lǐng)域的盛會CoRL 2017（Conference on Robot Learning）。

Vanhoucke認為，機器智能現(xiàn)在已經(jīng)發(fā)展到一個相當?shù)乃疁剩谀承┨囟ㄇ榫诚碌谋憩F(xiàn)可以媲美（甚至超越）人類，比如機器視覺、機器翻譯、語音識別，現(xiàn)在是時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)在也正面臨著一場深度學習的革新，實現(xiàn)這一點，需要現(xiàn)在的機器學習從業(yè)者跳出監(jiān)督學習的舒適區(qū)，面臨一些棘手的問題：數(shù)據(jù)稀缺，如何使機器實現(xiàn)技能轉(zhuǎn)換以及持續(xù)性的學習等等。Vanhoucke也提到，這也是人工智能從理論到實踐的必經(jīng)之路。

Vanhoucke分別介紹了他在圖像、語音（及機器翻譯）領(lǐng)域和機器人（主要是機械手抓取）的一些研究成果。作了部分節(jié)眩

Vanhoucke說，2011年，語音識別研究者采用神經(jīng)網(wǎng)絡(luò)技術(shù)降低語音識別，錯誤率大幅降低，是語音識別領(lǐng)域十多年來最大的進步；2016年，幾乎就已經(jīng)達到人類水準了。

而機器翻譯，2014年機器學習的引入也讓機器翻譯有了質(zhì)的進步，但要說達到人類水準，還是比較勉強……

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

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

Vanhoucke認為，機器學習研究比過去更容易了，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和高性能計算硬件門檻也變低了，研究者也比以前更多。

圖片識別領(lǐng)域，除了底層技術(shù)的完善，Google已經(jīng)將圖片識別技術(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，圖像識別現(xiàn)在遠遠沒有到“succes”的地步，有40%基于圖像監(jiān)測做的決策，結(jié)果是很糟糕的。

接下來是機器人的部分。Vanhoucke是電子工程專業(yè)出身，在Google Brain主要的工作是機器人項目。他先強調(diào)了一個和很多人認知有出入的觀點：目前的機器人研究其實跟深度學習沒有多大關(guān)系。

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

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

越是少的圖像識別技術(shù)介入，機器的魯棒性就越好，能應(yīng)對更復(fù)雜的物體。后續(xù)有聽眾問及抓取對象的數(shù)據(jù)庫時，Vanhoucke說他們（Google）并不希望建立一個這樣的知識圖譜。

強化學習的引入對于機器人的研究可能有幫助，前提是先有一個能產(chǎn)生海量樣本的參照模型。

最后的結(jié)論：

1、robotics和機器學習正在發(fā)生有意思的融合；

2、對于常規(guī)的robotics問題，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。