日本人工智能公司Preferred Networks聯(lián)合創(chuàng)始人岡野原大輔

       導(dǎo)語：《華爾街日報》網(wǎng)絡(luò)版今天刊文稱，日本人工智能創(chuàng)業(yè)公司Preferred Networks認(rèn)為，科技行業(yè)的未來屬于“深度學(xué)習(xí)”技術(shù)。該公司已經(jīng)獲得了發(fā)那科、豐田和松下等巨頭的合作。

　　以下為文章全文：

　　1994年，在等待母親采購日用品的過程中，12歲的岡野原大輔(Daisuke Okanohara，音)閱讀了一篇關(guān)于數(shù)據(jù)壓縮算法的研究論文。他表示，論文中的內(nèi)容令他非常興奮。

　　現(xiàn)年33歲的岡野原大輔回憶：“這是突破性的方法。”隨后，他花了幾個月時間去了解，這一算法能否實現(xiàn)預(yù)期的效果。

　　今天，作為東京人工智能公司Preferred Networks聯(lián)合創(chuàng)始人，岡野原大輔希望帶來自己的突破，同時振興日本的科技行業(yè)。

　　過去20多年中，日本科技行業(yè)在與歐美同行的競爭中節(jié)節(jié)敗退。這主要是由于，軟件業(yè)是日本的一大短板。憑借更漂亮的用戶界面，以及面向軟件開發(fā)者更強大的系統(tǒng)，蘋果正在使日本的消費電子廠商邊緣化。

　　在機器人、智能手機元件和汽車等硬件領(lǐng)域，日本仍是領(lǐng)先者。然而，由于軟件在這些產(chǎn)品中扮演著越來越重要的角色，日本的這些產(chǎn)業(yè)同樣也面臨著受沖擊的風(fēng)險。

　　深度學(xué)習(xí)技術(shù)

　　來看看岡野原大輔及其“深度學(xué)習(xí)”軟件。與人腦一樣，這樣的軟件可以自主學(xué)習(xí)，而不必人工參與每個環(huán)節(jié)。“深度”意指人工神經(jīng)元網(wǎng)絡(luò)：這一網(wǎng)絡(luò)分為多層，從而可以解決更復(fù)雜的問題。

　　深度學(xué)習(xí)技術(shù)正在硅谷快速發(fā)展。Alphabet旗下谷歌去年以約5億美元的價格收購了倫敦創(chuàng)業(yè)公司DeepMind Technologies，而蘋果、亞馬遜、Facebook和特斯拉也在這一領(lǐng)域進(jìn)行投資。百度也于2014年在硅谷成立了深度學(xué)習(xí)研究中心。

　　美國市場研究公司Tractica預(yù)計，到2024年，企業(yè)深度學(xué)習(xí)應(yīng)用的年軟件收入將達(dá)到104億美元，遠(yuǎn)高于今年的1.09億美元。

　　對硅谷公司而言，研究深度學(xué)習(xí)技術(shù)可以讓軟件變得更好。例如，蘋果Siri等語音識別程序能更自然地回答用戶提出的問題。不過，日本公司對深度 學(xué)習(xí)技術(shù)的看法則有所不同，它們更多地希望通過這種技術(shù)去優(yōu)化硬件。它們認(rèn)為，深度學(xué)習(xí)機器能比人工更快地自我優(yōu)化，因為這類機器能夠與其他機器分享所學(xué) 習(xí)的知識，同時永不疲倦。

Preferred Networks現(xiàn)在已有30名員工

　　吸引巨頭合作

　　日本工業(yè)機器人廠商、蘋果供應(yīng)商發(fā)那科近期收購了Preferred Networks的少量股份。該公司希望機器未來能自行判斷，如何更好地組裝產(chǎn)品，甚至修理其他機器人。

　　發(fā)那科CEO稻葉善治表示：“Preferred Networks擁有這一領(lǐng)域領(lǐng)先的專業(yè)性。”除發(fā)那科之外，豐田也與該公司合作開發(fā)自動駕駛技術(shù)，而松下則希望利用該公司的技術(shù)去開發(fā)監(jiān)控攝像頭和消費電子設(shè)備。

　　Preferred Networks希望，該公司的深度學(xué)習(xí)應(yīng)用能在市場上占據(jù)核心地位。這就像是早年的微軟。在80年代初PC行業(yè)的革命中，微軟憑借操作系統(tǒng)成為了行業(yè)中心。近期，Preferred Networks為深度學(xué)習(xí)技術(shù)推出了操作系統(tǒng)Chainer。這一系統(tǒng)幫助第三方工程師編寫人工智能程序。

　　Preferred Networks于去年創(chuàng)立，目前擁有30名員工，今年8月的估值則達(dá)到1.2億美元。該公司堅持了獨立發(fā)展的道路。考慮到谷歌擁有龐大的資源，能輕易地 獲得行業(yè)最優(yōu)秀的人才，并推動全球標(biāo)準(zhǔn)的制定，這樣的策略是一種冒險。不過，Preferred Networks管理層表示，由于人手的短缺，他們被迫婉拒了一些合作機會。業(yè)內(nèi)專家則指出，日本政府對新技術(shù)的接受速度較慢可能也會給該公司帶來問題。

　　東京大學(xué)助理教授松尾豐(Yutaka Matsuo，音)表示：“Preferred Networks擁有優(yōu)秀的技術(shù)，但他們還需要了解如何與資本市場打交道。”

　　岡野原大輔表示，他從幼兒園開始就已接觸計算機。在小學(xué)時代，他就曾編寫過飛行模擬軟件。他父親、67歲的岡野原久志(Hisashi Okanohara，音)表示：“我數(shù)學(xué)不行。我想，編程可能是他天生的愛好。”岡野原久志曾供職于一家汽車音響廠商。

　　在撥號上網(wǎng)時代，岡野原大輔就曾從網(wǎng)上下載計算機科學(xué)論文，例如1994年時曾令他感到興奮的《一種區(qū)塊分類無損數(shù)據(jù)壓縮算法》。

　　他隨后前往東京大學(xué)求學(xué)。在那里，他認(rèn)識了Preferred Networks聯(lián)合創(chuàng)始人及CEO西川徹(Toru Nishikawa，音)。西川徹表示：“我知道，如果錯失此次機會，我將不可能再與如此優(yōu)秀的天才共事。”

　　物聯(lián)網(wǎng)帶來幫助

　 　作為公司執(zhí)行副總裁，岡野原大輔認(rèn)為，隨著汽車和家電等各種產(chǎn)品的聯(lián)網(wǎng)，他的專業(yè)性將可以給予幫助。他表示，這樣的“物聯(lián)網(wǎng)”將帶來問題：互聯(lián)設(shè)備能夠 獲得大量數(shù)據(jù)，但沒有任何計算設(shè)備有能力分析或傳輸這些數(shù)據(jù)。例如，汽車傳感器可以拍攝霓虹燈廣告標(biāo)識的每個像素，但這些信息對于汽車的安全行駛來說沒有 任何幫助。

　　岡野原大輔表示，人類大腦也在面對類似的信息過剩問題，但大腦可以自動擯除不相關(guān)信息。類似地，計算機必須能夠自行判斷，哪些數(shù)據(jù)具有相關(guān)性，哪些應(yīng)當(dāng)被分享給其他計算機。

　　以往，人工智能曾令許多用戶感到失望。這部分是由于計算能力的不足。日本國家高級產(chǎn)業(yè)科學(xué)技術(shù)研究院人工智能負(fù)責(zé)人辻井淳(Junichi Tsujii，音)表示，深度學(xué)習(xí)技術(shù)還需要更多突破，才能給世界帶來改變。不過，人工智能時代的到來將不可避免。他表示：“在很多行業(yè)，日本擁有多家領(lǐng) 先的公司。而Preferred Networks是一個理想的中樞，將這些公司凝聚成一個團隊。”