目前，人工智能正從比較初級的計算智能向更高層次的智能過渡。更高層次的智能包括 3 個階段，第一個階段是感知（perception）智能，機器要聽得見、看得見。聽得見是我們常說的語音識別，機器把人說的一句話，由聲音信號轉化成文字信息。

然后，就是視覺，計算機視覺（computer vision），它能夠看到東西，能夠分辨一些人臉，或者是物體，甚至一些情緒之類的變化。

通過感知階段后，人工智能進入下一個認知（cognition）階段。機器開始能夠理解一些內容。比如說語音識別，機器只是識別出了這個文字，但它不能真正知道人要表達什么信息。這里涉及對自然語言理解。對于機器來說，這是非常困難的一件事情。

認知階段的另一個方向是分析判斷，機器根據當前的情況去做一些主動的判斷。比如棋局對弈，計算機本身不知道自己是在下棋，但是操作員定義好規則之后，通過幾個超級大的深度神經網絡，它能夠做出最優的判斷。

只有當人工智能在認知上獲得了突破性的進步之后，才可能談到下一個階段：創造（creation），這時計算機開始具有情感，能夠有自主意識，能夠自己創造新的東西。這個階段離我們還非常遙遠，大家也不用太擔心計算機會毀滅人類的說法。

人工智能的大事件和穩步發展

在 1997 年，IBM 深藍戰勝了國際象棋的人類世界冠軍，這是AI發展史上比較有標志性的一件事情。但是國際象棋相對圍棋來說，還是簡單很多，很久以來大家都不相信計算機能夠解決圍棋這個問題。

到 2011 年的時候，也是 IBM 在 Watson 在 jeopardy 的比賽中，計算機戰勝了人類。它在語言的一些理解和大規模查詢方面，體現出來計算機的優勢。

2016 年，AlphaGo 擊敗圍棋世界冠軍之后，大家發現深度學習還有人工智能確實能解決很多、特別是確定性的問題。

最近幾年，人工智能有了長足的進步，主要是受 Geoffrey Hinton 的影響。他是最早提出神經網絡的三個人之一，他一直堅持不懈地做深度神經網絡方面的工作。

一直到五年前，他發現計算能力足夠強了，因為有了 GPU，并且 GPU 在不同的機器上可以構成一個集群，計算能力比十幾年前翻了百倍以上。以前解決不了的問題，現在都可以解決了，以前訓練不了的模型現在都能訓練了。

第二個方面就是有了海量的數據，更多體現在像 Google、Facebook 這樣的大公司，他們有大量的用戶數據。現在，使用大量的數據，即使采用一些非常簡單的模型，也可以獲得非常好的效果。也就是說數據往往比算法更有效。

在深度學習提出之后，首先是在語音識別領域獲得了突破，準確率相對提高了百分之三四十，圖像識別和機器翻譯方面也獲得了很大的提高。

關于深度學習，我們認為它很好的一個方面就是簡單實用。像我們做語音識別，最開始用到高斯混合模型及區分性訓練算法，非常復雜。但是有了深度學習之后，相對來說更簡單了，你只需要把數據準備好，有一個足夠大的模型，把數據放進去，就可以訓練一個很好的系統直接使用了。這可能也是深度學習的一個優勢吧！

另外一個方面，因為深度學習可以在 GPU 集群上計算，所以你也不需要買大量的機器，就能夠完成大規模的訓練。這也是為什么很多創業公司，也能夠訓練出比較大的模型及高性能的系統。

上面討論了什么是 AI，接下來我們談談作為一個創業公司，在資源非常有限的情況下，怎么去搭建一個高效的 AI 系統。AI 系統主要可以分為數據、算法和工程這 3 個部分。如果用人來打比方，數據相當于是他的血液，算法是他的大腦，工程是他的骨骼。

沒有數據的話，算法只能是停留在課本里面。只有數據和算法這兩者結合起來，才能真正成為一個產品的雛形。如果缺少強有力的工程，那產品永遠走不出實驗室，只能處于演示的階段。所以這三者要非常緊密地結合在一起，才能夠做一個真正有用的人工智能的系統和產品。

當你的產品做得還不錯的時候，系統將會獲得更多用戶的數據，把這個數據再用過來反哺系統，這樣可以形成一個正循環，不斷地提高這個系統的性能。人工智能產品跟別的產品可能不太一樣；別的產品一般做出來之后，功能做成了基本上就完成了，但是人工智能系統是一個不斷迭代，不斷優化的一個系統。

作為一個小的創業公司，特別是剛開始的時候，沒有數據，公司怎么去獲得第一批數據？其實有各種各樣的辦法，比如我們做語音識別的時候，請了一個阿姨幫我們做飯。做完飯之后，我們給她一本菜譜，讓她給我們念上一個小時，然后把這個聲音錄下來，錄了 1 個月，一天 1 個小時，一個月之后就有 30 個小時的數據了。

這些數據基本可以做一個小系統了。我們就做了一個端到端的演示系統，搭了一個服務器，然后用戶可以在 APP 中，詢問宮保雞丁等等菜，系統就可以識別出來。在這個基礎上，我們已經可以開始做一些工程優化、系統方面的工作。

這個事情做完之后，我們知道這條路是可行的。有了這個基本系統，接下來就可以用更多方法，自動化的數據采集方式來建立一個平臺。當時 Google 的 API 開放的時候，用戶可以把一批語音數據塞進去，然后系統給用戶返回結果，這個結果不一定 100% 準確，但是已經有一些基本的數據可以去跑實驗了。

顯然，真實用戶的數據是價值最高的。不過，還要看公司對這個產品的定義。作為初創公司，不能做一個大而全的系統，而要更多專注在垂直領域上，做出自己的特色。比如出門問問，關注跟出行相關的一些垂直領域，涉及查詢地點、酒店、餐館、火車票、飛機票相關的信息，團隊采集了大量這些領域的數據。這方面 1 個小時的數據，相當于采集 10 個小時甚至更多的通用數據。

搭建一個人工智能系統的時候，到底要采集多少數據？顯然數據量是越大越好，但是因為成本有限，采集基本夠用的數據就行了。這里要做一個判斷，你可以畫一個曲線，比如在語音識別方面，再添加 1000 小時，系統性能還能提高多少？一般系統達到一定數據量后，從數據上獲得的性能提升是越來越小的。到達一個拐點的時候，同樣的資源放在其他的方面，比如算法、工程方面，可能會帶來更大的效果。

在學術界，算法的研究最開始是由美國國防部領導的一些項目，帶來的一些學術上的突破。但是近五年到十年，基本上都是一些大公司和研究所，比如微軟研究院，Google 這樣的公司，因為它有大量的數據，大量的計算資源，它能夠在算法和技術方面帶來很大的提升。

作為一個創業公司，不希望再去重新制造輪子，所以盡量用一些開源的東西，比如語音識別用了Kaldi，還有 OpenFst、OpenGrm 這樣的一些開源軟件。語音合成、語義理解、深度學習這些方面基本上都是用開源的東西。因為主要還是用一些 Google 開源的軟件，整個公司的工程基礎、代碼庫還有代碼規范，都是跟隨 Google 的風格。

技術團隊的打造經驗

我們對代碼質量的要求非常高，比如強調 C++ 的編碼風格。Google 有可讀性這樣一個指標，就是說一個新人進入公司，無論之前有多么資深，假如沒有通過代碼可讀性測試的話，新人是不能夠直接把代碼提交到代碼庫里去，他必須要獲得 Readability 這樣一個證明。

所謂 Readability，就是要求程序員寫了一定量的代碼，然后代碼要提交到內部的代碼委員會，他們看到他的代碼之后，會提出大量的修改意見。可能該程序員寫了 100 行代碼，他們給他提出了 500 行的建議，這是很正常的。然后通過這樣來來回回的幾個迭代、循環，最后才能說這個程序員的代碼能力獲得了 Readability 證書。

還有，單元測試是非常必要的，特別是在一些關鍵的算法工程方面。短期內單元測試可能是耗費了很多時間，但是長期來說，它是非常重要的。因為寫大規模的軟件系統，相當于搭積木，假如有一塊不是很穩定的話，那可能搭起來的房子很快就會塌掉。特別是在特定情況下，比如人員發生流動的時候，如果沒有單元測試的話，新來的人再去改這個代碼，就不能夠保證這個代碼能完成它以前的功能。

Code Review 也是非常重要的，包括我本人在內，也是花大量的時間做 Code Review 。特別是對剛來的一些同學，我們能夠很快通過 Code Review 功能，讓他熟悉我們的代碼風格，然后讓他能夠寫出高質量的代碼。剛開始的時候，比如頭一兩個月的時候，可能花的時間比較多，但是他一旦進入軌道之后，工作的效率會提高很多。但是，前端團隊可能不太適合做這個事情。

還有代碼的提交，必須要有資深工程師的 LGTM，就是 Look Good To Me，這樣才能提交。一般情況下，如果沒有 LGTM 提交的代碼，是不符合流程的，通常我們會找他談話。

最后，需要一個比較高效的開發環境，就是要有一個強大穩定的 base 庫。我們從比較大的開源項目中，抽出一些有用的東西放到我們 base 庫里面，然后在這個基礎上再添加我們自己的一些基礎庫。

強大穩定的 base 庫是非常重要的。像 Google 的 base 庫里，大家可以看到其中很多都是最一流的工程師寫出來的，包括 Jeff Dean，這樣才能保證基礎庫的穩定和高效。

人才招聘看重解決問題的能力

怎么招人？招什么樣的人？大公司和小公司實際上是很不一樣的，大公司希望招一個非常專業的人才，我們叫 specialist，就是說在某一個領域他能做得非常深，因為大公司不需要你一個人懂10個不同方面，只需把某一個方面做細、做透就行了。

而創業公司正好是相反的，因為他總共就那么幾個人，那這個人必須把這 10 件事情要全部給做掉。我們通常希望招人能夠招一個通才（generalist），就是說不需要太專，但是他的學習能力要很強，并且也愿意去接觸更多的項目，這樣的話，才比較適合初創公司這樣快速的發展。

執行力也很重要，一定要能夠按時把任務完成，當然問題挑戰很多，我們希望員工最終能夠主動想辦法完成任務，而不要找各種各樣完不成的理由。

最后一個方面就是要有好的溝通能力，跟團隊的成員要能夠溝通，才能夠很好的合作。

小公司 CTO 要做“全能型”人才

CTO 的主要職能是什么？首先是要給公司創造價值，這肯定是最重要的。公司最重要的是什么？首先是產品，產品要質量好，能夠商業化，能夠賺錢，這是最重要的。CTO 更多負責技術方面，怎么把技術和產品更有機的結合在一起為公司創造更大的價值？

CTO 不僅要想現在的技術怎么更好地跟產品結合在一起，也要想一些中長期的計劃，就是以現有的團隊和資源，要做什么樣的投入才能夠讓產品在今后一年、兩年時間內能夠保持優勢，保持創新，能夠提高產品的競爭力。這一點非常重要，它考驗 CTO 對于策略和戰略的把控。

第二個任務是要搭建團隊，要確定今后幾年，公司要向哪個方向或技術發展。接下來，就要實現資源到位。然后，CTO 要花很多的時間去招人。CTO 不可能什么事情都能做，他一定要招到很多在某一些方面比他強的人，有了這些人后，工程技術團隊才能夠真正的有戰斗力，能夠做出一個人不可能做到的事情。

小公司在很多情況下，CTO 還扮演著救火隊員這樣的一個職能，就是有一些難題出現了，他要帶領大家沖上去把這些困難的問題解決。

作者：雷欣
編輯：吳叢叢、孫淑娟
本文選自《CTO說》