本文共 5937 字，大约阅读时间需要 19 分钟。

本文转载自 社区， 和 TalentSeer 的创始人 Alex Ren 采访了京东AI研究院的常务副院长何晓冬博士，采访中分享了AI，leadership以及AI落地的心得。

采访视频地址：

下文是采访的文字整理。

Alex:大家好，我是Alex Ren，是TalentSeer的创始人，也是BoomingStar Ventures的合伙人。Robin.ly平台设置的初衷是为提高广大研究人员和工程师对AI，对Leadership以及entrepreneurship的理解。今天有幸邀请到京东AI研究院的常务副院长，也是深度学习语言语音研究所的主任，何晓冬博士。何博士曾任微软雷德蒙研究院主任研究员，并且担任华盛顿大学兼职教授和博士生导师。在深度学习，自然语言处理，语音识别，计算机视觉等很多领域，建树颇多。尤其对于AI，leadership以及AI落地很有心得，何博士会在这些方面进行分享。

Alex:何博士，你是今年年初加入京东？

何晓冬: 对，我在今年三月份正式加入京东。

Alex: 您读博士时主要研究语音识别，后涉猎了深度学习，CaptionBot，再到Drawing bot，AttnGan，一直到最近在做的情感客服类工作，能否介绍下您的研究兴趣？一路走来，AI从传统方法到深度学习，您的研究路径是什么？

何晓冬: 我做博士的时候是做语音识别。那个时候一般不谈自己做AI，当然语音识别本身是AI的一个核心问题。 在清华毕业以后，去中国科学院读硕士研究生的时候，我开始做语音识别。那时候还是用一些统计模型方法，比如像马可夫模型，高斯模型。到美国以后，读博士时就继续了这个方向，用统计方向来做语音识别。语音识别其实是一个很多年的核心问题，大家都在推进展。博士毕业后，我加入微软，进入微软研究院。我也是从语音识别开始做起，希望语音识别能产生一些产业上的帮助，创造价值。语音试别以后，很自然地希望理解它。因为语音识别只是把声学信号变成一连串的文字，但其实计算机并没有真正理解这个话的意思，所以为了理解这个话的意思，我们自然要进入NLP，自然语言处理，包括语言理解。我在微软研究院时候，最开始从机器翻译入手，机器翻译就是一个很核心的NLP问题。举个例子，把中文翻成英文，看似很简单，但是一代又一代科学家做了很多年。

Alex: 其实Geoffrey Hinton关于深度学习的研究，最早的应用主要在自然语言处理方面，而且也是在微软研究院最先完成的，对吧？

何晓冬: 这也是个很有趣的故事。可能现在很多人觉得图像识别很重要，但其实深度学习最开始在核心AI技术上的突破是从大规模的语音识别突破开始的。2008年的时候，我算是第一次认识Hinton。 那年邓力和我，我们是同事，在NIPS会上举办了一个叫做“Speech and Language: Learning-Based Methods and Systems”的workshop。我们邀请了Hinton介绍他最新的工作，包括深度学习。2009年 NIPS，邓力，俞栋，Hinton又举办了一个workshop。再后来微软邀请了Hinton去访问。同时开始招收实习生， 把项目做起来。大概在2010年左右，看到了深度学习在大规模的语音识别上产生了突破性的进展。

Alex:当时的很多工作还是比较前沿性的研究？后来开始大量应用是2012年吗？

何晓冬: 2010年以后， 我们在微软内部看到，深度学习已经在语音识别上取得了很多进展，认为这是一个很有前景的方向。也扭转整个业界对深度学习，特别是对神经网络的看法。在此之前大家都并不认为神经网络是一个很吃香的方向。但是由于微软及业界做出了成果，大家开始转变了观念。从那时候开始，在图像，在自然语言处理方面都有了很多进展。2012年开始，业内以很快的速度实现了很多突破。

Alex: 能否介绍下CaptionBot？

何晓冬: 因为我一直在做语言，语音这一块，包括像2012年开始，与Yoshua Bengio 合作，开始做自然语言理解，Spoken Language Understanding. 后来我们还提出了DSSM模型，也就是深度结构语意模型。 然后我们发现可以go beyond the language, 抓住深度学习的契机，把不管是语音语言，还是图像，都可在同一个语义空间用feature vector来表示，叫作embedding feature vector。这样就使得语言和图像这种不搭界的两个问题，可以统一在同一个embedding的空间里，一个语意空间里。再进一步扩展，如果能把图像和文字，按照它们本身的意义和内容，放到同一个空间里去，就可以实现图像和文字的互相转化。所以后来我们在2013年底，提出了这个proposal到微软的一个strategic intern program，开始准备做这个方向。但这不仅是我一个人的想法，也是因为数据差不多积累到合适的状态。那时MSR刚好sponsor了一个名为MS COCO的dataset，对每一个图片都有很多自然语言描述，使得我们的研究有了数据基础。同时还有一些其他的进展，包括端到端的机器学习，包括sequential model，这些深度学习模型都出现了。正好是一个合适的时间点。所以我就把我从语言理解专业又扩到了多模态的领域，具体的说是image captioning领域，并跟同事们一起打造了CaptionBot。

Alex: 后来你又做了一些研究，比如Drawingbot，AttnGAN，能介绍一下什么是AttnGAN吗？

何晓冬: GAN现在可能大家现在比较熟，就是Generative Adversarial Networks, 对抗性生成网络，被应用于生成图像。我们之所以做AttnGAN，是想做CaptionBot的反向，做一个closed loop。CaptionBot是从图片生成它的文字描述。AttnGAN，是GAN的一个扩展，是从文字描述生成一个对应图片。AttnGAN试图引入一种像人一样的attention的机制，使得我们在画图时，在画每一个局部的细节时，能对应到文字里的每一个细节。AttnGAN是专门针对局部对局部的语意对照做的一个模型，让画的图更加精细。基于AttnGAN算法我们开发的一个智能绘画机器人就叫DrawingBot。

Alex:举个例子，如果想画我们Logo的这只鸟，应该如何描述？

何晓冬: 那你可对DrawingBot说，我想画一只鸟，她的脖子是橘色的，肚子是白色的，羽翼是灰色的。Drawing bot 就会画这么一只鸟。

Alex:目前已经有人开始利用技术进行创作了吗？

何晓冬: 现在我们还在讨论阶段。其实在我来硅谷之前，清华美院举办了叫 Art and Design 3.0 Forum的论坛，我在论坛上做了一个小发言，就是展示了一些类似的例子。什么是想象力？我们以前认为只有人才有想象力，机器只有记忆。其实在某些层面上，机器是可以看到很多不同的角度，画出一只全新的鸟。这个鸟可能在这个世界上从来没有存在过，有不同的颜色。甚至我们有一个bug把一只鸟的嘴巴都画成蓝色，这肯定是不存在的。但这也可以看成机器的想象力，就像是小孩子一样，可以想象出一些世界上没出过的东西。本质上生成就是在一个空间内按某种分布采样，想象力可看成在一个合理区间的边缘采样。

Alex: 目前京东把AI的技术运用到线上线下零售领域。这方面的侧重点是什么？

何晓冬: 京东有一个很全的链条，包括厂家采购，到网站做display，交易，到售后服务，做收付款，包括送货，及可能需要的退货处理。京东的链条非常长。在每个环节，AI都可以有很重要的应用，或者促进。举一个简单的例子，比如售后服务。京东有一个智能客服机器人。如果用户买东西有些问题，可以通过聊天来问这个机器人，为什么东西还没到，为什么东西损坏了。chatbot 就是一个经典的AI应用。研究院成立以来，进一步促进了AI的应用，改进了智能客服。其中之一就是在智能客服加入了情感。以前我们的chatbot就事论事的回答用户的问题。后来我们发现，当客户来联系客服的时候，往往带有一些情绪，比如，不高兴，生气或者焦急。所以我们最近的一个工作就是，通过AI把情感智能加入到chatbot中，能够检测到用户的情绪，同时交谈时，也会相应的生成一些安抚性的语言，使用户感受到被关心被关注，更加人性化，温暖的交互使得用户的满意度提高了很多

Alex: 你本身完成了一个transition：从一个很有成就的AI研究人员，到领导京东的AI research。更多涉及AI商业化。你个人在从researcher 到 leader这个transition过程，遇到了什么挑战？什么事情促使你做了这个转变?

何晓冬: 转变可能有两个点。第一，从理论研究到实践。我以前在微软研究院，做研究更多一些。但是京东有这个机会，把AI 进行产业上的应用。比如，刚举的客服的例子。一方面是机会，一方面是挑战。怎么样让AI确实在产业层面产生大规模的impact，更加有影响力。这是挑战也是转变。意味着思考问题的出发点要进行调整。第二，如何进行多重协作。工程上有很多involvement，怎样组织多个工程团队共同工作，从而真正做到一个可大规模推广，大规模应用的程度，而不仅仅局限在实验室里。

Alex: 可以分享下带领团队方面的心得么？

何晓冬: 谈不上太多心得。就是一些个人小小的分享。比如说一个团队做事情，很多时候要给大家讲得很清楚，给大家一个统一的vision。这个事情的意义在什么地方，每个人为什么做这个事情，要让大家感到骄傲。明确purpose 同时feel proud of it. 让每个成员知道你做的这个事情将会很有影响力的。不是无足轻重，而是说目前你所从事的工作，在产业上，在本质上，在thought leadership上都很领先的。像我们的情感客服是业界领先的大规模商用。小规模的可能有，但如此大规模的商用，京东应该是领先的。认识到这一点以后，每个工程师，每个团队成员，就可以更统一起来。

Alex:你觉得中国AI研究的优势在哪里呢？

何晓冬: 中国的优势在于可以很快的放大思想的影响力。中国规模非常大，以京东为例，京东能够服务超过3亿的消费者，他们每天都会在京东这个平台上进行大量的活动，所以算法和模型上的创新，可以很快被放大到整个平台上去。同时，另一方面，用户和算法模型之间的交互比如智能客服，会产生大量数据。这些数据可以刺激新的算法。这个交互循环会非常快，这是在中国做AI的一个优势。

Alex:能说说3-5年内，你的个人目标是什么吗？

何晓冬: 我个人希望看看AI能不能在典型的大规模产业化的基础上，落地并产生影响。大家知道AI经过几次寒冬，也经过几次高潮。我个人对这次的高潮更加乐观。因为AI要真正要落地才能对整个社会产生影响。这也是为什么像京东有那么长的链条，有那么多数据，是一个很好的落地机会。随后三到五年，我希望把研究方面或者技术方面的一些先进的技术和模型，真正的带到产业上进行落地。一方面验证或者促进研究，另一方面是希望提高这个产业本身，并引领产业的一些变革。

Alex:深度学习快速发展了一段时间，已经出现了了很多framework和工具之类的，一些很多软件工程师，或者算法工程师做这些方面的应用技术也更加容易，甚至一些高中生也可以调整参数。既然如此，我们是否还需要昂贵的AI researcher呢？

何晓冬: 会调参数的高中生相当宝贵，如果有，立马把她找过来做我的实习生！从研究方面，我们对研究员提出的要求更高了，不是说把模块，或者神经层，往那一叠，就变成了一个新模型。要在算法上真正有创新。希望研究员们的创新可以带来更多深远的影响。

Alex: 所以现在的工作更多的转向了engineering，理解市场，理解需求？

何晓冬: 对。我现在越来越关注这个方向。同时研究还是希望能继续保持，包括publication和参加学术会议，一方面知道最新的思想发展，另一方面也花一些精力看怎么样有可能在产业上产生影响，在实际过程中产生影响。

Alex: 根据你的经历，你看到深度学习技术本身，或者这个research，未来的研究方向有什么样的变化？

何晓冬: 其实 深度学习带来很多AI上的进步，但我们还有很多没有理解的地方。举个例子说，我们从感知，试别语音和图像，进化到认知，做阅读理解。实际上我们没有真正理解，人是怎么理解文字的。这可能还需要从认知(cognition)的角度来看，才能更深的理解这个问题。另一方面，我们也不知道人的大脑到底是怎么工作的，我们说神经网络，神经这个词我们是从大脑借过来的，但是并不知道大脑真正怎么工作。

Alex:所以我们叫Artificial Intelligence嘛。

何晓冬: 所以那么现在可能是个机会，我们能不能真正理解大脑是的工作机制。如果能真正理解，会促进我们技术的提高。

Alex:其实更多的角度是从脑科学，或者cognitive science去借鉴一些方法？

何晓冬: 某些研究领域是这样。但是产业方面，我倒认为，随后看得见的10年之内，深度学习是一个主流的能够推动AI前进的核心方向。这个问题很简单，并不是说深度学习本身有什么magic，而是因为整个过去十年和随后十年，一个很大的趋势是计算力（computation power）在指数级别增长。数据，特别是无结构的文本，图像，也在指数级增长。从这两点，能take这两个benefit的模型，算法和技术，也会有一个指数级增长的机会。所以深度学习就正好有整个特性，有足够大的capacity，能够用到那么大的计算力量，同时又能够把这么多数据消化掉。从一个工程化，或者应用的角度看，这是深度学习的一个优势。 从研究看，确实要懂，要理解是怎么回事，理解脑是怎么工作的，那是另外一个研究领域。

Alex: 感谢何博士对AI，深度学习整体的介绍，从introduce到语音识别，自然语言处理，到现在做的在零售领域应用AI，做到情感交互机器人互动等各个领域的介绍。也感谢你分享了个人职业生涯上，从researcher到leader的transition，包括他所做工作的不同transition。希望你在这方面能做出更多的成果，希望京东在AI落地上取得更多成果。

何晓冬: 非常感谢给我机会可以和大家进行交流。

查看原文链接：