隨著人工智能成為科技巨頭們的下一個決戰(zhàn)場，各大科技巨頭均加緊了對相關學術人才的招攬。深度學習的“四大天王”中，Geoffrey Hinton在Google，Yann Lecun在Facebook，Andrew NG在百度，正當大家猜測蘋果是否會向學術界碩果僅存的Yoshua Bengio示愛時，蘋果在本周一公布，來自卡內基梅隆大學（CMU）的副教授Ruslan Salakhutdinov，成為蘋果首任AI總監(jiān)。

Ruslan Salakhutdinov，Who？

對于公眾來說，Ruslan Salakhutdinov是一個不怎么熟悉的名字，在維基百科的詞條下，這一名字對應的（更知名的）是一位俄羅斯足球運動員。那么問題來了：

為什么蘋果放著那么多大牛不找，而是找了一位今年2月才從助理教授升上來的“資淺”副教授？

但對于深度學習領域的學者來說，Ruslan Salakhutdinov并非籍籍無名之輩。從整個神經(jīng)網(wǎng)絡和深度學習的歷史看，最重要的拐點是2006年7月，Geoffrey Hinton為第一作者的兩篇論文《A Fast Learning Algorithm for Deep Belief Nets》和《Reducing the Dimensionality of Data with Neural Networks》的發(fā)布，前者首次提出了layerwise greedy pretraining的方法，開創(chuàng)了深度學習方向；后者提出通過最小化函數(shù)集對訓練集數(shù)據(jù)的重構誤差，自適應地編解碼訓練數(shù)據(jù)的算法deep autoencoder，作為非線性降維方法在圖像和文本降維實驗中明顯優(yōu)于傳統(tǒng)方法，證明了深度學習方法的正確性。正是這兩篇論文引起了整個學術界對深度學習的興趣，才有了近十年來深度學習研究的突飛猛進和突破。

而Ruslan Salakhutdinov，就是深度學習歷史上最重要的標志性論文之一、發(fā)布在Nature雜志上的那篇《Reducing the Dimensionality of Data with Neural Networks》的第二作者。此時的他不過是剛剛進入Geoffrey Hinton門下不久的一名博士生（Ruslan Salakhutdinov于2009年獲得博士學位），但并不影響其在深度學習領域中的輩分。

Ruslan Salakhutdinov對人工智能的貢獻還在于學習深度生成模型的研究上。2007年前后，Ruslan Salakhutdinov與Geoffrey Hinton提出了一種在前饋神經(jīng)網(wǎng)絡中進行有效訓練的算法。這一算法將網(wǎng)絡中的每一層視為無監(jiān)督的受限玻爾茲曼機，再使用有監(jiān)督的反向傳播算法進行調優(yōu)（Ruslan Salakhutdinov的博士論文就是這方面的內容）。在獲得博士學位后，Ruslan又花了兩年時間從事博士后研究工作，從2011年起在多倫多大學擔任助理教授，今年2月，他從多倫多大學轉到卡內基梅隆大學，并實現(xiàn)了從助理教授到副教授的跨越。

從2006年的標志性論文發(fā)表到現(xiàn)在為止的十年中，Ruslan Salakhutdinov的研究成果層出不窮。截止本文發(fā)布之日，Ruslan Salakhutdinov的論文總引用數(shù)量達到16819次，其中近5年的引用次數(shù)為15191，這也說明了在其一直活躍在深度學習的前沿領域。

從另一方面，蘋果在AI研究方向上更加低調和和現(xiàn)實，在雷鋒網(wǎng)之前的《重磅：蘋果人工智能最完整解密，iBrain早已無處不在》與《蘋果人工智能不行？你被它的表象騙了》兩篇文章中也可以看出，蘋果在其人工智能負責人的選擇上并不以一味追求名氣，而是將AI作為其解決實際問題的工具。有理由相信，蘋果最終選擇Ruslan Salakhutdinov，是因為Ruslan Salakhutdinov的科研方向能夠最好的實現(xiàn)蘋果的需求。

那么，蘋果最看重Ruslan Salakhutdinov的什么特質呢？

答案是：其創(chuàng)造力和天馬行空的想象力。

這一點從去年Bloomberg的一篇報道可見一斑。在Ruslan Salakhutdinov成為蘋果AI總監(jiān)后，Bloomberg記者Jack Clark發(fā)表推特稱，“雖然Ruslan在人工智能領域做出了卓越的貢獻，但在我心目中對他的印象依然是那個‘廁所計劃’的幕后推手”。而Ruslan也轉發(fā)了這條包含這篇報道的推特。雷鋒網(wǎng)特此編譯全文如下：

《人工智能：讓計算機按照人類意愿畫畫》

對于那些自尊心極強的藝術家來說，十有八九不愿意畫一幅類似“田野中的抽水馬桶”的作品。不過，先進的人工智能技術卻能賦予計算機具備這樣的能力，繪制出任何充滿離奇想象力的場景。

如果你看下上面這張圖，會發(fā)現(xiàn)其實是一個“田野中的抽水馬桶”的拼貼畫，它是靠計算機智能想象力繪制出來的，你可以先花上一分鐘時間，自己冷靜體會下。

多倫多大學的研究人員設計出了一套系統(tǒng)，允許用戶輸入關鍵詞，比如“田野里的抽水馬桶”或其他任何離奇的場景，然后計算機就會根據(jù)這些關鍵詞繪制圖像。

實際上，硅谷不少人工智能實驗室也在研發(fā)類似的項目，比如像微軟和百度這樣的科技公司，他們在過去的研究中已經(jīng)有所突破，可以讓計算機讀取圖像中的內容。而像谷歌公司今年推出的 Deep Dream 研究項目，則是能讓計算機在圖像上畫出一些微小的細節(jié)，但是繪制規(guī)模較大，且與某個主題想貼切的圖像，Deep Dream 目前還無法實現(xiàn)。

當然你會發(fā)現(xiàn)，這張來自于多倫多大學發(fā)表論文中的“田野中的馬桶”照片，其實也是非常模糊，而且也是一副較小的畫作。之所以會有這樣的結果，是因為訓練計算機畫圖本身就是個異常復雜的過程。

機器學習初創(chuàng)公司 Indico Data Solution 在相關領域也進行了深入研究，希望能讓計算機繪制出高質量的畫作，他們和 Facebook 公司的人工智能研究人員共同開發(fā)了一套能夠合成人臉的智能系統(tǒng)，見下圖：

看到上面這些由人工智能繪制的人臉，是不是感到有些毛骨悚然？實際上，Indico Data Solution 公司和 Facebook 公司的人工智能研究人員所組成的團隊正在利用神經(jīng)網(wǎng)絡開發(fā)能夠繪圖的人工智能工具，他們并沒有讓軟件去抓取圖片中的重點特征，而是采取了讓軟件“自主生成圖片特征”的方式——去繪制人臉或臥室等圖像。Indico Data Solution 公司所開發(fā)的工具，其實并沒有多倫多大學的復雜，其重點，是要讓神經(jīng)網(wǎng)絡掌握理解圖像和語言之間關系的能力。但是，根據(jù) Indico Data Solution 公司聯(lián)合創(chuàng)始人 Alec Radford 透露，他們研究的一個重要方向，其實是要讓計算機在開始自主繪制現(xiàn)實圖像之前，先去學習、了解這個世界。

讓計算機畫畫已經(jīng)引發(fā)了研究界的轟動。谷歌高級研究科學家 Ian Goodfellow 表示，他期待明年和其他研究人員舉行會議專門討論這項研究，甚至希望能夠專門創(chuàng)立一家初創(chuàng)公司來從事相關研發(fā)工作。

也許未來，這項研究真的會帶來一定的商業(yè)影響力，甚至能讓藝術家和設計師失業(yè)。科技公司一直渴望實現(xiàn)設計工作自動化，比如 Autodesk 公司，他們就在和一家名為 Grid 的人工智能初創(chuàng)公司合作，試圖開發(fā)能夠自動設計家具的軟件。而像 Facebook 和谷歌這樣的科技巨頭，也一直在嘗試在自己的產品中整合人工智能技術。

Ruslan Salakhutdinov 是多倫多大學助理教授，目前負責“田野里的抽水馬桶”項目，他表示現(xiàn)在的研究已經(jīng)讓他們了解到很多神經(jīng)網(wǎng)絡的工作原理，也有助于提升其他人工智能領域的研究。

（原文刊于bloomberg.com）

Ruslan Salakhutdinov的其他重要研究成果還包括（附PDF鏈接）：

《學習深度生成模型》

《深度學習講座，Part 1》

《深度學習講座，Part 2》

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。