AIR 083 | 對話華為諾亞方舟實驗室主任李航：大數據很多時候都是小數據

李航，華為技術有限公司諾亞方舟實驗室主任，北京大學、南京大學兼職教授。他日本京都大學電氣電子工程系畢業，日本東京大學獲得計算機科學博士學位。李航博士的研究方向包括信息檢索，自然語言處理，統計機器學習，及數據挖掘。他一直活躍在相關學術領域，曽出版過三部學術專著，并在頂級國際學術會議和國際學術期刊上發表過上百篇學術論文，擁有40項授權美國專利。

近日，在雷鋒網舉辦的CCF-Gair大會上，李航接受了雷鋒網在后臺關于AIR方面的對話，闡述了華為在大數據，機器學習，人工智能三塊工作的內部聯系。

華為的大數據主要是哪塊的？

華為的大數據主要是用在幫華為，電信，運營商去提高效率，基于這些企業多年積累的大數據去解決業務、運營上的各種問題，做智能化升級的事情，用大數據去解決各種業務遇到的問題，公司里面所有的業務應該是能（和我們實驗室）聯系在一起的。

以客戶之一上海聯通舉例，那里有500萬的用戶，通過這些手機大量的數據來確定這些人在一天內的流動，然后我們可以去做很多的事情……

通常我們所說的大數據很多時候都是小數據，比如你自己手機里的數據你不愿意給別人去看，把所有小數據加起來才是大數據，但你不能隨便把每個人的數據都拿出來，有版權，有隱私等各種問題。

而訓練模型的時候需要大規模的數據，這時我們只能學一個通用的模型，學好了再把它遷移到每一個個體的數據案例上，再進一步去學習，目前這個（遷移學習應用）還沒有具體的案例。

但具體地，現在華為基于大數據用機器學習在做的事情有：

其一，用文字或者自然語言檢索分類照片。該方式不使用人工或機器學習的形式預先為每個照片設置一個標簽，然后通過標簽來處理照片。而是采用深度學習模型的方式處理照片，利用照片承載的內容產生自然分類。

其二，神經機器翻譯。

其三，神經響應機，即一個自動生成式系統，這是業界第一臺公開發表的能夠自動生成回復的智能應答機，而不是通過大數據搜索配對實現的。

相比騰訊這樣2C的數據，華為基于偏底層的數據做機器學習時，要注意些什么？

主要是研究的時候驅動力會著重跟公司的業務掛鉤。

這些研究有長期的有短期的。

比如公司未來十年發展業務方向需要什么樣的技術，然后反推過來需要什么樣的技術。（實驗室研究方向，跟華為其它業務一樣，還是客戶導向的？）對，可以這樣說。

前一任主任楊強教授和您的管理風格有何不同？

每個人都有自己的作風，大的方向是一樣的，大家都是想要把自己的研究做好，把研發推動。他也是學者，我也是學者。

我們的背景不太一樣，他的方向主要在遷移學習，我的方向主要在自然語義處理，信息檢索等，方向會跟人研究的內容和興趣關聯比較大。

四年前我們在一起建立了華為諾亞方舟實驗室，現在各自的領域大家還堅持在做，這個是不會有變化的。

諾亞方舟實驗室日常中研究和應用的比率怎么平衡的？

沒有絕對的比率，實驗室的目標還是圍繞公司業務來的。

如果是10年規劃的產品，目的是圍繞未來去做，去投資，反過來就是我們需要在哪些領域去做嘗試。但如果光瞄準未來10年，目標就容易很空。

如果是3年到5年規劃的產品，則是要有一些階段性的成果，甚至還有一年，半年要出階段性成果的，這個時候會根據情況去調整，但大的方向往往都是比較明確的，主要關注人工智能、機器學習、數據挖掘等前沿科技領域的研究。

然后根據這三個方向去決定，要往哪個領域加大力度去投入，要跟哪些實際的產品去合作，平衡好長期研究和實際應用開發的兩類項目，相對來說，產品開發的比例會大一些。

現在華為有兩個是產品（一款產品是華為手機上的App市場。另一款產品是華為“手機服務”。）另外也有在做的業界領先的深度學習，自然語義處理相關的一些合作，這些雖然還在技術研發階段，快一點一兩年也能成功。

一些之前做大數據的大公司搖身一變說自己是做人工智能的，請問人工智能和大數據的區別是什么？

人工智能現在的核心技術就是機器學習，這兩者目前幾乎是畫等號的，未來可能還有其它的手段可以做地更好，只是現在沒看到而已。

機器學習往往需要數據，或者說大數據，跟大數據相關。

很多大數據在沒被利用的時候就是一些垃圾，如果能被有效利用，用機器學習的技術，基于此做一些智能型的東西，它就是人工智能了。

人工智能的手段基本都是這個套路，基本上都是跟這三個（大數據，機器學習，人工智能）相關的。具體怎么稱呼，主要看你強調什么東西。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。