收藏：左路Deep Learning+右路Knowledge Graph，谷歌引爆大数据

文章来自邓侃的博客。数据革命迫在眉睫。不仅学术意义巨大，而且离钱很近。所以，各大公司重兵集结，虎视眈眈。Google 兵分两路，左路以 Jeff Dean 和 Andrew Ng 为首，重点突破 Deep Learning 等等算法和应用，右路军由Amit Singhal领军，目标是构建Knowledge Graph基础设施。而在攻克技术难题之后，就是动用资本和商业的强力手段，跑马圈地了。

Google的Amit Singhal

以下为全文：

2013年1月15日，新浪微博@王威廉发了一条消息，说机器学习领域的大牛，Alex Smola入盟CMU，讲授机器学习入门课程，该课程的视频将在网上公开。

我回应了几个帖子，聊聊 CMU 与机器学习的研究进展。@老师木回复说，“机器学习是伪科学”。网友 @y_y_n_i_l 则说，“整天在实验室里面折腾算法，不如实际搞大系统”。

两个人的观点，都有出处。

图灵在1950年的论文里，提出图灵试验的设想，即，隔墙对话，你将不知道与你谈话的，是人还是电脑 [1]。

这无疑给计算机，尤其是人工智能，预设了一个很高的期望值。但是半个世纪过去了，人工智能的进展，远远没有达到图灵试验的标准。这不仅让多年翘首以待的人们，心灰意冷，认为人工智能是忽悠，相关领域是“伪科学”。

2008年6月，“连线”杂志主编Chris Anderson发表文章，题目是 “理论的终极，数据的泛滥将让科学方法过时”。并且文中还引述经典著作“人工智能的现代方法”的合著者，时任Google研究总监的Peter Norvig的言论，说：“一切模型都是错的。进而言之，抛弃它们，你就会成功”[2]。

言下之意，精巧的算法是无意义的。面对海量数据，即便只用简单的算法，也能得到出色的结果。与其钻研算法，不如研究云计算，处理大数据。

如果这番言论，发生在2006年以前，可能我不会强力反驳。但是自2006年以来，机器学习领域，取得了突破性的进展。

图灵试验，至少不是那么可望而不可即了。至于技术手段，不仅仅依赖于云计算对大数据的并行处理能力，而且依赖于算法。这个算法就是，Deep Learning。

借助于Deep Learning 算法，人类终于找到了如何处理 “抽象概念”这个亘古难题的方法。

于是学界忙着延揽相关领域的大师。Alex Smola加盟CMU，就是这个背景下的插曲。悬念是Geoffrey Hinton 和 Yoshua Bengio 这两位牛人，最后会加盟哪所大学？

Geoffrey Hinton曾经转战Cambridge、CMU，目前任教University of Toronto。相信挖他的名校一定不少。

Yoshua Bengio 经历比较简单，McGill University 获得博士后，去MIT追随Mike Jordan做博士后。目前任教University of Montreal。

Deep Learning 引爆的这场革命，不仅学术意义巨大，而且离钱很近，实在太近了。如果把相关技术难题比喻成一座山，那么翻过这座山，山后就是特大露天金矿。技术难题解决以后，剩下的事情，就是动用资本和商业的强力手段，跑马圈地了。

于是各大公司重兵集结，虎视眈眈。Google 兵分两路，左路以 Jeff Dean 和 Andrew Ng 为首，重点突破 Deep Learning 等等算法和应用 [3]。

Jeff Dean在Google诸位 Fellows 中，名列榜首，GFS就是他的杰作。Andrew Ng本科时，就读CMU，后来去MIT追随 Mike Jordan。Mike Jordan在MIT人缘不好，后来愤然出走UC Berkeley。Andrew Ng毫不犹豫追随导师，也去了Berkeley。拿到博士后，任教Stanford，是Stanford新生代教授中的佼佼者，同时兼职 Google。

Google右路军由Amit Singhal领军，目标是构建Knowledge Graph基础设施。

1996年Amit Singhal从Cornell University拿到博士学位后，去Bell Lab工作，2000年加盟Google。据说他去Google面试时，对Google创始人Sergey Brian说，“Your engine is excellent, but let me rewirte it!”[4]

换了别人，说不定一个大巴掌就扇过去了。但是Sergey Brian大人大量，不仅不怪罪小伙子的轻狂，反而真的让他从事新一代排名系统的研发。Amit Singhal目前任职Google高级副总裁，掌管Google 最核心的业务，搜索引擎。

Google把王牌中之王牌，押宝在Deep Learning和Knowledge Graph上，目的是更快更大地夺取大数据革命的胜利果实。

Reference：

[1] Turing Test.

http://en.wikipedia.org/wiki/Turing_test

[2] The End of Theory: The Data Deluge Makes the Scientific Method Obsolete

http://www.wired.com/science/discoveries/magazine/16-07/pb_theory

[3] Introduction to Deep Learning.

http://en.wikipedia.org/wiki/Deep_learning

[4] Interview with Amit Singhal, Google Fellow.

http://searchengineland.com/interview-with-amit-singhal-google-fellow-121342

业内将有数场公开课，请关注！

来源：http://www.csdn.net/article/2013-01-18/2813813-Google-DeepLearningKnowledge-and-Graph