AIR 083 | 对话华为诺亚方舟实验室主任李航：大数据很多时候都是小数据

李航，华为技术有限公司诺亚方舟实验室主任，北京大学、南京大学兼职教授。他日本京都大学电气电子工程系毕业，日本东京大学获得计算机科学博士学位。李航博士的研究方向包括信息检索，自然语言处理，统计机器学习，及数据挖掘。他一直活跃在相关学术领域，曽出版过三部学术专著，并在顶级国际学术会议和国际学术期刊上发表过上百篇学术论文，拥有40项授权美国专利。

近日，在雷锋网举办的CCF-Gair大会上，李航接受了雷锋网在后台关于AIR方面的对话，阐述了华为在大数据，机器学习，人工智能三块工作的内部联系。

华为的大数据主要是哪块的？

华为的大数据主要是用在帮华为，电信，运营商去提高效率，基于这些企业多年积累的大数据去解决业务、运营上的各种问题，做智能化升级的事情，用大数据去解决各种业务遇到的问题，公司里面所有的业务应该是能（和我们实验室）联系在一起的。

以客户之一上海联通举例，那里有500万的用户，通过这些手机大量的数据来确定这些人在一天内的流动，然后我们可以去做很多的事情……

通常我们所说的大数据很多时候都是小数据，比如你自己手机里的数据你不愿意给别人去看，把所有小数据加起来才是大数据，但你不能随便把每个人的数据都拿出来，有版权，有隐私等各种问题。

而训练模型的时候需要大规模的数据，这时我们只能学一个通用的模型，学好了再把它迁移到每一个个体的数据案例上，再进一步去学习，目前这个（迁移学习应用）还没有具体的案例。

但具体地，现在华为基于大数据用机器学习在做的事情有：

其一，用文字或者自然语言检索分类照片。该方式不使用人工或机器学习的形式预先为每个照片设置一个标签，然后通过标签来处理照片。而是采用深度学习模型的方式处理照片，利用照片承载的内容产生自然分类。

其二，神经机器翻译。

其三，神经响应机，即一个自动生成式系统，这是业界第一台公开发表的能够自动生成回复的智能应答机，而不是通过大数据搜索配对实现的。

相比腾讯这样2C的数据，华为基于偏底层的数据做机器学习时，要注意些什么？

主要是研究的时候驱动力会着重跟公司的业务挂钩。

这些研究有长期的有短期的。

比如公司未来十年发展业务方向需要什么样的技术，然后反推过来需要什么样的技术。（实验室研究方向，跟华为其它业务一样，还是客户导向的？）对，可以这样说。

前一任主任杨强教授和您的管理风格有何不同？

每个人都有自己的作风，大的方向是一样的，大家都是想要把自己的研究做好，把研发推动。他也是学者，我也是学者。

我们的背景不太一样，他的方向主要在迁移学习，我的方向主要在自然语义处理，信息检索等，方向会跟人研究的内容和兴趣关联比较大。

四年前我们在一起建立了华为诺亚方舟实验室，现在各自的领域大家还坚持在做，这个是不会有变化的。

诺亚方舟实验室日常中研究和应用的比率怎么平衡的？

没有绝对的比率，实验室的目标还是围绕公司业务来的。

如果是10年规划的产品，目的是围绕未来去做，去投资，反过来就是我们需要在哪些领域去做尝试。但如果光瞄准未来10年，目标就容易很空。

如果是3年到5年规划的产品，则是要有一些阶段性的成果，甚至还有一年，半年要出阶段性成果的，这个时候会根据情况去调整，但大的方向往往都是比较明确的，主要关注人工智能、机器学习、数据挖掘等前沿科技领域的研究。

然后根据这三个方向去决定，要往哪个领域加大力度去投入，要跟哪些实际的产品去合作，平衡好长期研究和实际应用开发的两类项目，相对来说，产品开发的比例会大一些。

现在华为有两个是产品（一款产品是华为手机上的App市场。另一款产品是华为“手机服务”。）另外也有在做的业界领先的深度学习，自然语义处理相关的一些合作，这些虽然还在技术研发阶段，快一点一两年也能成功。

一些之前做大数据的大公司摇身一变说自己是做人工智能的，请问人工智能和大数据的区别是什么？

人工智能现在的核心技术就是机器学习，这两者目前几乎是画等号的，未来可能还有其它的手段可以做地更好，只是现在没看到而已。

机器学习往往需要数据，或者说大数据，跟大数据相关。

很多大数据在没被利用的时候就是一些垃圾，如果能被有效利用，用机器学习的技术，基于此做一些智能型的东西，它就是人工智能了。

人工智能的手段基本都是这个套路，基本上都是跟这三个（大数据，机器学习，人工智能）相关的。具体怎么称呼，主要看你强调什么东西。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。