选自Medium

作者：AIFrontiers

机器之心编译

参加：路、王淑婷、张倩

从前期的神经络研讨到创造性处理语音辨认使命，再到投身金融范畴，机器学习大牛邓力现已在人工智能范畴叱咤三十余年。他初次将深度神经络技能运用于语音辨认范畴，功能逾越之前的办法。在语音辨认技能日趋老练之际，他决断「转行」投身金融，加盟对冲基金巨子Citadel。本文简略介绍了邓力的AI之旅。11月10日，邓力将在AIFrontiers大会做主题讲演，介绍怎么运用AI前沿技能抓住机遇，处理应战。

邓力的人工智能之旅已跨过30余年。在担任过公司研讨员、大学教授并在语音研讨范畴占有一席之地之后，邓力一头扎进了金融界：2017年5月，他辞去了微软首席人工智能科学家的职位（虽然他曾在那领导微软的人工智能校园并创立了深度学习技能中心），参加了市值300亿美元的对冲基金Citadel并担任首席人工智能官（ChiefAIOfficer）。一起辞去的还有任教逾越17年的华盛顿大学隶属教授职位。

和邓力相同，AI范畴的其他闻名教授也经历过职场变化。卡内基梅隆大学机器学习系主任ManuelaVeloso本年5月参加摩根大通，领导该公司的人工智能研讨实验室。《TheMasterAlgoripm》作者、华盛顿大学核算机科学教授PedroDomingos最近参加了对冲基金巨子DEShaw，领导其新的机器学习研讨小组。

自从本钱商场有许多数据可用之后，金融范畴的AI运用程度就越来越高。金融范畴需求杂乱的机器学习办法来主动处理数据和猜测。邓力标明，「我觉得现在金融范畴现已十分老练了，能够让人工智能来大显神威。」

作为一名成果斐然的科学家，邓力现已宣布了300多篇学术论文，并写了一些AI相关的书本。他特别拿手深度学习。邓力以为，深度学习将很快把握猜测价格走势或做出正确买卖决议计划的才能。

在神经络范畴的前期作业

20世纪80年代中期，邓力进入威斯康星大学麦迪逊分校攻读博士学位，主攻电气工程方向。这段时期，邓力企图创立人类听觉模仿和语音辨认神经模型，可是发展并不顺畅，由于其时的核算机无法为大型神经络供给满足的核算才能，这也是导致邓的神经络研讨停滞不前的原因之一。

可是，邓力并没有抛弃。在以助理教授的身份参加加拿大滑铁卢大学之后，他和他的一论理学生于1993年提出了一种增强神经络回忆的新模型。该模型虽然是一个完好的体系，但功能仍无法逾越隐马尔可夫模型。

他博士论文的外审是深度学习闻名大牛GeoffreyHinton。在读过论文后，Hinton告知邓力，在这个阶段，想要在神经络方面有所突破太难了。这一令人绝望的成果使得邓力远离神经络研讨，在之后的许多年转向贝叶斯计算办法和生成模型研讨。

将深度神经络运用于语音辨认

在深度学习鼓起之前，浅层的机器学习办法（如隐马尔可夫模型和高丝混合模型）现已主导了该范畴将近30年。

邓力脱离滑铁卢大学后，于2000年参加微软，专心于运用贝叶斯办法进行语音辨认研讨。可是成果不尽善尽美，由于多层贝叶斯络的核算机杂乱度呈指数级增加。

2006年，Hinton宣布了论文《Afastlearningalgoripmfordeepbeliefnets》。论文标明，即便运用三个躲藏层，络依然能够对手写数字图画及其标签的联合散布生成体现杰出的生成模型。邓力对此很感兴趣，他意识到或许能够测验将深度神经络运用于语音辨认。

在NIPS2009会议上，邓力和Hinton联合组织了「DeepLearningforSpeechRecognitionandRelatedApplicationsworkshop」。他们初次证明，运用新办法练习的深度神经络在许多语音辨认基准上优于之前的办法。研讨成果宣布在论文《DeepNeuralNetworksforAcousticModelinginSpeechRecognition》中，该论文由Hinton和邓力合著，于2012年宣布。

「深度学习能够完成语音信号的时刻和空间标明，然后改动语音辨认的原有机制，从这个层面上讲机器学习是革新性的。」邓力说道。

接下来的时刻里，邓力及其团队将多种不同的深度学习办法运用于语音，包含LSTM循环神经络、深度卷积神经络、序列学习和集成学习。这些立异极大提高了语音辨认的准确率，且被成功整合进语音了解和语音翻译中。

2015年，凭仗在深度学习与主动语音辨认方向做出的杰出贡献，邓力获IEEE技能成果奖。

金融范畴新征途

近年来，语音辨认技能现已老练。邓力也预备迎候新的应战。现在他领导对冲基金公司Citadel的人工智能团队，Citadel是国际最大的特殊财物办理基金之一，办理逾越300亿美元的财物。

Citadel

从语音辨认范畴转到金融范畴并不简单。虽然这两个范畴有许多相似之处，比方商场数据和语音数据本质上都是序列性的，但金融数据面对一些重要应战：

虽然商场和本钱数据体量呈指数级增加，但有用信息的增加并非如此。金融数据的信噪比更低，这意味着大部分信息仅仅噪声。出资者有必要区别信号和噪声。

非平稳性是另一项应战。金融商场中的许多参加者相互竞赛，因而需求铲除许多伪数据。

金融数据的多样性比语音数据的更杂乱，数据类型包含文本、图画、语音、商场数据等。「要处理数据问题，经济和金融常识和模型会有用武之地。」邓力说道。

今日，邓力的研讨要点在于使用机器翻译体系解说文本数据，以提高量化出资。怎么将前沿AI研讨运用到当时的时机和应战呢？咱们等待邓力的讲演。

2018年11月10日，邓力将在于加州圣荷西举行的AIFrontiers大会上宣布讲演。AIFrontiers大会汇集了AI范畴的思维领导者，展现前沿研讨和产品。除了邓力以外，其他讲演者还包含：IlyaSutskever（OpenAI创始人）、JayYagnik（GoogleAI副总裁）、李开复（立异工场CEO）、MarioMunich（iRobot高档副总裁）、QuocLe（谷歌大脑团队成员）、PieterAbbeel（加州大学伯克利分校教授）等。

点击「阅览原文」，检查大会官信息。

你有多久没有出资自己了？90%的人都不知道的先进学习法