從早期的神經(jīng)網(wǎng)絡研究到創(chuàng)造性解決語音識別任務，再到投身金融領域,，機器學習大牛鄧力已經(jīng)在人工智能領域叱咤三十余年,。他首次將深度神經(jīng)網(wǎng)絡技術應用于語音識別領域，性能超越之前的方法,。在語音識別技術日趨成熟之際,，他果斷「轉行」投身金融，加盟對沖基金巨頭 Citadel,。本文簡單介紹了鄧力的 AI 之旅,。11 月 10 日，鄧力將在 AI Frontiers 大會做主題演講,，介紹如何使用 AI 前沿技術抓住機遇,，解決挑戰(zhàn)。
鄧力的人工智能之旅已跨越 30 余年,。在擔任過公司研究員,、大學教授并在語音研究領域占有一席之地之后，鄧力一頭扎進了金融界：2017 年 5 月,，他辭去了微軟首席人工智能科學家的職位（盡管他曾在那領導微軟的人工智能學校并創(chuàng)立了深度學習技術中心）,，加入了管理 300 億美元的對沖基金 Citadel 并擔任首席人工智能官（Chief AI Officer）。同時辭去的還有任教超過 17 年的華盛頓大學附屬教授職位,。
和鄧力一樣,，AI 領域的其他知名教授也經(jīng)歷過職場變動?？▋?nèi)基梅隆大學機器學習系主任 Manuela Veloso 今年 5 月加入摩根大通,，領導該公司的人工智能研究實驗室?！禩he Master Algorithm》作者,、華盛頓大學計算機科學教授 Pedro Domingos 最近加入了對沖基金巨頭 DE Shaw，領導其新的機器學習研究小組,。
自從資本市場有大量數(shù)據(jù)可用之后,，金融領域的 AI 應用程度就越來越高。金融領域需要復雜的機器學習方法來自動處理數(shù)據(jù)和預測,。鄧力表示,，「我覺得現(xiàn)在金融領域已經(jīng)非常成熟了,，可以讓人工智能來大顯神威?！?/p>
作為一名成就斐然的科學家，鄧力已經(jīng)發(fā)表了 300 多篇學術論文,，并寫了一些 AI 相關的書籍,。他特別擅長深度學習。鄧力認為,，深度學習將很快掌握預測價格走勢或做出明智交易決策的能力,。
在神經(jīng)網(wǎng)絡領域的早期工作
20 世紀 80 年代中期，鄧力進入威斯康星大學麥迪遜分校攻讀博士學位,，主攻電氣工程方向,。這段時期，鄧力試圖創(chuàng)建人類聽覺模擬和語音識別神經(jīng)模型,，然而進展并不順利,，因為當時的計算機無法為大型神經(jīng)網(wǎng)絡提供足夠的計算能力，這也是導致鄧的神經(jīng)網(wǎng)絡研究停滯不前的原因之一,。
然而,，鄧力并沒有放棄。在以助理教授的身份加入加拿大滑鐵盧大學之后,，他和他的一名學生于 1993 年提出了一種增強神經(jīng)網(wǎng)絡記憶的新模型,。該模型雖然是一個完整的系統(tǒng)，但性能仍無法超越隱馬爾可夫模型,。
他博士論文的外審是深度學習知名大牛 Geoffrey Hinton,。在讀過論文后，Hinton 告訴鄧力,，在這個階段,，想要在神經(jīng)網(wǎng)絡方面有所突破太難了。這一令人失望的結果使得鄧力遠離神經(jīng)網(wǎng)絡研究,，在之后的許多年轉向貝葉斯統(tǒng)計方法和生成模型研究,。
將深度神經(jīng)網(wǎng)絡應用于語音識別
在深度學習興起之前，淺層的機器學習方法（如隱馬爾可夫模型和高絲混合模型）已經(jīng)主導了該領域將近 30 年,。
鄧力離開滑鐵盧大學后,，于 2000 年加入微軟，專注于使用貝葉斯方法進行語音識別研究,。但是結果不盡如人意,，因為多層貝葉斯網(wǎng)絡的計算機復雜度呈指數(shù)級增長。
2006 年,，Hinton 發(fā)表了論文《A fast learning algorithm for deep belief nets》,。論文表明,，即使使用三個隱藏層，網(wǎng)絡仍然能夠對手寫數(shù)字圖像及其標簽的聯(lián)合分布生成表現(xiàn)良好的生成模型,。鄧力對此很感興趣,，他意識到或許可以嘗試將深度神經(jīng)網(wǎng)絡應用于語音識別。
在 NIPS 2009 會議上,，鄧力和 Hinton 聯(lián)合組織了「Deep Learning for Speech Recognition and Related Applications workshop」,。他們首次證明，使用新方法訓練的深度神經(jīng)網(wǎng)絡在大量語音識別基準上優(yōu)于之前的方法,。研究結果發(fā)表在論文《Deep Neural Networks for Acoustic Modeling in Speech Recognition》中,，該論文由 Hinton 和鄧力合著，于 2012 年發(fā)表,。
「深度學習可以實現(xiàn)語音信號的時間和空間表示,，從而改變語音識別的原有機制，從這個層面上講機器學習是變革性的,?！灌嚵φf道。
接下來的時間里,，鄧力及其團隊將多種不同的深度學習方法應用于語音,，包括 LSTM 循環(huán)神經(jīng)網(wǎng)絡、深度卷積神經(jīng)網(wǎng)絡,、序列學習和集成學習,。這些創(chuàng)新極大提升了語音識別的準確率，且被成功整合進語音理解和語音翻譯中,。
2015 年,，憑借在深度學習與自動語音識別方向做出的杰出貢獻，鄧力獲 IEEE 技術成就獎,。
金融領域新征程
近年來,，語音識別技術已經(jīng)成熟。鄧力也準備迎接新的挑戰(zhàn),。目前他領導對沖基金公司 Citadel 的人工智能團隊,，Citadel 是世界最大的另類資產(chǎn)管理基金之一，管理超過 300 億美元的資產(chǎn),。
Citadel
從語音識別領域轉到金融領域并不容易,。盡管這兩個領域有很多相似之處，比如市場數(shù)據(jù)和語音數(shù)據(jù)本質上都是序列性的,，但金融數(shù)據(jù)面臨一些重要挑戰(zhàn)：
盡管市場和資本數(shù)據(jù)體量呈指數(shù)級增長,，但有用信息的增長并非如此。金融數(shù)據(jù)的信噪比更低,，這意味著大部分信息只是噪聲,。投資者必須區(qū)分信號和噪聲,。
非平穩(wěn)性是另一項挑戰(zhàn)。金融市場中的很多參與者互相競爭,，因此需要清除大量偽數(shù)據(jù),。
金融數(shù)據(jù)的多樣性比語音數(shù)據(jù)的更復雜，數(shù)據(jù)類型包括文本,、圖像,、語音、市場數(shù)據(jù)等,?！敢鉀Q數(shù)據(jù)問題,，經(jīng)濟和金融知識和模型會有用武之地,。」鄧力說道,。
今天,，鄧力的研究重點在于利用機器翻譯系統(tǒng)解釋文本數(shù)據(jù)，以提升量化投資,。如何將前沿 AI 研究應用到當前的機會和挑戰(zhàn)呢,？我們期待鄧力的演講。
2018 年 11 月 10 日,，鄧力將在于加州圣荷西舉辦的 AI Frontiers 大會上發(fā)表演講,。AI Frontiers 大會匯集了 AI 領域的思想領導者，展示前沿研究和產(chǎn)品,。除了鄧力以外,，其他演講者還包括：Ilya Sutskever（OpenAI 創(chuàng)始人）、Jay Yagnik（Google AI 副總裁）,、李開復（創(chuàng)新工場 CEO）,、Mario Munich（iRobot 高級副總裁）、Quoc Le（谷歌大腦團隊成員）,、Pieter Abbeel（加州大學伯克利分校教授）等,。
