同样是认猫，这家小公司居然比Google强？对，只用几张图片

△ 来源：Bloomberg

量子位 李林 | 整理编译

认猫，是人工智能技术发展的第一推动力。

2012年，吴恩达和Jeff Dean带领的Google Brain研究小组用16000个处理器，建造了一个由10亿多个连接点构成的神经网络。随后，他们用1000万张从YouTube视频中截取的图片对这个神经网络进行训练，让它认出了猫。

昨天，创业公司Gamalon也以认猫为例展示了他们的AI，不过，这个AI不需要大量训练数据，只需要几张图片做例子。

说到这里，你大概能够猜到，他们用的一定不是深度学习。

这家公司所用的技术称为贝叶斯程序合成（Bayesian Program Synthesis），能够自动生成出只需少量数据就可以进行学习的算法。贝叶斯概率提供了一种数学框架，能够根据经验来提炼对现实世界的预测。

在认猫这件事上，我们先给Gamalon的AI提供几个例子，让它对猫的胡须、尾巴、眼睛等部分建立印象，然后这个系统每见到一张新的猫，都可以继续升级自己对于猫的认识；如果用深度学习算法，你就需要提供尽可能多的、不同类型的猫咪照片来训练它。深度学习无法处理数据太少所带来的不确定性。

将Gamalon的这种从少量数据来学习的技术应用到其他任务上，能够带来巨大的影响：借助它，机器人可以迅速探索并理解新的环境，计算机不用联网就能了解你的喜好。

△ Gamalon创始人、CEO Ben Vigoda

Gamalon创始人Ben Vigoda说，他们的软件能在笔记本电脑上运行，比现在流行的深度学习算法节能100倍。深度学习算法需要上千台计算机、上百万张图片来训练的任务，他们只需要几台电脑和少量图片就能完成。

这家公司创建于2013年，得到了硅谷VC们450万美元的投资，背后还有美国国防部研发机构DARPA的支持。过去几年时间里，他们一直在对概率模型进行优化，拓展它的使用范围。

十几年来，学术界一直在对基于概率的人工智能进行探索，例如2015年，MIT、纽约大学、多伦多大学的科研人员组成了一个团队，用概率方法教计算机来识别字符和物体，只需要一个例子就够了。这个团队中的Ruslan Salakhutdinov后来成了苹果的机器学习主管。

（论文传送门： http://cims.nyu.edu/~brenden/LakeEtAl2015Science.pdf ）

但是，将这类算法付诸工程实践的不多。商业界使用类似技术的有微软对Xbox游戏玩家进行排序的TrueSkill、Uber去年收购的创业公司Geometric Intelligence。这类系统没有被广泛应用的一个主要原因，是它需要人类需要进行复杂、耗时的数据计算，来人工调整概率模型。

Gamalon则宣称他们的软件可以自动调整模型。

虽然Vigoda说他们的技术可以广泛应用，但Gamalon还是从一个小的领域开始切入。他们的第一个产品叫做Structure and Match，用来搜索数据库然后对数据进行统一，例如统一不同拼写的客户名称和地址。通讯硬件制造商Avaya是Gamalon少数早期客户之一，一直在使用这个软件。

Avaya有数千家分销商，他们记录客户数据的方式各不相同。为了让有效地搜索数据，Avaya需要统一数据格式，例如他们曾用来几个月的时间，雇佣人力来把数据库中街道名前面的St.改成Street。而Gamalon产品只需要几天就能完成同样的工作。

“用Gamalon， 匹配85％的数据，而不是数天，“高级总监Cary Gumbert说。 与查找和替换搜索工具不同，软件可以识别上下文，所以它不会转向，例如，“St.”在“St. 路易斯“变成”街道“。”如果我们训练它，告诉它在哪里错过了什么，“Gumbert说，”它会变得更好。