华为 AI 战略第一步：发布基于机器学习的智能网络控制系统 Network Mind
华为 AI 战略第一步：发布基于机器学习的智能网络控制系统 Network Mind
【新智元导读】华为诺亚方舟实验室昨天首次对外公布了 Network Mind——全球网络通信业界首个基于机器学习的网络大脑，实现智能化的网络控制与管理。Network Mind 原型的研发成功将促进机器学习、人工智能技术在通信网络的应用，推动下一代通信网络自动化、智能化的进程。
2016 年 10 月 26 日，华为诺亚方舟实验室对外公布了他们的最新研究成果——全球网络通信业界首个基于机器学习的网络大脑（Network Mind），可以自动检测、准确预测网络流量的变化，智能地实现网络流量的自动控制。
华为利用机器学习，实现智能化网络流量管理
随着 5G、物联网、SDN、AR/VR等技术的出现，通信网络中的数据量飞速增长、网络复杂度也急剧提升，为通信网络的控制与管理带来了巨大的挑战。但同时，巨大的信息流量也是华为——在全球通信网络中占有 1/3 份额的公司的大机会。
2016年8月10日，华为总裁任正非在诺亚方舟实验室座谈会上提到，人工智能是管理网络最重要的工具之一。任正非说：“发展人工智能与发展主航道是同等重要的发展，我们把人工智能放在这样的高度上来看。”
华为 Network Mind 的技术核心是基于在线深度强化学习，利用深度学习的强大抽象表达能力以及强化学习的自我适配、自我进化能力，让网络具有基于数据自我学习、自我更新的特性，进而实现网络控制管理的自动化和智能化。Network Mind 核心研究成果可以参见华为诺亚方舟实验室 2016 年在国际顶级学术会议 Sigcomm 发表的论文 “CODA: Toward Automatically Identifying and Scheduling Coflows in the Dark”。
Network Mind 也符合华为研发目标从产品开发转向支持商业变现的规划。据悉，Network Mind 可以帮助运营商及企业解决超大规模网络中复杂业务的差异化自适应控制挑战，实现百万级规模网元管理、毫秒级响应时间控制、业务自动适配优化等目标。
2015年12月，华为诺亚方舟实验室首次开发出 Network Mind 原型系统，与运营商网络实测结果显示：相比传统控制方式（比如网络的模板式或启发式优化算法），Network Mind能将一些关键业务指标最高提升 500%；特别是光网络，大规模光网络路径分析效率提升超过 50 倍，使光网络抗故障等典型用例分析时间从原有的 5个多小时降低到 6分钟。
“Network Mind 的一些成果预计会在华为的某些特定产品线逐步商用（1-2年内），首先会在企业网以及光传输网络领域应用，”Network Mind 项目经理耿彦辉告诉新智元：“长期目标是取代现有的网络控制系统，但这是个相当长期而且极富挑战的目标。”
针对机器学习的黑箱问题，Network Mind 项目经理耿彦辉告诉新智元，他们在实际部署系统时采用了机器学习+启发式算法双核心的做法，一来启发式算法可以给强化学习提供热启动，加速学习过程并且提供安全边际，如果因为环境变化太快或其他原因导致基于机器学习的控制效果低于阈值，系统将会自动切换到启发式控制模式，同时更新机器学习模型直到满足条件。换句话说，Network Mind 在网络状况以及业务模型发生变化时，可以自适应地更新模型，对现有业务的冲击达到最小化。
耿彦辉还表示，另一个因素是，在网络控制中即使策略不是最优，通常只会导致效率下降，与自动驾驶类似场景不同，不会产生灾难性后果。
【了解更多】
- CODA 论文地址：http://www.mosharaf.com/wp-content/uploads/coda-sigcomm16.pdf
- 华为诺亚方舟实验室主任李航博士在文章《统计、计算和未来》一文中，也对 Network Mind 相关技术做了介绍：http://www.ccf.org.cn/resources/1190201776262/2016/05/12/8.pdf
【新智元专访】华为诺亚方舟实验室主任李航：要花多少年实现（强）人工智能，不好预测
AI WORLD 2016 世界人工智能大会开场视频，展现从宇宙大爆炸到人工智能技术的恢弘历程
18日，华为诺亚方舟实验室主任李航博士在自动化学会与新智元携手举办的首届 世界人工智能大会 AI WORLD 2016 发表主旨演讲《对于AI，我们应该期待什么？》作为华为 AI 带头人，李航在演讲中指出了当前机器学习的优势及局限，并表示推理和机器学习的结合是未来 AI 发展大方向。李航还披露了华为诺亚方舟实验室如何使用人工智能改革通信网络，同时详细介绍了华为的深度强化学习软件及其控制网络、帮助工程师排除网络故障的案例。【点击阅读原文观看视频回顾】
演讲结束后，李航博士接受新智元专访，进一步阐述了他对强人工智能的理解，以及对中国 AI 产业和学术现状的看法。
要花多少年实现（强）人工智能，不好预测
新智元：您在演讲中提到，强人工智能能否实现是未知数。我们接触过做 AI 的人中，大多数都认为未来 10 到 20 年能够实现强人工智能。谷歌 DeepMind 致力于研发通用 AI，也就是强人工智能，并且认为他们可以实现这个目标，您如何看待他们的工作？
李航：谷歌 DeepMind 是当今实力最强的人工智能研究团队，我们都应该向他们学习，期待看到他们更辉煌的研究成果。所有人工智能研究人员也应该一起努力，不断提高人工智能的水平。
我曾向 DeepMind 的人请教过，他们说的通用 AI 是不是意味着强人工智能，没有得到令人满意的回答。
对人脑了解越多，你就会越加感受到其复杂，以及实现强人工智能的艰难。人体有呼吸、消化、循环、分泌、免疫等九个系统，现代科学了解最少的就是神经系统，包括大脑。有人说我们理解的人脑原理连整体的 5% 都不到，我不是这方面的专家，但可以理解这样的说法。如何在计算机上实现这样复杂的系统，确实是一个巨大的疑问。我在 AI WORLD 2016 世界人工智能大会报告里讲的情感、创造力、自由意志只是人的智能的一些重要方面。
认为图像理解、语言理解等人类智能行为很简单是我们的错觉！正如我们对彩虹和日出日落的直观感受一样。有人说潜意识中的处理占整个大脑活动的 98%。我们的意识能感受到的只是现实中发生的很少的一部分，下意识中进行的大量并行处理我们是感受不到的。
微软亚洲研究院的芮勇副院长曾说过：“在上世纪60年代，一位人工智能的科学家曾经说要实现真正的人工智能可能需要 5 到 500 年的时间，我是完全站在 500 年那边的，你要让我在后面再加个 0 我也不反对。” 未来要花多少时间才能实现（强）人工智能，我不好预测，但我相信是会花很长时间的。还有一种可能，就是我们未来有一天发现其实我们永远无法实现强人工智能。这就像历史上，热力学第一、第二定律发现之前，有许多人热衷于发明永动机，后来发现这根本不可能一样。
对于未来，我们既要乐观，又要抱着科学的态度。
新智元：有人认为，国外相对侧重 AI 基础研究（比如 DeepMind、OpenAI），而国内企业做 AI 大都偏应用——当然，解决实际问题是很好、很必要而且很应该的，但另一方面也可以被视为更容易赚钱。华为诺亚方舟实验室将来有可能进行 AI 基础方面（比如强人工智能）的研究吗？
李航：据说谷歌 DeepMind 的团队和谷歌研究院的其他团队的定位是不一样的。前者瞄着10 年后的技术，后者瞄着 3-5 年后的技术在从事研究和开发。其实在谷歌里也是做应用研究的更多一些，这是工业界的特点。诺亚对 3-5 年后技术研究的投入也是更多一些，但我们也深知基础研究、理论研究的重要性，在这方面也有适当投入。任正非总裁 8 月到诺亚视察工作时，也鼓励我们做出更多理论性的、开创性的工作。
新智元：您认为从情感、创造力和自由意志这几个角度来看，实现强人工智能是非常困难的。RNN 之父认为，“我关于好奇心和创造力的简单却正式的理论（最早在1991 年提出）认为：将 M 的学习过程（尤其是压缩过程）视为对 C 额外的内在奖励（或趣味性），促使C 想出其他值得一试的试验。我以前论证过这个简单通用的原理能够用于说明各种好奇心和创意行为，不论是在艺术、科学还是在戏剧里。我们也确实基于这个原理制造出了简单的人造‘科学家’。机器不能拥有好奇心和创意是没有道理的”。您对此怎么看？
李航：Juergen Schmidhuber 是我们非常尊敬，甚至崇拜的学者之一，他对深度学习的巨大贡献是大家公认的。去年我们邀请他到诺亚方舟实验室访问，还和他交流了一个下午。他的想法很有意思，但还停留在概念层面，科学都是需要客观验证的。
创造力不是一件简单的事情。心理学家 Mihaly Csikszentmihalyi 采访了 91 位包括诺贝尔奖获得者在内的最具创造力的人士，在他的《Creativity: The Psychology of Discovery and Invention》一书里将相关研究成果做了介绍，有一些非常有趣的发现。最具创造力的人往往拥有两面个性，比如，既聪明又单纯，既外向又内向，等等。比起他们的同行来说，他们往往不是最聪明的，但是他们对自己的事业更加专注，对面向未来的工作更加投入。创造力不仅需要非凡的个人，而且需要良好的氛围、环境，需要其他专家的支持、认可以及帮助。
新智元：最后一个问题，作为国际学术会议常客，您如何看待现今中国AI学术水平？
李航：中国人工智能研究的水平提高得非常快。就像新智元杨静总裁介绍的那样，在世界人工智能的顶级会议上来自中国的论文越来越多，被引用的次数也越来越多。
另一方面，我们应该也看到原创性的工作、突破性的工作还是主要来自美国、英国等国家。
中国的人工智能研究人员需要更加努力，尽快达到真正引领业界潮流的水平，我相信这一天是会到来的，也可能比我们大家预想的来得都快。
诺亚方舟实验室在深度学习、自然语言处理等方面做出了不少领先的成果，被认为是这方面世界上几个领先团队之一。我希望今后我们在人工智能的多个领域里有更多的、更好的研究成果出来。