李杉 编译自 Wired
量子位 出品 | 公众号 QbitAI

目前在用的所有人工智能都是二流的，就像一个愚蠢的蜥蜴大脑，对世界的复杂性一无所知。所以，它才需要大量的数据。我们想要构建的更像是哺乳动物的大脑。

说出这番话的，是哈利·瓦尔普拉（Harri Valpola），44岁，人工智能创业公司The Curious AI Company创始人。

△ 哈利

对目前人工智能进步速度充满失望的哈利，有着似乎遥不可及的目标：他做梦都想创造一个思维互联网，一个由相互连接的人工智能组成的互联网。

“从我们的角度来看，它就像一个巨型大脑。”他说。

他创立的Curious AI位于芬兰赫尔辛基，有20名员工，刚刚获得了367万美元融资。这样的数字和众多科技公司相比简直不足挂齿，但考虑到这家公司什么实际产品都没有，完全着眼于研究，可以算是一笔不小的投资。

给一家不接地气的研究所，投入几百万美元，背后有什么道理可讲？

公司投资者Balderton Capitald的合伙人Daniel Waterhouse说，他们寄希望于研究的过程中可能出现一些产品和商业机会，而且，哈利也已经组建了世界级的团队。

在这种语境下，“世界级”意味着具有学术天赋的人才。

哈利自己，就有着无可挑剔的学术背景。他是芬兰神经网络先驱Tuevo Kohonen的学生，曾在阿尔托大学（Aalto University）研究人工大脑长达20年。

但是，直到2007年离开学术界，将自己的理论应用到现实问题中的“脏数据”时，他才意识到自己的研究中缺少什么。

未成功的革命

哈利想将20年的理论研究付诸实践，为它们找到用武之地。

于是，他参与创立了ZenRobotics，一个专门为智能机器人开发“大脑”的创业公司，想要在人工智能领域掀起一场革命。

△ ZenRobotics

不过，“掀起革命”只是创业之初的“计划”，面对种种残酷的物理现实，实验室里效果一流的技术难以应对。

他们遇到的第一个问题是数据。

在计算机模拟的环境做研究时，机器人可以“看到”周围的一切。但放到公司的业务上，就需要让机器人在混乱而复杂的物理世界中工作，遇到的都是派不上用场的“脏数据”，可见度远没有那么高。

第二个问题，是以往训练机器人的方式并不可取。

在模拟环境中训练机器人，总是要运行上百万次测试来找到有效的方法，但这在现实世界中根本行不通。

就像它们的造物主——人类一样，现实世界中的机器人行动迟缓，拥有笨重的形体。还没来得及发展出什么技能，就被禁锢在了反复的日常之中。

走出象牙塔的哈利终于认识到：“在现实世界中，交互是一种非常稀缺的资源。我做出不少惊人结果的那些技术，都局限在模拟环境里。”

革命是掀不起来了，ZenRobotics改变方向，为机器人找了一个更简单的目标：从工业废料中筛选有用的原材料。

找到新目标的ZenRobotics融资1100万英镑，还吸引了一批全世界规模最大的回收公司，但是，哈利还是很失望。

解决数据问题

2015年，哈利揣着原本的梦想离开了ZenRobotics，想再试一次。

于是，就有了Curious AI。

△ Curious AI的三位联合创始人，从左到右分别为：CTO Antti Rasmus、CEO Harri Valpola和COO Timo Haanpää，还有一位联合创始人Mathias Berglund没有出现在照片中

在这家新公司，哈利和他的同事们解决了在ZenRobotics遇到的很多难题。

首先，是数据上的困难。

哈利的应对方法很简单：“清洗脏数据的最佳方法，就是让电脑去做。”在他2015年发表的一篇论文中，描述了一个“阶梯网络（ladder network）”，这种神经网络可以通过向结果中注入噪声的方式，来训练自己应对复杂的情形，就像老师在测试中故意留下错误，借此让学生保持警惕一样。

借助这个阶梯网络，电脑即使没有大量预先标记的样例，依然可以进行学习。业内人士将这类技术称作“半监督式学习”。

在用业内常用的基准数据集MNIST测试时，哈利等人的系统只使用了100个经过标记的训练样例，却准确识别了几乎99%的图像。顶尖计算机科学家称赞其“令人印象深刻，具备顶尖水准”。

这篇论文的题目是Semi-Supervised Learning with Ladder Networks，感兴趣的同学可以去arXiv阅读：https://arxiv.org/abs/1507.02672

哈利继续开发这项技术，想把它用到更多的数据集上。在今年的NIPS会议上，他会展示这个阶梯网络的“堂弟”，名叫“刻薄的老师”（Mean Teacher）。

这一次，他们改进了原来的系统，用来自谷歌街景的房屋编号图片进行测试，结果显示，效果超过了之前的程序，而使用的训练样例甚至更少。

“我在论文中看到的结果很好，半监督式学习仍在继续改进，还打破了另一项纪录。”蒙特利尔大学计算机科学教授Yoshua Bengio说，他是深度学习领域的领军人物之一。

“刻薄的老师”论文标题很长，它叫做：Mean teachers are better role models: Weight-averaged consistency targets improve semi-supervised deep learning results，感兴趣的同学还是可以去arXiv：https://arxiv.org/abs/1703.01780