日本人工智能公司Preferred Networks聯合創始人岡野原大輔

       導語：《華爾街日報》網絡版今天刊文稱，日本人工智能創業公司Preferred Networks認為，科技行業的未來屬于“深度學習”技術。該公司已經獲得了發那科、豐田和松下等巨頭的合作。

　　以下為文章全文：

　　1994年，在等待母親采購日用品的過程中，12歲的岡野原大輔(Daisuke Okanohara，音)閱讀了一篇關于數據壓縮算法的研究論文。他表示，論文中的內容令他非常興奮。

　　現年33歲的岡野原大輔回憶：“這是突破性的方法。”隨后，他花了幾個月時間去了解，這一算法能否實現預期的效果。

　　今天，作為東京人工智能公司Preferred Networks聯合創始人，岡野原大輔希望帶來自己的突破，同時振興日本的科技行業。

　　過去20多年中，日本科技行業在與歐美同行的競爭中節節敗退。這主要是由于，軟件業是日本的一大短板。憑借更漂亮的用戶界面，以及面向軟件開發者更強大的系統，蘋果正在使日本的消費電子廠商邊緣化。

　　在機器人、智能手機元件和汽車等硬件領域，日本仍是領先者。然而，由于軟件在這些產品中扮演著越來越重要的角色，日本的這些產業同樣也面臨著受沖擊的風險。

　　深度學習技術

　　來看看岡野原大輔及其“深度學習”軟件。與人腦一樣，這樣的軟件可以自主學習，而不必人工參與每個環節。“深度”意指人工神經元網絡：這一網絡分為多層，從而可以解決更復雜的問題。

　　深度學習技術正在硅谷快速發展。Alphabet旗下谷歌去年以約5億美元的價格收購了倫敦創業公司DeepMind Technologies，而蘋果、亞馬遜、Facebook和特斯拉也在這一領域進行投資。百度也于2014年在硅谷成立了深度學習研究中心。

　　美國市場研究公司Tractica預計，到2024年，企業深度學習應用的年軟件收入將達到104億美元，遠高于今年的1.09億美元。

　　對硅谷公司而言，研究深度學習技術可以讓軟件變得更好。例如，蘋果Siri等語音識別程序能更自然地回答用戶提出的問題。不過，日本公司對深度 學習技術的看法則有所不同，它們更多地希望通過這種技術去優化硬件。它們認為，深度學習機器能比人工更快地自我優化，因為這類機器能夠與其他機器分享所學 習的知識，同時永不疲倦。

Preferred Networks現在已有30名員工

　　吸引巨頭合作

　　日本工業機器人廠商、蘋果供應商發那科近期收購了Preferred Networks的少量股份。該公司希望機器未來能自行判斷，如何更好地組裝產品，甚至修理其他機器人。

　　發那科CEO稻葉善治表示：“Preferred Networks擁有這一領域領先的專業性。”除發那科之外，豐田也與該公司合作開發自動駕駛技術，而松下則希望利用該公司的技術去開發監控攝像頭和消費電子設備。

　　Preferred Networks希望，該公司的深度學習應用能在市場上占據核心地位。這就像是早年的微軟。在80年代初PC行業的革命中，微軟憑借操作系統成為了行業中心。近期，Preferred Networks為深度學習技術推出了操作系統Chainer。這一系統幫助第三方工程師編寫人工智能程序。

　　Preferred Networks于去年創立，目前擁有30名員工，今年8月的估值則達到1.2億美元。該公司堅持了獨立發展的道路。考慮到谷歌擁有龐大的資源，能輕易地 獲得行業最優秀的人才，并推動全球標準的制定，這樣的策略是一種冒險。不過，Preferred Networks管理層表示，由于人手的短缺，他們被迫婉拒了一些合作機會。業內專家則指出，日本政府對新技術的接受速度較慢可能也會給該公司帶來問題。

　　東京大學助理教授松尾豐(Yutaka Matsuo，音)表示：“Preferred Networks擁有優秀的技術，但他們還需要了解如何與資本市場打交道。”

　　岡野原大輔表示，他從幼兒園開始就已接觸計算機。在小學時代，他就曾編寫過飛行模擬軟件。他父親、67歲的岡野原久志(Hisashi Okanohara，音)表示：“我數學不行。我想，編程可能是他天生的愛好。”岡野原久志曾供職于一家汽車音響廠商。

　　在撥號上網時代，岡野原大輔就曾從網上下載計算機科學論文，例如1994年時曾令他感到興奮的《一種區塊分類無損數據壓縮算法》。

　　他隨后前往東京大學求學。在那里，他認識了Preferred Networks聯合創始人及CEO西川徹(Toru Nishikawa，音)。西川徹表示：“我知道，如果錯失此次機會，我將不可能再與如此優秀的天才共事。”

　　物聯網帶來幫助

　 　作為公司執行副總裁，岡野原大輔認為，隨著汽車和家電等各種產品的聯網，他的專業性將可以給予幫助。他表示，這樣的“物聯網”將帶來問題：互聯設備能夠 獲得大量數據，但沒有任何計算設備有能力分析或傳輸這些數據。例如，汽車傳感器可以拍攝霓虹燈廣告標識的每個像素，但這些信息對于汽車的安全行駛來說沒有 任何幫助。

　　岡野原大輔表示，人類大腦也在面對類似的信息過剩問題，但大腦可以自動擯除不相關信息。類似地，計算機必須能夠自行判斷，哪些數據具有相關性，哪些應當被分享給其他計算機。

　　以往，人工智能曾令許多用戶感到失望。這部分是由于計算能力的不足。日本國家高級產業科學技術研究院人工智能負責人辻井淳(Junichi Tsujii，音)表示，深度學習技術還需要更多突破，才能給世界帶來改變。不過，人工智能時代的到來將不可避免。他表示：“在很多行業，日本擁有多家領 先的公司。而Preferred Networks是一個理想的中樞，將這些公司凝聚成一個團隊。”