百度會開發基礎的人工智能技術，從語音識別到計算機視覺，從神經語言程序學到數據倉庫，再到用戶理解。我們會利用這些技術支持百度的很多內部業務，還會孕育新的方向。例如，在百度內部，我們所有的重要業務領域都已經被人工智能改變。從網絡搜索和廣告投放到機器翻譯和餐廳推薦，所以人工智能已經在百度隨處可見。

　　人工智能已經非常擅長自動處理人類所能從事的事情。例如人類非常擅長識別語音，而人工智能語音識別也在從事相同的任務。人類非常擅長識別人臉，人工智能也在這一領域取得了快速進步。

　　結果就是，我們的工具更擅長自動處理人類所能完成的工作，而不是解決人類都無法勝任的任務。原因有很多，但其中之一在于，當我們選擇一項人類能夠完成的任務，然后讓人工智能介入其中之后，就會努力研究為什么人類完成任務的速度更快。所以，如果你看看人工智能的各種垂直領域，肯定會發現一些連人類都不太擅長的任務。

　　我認為亞馬遜現在為我推薦的書甚至比我妻子推薦得還好。要知道，我妻子對我非常了解。之所以出現這種情況，是因為亞馬遜匯總了海量數據，了解我瀏覽過哪些書，在網站上看過哪些書。從這個角度看，它遠比我的妻子更了解我在看什么內容。

　　從研究角度來看，遷移學習和多任務學習是我需要探索的領域之一。當今機器學習技術的多數經濟價值都是應用學習，學習許多標簽化的數據，以此完成你希望解決的具體任務。例如，利用龐大的標簽化人臉數據庫學習識別人臉。對于很多任務而言，我們在特定的垂直領域根本沒有足夠的數據來構建自己的系統。

　　所以今后的一大領域是遷移學習，你可以讓一套機器學習系統從事不同的任務。比如讓它學會識別常見物體。學會了識別常見物體后，可以利用其中的多少知識來從事面部識別這項具體任務?

　　有一些技術目前已經廣泛應用于遷移學習，但我認為相關的理論和最佳實踐仍然處于早期階段。我們之所以看好遷移學習，是因為現代深度學習技術已經可以為具備海量數據的問題提供不可思議的價值。這可以為很多應用模式的發展提供巨大動力。