|
昨日，在旷视科技Face++联合清华大学、清华交叉信息学院举办的以“人工智能的本质创新”为主题的研讨会上，中国科学院院士、旷视研究院学术委员会首席顾问、图灵奖唯一华人得主姚期智先生，与旷视三位创始人印奇、唐文斌、杨沐，以及首席科学家孙剑博士就人工智能在理论、算法、工程和产业各个层面的本质创新展开了热烈的讨论。 ▲ 中国科学院院士、旷视研究院学术委员会首席顾问、图灵奖唯一华人得主姚期智先生 回顾姚期智院士在整场研讨会上的甘露倾洒，其对人工智能的本质追溯和未来创新之路的观点，都让旷视人及众多专注人工智能领域的研究人士受益颇深。我们对姚期智院士在讨论会上的发言进行了完全梳理，就其学术观、产业观和人才观三方面的重要论述作出了总结，愿其成为旷视今后探索人工智能领域的不竭动力。 学术观——跨学科研究探寻AI未来之路 “使用神经网络的深度学习确实给人工智能、给整个人类对于什么叫做智能这件事情，开了一个窗口，但是现在的这种学习方法，并不是终极的方法。” ——姚期智 探讨人工智能的本质创新，自然离不开弄清楚“人工智能的本质”是什么这个问题？ 当前，人们看到正大规模普世的人脸识别技术，或者已经让人类望而却步的人工智能围棋程序AlphaGo，甚至包括无人驾驶等在内的人工智能技术背后，都是依靠使用神经网络的深度学习才创造出前所未有的智能景象。所以，现在当人们在谈起何为人工智能时，很多人会直接把助推人工智能进入新一轮爆发的“深度学习”等同于人工智能的本质，然而这在姚院士看来，是非常不本质的。 姚期智院士认为深度学习这种方法不是“终极的方法”，其实是基于对人工智能研究领域的归类而得。人工智能是一个非常广泛的领域，当前主要涵盖六个大的学科，分别是计算机视觉、自然语言理解与交流、认知与推理、机器人学、博弈与伦理和机器学习。而“深度学习”只是机器学习这个学科中的当红流派，利用其我们可以解决计算机视觉感知世界的表面任务，但并未触及到在识别之后认知、推理、学习、和执行的人工智能全部过程，“比如让机器识别数字之后，让它做个加法它就学不会”，姚院士如是道。但要研究人工智能的理论创新，姚期智很看好的是，把AI、机器学习的问题，变成物理、生物等跨领域的问题去探索，然后不断有新思路出现，并给AI后续发展，提供很好的理论支持。 “深度学习发展的这么好，奥秘在于它不仅结合了计算机，同时也结合了神经科学和其他学科，这种跨学科研究所带来的突破对我们来说是非常兴奋的。”姚期智院士对于人工智能理论的探索给出了自己的看法，他认为人工智能的问题，可以尝试从物理、生物、数学这些学科去解决。而且这种跨学科，不止是研究题材上跨学科，也要鼓励下一代在研究思路、研究精神上打开心胸，尝试跨学科。 在姚期智院士看来，跨学科的研究方式并不是计算机学家可选路径之一，而是他们必须要走的路。“如果没有跨学科的精神，可能未来（做计算机研究的人）不再拥有竞争力，因为其他学科的科学家，可能会进来解决掉，边界正在被打破。” 对于跨学科这种研究方式，旷视研究院院长孙剑博士也结合在自己产业中做理论研究的心得，给出了自己的看法：“姚院士从上往下看到了跨学科研究的几个方向，我在旷视接触产业、结合实际需求，自下往上也看到培育跨学科研究环境的重要性。比如说我们做计算机视觉接触到了工业制造、智能制造的很多需求，这些需求如要做机器人，这里面不光是说感知事情，还涉及到让机器人具备认知、推理的人机交互能力。在实际研发中把不同领域的东西连接一起，或许就能解决重大影响性的问题。” 至于如何去做跨学科研究，姚院士建议要做好对数学和计算机科学这两个最重要学科的认识，但具体如何探索，还需要喜欢高挑战性、冒险性的同学们结合自己的兴趣和经验去实际摸索。 同时，姚期智对计算机科学的未来发展保持极大的乐观，他认为计算机科学将融入到不同的学科研究和应用领域中。“曾有人问我五十年后，还有没有计算机科学。我开玩笑说，五十年后只有计算机科学。” 或许我们可以理解为未来计算机科学将成为所有学科的基础，而 AI 则将成为全行业的基础——理论的交叉跨界和产学研的交融互通是解开下一步发展难题的密钥。 产业观——产学研结合助推科技强国战略 “把学研和产业相结合，不但能够产生经济效益，而且能够使得我们学术研究工作做的更好。” ——姚期智 当前科学发展正拥有犹如牛顿、爱因斯坦时代一样的机遇，想要有这些伟人一样的旷世成就，“跨学科”是必备素质，但同时我们也要看到不同时代的不同学术研究环境特征。现代社会产业、工业水平发展状况已非常规历史周期所能推演，在飞速变革的互联网时代里，要做计算机技术的研究，中国提出了一个非常适应当下学术研究环境的方法——“产学研”结合。作为人工智能产业代表的旷视联合创始人兼CEO，印奇也就“产学研”这个名词在人工智能的具体结合咨询了姚期智院士。 姚院士认为，产学研结合将推动人工智能产生巨大的社会变革。比如自动驾驶将是计算机科学主导的领域，而无人车是计算机科学与汽车产业结合的代表，它将带来巨大的社会变革。但其中的技术含量，90%都将来自信息科学，10%是在众所周知的汽车工程上。“拥有技术的计算机学家可能会来做老板，雇佣一些工程师来解决工程上的问题。”姚期智对产学研的形式形容道。 此外，姚院士还建议中国的产业学模式要学习美国的经验。中国从改革开放以后，为了提高经济的发展，在大学里的研究非常强调对于国家社会、经济建设发挥作用，这件事情就可以看成是一种产学研的结合。但这不是研究型的产学研的结合，姚院士分析称，像这种产学研结合方式会消磨做尖端研究的锐气，不是最适合于大学的，尤其是高端大学。他说，“我们的模式可以参考美国，美国做了非常了不起的结合，产业界和学界在研究上的分工比较清楚，产业界有非常好的研究水平，如果在大学里面，你有一些好的主意，你很快就可以到工业研究，他们有这个能力可以转化。” 姚期智院士说现在是中国产学研结合的最好时期，其中还有一个原因就是因为其看到了国家在大的战略规划上，已经逐渐把科技水平放在了越来越重要的位置。尤其是今年7月份中国发布的《新一代人工智能发展规划》指出，要在2030年把中国的人工智能发展到在各方面领先，2050年把中国变成科技强国。姚期智非常兴奋的说，“世界上很少会有政府像中国这样有这么的决心，提出这么有远见的想法。” 人才观——站在实践基础上开启 AI 脑洞 “人工智能领域的人才，最重要的特质就是聪明，这可能比其他学科更为明显。但同时也必须要有足够的在工业界的实战经验。” ——姚期智 人工智能在某种程度上，它的“智慧”、它的能力正在全面超越人类，比如人脸识别技术的精度早已远超人类，AlphaGo 将人类围棋顶尖智慧柯洁挑落马下，甚至说人工智能应用在很多行业、很多场景都在提倡一个“无人”的概念。那么人工智能归根结底也是人类发明出来的，而要创造这样一种超越人类的智慧形体出来，他的缔造者本身又该具备什么样的素质？ 姚期智对此直言不讳，“聪明”就是从事人工智能研究者的必备素质。“一旦把AI变成机器学习算法的统计方法后，基本就是看你有多聪明。“姚期智认为，聪明在AI上会成为非常大的优势。AI在过去十几年都是由算法主导的，如果要用AI来解决问题，很多以前要学的东西都可以不学。一个本科学生在上了一两个学期机器学习的课程后，如果他够聪明，就可以马上对尖端的问题作出贡献。 人工智能最终还是要回归到现实中去解决一些实际问题，所以研究者光是聪明是不够的，同时还要具备实践精神。他认为，在了解了机器学习的算法之后，还需要在工业界实践的经验，接触产业中真实、新鲜的问题。聪明、好强、有野心的人对课堂作业可能提不起兴趣，但现实中的开放问题能够引起他们的企图心。如果做出来了，对理论、应用都有很大的价值。姚期智将“聪明”和“实践”比作武林高手的修炼：“你在武当派练内功以后，你的剑法学的很好以后，但是你没有实战经验，那你肯定出问题，出去碰到高手可能一下子就被解决了，所以这个实战经验是非常的重要。” 在一般的机构或者是大学里，人才以能发paper（学术论文）为衡量标准，针对此种现象，姚期智也表达出了他的看法：“我觉得发表论文，有它的一些道理，第一点就是你论文他给了一个有相当客观性的衡量的标准，使得一般的机构或者是大学他能够有一个方法，能够作为一个大家觉得比较公正的平台。第二点如果是做研究的人，不是做产品的人，那么你做出来的工作，能够变成一个论文，能够接触到一个杂志或者会议，这个给你精神上有一个鼓励的作用。”但姚期智也强调这是一个衡量人才“没有办法的办法”。在企业里，真正的人才是需要通过实践来检验的，能发paper并不能说明他就适合做AI技术的研发。 同时姚期智也表达了他对人工智能领域PHD的看法，“PHD有一个好处在于，他会强迫你晚一点成熟，使你具备一个规范研究理念，那么你可能在本质上就会更容易接触到一个更深入的问题的研究。”企业就需要在研究问题的深度和实践创新上并重，这两者没有谁好谁坏，要做的只是将他们更好的结合起来。 最后姚期智院士也为人工智能的未来定义了最重要的一个解——量子计算或许是人工智能的理论基础。他提出：“我们人类想要模仿自然界，这个是一个最后的关口，我们一旦做好量子计算机就能够模仿宇宙中各种东西的运转，包括设计材料。所以我们可以把量子计算，看作是一个我们对于老天竞争的第一个事情。” |
|
|
