【导读】2017 年 10 月 28-29 日,一年一度的未来科学大奖颁奖典礼暨未来论坛年会在北京举办。29 日上午,来自学术界和工业界的众位嘉宾对当前热门的人工智能进行了对话,从不同的角度阐述了他们对人工智能的认识,这些嘉宾有:
熊伟铭:我们都知道您的《机器学习》(西瓜书),您怎么看机器学习在中国研究行业现状,我们对于AI前沿问题认识和现在学者的一些状态?
周志华:你提到书的话,我写的这本书,应该是机器学习这个领域的入门教科书。大家学物理需要普通物理的教科书,学了普通物理并不能保证是物理专家,所以只是入门而已。从国内和国际情况,刚才两位,一位是计算机视觉方面,一位是人工智能应用到安全方面,作为人工智能最基础的机器学习方面,我们华人学者这个方面还是做了很多工作,我如果说差别,理论基础的理解这些问题上并不是特别大,产业结合上可能应用层面还有很多事情要做。
熊伟铭:我们经常开玩笑说CBPR变成了华人科学家非常好的聚会机会,今天台上有两位嘉宾都是做车相关的,王劲总做无人驾驶,沈总做EV,今年年底或者明年会看到大量的国产EV上市,有点像汽车行业经过了一百年,现在焕发了青春,请两位嘉宾分享一下,怎么看待AI和汽车相结合带来的机会,到底是多巨大的机会?
王劲:大家知道汽车行业现在面临着非常大的机会,或者颠覆和被颠覆的机会,世界上几个大国,都在这个上面发力或者全力以赴,尤其是中美德日这四个国家,在进行一个全面的竞争,这个竞争有三个方向:一个是技术和人才,第二个方面是产业的竞争,第三个方面是国家的法律法规和民众的接受度的竞争。
第一个竞争可以看到,无人车决定汽车未来产业省府的决定性的技术,这个方向从技术上来说,一辆无人车不是简单的传统汽车,是一辆传统的汽车,加上会开车的机器人,这个方面使得AI和汽车进行紧密结合。中国这个方向上尤其AI公司、教授在这个方面投入非常大,中国终于在一百多年汽车产业上有了机会,靠我们AI和技术上面的一些领先优势,来争夺这样的一个产业的领导权。
沈海寅:汽车行业未来在AI上决定胜负的时间点,讲AI,汽车行业是无人驾驶和自动驾驶,其实我们在汽车当中,从应用角度来看的话,AI有非常得多应用,比如说计算机视觉可以用语义识别上,过去生活里看到新闻,出行父母把小孩留在汽车里,小孩因为热或者空气问题出现一些不幸,是否可以通过AI识别呢?也许可以通过摄像头,判断小孩在里面是一种开心状态还是非常不开心的状态,里面有没有大人在监控。通过这种方式可以自动地区启动一些像报警装置,或者自动能够把空调打开,或者把门窗打开,能够给我们车带来很多更安全的这样一些解决方案。
我们作为一个整车的制造商,我自己从互联网行业转型到这里面,应该给汽车行业带来一些不一样的认识。我们做自动驾驶的时候,我原来是360的,在金山软件做副总,我本人其实对这方面非常敏感的,我们自己的车做无人驾驶,我们更注重实用性,从计算机视觉、毫米波雷达两个融合起来做,计算机视觉起到非常重要的作用,如果的确把路标甚至一些东西做了混淆以后,人看起来没有问题,但是计算机视觉看起来有问题以后,这个的确可以给我们带来非常深的安全隐患,未来AI在汽车方面应用的确任重道远,但是学术界和产业界结合AI是很好的切入点。
熊伟铭:我们又是参与又是旁观者,我们看到非常少见的学界和产业界结合非常紧的行业,因为这里面有很多对于人才的竞争,我们的学生们无论在知乎上搜机器学习,大家都讨论,应该出国去斯坦福、伯克利,还是应该找周老师,去清华和比较出名的深度学习学校去学习。还不包括大家快毕业选择什么道路,在人才竞争上,所有的人去抓最聪明的学生们进入这个领域。李老师和宋老师,你们怎么看待,或者你们在美国市场上看到人才的竞争是什么样的格局呢?
李飞飞:目前AI人才市场用四个字可以开阔,全球稀缺,不管学术界还是工业界全世界都迅速地意识到,我们是大大的供不应求,我现在既是在学术界,又是在产业界,给了我们很多机会和思考,学术界本身我们一直在倡导,需要更大规模的投入基础教育和研究,这个时刻的AI还是非常新的一个领域。
虽然大家看到了一些特别让人激动的效果和落地的场景,我们真的有一条很长的路要走,如果不对上游的教育和研究,加大力度支持的话,不管从人才的角度,还是从整个领域的角度,会出现一个危机。在产业界,因为我现在身处Google,我也看到了Google本身对于AI人才的重视,不光是到处挖掘人才,有很多木机会培养人才,我们强调AI普适化,我站在Google云的角度,也在从各个方面鼓励AI人才的增长,都有一些很好的机会。
Dawn SONG:我完全同意。一方面大家确实是在看到对AI方面的人才是非常稀缺的,同时也是一个机会,大家都面临这样一个问题,所以真正能够把企业界和学术界结合在一起,大家共同努力,共同培养更多的AI人才。另外一点也是企业界现在很重视使用性AI,用现在的AI技术解决现在的问题。之所以我们现在有这种AI问题,其中一个原因也是因为我们现在虽然AI技术已经发展的很快,同时我们对真正深度AI理解完全不够的。我们其实并不知道这些深度学习的系统,为什么有效,怎么样有效,但是同时有什么样的问题,这些都是非常基本的,对学术方面的,对这个领域的理解,这种问题可能在企业界关心的可能会稍微少一些,因为并不是直接帮助你解决现有的问题,但是从长远来讲,对整个人类社会,整个世界应用AI,更好地发展AI,都是非常重要的。
虽然大家现在看到阿尔法狗可以打败围棋冠军,其实我们对真正AI理解,差得非常远。企业当中的应用发现很多问题希望用AI解决,但是AI这方面的能力还是远远不够,所以因为这些原因,我们更是要重视对AI基础研究的发现和大量的投入,希望大家感受到确实很重要,整个企业界或者学术界,这些还是非常新型的领域,需要很多研究、很大的投入,企业界和学术界共同合作的非常好的机会,大家都看到有同样的需求,可以共同地合作,能够把这些问题解决好。
熊伟铭:我们其实需要很多基础研究,我们内部经常讲一个笑话,如果看看铁臂阿童木,50年代对人工智能的期待,但是今天到哪了?今天AI处在的状态,如果做一个对比,或者如果跟互联的发展,如果看互联网的历史,69年发出第一个信号,我对互联网的影响完全属于雅虎这样早期公司,处在94、95年了。我们现在处在什么样的时代,什么样的节点,我们现在到95年了吗?从AI的角度来讲。
周志华:这个问题不知道从哪说起,这个问题和刚才有一定关系,大家在AI学界之外的很多人士,对人工智能发生兴趣是最近五六年的事情,大家发现人工智能一下可以解决很多问题,其实人工智能上一拨热起来,80年代的时候,当时提出很多目标,当时没有达到,其实现在已经实现了当时的很多目标。最近关注人工智能技术,一下子爆发了,但是从学界来看不是这样,是一点一点往前走,今天人工智能应用在消费过去20年里人工智能学界积累起来的东西。
今天带来的问题,全世界人工智能人才稀缺,对于中国来说这个问题更加严重,中国真正人工智能严格意义上和国际比较接轨的人工智能研究大概也是最近十年左右时间,所以我们积累的人才量非常少。另外一方面我们现在国内的人工智能企业需求非常旺盛,大家都想到各个地方挖人,但是想到怎么样上游去培养人才,怎么样促进更多的年轻人才、未来人才储备这件事情,可能想的并不是太多,很多企业找我们,我开玩笑说,现在世界上比较有名的做AI的教授,都从学校到企业去了,过十年,你们以后只能到南京大学到我这边招学生了。
王劲:其实我们现在谈到人工智能,应该是基于(英文)的人工智能,以前是专家系统人工智能,这个人工智能概念是1956年提出来的,(英文)到2006年是认为比较多的是创始年,真正大规模进入工业界,应该是2012年,在Google、百度率先大规模地应用到现在的技术上面,来让亿万用户使用这些技术。如果这样推算,今天应该比当年1995年雅虎推出来的时间点往后,1995年让大规模人能够用上因特尔技术,2012年底、2013年初,大规模应用人工智能技术,让普通用户得益于技术突破。
当然这个技术突破确实竞争非常激烈,尤其是在人才竞争上面,我非常同意李飞飞教授讲的全球稀缺,因为过去,上一家公司百度,和今天的公司景驰科技,我们都看到了全球人才竞争的激烈程度,尤其中国的稀缺程度比美国还要强,为什么这么说?在以前同样的人才,在美国价格更高一点,在中国薪酬会低一点,在AI的高端人才,在美国的薪酬体系比中国低了,我上一家公司是这样,现在公司也是这样。上一家公司,同一个人在美国工作高端AI人才工资低15%,转到中国来加15%,如果中国转到美国降15%。现在不知道存在不存在,基本上反映出来有这么一个鼓励趋势,中国更需要AI人才。
李飞飞:我学物理出身的,我特别想提醒大家,AI是只有60年历史的新兴,站在人类的历史长河,这个话题已经被提出上千年了,这个话题从哲学角度、心理学角度,后来慢慢走进生物学、脑科学学角度,后来走进计算机学角度,作为一门科学,这是非常博大精深的话题,以后的路可能会特别长。所以虽然现在我们有很大的一拨,但是这是一个起步。
看过去几百年,现代物理学的发展,很多人觉得牛顿开始了现代物理学,牛顿对于物理学的意义几个特别重要的一套理论体系,从这个角度来看,人工智能还没有达到牛顿力学,还没有一套非常完美的理论体系,来解释不管从算法也好,还是人工智能的问题也好,我这几天一直在想,我们到底是伽利略时代,还是比伽利略时代还要洪荒,但是我不清楚,我只是想提醒大家,在刚刚进入现在人工智能的起步点,物理学从牛顿力学走进电磁学,走进量子力学,走进相对论,走了多少步,现在还在继续发展,站在人工智能研究者的角度,我自己带着非常谦卑的心在看我们这个领域。
熊伟铭:是不是也是因为人工智能这个领域是一个交叉性的领域呢?因为我们最近几十年发展出来的计算机科学,牛顿时代还不能用这种工艺,神经网络跟脑科学、神经科学,人类学习过程当中试图用到机器学习里面去,是不是因为这个原因,我们处在非常崭新的专业起点上?
李飞飞:站在科学角度,任何一个新兴科学都是交叉的,今天看牛顿是经典力学,当年牛顿要发明微积分才能解决力学问题,那个时候他也在做交叉科学,所以人工智能是交叉的,但是任何一门科学走在最前沿的时候一定是交叉的。
沈海寅:今天早上跟王劲总在VIP室聊天的时候讲到,现在中国很多地方政府都在说建AI小镇,建人工智能小镇,我们自己在跟政府讲的时候,的确说AI是未来的一个发展方向,但是民众对于AI的认识和我们学界或者产业界对AI认识,之间差距很大。
最近我讲AI驱动智能汽车,讲到历史,AI过去两起两落,现在第三拨浪潮,还会进到谷底吗?我说应该我个人比较乐观,过去很多时候因为受到的限制比较多,但是今天很多条件的确成熟了,虽然AI还处在说不定的时代,但是从硬件准备到软件算法,到强化学习等等这些出现,我觉得现在已经到了一个可以进入到我们应用的层面这样一个很好的点,虽然也许在最顶端,比如我跟机器聊天,基本上聊两三句还能把机器聊死了,如果退而求其次,比如在车上,像电池管理系统,完全可以用AI去做,可以做得比传统车更好。从这个角度来讲,我们汽车叫奇点汽车,今天的确是一个奇点,值得大家期待的。
熊伟铭:如果展望未来的话,我们有很多东西今天还不知道。问一下未来的事情,不问一百年,不考虑太远,就说明年如果聚在一起,AI会发生突飞猛进的变化吗?还是大概增加了两三个话题,我们怎么期待AI,作为从业者的专家和看到直播普通观众,怎么期待AI在一年当中的变化?
周志华:我通常是泼冷水,所有科学技术发展都是一步一步往前走,如果在这个领域看到每一步进展可以看到每一步都是一小步,但是突然回头看可能是一大步。
熊伟铭:每个学界里面似乎都有一个加速度,最早没有微积分的时候,牛顿很痛苦,但是有了这个工具之后,他开始有一些加速的理解这个世界的方式,像我们没有计算机到我们今天全球超算最快的两台都在中国,在很多领域里面,我们会看到学界需要积累一些加速度,我们现在是否到了一个有加速度的点,还是可能我们还需要也许再经过20年,或者更长的时间,我们才能到这个点?
王劲:我跟沈总是一个流派的,我是带着一个非常期待、非常乐观的看这个事,今天谈AI,几个关键点到了临界点,第一是人才,全世界非常多优秀人才集中朝向学习AI这边来了,这么多教授到这里。第二是资金,台下还看到很多VC、PE面孔。第三是产业,很多产业看到AI给他们带来了非常大的变化,是一种进步也是一种颠覆,他们都觉醒起来,想要参与到AI浪潮。
第四是国家,地方政府,国家政府,各个国家的中央政府意识到,AI这一轮竞争,谁不参与,谁不达到领先地步,谁就会落后,中国过去几百年都体会到落后就要挨打,AI这一论竞争,没有国家能够去落后的,用我现在做的无人车的例子,真的是一个大国的竞争,每个国家产业扶持政策到人才、技术鼓励,都是一个史无前例的情况。所以非常期待,也许明年再谈,有很多产业参加到这里面来,不仅仅在AI本身,很多是边缘性各种学科结合或者产业结合,我们看到有很多新机会创造出来。
熊伟铭:看起来工业界的嘉宾更为乐观。
李飞飞:学术界的学者一般都跟周老师差不多,但是借着未来论坛环境做一个小小的寄语,这是我第二次参加未来论坛,最近跟学生接触,很多学生跟我说的就是我发现人工智能特别火,我想参与人工智能,我和志华在十几年前进入人工智能领域的时候,这是一个非常冷门的领域,对科学的追求实际上是一种最真理性、原则性的追求,它是一个长久的,是一个有原则的,也是有这种坚忍心的,我更希望一年以后有更多的学生找到我,说的是人工智能任重道远,这是一门非常美妙的科学,我希望参与,而不是说今天人工智能特别火所以我才来。
熊伟铭:邀请六位嘉宾,对年轻人无论是选择大学还是选择研究生,或者选择工作,对他们有什么样的寄语?
Dawn SONG:我前面也是做安全的,现在做AI安全,我做安全的时候其实也是非常冷门的。你在选择做什么,要看哪个方向更加感兴趣,而且是会意识到,它是一条很长的路,而且确实很多问题真正看都是从而很小的地方起步,所以大家需要更注重在他还没有真正变得这么火的时候,对一些基础问题的深度思考。当然这是对学生来讲,其实是很大的一个挑战,因为学生可能还没有在这个方面有过很多训练,所以这也是对学生的一个提议,这方面需要对这种更加基础、基本的问题,能够给他一些时间,给他一些空间,更好地花时间去深度思考。
周志华:年轻同学希望对人工智能本身做一些工作,有所贡献的话,还是坐下来思考一些更深入的问题,如果希望在工业界有更好的发展的话,把眼光放开一些,多了解人工智能不同方面的技术,因为人工智能领域实在太大了。