本文授權(quán)轉(zhuǎn)載至《大數(shù)據(jù)文摘》 記者:袁璐

　　導(dǎo)語:2016年，整個(gè)人工智能產(chǎn)業(yè)呈現(xiàn)出爆炸式的發(fā)展，它給人類生活帶來各種各樣的可能，更給了人類想象力足夠發(fā)揮的空間。未來，人工智能的發(fā)展趨勢究竟是什么？人工智能熱潮下，研究和產(chǎn)業(yè)能夠碰撞出怎樣的火花？

大數(shù)據(jù)文摘對話張鈸院士（攝影：大數(shù)據(jù)文摘記者袁璐）

　　6月6日下午，大數(shù)據(jù)文摘記者有幸在清華大學(xué)人工智能論壇專訪清華大學(xué)計(jì)算機(jī)系教授、中國科學(xué)院院士張鈸。針對人工智能領(lǐng)域的產(chǎn)業(yè)和創(chuàng)業(yè)，年過八旬張?jiān)菏拷o出了自己的見解和意見。

　　人物簡介：張鈸，清華大學(xué)計(jì)算機(jī)系教授，中國科學(xué)院院士。曾任信息學(xué)院學(xué)術(shù)委員會(huì)主任，智能技術(shù)與系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室主任，中國自動(dòng)化學(xué)會(huì)智能控制專業(yè)委員會(huì)主任，《計(jì)算機(jī)學(xué)報(bào)》副主編等。主要從事人工智能理論、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、分形和小波理論等研究；以及把上述理論應(yīng)用于模式識(shí)別、知識(shí)工程、智能機(jī)器人與智能控制等領(lǐng)域的應(yīng)用技術(shù)研究。

　　6月6日下午，大數(shù)據(jù)文摘在清華大學(xué)偉倫樓見到了已經(jīng)年過八十的張鈸院士。茶歇間隙，老先生被一撥又一撥的人圍住，從高校到企業(yè)，大家的問題都圍繞“人工智能”展開。從1978年就開始研究人工智能的張鈸，在歷經(jīng)幾十年的沉淀之后，從整個(gè)行業(yè)發(fā)展包括人工智能產(chǎn)業(yè)的過去、現(xiàn)在和未來，給了大家足夠詳盡的闡釋。

　　張?jiān)菏科�今已培養(yǎng)73位博士生，“1/3是在研究院和高校任職，2/3在大公司的研究機(jī)構(gòu)任職，少數(shù)創(chuàng)業(yè)。參加創(chuàng)業(yè)的不到10%，6個(gè)人，這6個(gè)人中目前有2位基本成功了，有4位正在路上，至今還沒有一個(gè)完全失敗了的，他們創(chuàng)業(yè)的領(lǐng)域都跟信息技術(shù)相關(guān)。”張?jiān)菏吭趫A桌會(huì)議上如此驕傲的說。

　　大數(shù)據(jù)文摘有幸聆聽了張鈸院士在清華人工智能論壇上的精彩演講，并在會(huì)后對張鈸院士進(jìn)行了“創(chuàng)業(yè)”專題的專項(xiàng)提問，希望以下回答能夠給已經(jīng)在人工智能領(lǐng)域或馬上要踏入人工智能領(lǐng)域的你一些啟發(fā)。

　　以下為專訪的部分內(nèi)容，希望能夠還原張鈸院士給大家的建議。

　　張鈸院士：這兩個(gè)領(lǐng)域肯定是目前最重要的創(chuàng)業(yè)方向，當(dāng)然也要具體分析。我的博士生畢業(yè)之后打算創(chuàng)業(yè)的，我通常都和他們交談，我一般問的問題是，你有什么想法，你的想法別人有沒有。如果你的想法別人沒有，那就要看這個(gè)想法靠譜不靠譜，因?yàn)橹挥性诳孔V的情況下你才能走下去。如果說，你的想法別人也有，我就要問他，你憑什么會(huì)成功，會(huì)比別人搞得更好。往往最熱的領(lǐng)域，全世界最聰明的人都會(huì)投進(jìn)去，你憑什么戰(zhàn)勝那些人，靠什么？當(dāng)然靠你獨(dú)特的技術(shù)路徑和方法。在中國，如果要搞與互聯(lián)網(wǎng)有關(guān)的產(chǎn)業(yè)，你就需要考慮這件事BAT有沒有興趣，一旦他們參與進(jìn)來，你如何與他們競爭。要記住你想做的事肯定要有一個(gè)門檻，如果這個(gè)門檻過低，那么當(dāng)大企業(yè)投入更多的人和錢來做這件事時(shí)，你就很難堅(jiān)持了。

　　歸根結(jié)底，你要有自己的創(chuàng)新，你采用的技術(shù)路線和商業(yè)模式要有獨(dú)到的地方。你要熟悉你想創(chuàng)業(yè)的領(lǐng)域，這樣你才能知道什么可以做，有什么困難等等。

　　張鈸院士：選擇創(chuàng)業(yè)領(lǐng)域首先要知道你的優(yōu)勢在哪里，別人的弱點(diǎn)在何處。比如，我想搞醫(yī)療健康大數(shù)據(jù)。目前從事醫(yī)療健大數(shù)據(jù)康服務(wù)與管理的人很多，首先需要考慮已有的工作有什么缺陷，我們有沒有機(jī)會(huì)。我們會(huì)發(fā)現(xiàn)盡管現(xiàn)在有很多人從事醫(yī)療健康大數(shù)據(jù)，但大多沒有認(rèn)識(shí)到這項(xiàng)工作質(zhì)量的重要性，這是他們的弱點(diǎn)。為什么很多人做不好，就是因?yàn)樗麄円婚_始就想賺錢，急功近利，對質(zhì)量不重視，這樣肯定做不好。因?yàn)檫@項(xiàng)任務(wù)涉及到人身安全與健康，絕對不能在質(zhì)量上出問題。那么，如果我們要在這個(gè)領(lǐng)域創(chuàng)業(yè)，就要把民生放在第一位，為人服務(wù)放在第一位。辦企業(yè)當(dāng)然最終目的是要賺錢，但不能把它放在第一位。如果我們沿著這條路線走，就有可以戰(zhàn)勝急功近利的人。

　　還有一個(gè)就是教育，比如，機(jī)器人教育，即把機(jī)器人作為教育的載體。有了互聯(lián)網(wǎng)之后，多數(shù)人的學(xué)習(xí)與娛樂都是在二維空間中進(jìn)行，這對人的認(rèn)知和成長很有缺陷。所以，需要在學(xué)習(xí)過程中融入實(shí)體，與真實(shí)世界交互。，搞教育是我們的專長和優(yōu)勢，憑借這個(gè)優(yōu)勢我們有可能做得比別人好。一定要記得：許多事情你想到了，別人也肯定能想到。因此當(dāng)你在某個(gè)領(lǐng)域創(chuàng)業(yè)時(shí)，一定會(huì)有許多人在做同樣的事情。

　　1907年《綠野仙蹤》正式出版，萊曼·弗蘭克·鮑姆在書中這樣寫道：“非常有責(zé)任感，能想出各種點(diǎn)子，并能完美會(huì)話的機(jī)器人。它能思考、說話、行動(dòng)，以及做一切事情，除了活著。”1907年的鮑姆大概沒有想到，幾百年之后他筆下的“鐵皮人”會(huì)真實(shí)出現(xiàn)在人們的生活，并帶來一個(gè)稱為“人工智能”的時(shí)代。

　　1956年，在美國達(dá)特茅斯學(xué)院舉行的一次會(huì)議上“人工智能”的研究領(lǐng)域正式確立。會(huì)議的參加者在接下來的數(shù)十年間成為AI研究的領(lǐng)軍人物。他們中有許多人預(yù)言，經(jīng)過一代人的努力，與人類具有同等智能水平的機(jī)器將會(huì)出現(xiàn)。同時(shí)，上千萬美元投入到AI研究中，以期實(shí)現(xiàn)這一目標(biāo)。

　　而在同一年清華大學(xué)設(shè)立了自動(dòng)控制專業(yè)，第一屆學(xué)生僅有10個(gè)人，是分別從原有的電機(jī)系各個(gè)專業(yè)抽調(diào)過來的，當(dāng)時(shí)21歲的電機(jī)與電器制造專業(yè)三年級學(xué)生張鈸也在其中。

　　六十年后的今天，人工智能的發(fā)展正進(jìn)入前所未有的大好時(shí)期，不少人開始高呼：“人工智能創(chuàng)業(yè)風(fēng)口似乎已經(jīng)到來。”

　　人工智能的“熱潮”并非首次出現(xiàn)。在上世紀(jì)七八十年代，人工智能曾經(jīng)產(chǎn)生過第一次創(chuàng)業(yè)高潮，當(dāng)時(shí)把人工智能技術(shù)應(yīng)用到產(chǎn)業(yè)界的創(chuàng)業(yè)公司也有成百上千家，但是，當(dāng)時(shí)的熱潮只是曇花一現(xiàn)。

　　張鈸院士將三十年前人工智能技術(shù)到產(chǎn)業(yè)應(yīng)用的失敗主要?dú)w結(jié)為，早期傳統(tǒng)人工智能模型-專家級系統(tǒng)的不完善。隨著專家系統(tǒng)應(yīng)用的不斷深入，專家系統(tǒng)自身存在的知識(shí)獲取難、就事論事、推理能力弱等問題逐步暴露出來。進(jìn)一步分析發(fā)現(xiàn)，這些困難涉及人工智能研究的根本問題。如何縮短學(xué)術(shù)與技術(shù)，技術(shù)與應(yīng)用之間的距離，即可擴(kuò)展（Scaling up）問題。20世紀(jì)80年代中期多個(gè)國家很多計(jì)劃開始面臨重重困難，已經(jīng)看出達(dá)不到預(yù)想的目標(biāo)。

　　三十年前發(fā)生的事情今天又重新提出來，我們今天如何看待它？它究竟會(huì)不會(huì)像三十年前那樣曇花一現(xiàn)？我們又該如何避免三十年前的失敗結(jié)局？

　　隨著計(jì)算機(jī)能力的增長，人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)在足夠大的數(shù)據(jù)量和計(jì)算能力的支撐下，人臉識(shí)別、字跡識(shí)別、語音識(shí)別技術(shù)不斷發(fā)展。

　　“面對如此大的市場規(guī)模，大家寄予非常大的希望。面對這些機(jī)遇，我們該如何利用這樣的機(jī)會(huì)，如何真正地利用好人工智能技術(shù)避免出現(xiàn)曇花一現(xiàn)的結(jié)果成為了我們現(xiàn)在急需要解決的問題。”在清華人工智能論壇上，張?jiān)菏孔髁酥黝}為《人工智能技術(shù)引領(lǐng)創(chuàng)新與創(chuàng)業(yè)》的演講。

　　“人工智能技術(shù)的研究做得好不好，體現(xiàn)在是否能建造高性能的智能機(jī)器上”，張鈸院士在演講中如此提到。這樣的智能機(jī)器基本包含三部分。第一部分：感知，感知周圍的環(huán)境，適應(yīng)周圍的環(huán)境，這是人工智能需要的條件之一。第二部分：認(rèn)知，就是理性思考。前面是感性，動(dòng)物也具有部分感知能力；后面是理性，基本上只有人類才有。第三部分：執(zhí)行，就是動(dòng)作控制與協(xié)調(diào)。如控制肢體和臉部的運(yùn)動(dòng)等。人工智能研究首先從認(rèn)知開始。認(rèn)知行為就是邏輯思維或者理性思考，這是最高一級的智能行為，第二個(gè)就是感知（視覺、聽覺、觸覺等），第三個(gè)是動(dòng)作協(xié)調(diào)控制（智能控制），最后我把情感、靈感、理解或者意識(shí)等放在單獨(dú)的一類。

　　所謂人工智能產(chǎn)業(yè)應(yīng)該具備以下幾個(gè)特征，第一個(gè)要素是感知，就是利用傳感器和感知的信息，使得系統(tǒng)能夠感知周圍的環(huán)境、適應(yīng)周圍的環(huán)境。第二個(gè)要素是使用知識(shí)，第三個(gè)要素是使用大數(shù)據(jù)。只要產(chǎn)業(yè)中涉及其中之一，大體就可認(rèn)為屬于人工智能產(chǎn)業(yè)了。“用人工智能技術(shù)來引領(lǐng)創(chuàng)新，從而帶動(dòng)創(chuàng)業(yè)，便是所謂的'技術(shù)引導(dǎo)創(chuàng)新與創(chuàng)業(yè)'。”張?jiān)菏空f。

　　“人工智能現(xiàn)在走到什么地方，會(huì)遇到什么樣的挑戰(zhàn)，怎么解決。”提到人工智能的創(chuàng)業(yè)挑戰(zhàn)，張?jiān)菏拷o了詳細(xì)的闡釋和具體的解決辦法指導(dǎo)：

　　第一個(gè)問題是，“我們知道我們的知道”（we know what weknow），即知其然又知其所以然的問題。在人類理性思考與分析中有許多屬于這類問題，原則上可以通過啟發(fā)式搜索模型，或者基于知識(shí)和經(jīng)驗(yàn)為基礎(chǔ)的推理模型由機(jī)器來實(shí)現(xiàn)。在一定范圍和限制條件下，機(jī)器可以做到和人類一樣好。

　　第二個(gè)問題是：感知問題，它屬于“我們不知道我們的知道(we do not know what we know )”，就是知其然不知其所以然的問題，這類問題可以用機(jī)器學(xué)習(xí)的方法，或者神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的辦法由機(jī)器來實(shí)現(xiàn)。而且在限定的場合下機(jī)器也可以做得跟人類一樣好，甚至超過人類。

　　第三類問題是，“我們知道我們的不知道(We know what we do not know)”，比如理解、直覺、情感、意識(shí)等，我們既不知其然，又不知其所以然，這能做嗎？可以做，即通過大數(shù)據(jù)學(xué)習(xí)，通過“黑箱”學(xué)習(xí)的方法去模擬。但是這樣機(jī)器模擬出來的性能水平一般來講要比人類的性能差得比較多。

　　第四個(gè)問題是“我們不知道我們的不知道”（we do not knowwhat we do not know），由于我們還不知道這個(gè)問題的存在，自然無法解決。等問題被發(fā)現(xiàn)之后，才有可能考慮解決的辦法。

　　第一個(gè)方法稱為“知識(shí)驅(qū)動(dòng)法”。這個(gè)方法的好處在于跟人類解決問題的方法相近，易于理解。，由于既有的知識(shí)表示過于就事論事，難以推廣，需要考慮抽象一點(diǎn)的知識(shí)表述方法。比如，用概率統(tǒng)計(jì)手段，把文本中的“詞”抽象成向量等等。第二個(gè)方法是“數(shù)據(jù)驅(qū)動(dòng)方法”，就是大數(shù)據(jù)學(xué)習(xí)，深度學(xué)習(xí)�，F(xiàn)在所有的機(jī)器學(xué)習(xí)方面都是基于概率統(tǒng)計(jì)，概率統(tǒng)計(jì)的好處是便于處理大數(shù)據(jù)，簡單地講，概率方法的基本原理是：數(shù)據(jù)越多結(jié)果的質(zhì)量越高，所謂的“大數(shù)定理”，它是概率方法的基石。但是概率的方法是一種黑箱法，分不清因果，只要重復(fù)出現(xiàn)多了，就認(rèn)為是規(guī)律、是真理。所以用這種方法來處理質(zhì)量比較差的生數(shù)據(jù)，就產(chǎn)生一個(gè)致命的問題，就是錯(cuò)誤的東西重復(fù)多了就變成正確的了，無用的東西重復(fù)多了就被認(rèn)為有用。不幸的是，網(wǎng)絡(luò)中的數(shù)據(jù)盡管很多，但大部分是生數(shù)據(jù)。這個(gè)問題應(yīng)該引起大家的注意。另外是數(shù)據(jù)稀疏問題，籠統(tǒng)地講，大數(shù)據(jù)數(shù)據(jù)量很大，但是跟你研究的問題直接有關(guān)的數(shù)據(jù)不見得很多，這個(gè)就是所謂的數(shù)據(jù)稀疏，比如每天超市里的交易量很大，但是具體考慮到張三的交易量就很稀疏、很少了。表面上數(shù)據(jù)很多，直接對你有用的數(shù)據(jù)卻很少。

　　人工智能無疑成為今天科技發(fā)展的重中之重，讓冷冰冰的設(shè)備更加“懂”人，人與設(shè)備之間的互動(dòng)變得更加自然而直觀，也是眾多創(chuàng)業(yè)者趨之若鶩的原因。面對這些挑戰(zhàn)，加強(qiáng)技術(shù)支撐，對問題進(jìn)行理性分析、分類解決，則變得尤為重要。“只有綜合利用既有的技術(shù)，改進(jìn)既有的技術(shù)，才能引導(dǎo)創(chuàng)業(yè)。”張?jiān)菏空劦健?/div>