姚期智南京对话两位图灵奖得主：10年后人们还能保持对AI的热忱吗？

大数据文摘作品

记者：魏子敏、龙牧雪

邀请三位图灵奖得主齐聚，这可能是一座城市拥抱人工智能战略的最大诚意。

而南京对于人工智能的热情远不止于此。4月份，计算机科学最高奖图灵奖唯一华人得主、中科院院士姚期智宣布创业，率领清华团队组建新型研发机构图灵人工智能研究院，并落户南京。

今天，由南京市人民政府支持、图灵人工智能研究院主办的交叉智能前沿峰会，是南京图灵人工智能研究院成立后的首次高调亮相。

作为大会的主办方，图灵人工智能研究院邀请到了多位重磅嘉宾，姚期智院士更是亲自上场，在峰会开场，中英文交迭，就人工智能人才培养、产业落地及未来发展，主持了一场持续一小时的高峰对话。

这场对话有多难得一见呢？包括姚期智院士，这次对话的5位嘉宾包括了三位图灵奖得主和四位院士。

先来看看圆桌嘉宾的背景：

姚期智

清华大学交叉信息研究院院长，中国科学院院士，2000年图灵奖得主，南京图灵人工智能研究院院长。

John E. Hopcroft

1986年图灵奖得主，美国国家科学院和工程院院士，中国科学院外籍院士，康奈尔大学智能机器人实验室主任、计算机科学系工程与应用数学的IBM教授。

Adi Shamir

2002年图灵奖得主，国际著名密码学专家，RSA非对称加密算法的三位创始人之一（RSA里的字母S代表Shamir的姓氏）。

Michael I. Jordan

加州大学伯克利分校教授，美国科学院、工程院、艺术与科学院三院院士，机器学习领域唯一一位获此成就的科学家。

吴建平

清华大学计算机科学与技术系教授，博士生导师。中国互联网的主要开拓者之一。2015年当选为中国工程院院士。

大数据文摘对这次圆桌进行了精华速记：

姚期智（姚）：先提问给John Hopcroft教授。您和中国大学有长期密切合作，且对他们的教学科研提出了宝贵建议。近年来，随着中国高校的发展，您有没有注意到中国高校发生的变化？

John Hopcroft（JH）：我和中国大学合作10年了，我觉得中国人才总数占世界的20%，但并不是每个人都能得到最好的教育。我和很多校长交流过，但是中国文化要求绝对的衡量标准，所以校长们注重发表论文的数量来获得经费。但是这和大学的宗旨是关系不大的。大学培育的是下一代人才，但是如果教授们有太大的压力要发表论文获得经费，在教学上很难兼顾。

近年来，中国大学本科生的教育有很大提高，但是其获得的教育水准还没有比得上其他发达国家，这个我觉得短期很难改变。同时有很多企业跟我说找不到需要的人才，期望改善大学教育。

姚：第二个问题问Michael Jordan教授。现在各个行业都在热捧AI，中国也是，您怎么看待这些领域的AI应用？未来趋势如何？

Michael Jordan（MJ）：我不认为每个人都知道“AI”代表什么（全场掌声）。我们有算法，但是没有智能。在对待AI技术的态度上，我认为不用读已有的AI教科书，学生们可以学更多的别的东西，比如统计学、加密学、安全、经济学的问题。

计算机是一个对内的学科，而我们构建的AI系统是应该是关于外部世界的。研究AI要有批判精神，如果学计算机，也要关注系统体系，比如分布式系统等。

研究者不要只关注数据和算法，不要仅仅考虑如何发一篇前人没有做过（也很少会有人看）的论文。全球流行的开源软件Spark是由教授开发的，国外一流大学教授们论文很少，但是写出了一个全球流行的软件，我觉得中国大学要支持这样的创新。

姚：下面这个问题想问Adi Shamir，密码学和安全越来越重要，您觉得科学家在密码学中累计的知识能否应付相关挑战？

Adi Shamir（AS）：40年前几乎没有密码学这个学科，但是现在，经过很多人的努力，这个领域已经打下了坚实基础，有了长足进展，而且正在蓬勃发展。

但是，密码学只是计算机安全的重要链条之一。链条的强度取决于其中最弱的一环。从这个角度来看，现在计算机安全的情况，比20年前还更糟糕，因为黑客入侵事实上更容易了。这不是因为他们破译了密码，而是因为系统越来越复杂，一个小小的边缘漏洞就会被黑客利用。希望AI+安全可以提出一些解决方案。

姚：吴建平教授，您对江苏省和南京市在AI领域的战略选择有何建议？

吴建平（吴）：我来南京很多次了，南京对于高新技术和热点问题非常敏感。

第一个建议，找准自己的定位。热点问题是有结构的，基本上分4个层次：第一个是通讯层次，数据传输；第二个是网络层次的，把现存计算系统连接起来，承上启下；第三个层次是具有共性的技术，比如云计算大数据人工智能区块链，在任何行业都可以用；最后一个就是中国政府提出的互联网+，把基础共性技术与传统领域结合起来。要看清楚自己适合在哪个层次发展，清楚自己的定位。

第二个建议，四个层次中，从投资回馈来看，当然是越靠上反应越快，但是，除了应用领域，还要关心基础技术、底层研发，这是影响未来的。如果南京只局限于应用技术，发展不会长久，两者结合才有更大潜力。

第三个建议，开拓视野，看到全球。从国际上吸取营养，借鉴国际上的经验，加强技术交流。

AS：补充刚刚的问题，我来自以色列，想举个以色列的例子。以色列人口800万，跟南京差不多，但是有10个顶级大学。图灵奖有四个获奖者都来自以色列，我是其中一位。在以色列进大学很难，我们的教育体制是择优录取，这是我们文化的一部分，对于我们的学生有激励。江苏省政府也可以有所借鉴，把重点放在教育机制和文化的设立，追求卓越。

在促进产业发展方面，我举个学生的例子。我有一个学计算机视觉的学生，很看好自动驾驶，一毕业就创业了（MobileEye），20年来在无人驾驶上很努力，去年终于可以产业化了，公司估值达到160亿美金，被英特尔收购。我举这个例子是想说，一个人的决心可以推动一个国家的AI发展。

姚：我们在30年前就问过你这个问题，为什么要回去以色列呢。你说，因为你有另外3个很棒的同事，希望回去以色列共事，这些年你们把威兹曼科学院建设成了全球领先的创新研究院，有什么经验可以分享？

AS：我在上学的时候，威兹曼科学院还不错，但不是世界领先，所以我们去了美国进修。以色列是我们的祖国，在美国的时候，我们一直找机会答谢祖国。但是一个人回去力量太小，所以和同事4个人一起组成小组回去，把威兹曼的计算机学院建设得更好。我们也得到了威兹曼高层管理者的支持，后来我们四个人都拿了以色列科学奖，其中两个人还获得了图灵奖。

姚：Michael Jordan教授，我几个月前跟你聊过，把中国大学，比如清华的计算机专业建成世界级的学科，有没有成功路径？

MJ：肯定有的。中国学生特别聪明，但是过去十几年前，我觉得他们对于新兴产业完全不了解。但最近2年与中国学生交流，他们的了解不比我少，很多都是从开源文献库来的，这些文献库没有壁垒。所以要想衡量大学成绩，可以用开源发表下载来看。我在清华的学生问我的问题也很难，但是我觉得他们需要更加科学的评估标准。

如果评估标准是图灵奖肯定是错的。正确的衡量系统是，我们写的文章有多少影响力，以及这个技术能不能影响全球，有多少贡献被其他人使用。AI不止是电脑里的系统，而应该是一个体系，比如服务体系的建立，进而建设服务经济，这才能促进整个行业发展。

应用前景的话，需要先建好服务体系。中国已经有了很好的市场，把生态体系建立起来，就不愁应用了。拿了图灵奖的大牛不是建立生态的必备条件。现在我们更加需要的是工程师的思维，为问题找到解决办法更重要。

姚：现在对于深度学习技术的透明度不够的争议颇多，深度学习普遍被认为是个黑盒子，你们觉得这个争论可以在短期内得到解决吗？

JH：任何先进技术都有两面性，需要社会来确保推动事情往好的方面发展。黑盒子可能会存在问题，但是我不确定从技术上能不能得到解决，可能更需要法规的保障。又回到教育，学生不只要理解技术，还需要得到通识教育，历史、文化等。

AS：很多深度学习技术目前确实是黑盒子，但是，自然智能也一样，大脑运转的机制我们也不清楚，也是个黑盒子。黑盒子是个问题，但是不管人工智能还是自然智能都有一样的问题。

姚：目前人工智能创新速度确实让人惊叹，你觉得如何评价AI技术？比起过去三十年进展如何？哪些问题需要克服？

MJ：我两个月前写了一篇文章，人工智能革命尚未到来，已经有了50万阅读量，这是我阅读量最高的文章，我的论文一般只有个位数阅读量（🌚笑）。

我在文章中说，AI并不是一种东西，是很多技术的集合，并不全是黑盒子，但是神经网络是，是监督式学习，需要人类大量监督，比如无人驾驶。我不否认无人驾驶正在慢慢成功，无人驾驶是对大量场景和计算机视角进行计算判断，这里必然存在误差，准确率95-99%，要想进步就需要再找更多人和场景做标注，黑盒子越来越大。

有人说这是软件2.0，是下一波浪潮，那我会很失望。我觉得这只是大量的愚蠢的标记，很蠢的量的堆积，并没有人的智慧。所以说我们还在这个领域非常初级的阶段，我们还有很多别的事情可以做，比如数据的搜集和使用场景不同的情况下，如何确保其来源和准确性，我觉得未来还有很大挑战。

姚：我觉得这很让人受鼓舞，毕竟这样就可以给年轻人很多发挥的空间。

MJ：对，年轻人，你们才是未来！不要被我们这些前辈这么初级的研究禁锢，不要只学AI，要有更广泛的关注。

姚：AI技术在信息安全领域很热门，AI技术有没有潜力解决一些其他技术没有办法解决的问题？

AS：安全领域有两个方向，一个是进攻，一个是防御。进攻上，运用机器学习的地方不多。找到突破一个系统的方法、思考可能会出现的编程错误需要很多人类直觉、社会工程学，所以进攻主要还是靠人类智慧。

但是防御上，老的防御方法失效了，大量企业也意识到了。过去，杀毒软件公司可能希望把所有已知病毒描述出来，看到病毒就知道不应该下载。但是病毒数量一直在增加，很难找到所有病毒种类。

机器学习在这里大有可为。机器学习使用大量标签，在安全领域，有大量样本和良性行为，但是恶意行为很难找到。所以可以做单方面良性行为学习，不告诉机器怎么区别好坏，只告诉机器什么样的行为是好的，然后机器去判断某个行为是不是属于这个集合。

姚：未来人工智能和互联网技术的结合有何发展值得我们期待？

吴：我们可以回顾一下40年前，我们班计算机系12个人，我是搞网络的，还有3-4个人做人工智能，我们经常课余讨论他们的问题，比如用专家系统如何自动给研究生排课，当时觉得人工智能和网络根本不会走到一起。

人工智能在哪些领域大有可为呢？我思考了很久，觉得能够精确计算推导的问题，人工智能不会比已知办法更好，但是不能精确推导问题的领域，人工智能就能起到很大作用。

比如，在互联网领域，路由协议是典型的利用AI技术的。路由协议要求互相学习达到最好平衡，最快找到路径。所以现在路由协议典型使用的都是机器学习，找到临节点到达目的地的方法。

为什么最近人工智能又热起来了？我反复思考这个问题，觉得一个原因是最近二三十年计算机计算能力的大大提高。第二个原因就是互联网（的发展），使得数据传输和学习能力大大提高，使得人工智能基本理念和基本算法得到了井喷式应用。

从这个意义出发，互联网的挑战很多都需要人工智能技术，比如互联网的可拓展性及安全性。每个挑战人工智能都大有用武之处，比如细分互联网应用场景。所以我认为人工智能和互联网会深度融合。

姚：问现场每个嘉宾最后一个问题，5-10年后，你们觉得人们对于AI还会有现在这样的兴趣和热忱么？

AS：70年代末，人们对于AI的热情很高涨，认为这是个新的科技，所以人们趋之若鹜。事实上人们对AI的热情一直在高低起伏，现在又达到了一个峰值。我跟刚刚MJ的担忧一致，比如阿尔法狗这些事件，经过媒体的宣传，好像人已经不如计算机了。我相信AI会从顶点下来，但是也不用担心，还有新的顶点。

JH：我同意AI的发展是起起伏伏的，我们正在经历一个革命，这个革命会比工业革命和农业革命更加深远。

MJ：我觉得要把计算机科学和统计学、数学结合起来。大家一直说人工智能是因为这个词很有意思，好像在复制人类的智能。但我觉得更需要体系的建立，而不是算法本身。AI太火了，但是他们讲的更多是计算机科学和数据，人们正在用AI涵盖所有学科，但是更多是吸睛的目的。

亚马逊这些领头公司在做的才是推动AI进步的关键，比如推荐系统等，一直在发展，这种通过计算机科学进行的应用还在继续创造新的价值。我不想把自己叫做AI专家，我更倾向叫自己计算机专家、统计学家。

吴：未来人们会更理性，人工智能的发展会发生低潮，但当技术又有突破口的时候，又有高潮，我也认为会有起伏。

姚：大家的回答虽然各有不同，但是有个共同点，就是5-10年后，人们对科学和工程还是会保持热情，这是一个非常积极的结束语。

【今日机器学习概念】

Have a Great Definition