会计算，不会算计的弱人工智能时代，如何产生行业价值？丨二叉树视频

2018 年 4 月 19 日 InfoQ 二叉树

记录与时代并行的技术人，暌违已久的二叉树短视频回来了！叩问过技术大牛的「初心」，描绘过技术人的「众生相」，这次我们带您去见识那些横跨「两界之间」的技术人们。这是 10 位行走在中国人工智能之路上的技术人，他们正见证着中国的人工智能技术落地。点击公众号菜单「戳」一栏“二叉树视频”或扫描文末二维码可观看往期高清视频。

“我叫肖京，现在在平安集团任首席科学家。之前在美国学习工作大概 16年，1999年去卡耐基梅隆大学计算机学院读博士，毕业以后去了硅谷，开始在爱普生研究院负责算法团队。然后到美国微软公司，在它的互联网搜索广告部门负责大数据分析和智能算法的研发，以及里面的一些应用。15年回国加入平安，负责人工智能大数据研发以及金融医疗领域的应用。”

《两界之间》技术专题纪录片 | 第二集

由 InfoQ 二叉树出品

1 “人工智能技术本身不会产生价值”

从最开始求学的时候开始接触技术，到后来从事技术相关的工作，到现在带领一个比较大的技术团队，这三个阶段分别有哪些您觉得印象深刻的事情可以跟我们分享？

很小的时候有一部电影叫《未来世界》，里面有各种各样的技术，包括虚拟现实。例如下国际象棋，一个车吃了一个马，车像炮塔一样，会真的有一个人跑出来射箭，把马上的骑士射死，骑士掉到地上死后慢慢消失，然后炮塔再移到位置上。另外它能控制一个跟你一样的人打拳击，眼睛看到的，身体感受到的就是另外一个跟你一模一样的机器人，在跟对方打拳击。这种虚拟现实技术、机器人控制技术是现在正在研究的东西，但是 30多年前的电影就给我非常深的印象，这算第一次接触技术，因为这个是直接跟我们生活相关的。

后来真正做技术是上大学以后，一开始在中国科技大学的自动化系，自动化实际上跟机器人、人工智能很相关，相当于把一些流程变成自动的，比如工业自动化、自动控制，涉及到很多的数学，实际上我们上的很多课，都是从头到尾推公式。大三才进实验室真正开始做一些实际的项目，那个时候真正第一次把技术用在了实际的问题上。那时系主任的实验室主要有两个大的项目，一个是宇航员的身体指标监控系统，虽然真正上太空是 20多年以后的事，但是九几年已经开始研发这样的系统。

另外一个项目是锅炉控制。那个时候开始体会到技术和业务一定要紧密结合，不是推公式就够了。这个锅炉不是家里烧饭锅炉或是烧热水锅炉，而是像胜利油田、大庆油田这种大油田使用的锅炉，如果出事故的话影响非常大，第一个可能爆炸，第二个可能整个生产线会断，都会出很大的问题。虽然学了很多数学，但真正到现场去解决一个锅炉发生的问题，需要考虑实际情况。学生去的话一开始什么都不知道，就会想按照课堂学的知识，先测量数据，然后再用数据推理，算出来哪里有问题。但实际上一个老师基于知识和经验，一看就知道问题在哪里，然后针对那个问题本身再去解决就非常快，所以技术和业务一定要结合行业特点。包括后来平安科技研发人工智能应用其实都是一个特点，行业特点就是跨界，人工智能本身是个技术，不会直接产生价值，一定要把它用在某个业务上，所以技术和业务的结合就非常重要。

另外做控制还有一个非常深的体会，就是系统一定要有反馈，一个反馈闭环的系统就会渐渐稳定做得很好，如果没有反馈，开环系统经常会不稳定。在最开始接触技术的时候就有两个体会，一个就是一定要形成反馈闭环，这才是一个比较稳定的健康系统。另外就是理论结合实践，技术和业务结合，才有可能真正跨界取得成功。

带团队就要有前瞻性，要有全局规划，要能够充分调动每个成员的积极性，主动主观的能动性，让他们能够融入到团体里，贡献自己的聪明才智，大家一起前进。体会比较深的是在一个团队做具体项目的时候，经常是既要坚持又要妥协，坚持与妥协怎么平衡好，这非常重要。一个正确的方向肯定想坚持，但是不一定在一个正确的时间点上，有时候碰到一些客观情况，也要妥协，再平衡这两点，最后才能达到目标，尤其在中国市场。不管是技术发展、业务应用还是市场本身都变化非常快，如果不能很快地做调整，非要坚持认为是好的方向，比较容易出问题。所以项目和团队在进行一些工作的时候，既要坚持正确的方向，有很好的前瞻性，同时也要能够协调好各方的关系。

我之前看过您的一篇采访，当时有一句话让我印象特别深刻，您说炫技并没有什么意义，能不能跟我们解释一下这句话代表什么意思？

技术要产生实际的业务价值才有意义，技术不是为了炫，表示很厉害很聪明，这样没用。让用户接受，愿意用新技术，在市场上才能产生价值才有意义，所以技术一定要跟业务结合在一起。比如自己做理论研究，拍一堆照片可以恢复人的三维的几何形状和它的运动，做是做了，实际上没什么用，只能发一篇文章而已。如果把技术跟业务结合在一起，最后做了一个电影出来，很多人喜欢看，那么这样才有意义。很多应用都是这样，尤其人工智能自动化领域，它是跨界的，所以一定要产生价值才有意义，否则发篇文章也有它的意义，但是不够大。单纯炫技没有实用价值的话，它的意义不够大。还是要产生使用价值，让人真正用起来，毕竟是个工程化的领域，所以实际上所有的技术研发，都是要跟业务紧密结合，产生价值，有明确目的和目标。

您最早进入人工智能领域的契机是什么？什么样的经历或者什么样的机会让您进入人工智能这个领域做研究？

大学在自动化系，本身自动控制和工业自动化领域，比如说机器人，就是自动化的一个应用，让机器能够动起来，机器人不一定非要长得像人型，工业机器人也有很多，在汽车生产线上去装配零件等等，这些领域其实都跟人工智能相关。在那个时候开始进入这个领域，当然那时候没有太多人工智能的成分，主要还是工业控制。到 95年大学最后一年，在北京自动化所做毕业设计，那个时候开始做真正计算机视觉图像识别这方面的工作，慢慢更加偏人工智能的算法领域，然后进入这个行业，但我的兴趣一直是想做一个机器人相关的东西。

2 “像外行一样思考，像专家一样实践”

您 95年进入这个行业的时候，这个领域刚刚起来，当时最流行的技术是什么？

当时做的是计算机视觉，就是图像的分析、识别，当时的行业算是一个低谷期，人工智能经历过两次起落，那个时候是第二次起落，人工智能的应用非常少。当时的项目主要是军事方面的应用，比如航空图像里怎么找公路桥梁、加油站等。利用一些图像特征，比如公路长直的图像特征，把边缘提取出来，发现很长很直的目标，然后就可以做一些导弹的制导工作，那个时候很多项目是干这个的。后来发现很多特征跟医疗影像相关，比如说人的血管，所以后来把很多技术引申应用到医疗影像上。但主要还是军事国防，然后一点点医疗，真正落地到医疗的东西不多，军事国防上可能更加切合实际一点。技术上当时比较流行的是能量优化的方法，大部分论文都要弄一个很长的数学公式，有一个目标函数就去做优化，所以当时欧洲的很多研究人员比较容易发文章，他们数学特别好，后来慢慢变成机器学习了。但是到 90年代后期互联网起来后，机器学习就越来越火热了，因为有数据了。

您从 95年到现在在人工智能领域从事研究也已经很多年了，这么多年里这个领域有哪些人事物对您的影响比较深的吗？

影响最深的肯定是导师，我的第一个老师是马颂德老师，在自动化所读硕士的时候，马老师的话给我印象非常深。他 86年从法国回来，然后在中科院自动化所成立了模式识别国家重点实验室，那个时候中国做计算机视觉图像的人非常少，他是最早一批海外回来把这个行业带起来的人。他做事情非常地精益求精，很细，而且知识面很广，因为以前中国的信息并不很通畅，那时候读论文只能看杂志，杂志发表一般都是技术出来半年以后了，有时候甚至是一年以后或更晚。而马老师拥有非常广博的领域知识，并且对每个领域、每个具体项目非常精益求精地做，我从他身上学习到了如何做好一个研究的经验和方法论。他那时候回来也有很大的魄力，当时我们比较落后。98年我第一次去海外开会，晚上宴会坐我旁边的日本人觉得大陆还有人做模式识别做图像视频的处理是不可能的，我说我们有世界最领先的科研人员，正在开展各方面的研究。那个时候真的挺落后，一年也发不了几篇顶级论文，而现在 50%以上都是中国人发的，完全不一样，所以马老师对我影响很大。

后来在卡耐基梅隆大学，导师是金出武雄，他有一句话叫“像外行一样思考，像专家一样实践”，他崇尚的研究方法是想的时候要天马行空，不要把自己想成一个专家，否则很难创造出特别新颖的东西，所以想的时候要像外行一样天马行空，跳出专业禁锢，但是在做的时候，想到一个很好的值得研究的领域，一定要像专家一样非常细致缜密。两位导师共性在于一个是自己本身就用这样的研究方法，第二个是非常努力积极地去学习各个方面的知识。

来平安以后，马总对我影响很大，他是一个学习能力非常强，又非常有战略眼光的人。他前瞻性特别强，对市场的趋势，包括技术的趋势都抓得很准，98年平安就开始做互联网保险的销售，到 08年成立平安科技，做金融科技，在 12年开始做大数据，都是非常早的，尤其在金融领域非常早，15年开始做人工智能也非常早，这种眼光，积极地为未来思考，对我影响很大。做管理，一个是要管理好的团队，坚持与妥协；第二个就是真的要有前瞻性。事先想到未来的趋势，比别人早布局一两年，只要能力在那里，差距会非常大。

如果让您评价一下自己的性格，还有做事的风格，你会怎么形容？

比较随和，但做事情还是比较果断的，做决定果断，但是在执行的时候比较稳重。当时来平安的时候应该是最果断的，都没回国看过也没回平安看过，直接就来接手这个位置。

做事风格其实也是由性格决定的，决定一个方向性的事情要做的话，基于自己的经验知识有一些考虑，然后会比较果断地定下来。执行的时候也是一样，比较稳重谨慎，会有一个比较细致的计划，再去做。

在带领团队这方面您又是什么样的风格？

我比较倾向扁平管理的方式，团队信息公开透明，鼓励大家主动思考，团队合作非常重要。团队的成员第一看重人品，第二看重态度，大家一定要主动地思考，主动地想问题，不是被动地接受任务，如果只是被动接任务做项目的话效果会很差。我会鼓励大家积极主动地讨论，有什么问题直接问，信息完全公开透明，非常顺畅和谐地合作。然后鼓励大家主动提出一些项目想法，积极地主导一些项目前进，我还是比较放权的。

当初加入平安为什么这么果断就决定回来，甚至都没有回来看过？

对，因为做人工智能这么多年，一直在把人工智能技术用在各个不同的业务上，之前在爱普生研究院，研究的方向很广，基本上是消费电子的传感器，包括打印机、投影仪、3D显示、3D制造和医疗影像，还有辅助驾驶。在微软做的是互联网，微软是个传统的软件公司，互联网部门现在已经是微软的人工智能事业部，原来是搜索引擎，所以很多技术用在大数据互联网上面。那个时候觉得中国发展非常快，是未来技术最大的市场，是技术能发挥最大作用的地方，所以中国是一个最有可能发挥价值、产生价值的地方。其次人工智能技术发展这么久，最开始都是军事国防等政府主导领域，后来进入互联网领域，发挥了很多价值，产生了实际的业务效果，这样才能养活自己，才能真正活下去。

在过去这一年里面，觉得 AI领域当中最重要的新事物是什么？如果一年太短也可以推到五年。

如果说过去五年肯定是深度学习的应用，深度学习虽然不是一个新的技术，但是在过去五年应该是在很多领域，尤其在图像识别、语音识别，还有自然语言理解、医疗影像、金融领域都产生了很多价值，比以前很多传统的方法要好很多，所以这是一个很大的变化。

如果是过去一年，我觉得最重要的新事物是智能芯片，智能硬件肯定是一个发展非常快，而且很有价值的领域。举个例子，现在所有数据中心加起来一年耗电是 1000亿度，耗电量非常大。包括深度学习、人工智能算法这些在内，数据中心跑的时候耗电量是很大的，因为运算量很大，要用到那些运行计算的 GPU。如果以后把这些运算量都集中到前端，利用智能芯片来处理，功耗可以大大降低，成本也可以大大降低，而且使用会更加便利。所以这个领域过去一年发展挺快的，是未来很有潜力的一个领域。

深度学习的应用，现在大家谈得很多，但是在现有的成果和它的可解释性上面一直有一些争议。您怎么看待这些争议？

人工智能机器学习的方法，很多时候解释性确实有点问题。像深度学习，它涉及到神经网络，是非常复杂的非线性的变化，经过很多层的神经网络以后，已经变成一个很复杂的高维度、高阶的非线性方程。这个时候很难发现这么复杂的一个非线性方程，到底是哪一个变量或者因子起到了最大的作用，因为每个变量都已经变成一个很复杂的组合。但是现在已经有很多方法可以把深度学习的复杂黑盒模型映射到一个简单一点的模型上，而简单的模型是可解释的，这些方法不断有人研究出来，另外深度学习行业本身也有很多研究在增强它的可解释性。因此虽然深度学习是很复杂的非线性变化，但是现在也有很多研究可以解释其中的一些步骤和原因，也不是完全不可解释。

3 “现在人工智能是会计算，不会算计”

总的来说人工智能概念提出到现在，其实也已经经过了 60年这么长的一段时间，您觉得它现在处在一个什么样的阶段，是比较初级呢还是怎样的一个阶段？

人工智能现在是弱人工智能阶段，虽然发展得很好，在很多领域都有很多应用，实际上人工智能，只要是三提两降的需求（提效率、提效果、提用户体验，降成本、降风险），你把需求定义好都可以用。只要有需求，把问题定义好，专业的业务人员跟技术人员一起来做都能产生效果，都能发挥作用。所谓弱人工智能，它在某些领域超过人和达到人的水平，但还有很多其他领域达不到，比如说人工智能计算早就超过人了，很复杂的一个计算的公式一下就算出来了，但是人的话根本不可能，计算器就比较厉害，所以说在这方面人工智能早就超过人了，但是在很多其他方面，比如说创作、人文关怀等等很多领域，包括其他一些感知和认知能力，它又是没有人厉害的。

您觉得现在人工智能还处在弱人工智能的阶段，它在很多领域可能还是做得不够好。那您认为现在人工智能领域最有待突破的地方是在哪里？

现在是弱智能阶段，在某些领域比人强，某些领域还差得很远。简单地说，现在人工智能是会计算，不会算计，就是不会自己去主动想问题，还要人给它设计好“这个问题是什么？”，它才可以解出来，做出最好的结果，但是它不会自己主动想问题。有个师兄曾经做个打过一个比方，现在人工智能就像个鹦鹉，教它什么它学什么，还达不到乌鸦的水平。乌鸦比鹦鹉聪明很多，乌鸦会把水杯里的水弄起来喝。以前游玩的时候，在游客休息区，有好多松鼠跑过来要面包吃，松鼠有个好习惯，会把东西存起来，等到冬天的时候有东西吃，它会拿着面包找个地方，挖个洞把面包埋起来。这个时候树上的乌鸦就看着，松鼠一埋好，乌鸦就飞下来，扒开把面包吃掉，这就是非常聪明的地方。

就平安科技这边的场景而言，现在最关注的 Al研究方向是哪些？

做任何研究都是跟公司战略一致的。平安从 1988年成立到今年正好 30年，经过三个阶段，第一个十年主要探索保险怎么做，并且建立公司的整体管理机制。第二个十年是把保险做深做实，探索综合金融。第三个是把综合金融做好，做深做实，探索金融 +科技，现在金融科技已经有一定的成果了，未来的发展战略是金融 +生态。就是在金融、医疗、房、车、智慧城市，五个领域建立生态，在生态里面提供服务的产品。这是后面的战略，平安科技人工智能关注的方向也是围绕这个战略。要利用人工智能技术，来帮助建立金融、医疗、房、车和智慧城市这五个生态。所以平安科技关注的也是一些可以在这五个生态上帮客户满足需求、提高满意度和黏度的人工智能研究方向。

目前平安对于当前比较前沿的技术，如强化学习，有关注和研究吗？

平安一直都走在最前沿，所有的新技术，包括深度强化学习，还有迁移学习等，都紧密地关注。迁移学习可以用在很多地方，比如最近做的很多医疗影像的图像识别的工作，就用了很多迁移学习技术，应用动物的生物识别特征识别，比如猪的识别、牛的识别。因为训练数据很少，可以从更大样本的其他数据里做迁移学习的应用，所以从技术来说，平安科技会跟踪最新的技术，应用领域则集中在刚才说的金融、医疗、房、车和智慧城市。

还是以平安的场景来看，目前 AI研究最大的瓶颈或者说最大的挑战在哪？

在平安做任何事情首先是跟战略一致，第二比较注重业务的效果，所以 最大的挑战是怎么把技术跟业务非常完美紧密地结合在一起，起到化学作用，真正让业务产生价值。因为一个业务里面要用 Al技术也不是那么简单直接的，需要把这个业务看得很细很透，然后发现一些能够用 Al技术解决的问题，再跟专业的专家一起一步步解决，这是一个很复杂的过程，需要做很多工作，在这上面主要是业务和技术的紧密结合。但平安有很大的优势，因为我们有很多专家，有大量的数据，大量的场景，有很多资源，所以进展还是非常好的，但是肯定不是一件非常容易的事情。专家很重要，可以指出哪些是需要解决的问题，专家也清楚在某些情况下，什么场景可以设计得做出价值来。另外专家还知道哪些特征是有价值的，可以帮助更高效地建立模型。都说牛顿站在巨人的肩膀上，我们就要站在多年积累的专家经验、专家支持的肩膀上来做好人工智能应用。

如果以您个人的角度，您最期待的 Al的一个研究方向或者应用是哪个？

我感兴趣的方向主要是在金融和医疗领域，希望在金融和医疗这两个领域能够用智能技术产生很大的价值，打造智能生活，使普通人的生活更加便利、高效、精准，比如医疗效果得到提升，误诊率漏诊率下降，资产能够更加安全稳定地增长，教育水平更好等等。所以我最期待的方向就是人工智能在金融、医疗以及市民的生活，就是所谓智慧城市的领域能够有很大的突破，让效率和体验都大大提高。

4 “这个阶段如果没有达到期望，或者离期望差的太远，对这个行业来说是个毁灭性的打击。”

您是否认为 2018年或者我们这个时代是科技发展甚至是人类历史上比较重要的一个阶段？

这段时间是人工智能技术发展的一个很重要的阶段，现在人工智能技术已经进入金融、医疗和传统的很多领域。现在这个阶段为什么很重要？因为它需要真正产生价值，真正证明其作用。这段时间是人工智能体现价值很关键的时候，如果这段时间真正的爆发了，取得很大成功，后面会发展得更加顺利，人们更能接受人工智能，所以这是一个比较重要的阶段。

其实人工智能现在已经产生了一定的价值，但是人们期望是很高的。过去曾经有两次人们对人工智能产生了很高的期望，后来都破灭了，因为最终没能实现人们的期望。比如，为什么人们 1973年的时候拍西部世界，后来拍未来世界，就是当时起码觉得人工智能会造出跟人一样的机器，能够做跟人一样的事情，期望很高，现在西部世界又重拍了，技术有了很大的提升，人们看到了更大的希望，也有很多未来学家做了很多预测，所以这段时间人们期望又很高了，这个时候如果没有达到期望，或者离期望差的太远，对这个行业来说是个毁灭性的打击。所以这几年很关键，需要做到一个至少相对比较不错的成绩出来。

对于人工智能是否能达到人们的预期、做出刚才所说的比较不错的成绩，您的态度是比较乐观的吗？

是比较乐观的，因为现在很多工作已经进入传统行业并产生了价值，而且会产生越来越多的价值。而且人们现在越来越意识到做人工智能不是简单的技术，而是技术和业务紧密结合，传统行业的人越来越接受技术，而且越来越了解怎么才能解紧密结合业务。所以应该还是很乐观的。

有人说计算力跟数据对于这一波的人工智能兴起非常重要，您觉得这两个元素在接下来会扮演一个什么样的角色？

那永远是很重要的，第一，计算力让计算变得更加高效，而且变得更加低功耗、低成本，计算能力的提高，以及计算力变得更加普遍，前端终端都能用，是非常重要的，因为人工智能技术需要大量的计算。第二，数据很重要，现在人工智能技术大部分基于机器学习，都是从数据里学。另外一个重要的发展趋势是把经验和知识跟机器学习的技术、数据分析结合起来，光有数据光有算力还不够，因为最终还要把以前的经验和知识结构化、系统化地跟数据、数据分析技术、机器学习技术结合起来，这样做好以后才可能真正做到推理，做到更高阶段的融合。

您认为算法在其中的作用是什么？

把知识、经验和机器学习技术结合起来，就需要很多的算法研发，才能够有效地、高效地、系统化地把二者结合起来，最后产生价值。

您提到这段时间是对人工智能非常关键的一个阶段，那么您希望您在这一段时间内或者这个时代扮演一个什么样的角色？希望能够对行业贡献一些什么价值？

作为一个技术人员、人工智能科研人员，进入到传统行业如金融行业和医疗行业，我会一直扮演这样一个角色，把技术能力在传统业务上真正的产生价值，然后摸索出一条把传统行业和人工智能技术或者创新技术紧密结合、产生化学反应的路径，让很多传统行业得到很大的提升。

如果能够摸索出一条标准化的系统化的路径，让传统行业非常高效地把人工智能技术用在业务里面，让它的效率大大提升、体验大大提升、效果大大提升，风险降低、成本降低，这就是一个巨大的贡献。

您觉得人工智能对于传统行业，它的变革是颠覆性的，还是融合？

我认为人工智能的主要能力是赋能，赋能给像平安做的智慧城市，赋能给政府，赋能给中小金融机构、中小企业，利用人工智能技术和解决方案来赋能。赋能以后肯定会让原来的业务形态发生一些变化，它也是一种颠覆，但是更大的出发点是赋能。不管业务形态怎么变化，都能够做得更好，做得更精，这是 人工智能主要的效果，不是为了把这个行业毁掉，而是为了让它做得更好。