5月22日，由微軟亞洲研究院、北京大學、中國科學技術大學、西安交通大學和浙江大學共建的新一代人工智能開放科研教育平臺在微軟大廈宣佈成立，在同時舉辦的“中國高校人工智能科研教育高峰論壇“上，微軟亞洲研究院副院長潘天佑主持了一場以“智能與開放”為主題的巔峰對話，參與對話的嘉賓包括中國工程院院士、北京大學博雅講席教授高文，微軟全球執行副總裁、美國工程院院士沈向洋，以及中國工程院院士、西安交通大學教授鄭南寧。
（從左至右）沈向洋、高文、鄭南寧、潘天佑
下面我們就和大家分享一下這些重量級嘉賓關於人工智能發展、人才培養等話題的精彩觀點。
問題一：想請問鄭南寧教授，兩年前，您曾說“人工智能是未來30年影響最大的技術革命”，當時為什麼會提出這一觀點？您認為這兩年國內外人工智能上的進展如何？
鄭南寧：人類的現代科學技術是以指數級增長的。40億年以來，地球上生命的演化遵循著最基本的自然進化法則。由於我們創造了計算機科學和人工智能，在這個星球上將會出現按照有機化學規則演變的生命和無機的智慧生命並存，或者說人類有可能利用計算機和人工智能去設計生命。我們無法具體描述未來30年人工智能技術會形成什麼樣的具體形態，但是可以確定的是人工智能技術的發展一定會給人類帶來革命性的變化，“變”是確定的。未來二三十年人工智能技術的發展對人類的生活和工作所帶來的改變，一定會遠超人類過去千年所發生的變化 。
這兩年大家一定會體會到人工智能給我們生活、工作帶來的變化，這種變化不是說是新的人工智能概念的產生。實際上在1956年達特茅思會議所定義的人工智能正是我們今天追求的目標，即創造一種機器，它能夠類似於人類去思考和行動。現在我們的科學家和工程師們都在為實現這一目標而努力。無論是現在的語音識別、人臉識別、還是微軟小冰以及微軟做的許多其它工作，都是實現人工智能這一基本目標的卓越成果。
中國工程院院士、西安交通大學教授鄭南寧
問題二：微軟亞洲研究院一直致力於做開放式研究，跟整個學術界合作。想請問沈向洋博士，您怎麼看這種開放式研究的精神？
沈向洋：科研有幾件事情很重要。第一個就是需要開放的環境。可以在一個比較封閉的環境中做一些比較特別的項目，但更多了不起的成就是在開放環境下完成的。開放的環境是建立在大家相互學習、相互碰撞、相互挑戰、相互鼓勵的基礎上，一起把學術做好。
第二個就是要能夠挑戰權威，你不會因為愛因斯坦講E=MC²就結束了，你要思考為什麼是平方不是立方，所以需要一個開放的環境。
我覺得在這些工業界的研究院中，微軟研究院本身就是一個奇特的現象，大多數工業研究院並不是採取開放的狀態。蓋茨成立研究院的時候就強調要做基礎研究，做基礎研究就要以更加開放的心態去面對。這是微軟比較特別的地方，我們走這樣一條開放的道路，必須跟全球、跟中國最優秀的高校合作。
微軟全球執行副總裁、美國工程院院士沈向洋
問題三：企業間競爭非常激烈，企業做到開放確實不容易。同樣，學術界也會有競爭的關係，怎樣才能創立一個開放環境，讓大家又能競爭又能開放？
高文：信息技術發展相關的文化，目前東西方不完全一樣。西方專家對於算法的程序代碼開源可能更開放一點 ，比如美國國家科學基金會要求它支持的基礎研究項目產生的代碼要開源，教授和研究生們都遵從。東方的教授和研究生，不管是中國還是日本，相對大都喜歡把自己做的東西攥在手裡，輕易不放出去。比如當時我在八六三智能計算機主題專家組當組長的時候，也曾經支持過一些結果必須開源的課題，希望能引導中國開源社區的發展，但是實施起來比較困難，結果也並不理想。當然那時候情況可以理解，改革開放以後一些年紀比較大老師做負責人的課題組好不容易積累了一點東西，一旦開源開放出去，自己就和別人在同一個起跑線上，擔心別人有可能會很快超過他，再去申請科研基金等就會沒有優勢，所以手攥得比較緊。但是現在不太一樣了，現在的課題負責人越來越年輕化，年輕人考慮問題思維角度是不太一樣的，更願意接受開放與開源。
開放有兩個方面好處，一方面是大家起點都高，互相交流、學習、借鑑。另一根方面就是逼著要非常努力，不能停下來，只要一停下來，你就落後了。所以只有自信的老師和團隊才贊成開放。
如果開放共享的整個社會氛圍慢慢建立好了，大家就會接受。現階段正處於轉變的過程當中，我認為在某種程度上，企業的開放比高校做的更好一點。我也希望通過這次活動，通過新一代人工智能開放科研教育平臺推動這種開放文化的擴散和傳播。
中國工程院院士、北京大學博雅講席教授高文
問題四：在科學研究領域大家都在談“開放”的概念，開放是為了合作。在大學，許多人才聚集在一起，也是希望各種學問能夠得到交叉。但是我們也瞭解到，學科交叉特別困難，您怎麼看待這種情況？
鄭南寧：這是一個非常有意思和深刻的問題，高校學科的發展是多方面的。開放應該是基礎科學研究遵循的基本原則。但是，對於技術上的發展來講，開放和競爭是並存的。
在高校，我們對於人才培養的價值追求就是為未來培養人才，而人才培養離不開學科建設。新興學科很多都成長於學科的交叉。一個大學的發展，一定要把學科交叉放在一個很重要的位置上，學科建設不能固化在一個學科原有的框架中，我們需要關注這個學科在未來發展中與其它學科可能的重要關聯。
大學裡存在這樣一個問題，當這個學科本身發展還不是很強大的時候，它很少去考慮和其它學科的融合。但當這個學科發展強大起來了，它面臨一些新的科學研究的挑戰，就會驅使人們自然而然去想怎麼樣再進一步推進研究的深入，如何從其它學科獲取靈感或吸收豐富的營養。
現在做人工智能研究，考慮更多的不是眼前，而是思考未來人工智能發展需要從哪些學科獲得靈感 ，特別是借鑑神經生物學、認知心理學乃至社會學的一些研究成果，可以為發展新一代人工智能提供新的啟示。只有跟這些學科的科學家、研究者去深入交流與合作，才能做出更好的前沿研究。
現在很多高校都存在如何深度推進學科交叉的問題，比如一些高校目前成立的人工智能學院大多是由計算機學科原有的團隊組建，但是人工智能的發展需要從其它相關學科獲取豐富的營養，我們希望其它學科的優秀人才也能加入進來。
問題五：現在很多學科交叉其實都是跟計算機科學交叉，或者跟人工智能交叉。那麼有哪些工作是計算機專業的老師、學者們可以主動去做的，而不是等著其它學科來做交叉？
鄭南寧：現在大學的學科設置、學科分類以及學科建設的評估制度，在一定程度上約束了學科交叉，缺乏鼓勵學科交叉的機制。而且現在一級學科的評估指標也很難反映和鼓勵學科交叉。
我覺得今天微軟做的這件事情非常有意義，就是大家共同建設一個新一代人工智能的教育開放平臺。35年前，比爾蓋茨創造了Windows桌面操作系統，在最初的這個版本基礎上又不斷創新發展，我們多年來的許多研究或創造都是在Windows平臺上實現的。如果把人工智能人才培養看成一個“桌面系統
”，那麼今天微軟亞洲研究院發佈的新一代人工智能教育開放平臺，就是為這個“桌面系統”搭載的“Windows”平臺。在這樣的開放環境中可以推進協作與相互學習，因為人才培養沒有競爭，我們目標是一致的，目的就是培養出最優秀的學生，我們需要在這樣一個開放的平臺上相互借鑑，相互學習。問題六：想請問沈向洋博士，您是微軟全球AI的領頭人，微軟和各行各業就AI展開合作的過程中，是怎樣瞭解各個行業的？從IT的角度怎樣才能真正協助各個行業做到數字化轉型？
沈向洋：作為工業界的代表，微軟有很多雲和人工智能的技術，這些產品和平臺可以幫助到其他人。跟其它行業開展合作最重要的就是平臺本身的設計，微軟公司一直是一個技術平臺公司，我們希望能夠做一個平臺，讓各行各業的人受益。
AI出來以後所有垂直行業都會被顛覆。我們要設計一個什麼樣的技術平臺讓各行各業的人參與到整個AI過程中？
最重要的就是要有一些工具讓各行各業的人參與進來。我自己對這個問題的看法是很堅決的，就是我們要去做工具。問題七：想請問高文教授，作為中國計算機學會理事長，關於學術和企業之間的跨領域合作您怎麼看？
高文：研究有很多不同分類方法，其中一種是把研究分為好奇心驅動和問題驅動或者目標驅動。好奇心驅動就是我對這個問題有好奇心，做出來到底有什麼用我不知道，也不管。早期很多科學研究都是屬於這類研究，這類研究比較適合學校裡的教授做，在自由開放的環境裡做。但是企業裡做的研究絕大多數是問題驅動的研究。之所以要做這個研究，要解決這個問題，一定是有具體背景、有用的。
但是現在，學校裡有相當一部分教授（特別是信息科學領域）也在做問題驅動的研究。因為學生就業的時候希望找競爭力強的企業，他首先要知道那些企業的技術挑戰是什麼，它要什麼樣的人，再加上企業現在有各種各樣支持學校教授的合作項目，所以從問題導向和項目驅動兩個方面，都會引導相當一部分教授做問題驅動的研究。所以我認為，
高校和企業的紐帶是研究項目和學生就業，這兩個紐帶結合起來，高校和企業合作流程就水到渠成了。問題八：在人工智能領域，科研往後做有哪一些方向會火？
高文：首先站在自然科學基金會的立場，我們去年做的很重要的一件事就是把人工智能從學科裡面單獨分離出來，設立了一個二級學科代碼。整個信息領域原來有5個學科代碼，包括電子、計算機、自動控制、微電子和光電子，今年開始人工智能是第6個學科代碼。
未來什麼東西會發展地更好？我個人比較看好兩個東西，一個是機器學習的新模型、新算法。因為我覺得這一輪人工智能的火熱是因為深度學習，只要能拿到很好的數據，對於像模式識別這一類的問題，基本上都可以解決掉。其實除了模式識別，和人工智能相關的問題還有很多。其它的問題，現在這個系統不見得都很適應，很多問題還是需要新的算法來解決。
另外一個是知識的組織。最早人工智能起來的時候，大家認為只要可以基於知識庫的推理把問題解決，智能就有了，但後來這條路被放棄了。我認為放棄是不對的，下一步可能把機器學習算法和將來的知識融合，可能會有一些成果出來。
問題九：深度學習、深度神經網絡（DNN）帶起來這一波人工智能的發展，純粹從研究角度來說，您覺得DNN以及這一波人工智能的研究方法之後是什麼？
沈向洋：大家其實都應該感謝DNN，DNN讓人工智能在某些領域進展神速，包括語音和計算機視覺等領域，當然深度學習不能解決所有問題。深度學習和其它領域的結合，比如深度強化學習（Deep Reinforcement Learning），是非常值得工業界去研究，同時半監督學習（Semi-supervised Learning）同樣也很值得去研究，因為它可以大幅降低成本。如果站在更高的角度來看，我贊成這樣一個觀點：今天的機器學習是用大數據來解小問題，而真正的智能也許是用小數據來解大問題 ，這裡是有很多科研工作可以去做的。
問題十：最近好幾家大公司都在做量子計算，微軟是其中一家，您覺得量子計算還有多久的路，萬一量子計算出現了，對人工智能產生怎樣的影響？
沈向洋：量子計算的問題很複雜，微軟到現在已經做了十幾年，雖然還沒有一個可用的量子比特，但從做科研的角度去看，我對它充滿信心，我覺得微軟走的拓撲量子計算的路是一條非常有希望的路。
經常有人問我，如果你有量子計算能幹什麼？我說還真的不知道能幹什麼。就像60年前有人問電子計算機能夠幹什麼一樣。你真的難以想象，未來會是什麼樣子。這也是我們科研人員很幸福的地方，能夠加速人類社會的發展。
問題十一：關於自動駕駛的研究已經有很長一個週期了，現在又火起來了，很多公司也投入了大量資金，但是離真正上路似乎有點遙遙無期。您怎麼看這個研究方向，能不能談談自動駕駛車離真正的上路還有多遠？
鄭南寧：我先講結論，實現完全自主的無人駕駛還面臨著十分艱難的挑戰。這個結論從哪裡來的呢？
第一，無人駕駛系統必須是一個不能犯錯誤的人工智能系統。我簡單地把人工智能系統分成兩大類，一類是可以允許犯錯誤的人工智能系統，如在一般情況下的語音翻譯、搜索引擎，錯就錯了，可以再來一次；另一類是不能犯錯誤的人工智能系統，無人駕駛就是這樣一類智能系統，也就是說無人駕駛汽車必須在所有的路況、所有的條件下，周密地感知周圍環境，做出安全的響應。
第二，無人駕駛系統必須能夠抽象，也就是說，它必須能理解肢體語言或手勢。比如在十字路口突然交通管制，交警依靠手勢讓你的車停下來。而目前的無人車還無法做到肢體語言的理解。
第三，它需要有一個預注意的能力，或者說需要有注意機制 。如果把場景中所獲得的所有線索都關注和計算，系統就有可能產生崩潰行為。
第四，它必須是高度安全的人工智能系統。無人駕駛車上路離不開車聯網，一旦機器跟網絡聯起來，我們就會看到未來會出現這樣一個場景：你到自己的車庫，告訴無人駕駛車我要去上班，可這時你的手機上收到一條黑客發的信息，要求你上午10點之前必須往某個電子帳號支付三個比特幣，否則車門無法打開，雖然出現這種場景不會威脅人的生命，但是會打亂人的生活規律和秩序。
第五，即最後一點，與微軟小冰相關，也就是說，我們需要構造一個人車語音自然交互的環境，能夠為乘客提供一種自然舒適的體驗。比如我上車以後告訴無人車今天要去哪裡，無人車用語音來回答，這也是一種安全的交互驗證。它知道了你今天要去什麼地方，然後馬上就出發，路上它還會問今天你想看新聞還是聽音樂。
從無人駕駛面臨的以上五個問題來看，無人駕駛車駛入尋常百姓家庭還有相當的距離。但是對於特定環境，比如旅遊區、城市點對點的交通，或者校園裡面無人車送貨，或者半夜兩點以後無人車清掃城市道路等等，這些應用相對容易實現。但是讓無人駕駛與人們的出行無縫結合，現有的技術還有相當的距離。
問題十二：最近，西安交通大學成立了人工智能拔尖人才培養實驗班，請問鄭南寧教授，這個實驗班跟一般計算機科學系的人才實驗班在教學內容等方面什麼不同？它是怎麼設計的？
鄭南寧：辦這個班的基本宗旨是要為學生能夠成長為具有科學家素養的工程師奠定知識和能力的基礎，因為人工智能本質上是一門技術，在許多應用場合，需要用工程的方法解決科學問題。我們按照這一基本宗旨去安排這個班的教學內容、課程、以及教師隊伍的組成。這個班的教學團隊匯聚了學校最好的師資，來自不同的學科，有控制、計算機科學、電子等其它信息類學科，還有數學、認知心理學、生物學、神經科學等其它領域學科。來自其它高校的教授和知名公司的研究員也會參與到這個班的教學中。
我們還專門設置了遊戲設計的課程，因為遊戲可以用來探索和驗證人工智能一些新方法，或者說一些人工智能的新方法也產生於遊戲。
另外這個班還開設了一些看上去似乎跟工程技術無關的課程，比如生物、天文。
只有瞭解生命的奧秘和自然界變化的規律，我們才能夠對人工智能的發展有更深刻的理解。人類面臨的四大基本科學問題：宇宙的起源、物質的本質、生命的本質和智力的產生，其中後兩個問題都跟人工智能相關，而人工智能的研究就與這兩個問題密切相關。在這樣一種學習環境中，培養出來的學生一定能夠主動思考人工智能的未來，也知道怎樣動手去創造，這就是我們要培養的具有科學家素養的工程師，將＂腦＂和＂手＂結合起來。我們認為按照這樣的模式培養學生可以使他們畢業以後有更好的發展空間。
問題十三：您覺得整體對中國AI人才的投入夠不夠？怎樣更進一步培養出更多的AI人才？
高文：肯定是不夠。你就看市場需求，很多公司可以花幾百萬年薪挖一個AI高級人才，還可能不是最頂級的，最頂級的還要貴。當然我覺得倒不是說AI人才不夠，而是頂級AI人才不夠。對此倒也不必搞一個全民運動，像當年搞軟件學院一樣，弄出一堆人工智能學院，那可能又是一個災難。我認為
頂級AI人才的培養需要有一些頂級學校，多投入一些資源，培養一些好一點的學生。北大計算機系每年招收300名左右本科生，但是後來發現這些學生真正留在學術界的不多，這就是一個問題。為了解決這個問題，北大去年開設了圖靈班，讓將來有志於做基礎研究的人來這個班專門培養。圖靈班學生招生標準不僅僅是要考試成績最高，當然成績差的肯定不行，而是要看他/她有沒有做基礎研究的潛質，有沒有願意研究未解決問題的好奇心。去年圖靈班計劃招30人，最後面試下來只招了24人。今年圖靈班會變成兩個班，一個班仍然做計算機科學基礎研究，另一個班面向人工智能，希望培養高級AI人才。
你也許還想看：
閱讀更多 微軟亞洲研究院 的文章
