11月1日，智源人工智能研究院理事長張宏江博士與圖靈獎獲得者、康奈爾大學教授 John Hopcroft就“人工智能：戰略、研究與教育”進行了一場對話。
撰文 | 宋宇錚 邸利會
計算機科學是當下的熱門專業，也是一門年輕的學科，歷史不過60多年。作為計算機科學的先驅人物，John Hopcroft見證了這門學科的建立、成長與繁榮。
1987年，康奈爾大學教授 Hopcroft與普林斯頓大學教授Robert Tarjan因為在“算法設計、分析以及數據結構方面根本性的貢獻” 榮獲了計算領域的最高獎圖靈獎。
今年80歲的Hopcroft，不僅學術上成就卓越，在教書育人、服務社會方面也堪稱楷模。早在數年前，他就來中國，出謀劃策，身體力行，幫助中國提升教育的水平。2016年9月，他被授予“中國政府友誼獎”。
2019年11月1日，智源研究院理事長張宏江博士與Hopcroft就“人工智能：戰略、研究與教育”進行了討論。在40分鐘的談話中，Hopcroft分享了對人工智能、中國高等教育、人才培養等方面的深刻看法。
《知識分子》整理節選了兩人的談話，以及Hopcroft的個人小傳，以饗讀者。
01.大學真正的使命是產出下一代的人才
張宏江：你在1986年獲得了圖靈獎，在座的觀眾很多人那時候還沒出生，請你談下當時的情形？
John Hopcroft：那個年代，早期的計算機科學非常簡單。那時，要決定一個算法是不是行，就把它在電腦裡跑一遍，測一下解某個問題花費的時間，這時如果有另外做這個問題的研究者，提出另一個算法解這個問題，花的時間更少，但其實是不知道究竟為什麼（花的時間少）。第二位研究者用的數據和第一位一樣，但如果換做用某種隨機的數據，實際上卻算的更慢。
我覺得我們得用數學的方法來決定一個算法會更慢的原因。我提出最壞情形的漸近分析方法，然後我發展了一些技術，比如分而治之，來開發這種形式的最優算法。這麼做了以後，就將之前算法的那種教授方式轉變成了一門真正的科學。
張宏江：真好。你在普林斯頓教計算機科學時，實際上並沒有這樣一門課，你從哪找教學的資料？
John Hopcroft：我想我應該提一下，我獲得（本科、碩士、博士）學位時，並沒有計算機科學專業，我的學位是電子工程，我也是受聘於普林斯頓的電子工程系，但我傾向喜歡電子工程的計算機學科的那一面，我更喜歡數學一點。那時有少數幾篇文章，我就是這些文章基礎上開發了這門課，之後這門課被其他大學廣泛地採用，成為了那個年代的理論課。
1967年我到剛成立的康奈爾大學計算機科學系，開始在與我志趣更貼合的系裡發展我的職業，這也是更好的選擇，我也就有這樣的機會幫助建立一所世界領先的計算機科學系。
張宏江：對深度學習，你怎麼看？
John Hopcroft：人工智能像是某種工具箱，裡面有各種工具，而深度學習是這些工具中的重要的一種，至少在今天是這樣。
不過，某種程度上，深度學習只是高維空間裡的模式識別。比如，你訓練了神經網絡來進行圖片分類，給一張特別像自行車，但卻不能騎（沒有自行車的功能）的照片，模型依然會認為是輛自行車。
實際上，我不認為這是種智能，因為在圖片分類中，並不能從圖中的物體裡提取出功能，我想還得等多少年才能達到這一點。當我們真的理解了功能，我們才會進入到或許是接下來的信息革命。
張宏江：從算法的角度，你怎麼看，是數據和參數的問題麼？
John Hopcroft：或許我能談一下我是如何看待做研究的。世界上有兩種研究，一種是基礎研究，一種是應用研究。我看到的人工智能目前的狀態是應用研究：我們開發技術用到解決重要的問題中去，很成功，對推動國家的經濟發展也很重要，但基礎的研究有著根本上的不同。
為什麼要做基礎研究？做基礎研究單純是因為研究者對所研究的問題感興趣，就是這樣簡單。在美國，大學裡是不做應用研究的，我們覺得這不是我們的使命，我們的使命是致力於基礎研究。或許我該換個詞，不用使命。大學真正的使命是產出下一代的人才。
當我們僱傭教員的時候，他們有40年的職業生涯，我們想僱傭在整個職業生涯中能保持活力的教員。我們喜歡的一點是，是有好奇心。我們僱傭某個人，我希望，不是看他們正做什麼研究，而是看他是不是對此感興趣，而且願意在其整個職業生涯中保持活躍。
你或許說，美國這不是在盲目地資助大學的基礎研究嗎，沒啥目標？聽起來不像是一個好的投資，但實際上，這可能是美國做出的最好的投資。因為成千上萬的研究者在不同的方向探索，很多人沒產生什麼影響，但有時有些人做了一些事就創造出了整個全新的產業，創造出幾十億的工作，幾十億的金錢。我覺得這個是非常好的投資，希望能堅持這一點。
02.對人工智能進行長期的投資
張宏江：深度學習還會有進展麼？
John Hopcroft：這些年來，深度學習被證明是非常有效的，但棘手的是我們尚不能解釋這背後的原因。如此一來，如果你是一名教員，那麼教課時你便會遇到許多困難，因為你現在教給學生的是一門實驗學科，迫切需要發展出能夠解釋深度學習的理論，為什麼有用。
一個困難是，以模式識別為例，假如你有一個貓的系列或者一個狗的系列，你沒有一個關於這個系列的數學定義，那或許就有研究者退一步，造出一個數學上定義清楚的類別，能幫助證明深度學習有關的定理。我之所以關心理論的發展，其中一個原因是可以讓教課變的更加容易。
張宏江：你怎麼看無監督學習？
John Hopcroft：要弄清如何做無監督學習，或者如何從一張圖裡面學習很重要。我可以講一個之前和我的三歲女兒的故事，我有一本看圖識字的書，我曾和她坐在沙發上一起看圖然後認出是什麼。有一次我和她走在街上，她指著說，爸爸，消防車！她實際上只看過一次消防車的圖，就認出來了。
我一直想弄明白為什麼，或許人學到了如何去學。她在看那一張圖之前已經看了幾百萬張圖，之後她從一張圖中學會了如何去學。這意味著，關照多個學科是重要的，比如理解人腦是如何工作的，在過去的25年有很多的關於人腦的研究，也許知道人腦如何學習會幫助到機器如何學習。
張宏江：瞭解到人腦是如何工作後，可以將其轉化成數學模型或者算法麼？
John Hopcroft：我對大腦是如何工作的知道的很少，我讀過一些研究，好像剛開始的時候腦中的神經元的距離是比較遠的，然後有一個轉換階段，神經元靠的近了。另一件事是，在大腦的前5年，神經會產生新的連接，然後有一個轉換期，再有新的神經連接也不會有太大用處。你可以借鑑這些，然後看是不是可以用來訓練神經網絡。
基礎研究有一個特點，好幾千人嘗試各種的想法，但往往沒什麼價值，但有一兩個人會有非常重要的回報。
張宏江：究竟是哪一兩個人？
John Hopcroft：這個事先是不知道的。我可以稍微談一下美國的資助。當我提交申請書時，資助機構並不要求我按照申請書所寫的來進行研究，他們之所以進行資助，是想產生下一代的人才。如果我覺得另外的研究是重要的，他們是高興的。這可以追溯到1960年代，當我完成研究項目時，我不會寫彙報，而是大學會寫彙報，說明錢是怎麼花的。資助機構也不指定哪些方向會得到回報，他們評判是根據下一代的人才，他們開拓了哪些方向。
張宏江：我很好奇，如果你是資金管理者，會把錢投入人工智能的哪個方向上？
John Hopcroft：要決定方向的話，我覺得有兩件事是值得考慮的。其中一件事是短期的，你想提高中國或者北京地區的國民生產總值，創造就業，這樣下來你或許得幫助公司所做的事，比如人臉識別、圖片識別、機器翻譯，所有這些重要的事情。但你還得或許花點錢，用來產出下一代的人才，還應該著眼於長期。
張宏江：現在幾乎每個主要國家都有自己的AI戰略，你認為近些年兩屆美國政府在人工智能發展上做對了什麼？
John Hopcroft：或許我應該說一下，在我開始職業生涯時，政府甚至不相信計算機科學是重要的。政府尋求一些物理學家的意見，他們傾向於認為計算機科學是在訓練程序。
現在看來，一個新的領域要發展是很難的。老的領域不想讓出他們所擁有的資源，但美國在這方面做的很好，在美國國家科學基金裡面提高了計算機科學的資助金額，美國高等研究計劃署也進行了很重要的資助。
但至於你說的AI戰略，從美國的版本來看，都是些很明顯的東西，如果你問非科學家該怎麼辦，就是對人工智能進行長期的投資。我讀過後，沒有從中發現什麼有洞見的的策略。
張宏江：美國會在人工智能上一直領先麼？
John Hopcroft：我也不確定美國是否能夠在人工智能上保持領先，因為我覺得投資還不夠。我真的覺得我們在進入一個信息革命的時代，社會的性質將隨之改變。
我想說，學生往往都會用腳投票，學生意識到將來是信息技術的時代。我相信今天的大多數美國大學，有10%的專業是與計算機科學相關的，但經費並沒有按照這一趨勢進行分配。
張宏江：你怎麼看待中美人工智能的發展？
John Hopcroft：在這方面，中國其實有很多優勢。以手機為例，當移動網絡剛剛出現的時候，美國幾乎所有家庭都已經安裝了有線寬帶，所以我們並沒能足夠重視它，中國則投入大量資源對這一產業進行發展，因此比美國在很多方面領先，比如中國人用手機做幾乎是所有的事情，美國還沒有達到這樣的水平。我想在一些地方，中國沒有美國那樣完善的設施，發展的速率要快很多。
張宏江：自動駕駛面臨一些安全的問題，但也有人擔心工作被代替，你怎麼看？
John Hopcroft：要在城市的街道上駕駛是非常難的，有行人，有自行車，有汽車。但美國有洲際高速路，車就在車道里開，不會來回變道，自動駕駛的話就要容易些。我想象的，司機把車開到高速路口，然後車輛自動駕駛，出高速時再由司機來接管。這個問題就要簡單的多。
張宏江：我也同意，自動駕駛卡車要容易，但為什麼沒怎麼做？
John Hopcroft：我不知道答案，或許是因為相對於在城市載客，可能沒有多少“錢”景。
在自動駕駛上，車路協同是一個好的發展方向，或許可以讓道路將信號傳遞給車輛，再由車輛傳遞給彼此，把路封起來，不要讓動物穿行等等來實施。可我們似乎沒有朝著這個方向發展，而是試圖去解決一個非常非常難的一般性的問題（讓車輛自主自動駕駛）。中國可以很容易地由政府設置一條“自動駕駛專用車道”來進行試驗，但在美國就幾乎不可能。
張宏江：現在我們看到尤其是在中國，很多大學都設立了人工智能學院，你的意見是？
John Hopcroft：我不太清楚為什麼要創立這麼多的人工智能學院，但也可能是政府限制計算機科學相關的專業，但太多學生想學這個，所以大學就建立人工智能、軟件工程等專業來解決這些問題。
在我看來，我們正進入一個新的信息時代，大學會想建立一個信息科學這樣的系，像之前的工科、科學、藝術一樣。因為這個領域的專業太大了，需要5、6 個系，或許信息科學學院可以把這些都囊括進來。這將是一個很大的工科，我想很多學校做的是對的事情。
張宏江：但人工智能也有起起伏伏，如果這次人工智能的冬天來了，那這些學校再裁減人工智能的專業麼？
John Hopcroft：當情況變的時候，事情也會隨時有變化。
以我曾學習研究的電氣工程為例，它曾經是一門關於發電和能源傳輸的學問，但在近幾十年的發展中將無線電和計算機也融入其中，電氣工程之所以如此成功，是因為它們不斷的變化，人工智能也需要如此去做，如果人工智能做的還和我們今天一樣，那可能會有問題。
我就是相信，我們正在進入一個信息是很關鍵的社會，工業革命解放了我們的身體，我們現在所做的是自動化智能，我不認為這個進程會停下來。
03.研究發表量多正在傷害科學
張宏江：除了圖靈獎，你還有一個重要的榮譽就是“中國政府友誼獎”。你也曾經在教育方面給我們的總理提出過建議，在中國的高等教育上傾注了大量的時間和精力，為什麼這麼做？
John Hopcroft：一直以來，我都想做一些能夠讓世界更好，讓儘可能多人受益的工作。在我來中國之前，我在15個不同國家（哥倫比亞、巴西、墨西哥、印度等）都曾進行過教育工作，幫助過幾個教員和學生，但從未有過機會能夠影響到他們的教育系統。
中國教育部邀請我到中國，就跟之前這些國家有很基本的不同，政府希望對本科教學教育進行提升，我也就有機會會產生影響。
其他國家的政府集中在其他事情上，努力提高教育不是他們最關心的，我覺得以前這些國家的優勢是能源和材料資源，但這些別的國家也有，頂尖國家有的是人才，這才是推動國家進步的動力。
中國，我想是知道這點的，如果你和中國政府談，他們會說，我們必須提高本科生的教育，提升人才，這樣公司才能不斷擴張，持續的盈利。這是中國的機會，這就是為什麼我要做這個。
張宏江：你對高等教育有什麼建議？
John Hopcroft：我應該提一下，20年前，孩子必須有個學位才能得到一份工作，上大學的人數以每年100萬的數量增長，中國要持續發展，必須有能力容納更多的學生，相當於每年要新建50所大學。
在有能力收納這些學生之後，還要提高學生的質量。
我覺得，其中的一個障礙是，在中國，一個校長的任期只有五年左右，因為他們是政府公務員，任期結束後會轉到另外一個工作。為了證明他們的成績，他要盯著大學國際排名這個指標。
然而，這些排名考量指標是基於研究，發表文章的數量，而和大學的宗旨，也就是造就下一代的人才幾乎沒有什麼關係。因此，我認為中國可以做的最重要的事情是改變對於高校校長的評價維度。
我交談過的校長都是世界水準的人，有知識，有才能，如果把本科生教育作為評價他們工作好壞的指標就好了。
另一件有意思的事情是，我覺得中國頂尖學校的一年級學生質量比美國的大學好，如果清華、北大和上海交大等能提升本科教育，那就可以超過斯坦福、伯克利和MIT這些機構。
張宏江：你對教育有非常大的熱情，為什麼？
John Hopcroft：我非常享受教育和科研，或許我可以給新剛開始職業生涯的年輕人一些建議。如果你想在職業上成功，你一定要做你喜歡的；如果你是教學生，不要僅僅教他們教室裡學的，還有其他的技能。狹隘的技術教育可以帶給他們第一份的工作，但你應該給予他們更寬廣的教育，歷史學，社會學等，促使他們成功並享受人生。
張宏江：作為年輕的教員，如何在發表文章和教育之間得到平衡？
John Hopcroft： 如果一個本科生找到我，說希望能夠做些研究，我會勸告他，科研可能不是你現階段最應該花時間的事情，除非你想要藉此進入一個博士項目。因為如果你要進入一個好的博士項目，或許你得有發表。
1964年，普林斯頓大學在我沒發過一篇論文的情況下僱傭了我，今天我怕是連研究生都進不去。因為他們關注的是我是否在整個職業生涯長期保持活躍，而非我已經做了的研究。
張宏江：在計算機領域，我們很多人都是先成為IEEE Fellow，之後繼續做的好，成為ACM Fellow，可你卻是先獲得圖靈獎，然後才有其他的榮譽和頭銜，你有什麼更好的建議給年輕人？
John Hopcroft：完成要求你的最低論文發表量，然後把精力盡可能投入到那些基本的研究上去。如果你做出了基本的發現，那你就會得到應有的承認。
事實上，我認為今天世界上如此之高的研究發表量正在傷害科學的發展，如果你學一門新的學科，有太多的文章要讀，無形中增加了人們篩選、檢索的時間。
出身寒門的計算先驅
1939年，John出生在西雅圖。那時，西雅圖還是一個小城市，人口不過50多萬。在華盛頓湖的彼岸，也就是今天微軟等公司聚集的地方，當時還是一片林木。小時候的John經常和小夥伴在林中漫步，看到一條延伸進樹林深處的小徑，充滿好奇的他往往要一探究竟。
John的家庭條件非常窮，雙親也沒什麼文化，高中都沒畢業。父親早年是從加拿大邊境偷偷到了美國，拿著一半的最低工資，過著節儉的生活。不過幸運的是，John 的父母親感情很好，從來沒說過對方不好的話，而且一心為了John，希望他將來能過更好的生活，也希望他能接受教育，上大學。
父母親對John特別關愛，教他游泳，做各種事。John 回顧這段歷程時說，這種早期的關愛、穩定的環境可能有利於孩童的大腦發育，他之後的成功很多要歸功於此。
上學之後的John最擅長的科目是數學，最差的是歷史。那個時候的歷史課就是羅列誰是將軍，打了什麼仗，什麼時候打的，卻很少解釋，為什麼世界是如此的走向。
高中的時光，John還是很專心在學業上，不過其實沒那麼緊張，學校下午3點以後就放學了，下午和晚上都可以自由支配。
John 印象最深的一位高中老師是教代數的，也是一位足球教練（也就是說，John的數學是體育老師教的）。但這位老師對學生特別關心，特別在乎學生能否取得成功，而John為了不讓這位老師失望，也在努力的學習。在接受訪談中，John 好幾次都提到，一個好老師最重要的是要在乎學生能不能取得成功。
高中畢業後，John本來打算就近去華盛頓大學讀，但該校的一位教員告訴John，你的學校是沒有資質的，不認可。John 回過頭來在老師的建議下報考了斯坦福大學被錄取。
在斯坦福，John 3年時間讀完了碩士，博士，24歲就博士畢業，那個時候讀書也不需要熬那麼長的時間。
不過，那個時候的斯坦福其實沒有計算機科學系，John入的是電子工程，學些電線、真空管。那時華盛頓大學物理系老師有一臺電腦程序不工作了，請John去找Bug，那是他第一次接觸電腦。直到今天，John還清楚地記得，那是一臺IBM650，還有轉鼓那樣的東西。那時，沒有編程語言，John 用的彙編語言也只有10個符號，他也從來上過編程課。
作為一名電子工程系的學生，John也上實驗課，但他很快意識到，自己其實並不擅長擺弄各種物理器件。他更擅長的是偏數學或者理論的東西，比如信息理論。
從斯坦福博士畢業後，John本打算到華盛頓大學謀一份教職。有一天，他經過Bernard Widrow的門口，Bernard正和普林斯頓大學的Edward J. McCluskey打電話，McCluskey問是不是有合格的博士畢業生可以來做教員。John就這樣因緣際會面試後去了普林斯頓。
John後來說，自己的人生很多時候都是偶然的，也並沒有做特別的規劃。
當John應聘到普林斯頓時，普林斯頓同樣沒有計算機科學系。他進的電子工程系，而且是一篇文章都沒發就被錄用，這在今天幾乎不可想象。那時，計算機科學系剛剛出現，1964年美國的普渡大學建立了第一個，之後斯坦福大學，康奈爾大學等也相繼建立了計算機科學系，都在招聘教員。
在普林斯頓，John開設了第一門計算機科學課。當時，McCluskey叫他去教課，但卻沒有任何教材，John就在幾篇論文的基礎上寫出了一本日後風行幾十年、每一個計算機科學系都會用，對計算機科學領域產生巨大影響的經典教材。John寫這本教材不僅是總結當時的研究成果，而是把自己創造發展的東西都寫了進去，幾乎是樹立了業界的標杆。當時上課的學生也沒有很多，只有六個人，但日後都取得了傑出的成就。
在普林斯頓呆了2年半後，1967年，John去到了康奈爾大學。一直到今天，他都是該校的教授。
離開的原因，John說，當時普林斯頓的電子工程系比較成熟，一有教授的空位，往往有十個合格的候選人。具有前瞻眼光的McCluskey嘗試推計算方面的人，但因為沒有學科設置，要難很多，而且也不好說，計算機科學正在成長，最好還是進一個這方面的人。
John離開普林斯頓還有一些偶然，當時他主持一個系列研討會，但預算只夠請兩個外邊的人，其中一位是康奈爾大學的Juris Harmanis。Juris Harmanis是1965年康奈爾大學計算機系的創系主任。
從Harmanis那裡，John得知，康奈爾正在招人而且助理教授的薪水要比自己高50%。John決定去康奈爾，他後來說，去一個更明白他所做的事的系比呆在一個靠鬥爭才能獲得認同的系要好。
到康奈爾後，John從之前的形式語言、自動機理論轉向算法研究。他意識到，計算機科學是一個很廣的領域，而算法尤其重要。他研究過分而治之、深度搜索等這些我們今天本科生都在學的算法。
在斯坦福休假期間，他見到了Bob Tarjan，並和他共用了一間辦公室。那時，Bob是一名博士生，正在研究判定一個圖是否是平面圖，他們一起發展了一種線性的算法。這個結果也被認為是兩人合作的最重要的成就之一。
John說，一個人呆在辦公室，隔離起來不好，別人對你研究的問題有不同的看法，通過討論，思路慢慢的就會清晰起來。
在康奈爾，John與人合寫了另外一本非常有名的算法設計和分析的書。對於另外兩位作者，Alfred V. Aho 和Jeffrey D. Ullman，John說其實他們兩人也做出巨大的貢獻，但圖靈獎好像是隻挑一個，對他們來說不太公平，可無奈已是事實。
從1964年博士畢業到1974年，John的前十年可以說收穫頗豐。也就是35歲之前，John已經做出了相當的成就。而一個人往往也是在職業生涯的早期就做出了最要緊的工作，John分析說，可能是因為年輕時候時間比較多，另外，年輕教員往往比研究生大不了幾歲，都在職業的建立期，關係上比較契合。
日後，當John變得“老”之後，當有學生找他做導師時，他也建議他們去找助理教授，就是因為師生關係會發生微妙的變化，他也許可以給一些建議，但可能不會“同甘共苦”。
功成名就之後的John，在48歲當了5年的系主任，之後進一步做了工程學院副主任、主任。John說，其實他之前不想做行政，只是系裡沒有更資深的人了。不過，當了之後，他覺得還挺好，可以發揮更大的影響。
John做行政也是有聲有色。考慮到學校是由系組成的，他下放了很多權力給系主任——在給了系一定的預算後，僱多少教員、支付多少薪水都由系說了算，只要是在預算內。
可不同的系如何分蛋糕呢？John注意到，一些系主任就是比其他的系主任好，而傑出的系主任也會招聘傑出的教員，所以在經費方面，John會相應的有所傾斜。另外，John也會根據教員教多少課以及多少學生進行綜合的考量。可見，他一直重視教課。
1992年，53歲的John被美國當時的總統布什委任擔任美國科學委員會的成員，美國科學委員會是管理著美國國家科學基金。John說，這麼年輕就被委任這麼重要的職位，充分說明在一個新興領域是多麼的幸運，他曾經教了第一批計算機科學課，這讓他年紀輕輕就成了比較資深的計算機科學家。當美國政府找最資深的計算機科學家時，已經沒有人排在John的前面。
John說，“如果我是在高能物理領域，恐怕到今天還得等高級的教員退休才能輪到我。我只是想說，計算機科學在不斷變化，一個年輕人不該固守在舊的領域，應該走向新的方向，就會很快變成資深的人士。”
8年之後，結束行政工作的John又重新返回了教授的職位。在經過一年集中精力搞科研後，John又能夠重新撿起來，回到了研究的道路上來。他先是做了社交網絡，之後又開始做機器學習，直到現在。實際上，他成為了一名人工智能的研究者。
從2002年開始，John又把他的足跡深入到了巴西、智利、哥倫比亞、印度、墨西哥、沙特阿拉伯、越南等國家，當然還有中國。
2016年9月29日， John在人民大會堂接受了“中國政府友誼獎”。在過去的這些年，John幫助中國的大學提升他們的本科教育，改善評價機制和招聘，培養學生，可謂盡心盡力。
他曾經在上海交通大學、北大利用寒暑假時間親自講課，招收學生到康奈爾實習、做研究。他還擔任顧問，為中國的本科教育出謀劃策。最近的事情是，在2017年5月，他受聘擔任了北大訪問講席教授，前沿計算研究中心主任，並主持開設圖靈班。
也是在中國，John感到，與之前他去過的其他國家相比，自己的作用和教育理念得到了很好的發揮。他喜歡呆在中國，幫助中國，他和中國的故事還在繼續。
閱讀更多 知識分子 的文章
