Wiztalk首次开讲|俞栋博士：人工智能的未来发展及创新研究四要素

微信邦

本文仅摘自Wiztalk首位分享嘉宾俞栋博士在“犀牛鸟研学营”上所分享的部分内容。想了解更多视频内容请关注文末介绍。

本文摘要：

1、人工智能的未来发展

2、学术创新研究的四要素

3、俞栋博士的好书推荐

1

人工智能的未来发展

谈到人工智能的未来，我们要先回答一个问题：到底什么是人工智能？机器能完成需要智力的任务就是人工智能吗？比如，解算术题需不需要智能？小狗显然不会算，幼儿园小朋友也只会做非常简单的一些。计算器确实可以算的又准又快，但计算器的计算本身是机械性的。下国际象棋需要智能吗？可能大部分人都会认为需要，但是一台非常快、内存很大的计算机，它其实可以遍历并记住棋局的最终结果，并通过这个取得胜利.

所以这里有几点，第一，人工智能其实是一个很宽泛且外延很广的概念，涉及了很多技术和场景。第二，特定任务完成之后，大家往往就不觉得那么智能了，或者说当你知道它背后的原理的时候，你就会觉得它好像没那么智能。第三，人觉得难的问题，一般会觉得更需要智能。比如大家会觉得下象棋比识别语音难，所以认为下象棋比识别语音需要智能，但是在日常生活条件下的语音识别问题到现在还没有完全解决，尤其是鸡尾酒会问题。而下象棋，计算机已经能够超过下的最好的人了。第四，机械式的操作和计算可以实现许多看起来需要智能的功能。

大家一般都认为特别能够体现智能的地方，包括不确定性大、信息不完全、环境未知、状态空间不可枚举、需要自主学习、归纳推理和有目的的创造等这些能力上。所以维基百科认为AI的核心问题包括：建构能够跟人类似，甚至操作的推理、知识、规划、学习、交流、感知、移物、使用工具和操控机械的能力等。

就好像人类发明了挖掘机，以提升挖掘力量；发明了飞机，以提升升空能力和快速移动能力。我们开发人工智能的基础目的是模拟和扩展人的智能，提升生产力。目前来看，人脑在推理和归纳、创造和学习等方面远超机器，机器却在搜索、计算、存储、优化等方面拥有人类人脑无法比拟的优势。所以在短期来看，人工智能和机器智能相辅相成，人类可以利用机器智能帮助完成很多对人类来说耗脑力、耗时间的事情。

但是我们的终极目标是发明所谓的强人工智能，并且借助人工智能来帮我们做研究，发明新工具，甚至开发出更强的人工智能。人工智能这个概念从提出到现在已经有60多年的历史，目前为止，我们做的比较好的是在限定条件下的感知与分析能力。大家着力比较多的是解决复杂、充满不确定性因素的现实环境下的问题。但是在语言理解、概念抽象、常识推理等任务上，人工智能还做得比较差，或者我们还并没有洞悉智能的本质，所以现在人工智能还属于大家说的弱人工智能：看起来好像是智能的，但是它并不真正的拥有智能。举个例子，好几个月前就已经有很多言论说：阅读理解任务上计算机可以超过人类了。但是如果你去分析它的话，你就会发现，现在的阅读理解就属于弱人工智能状态。所以其实有很多问题都未得到很好的解决。

2

学术创新研究四要素

大家知道我们做科学和工程研究，目的是要做探索，需要发现和利用客观规律。和课堂学习有很大不同：在我们做探索、发现和利用客观规律的时候，是没有标准答案的，甚至不知道有没有答案，这就需要过程中有很强的自我驱动力。驱动力一般来自于好奇心和对创造前所未有之事的渴望。在求解的过程中，你会发现存在一些基本的哲学思想跟方法论，却没有标准的或万能的方法。不过，只有驱动力还不够，还需要很多其他因素，甚至包括运气，才有可能做出真正的贡献。

1提出有价值的研究问题

第一点，你需要选择或提出一个有价值的研究问题。这里有价值主要体现在对这个问题的回答，能够揭示事物的本质或者某种规律。比如，物理科学家在很长一段时间里一直在追究光到底是粒子还是波。或者对这个问题的回答，能够解决一类实际问题的方法、工具或局限。选择或提出一个好的问题，往往是非常关键的一步，需要追根究底的精神。在人工智能领域未解决的有价值的问题还非常多。

从大的方面来讲，智能的本质到底是什么？动力系统在里面起什么作用？是必要的吗？或者我们现在在深度学习里用的最多的静态映射能达成智能吗？智能是否能够脱离与环境的交互而产生？存在一个或多个等价的、统一的终极智能算法吗？智能能够像算法复杂性那样分等级吗？抽象的语意究竟是如何产生和表示的？范畴化和类比，在智能领域究竟起什么样的作用？它是区分真智能和假智能的分界岭吗？类比的能力能通过计算方法实现吗？有好多此类问题。

2用全新视角思考，不要轻易否定理论上有效的新想法

其次，当你选定了研究问题之后，你需要有全新的视角去思考和解决这样的问题。当你用不同的视角去看问题的时候，往往会有新发现。当然很多时候也需要依赖有很好的直觉和洞察力。还有一点比较重要：我们的创新能力常会受到思维定势和常识的束缚，所以要想取得突破，必须要跳出常规模式来思考问题，以略微不同的角度来看待世界。在一个领域深耕的时间越长，思想上的束缚越多，除了要质疑已有的观念，就是不能认为已经发表的工作就是对的。事实上发表的工作也是根据当时的信息和结果推算出来的，很可能有局限性。即使牛顿定律非常伟大，它也有局限性，它不适用于高速和量子世界。

我几年前做过一项工作，提出了一种鸡尾酒会问题里面语音盲分离的训练方法，叫 Permutation Invariant Training，简称PIT。这一方法现在被广泛使用，而在当时发表文章时，其中一位审稿人指出，我们其实不是第一个提出这个方法的，我们领域另外一个很有声誉的学者，John和他的同事们比我们早了大概一年左右提出过这样的技术，但是他们当时的结论是这个方法不成立，所以他们发明了另外一种更复杂的技术。所以比较幸运的是，我们在做这个工作之前没有注意到已有的负面结果，否则鉴于对John的了解，可能就早早放弃了了。

这件事我们比较幸运，但反过来提醒我们：不能轻易否定一个理论上看很可能有效的新想法。因为有一个地方没有做对，可能结果就是负面的。或者说当你要否定一个东西的时候，要比证明一个东西更难，因为你需要确定里面每一步都做对了，才能否定这个东西是无效的。

我也想提一下工具开发的重要性。这里的工具既包括软硬件，也包括数学工具。好的工具能够使我们观察到更多东西，从而提供全新的视角。所以如果你能够创造出别人没有的工具，你就比别人有更大的可能做出贡献。举个例子，最早看到完整微生物和细胞的是高倍显微镜的发明人列文虎克，他甚至没有上过大学，也没有经过生物学的正规训练，但是他对微观世界有很强的好奇心，所以他自制显微镜所做的观察，帮助创立了微生物学、胚胎学等好几个领域，并被选为英国皇家学会的会士。非常重要的一点就是他是那个时代把显微镜技术做的最好的一个人，他凭借着自制工具，就可以从一个完全不一样的视角看待世界，做出了很多别人没有办法做出的贡献。同样就在深度学习热潮刚刚开始的很长一段时间里面，有影响的工作往往是来自自己开发了深度学习训练工具的团队。事实上这也是我们在微软时开发CNTK的一个初衷。因为只有自己开发了这样的工具，才能够继续深入的研究深度学习在语音识别上的应用。现在开源的深度学习框架越来越成熟，极大地加快了这一领域的发展。但即便这样，具有优越算力和并行算法的团队仍然拥有优势，因为他们有比其他人更好的工具，在这里我要提一点，要开发这些工具，往往也需要坚实的理论基础和优异的工程实践能力。

3

全力以赴，精益求精，锲而不舍

第三点，很重要的是要全力以赴，精益求精，锲而不舍。精益求精这一点在工程和实验研究中尤其重要。像计算机领域其实有很大部分是属于工程研究的。李远哲教授在总结自己的经历里说过这样几句话，他说：“我们花了很多心血，反复的在每一步上下功夫，如果有100步，我一步比别人做好5%，这是1.05的100次方，这样就有很大差别了。”谈到锲而不舍，他说：”一个人的成败即于最艰难的处境中，有些人能继续努力，有些人承受不了。你如果问我为什么做的比别人好，大概我比较会坚持吧。“所以带着持续的兴趣，锲而不舍的追逐长期目标的精神，不单单是做科研，也有助于其他的事情上的成功。很明显意志不坚定的人，往往在成功之前就已经退出了。

4善于与人交流合作

最后一点，要善于与人交流合作。现在的科学研究和以前有很大的不同，往往需要集结很多人彼此讨论，互相帮助才能做出有影响力的工作。目前许多的突破和创新都发生在多领域跨学科的研究方向上，这就更需要合作。比如我刚才介绍的虚拟人的技术，就涉及了语音合成、人体建模跟驱动、图形渲染等不同领域的技术。这个项目也是有这些不同领域的同事们一起合作完成的。所以交流合作可以使我们创造或发现更多的机遇。

3

好书推荐

给大家推荐三本书，第一本是Hamming写的书，介绍如何做研究。这本书现在有个完全新的新版本，其中最著名的章节是You get what you measure和You and your research，这可能在网上你没有买书也能看到这两个章节。第二本是候世达跟桑德尔合作的书，候世达是在印第安纳大学做认知科学的著名科学家，也是复杂系统理论的先驱。在这本书里面他们介绍类比在人类认知的作用，所以这本书既有助于我们自己通过类比发现新的方法，也有助于我们提升人工智能系统能力。第三本书是Judea Pearl和Dana Mackenzie合作的书，主要介绍的是因果学习，这本书可能知道的人更多一些，因为最近这两年，因果学习是一个比较热门的领域。

系列分享已全部开放至“Wiz”和“乐享犀牛鸟校园“，欢迎各位老师同学扫描下方小程序码加入，更多精彩视频等你开启。

---

— Wiz —

汇聚产业与学界专家，连接学术与科研合作

— 乐享犀牛鸟校园 —

乐享犀牛鸟校园为大学生提供丰富赛事、职业规划分享、产业资讯、企业招聘和实习就业资源。

---

— 关于犀牛鸟研学营 —

腾讯高校合作于2020年首次启动以“聆听，思考，行动“为主题的“犀牛鸟研学营”计划，旨在为刚结束高考的中学生、高校学生及部分延期出国的留学生提供暑期高质量AI系列课程。通过持续1个月的密集学习及校企综合视角报告分享，帮助学生深入了解前沿技术发展及产业创新实践情况，助力学生们开拓视野、提升理想格局、明晰生涯规划。

— 关于Wiztalk —

Wiztalk为腾讯高校合作打造的产学合作交流品牌，致力构建一个短视频系列，用科普的方式，从科技发展的过去、现在与未来三个层面入手，让更多的人可以系统性地了解到，科学研究如何为人类的发展创造出更多的可能性。