毫無疑問，人工智能又火了。

十四五規(guī)劃提出，把科技自立自強(qiáng)作為國家發(fā)展的戰(zhàn)略支撐，瞄準(zhǔn)人工智能、量子信息、生物醫(yī)藥等前沿領(lǐng)域，實(shí)施一批具有前瞻性、戰(zhàn)略性的國家重大科技項(xiàng)目。人工智能將引領(lǐng)新一輪的技術(shù)變革與數(shù)智化浪潮，與此同時，外界對于人工智能的隱憂與質(zhì)疑也從未中斷。

哪一面，才是人工智能的真實(shí)？

為了推動AI技術(shù)的應(yīng)用創(chuàng)新，促進(jìn)人工智能領(lǐng)域的學(xué)術(shù)交流、人才培養(yǎng)，中國人工智能學(xué)會聯(lián)合杭州市余杭區(qū)政府發(fā)起首屆全球人工智能技術(shù)創(chuàng)新大賽，阿里云天池平臺為本次大賽提供平臺和算力支撐。

作為大賽的預(yù)熱節(jié)目，“AI青年說”近期邀請到浙江大學(xué)求是特聘教授、人工智能研究所所長吳飛與阿里云計算平臺負(fù)責(zé)人賈揚(yáng)清，交流人工智能技術(shù)與應(yīng)用的發(fā)展趨勢，更重要的是，聊聊“AI內(nèi)卷與年薪百萬，哪個才是真實(shí)？”

（以下為對話節(jié)選）

如何與人工智能結(jié)緣？

吳飛：我是2009年的時候開始對人工智能產(chǎn)生興趣，當(dāng)時我對自己的研究方向產(chǎn)生了深深的焦慮，覺得自己當(dāng)時研究所寫的東西“面目可憎，言語無味”。這個時候，我得到去美國加州大學(xué)伯克利分校統(tǒng)計系郁彬教授課題組做訪問學(xué)者的機(jī)會，深入學(xué)習(xí)很多有關(guān)機(jī)器學(xué)習(xí)模型理論和算法的知識。

原來在冰冷的機(jī)器后面，有這么多深奧的模型、算法和這么新鮮的理論來支持。一年之后，我回到浙大，從此走上了人工智能的學(xué)術(shù)道路。

賈揚(yáng)清：我最開始是學(xué)習(xí)自動化的。以前，我們開玩笑說，自動化主要做兩件事情，一個是燒鍋爐的，一個是開電梯的。

后來在研究生期間，我就對于人工智能和統(tǒng)計機(jī)器學(xué)習(xí)產(chǎn)生了更多的興趣，當(dāng)時人工智能并沒有那么熱，有一句流行的話，“人工智能是在80%的時間里，以80%的正確率，解決80%的問題。”但是我們也不知道，那80%的時間解決了哪些80%的問題，大家一直處于相對低谷的狀態(tài)。

2006年的時候， Geoffrey Hinton在《Science》發(fā)表了一篇講受限玻爾茲曼機(jī)（restricted Boltzmann machine）的文章，我開始對人工神經(jīng)網(wǎng)絡(luò)等基礎(chǔ)理論以及大規(guī)模訓(xùn)練產(chǎn)生興趣。我是2009年去了加州大學(xué)伯克利分校，也有幸跟吳老師在伯克利相處了一年多的時間。

攻讀博士期間，我們發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)的方法變得越來越重要，我們最開始從稀疏編碼（Sparse Coding）等方面入手，構(gòu)建一系列的軟件棧以及相應(yīng)的科學(xué)研究，來把基于深度學(xué)習(xí)的算法做得越來越好。

2012年，AlexNet的出現(xiàn)讓全世界都突然意識到深度學(xué)習(xí)的重要，在此之前，2010年左右，在語音領(lǐng)域RNN等方法已經(jīng)開始被應(yīng)用起來。當(dāng)時我發(fā)現(xiàn)大家都在紛紛涌向深度學(xué)習(xí)算法，相應(yīng)的軟件工具平臺卻比較匱乏的，所以我們在伯克利就開始做Caffe以及后來一系列的深度學(xué)習(xí)框架。

在接下來的幾年，我們見證了深度學(xué)習(xí)算法的大規(guī)模應(yīng)用，無論是算法創(chuàng)新方面，還是方法的落地方面，都開始有了非常大的市場。

無論是阿里的城市大腦算法，還是達(dá)摩院的很多新型算法模型，很榮幸我的研究能夠成為一個底座，支持大家在AI技術(shù)及應(yīng)用上有進(jìn)一步的創(chuàng)新和發(fā)展。

十四五規(guī)劃把人工智能列為前沿科技領(lǐng)域的“最高優(yōu)先級”。這對人工智能專業(yè)而言，意味著什么？

吳飛：2017年，國務(wù)院公布了中國新一代人工智能發(fā)展規(guī)劃，規(guī)劃明確指出：人工智能是引領(lǐng)未來的戰(zhàn)略性技術(shù)，必將推動人類社會和生活模式以及學(xué)習(xí)方式的巨大改變。

我想對年輕人而言，人工智能就意味著未來，因?yàn)樗旧硎且粋€使能技術(shù)，不斷推動著社會的快速前進(jìn)。規(guī)劃還指出，高校要設(shè)置人工智能本科專業(yè)。2018年，教育部批準(zhǔn)了35所高校設(shè)置人工智能本科專業(yè)。到現(xiàn)在為止，全國一共有345所高校設(shè)置了人工智能本科專業(yè)。

圖靈在1949年談及圖靈機(jī)時表示，“（圖靈機(jī)模型的提出）這不過是將來之事的前奏，也是將來之事的影子。”

因此，對年輕人而言，無論是基礎(chǔ)研究、關(guān)鍵核心技術(shù)的突破，還是賦能場景的實(shí)現(xiàn)，人工智能已經(jīng)悄然地走進(jìn)社會，像水和電一樣的不斷賦能社會的發(fā)展。

未來AI有哪些值得關(guān)注的趨勢？

賈揚(yáng)清：在2012年以前，要做一個計算機(jī)視覺的識別系統(tǒng)，基本上就要去讀一個博士，才能做出來，而且效果還不一定好。今天我們發(fā)現(xiàn)，從0到1的積累差不多已經(jīng)完成了，或者說已經(jīng)比較成熟。算法的標(biāo)準(zhǔn)化和應(yīng)用化會變成趨勢。

今天如果我想做一個無人駕駛的demo，就并不需要去學(xué)計算機(jī)視覺的博士。因?yàn)榻裉煊蟹浅６嚅_源的模型，讓我們能夠非常迅速地把算法能力給補(bǔ)齊。算法的標(biāo)準(zhǔn)化、工程化，以及怎樣迅速地把標(biāo)準(zhǔn)算法和特定的業(yè)務(wù)場景結(jié)合起來，是我們今天在計算機(jī)視覺、語音、自然語言理解等領(lǐng)域的大趨勢。

當(dāng)然科研還在繼續(xù)往前走，我們在尋找新的高精尖方向。但同時我認(rèn)為，怎樣把現(xiàn)有結(jié)果大規(guī)模應(yīng)用到不同場景中去，是一個非常大的趨勢。

另外，我們會發(fā)現(xiàn)，以前單純的垂直場景，比如像計算機(jī)視覺、語音、自然語言處理等已經(jīng)開始逐漸融合，變得共通，這就需要用到大規(guī)模、多模態(tài)模型。如我們所見，谷歌、OpenAI、DeepMind等公司都在這方面做出非常多的探索。

前段時間OpenAI推出GPT-3模型，這帶來的啟發(fā)是：我們需要有一個通用、多模態(tài)的模型，來統(tǒng)一理解各種形態(tài)的數(shù)據(jù)和各種形態(tài)的輸入。

我覺得這代表了另外一個趨勢。一方面是現(xiàn)有結(jié)果的工程化和規(guī)?；?，另一方面是各子領(lǐng)域之間的相互貫通，以及做到更加深入、更加本質(zhì)的理解。

吳飛：我補(bǔ)充一下，有兩個方向的趨勢值得關(guān)注。

第一個是從0到1，按照朱松純教授的說法，現(xiàn)在的機(jī)器智能是“大數(shù)據(jù)小任務(wù)”，比如GPT-3有1750億的參數(shù)，并且使用上千GB的訓(xùn)練數(shù)據(jù)把它訓(xùn)練出來。但如何讓人工智能或機(jī)器智能具有人腦小樣本學(xué)習(xí)的能力、動物的直覺能力以及舉一反三的能力，這是我們面臨的巨大挑戰(zhàn)。

第二個我覺得是從1到N，人工智能已經(jīng)是一門使能技術(shù)。就像我們徐匡迪院士所言，“人工智能需要數(shù)學(xué)家參與進(jìn)來。”

人工智能取得突破性的領(lǐng)域方向，一定是從腦科學(xué)、材料學(xué)等領(lǐng)域得到了啟發(fā)，所以AI接下來的突破，一定是基于大數(shù)據(jù)、多學(xué)科交叉下的領(lǐng)域突破。

賈揚(yáng)清：我也補(bǔ)充一點(diǎn)。今天的人工智能系統(tǒng)，特別是在感知領(lǐng)域，無論是計算機(jī)視覺還是語音，都存在一種“一攬子買賣”的狀態(tài)。例如有一個輸入和一個輸出，標(biāo)注是人或者車，這就是一個所謂的“one shot”過程，目標(biāo)集有時是手工指定的。

怎樣從單點(diǎn)的目標(biāo)或者單點(diǎn)的預(yù)測（prediction）到更加完整的知識體系，即所謂的大知識。正如吳老師剛提到的“大數(shù)據(jù)小任務(wù)”，“大數(shù)據(jù)大知識”是我們今天需要打通的一件事情：在簡單標(biāo)簽的基礎(chǔ)上再構(gòu)建一個知識體系，無論是邏輯關(guān)系還是其他關(guān)系。

傳統(tǒng)的專家系統(tǒng)，更多的是通過人工手寫的方式來做的，很難規(guī)?；鹘y(tǒng)的機(jī)器學(xué)習(xí)方法還是小任務(wù)單點(diǎn)預(yù)測的狀態(tài)。怎樣能夠讓機(jī)器學(xué)習(xí)系統(tǒng)更加自動、規(guī)?；厣山Y(jié)構(gòu)化的知識和結(jié)構(gòu)化的體系，我覺得，在接下來幾年，這方面可能產(chǎn)生最大的突破，或者至少是需求最大的方面。

同時它也引出了另外一點(diǎn)，就是吳老師剛才提到的：人工智能怎樣賦能行業(yè)，例如制藥業(yè)的數(shù)據(jù)是非常少的，對于邏輯推理和知識抽象的要求非常高。因?yàn)樗鼪]有辦法像圖像識別一樣能使用幾百萬張圖片作為數(shù)據(jù)。

簡而言之，未來有兩個趨勢：一個是從大數(shù)據(jù)到大知識，另一個是怎樣通過抽象出來的知識體系，來賦能其他領(lǐng)域，以更好地使用AI技術(shù)。

人工智能目前存在的障礙與問題

吳飛：發(fā)展人工智能一定要有豐沃的土壤，也就是人工智能發(fā)展的生態(tài)。今天要支撐起中國人工智能的發(fā)展，一定要依靠底層的算力、底層的軟硬件以及中間算法和上層的應(yīng)用軟件。從底到高支撐起中國人工智能的發(fā)展，就是它的技術(shù)生態(tài)。

可能是之前我們忙于搞模型、搞算法、搞應(yīng)用。而現(xiàn)在已經(jīng)到了一個關(guān)口，需要阿里巴巴等企業(yè)的投入，需要浙江大學(xué)、清華大學(xué)、北京大學(xué)等高校的投入，需要政府的關(guān)切以及各行各業(yè)人才的投入，同頻共振、相向而行，建設(shè)一個良好的生態(tài)。

賈揚(yáng)清：今天談?wù)摰梅浅２蛔愕囊稽c(diǎn)是，怎樣讓所有人都能用到人工智能的技術(shù)。

此前我們更關(guān)注的是怎樣發(fā)展高精尖的技術(shù)?？v觀歷史，我們說人工智能是通用化的技術(shù)，或者我們相信未來它將是技術(shù)發(fā)展的核心點(diǎn)，這就需要讓所有人都能更容易地接觸到人工智能。

幾十年前，英語專業(yè)有一個專門的職業(yè)叫翻譯，而在國際化的影響下，如今很多人自身就能掌握中英雙語。我們以前說：“計算機(jī)要從娃娃抓起。”而今天我們幾乎每個人都有使用計算機(jī)或操作計算機(jī)的能力，無論是電腦還是手機(jī)。只有達(dá)到這種普惠程度的時候，我們才能夠把一個技術(shù)稱為通用的、普惠的技術(shù)。

今天人們要觸達(dá)AI技術(shù)還是相對困難的。無論是在硬件上（搭一個帶有GPU的機(jī)器），還是在軟件上（安裝一套人工智能框架以及底層數(shù)據(jù)的軟件等），都還比較困難。

設(shè)想一下，如果任何一個懂電腦的人都可以在5秒鐘之內(nèi)開始嘗試寫AI算法的代碼，并且很快能識別一張圖像的內(nèi)容。他也許并不懂底層的技術(shù)是怎樣實(shí)現(xiàn)的，但創(chuàng)造性的火花很容易就此迸發(fā)。

高精尖的技術(shù)往往是比較抓眼球，容易被大家接受。而從長遠(yuǎn)角度看，這種潛移默化的普惠化、潤物細(xì)無聲的過程會收獲更好的效果。

讀博對于人工智能意味著什么？

賈揚(yáng)清：學(xué)習(xí)人工智能與是否讀博的關(guān)系并不是很大，每一個行業(yè)都會對博士有特別定義。在AI領(lǐng)域有非常多優(yōu)秀的本科生和碩士生，他們并不比博士的能力差。

從個人經(jīng)歷來看，我的博士生涯教會我的最重要一點(diǎn)不是“怎樣做一件事情”，而是讓我更多地思考“我們應(yīng)該解決什么樣的問題”。

博士更多的是要定義問題，需要從特別復(fù)雜的場景中抽象出要解決的問題的定義。然后第二位的才是「怎樣解決這個問題」，這是博士生涯對我?guī)椭畲蟮囊稽c(diǎn)。

從培養(yǎng)的角度講，如果大家希望培養(yǎng)一下自己定義問題的能力，我覺得博士還是很值得讀的。5年的時間不長也不短，但能力的提升是終身獲益的事。

吳飛：我完全同意揚(yáng)清的觀點(diǎn)。讀博的問題要辯證看待。如果同學(xué)們渴望充電，有渴望學(xué)習(xí)的饑餓感，通過職業(yè)培訓(xùn)或者通過工作環(huán)境中的積累無法解決，那就去讀博士。并且讀博期間一定要注意，學(xué)習(xí)目的不只是獲得文憑，也不只是發(fā)表文章，而是為了培養(yǎng)能力。

剛才揚(yáng)清也講了，這是一個終身的事情，人們常說讀完博士之后，他能不能發(fā)展好要再看5年，5年之后如果繼續(xù)往前發(fā)展，就說明他已經(jīng)走上了人生不斷向前發(fā)展的軌道。

排除疫情的因素，出國深造還有沒有必要？

賈揚(yáng)清：這個問題沒有非黑即白的答案。首先，現(xiàn)在國際交流越來越多，線上會議只有時差問題，就像看世界杯一樣，出國可能沒有10年前或20年前那么必要了。

另一方面，我一直相信不同文化、不同思想的融會貫通是創(chuàng)造新的思想和方法的豐沃土壤。如果有機(jī)會的話，我也建議大家出國去看一看，無論是參加一個學(xué)術(shù)會議，還是訪學(xué)計劃，或者投資更長的時間去讀博。更加重要的是，從自己出發(fā)，打開心扉，去了解不同的文化與技術(shù)氛圍。

吳飛：我是2009年10月份從北京首都機(jī)場出發(fā)，飛往美國舊金山。當(dāng)時我已經(jīng)36歲了，那是我第一次出國。在伯克利的時光，我基本是兩點(diǎn)一線，從宿舍到伯克利的實(shí)驗(yàn)室。一年到頭，我只有春節(jié)期間休息了幾天，記得除夕約了揚(yáng)清吃了頓餃子，那也是我沒去實(shí)驗(yàn)室的僅有的一兩天。

很多人都有出國的經(jīng)歷，但并不是所有出國的人都抓住了機(jī)會，也并不是每個人都能完成自己的志向。在美國高水平的大學(xué)里，如果能夠把自己全部的精力都用于學(xué)習(xí)，是非常好的人生體驗(yàn)。

從伯克利回來之后，我的大腦里面會經(jīng)常浮想起美國西海岸蔚藍(lán)的天空以及宿舍夜里火車經(jīng)過的鳴笛聲。這不是在回憶美國的生活，而是在回憶當(dāng)時的奮斗。

AI內(nèi)卷與年薪百萬，哪個才是真實(shí)？

賈揚(yáng)清：內(nèi)卷是一個很有意思的概念，包括大家逛知乎?？吹揭粋€詞語，叫調(diào)參俠。

在AI領(lǐng)域，有很多創(chuàng)新的事情可以做。內(nèi)卷與否，是我們自己內(nèi)心的表現(xiàn)。如果覺得自己做不出新的東西，只能調(diào)調(diào)參數(shù)，做一些增量工作，這肯定是內(nèi)卷的。

容易的地方就會內(nèi)卷的，難的領(lǐng)域往往會有突破。

應(yīng)該給自己更多的信心與勇氣。AI已經(jīng)是個日新月異的領(lǐng)域了，廣泛應(yīng)用到互聯(lián)網(wǎng)、交通、電力、航空等領(lǐng)域，每年都有新的突破，何不去做創(chuàng)新呢。

吳飛：揚(yáng)清有意避開了“年薪百萬不是夢”，但對高校老師而言“年薪百萬就是夢”。教師的工資明顯沒有學(xué)生高，這是人工智能領(lǐng)域的實(shí)際情況。我們培養(yǎng)了很多的學(xué)生，現(xiàn)在已是年薪百萬。這說明人工智能專業(yè)的職業(yè)發(fā)展前景非常好。

未來的發(fā)展趨勢不會改變，整個國家把人工智能作為一種戰(zhàn)略性技術(shù)進(jìn)行發(fā)展的大方針不變，各行各業(yè)都會對人工智能有極大熱情。

為什么會內(nèi)卷，是因?yàn)榇蠹叶寂艿揭粭l賽道上去了，比如都擠到“大數(shù)據(jù)小任務(wù)”的賽道，變成了所謂的“調(diào)參俠”。于是沒人做農(nóng)業(yè)、司法、環(huán)境等更具開創(chuàng)性的場景應(yīng)用，就發(fā)生了內(nèi)卷。

想象一下，你讀完人工智能的博士或者研究生，如果進(jìn)入一個稀缺人工智能的行業(yè)，那么你就是這個行業(yè)的AI之王，哪里會有內(nèi)卷。

賈揚(yáng)清：我也順便談下“年薪百萬”這個事。像我今天早餐是自己做的，午飯是在食堂解決的，平時真的花不了多少。其實(shí)真讓自己開心的事并不是年薪百萬，而是我們做的東西有人用，大家都喜歡。我特別崇敬吳老師這些學(xué)校里面的老師。第一，他們在探索前沿研究；第二，他們在培養(yǎng)AI以及各個技術(shù)領(lǐng)域的人才。

全球人工智能技術(shù)創(chuàng)新大賽，對學(xué)界與業(yè)界的意義

吳飛：中國人工智能學(xué)會從為國家培養(yǎng)人才的角度來舉辦大賽，賽題也來自于產(chǎn)業(yè)界的需求，這非常好。人工智能最貴重的一點(diǎn)就是貴其能用，賦能社會，每個賽題都來自產(chǎn)業(yè)的需求。

同學(xué)們用在高校學(xué)習(xí)得到的知識和技術(shù)，來解決產(chǎn)業(yè)的問題，就打破了學(xué)科的壁壘，達(dá)到產(chǎn)教融合的效果。同學(xué)借此了解到業(yè)界解決問題的一些方法與思路，相信以后回到高校，可以更高屋建瓴地看待學(xué)習(xí)的內(nèi)容。

所以全球人工智能技術(shù)創(chuàng)新大賽是高等學(xué)校和產(chǎn)業(yè)界攜手，面向人工智能應(yīng)用進(jìn)行人才培養(yǎng)的好方式。

賈揚(yáng)清：競賽一直是推動創(chuàng)新的好機(jī)制，以前在讀書的時候有挑戰(zhàn)杯這樣的比賽，這對我們在課程之外嘗試一些新的東西是非常有用的。比如Facebook等公司也有黑客馬拉松的機(jī)制，某程度上可以讓大家跳出本職工作，嘗試新的點(diǎn)子，產(chǎn)出新的技術(shù)或者產(chǎn)品。

借著吳老師剛才說的“隨心所欲，隨遇而安”，我覺得這個比賽大家可以“生死看淡，不服就干”。相信大家都能夠從比賽中體會到快樂，收獲到知識。