在Alphago與韓國(guó)圍棋選手李世石對(duì)戰(zhàn)獲勝三年過(guò)后，一些跡象逐漸顯現(xiàn)，張鈸院士認(rèn)為到了一個(gè)合適的時(shí)點(diǎn)，并接受了此次的專訪。

張鈸，計(jì)算機(jī)科學(xué)與技術(shù)專家，俄羅斯自然科學(xué)院外籍院士、中國(guó)科學(xué)院院士，清華大學(xué)教授、博士生導(dǎo)師，現(xiàn)任清華大學(xué)人工智能研究院院長(zhǎng)。

深度學(xué)習(xí)目前人工智能最受關(guān)注的領(lǐng)域，但并不是人工智能研究的全部。張鈸認(rèn)為盡管產(chǎn)業(yè)層面還有空間，但目前基于深度學(xué)習(xí)的人工智能在技術(shù)上已經(jīng)觸及天花板，此前由這一技術(shù)路線帶來(lái)的“奇跡”在Alphago獲勝后未再出現(xiàn)，而且估計(jì)未來(lái)也很難繼續(xù)大量出現(xiàn)。技術(shù)改良很難徹底解決目前階段人工智能的根本性缺陷，而這些缺陷決定了其應(yīng)用的空間被局限在特定的領(lǐng)域——大部分都集中在圖像識(shí)別、語(yǔ)音識(shí)別兩方面。

同時(shí)，在張鈸看來(lái)，目前全世界的企業(yè)界和部分學(xué)界對(duì)于深度學(xué)習(xí)技術(shù)的判斷過(guò)于樂(lè)觀，人工智能迫切需要推動(dòng)到新的階段，而這注定將會(huì)是一個(gè)漫長(zhǎng)的過(guò)程，有賴于與數(shù)學(xué)、腦科學(xué)等結(jié)合實(shí)現(xiàn)底層理論的突破。

作為中國(guó)少有的經(jīng)歷了兩個(gè)人工智能技術(shù)階段的研究者，張鈸在過(guò)去數(shù)年鮮少接受采訪，其中一個(gè)原因在于他對(duì)目前人工智能技術(shù)發(fā)展現(xiàn)狀的估計(jì)持有部分不同看法，在時(shí)機(jī)未到之時(shí)，張鈸謹(jǐn)慎的認(rèn)為這些看法并不方便通過(guò)大眾媒體進(jìn)行傳播，即使傳播也很難獲得認(rèn)同。

“現(xiàn)在很多方面大家看的比較清楚，已露出苗頭來(lái)了，我現(xiàn)在也接觸到很多企業(yè)，找我談這個(gè)問(wèn)題，說(shuō)明企業(yè)在第一線已經(jīng)發(fā)現(xiàn)了很多問(wèn)題，就想找個(gè)機(jī)會(huì)稍微說(shuō)說(shuō)?！睆堚搶?duì)經(jīng)濟(jì)觀察報(bào)表示。

一、“奇跡并沒(méi)有發(fā)生，按照我的估計(jì)，也不會(huì)繼續(xù)大量發(fā)生”

人工智能在最近三年時(shí)間中受到的關(guān)注很大程度來(lái)自于其在圍棋領(lǐng)域超越人類的“奇跡”，人工智能一次又一次的證明了人類“圍棋智慧”優(yōu)越的脆弱性。

容易被忽略的是，盡管圍棋復(fù)雜多變，但是與牌類游戲相較，圍棋的規(guī)則簡(jiǎn)單，信息完全且確定這恰恰是目前階段人工智能所擅長(zhǎng)的。

在張鈸看來(lái)，盡管此前數(shù)年，人工智能在語(yǔ)音識(shí)別、圖像識(shí)別、圍棋三個(gè)領(lǐng)域顯現(xiàn)了“奇跡”，但此后，這個(gè)“奇跡”再未在其他領(lǐng)域出現(xiàn)，其技術(shù)應(yīng)用的邊界和條件已經(jīng)逐漸清晰。

經(jīng)濟(jì)觀察報(bào)：您是如何估計(jì)和評(píng)價(jià)目前人工智能發(fā)展的現(xiàn)狀？

張鈸：這一輪人工智能熱潮是本世紀(jì)初興起的。首先是出現(xiàn)在學(xué)術(shù)界。學(xué)術(shù)界過(guò)去對(duì)人工智能是冷遇的，但是多層神經(jīng)網(wǎng)絡(luò)的出現(xiàn)帶來(lái)了一些改變，神經(jīng)網(wǎng)絡(luò)的理論在上世紀(jì)50年代就有了，但是一直處于淺層的應(yīng)用狀態(tài)，人們沒(méi)有想到多層會(huì)帶來(lái)什么新的變化。

真正引起大家注意的就是2012年斯坦福的實(shí)驗(yàn)（注：2012年谷歌和斯坦福利用多層神經(jīng)網(wǎng)絡(luò)和大量數(shù)據(jù)進(jìn)行圖像識(shí)別的實(shí)驗(yàn)），過(guò)去實(shí)驗(yàn)的圖像樣本數(shù)最多是“萬(wàn)”這個(gè)級(jí)別，斯坦福用了1000萬(wàn)，用多層神經(jīng)網(wǎng)絡(luò)來(lái)做，結(jié)果發(fā)現(xiàn)在人臉、人體、貓臉三個(gè)圖像類別中，這個(gè)模型的識(shí)別率大概有7%-10%的提高。

這給大家非常大的震動(dòng)，因?yàn)橥ǔＷR(shí)別率要提高1%要做好多努力，現(xiàn)在只是把層數(shù)增加了，竟然發(fā)生兩大變化，一個(gè)是識(shí)別率提高這么多；第二個(gè)是能處理這么大數(shù)據(jù)。這兩個(gè)變化給大家非常大的鼓舞，何況在2012年之前，人工智能沒(méi)有解決過(guò)實(shí)際問(wèn)題。

經(jīng)濟(jì)觀察報(bào)：這種突破的原因是什么？

張鈸：現(xiàn)在分析下來(lái)是三個(gè)原因，大家也都非常清楚了，一個(gè)大數(shù)據(jù)、一個(gè)是計(jì)算能力、一個(gè)是算法。認(rèn)識(shí)到之后，一夜之間業(yè)內(nèi)業(yè)外對(duì)深度學(xué)習(xí)都非常震動(dòng)，然后就發(fā)生了三件歷史性的事件。

第一件事是2015年12月，微軟通過(guò)152層的深度網(wǎng)絡(luò)，將圖像識(shí)別錯(cuò)誤率降至3.57%，低于人類的誤識(shí)率5.1%；第二件事，2016年微軟做的語(yǔ)音識(shí)別，其詞錯(cuò)率5.9%，和專業(yè)速記員水平一樣；第三件事：Alphago打敗韓國(guó)圍棋選手李世石。

通過(guò)人工智能，利用深度學(xué)習(xí)、大數(shù)據(jù)這兩個(gè)工具，在一定條件下、一定領(lǐng)域內(nèi)竟然能夠超過(guò)人類，這三件事情給大家極大的鼓舞。

特別是對(duì)于業(yè)外的人，都認(rèn)為我只要掌握了大數(shù)據(jù)，利用深度學(xué)習(xí)說(shuō)不定還能搞出奇跡來(lái)，于是大家做了很多很多預(yù)測(cè)，比如在多短時(shí)間內(nèi)計(jì)算機(jī)會(huì)在什么事情上能超過(guò)人。

但實(shí)際上，在這個(gè)之后，奇跡并沒(méi)有發(fā)生，按照我的估計(jì)，今后也不會(huì)大量發(fā)生。準(zhǔn)確一點(diǎn)說(shuō)，今后或許會(huì)在個(gè)別領(lǐng)域取得進(jìn)展，但是不會(huì)像之前預(yù)計(jì)的那樣全面開(kāi)花。特別是中國(guó)市場(chǎng)樂(lè)觀的認(rèn)為“中國(guó)市場(chǎng)大、數(shù)據(jù)多，運(yùn)用又不受限制，所以將來(lái)奇跡一定會(huì)發(fā)生在中國(guó)”。

結(jié)果很多企業(yè)在做的時(shí)候發(fā)現(xiàn)，不是那么回事。從目前的情況來(lái)看效果最好的事情還是這兩件：圖像識(shí)別、語(yǔ)音識(shí)別。我看了一下，中國(guó)人工智能領(lǐng)域20個(gè)獨(dú)角獸30個(gè)準(zhǔn)獨(dú)角獸企業(yè)，近80%都跟圖像識(shí)別或者語(yǔ)音識(shí)別有關(guān)系。

經(jīng)濟(jì)觀察報(bào)：為什么會(huì)出現(xiàn)這樣的情況？或者說(shuō)在這么長(zhǎng)時(shí)間后，我們對(duì)人工智能目前能做什么有一個(gè)清晰的認(rèn)識(shí)了嗎？

張鈸：人工智能在圍棋上戰(zhàn)勝人類后產(chǎn)生了這種恐慌，“大師才能做的事，人工智能居然能做，我的工作這么平凡，肯定會(huì)被機(jī)器所替代”。這里需要考慮一下它的局限性，我一直在各種各樣的會(huì)上談到不要過(guò)于樂(lè)觀。

人工智能能做的那三件事（語(yǔ)音識(shí)別、圖像識(shí)別、圍棋）是因?yàn)樗鼭M足了五個(gè)條件，就是說(shuō)只要滿足了這五個(gè)條件，計(jì)算機(jī)就能做好，只要有任何一個(gè)或者多個(gè)條件不滿足，計(jì)算機(jī)做起來(lái)就困難了。

第一個(gè)是必須具備充足的數(shù)據(jù)，充足不僅僅是說(shuō)數(shù)量大，還要多樣性，不能殘缺等。

第二個(gè)是確定性。

第三個(gè)是最重要的，需要完全的信息，圍棋就是完全信息博弈，牌類是不完全信息博弈，圍棋雖然復(fù)雜，但本質(zhì)上只需要計(jì)算速度快，不要靠什么智能，可是在日常生活中，我們所有的決策都是在不完全信息下做的。

第四個(gè)是靜態(tài)，包括按確定性的規(guī)律演化，就是可預(yù)測(cè)性問(wèn)題，在復(fù)雜路況下的自動(dòng)駕駛就不滿足這一條；實(shí)際上它既不滿足確定性，也不滿足完全信息。

第五個(gè)就是特定領(lǐng)域，如果領(lǐng)域太寬他做不了。單任務(wù)，即下棋的人工智能軟件就是下棋，做不了別的。

經(jīng)濟(jì)觀察報(bào)：就是說(shuō)在滿足這五個(gè)條件的前提下，目前的人工智能是勝任部分工作的？

張鈸：如果你的工作符合這五個(gè)條件，絕對(duì)會(huì)被計(jì)算機(jī)替代，符合這五個(gè)條件的工作特點(diǎn)很明顯，就是四個(gè)字“照章辦事”，不需要靈活性，比如出納員、收銀員。如果你的工作富有靈活性和創(chuàng)造性，計(jì)算機(jī)絕對(duì)不可能完全代替，當(dāng)然部分代替是可能的，因?yàn)槠渲锌隙ㄒ灿幸恍┖?jiǎn)單和重復(fù)性的內(nèi)容。如果認(rèn)識(shí)到這一條就會(huì)認(rèn)識(shí)到人工智能仍處于發(fā)展階段的初期。不是像有些人估計(jì)的那樣“人工智能技術(shù)已經(jīng)完全成熟，而進(jìn)入發(fā)展應(yīng)用的階段”。

二、“深度學(xué)習(xí)技術(shù)，從應(yīng)用角度已經(jīng)接近天花板了”

人工智能在本世紀(jì)第二個(gè)十年的活躍得益于深度學(xué)習(xí)領(lǐng)域的突破，深度學(xué)習(xí)搭建在神經(jīng)網(wǎng)絡(luò)之上，而神經(jīng)網(wǎng)絡(luò)的概念則脫胎于上世紀(jì)50年代科研人員對(duì)人類腦神經(jīng)系統(tǒng)的研究和模擬。

近三十年來(lái)數(shù)學(xué)領(lǐng)域，特別是概率統(tǒng)計(jì)理論的突破為多層神經(jīng)網(wǎng)絡(luò)的落地提供了基礎(chǔ)——它們?yōu)槎鄬由窠?jīng)網(wǎng)絡(luò)和海量數(shù)據(jù)處理提供了有效的數(shù)學(xué)工具，但與此同時(shí)，“黑盒”學(xué)習(xí)法也成為深度學(xué)習(xí)的缺陷之一：即使人工智能能給出正確的選擇，但是人們卻并不知道它根據(jù)什么給出這個(gè)答案，人們無(wú)法像理解彼此一樣去理解這個(gè)新的智能。

圖靈獎(jiǎng)得主朱迪亞·珀?duì)栔赋觯罕M管深度學(xué)習(xí)算法具有大腦的靈感，但它們也可以算作另一種強(qiáng)大的數(shù)據(jù)分析工具，是“曲線的擬合”。諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主托馬斯·薩金特則認(rèn)為人工智能其實(shí)就是統(tǒng)計(jì)學(xué)。

那么，人們是否需要機(jī)器給一個(gè)解釋呢？

經(jīng)濟(jì)觀察報(bào)：我們應(yīng)該怎么去定義目前的深度學(xué)習(xí)技術(shù)路線，它是基于概率學(xué)的一個(gè)事物嗎？

張鈸：現(xiàn)在的深度學(xué)習(xí)本質(zhì)是基于概率統(tǒng)計(jì)，什么叫做概率統(tǒng)計(jì)？沒(méi)有那么玄，深度學(xué)習(xí)是尋找那些重復(fù)出現(xiàn)的模式，因此重復(fù)多了就被認(rèn)為是規(guī)律（真理），因此謊言重復(fù)一千遍就被認(rèn)為真理，所以為什么大數(shù)據(jù)有時(shí)會(huì)做出非?；奶频慕Y(jié)果，因?yàn)椴还軐?duì)不對(duì)，只要重復(fù)多了它就會(huì)按照這個(gè)規(guī)律走，就是誰(shuí)說(shuō)多了就是誰(shuí)。

我常常講我們現(xiàn)在還沒(méi)有進(jìn)入人工智能的核心問(wèn)題，其實(shí)人工智能的核心是知識(shí)表示、不確定性推理這些，因?yàn)槿祟愔腔鄣脑慈谀?？在知識(shí)、經(jīng)驗(yàn)、推理能力，這是人類理性的根本。現(xiàn)在形成的人工智能系統(tǒng)都非常脆弱容易受攻擊或者欺騙，需要大量的數(shù)據(jù)，而且不可解釋，存在非常嚴(yán)重的缺陷，這個(gè)缺陷是本質(zhì)的，由其方法本身引起的。

經(jīng)濟(jì)觀察報(bào)：就是說(shuō)通過(guò)改良的方式無(wú)法徹底解決？比如我們?cè)僭黾由窠?jīng)網(wǎng)絡(luò)層數(shù)和復(fù)雜性或者再提升數(shù)據(jù)的量級(jí)，會(huì)解決它的缺陷嗎？

張鈸：改良是不行的，深度學(xué)習(xí)的本質(zhì)就是利用沒(méi)有加工處理過(guò)的數(shù)據(jù)用概率學(xué)習(xí)的“黑箱”處理方法來(lái)尋找它的規(guī)律，這個(gè)方法本身通常無(wú)法找到“有意義”的規(guī)律，它只能找到重復(fù)出現(xiàn)的模式，也就是說(shuō)，你光靠數(shù)據(jù)，是無(wú)法達(dá)到真正的智能。

此外，深度學(xué)習(xí)只是目前人工智能技術(shù)的一部分，人工智能還有更大更寬的領(lǐng)域需要去研究，知識(shí)表示、不確定性處理、人機(jī)交互，等等一大片地方，不能說(shuō)深度學(xué)習(xí)就是人工智能，深度學(xué)習(xí)只是人工智能的一部分。一直到去年人工智能大會(huì)交流的論文還是三分之一是機(jī)器學(xué)習(xí)方面，三分之二是其他方面。

經(jīng)濟(jì)觀察報(bào)：學(xué)界在這上面還是有一個(gè)比較清晰的認(rèn)識(shí)？

張鈸：我可以這么說(shuō)，全世界的學(xué)界大多數(shù)有清晰的認(rèn)識(shí)；全世界的企業(yè)界大多持過(guò)于樂(lè)觀的估計(jì)。

為什么出現(xiàn)這樣的情況呢？因?yàn)閺氖逻^(guò)早期人工智能研究的人，大多已經(jīng)故去或者年老，已經(jīng)沒(méi)有話語(yǔ)權(quán)?，F(xiàn)在活躍在人工智能研究第一線的都是深度學(xué)習(xí)、大數(shù)據(jù)興起以后加入的，他們對(duì)人工智能的了解不夠全面。

經(jīng)濟(jì)觀察報(bào)：如果說(shuō)每一個(gè)技術(shù)路線都有一個(gè)“技術(shù)潛力”，那么在深度學(xué)習(xí)方面，我們已經(jīng)把這個(gè)潛力用了多少？

張鈸：科學(xué)研究是很難精確估計(jì)的，但是深度學(xué)習(xí)如果從應(yīng)用角度，不去改變它，我覺(jué)得已經(jīng)接近天花板了，就是說(shuō)你要想再出現(xiàn)奇跡的可能性比較小了。

經(jīng)濟(jì)觀察報(bào)：那基于此，目前商業(yè)公司在底層技術(shù)和產(chǎn)業(yè)應(yīng)用上還是有很大的空間嗎？

張鈸：只要選好合適的應(yīng)用場(chǎng)景，利用成熟的人工智能技術(shù)去做應(yīng)用，還有較大的空間。目前在學(xué)術(shù)界圍繞克服深度學(xué)習(xí)存在的問(wèn)題，正展開(kāi)深入的研究工作，希望企業(yè)界，特別是中小企業(yè)要密切注視研究工作的進(jìn)展，及時(shí)地將新技術(shù)應(yīng)用到自己的產(chǎn)品中。當(dāng)然像谷歌、BAT這樣規(guī)模的企業(yè)，他們都會(huì)去從事相關(guān)的研究工作，他們會(huì)把研究、開(kāi)發(fā)與應(yīng)用結(jié)合起來(lái)。

經(jīng)濟(jì)觀察報(bào)：有一種觀點(diǎn)認(rèn)為我們強(qiáng)調(diào)的“白盒”（可理解性）它實(shí)際上是從人的思維來(lái)強(qiáng)調(diào)的，但是通過(guò)大數(shù)據(jù)、概率統(tǒng)計(jì)工具離散到連續(xù)的投射，它實(shí)際上是機(jī)器的思維，你不一定需要它給你一個(gè)解釋，只要正確的答案就可以了？

張鈸：目前有兩種意見(jiàn)，一種觀點(diǎn)認(rèn)為智能化的道路是多條的，不是只有一條路能通向智能，我們通過(guò)自然進(jìn)化產(chǎn)生了自然智能，那么我們?yōu)槭裁床荒芡ㄟ^(guò)機(jī)器產(chǎn)生機(jī)器智能？這個(gè)智能和自然智能不會(huì)是完全一樣的，條條大路通羅馬，我們通過(guò)自然進(jìn)化獲得的智能也不見(jiàn)得是最佳的。這個(gè)觀點(diǎn)我贊成，機(jī)器智能與人類不相同，其實(shí)是有好處的，恰恰可以互補(bǔ)，發(fā)揮各自的長(zhǎng)處。

但是從長(zhǎng)遠(yuǎn)來(lái)看，必須得走人類智能這條路，為什么？因?yàn)槲覀冏罱K是要發(fā)展人機(jī)協(xié)同，人類和機(jī)器和諧共處的世界。我們不是說(shuō)將來(lái)什么事情都讓機(jī)器去管去做，人類在一邊享受。我們要走人機(jī)共生這條路，這樣機(jī)器的智能就必須和人類一樣，不然沒(méi)法共處，機(jī)器做出來(lái)的事情，我們不能理解，我們的意圖機(jī)器也不知道，二者怎么能合作？

經(jīng)濟(jì)觀察報(bào)：就是必須具有可解釋性？

張鈸：是，就是可解釋性，你要它做決策，你不理解它，飛機(jī)就讓它開(kāi)，誰(shuí)敢坐這架飛機(jī)？所以目前的階段，車和飛機(jī)還是不能完全讓機(jī)器開(kāi)的。為什么司機(jī)坐在上面我們放心？因?yàn)槲覀兒退\(yùn)，要撞死一塊撞死，機(jī)器和你可不是同一命運(yùn)，它撞不死，你撞死了。

有的人非常脫離實(shí)際的去想這個(gè)問(wèn)題，這是不對(duì)頭的，人類怎么會(huì)去那樣發(fā)展機(jī)器呢（注：指把人類的命運(yùn)全部交給機(jī)器）？人類不會(huì)去那么發(fā)展的，有些人在那邊擔(dān)憂什么機(jī)器人統(tǒng)治人類，我說(shuō)這最多只能算遠(yuǎn)慮。

經(jīng)濟(jì)觀察報(bào)：所以圖靈的論文中也說(shuō)這種觀點(diǎn)“不值一駁”。

張鈸：是，那是遠(yuǎn)慮，我們目前還有很多近憂，發(fā)展人工智能必須要考慮安全問(wèn)題，這已是現(xiàn)實(shí)問(wèn)題。

你看語(yǔ)音合成，利用現(xiàn)有的技術(shù)可以做到以假亂真，和真人基本沒(méi)有差別?，F(xiàn)在看來(lái)這種技術(shù)不能推廣應(yīng)用，因?yàn)橐坏┩茝V就全亂套了，只要搞一段用語(yǔ)音合成技術(shù)做成的假錄音，就可以讓任何一位名人身敗名裂。這些都是非常危險(xiǎn)的技術(shù)。人工智能的治理已經(jīng)提到日程上了。

三、“我們培養(yǎng)不出愛(ài)因斯坦、培養(yǎng)不出圖靈”

人工智能在中國(guó)市場(chǎng)的快速商業(yè)化吸引了各類科研人員投身于此，在論文發(fā)表量和平均引用量?jī)蓚€(gè)指標(biāo)上中國(guó)研究者表現(xiàn)出了競(jìng)爭(zhēng)力，一種樂(lè)觀的觀點(diǎn)是“中國(guó)人工智能研究已經(jīng)可以和美國(guó)并列”。

對(duì)此，張鈸院士則謹(jǐn)慎地認(rèn)為盡管在工程、產(chǎn)業(yè)化層面的某些方面中國(guó)人工智能已經(jīng)接近世界水平，但在技術(shù)創(chuàng)新上，中國(guó)與世界水平差距還很大，實(shí)際上，至今為止幾乎所有的人工智能原創(chuàng)研究成果都來(lái)自于美國(guó)。

作為中國(guó)人工智能科研的領(lǐng)軍機(jī)構(gòu)，清華大學(xué)也正在嘗試改善這一情況，5月18日成立的清華大學(xué)“人工智能學(xué)堂班”（以下簡(jiǎn)稱“智班”）是其中的一個(gè)舉措。智班旨在培養(yǎng)人工智能領(lǐng)域領(lǐng)跑國(guó)際的拔尖科研創(chuàng)新人才，為未來(lái)一二十年的人工智能技術(shù)發(fā)展儲(chǔ)備中國(guó)尖端人才，智班將從2019年秋季開(kāi)始招收招本科生，首批預(yù)計(jì)招收30人，圖靈獎(jiǎng)得主、清華大學(xué)交叉信息院院長(zhǎng)姚期智院士將擔(dān)綱智班首席教授。

“我們清華開(kāi)辦一個(gè)人工智能班就是基于這個(gè)原理。中國(guó)在幾十年前曾經(jīng)喪失了一些和國(guó)際上同時(shí)起步的時(shí)機(jī)，我想我們現(xiàn)在有一個(gè)非常好的機(jī)會(huì)，在以后十年二十年人工智能會(huì)改變這個(gè)世界的時(shí)候，我們應(yīng)該在這個(gè)時(shí)候跟別人同時(shí)起步甚至比別人更先走一步，好好培養(yǎng)我們的人才，從事我們的研究”姚期智表示。

清華大學(xué)副校長(zhǎng)、教務(wù)長(zhǎng)楊斌教授招生信息交流會(huì)的開(kāi)場(chǎng)演講中，拆解“人工智能”四字中所蘊(yùn)含著的清華大學(xué)人才培養(yǎng)理念。他圍繞“人”闡述了清華大學(xué)的“三位一體”教育理念、成人成才成群、人在才先、為國(guó)育士等；圍繞“工”描述了清華人以此為生、精于此道、樂(lè)此不疲的工匠精神、追求做第一等事業(yè)的境界追求；圍繞“智”解讀了跳出“能衡量才發(fā)展”的怪圈、重視教育價(jià)值自在的清華思考；圍繞“能”刻畫了一代代清華人勇于擔(dān)當(dāng)、積極貢獻(xiàn)的主人翁立場(chǎng)以及靠譜肯干、讓人信賴的風(fēng)格特質(zhì)。

經(jīng)濟(jì)觀察報(bào)：一種觀點(diǎn)認(rèn)為中國(guó)有更多的數(shù)據(jù)和更多的工程師，這種規(guī)模能倒推帶來(lái)基礎(chǔ)研究層面的突破或者決定技術(shù)的路線？

張鈸：這里混淆了好多概念，科學(xué)、技術(shù)、工程。科技水平需要三個(gè)標(biāo)準(zhǔn)來(lái)衡量，一個(gè)是科研水平、一個(gè)是技術(shù)水平、一個(gè)是工程實(shí)踐能力，或者產(chǎn)業(yè)化能力。

我們中國(guó)什么情況？從工程角度來(lái)看，在一些領(lǐng)域我們“接近世界水平”；技術(shù)水平我用的詞是“較大差距”，因?yàn)椴簧贃|西還是外國(guó)會(huì)做我們不會(huì)做；科研究領(lǐng)域我用的詞是“很大差距”，科學(xué)研究就是原創(chuàng)，實(shí)際上，所有人工智能領(lǐng)域的原創(chuàng)成果都是美國(guó)人做出來(lái)的，人工智能領(lǐng)域圖靈獎(jiǎng)得主共十一人，十個(gè)美國(guó)人，一個(gè)加拿大人。

經(jīng)濟(jì)觀察報(bào)：數(shù)據(jù)顯示中國(guó)在人工智能領(lǐng)域的論文發(fā)表量和被引用次數(shù)都已經(jīng)進(jìn)入前列位置，這是否說(shuō)明中國(guó)人工智能科學(xué)研究領(lǐng)域的突破？

張鈸：如果單從論文來(lái)看研究水平，基本反映在三個(gè)指標(biāo)上：數(shù)量、平均引用率、單篇最高引用率。拿人工智能來(lái)講，中國(guó)研究者論文的數(shù)量和平均引用率都還不錯(cuò)，但是單篇最高引用率和世界差距就很大，而這個(gè)指標(biāo)恰恰是反映你的原創(chuàng)能力。

也就是說(shuō)深度學(xué)習(xí)這個(gè)領(lǐng)域，我們的平均水平達(dá)到世界水平了，但是最高水平和世界差距還是很大的。不過(guò)還是要肯定的，我們應(yīng)用上發(fā)展比較快。

經(jīng)濟(jì)觀察報(bào)：清華在這方面有什么優(yōu)勢(shì)嗎？

張鈸：在人工智能重要的會(huì)議雜志上，這十年期間論文數(shù)量、平均質(zhì)量CMU（美國(guó)卡耐基梅隆大學(xué)）排第一，清華大學(xué)排第二。我們培養(yǎng)的人，在計(jì)算機(jī)這個(gè)領(lǐng)域，清華的本科、博士生都是世界一流的。

目前我們的跟蹤能力是比較強(qiáng)的，一旦有人起個(gè)頭，我們能迅速跟上去。但是很可惜，我們?nèi)狈敿馊宋?，也培養(yǎng)不出頂尖的人才，如愛(ài)因斯坦、圖靈等。

我個(gè)人認(rèn)為原因之一，可能與中國(guó)的文化有點(diǎn)關(guān)系，我們的從眾心理很嚴(yán)重，比如在人工智能領(lǐng)域，深度學(xué)習(xí)很熱，發(fā)表的論文作者中幾乎70%是華人，但是其他非熱門領(lǐng)域，包括不確定性推理、知識(shí)表示等幾乎沒(méi)有華人作者。這就是從眾扎堆，不愿意去探索“無(wú)人區(qū)”。

當(dāng)然也不要著急，科學(xué)研究本來(lái)就是富人干的事情，是富國(guó)干的事情，我們還是發(fā)展中國(guó)家，科學(xué)研究起點(diǎn)比較低，暫時(shí)落后是難免的，我們會(huì)迎頭趕上。

四、“低潮會(huì)發(fā)生，但不會(huì)像過(guò)去那樣”

既有的深度學(xué)習(xí)技術(shù)到達(dá)它的頂點(diǎn)，好像難以發(fā)展了。但這不等于說(shuō)我們不可以在它的基礎(chǔ)上，向新的方向發(fā)展，走出一條新的發(fā)展道路。實(shí)際上，這項(xiàng)研究正在進(jìn)行中。

張鈸院士正在提倡第三代人工智能，按照目前的設(shè)想，新的技術(shù)路線應(yīng)該要解決目前存在的不可理解性，脆弱性等缺陷，而這些可能還需要計(jì)算機(jī)科學(xué)與數(shù)學(xué)和腦科學(xué)的結(jié)合與突破。

在上世紀(jì)，人工智能技術(shù)也曾經(jīng)因?yàn)榧夹g(shù)方向“碰壁”而經(jīng)歷過(guò)漫長(zhǎng)的低潮期，未來(lái)我們還將再經(jīng)歷一次這樣的過(guò)程嗎？

經(jīng)濟(jì)觀察報(bào)：如果說(shuō)深度學(xué)習(xí)已進(jìn)天花板，那么人工智能未來(lái)的前進(jìn)方向?qū)?huì)在哪？

張鈸：最近我們準(zhǔn)備提出一個(gè)新的概念，就是第三代人工智能的概念，人工智能實(shí)際上經(jīng)歷過(guò)兩代，第一代就是符號(hào)推理，第二代就是目前的概率學(xué)習(xí)（或深度學(xué)習(xí)），我們認(rèn)為現(xiàn)在正在進(jìn)入人工智能的第三代。原因很明顯，第一代、第二代都有很大的局限性。

經(jīng)濟(jì)觀察報(bào)：你所說(shuō)的第三代人工智能技術(shù)是有明確的實(shí)現(xiàn)方向或者特點(diǎn)嗎？

張鈸：我們現(xiàn)在提出的是要建立可解釋、魯棒性（注：可以理解為穩(wěn)健性）的人工智能理論和方法，發(fā)展安全、可靠和可信的人工智能技術(shù)。

經(jīng)濟(jì)觀察報(bào)：這樣的技術(shù)可能要等很久？

張鈸：是啊，很難預(yù)計(jì)，我們也很著急。

經(jīng)濟(jì)觀察報(bào)：是不是還得回歸到數(shù)學(xué)等理論層面里再去找新的方法？

張鈸：這個(gè)目前我們有兩條路，一個(gè)是和數(shù)學(xué)結(jié)合，一個(gè)是和腦科學(xué)結(jié)合。你想想如果沒(méi)有新的數(shù)學(xué)工具，沒(méi)有來(lái)自于腦科學(xué)啟發(fā)下的新思路，哪來(lái)的新理論？另一方面是要把數(shù)據(jù)驅(qū)動(dòng)和知識(shí)驅(qū)動(dòng)結(jié)合起來(lái)，因?yàn)橥ㄟ^(guò)數(shù)學(xué)、腦科學(xué)上尋求突破是比較艱難的，前面這件事現(xiàn)在則完全能夠做。

經(jīng)濟(jì)觀察報(bào)：這個(gè)結(jié)合是指之前幾十年人工智能的經(jīng)驗(yàn)統(tǒng)合到一塊？

張鈸：是的，至少有一個(gè)方向就是要把第一代和第二代結(jié)合，利用各自的優(yōu)勢(shì)。但是這兩個(gè)結(jié)合很困難，因?yàn)樗麄冊(cè)诓煌臻g中操作，一個(gè)是向量空間，一個(gè)是符號(hào)空間，也需要有新的數(shù)學(xué)工具的加入。

經(jīng)濟(jì)觀察報(bào)：看人工智能歷史，每一代技術(shù)之間有很長(zhǎng)的間隔期，第三代人工智能技術(shù)也會(huì)這樣嗎？

張鈸：我認(rèn)為會(huì)更長(zhǎng)，因?yàn)樾枰?jiān)，因?yàn)橛龅降膯?wèn)題更困難。

經(jīng)濟(jì)觀察報(bào)：會(huì)不會(huì)再過(guò)10年、20年，人工智能在學(xué)界或者公眾心中，又變成一個(gè)“隱學(xué)”，就像70、80年代那樣，大眾又不會(huì)再經(jīng)常提起來(lái)這個(gè)詞？

張鈸：低潮會(huì)發(fā)生，但不會(huì)像過(guò)去那樣，原因在哪？因?yàn)橛写髷?shù)據(jù)、互聯(lián)網(wǎng)和強(qiáng)大的計(jì)算資源，這些都會(huì)支撐人工智能繼續(xù)走下去，盡管有的時(shí)候還只是表面上的繁榮。