中國人工智能的未來到底通向何方？| CCF-GAIR 2019

雷鋒網(wǎng)按：7 月 12 日-7 月 14 日，2019 第四屆全球人工智能與機器人峰會（CCF-GAIR 2019）于深圳正式召開。峰會由中國計算機學(xué)會（CCF）主辦，雷鋒網(wǎng)、香港中文大學(xué)（深圳）承辦，深圳市人工智能與機器人研究院協(xié)辦，得到了深圳市政府的大力指導(dǎo)，是國內(nèi)人工智能和機器人學(xué)術(shù)界、工業(yè)界及投資界三大領(lǐng)域的頂級交流博覽盛會，旨在打造國內(nèi)人工智能領(lǐng)域極具實力的跨界交流合作平臺。

7 月 12 日，中國人工智能學(xué)術(shù)界首次公開舉辦了「華人頂會主席圓桌」。五大國際 AI 頂會華人主席分別就各自領(lǐng)域會議的文章水平、大會主題和形式等方面相關(guān)變化的觀察分享了相關(guān)觀點，該圓桌論壇主持人由京東集團副總裁鄭宇擔(dān)任。

出席本次圓桌論壇的嘉賓有：

• 馬頌德，原科技部副部長、歐美同學(xué)會副會長、ICCV 2005 大會主席；

• 張正友，騰訊 AI Lab & Robotics X 主任、CVPR 2017 大會主席；

• 周明，微軟亞洲研究院副院長，國際計算語言學(xué)會（ACL）主席；

• 楊強，香港科技大學(xué)講席教授、微眾銀行首席 AI 官、IJCAI 理事會主席；

• 陳義明；新加坡工程院院士、南洋理工大學(xué)教授、ICRA 2017 大會主席。

中國人工智能四十年 ? 華人頂會主席圓桌

圓桌探討

以下是圓桌會議的全部精彩內(nèi)容，雷鋒網(wǎng)做了不變原意的整理與編輯：

一、頂會現(xiàn)狀，一場過去與現(xiàn)在的思維碰撞

鄭宇：近幾年，各大頂會里面的文章水平、大會主題以及形式有發(fā)生哪些變化？尤其是現(xiàn)在相對 10 年前，我們的論文水平、學(xué)者參會情況上發(fā)生了哪些明顯的變化？

周明：這是一個值得探討的好問題，現(xiàn)在的 ACL 的文章主要有這樣的特點——聚焦大數(shù)據(jù)驅(qū)動、神經(jīng)網(wǎng)絡(luò)方面的內(nèi)容，所以文章的技術(shù)水平很高；但內(nèi)容都千篇一律。20 年前大家是基于規(guī)則的，語言學(xué)規(guī)則大家有各自的想法，那時是皓首窮經(jīng)要寫上萬條規(guī)則，所以 20 年前的文章，個性化更強，在研究方面所下的功夫會比現(xiàn)在更深。

現(xiàn)在是一個好的時代，但是我們更應(yīng)該用開放的心胸看待歷史，充分尊重前輩的工作，從而找到未來新的增長點，即不要拘泥于現(xiàn)在所謂的「深度學(xué)習(xí)方法」，也應(yīng)該考慮到人類知識和大數(shù)據(jù)以及人的各種因素，將其糅合在一起，從而開創(chuàng)一個新的時代。

馬頌德：回顧這些會議這么多年來「想解決什么問題、在做什么努力」會對今后很有用。因為我們可能會碰到類似的問題，就可以有類似的解決辦法。而反觀這些年計算機視覺方面包括 ICPR、ICCV 做的事情可以發(fā)現(xiàn)，雖然我們想構(gòu)筑一個人工智能計算系統(tǒng)或者計算機視覺系統(tǒng)，但這些年的文章、討論的問題卻是在努力尋求突破，而這些內(nèi)容的本質(zhì)就是加知識。當然現(xiàn)在計算機視覺領(lǐng)域也有許多做的東西可能方向不太對，但所做的很多努力是能結(jié)合今后需要再繼續(xù)深入研究下去的。

鄭宇： ICCV 和 CVPR 有沒有區(qū)別？有多大區(qū)別？

張正友：兩者有很大的區(qū)別。從頻率來講，ICCV 兩年一屆，CVPR 一年一屆；從規(guī)模來講，我第一次參加 ICCV，規(guī)模是兩百多人，那時 CVPR 也差不多兩三百人，而今年 CVPR 已經(jīng)達到了九千多人參會；從內(nèi)容來講，ICCV 更偏向理論的，更有指導(dǎo)性的工作；CVPR 是更偏向于應(yīng)用方向的研究；所以 ICCV 的門檻要比 CVPR 更高。

而近年來，會議的一個很大變化是中國人的參會比例。今年 CVPR 的會議，華人投稿比例達到 40%，參會華人估計超過 50%，華人在計算機視覺這個領(lǐng)域參會的人數(shù)非常多。除了門檻原因，這也側(cè)面反映中國人掌握應(yīng)用技術(shù)的能力是相當強的；但也希望我們今后的發(fā)展，可以更多往原創(chuàng)性方向努力。

鄭宇： IJCAI 和 AAAI 有沒有什么獨立存在的意義？AAAI 與 KDD 的變化以及兩者的聯(lián)系是什么？

楊強：IJCAI 從 1959 年走到今天也犯了很多錯誤，這些錯誤既對我們有教育意義，也反映了人工智能走的一些彎路。人工智能一開始追求的是比較高級的智能，比如：推理、證明定理、下棋，所以有很多這方面的人工智能的研究；但是它卻忘記直接讓機器去接觸這些最原始的數(shù)據(jù)。所以現(xiàn)今 NLP 大火則告訴我們，不要追求那些看上去高大上的內(nèi)容而忘記基礎(chǔ)。其次，因為 IJCAI 追求這些高級智能，所以一開始 IJCAI 就決定了哪些方面不是 AI，并拒收該類論文。但今天這些拒收領(lǐng)域的參會人數(shù)比 IJCAI 更多，包括 CVPR、ICCV 等等的會議就是在這個基礎(chǔ)上建立的。盡管這些會議各自蓬勃發(fā)展，但會延遲整個人工智能的發(fā)展，甚至對這些單獨的領(lǐng)域起到延遲作用。

而談到 AAAI 和 IJCAI，首先 AAAI 的歷史是來自美國人工智能的，它是以美國人為主所建立的，至今沒有出過北美，只去過一次加拿大。但是 IJCAI 由世界輪流舉辦，所以每次開會都有一天時間是各國的人工智能學(xué)會，大家一起討論各國的人工智能發(fā)展，只是很可惜每次中國人工智能學(xué)會都沒有參加，也希望這一點在未來能有所改變。

至于 KDD，它本身是由數(shù)據(jù)庫那個方向發(fā)展過來的，它里面匯聚了很多數(shù)據(jù)庫的人士，專注于數(shù)據(jù)科學(xué)這個方向；和 AlphaGo、無人車這些全自動驅(qū)動的人工智能還是有一定的區(qū)別。

鄭宇：關(guān)于 ICRA 會議，有什么變化?

陳義明：ICRA 是從 1984 年開始的，至今已有 35 年的歷史。這個會議過去是偏理論為主，但近 10 年來開始偏向應(yīng)用方面，并且參會人員也從只有學(xué)校和研究單位，逐漸加入了越來越多的公司。但不管哪個行業(yè)應(yīng)用，針對機器人領(lǐng)域來說，最重要的就是落地。

既然是一個應(yīng)用學(xué)問，它會跟整個技術(shù)發(fā)展有一連串相關(guān)關(guān)系。最早機器人跟隨汽車業(yè)，中國的機器人起源也都是跟汽車工業(yè)有關(guān)。之后才開始有了移動機器人、醫(yī)療機器人等等，所以從它的內(nèi)容來講，也主要與時代熱點相關(guān)。2000 年左右，因為本田推出雙足機器人，所以那段時間雙足機器人的文章就非常多。在前三五年無人機比較熱門，所以無人機的文章就非常多。一直到最近這兩年，大家都要用深度學(xué)習(xí)，很多人就一定要用深度學(xué)習(xí)來做工業(yè)機器人、無人機等等。但最重點是可以從中看出，現(xiàn)在大家對這個應(yīng)用越來越重視，尤其是落地行業(yè)的應(yīng)用。

鄭宇：這些會議最近一屆參會人數(shù)是多少？

周明：ACL 去年是 2000 多人，今年大概會突破到 2500 至 3000 人。

張正友：CVPR 今年有 9000 人。

楊強：IJCAI-18是作為Federated AI Meeting的一部分召開的，包含同期聯(lián)合舉行的AAMAS，ICML，ICCBR和SoCS的會議，一共有7000多人參會。

陳義明：ICRA 今年剛在加拿大蒙特利爾辦的，大概有 4000 人。

二、新會迅速崛起，是挑戰(zhàn)還是機遇？

鄭宇：NeurIPS 最近參會人數(shù)有 1 萬多，這個會議為什么能崛起？背后有什么樣的原因？這些現(xiàn)象說明了什么？

周明：其實 ACL 最近提交論文數(shù)量也是爆增，主要原因我認為有四點。第一，現(xiàn)在數(shù)據(jù)集太多，幾乎每年都會新增幾個數(shù)據(jù)集；第二，方法層出不窮；第三，博士生畢業(yè)需要撰寫相應(yīng)的論文；第四，被拒論文流于各個會議，所以每個會都會承接部分相同的論文。但總體來講，現(xiàn)在的會議都特別相似，所以會議規(guī)模太大并非好事，因為大家都從眾來做這些事。相反，我更傾向于一個小而精的會議，這樣的會更容易讓大家坐在一起深入討論一些方法。

張正友：CVPR 2017 年的時候是 5000 人，今年是 9000 人，假如按照這樣的曲線發(fā)展，會議量將非常大。我們?nèi)ラ_會沒有時間聽報告，更多是見見老朋友，朋友之間聊聊互相做的事情，所以現(xiàn)在參加會議目的已經(jīng)很不一樣了。真正要做學(xué)術(shù)，正如周明所說，還是在小會議、閉門會議聊得會深入些。

陳義明：ICRA 是機器人領(lǐng)域最大的會議，它基本上是一支獨大，規(guī)模也在成長；但畢竟學(xué)者總數(shù)還不多，因此成長空間有限。現(xiàn)狀是很多小會依附于大會，然后大家在大會上見老朋友，在這些小會上討論詳細的領(lǐng)域，所以現(xiàn)在大小會的交叉融合，我認為是一個生態(tài)的演化。

鄭宇：NeurIPS 的火熱程度與深度學(xué)習(xí)的爆發(fā)和應(yīng)用有很大的關(guān)系，但深度學(xué)習(xí)是不是也會遇到寒冬呢？

楊強：我覺得「深度學(xué)習(xí)熱」是有原因的，因為之前我們主要是從邏輯的角度來做的人工智能，知識的方法根據(jù)規(guī)則而來，并沒有考慮人的大腦結(jié)構(gòu)。但現(xiàn)在發(fā)現(xiàn)人是一個魯棒性非常強的分布式的知識表達，在這種知識表達的思想下設(shè)計出來的機器雖然不一定是深度學(xué)習(xí)的表達，但是它確實是當前最有代表性的。我覺得再往下應(yīng)該沿著這個方向繼續(xù)走下去，不一定是接著深挖現(xiàn)在有的神經(jīng)網(wǎng)絡(luò)式深度學(xué)習(xí)，也許還有其它的秉承這種分布式的思想，并且具有高魯棒性、高并行，能夠做知識的非線性轉(zhuǎn)化的方法。所以在這一領(lǐng)域，我們還有很多的路要走。

三、聚焦 AI 大勢，學(xué)界、業(yè)界何解？

鄭宇：深度學(xué)習(xí)在自然語言處理這個領(lǐng)域里面，其重要性和未來的前景如何？現(xiàn)在學(xué)生應(yīng)該花更多精力在深度學(xué)習(xí)，還是應(yīng)該反思之前的方法？

周明：我有兩個打引號的著名觀點，第一個觀點是要「與時俱進」，即在你還對這個領(lǐng)域不太了解之前，就先跟隨別人。第二個觀點是「挑戰(zhàn)權(quán)威」，即在已經(jīng)了解這個行業(yè)的情況下，提出獨到的觀點，實現(xiàn)超越。人在任意時刻都是這兩個矛盾的有機統(tǒng)一，不同時刻要有不同取舍。

張正友：深度學(xué)習(xí)的成就還是有目共睹的，無論是在計算機視覺、語音識別還是在 NLP 方面都有很大的進展，深度學(xué)習(xí)可能會成為一個工具。對每個學(xué)生來講，是需要花時間去了解這個工具的；而之后的發(fā)展則要根據(jù)個人興趣。有些學(xué)生目的不是要做研究，可能需要掌握深度學(xué)習(xí)，因為目前在工業(yè)界最有用的工具可能就是深度學(xué)習(xí)；但如果要做研究，那么你去深入思考深度學(xué)習(xí)背后的一些問題，然后進行創(chuàng)新，可能會更好。

鄭宇：在學(xué)界和在工業(yè)界做人工智能，各有什么樣的利弊以及優(yōu)勢與劣勢，特別是從學(xué)界到工業(yè)界，最大的變化和挑戰(zhàn)是什么？

楊強：我在學(xué)術(shù)界往往是深挖一個東西，持續(xù)做 10 年、20 年。遷移學(xué)習(xí)我做了 20 多年，最后寫出一本書，這是在學(xué)術(shù)界的做法。而在工業(yè)界就是發(fā)現(xiàn)問題，比如在工業(yè)界我就發(fā)現(xiàn)公司和公司之間、部門和部門之間數(shù)據(jù)不通，即部門墻。很多人就認為 AI 沒法做，但我認為這是機會，所以我嘗試在保護數(shù)據(jù)隱私的情況下，打破部門墻。這是到了工業(yè)界才發(fā)現(xiàn)的問題。

張正友：工業(yè)界和學(xué)術(shù)界確實是很不一樣的，學(xué)術(shù)界在現(xiàn)在這個大數(shù)據(jù)時代往往拿不到大數(shù)據(jù)，只能在相對較小的數(shù)據(jù)里面做研究，最終效果可能很好，但到工業(yè)界要在實際中應(yīng)用，你會發(fā)現(xiàn)很多問題；在學(xué)術(shù)界可能你會專注于寫文章、發(fā)表，但是在工業(yè)界則是把重要的問題都解決掉，其中可能不光是一個問題；在學(xué)術(shù)界可能你喜歡某一個方法，你就沿著這個方法深挖、鉆研，這個問題本身可能沒有實際應(yīng)用，但在工業(yè)界則是以問題為出發(fā)點，有哪些重要的問題，那么我們就需要想辦法來解決這個問題。

鄭宇：請馬老師說一下學(xué)術(shù)界的優(yōu)勢，之前有個觀點說好像工業(yè)界把學(xué)界的人挖得差不多了。

馬頌德：因為人工智能很火，學(xué)生畢業(yè)后假如還留在一般的研究機構(gòu)，可能收入會和工業(yè)界差很多倍。現(xiàn)在可能我們不需要這么多研究，所以有很多人轉(zhuǎn)到工業(yè)界，國際上也是這樣，很多人進入了工業(yè)界的研究所，這是正常現(xiàn)象。我們不太能說清學(xué)術(shù)界在基礎(chǔ)研究方面能夠提出很多有價值的問題或者在近期可以做出重要的突破，但我們?nèi)匀恍枰芯浚潜仨毜模彩菓?yīng)該的，只是它的隊伍的穩(wěn)定或者價值觀等，還需要大家來共同努力。

鄭宇：有什么好的辦法可能保持隊伍的穩(wěn)定性并培養(yǎng)優(yōu)秀人才？

陳義明：事實上，國內(nèi)很多做 AI 的人士是從新加坡回國的，所以現(xiàn)今新加坡還能維持當前的狀態(tài)，主要還是因為它比較國際化。除了吸引華人之外，新加坡也吸引了世界各國的人來工作。但機器人的狀況不太一樣，因為真正懂機器人的人是比較少的，現(xiàn)在全世界都缺這類人才，而且培養(yǎng)起來要花較長時間，所以解決方法只能是從頭培養(yǎng)。

周明：首先看到學(xué)術(shù)界的人才流失是正常的現(xiàn)象，這是它自身規(guī)律所在。第一，因為學(xué)校是培養(yǎng)人才的地方，出很多全新的研究成果較難，更多的都是跟隨別人；所以很多人的想法是與其跟隨別人，不如到工業(yè)界發(fā)揮更大的作用；第二，反觀現(xiàn)在出現(xiàn)這種情況有深層的社會原因，可能有政府政策導(dǎo)向、市場因素等等，這需要國家共同帶動好的研究氣氛與文化，來將優(yōu)秀的人才留在學(xué)校；第三，業(yè)界跟學(xué)校的真誠合作并非挖人，而是真正幫助學(xué)校將其研究土壤立起來，幫助老師走向國際化，把更好的學(xué)生培養(yǎng)出來。

鄭宇：在 AI 的道路上，學(xué)生應(yīng)該有哪些東西要注意的，怎么樣培養(yǎng)自己的能力？

周明：我覺得最重要的就是找一個好的導(dǎo)師。

馬頌德：因為各個學(xué)科不一樣，在人工智能領(lǐng)域，對地點、對老師、對各方面的選擇非常重要。

張正友：一個學(xué)生如果真想做研究的話，還是要帶著一種熱情，你就能夠比較持續(xù)地堅持你要走的科研道路。不要怕坐冷板凳，現(xiàn)在看起來人工智能很火紅，但之前這個領(lǐng)域的圖靈獎獲得者也坐了 30 多年的冷板凳，所以真想要做科研，要有坐冷板凳的精神。

楊強：除了找好老師，還得多跟老師交流，要善于交流，要勇敢；其次是要有一個好的平臺，這個平臺會有很多資源給你，包括數(shù)據(jù)資源、問題資源、周邊的一些朋友圈；然后個人要勤奮、要好奇、要有熱情。

陳義明：我覺得還有一點也很重要，希望各位同學(xué)一定要保持一個開放的心態(tài)。做研究，你的熱情很重要，你不能只等老師給你題目，自己也要主動去發(fā)掘題目。

四、AI 未來何去何從

鄭宇：用一句話總結(jié)你心目中中國的未來 AI 將是如何？

陳義明：我覺得未來中國的 AI 發(fā)展一定會非常好，因為中國的應(yīng)用場景是全世界第一，機器人需要很多的應(yīng)用場景。

楊強：我覺得科學(xué)不分國籍，要本著開放的心態(tài)。

張正友：我也同意陳老師的講法，中國的應(yīng)用場景無論是人工智能還是機器人都非常強大，前景是非常好的，希望中國人工智能發(fā)展越來越好。

馬頌德：中國在 AI 方面的應(yīng)用一定會是全世界規(guī)模最大的，但是在 AI 的基礎(chǔ)研究方面要有重大突破，我現(xiàn)在并不樂觀，也可能全世界都沒有這樣的突破。最近有人采訪了全世界目前在人工智能方面最有權(quán)威的一些專家，他們也都表示對 AI 的未來有不同的看法，比如「到底能不能實現(xiàn)真正的人工智能」，大家的看法的差別很大。有人說要 20 年以后能實現(xiàn)，有人說 200 年以后才能實現(xiàn)。而這一切都依賴于重大的突破，這方面我現(xiàn)在無法預(yù)測。但可以確定的是，目前中國能夠看到的 AI 應(yīng)用是世界組成中最大的一部分。

周明：理論研究固然重要，但是它是需要時間的，我認為中國把實用系統(tǒng)做實做好，踏實苦干可能是最重要的。

雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。