「人工智能」人工智能时代的道路选择|焦点评论

东乃网站建设公司创新互联建站,东乃网站设计制作，有大型网站制作公司丰富经验。已为东乃超过千家提供企业网站建设服务。企业网站搭建\成都外贸网站建设要多少钱，请找那个售后服务好的东乃做网站的公司定做！

对话嘉宾

朱松纯（Song-Chun Zhu）教授

马尔奖、赫尔姆霍茨奖获得者、UCLA教授、IEEE Fellow、暗物智能科技创始人

沈向洋（Harry Shum）博士

微软全球执行副总裁、美国国家工程院外籍院士、英国皇家工程院外籍院士、ACM Fellow、IEEE Fellow

主持人：华刚（Gang Hua）博士

便利蜂人工智能研究院院长兼首席科学家，IEEE Fellow, IAPR Fellow，ACM杰出科学家

主持人：大家都知道，朱松纯教授和沈向洋（Harry）博士是二十多年的好朋友，他们在计算机视觉和人工智能领域都做出了杰出的贡献，是学界和业界的领袖人物、海外华人学者的翘楚。2000年前后，他们在微软亚洲研究院以及共同创建的非营利机构――湖北莲花 山研究院，聚集和培养了一大批优秀青年学子，如今这些学生成绩斐然，成为学界和业界的栋梁。

两位老师都很喜欢金庸的小说，Harry尤其喜欢《笑傲江湖》里的令狐冲，松纯最喜欢《天龙八部》里的萧峰。他们当年约定十八年后来一次“华山论剑”。所以，我觉得，今天的对话实际上是“令狐向洋”与“萧松纯”之间的一次切磋。

本次对话的题目是：人工智能时代的道路选择

一、谈人工智能的发展趋势：业界与学界的AI黄金时代

主持人：我第一个问题是，两位老师在人工智能领域都耕耘了很多年，你们认为人工智能在学术界和工业界未来18年的发展趋势是什么？

沈向洋：非常感谢大会给我们这样一个机会，能够让大家一起切磋，确实有种高手过招的感觉。我跟松纯的这个计算机视觉“华山论剑”之约差不多始于2000年，其实本来约定的是2018年过招，而且当时松纯还说，不光我们两人要过招，还要每人各带18名弟子一起来过招 （笑）。

首先，我觉得人工智能发展到今天，我们这些人当然是幸运的。我在读研究生的时候，专注的是计算机视觉和机器人等领域，但实际上90年代我们毕业的时候并没有太多好的工作机会。特别是当时的计算机视觉、自然语言处理等方面发展比较慢，没有多少可以应用落地的场景，而在最近几年发展得非常快，可以说是日新月异。

我个人觉得，接下来十几年中：

· 人工智能在工业界，在感知方面可能会迎来黄金十年，有很多系统可以做，而且能落地很多的应用场景，在工业界，大家无论是就业还是创业，都会有很多好的机会。

· 人工智能在学术界，刚刚松纯在大会报告中从六个方面阐述了人工智能的发展趋势和前景。我个人觉得，最激动人心的方向是脑神经科学和人工智能之间的结合。

不仅人工智能在工业界有黄金十年，在接下来的二十五年，也会是人工智能在科研领域的黄金时期。

朱松纯：我非常感谢刘云浩教授和大会提供这样一个对话的平台。我与Harry的这个对话约了很久，今天大家终于能坐在一起畅谈。特别是大家对这个话题也比较关注，愿意听一听。

Harry和我都算是“65后”，有人说过，上世纪六、七十年代出生在中国的一代人是比较幸运的，当时社会风气很正，大家崇尚科学与技术，很多人都有社会责任感和使命感。但问题是，我们读到大学时，想学计算机视觉、人工智能等方向，国内当时基本没有教授能够指导我们，再加上信息不通，所以我们选择出国深造。到了美国，我们学业是有大师指导了，但是如何规划职业，前面没有多少华裔成功人士能提供参考，我们都是在黑暗中摸索前行。后来，Harry去了工业界，成为了当之无愧的业界领袖，而我留在学术界继续思考一些困扰我的问题。刚才Harry说了，我们毕业的90年代很难找到好的工作。我们两个人是在走“夜路”，前面又没有人，内心还是比较害怕的。所以，我们当时经常电话沟通，就一些职业选择的问题互相交流。就像两个人在黑夜里走在不同的区域，拿手电筒往天上照一下，互相看看对方走到哪里了。

关于人工智能往后如何发展，我的意见如下：

· 在学术界的发展，我刚刚在大会做了一个报告，题目是“人工智能：走向大一统的时代”。也就是说，AI的几大领域脱离了数理逻辑的表达和计算机制，经过20多年的摸索，找到了概率统计建模和随机计算这个新的数理基础，并在此基础上开始融合，走向一个大一统的格局。我自己在报告中初步总结了这么六个大的变局和趋势。

· 在工业界的发展，我看本次人工智能的技术革命与前三次技术革命很不一样。比如90年代末到2000年代初的互联网与信息技术革命(现在大家又把它称作第三次工业革命)，其实是一个相对简单、成熟的应用技术，没有太多的不确定性，大多数的公司只不过是做商业模式的创新。而人工智能是十分复杂的问题，水很深，它的应用场景和任务往往很难隔离出来定义，人脸识别是个特例！这里要警惕一个所谓AI-complete的问题：你本来只想解决问题A，结果发现你需要解决问题B，否则解不了A，然后，为了解决B，你又不得不解决C，直到你把所有问题都解决，这就是通用的人工智能。10年前，我就在说一个听起来不那么科学的、有点滑稽的口号：If you cannot solve a simple problem, you may have to solve a complex one! 通俗来说，你需要解一个有1000个变量的方程组，单独拿出3-5个变量来解，往往是解不出来的。现在我看到很多工业界的朋友还没有尝到这个苦头，初生牛犊不畏虎（笑）。

从我自己的经历来看，我在2000年前后提出图像解译（image parsing）与视频解译，把视觉问题全部纳入一个统一框架来求最佳解。后来发现，光解视觉问题是做不好的，还需要大量的认知推理（也就是我提到的智能暗物质），同时，为了提高学习的效率，走小数据、大任务模式，我们又必须综合语言对话、机器人等领域。

二、谈工业界及学术界的差异：内外兼修

主持人：事实上，朱松纯教授和沈向洋博士都在计算机视觉领域开始了他们的研究生涯，之后就分别走上了学术界和工业界之路。但两位又都是横跨两界，比方说松纯现在出来创业成立了DMAI，而Harry在很多大学任兼职或荣誉教授。那么请问两位，人工智能在工业界和学术界，存在哪些差异性？这两方面的经历能相互帮助么？

沈向洋：其实，我们微软研究院做了很多学术研究，我自己也带了不少研究生。我想特别提一下互联网的诞生对中国科研的影响。互联网出现后，给人类带来了巨大变化，包括对科研方法的冲击也非常大，例如我在微软研究院提倡的Deployment-driven Research就是要充分利用互联网和用户反馈。我个人认为，在人类历史上最了不起的科技创新中，互联网可以排到前三名。

但是，对于行业来说，不能仅仅停留在科研阶段，还要有产业落地。我经常讲，在工业界你能发论文也很好，但是发论文并不是最主要的事情，而是你的科研方向和课题是否具有领导性、前瞻性。而且，在工业界做研究，论文发表实际上往往意味着一个项目的开始，而不是结束。当然，我们也非常重视科研和学术论文。这么多年来，微软全球研究院有5个图灵奖得主，他们当然也写学术论文。如果你确实做了了不起的事情，那么就会真正被尊重。我想说的是，不要单纯为了写学术论文而写论文。

朱松纯：学术界与工业界的关系，用武侠小说来打个比方。在大学做研究是练内功，是一些心法和内力；而在工业界练的是外功，讲究功夫招数。在大学有点像上山到少林寺习武，学术大师就像张三丰创立武当门派；而创业开公司则像下山，开个镖局，当产品经理就像做镖头，走镖、护送产品落地。

内功和外功是相辅相成的。你没有内力的功底，你的外功打出来缺乏力道；但光练内功没有外功的话，内功再好也会烂在肚子里、施展不开。

当内功练到一定程度后，真气在体内游走，东奔西突，你就想把它发出来。可能不是你本人去发功，你的学生也可以去发功。我个人的状态是，山上山下两头跑。准确来说，是三个地方跑：大学、公司、非营利机构（就像当年我们在湖北创办了莲花 山研究院）。

（图为2006年朱松纯与沈向洋在湖北莲花 山研究院指导学生）

主持人：原来朱老师经常“上山下山”，怪不得身材保持得这么好。对于Harry来讲，你在工业界带了很多学生，那你在工业界的经验能为他们带来什么样的建议，让他们的职业生涯发展得更好？

沈向洋: 其实，说起练武功，我小时候还真的练过武术。我每天早晨在南京鸡鸣寺蹲马步，连续蹲了三年。

我比较幸运，在博士毕业后，先在微软美国研究院和微软亚洲研究院认真做了十几年计算机视觉和图形学的研究，最近十几年在做互联网和人工智能的工程和产品。我跟我的学生说，人能一辈子做学问是非常幸运的事。因为大多数人没有机会一直做下去。就算你毕业的时候水平不是很高，但你做了十年、二十年研究之后，水平肯定很高了——因为你前面的人比如你的同学都不见了，那你就成为高手了。你看，后来我不做计算机视觉研究，所以松纯就成为高手了（笑）。

在学术界和工业界之间“进进出出”是非常好的事情，我完全同意松纯讲的。你去山上看看，才知道世界有多宏伟。下了山开镖局，做一个镖师，那就完全不一样了。工业界有时会觉得学术界的花拳绣腿，不知道要到什么时候才能实现，所以要用不同的角度去想这个问题。

主持人：看来两位老师的讨论已经产生了一些火花。对于Harry的观点，你有什么反驳或者想要说的吗？

朱松纯：我们两个人的确是不同阵营出来的，他们卡内基梅隆大学博士毕业的，在工业界是一个大“帮派”，师兄师弟相互提携，非常有影响力。而我是哈佛大学出来的，我的导师是数学家、化外高人，没有几个师兄弟。所以，我毕业后要独立行走江湖。我毕业时，我的导师跟我一起吃饭时，就对我说：“find your alliance（去找你的同盟吧）。“我遇到Harry的那些师兄弟，虽然是秀才遇到兵（笑），他们对我还是比较客气的。当然，Harry就是我找到的同盟者，他对我特别关照。

沈向洋：刚才松纯提到了我的母校，那我就接着说一下。当年我去了卡内基梅隆大学（CMU）之后，发现美国强的学生真的很强，我们在学校里也确实学到了很多东西。

我认为每个学校都有自己的风格，像武功一样，有华山派，有青城派。我们CMU的武功更像少林派，就像松纯讲的我们练的是外功和招数。比如很多美国高科技企业的CTO都是从卡内基梅隆出来的。

其实做项目并不是一个人单打独斗能完成的，所以我在CMU读研究生的时候就学到，如果要做大系统应该怎么组织，让一批聪明人聚在一起，这就是松纯所说的联盟。

朱松纯：Harry说得对，计算机视觉和人工智能都是非常复杂的问题，要建造这样的系统，必须有强大的工程团队。但我们必须警惕，这里水很深，就像前面提到的AI-complete问题。大的理论框架还没有搞清楚就上马去干，是有风险的。我的同事Judea Pearl有个说法，“盲人骑瞎马、过地 雷阵“。刘备当年带着关羽、张飞几员猛将到处打，结果被打得东奔西走、几无立锥之地。直到在湖北隆中遇到孔明，诸葛亮把地图一挂，把天下局势和路线图分析得清清楚楚，才走上正轨。

基础研究就是要给工程团队提供一张大的地图，我刚刚在演讲中也提出了人工智能大的格局、历史和地图。这个“地图”就是把人工智能的各个领域综合到一起来看，这样才能看清楚、想清楚各领域之间的融合与统一的路线图。

我的实验室里有这样的“大地图”，虽然还不完整，分辨率还不够高，但给研究生们有一个指引，让他们能够定下心来做研究。

顺便说一句，今天ACM图灵大会会场墙上展示的杰出的青年学者，就有好几个是我们实验室培养出来的。在过去四届ACM优秀博士论文榜单上（每年两人），就有三届的优秀博士论文得主是我们团队培养的学生（2015年北京大学的王烁、2016年中山大学的梁小丹、2018年北京理工大学的王文冠）。

三、谈导师与学生之间的关系：双向选择与包容

主持人：朱老师刚才谈到老师和学生的关系，正好我们也要谈一谈老师跟学生的关系。两位老师在过去几十年里带了很多学生，跟很多学生都保持着很好的师生关系。最近中国一所知名高校的年轻教授在指导学生写论文时，出了状况，上了新闻。请问两位老师怎么看这个事情？这么多年来，你们是怎么带学生的？

朱松纯：我觉得，之所以产生这样的事情，是有些环节出了问题，现在高校对青年教师评估和研究生毕业有论文数目的要求,而老师与学生的价值观不一致。古人讲“道不同不相为谋”，现在很多导师和学生的价值观不一样，兴趣是错位的，时间久了就会产生矛盾。

作为老师，我最大的感受就是，学生往往不是教出来的，学生是选出来的。来读研究生的人，都已经20出头了，你很难去改变他们的价值观和习惯。那你就去选和你价值观接近的学生。学生跟导师的兴趣和价值观契合，才能有和谐的关系。导师跟学生之间是一个双向选择的过程。大家常说，本科选学校、硕士选专业、博士选导师。你读博士最重要的是选合适的导师，不要太看重学校排名。

过去，导师和博士生的关系是一种师徒关系，毕业后成为良师益友。有句俗话是这样说的，你一辈子可能不止一个配偶，但却只有一位导师。可惜，当今社会这种关系不再那么亲密了，演变成了老板和雇员的关系。我是不容许学生私下把我称作老板的，所以，他们背后称我“老朱”（笑）。

主持人：松纯说的好。其实老师选学生，学生也在选老师，这是一个双向选择。尤其对学生来讲，要找对研究方向真正符合自己志趣的导师。Harry，你的意见是什么呢？

沈向洋：这个问题，我没有像松纯想得这么深刻和激进。我觉得出现这类新闻是一件非常不幸的事。但是，在做学术研究这块，我很多年前在国内做过一个关于如何做学问的演讲时，就一直强调一件事：做研究不是一生的所有，它只是人生的一部分，是兴趣和爱好。

我认为，作为老师，有爱心非常重要。每个学生都不一样，创造力会有差距，但是大多数我们收的学生智商都很高。我跟我太太说，收了个学生就像生了个孩子，生了就退不回去了。那怎么办？如果读了你的研究生，那我就说没问题，好好培养。我们可以多一些耐心和宽容。

朱松纯：Harry说得比较轻松，主要是因为他是兼职导师，不用负责学生毕业，也没有学校要求必须发表多少篇论文的压力。不过，话说回来，我和Harry都比较幸运，有很多十分优秀的学生来跟我们学习。我们在微软亚洲研究院也合带了一些研究生，他们中间很多人都很重情义，这是当老师最大的收获和骄傲。但我也体会过带那些不是特别优秀的学生做论文，的确有点吃力。

四、谈人工智能时代的职业选择：准确定位

主持人：两位老师都是计算机视觉领域出身，在研究领域也都很有建树，但是在人工智能之路上走了不同的方向，现在好像又走了回来。在你们各自职业生涯发展的过程中，你们有什么经验分享给年轻人？学术界与工业界作为两个交互的领域，它们之间有什么关系？特别是朱老师，您现在出来创立DMAI，从学术界又来到工业界，带来了一个什么样的信息？

朱松纯：人工智能时代的到来，让非计算机专业的人都在担心工作机会受影响。其实，对于今天在座的计算机专业的学生来说，人工智能对于传统的计算机学科方向，如知识表达、算法分析、操作系统、编程语言、通讯架构、计算机体系结构都会有很大的冲击，需要你们去重新认识。你们现在常用的概念和研究的课题可能需要调整。我刚刚在讲座中提到，ACM里面一个核心的概念是P和NP问题。其实，在我们研究计算机视觉的时候，满眼都是NP-hard。打个比方，当一个国家90%以上的人都在犯法，那可能说明这个法需要变一变了。所以，在AI全面转向概率模型和随机计算的前提下，讨论NP问题就不那么relevant（相关）。

现在这一代年轻学生，如果不想受到AI的冲击，可以拥抱AI，选择投身到这股潮流中。现在选AI专业，就相当于80年代我们选计算机专业。AI不仅仅是一门课、一个研究方向，其内容是十分浩瀚的。当前投身的AI这一行，不管是选择留在学术界练内功、到工业界走镖，就算只是想跟风发论文，都很不错。

长期来看，你的职业选择取决于你对自己的定位，即在人工智能这个生态系统里占到的位置和时间段。打个比方，你要开个餐馆，需要定位做哪个菜系，是做街边小吃、开连锁店，还是做小众的私房菜？需要根据自己的兴趣、实力和周边的条件来考虑。

留在学术界做学问，要往前看十年，甚至二十年。做学问的本质就是登无人之境，我把这种状态叫做“清风明月”，就是当年苏轼夜晚泛舟长江、思考人生问题的心境。人工智能领域有太多的问号待解释，1980年代我开始学习人工智能，有好奇心在驱动。就像当年屈原作《天问》，很多事情都不理解，想弄清楚各种现象和他们之间的关系。在科学研究中，我们更需要的是去“理解”（understanding），正如哲学家斯宾诺沙Baruch Spinoza所言：“人类能获得的最高级的活动，就是学会去理解，因为理解了就达到思想的自由” （The highest activity a human being can attain is learning for understanding, because to understand is to be free）。

到了工业界做研发，好的公司往往给你超前1-2年的自由，但现在节奏越来越快了，能让你自由思考的时间越来越短。热点之下往往会发生“踩踏事件”，往往会身不由己。当然，现在一些巨头公司，可以喝咖啡，日子过得也不错，但过这种舒适的日子是有代价的，就像青蛙泡在温水里。

条件容许的话，在学术和工业界两头跑，能看到full spectrum 全光谱，对很多问题体会更深，人生更完整、更精彩！

沈向洋：我觉得，每个人的情况都不一样，尤其是每个人的悟性也有差别，心态最重要。你不能天天想着跟朱老师比，朱老师拿了很多学术界的大奖，把奖都拿完了，那你怎么跟他比？武功有高低之分，学问也一样，真正的高手需要有很好的悟性。

无论是学生将来是想去做教授、去工业界，还是开创业公司，我都鼓励。但是我一直强调的事，也是很重要的事，不管去什么公司，选择工作的标准不能只看钱。一定要看未来三五年后自己是不是更强了，个人的市场价值是不是比之前显著增加了。学到的经验那是无价的。

05

五、谈年轻人“如何避免踩坑”：深耕细作方可成

主持人：向两位老师请教最后一个问题。现在人工智能已经来到风口，对于年轻人来说，根据你们的经验给他们提一些建议，从而避免在这条路上踩坑和少走弯路。

沈向洋：我觉得，对于今天在座的很多年轻学生，都是事业刚刚起步阶段。我想对大家说的最重要的经验是，除了要立大志，就是要踏踏实实做一些事情。

刚才松纯也说，如果想混日子也很容易，但是如果真的下定决心做一件事情，首先要喜爱这件事，相信能做出了不起的事情，一定要有这种心态。我见过很多聪明的学生，但是没有做出了不起的事情，因为没有沉下心在某一个领域深耕。把一个方向做深了，再向更多方向扩展。

朱松纯：我觉得，这个时代对年轻人来说既好也不好。说好，是因为现在人工智能机会特别多，我的实验室博士生毕业就拿到好几个offer，起薪都比我在UCLA的工资高。说不好，是因为对年轻人来说，尤其是聪明的人来说，面对的机会太多，容易被这些眼前的机会所拖累，游走在各种具有诱惑的机会中，被带来带去，几个回合之后，就找不到方向了，这有点像布朗运动（Brownian motion），我觉得非常可惜。我和Harry经常探讨一个事情，就是我们发现，在我们带过的学生中，学习成绩最优秀、最聪明的学生，最后的成就不如预期，赶不上那些资质稍微差一点、但更加执着的学生。

年轻人要能沉得住气，做人做事都要能坚守信念，一辈子只做一件事，把它做好，就能有所成就。性格决定命运，要特别坚韧，Harry也说过，脸皮要厚一点，要经得住老师和同行的批评。聪明的学生尤其要能克服这个问题。

最后再讲一点，有人发现最近60年，科学的发展缺乏大的框架性的突破，这与1900年代初期的大突破时代不同。据我的观察，我们面对的是全新的问题，要研究的都是大型的复杂系统，如人工智能、神经与脑科学、生物系统、社会学。是不是西方过去十分成功的reductionism思维方式需要掉头，融合东方哲学和综合的思想？我觉得这是一个值得大家思考的问题。

主持人：所谓举一反三，触类旁通，大体上也是需要先在一个方向上坚持足够久从而建立足够的知识深度进而到广度。让我们感谢两位老师的精彩对话和分享，希望下次再有机会见证两位老师的“论剑”。谢谢大家！

鸣谢：感谢ACM图灵大会组委会，特别是刘云浩主席的大力支持。感谢胡君、朱成方为本文所做的文字编辑工作。