百度IDL創(chuàng)立者、地平線機器人技術創(chuàng)始人及CEO余凱 新浪科技攝
 

這是余凱宣布創(chuàng)業(yè)后第二次參加亞布力中國企業(yè)家論壇。這一次，這位人工智能方面的專家最大的感受是：整個投資界和企業(yè)界對人工智能的了解更加深入、更接近真實的狀態(tài)，開始從門外進入門內。

 

一年前，這位百度IDL的創(chuàng)立者、地平線機器人技術創(chuàng)始人，還需向參會企業(yè)家解釋“深度學習”、“人工智能”，“神經(jīng)網(wǎng)絡”……但僅僅一年后，人工智能就完成了快速知識普及，“是什么”的問題早已被解決，更多企業(yè)家再公開和私下的交流中，開始頻頻問到余凱：人工智能“為什么”和“怎么用”。

 

余凱參加了一個名為“互聯(lián)網(wǎng)下半場”的論壇，他的感受是：“無論是嘉賓的觀點還是臺下的問題，都是關于人工智能的，所以大家的關注有增無減。”

 

實際上，就在這個“互聯(lián)網(wǎng)下半場”的論壇上，是否真有“下半場”競爭的問題還被發(fā)言嘉賓質疑，但驚人一致地是，所有人都認為下一波技術革命便是人工智能。

 

不過，在這一波人工智能革命中，具體發(fā)展方向如何？為什么說深度學習解決不了所有問題？小數(shù)據(jù)學習又是怎樣一回事？人工智能的人才培養(yǎng)該如何來做？

 

余凱在接受新浪科技專訪時，談到了如下觀點：

 

新浪科技：這是第二次來亞布力企業(yè)家論壇，感受有何不同？

 

余凱：大家對人工智能的理解更加透徹、更加到位、更加理性，我覺得有AlphaGo這樣的事件的影響推動，但更多是企業(yè)家和投資人在過去的一年里自身努力的結果，包括很多企業(yè)家跑到硅谷、以色列去訪問學習，所以他們對這個產(chǎn)業(yè)方向，對技術的關鍵和壁壘有了更充分的了解。我認為從門外開始進入門內了。

 

新浪科技：整個企業(yè)界開始朝著更明確的方向發(fā)展？

 

余凱：對，比如說大家越來越多地認識到：人工智能僅僅是一個算法的話，或許不能夠根本解決問題，產(chǎn)生的價值也不是特別大，如果更多地從整體系統(tǒng)、解決方案去垂直做透的話，才能建立起更深的壁壘，創(chuàng)造價值。我覺得這點的話，我覺得是越來越朝著正確的、到位的方向在發(fā)展。

 

新浪科技：地平線來說，什么方向是正確、到位的方向？

 

余凱：大方向是軟硬件結合，很關注處理器。因為算法和硬件結合，能產(chǎn)生上千倍效率提升，使得很多事情都變得可能。

 

新浪科技：目前談到人工智能，關于神經(jīng)網(wǎng)絡的觀點會比較多，但也有聲音把神經(jīng)網(wǎng)絡批評為“黑箱”——出了問題很難找。

 

余凱：我覺得這是一個蠻深入的問題，因為我們不光談深度學習的優(yōu)勢，也要看到它的劣勢、它的邊界，我們才能找到這種正確往前的方向。

 

深度神經(jīng)網(wǎng)絡確實有這個問題，相對來講是一個比較黑箱的系統(tǒng)，所以我也覺得在自動駕駛這個領域，其實它面臨一些挑戰(zhàn)，因為在這里面，大家希望這是一個可控的，功能安全方面得到保障的系統(tǒng)，我們不希望它出現(xiàn)異常的這種行為。

 

怎么去達到這一點呢？地平線在這一塊其實很早就開始意識到，深度學習不是人工智能惟一的要素。我們必須要把深度學習跟其他的一些框架，比如說增強學習、網(wǎng)絡結合在一起，使得整個系統(tǒng)是一個相對來講白箱的系統(tǒng)。這個是我們一直在研發(fā)的這個方向。

 

新浪科技：所以如果說現(xiàn)在有一些技術去取代神經(jīng)網(wǎng)絡的話，您看好的是哪個？

 

余凱：深度神經(jīng)網(wǎng)絡其實更加適合做感知，而貝葉斯理論的核心是推理，只有從感知到推理才能到?jīng)Q策。所以最終來講，你希望達到一種理性的推理、理性的決策，這里面正好是貝葉斯網(wǎng)絡一個大行其道的地方，所以我是非?？春眠@個方向。

 

未來汽車的自動駕駛，應該是深度學習跟貝葉斯網(wǎng)絡結合的這么一個思路。

 

新浪科技：神經(jīng)網(wǎng)絡需要大量的數(shù)據(jù)訓練才有成效，回到無人車領域，比方撞車、緊急情況等情況，就很難有大量的數(shù)據(jù)讓網(wǎng)絡學習，您怎么看待這個問題？

 

余凱：沒錯，這面臨到未來的一個趨勢，是一個“小數(shù)據(jù)學習”的問題。這個趨勢要有一個完全不同的思路，而不是盲目的灌數(shù)據(jù)，因為大量采集的數(shù)據(jù)都是正常路況的數(shù)據(jù)，而這種緊急情況的數(shù)據(jù)是沒有的，所以這對深度學習是一個挑戰(zhàn)。

 

這就要加入更多的因果推理，因果推理的這個框架衍生出來的就是貝葉斯網(wǎng)絡，這個是加州大學洛杉磯分校Judea Pearl教授，在80年代就已經(jīng)很著名的成果，曾經(jīng)在人工智能這個領域是非常主流，后來由于神經(jīng)網(wǎng)絡的發(fā)展大家淡忘了。

 

但是歷史總是回旋往復地往上去發(fā)展。就像80年代的時候，深度神經(jīng)網(wǎng)絡其實當時也非常主流，但是90年代就被人給淡忘了。我認為80年代被Judea Pearl提出來的“因果推理”，現(xiàn)在應該被提上議事日程。

 

過去十年深度神經(jīng)網(wǎng)絡發(fā)展，讓我們在感知這個領域突飛猛進。但是所有的這些人工智能，包括自動駕駛，其實感知都是為了決策來服務，所以最終要走到?jīng)Q策。

 

一旦走到?jīng)Q策的話，所謂這些小數(shù)據(jù)、這種緊急情況，實際上是要根據(jù)這個情況然后做一個決策，就是在很多的狀態(tài)空間里面，去找到風險最小的一個路徑。這里面其實是各種的因果推理，不是識別。

 

深度神經(jīng)網(wǎng)絡是識別，如果是因果推理，就需要有一個因果推理的框架來做這個事情。

 

地平線的核心團隊，包括我自己的背景，都是在人工智能這個領域工作了很長時間，所以我們能夠以一個更高的視角來看這個問題，不僅僅是當前熱什么咱們就做什么，因為當時熱的東西一定會過去。

 

新浪科技：剛剛結束的AAAI17上，大會收錄的論文，來自中國的投稿數(shù)量第一次超過美國，這個數(shù)字能說明什么？以前也有統(tǒng)計說人工智能領域中國人很厲害。

 

余凱：中國整個來講對人工智能的關注度越來越高。但論文中雖然有很多從名字能看出來是中國人，但大部分估計還是在美國的留學生或者華裔學者。數(shù)字還不能說明問題。因為中國本土的科研這塊其實還是有差距的，有蠻大差距。

 

我們整個創(chuàng)新的土壤，相對來講還比較偏急功近利。

 

新浪科技：您之前也批評過說有一些AI企業(yè)有抄襲或者比較急功近利的情況。

 

余凱：對，真正愿意平心靜氣，去做比較長遠的、創(chuàng)新性研究的人和企業(yè)在中國還比較少。華人學者在這個領域的規(guī)模越來越大，這也是正常的，因為我們的人口基數(shù)大，但是有沒有更多的創(chuàng)新性的東西在這里面出來。

 

好像據(jù)說今年 Best Paper 什么之類的其實并不是華人，所以我們還是有空間繼續(xù)去努力。未來我還是很樂觀，華人在整個人工智能領域的影響力，最后會變得非常領先。

 

新浪科技：很多企業(yè)都說，人工智能的專業(yè)人才不好招。您在實踐中，也會遇到這樣的困擾么？您又是怎么解決的？

 

余凱：我們去年在9月份有一次大規(guī)模的巡回校招，收了一批頂尖的學生，我對這個還是比較滿意，我們會進行內部培訓。

 

包括我以前在百度的時候，當時成立深度學習研究院，那個時候中國大學沒有培養(yǎng)什么人工智能、深度學習方面的人才，基本上很多都是我們自己培養(yǎng)，后來很多人在百度或者其他公司里成為頂尖的中堅力量。所以我們可以去培養(yǎng)。

 

我們有個計劃，所有我們今年校招錄取的學生，夏天的時候把他們全帶到硅谷去，進行為期半個月的一個培訓，我會請世界頂尖的專家來給他們講課。

 

新浪科技：您是看中什么樣的條件去招這些應屆生、去招這些未畢業(yè)的學生的話，是需要他的邏輯好或者是工程能力強、還是就是得數(shù)學好？

 

余凱：我看中的，還是所謂德才兼?zhèn)洹?/div>