雷鋒網(wǎng) AI 科技評論按：在7月7日，由中國計算機學會（CCF）主辦，雷鋒網(wǎng)與香港中文大學（深圳）承辦的第二屆 CCF－GAIR全球人工智能與機器人峰會正式召開。今年CCF-GAIR的程序委員會主席、香港科技大學計算機系主任楊強教授，擔任了大會第一天人工智能前沿專場的「AI 學術前沿」主持人。學術前沿 Session 分別由兩位優(yōu)秀的學術界人士進行演講，一位是 CMU 金出武雄教授，另一位是 UCL 副教授汪軍。在該 Session 結束后，雷鋒網(wǎng) AI 科技評論與楊強教授進行了一次對話，整理如下。

您今天擔任的是 AI 學術前沿的主持人，您可以評價下今天兩位講者嗎？您聽了之后最大的感受是什么？

第一位演講嘉賓金出武雄是 CMU 機器人學院的領袖級人物了。特別有意思的一點是，你從他的演講中能夠感受到，他對機器人技術特別執(zhí)著，就是說他特別熱愛他做的那些機器人技術，像摘果子的機器人?；蛘呤悄莻€自動駕駛的無人直升機；這些產(chǎn)品都非常接地氣。此外，金出武雄提過一個口號是說「做技術的，不是說做某一個切面，而是做一個完整的系統(tǒng)」。做完整系統(tǒng)其實挺難的，因為要做很多與學術不直接掛鉤的東西，如果研究人員特別功利的話就做不到這點，因為這需要花很多的時間來做不起眼的事情。但是，如果一旦做出來，這樣的項目就會影響非常大。

像金出武雄教授說的其中一個就是自動駕駛汽車，金出武雄說，20 年前他所做的自動駕駛汽車就在美國公路上跑了。實際上，我們現(xiàn)在看，自動駕駛的各種技術人家早就在嘗試了。所以我覺得，這對我自己也挺有啟發(fā)的，這是一個研究態(tài)度和研究方法的問題。如果研究項目的「最后一公里」老是留給別人去做，而自己只是去做那些所謂「高、大、上」的、易于發(fā)表的東西，我們今天就不會有這樣的成果了。

第二個講者是 UCL （University College London） 的汪軍教授。他的工作特別有意思的方面就是：別人做一個智能體，他做多個智能體，甚至上百萬個智能體。然后，他用這些模擬的智能體去重構物理現(xiàn)象。比方說他看到自然科學的雜志上發(fā)表了猞貍和兔子的種群數(shù)量規(guī)律研究，他就在虛擬世界給模擬出來。我覺得這種思路就挺好的。另外我們大家都知道「強化學習技術」，但是當它被真的用來做一個機器人驅動的游戲，或者是用它來模擬經(jīng)濟的走向，這些我覺得確實是會出一些頂尖的工作。 他的講解也給得非常清楚，對學生而言，我覺得應該是有很大啟發(fā)的。

其實早上潘院長其實講到一個現(xiàn)象，即工業(yè)先行的概念。您覺得潘院士為什么會強調工業(yè)界的作用？

在六十年代到不久以前，學術界都是科研的先行者。比如，像人工智能這樣的概念完全是學術界先提出的 。但是現(xiàn)在有點不同了，大學逐漸變成一個很保守的（環(huán)境），就好像到了一個朝代的末尾，大家都開始不進取了，然后就有鴉片戰(zhàn)爭來敲開國門，讓人警醒了，說「啊，世界已經(jīng)變了。」所以今天來敲門的「鴉片戰(zhàn)爭」就是谷歌這一類的公司，比如像 DeepMind 這樣的公司就出來說，你們說的不可能的事情是可以做的，不是說要等 100 年以后，也不是說你先出一百篇論文，然后再來判斷行不行，現(xiàn)在咱們就就能把一件貌似很難的事給做出來。

我覺得，這對學術界也是一個很大的啟發(fā)，因為現(xiàn)在的計算機的學術界，相比工業(yè)界來說，顯得過于保守，逐漸變成一個非常顧及名利的地方，比如在比論文數(shù)。潘院士提出「工業(yè)先行」的觀察，我覺得是很敏銳的，這是一個很好的開端。

那像您做研究就是比較關注應用領域？

對，我讓學生做的研究都得是真實的，就是來自工業(yè)的痛點問題，所以我找了很多工業(yè)的人跟我合作，比方說微信，金融界，汽車行業(yè)，智慧城市的公司等。

我剛剛想到一個問題，此前您在接受雷鋒網(wǎng) AI 科技評論的采訪時表示，有應用場景的人工智能才有前景，那我就想說反過來問，您自己做課題是怎么一個選擇方式？你覺得什么樣才叫有價值？

這是一個特別難的問題，讓大學里面的人找一個有實際場景的問題去研究，其實很不容易。我給你舉個例子，比如說念博士，經(jīng)常要念 4、5 年，一個學生用的這 4、5 年的時間里面有 80到90% 的時間都是在尋找好的題目。當這個學生找到一個好的題目的時候，他／她基本就可以畢業(yè)了。在學校里，并不是老師給一開始給學生一個題目，然后學生就做五年。不是這樣的。學生花的時間，主要是在學會如何找題目，經(jīng)歷這樣的一個過程。在過程中，可能老師說這個題目不好，或者可能外界評價說這個題目不好，最后經(jīng)過很多起伏，然后到第四、五年終于找到了一個好題目，那么到了第五年年底就可以畢業(yè)了。這是一個很典型的過程。

找好的研究題目為什么這么難呢？就是找到一個有價值的題目，需要解決社會和工業(yè)的痛點，而這種痛點是需要實踐過才知道的。所以，為什么不去工業(yè)界，問問人家到底痛點在哪里呢？

所以回到金出武雄教授身上，第一個想到的這些問題的可能也不是他自己，可能是他接觸的那些工業(yè)界的人?？赡苡腥烁嬖V他，開車駕駛時燈光會反射回來，那金出武雄教授就會覺得，這可能是個研究問題。然后，他去告訴他的學生，鼓勵大家一起把這個課題做出來。（一個課題）應該是這么來的。所以像過去那種閉門造車的例子，說學生在實驗室里面關了五年，出來以后就是博士了，這往往是不可能的。

那么這是全球一個普遍的問題嗎？還是說其實國外情況會有些不同呢？

在國外， 有很多人從小就發(fā)現(xiàn)自己的研究興趣，就像金出武雄這樣的人，他就喜歡做研究這個事兒， 也不太會說這個東西是不是能賺錢、能買房 。在國內的經(jīng)濟環(huán)境越來越好，所以以后也會發(fā)展到有很多學生像金出武雄教授一樣，跟著興趣走，花大量的時間去做研究。那個時候，海內外提的問題應該才會是同一個水平的問題。 給足夠的時間，這個問題應該能得到解決。

您指的「問題提的不是一個水平」，差異指的是什么方面？

比方說，你有時間精力經(jīng)常去一些前沿的會議，能跟在前沿研究的一些人接觸，才能知道下一個研究的熱點是什么。你如果比較少參加這些會議，接觸的人太少，而經(jīng)常把時間花在其他雜碎的事情上，那么到最后你可能提不出好的問題。就是說，雖然你跟別人一樣聰明，但是你就是沒有那個眼界；你接觸的人不同，你朋友圈不同，那么到最后你提的問題也會在不同的層次。

而此前在與楊強教授交流時，雷鋒網(wǎng) AI 科技評論也針對學術界人才流失的問題與楊強教授做了探討，特摘錄如下：

楊教授您與包括華為、騰訊在內的多個企業(yè)都有接觸，現(xiàn)在也是第四范式的首席科學家。您在學界和業(yè)界其實都是都有接觸，您認為這兩者的合作嗯就是是否如何實現(xiàn)雙贏的局面，因為前段時間我是感覺到，學界有很多老師都開始流向產(chǎn)業(yè)界，您會不會有人才流失的擔心？

對于老師來說，首先我覺得很多老師出走是個好事，因為一個人的學習應該是終身學習的，很多老師在學校教學生，其實那些老師只能教書本的知識，這個對學生是一個誤導，那更好的老師應該是在學術界和工業(yè)界都做過老師。其實老師到工業(yè)界是去學習的，可能一開始他認為自己是在幫助工業(yè)界，但是他會很快地發(fā)現(xiàn)并沒有原來想象的那么理想。

比方說找到數(shù)據(jù)并不是那么容易的，不是有人把數(shù)據(jù)放在那等著你來，而是你要設計一種機制，能夠讓人在共建數(shù)據(jù)的同時獲得獲利，那么這樣才能鼓勵別人把數(shù)據(jù)貢獻出來。因為大公司都會有很多部門，數(shù)據(jù)也是非常稀疏的，繁雜的，所以，如何能夠得到你的研究所需要的數(shù)據(jù)，這本身就是一個大學問。這個體會，在學校的環(huán)境里，是學不到碰不到的。所以，總結起來就是，學校需要鼓勵老師到工業(yè)去做一段，這樣老師才能變得成熟，老師才能對學生負責任。

在工業(yè)界，老師能跟著商業(yè)人才和業(yè)務人才學習如何構建一個完整的商業(yè)閉環(huán)，能夠把一個技術，比方說無人駕駛啊或者計算機視覺，和真正的產(chǎn)業(yè)結合起來，發(fā)揮作用。這個不僅僅是說技術可以在工業(yè)界不斷提高，把準確率率提高百分之多少的問題，而更重要的是說，能夠給技術找到一個合適的場景，能和一個業(yè)務鏈條緊密結合起來。 

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