雷鋒網(wǎng)按：曾經(jīng)有人說過，中國錯過了工業(yè)革命，錯過了電氣革命，信息革命也只是跟上了一個尾巴，而人工智能的革命來臨時中國終于能跟世界領(lǐng)先的國家并肩向前跑了。相信沒有人愿意錯過這個機會。對于人工智能的發(fā)展，教育無疑是其中至關(guān)重要的一環(huán)，而教育行業(yè)的教授、學(xué)者們是如何看待和期望中國人工智能教育的發(fā)展的呢？讓我們看看在25日香港科技大學(xué)深圳產(chǎn)學(xué)研院舉行的春茗會的媒體見面會上，港科大工學(xué)院的院長鄭光廷是如何闡述自己關(guān)于人工智能教育的看法的。

去年年底，人工智能領(lǐng)域內(nèi)一則關(guān)于教育的新聞引起了大家的注意：在中國人工智能學(xué)會的主辦的 2016 中國人工智能產(chǎn)業(yè)大會暨第六屆吳文俊人工智能科學(xué)技術(shù)獎頒獎盛典中，中國人工智能學(xué)會理事長、中國工程院院士李德毅在主題報告中表示，當下人工智能產(chǎn)業(yè)發(fā)展迅速，希望把以人工智能為主的“智能科學(xué)與技術(shù)”這樣的學(xué)科提升為一級學(xué)科。

想要讓包括人工智能在內(nèi)的各種高科技行業(yè)取得更好的發(fā)展，提升針對它的教育的重視程度和發(fā)展力度無疑是一個很有效也是極根本的舉措，不過對于目前的學(xué)科發(fā)展形勢和國情等來說，設(shè)立人工智能一級學(xué)科的可行性和必要性是否足夠，這個問題其實很值得思考和討論。25日，香港科技大學(xué)深圳研究院在港科大深圳產(chǎn)學(xué)研大樓舉行了面向校友的“春茗會”，在會上演講過后，雷鋒網(wǎng)與鄭院長進行了兩個小時的專訪，他詳細講述了對人工智能、港科大以及其教育理念、教育模式的觀點。 關(guān)于港科大工學(xué)院教學(xué)理念的演講

在鄭院長看來，目前港科大其實并沒有看到需要設(shè)立專門人工智能專業(yè)的必要性。而且他還多次表達他認為21世紀是工程學(xué)的世紀，因為在這個時代我們有最好的條件為先輩研究出的科研成果尋找合適的用武之地，接下來雷鋒網(wǎng)將在不改變原意的情況下，對整個會談的內(nèi)容做一個整理：

我們希望的，是教會學(xué)生成為一個未來三十年都不會過時的人

雷鋒網(wǎng)：您之前有提到過，大學(xué)需要和工業(yè)界密切合作，才能培養(yǎng)出工業(yè)界真正需要的人才，那您能否跟我們講一下港科大是如何跟工業(yè)界保持合作的呢？

鄭光廷：首先工業(yè)界會把他們需要的人才的特點提供給我們。而在教學(xué)方面我們也會有許多的項目讓學(xué)生在學(xué)校里就能對工業(yè)界有足夠的了解。這樣他們了解了工業(yè)界的需求，在回學(xué)校后的學(xué)習(xí)中就會比較有動機。我們都知道現(xiàn)在的年輕人的壓力很大，未來似乎總是遙遙無期，容易讓人有一種迷茫的感覺?，F(xiàn)在的世界變化的太快了。我很喜歡舉的一個例子就是智能手機。我們都知道智能手機給世界帶來了多大的改變，但事實上如果從iPhone一代開始算的話，智能手機其實只出現(xiàn)了10年而已。而一個大學(xué)生在畢業(yè)之后至少會在社會中工作30年，所以我們沒法知道未來三十年他們到底需要什么樣的知識，要做什么樣的工作。這跟我們那個年代不一樣。我們那個年代只要好好讀書，讀個碩士或者博士，然后畢業(yè)之后找一家公司好好干一直干到退休就可以了，我們那時候直到畢業(yè)加入公司的那一刻，才算開始對工業(yè)界有多了解。但這樣的時代已經(jīng)過去了。所以我們覺得現(xiàn)在的學(xué)生在學(xué)校內(nèi)就需要經(jīng)歷幾個跟工業(yè)界有密切接觸的具體的項目來讓他明白如何把自己的知識應(yīng)用到實際中去。甚至我們在大一就要讓學(xué)生知道現(xiàn)在的工業(yè)界需要什么東西，這樣他在這四年才能感受到自己的學(xué)習(xí)將來可能的應(yīng)用方向。這種合作絕對不是學(xué)校單方面可以做到的。所以我們現(xiàn)在也在嘗試通過各種各樣的方式探索如何跟工業(yè)界去配合。

我們常常跟工業(yè)界說，今天他們投資我們一點，將來可能會有很大的回報。因為現(xiàn)在，尤其是在高科技領(lǐng)域。大家都在爭人才，對于工業(yè)界來說，越早能接觸到學(xué)校的學(xué)生，越有機會吸引到他們的加入。所以我們現(xiàn)在在探索各種各樣的合作模式，我們也很歡迎工業(yè)界跟我們提出他們需要的任何模式。

教育的方式需要不斷創(chuàng)新。我們的大學(xué)做一些科學(xué)研究，所有人都會覺得很正常，不過其實如何教學(xué)這本身也是一件很值得研究的事情。港科大在這方面我覺得做的還算可以。如何教學(xué)生成為一個三十年都能維持成功的人？我不覺得任何人能有對這個問題的明確答案。大家都在摸索。但是港科大有一個好處，就是我們還很年輕，我們愿意去嘗試。當然，嘗試有可能失敗，但是在嘗試的過程中我們覺得不對的時候我們隨時可以改，因為我們沒有太大的包袱。

 

鄭光廷院長

科研和實用需要齊頭并進

雷鋒網(wǎng)：請問，以后港科大要如何平衡那種實用的偏工業(yè)界的項目和短時間內(nèi)可能看不到成效的基礎(chǔ)科研類型的項目呢？

鄭光廷：我們有一個評估機制，首先我們的教授在選擇題目的時候其實是完全自由的。我自己也是個教授，對于每一個教授個人來說，要選擇更實用的研究項目，還是更長久的研究項目，這是教授自己可以決定的選擇，我們絕對不希望所有人都只做一面，如果這樣的情況發(fā)生，也會是一個問題。不過對一個學(xué)校來說，其實學(xué)校是可以發(fā)展出自己的特色的。比如在美國的一流大學(xué)里，斯坦福大學(xué)和加州理工學(xué)院的特色就完全不同。加州理工學(xué)院就比較偏向理論，而斯坦福的研究是非常實際的。目前來說港科大的角色是介于這兩者之間，我們也希望就待在這個中間。這也會在我們將來對教授的選擇體現(xiàn)出來，我們不會只找偏向一邊研究的教授。同時我們也鼓勵當教授的比較深了，可以讓他的團隊一部分做理論研究的項目，一部分做實際應(yīng)用的項目。而當我們學(xué)校投資教授的計劃的時候，也會很平衡的去保證整條線都做適當?shù)耐顿Y。我們也會觀察世界上各種先進的評估機制?？傊蚁嘈乓粋€世界一流的大學(xué)是一定要全面的，如果只注重一邊的話，很難幫助港科大在目前的基礎(chǔ)上更進一步了。

暫時不覺得有必要設(shè)立人工智能分類

雷鋒網(wǎng)：目前人工智能可以說是很火的一個領(lǐng)域了，我也看到港科大尤其工學(xué)院的許多課程都同人工智能相關(guān)，但人工智能雖然火，但到目前為止似乎還沒有出現(xiàn)過什么“殺手級”的應(yīng)用，這種現(xiàn)象是否意味著人工智能的教育還可以加強，我是對國內(nèi)的大學(xué)還是考科大來說。我們是否有必要專門建立一個人工智能的專業(yè)？

鄭光廷：其實我們?nèi)タ吹脑?，會發(fā)現(xiàn)現(xiàn)在這方面的研究生或者博士做的課題已經(jīng)有很多專門在研究人工智能了。不過在本科建立一個專業(yè)專門學(xué)人工智能，我覺得是沒有必要的。你可以去學(xué)數(shù)學(xué)，可以去學(xué)計算機專業(yè)，甚至可以去學(xué)統(tǒng)計。像我們剛剛說的，將來的大學(xué)生出來后，在他工作的三十年內(nèi)，可能要做很多不同的事情，他可能要重新定義自己的專業(yè)兩三次，所以大學(xué)的時候最好不要太專精。人工智能現(xiàn)在很火，我們都知道。其實我們學(xué)校對此也很重視，而且港科大在這個方面還是蠻領(lǐng)先的。所以我也常常問，我們，第一是要不要多收些學(xué)生？第二，是不是像你說的一樣，要建立一個這樣專精的專業(yè)。我得到了兩個結(jié)論，第一是未來十年內(nèi)，對人工智能人才的需求不會減少，只會增加。超過十年的事情很難說，但是十年內(nèi)，我想這個應(yīng)該是沒有異議的。就算再保守一點，至少五年之內(nèi)，這個需求肯定會一直增加。但是他需要的人學(xué)的絕對不只是人工智能而已，他在人工智能應(yīng)用的那個領(lǐng)域上，也會有專業(yè)的需求。比如說金融科技，做金融領(lǐng)域人工智能的人，不僅需要對人工智能有所了解，對財務(wù)方面，金融方面知識也需要有一定的了解。有時候如果人工智能在工業(yè)四點上，他對整個工業(yè)的制造流程也需要有一定的了解。最終在不同的領(lǐng)域，對人工智能的應(yīng)用，除了需要了解專業(yè)知識之外，還需要在那個應(yīng)用的領(lǐng)域有相當?shù)膶I(yè)知識。所以我們希望培養(yǎng)的學(xué)生能對更多領(lǐng)域的知識有所了解。我們覺得對學(xué)生來說，做多領(lǐng)域的訓(xùn)練遠遠比在單一領(lǐng)域做深入的訓(xùn)練重要。尤其是在本科，更是這樣。

人工智能的發(fā)展，與電子業(yè)是分不開的

鄭光廷：其實人工智能發(fā)展不止是人工智能的發(fā)展，人工智能能有現(xiàn)在的熱度，與電子行業(yè)的發(fā)展是分不開的。近年來出現(xiàn)了一大批高性能的計算設(shè)備，比如GPU。正是因為這些計算設(shè)備的大發(fā)展，讓過去的計算能力沒法做到的事變得可以做到了，深度學(xué)習(xí)才會有今天這樣的發(fā)展。所以，人工智能領(lǐng)域的創(chuàng)造絕對不只有人工智能領(lǐng)域的貢獻，是其他非常多領(lǐng)域，像數(shù)學(xué)，電子學(xué)這樣的研究成果合力促成的。我們都知道人工智能其實已經(jīng)有四十幾年的歷史了，而它的整個歷史并不都像現(xiàn)在這樣火熱，在二三十年前AI是非常冷門的專業(yè)，冷門到大家都不愿意去做。就是因為那些年一些人堅持在這個領(lǐng)域做出的貢獻，加上計算機計算性能的突破，突然間就把深度學(xué)習(xí)這條路打開了。就好像拼一塊拼圖謎題一樣，所有碎片都到位了，整個謎題一下就豁然開朗了。

所以說絕對不能跟學(xué)生要求讓他去學(xué)一個非常具體的內(nèi)容，跟他說今天人工智能火你就去學(xué)計算機，明天那個火你又去學(xué)那個。每個領(lǐng)域都是很重要的，你不知道什么時候它可能就會發(fā)揮很大的作用。我感覺中國，包括甚至整個亞洲，對工學(xué)這方面的投入絕對是非常有魄力的。微電子是很重要，很有價值的領(lǐng)域。

21世紀是工程學(xué)的世紀

雷鋒網(wǎng)：我似乎有注意到，我們似乎很久沒有在基礎(chǔ)理論方面取得過很大的突破了，好像這些理論的進步都被鎖死了一樣，這些情況對大學(xué)的教學(xué)和研究有沒有影響呢？

鄭光廷：我覺得是沒有影響的。我常說上一個世紀是科學(xué)的世紀，這個世紀是工程的世紀。為什么？上個世紀，包括之前好幾個世紀，我們在基礎(chǔ)科學(xué)理論上有太多太多的突破了，許許多多的科學(xué)理論問題已經(jīng)在前幾個世紀解決了，以至于直到今天，這些科學(xué)理論的應(yīng)用潛力都還沒有完全發(fā)揮出來。所以我們這個世紀，或許就可以專注于找到前面這些科技突破的實際應(yīng)用。比如說數(shù)學(xué)，我們大家相信都知道傅里葉變換。（注：于1822年由傅里葉首次提出）這個定理早在幾百年前就在數(shù)學(xué)的發(fā)展中被提出了，直到今天，它還在很廣泛的在圖像和視頻壓縮的領(lǐng)域得到使用。跟這個例子很像的，有太多太多之前發(fā)現(xiàn)的定理現(xiàn)在還沒有得到充分的應(yīng)用了。所以我不覺得這是個問題。我們需要注意的，就是我們工學(xué)院的學(xué)生在物理數(shù)學(xué)方面的應(yīng)用絕對不能減少，不能說我們想讓你去做實際應(yīng)用的工作，就不讓你學(xué)基本的數(shù)學(xué)理論了，這是完全錯誤的。只有我們對幾個世紀前的那些科學(xué)理論發(fā)展理解的夠深，我們才能想到怎么從中找出適合現(xiàn)在的應(yīng)用方法。我覺得這些可能性太多了，所以我想說，21世紀是工程的世紀。

我們的硬件性能還遠遠不夠

雷鋒網(wǎng)：其實我最近經(jīng)常聽到的一種聲音是，在過去因為硬件性能不夠，所以需要針對每個產(chǎn)品專門設(shè)計硬件，而現(xiàn)在的硬件性能普遍過剩，所以不太需要硬件工程師去設(shè)計硬件了，所以現(xiàn)在硬件工程師的地位普遍在降低。而您剛剛卻強調(diào)了很多次微電子的重要性，包括國家的重視。為什么會有這種矛盾的觀點存在呢？事實是怎樣的？

鄭光廷：在某些領(lǐng)域，可能你說的那種觀點是對的。確實比如美國近年來就在這方面的投入有所下降，但這并不能說明硬件設(shè)計的重要性就下降了。不用說一個企業(yè)完全掌握軟硬件的重要性，就單說硬件，在很多領(lǐng)域其實現(xiàn)在的性能還是完全不夠的。我舉個很簡單的例子：無人機?，F(xiàn)在的無人機先不管它功能有多強，一般的無人機，最多最多就飛25分鐘。當然誰都想讓它能飛兩個小時，但是這是軟件能解決的嗎？光靠軟件絕對是解決不了的。

前面說的是續(xù)航。 從另一個方面來說，計算能力。我們現(xiàn)在做的無人機的一個很重要的應(yīng)用場景就是攝影，而現(xiàn)在的無人機最多只能做到跟著一個人做比較規(guī)律的運動，但是如果我們想讓它做出更多復(fù)雜的動作，甚至說更智能的，類似在攝影一場球賽的時候能根據(jù)形勢把攝像機對準該對準的地方這樣的動作，真正把攝影師的職業(yè)給取代掉，那現(xiàn)在一個無人機上的計算機的性能還遠遠不夠。而如果說你能給我在無人機這樣一個平臺上提供十倍于現(xiàn)在的計算能力，那我想我就有把握做到剛剛的事，這樣一來就清楚了，誰能提出有這樣能力的架構(gòu)，誰就能獲取優(yōu)勢。

另外，目前深度神經(jīng)網(wǎng)絡(luò)能做的計算量，其實離人腦還差很遠（雷鋒網(wǎng)注：以目前科學(xué)界的理論，大腦不擅長數(shù)學(xué)計算只是因為大腦沒有專門的計算模塊，進行運算的時候需要調(diào)動許多高級模塊來支持，比如現(xiàn)在大腦里構(gòu)造出運算數(shù)字、算式的虛擬形象，單純從運算來說其實是很浪費的。），人工智能有一個研究分支就是如何創(chuàng)造出一個跟人腦一樣的計算機，因為現(xiàn)在計算機的結(jié)構(gòu)跟人腦其實完全不一樣，還是非常早期就得到應(yīng)用的馮諾依曼結(jié)構(gòu)。如果計算機能在做到跟人腦一樣的運算量的同時只消耗跟人腦一樣的能耗，那我們就可以說有把握創(chuàng)造出一個很強力的人工智能了，但是現(xiàn)在根本就做不到。

所以有些產(chǎn)品真的是把一些芯片湊起來就能做出來，像IOT這種比較簡單計算量需求不高的。但換一個角度講，這樣的東西，你能做出來，別人也能做出來。當你硬件的門檻很低的時候，你就只能靠軟件來拉開優(yōu)勢，可是軟件本身的可取代性就很高，除非是那種非常大型的項目。所以我的看法是，軟件公司一定要掌握硬件的核心技術(shù)。當然，一個單純的硬件公司如果沒有上面軟件方面的一些支持，也是很難存活的?；ハ嗟慕Y(jié)合才能產(chǎn)生出新的應(yīng)用，新的發(fā)展。剛才我是隨便舉了兩個例子，其實哪怕現(xiàn)在的功耗下要是計算能力能翻兩三倍，我能想出來的新的應(yīng)用就由太多太多了。西方的很多國家在這方面的投入下降，其實不是他們不想投，而是這個實際情況下，他們有點投不起了。所以說，中國投資微電子是絕對正確的。

后記：鄭光廷院長的觀點，或許能給中國的人工智能發(fā)展提供一個新的思路，重視人工智能的教育固然重要，但我們或許也應(yīng)該意識到，人工智能的發(fā)展是許許多多科技的發(fā)展共同促進而成的，就比如微電子學(xué)，所以我們在教育和學(xué)習(xí)中是否也應(yīng)該少些功利，多些沉浸下去的心思，在自己擅長的領(lǐng)域做到最好呢？畢竟誰也不知道，是否某個時候你所擁有的知識會對社會的進步起到巨大的推動呢？

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。