人工智能怎么让这个清华大学教授变成大忙人

“人工智能终于到了风口”，一见面，邓志东就这样说。

从1992年来到清华开始博士后研究，再到2016年春天，邓志东见证了人工智能基础研究从高峰到低谷再到复兴的全过程。作为国内很早一批开始研究深度神经网络的学者，他在人工智能领域钻研已经超过了20年，所研究的深度神经网络，是让机器学会识别分类的基础算法之一。

神经网络最惊人的“亮相”发生在今年3月中旬，谷歌旗下人工智能公司DeepMind开发出的围棋程序Alphago 以4：1的成绩战胜人类，让AI研究再次回到大众视野。“Alphago得以战胜人类，正是基于深度神经网络和增强学习，机器的能力又一次得到了证明。”

但作为参加了许多人工智能国际会议，发表过数十篇相关论文，甚至清楚记得人工智能领域在商业领域所有重要事件的资深研究者，却越来越感到，“研究的越多，越对我们的处境感到担忧”。

“人工智能是少数我们和国外没有代差的领域，如果不奋起直追，恐怕又会掉队。”

外国和中国一样，新一轮人工智能产业发展也是刚起步

邓志东还记得2000年左右，人工神经网络研究处于低谷期。“那时都不敢说自己是研究人工神经网络的，因为在社会上还看不到太多成功的应用案例，怕被人说成骗子。”

这种不看好的情绪并不只发生在国内。实际上，关于人工智能“要超过人类”的技术豪言，每隔数十年就会发生。1956年，“人工智能”一词正式诞生，当时的研究者们甚至预言，二十年内机器将能完成人能做到的一切工作。事实证明，他们低估了研究难度。

直到2012年，多伦多大学Geoff Hinton教授带领团队，凭借深度卷积神经网络、GPU和大数据，一举获得了ImageNet大赛冠军。

这成了人工智能研究的里程碑事件。从那之后，谷歌、Facebook、百度等互联网巨头开始介入，人工智能的研究这才开始逐步走向应用。至于原因，“视觉能力太重要了”，邓志东说。在他看来，人工智能分为感知智能和认知智能两个层面，跟婴儿刚出生，逐步认识世界后再形成自己的人生观价值观是一个道理。“人为什么会有智能呢，是因为我们眼睛一睁开，一切都分类了。一个人如果什么都不分清，他能有什么智能呢？”

从1956年到2016年，人工智能诞生只有60年的时间。而2006年，“深度神经网络”的概念才被提出，“从学术上讲，国内外的差距并不大，区别主要在以后的应用层面”，邓志东解释。

至今，感知智能已经不再是人工智能的绊脚石。甚至在某些特定领域，机器在感知层面已经超过了人类。比如，深度神经网络与大数据结合的前提下，ImageNet的机器图像识别错误率只有约3%，人类尚不能做到这一点。 邓志东认为，“深度卷积神经网络模型已经成熟，大数据才是应用的关键，可以在某些细分垂直领域开始工程化应用开发了。”

BAT还算不上伟大公司

说起大数据，中国似乎是最好的试验场。上周，阿里云用人工智能程序“小i”预测了《我是歌手》的比赛结果，打造“小i”的科学家闵万里曾在IBM和谷歌工作，他在谈及回国缘由时回忆称，当时猎头只说了一句话，中国有家公司数据量比亚马逊+eBay+Paypal都多，你愿意回来吗？“真想做大数据，真想做人工智能，还得在中国。”

虽然如此，邓志东却常常感到力不从心：“私有大数据只有企业才有，高校和研究所能做的有限，因为获取数据和数据整理太耗费人力和财力，只有企业才有优势。” 无论中美两国，这都已经成为了共识。在硅谷，一个从事深度学习研究的最顶级博士，会被科技公司以200到250万美元的年薪挖走。

然而，尽管手握大数据，国内的科技圈似乎还在为商业化而苦恼。360董事长周鸿祎在“人机大战”之后曾发了一封内部邮件，委婉地讽刺了“热衷于卖盒饭、卖电影票”之类的互联网公司。相比之下，硅谷在人工智能方面却并不显得操之过急。

以谷歌为例，2013年收购DeepMind之后，谷歌也在持续投入人工智能，到目前依然没有看到任何商业回报。然而，DeepMind团队去年2月份宣布人工智能玩游戏超过人类，今年3月份开发Alphago在围棋领域战胜李世石，这些成果一经公布就令世人瞩目。

“有魄力，敢为未来投入，才叫伟大。”邓志东说，“谷歌测试无人驾驶汽车已经几百万公里，他们要做的是颠覆整个交通系统，国内还没有一家公司敢这么想，这么做。相比之下，BAT都还算不上伟大的公司。”

不过邓志东还是承认了国内科技企业的进步：“中国已经出现了BAT这些公司，手握庞大的数据量，跟以前相比强多了。”实际上，更大的进步还未发生，百度创始人李彦宏在最近的IT企业家峰会上，隐约流露出了开放数据的意图。当时，马化腾和李彦宏被公开质问何时能够共享大数据和人工智能方面的研究。马化腾称，共享大数据已是大势所趋。李彦宏也明确表态，百度会共享在人工智能领域的成果。

这些进步的背后，是人工智能越来越重要的战略意义。邓志东最近经常被人问到，中国的人工智能研究和应用该怎么进行下去？他专门为此准备了建议：选择细分领域积累大数据，将深度卷积神经网络尽快大面积推向工程化应用；建立国家级实验室推进认知智能基础研究；发展类脑芯片和低功耗卷积神经网络芯片等基础硬件。同时，他也呼吁推进科研体制改革，将学界的研究成果和业界应用尽快对接。

在他眼里，人工智能研究处于战略性地位，就跟芯片技术一样重要。“电脑、手机每个人都在用，但是核心芯片却来自英特尔、高通这些国外公司”。

只是这背后，需要讲述的太多太多。在3月底的一次人工智能投融资会上，邓志东准备了86页PPT，向在座的几百名创业者和投资人讲述深度神经网络的发展历程和应用前景。因为想讲的内容太多而超时，他被主办方“打断”了好几次。

正如他反复强调的那样，“人工智能是少有的机遇”。