雷锋网消息：11月5日，AI公司旷视科技联合清华大学、交叉信息研究院在清华大学FIT楼举办了“人工智能的本质创新”为主题的活动。同时宣布成立旷视科技学术委员会，并邀请中国科学院院士、首位图灵奖华人得主姚期智先生担任首席顾问，作为学术指导协助旷视加快推动产业实践。
姚期智院士接受旷视研究院院长孙剑博士授聘书
值得一提的是，旷视科技的三位联合创始人都出自清华姚班，其中印奇，唐文斌是同班同学，杨沐是低一届的学弟。讨论会上，由唐文斌担任支持。
中国科学院院士、图灵奖得主、旷视学术委员会首席顾问姚期智先生
在回顾姚班创立之初的设想时，姚期智院士直言，姚班这十几年来，能够做到现在的样子，在他的意料之外。“我当初开始设计这个姚班构成跟课程的时候，心里面唯一的一个想法，就是我们中国有这么好的年轻学子，尤其在清华大学学计算机的这些学生，这些都是精英中的精英，在全世界，在任何一个地方的本科生都不会有这样一种程度。我觉得在十几年前的时候，中国不管是研究生还是大学的教育上，都有很多欠缺的地方，这么好的学生，到他们大学毕业的时候，没有受到好的教育，我觉得这对中国年轻人不公平，也是中国的一个非常大的损失。因为如果在大学毕业的时候，你无法感觉到自己是世界上最优秀的话，那么你将来的成就，不管你从事学术研究，或者是创业，心里想要做的事情、眼光就没有那么长远。所以我觉得，其实不需要花很多的力气，大概能有七八个，非常愿意投身于计算机学习中的学生，具有当代知识的话就可以做好，至于其他能够做得多好，我心里也没有比较，慢慢经过这么多年来看，我们确实做的非常成功，包括今天在座这么优秀出色的创业家，我觉得非常棒。
包括三位创始人在内的，现场还有很多姚班学子，他们纷纷分享了从姚班取得的收获。杨沐认为姚班让他把创新变成一个生活习惯。“姚班有很多机会接触到一些没有人解决过的问题，这种培养机制让我们把这种技术，没有人解决过的问题，变成一种日常的行为。”
印奇认为姚班聚齐了培养人才的三要素。第一是有一套清晰的思维跨框架和野心，让同学们能够形成一套各学科通用的方法论；第二，姚先生能够为学生们提供接触世界顶级牛人的机会；第三，为同学们提供了很多能够把理论应用到时间的机会。
唐文斌则抓住这次回母校的机会，向姚班创始人姚先生请教了人工智能的最本质创新是什么。
理论，算法，工程和产业的本质创新
关于人工智能理论，算法创新
姚期智院士：使用神经网络的深度学习确实给人工智能、给整个人类对于什么叫做智能这件事情，开了一个窗口，但是现在的这种学习方法，并不是终极的方法。人类的眼睛基本上就是一个神经网络，难点在于怎么样了解人的思维方式。而现在的神经科学的研究方法基本是从一个非常低端来看，片片断断，看不出来整个结构，他同时保证了给我们说这里会有一个答案，但是这个答案与现在一定不一样。所以对我来讲，我觉得现在是对于智能研究，是处在一个研究者梦寐以求的一个地方。因为我们有了相当多线索，第一点神经网络基本上可以达到这个要求，神经网络怎么样能够达到所需要的效果还有别的奥秘在里面，这是一个非常有意思的题材，他结合了计算机，同时也结合了其他的神经科学和其他方面，所以这个就是一个场地，对于我们下一代的、未来的年轻计算机科学家尤其是清华姚班的学生，我觉得这是一个非常令人兴奋的可能性，你要变成一个真正的跨领域的研究者，你不只是计算机科学家，应该是一个真正跨领域的科学家，怎么样解决这个问题，可能人类二十一世纪最有挑战性的一个问题。
旷视科技Face++首席科学家、旷视研究院院长 孙剑
孙剑：从算法角度来看本质创新，一是，看是否比较能够具有通用性，通用性越强，这个算法的影响力越大；二是，看是否别人可以重复使用，换句话说就是否解决了行业痛点，是否触及到了问题的本质，做出来的算法是否会引起同行从业者，产业界的人主动去应用。
唐文斌：孙剑老师您觉得，包括您之前在微软的工作，以及最近这一年在旷视的工作，大概有多少比例在做本质创新，有多少工作在做没有那么本质的创新？
：我觉得本质创新就是说，做的时候，做任何工作之前，包括做完之前，我并没有思考这东西是不是本质创新，也没有追求它一定会产生什么样的效果，很多你觉得自己看好的工作，结果做完以后并没有那么重要，你觉得以前有些工作可能是无心插柳的工作，反而产生了很大的影响。比如说在微软期间，在神经网络的训练网络结构上的探索，我们做了非常简单的网络设计ResNet，没想到前几天AlphaGo Zero的系统就成功应用ResNet作为核心技术，这个是我们做的时候根本没有设想的，解决这样的问题。然后多少本质创新，我觉得是少数，但是这些少数需要你不断创新才能保证，很难去预测，哪个是本质创新，通过不断尝试不断努力，会有概率产生这样的创新。
工程和产业的本质创新
旷视科技Face++创始人兼CEO 印奇
印奇：旷视做了六年产业，教会我们一个非常重要的点就是，有的时候定义问题比解决问题更难，定义一个正确的问题更难。举个例子，做互联网金融这行业三四年之后，人脸识别，图象识别技术非常成熟，做到今天三四年之后，在这个行业里面另外一项技术-活体检测，如何验证这是一张真人的脸，而不是一张照片或者视频，这样的创新对这个行业是非常本质的，但是这样本质技术的定义，是因为深扎到行业和场景当中，才了解这个问题，我们可以发现很多问题，和最优秀的科学家解决的问题，这样一个闭环非常重要。第二点其实我自己在微软研究院实习，开始做人脸识别，到今天快十年的时间。我有一个感受是当你在不同的数据量的情况下，你解决问题的方法从不本质到本质，而工业界、产业界给你一个最真实的问题，最海量的数据，在最正确的方向上解决问题，屏蔽掉一些并不本质的创新甚至是说质量较低的创新。所以企业界跟理论界可以有更好的结合，因为企业界有数据，有计算力，使得创新做的更好。
关于AI人才
杨沐：刚才因为大家都谈了很多关于人才的方面的问题，我在公司里面也比较多得面对人才的面试和招聘环节，我想了解一下就是不知道姚先生对于人工智能这个行业的人才的看法，因为我平时可能接触到不同类型的人才，在理论界可能研究比较深，有的是说在工业界沉浸多年，然后对于架构对于整个工程方面，有很大的理解，就想问一下姚先生关于人工智能这个方向上的人才需要具备什么样一些素质？
姚期智我觉得在人工智能这个方向的人才，他所需要具有的最重要的特质就是聪明。我觉得这个可能比在其他的学科我觉得这个更为明显，因为我们现在是在一个非常特别的时候，说来话长，我就讲的短一点，那么就是说人工智能现在由于这种机器学习的发展，在过去这十几年的一个成效，基本上它对于很多人来讲，可以说是一个好处，你如果对于用人工智能解决问题， 有很多以前要学的东西都可以不学。因为基本上过去十几年的发展，实际上人工智能他是算法主导的（dominated by algorithm）。就是说，你一旦把人工智能这件事情变成是强化机器学习算法的途径以后，基本上是看你有多聪明。所以我说聪明在这件事情里面是一个非常非常大的优势。那么至于其他还需要具备什么，在了解了各种已经知道的这些学习算法以后，再就是必须要有足够的在工业界的实战经验。除了聪明，有实战经验外，还要有机会能够看到一些新的需要解决的问题，对于聪明好强有野心的人来讲，这个是一个非常最好的事情。，
PhD重要吗？
我们团队里面有很多来自姚班，虽然是本科毕业，但是实力非常强，我们老被一些媒体问到一些问题，你们有多少PhD，我就很尴尬很难回答，现在看也是聪明动手能力解决问题的野心，和好奇心是最重要的，你觉得PHD在这件事情上本质吗？
：我觉得这个要看个人得一个兴趣，和你将来你的工作的一个方向，因为我觉得这个事情上有很多很多不同的人、有不同的想在这个事情所做的，他觉得最有意义的事情是不一样的，那么你基本上让每一个人决定他最想做的，最有意义的事情是什么，这样的话才真的能够发挥他的聪明才智。PHD有一个好处，就是等于他强迫你要晚一点成熟。就是你在这个武当派老师傅说你多学十年才能出师。你现在虽然出去也可以行走江湖，你如果十年出去以后，你学到的内涵更多的话，将来成就更大，所以这不一样，PHD学习的一个好处就是，你在一个比较规范的academic理念，那么你有可能更可能从事一个，就是在本质上，大家会觉得是更深入的一个问题，那么你如果比较早一点，你就开始完全来解决问题的话，那么我觉得因为解决问题的魅力是非常的大，你一旦解决问题以后，你只想一个一个持续来解决问题，那么所以你就不见得有机会能够从事一些你本来想做的，你怎么样的来思考说什么是叫人工智能的本质，像这些问题你可能就没有解决。
：我特别同意姚先生观点，我在国外读PHD的时候，自己觉得很多时候中国的学生和国外的学生，读PhD状态是不一样的。第一批阶段，五年的时间，如果你是一个真正big problem找到好的方向的时候，是一个特别幸福的阶段是一个很安静的阶段，安静的阶段里面免除打扰，你人生未来都有机会花五年时间，研究自己感兴趣的问题。这个另外一个前提是说，要对那些本质的问题有兴趣的，不把这当成学位，而当成非常宝贵训练的阶段，不拘泥于学位本身。两边如何做到好的平衡，如何把更本质的创新、需要长时间的创新和一些相对短时间，需要实践动手的创新，这两件事没有谁好谁坏，更多是更好的结合。
发表的论文数量说明了什么？
：今天有一个现象就是，现在统计中国的人工论文的作文，署名的作者快赶英超美了，能够获奖国内或者是香港或者是大陆的学校，已经超过谷歌、Facebook，包括大企业的研究院，号称自己论文数已经超过美国最牛的研究院了，但是这个现象的话，就是说这个现象对于同学会带来影响，也会问我，怎么看待我们是不是要多发论文，论文数量是怎么样，今天也想请教姚老师，传授我一个答案。
：我觉得发表论文，他有他的一些道理，那么第一点就是你论文他给了一个有相当客观性的衡量的标准，使得一般的机构或者是大学他能够有一个方法，能够作为一个大家觉得比较公正的平台，第二点如果是做研究的人，不是做产品的人，那么你做出来的工作，能够变成一个论文，能够接触到一个杂志或者会议，这个给你精神上有一个鼓励的作用，因为这个就表示说你自己做的事情，还是至少有人觉得，就像演戏的人，有观众给他拍手。同时从一个实际的角度来说，这个并不是一个最好的理由。因为我觉得其实对于人的判断，就是说你有专家能够来判断，比如说在孙院长的院里面，所有的事情都可以归结到人才，基本上你所需要知道的是，这个人是不是人才，你要有方法能够判断，从他的一些工作上不管是否publish，但是他能够讲的清楚，不管你自己或者你有一些其他的帮助你评判的人，如果能够有一个非常好的一个判断，说这个人他是不是做一些好的工作，因为这个工作也许三年五年才会能够领悟出一些新的结果，或者两年、三年才能够做出新的产品，主要是说研究院或者任何一个研究机构，一个最大的要求就是你所雇的人，都是一些人才。多半的学校里面，除非是一种最高级的学校，他里面的人本身还有他们所来往的人，他能够相当精确的判断你这个人好不好，其他一些比较次级一点，没有第一流的地方，基本上没有能够能力判断，他需要依靠一些journal或conference替他做一个把关的标准。所以我感觉的到，论文是一个没有办法的办法。如果有人才都很好的话，他们如果三年、五年都不出一个paper，你了解他做什么事情，我觉得那不是一个不好的结果。我觉得中国在目前的这个程度，需要一些《Nature》、《Science》这种有名声的杂志，来做一个标杆。因为这主要是一个还没有完成的一个改变的过程，在二十年前，这一种靠杂志靠会议来评判你这个机构里面的研究人员做的好不好，这件事情在二十年前是makes a lot things，他需要把一个国家研究的一个学生从等于从很低的情况，能够提高到，了解到现在的大事，能够到达现在一般的水平，所以我觉得这个在当年是无可厚非的，我觉得现在中国大家也了解。但是这个事情不是说真正能够完全去掉，大家也在看怎么样能够有一个更好的方法做评判。所以我觉得这件事情，我们不能够完全相信他，但是他的存在还有一定的意义。
现场提问环节
Q：我的问题是关于人工智能路径。至今人类也造不出像鸟儿翅膀那样精巧的结构出来，造了一个压气机，但效率不怎么高，不过也能往上飞，能够大规模用。在人工智能这件事上，将来是一种什么样的路径，人工智能和人的智能最终已经是一组解吗？
：我觉得这个问题很大，也很好。现在人类科技的发展确实到了一个时候，我们可以想的更大一点。刚才的问题牵涉到一些事情，我们人类前一两万年都是懵懵懂懂的，最近一两百年，好像突然厉害起来。所以我们现在到了一个程度，你刚刚所提出的问题就是说我们要来想想看，如何和老天竞争。这个世界很美丽，也非常了不起，这个世界里面最壮观是什么？我觉得有两个。第一是自然界的精妙程度完全超乎我们想象，外面有黑洞，鸟在飞，身体里面的DNA，看起来自然界好象有人设计了这些结构，里面有很多不同的情况，有很多机制，我们人类有相应的方法，用人造去做。第二个我们要和老天相比的事情是，自然界害怕制造出像我们人类这么聪明的东西，我们人有没有本领，我们能不能够了解到自然界。自然界在物理设计的时候，会制造出千奇百怪的事情，我们人类想要模仿自然界。一旦做好量子计算机，我们就能够模仿宇宙的各种运转，包括设计材料，从这个角度可以把量子计算看作是我们与老天的竞争。
看到人工智能，我们想要了解怎么通过进化使得人变得这么聪明，我们想要和老天比赛，看谁比较聪明。其实我们真正的认识是要非常谦卑地学习各种事情。我从一个理论计算机科学家出发来讲，最近十几年的发展，确实是让我们做理论的人产生了一个翻天覆地的变化，基本上等于是一个新的开始，因为我们一向做算法，包括大家在大学学的，基本上都是告诉你，你应该在解决一个计算问题的时候，要看有没有一些可以应用的一些窍门，使你能够设计出最好的算法，从图灵以后这么多年，大家都觉得这件事情都应该这么做，包括早期人工智能的创造者，他们大家都觉得说，想要变的有智能，用逻辑很精确的方法设计，基本上都是同样的一个想法。但是我们现在突然了解到，世界上有很多的问题，甚至是大多数的问题，都不是属于那种苦思研究数学就能够解决的，其实能够用机器学习的方法解决很多。
我们画一个大的圆圈，只有1%的部分是用传统很精确的数学分析，有一个好的算法，其他的在我们当年学算法分析的时候，都觉得不知道怎么样做，所以我们就不做。最近十几年的发展让我们有一个新的认识，至少有一部分做理论的人认识到，我们必须要去研究，在这99%的问题里面，我们要用这种新的方法来做。能不能有一个理论了解这件事情，这可能是一个非常不同的理论，因为很多事情都是非线性的，要研究这种理论，我们实战应该采取的方式是用物理学家的精神来做算法设计，因为物理学家是最基础的。我们要有能够跨学科的精神，如果我们在研究的方法和解决问题的方式上都不能能够打开心胸，来建设一些适合解决问题的理论的话，我觉得我们将来会被淘汰。很多问题我们不解决，会有别的一些学科的人，他们会用他们的方法来解决这些计算的问题。所以我觉得现在是一个非常有意思的时代，并不是那么多人都了解这件事情，不是这么多计算机学家了解这些事情，了解这些事情的人，了解的这些计算机学家，他们有更好的前途和发展的机会。
：刚才姚先生的回答有很多新的思维，他从更长的历史周期来看。姚先生作为理论科学家，经历了很多计算机技术的变革。中国一直说产学研结合，国外可能没有这样的专业词，学术工业界相互之间的合作或者助推，某一阶段会发挥更大的角色，姚先生也是做得非常好。学术界和工业界的人才，他们以什么样的方式参与到学术和工业界整个大变革里面，希望您能从历史、从您自己的实验室的角度，谈谈如何让人才在合适方式和合作模式上影响工业界。
：我觉得现在是一个非常奇妙的时刻，也是产学研结合的最好时期。中国从改革开放以后，为了提高经济的发展，在大学里的研究非常强调对于国家社会、经济建设发挥作用，那么这件事情也可以看成是一种产学研的结合。但这不是研究型的产学研的结合，像这种产学研结合不是最适合于大学，尤其是高端大学的，这种方式会消磨尖端上研究的锐气。中国现在到了一个非常好的时刻，中国经济到了现在，要想再进一步超过中等收入的瓶颈，现在已经有了一些成就，同时必须能够有一种更全面的、更可持续的提升。要让大家都生活的更好，使中国真正能够变成高收入水平，我们的整体科技水平必须要提高。像中国这么大国家，我们的模式可以参考美国。美国做了非常了不起的结合，产业界和学界在研究上的分工比较清楚，产业界有非常好的研究水平，如果在大学里面，你有一些好的主意，你很快就可以到工业研究，他们有这个能力可以转化。
美国的工业界和大学研究水准在各自的方向上都非常高，我们中国在这两方面都不够，怎么样能够把中国的大学的研究水平提高到像美国的程度，把产业到工业界进行好的转移，我们必须把这两件事情全部都建设起来。像这样把学研和产业相结合，不但能够产生经济效益，而且能够使得我们学术研究工作做的更好。
我觉得现在是一个非常好的时刻，科技在不断的创新，国家也认识到了。世界上很少有政府像中国有这么大的决心，提出这么有远见的想法：2030年把中国的人工智能发展到在各方面领先，2050年把中国变成科技强国。要达到这样的目的，唯一的方法是把产学研结合到像美国的程度。这件事情应该怎么做，大家都要努力。其实每一个行业都有一个非常合适的路径，第一点就是吸引人才，有了这些人才以后，怎么样让他们把产业和科学结合起来，我觉得大家都在做这件事情。产学研并不光是政府交代的任务——做科学就是要经济生产，你必须让大家了解到产学研结合，也是符合本身研究的。第一点是认识的工作需要做好，第二点是每个单位的领导需要有认识。将来一流大学里面的评判的标准会和以前有很大的不一样，很多年以来研究的标准是通过论文来判定，我觉得现在由于信息科学、计算机科学在过去的五年突然展现的活力，使得大家感觉到计算机科学产生的效益有时候可能比在某一个领域里面本身产生的效益大。比如我们谈无人驾驶，无人驾驶是计算机科学和汽车工业的结合。在有了无人驾驶以后，将来会产生很大的变化。无人驾驶里面的技术含量，我想可能90%都是在信息科学上，也许只有10%或许更少是在大家已经完全了解的制造汽车的工业领域。计算机可以做很多工作，在医药领域，将来最重要的有这样一个算法，能够很快告诉你什么样药物的成分最可能治疗疾病。这个事情将来最可能发生，到了那个时候，很可能是计算机科学家成立一个公司，有那么一套算法，能够以最便宜的价格做出效果很好的药，算法就不公开了，就变成计算机科学也可能能够开医药公司。
以前一个计算机科学的同事问我，你觉得五十年以后还有没有计算机科学，我的答案脱口而出，我说五十年以后只有计算机科学。我的意思是说，计算机科学这么有价值，我们应该把这个学科更扩大化，我们计算机系应该雇一些经济系、物理系的教授，这样子在同一个屋檐底下，有各种各行的人，大家可以做跨领域的教研。如果计算机科学五十年以后所做的仍然是怎样把一个网络搞好，把计算机做的更快，那时候计算机基本上变成服务性的工作了，一点价值都没有，就像现在很多不太有前沿性的领域。
圆桌讨论结束环节
我们回到人工智能本质创新这个话题，不管从理论从算法还是从产业的角度，用一句话总结，大家觉得接下来最重要的一件事情应该是什么。要去做很多与创新相关的工作，所有的工作里面最重要的一件事情是什么。
：我觉得就是要人尽其能，做你最想做的事情。
：我觉得需要创造一个好的环境，这个环境能使人发挥最大的作用。
：我觉得要给人工智能找到最大的场景，像搜索引擎、搜索技术发展一样，现在人工智能还没有找到这个场景，找到这个场景可能会更飞速发展。
：我觉得是在人才引进上，把各种交叉学科越来越多的优秀人才，引入到人工智能领域中。
雷锋网AI科技评论根据现场活动录音整理编辑，略有删减。
雷锋网
