圆桌对话：向未来发问
汤道生 腾讯高级执行副总裁
Michael Jordan 伯克利教授，人工智能领域专家
张首晟 斯坦福大学物理教授，美国国家科学院院士
张潼 腾讯AI Lab主任，机器学习领域专家

3hjj.cn/3834



汤道生：首先我再次代表腾讯感谢刚才两位教授的精彩分享，他们分别从不同的角度阐述了当前我们在人工智能层面，在计算的层面所面临的挑战与机会。希望今天的这个环节能够互动更多，因为我们这个环节的主题是“向未来发问”，而在座的几位学者对我们这个社会，对我们当前这个世界能提出非常有意思的问题，这也是一个非常互动的环节，欢迎在座的嘉宾多提问。张老师作为腾讯AI的负责人，首先请您给大家介绍一下您所关心的哪方面的技术研究以及应用。


张潼：我觉得现在从AI来讲有一个非常好的机会，它会渗透到各个行业，所以很多公司都会对这个东西感兴趣，所有的公司做AI都有自己的特色，我们是作为腾讯公司的一个应用研究、基础研究的部门，肯定是希望把AI做出腾讯特色，在这里我们感兴趣的几个方向是跟腾讯的业务场景相连的，比如说腾讯在游戏上是非常强的，而正好游戏在很多的AI的研究里头都处于前沿，因为游戏里面会产生很多的模拟数据，这些数据可以用来开发你的AI能力，而这些算法将来还可以沉淀下来，放到实际中去，所以在游戏方面有很大的作用。
 所以我们在腾讯不仅是可以做研究，还可以支持业务，包括我们当时做围棋，还有跟游戏结合的AI，都是基于这一点考虑，在这方面，我们在未来几年会走到世界前沿的地步，而且也能对腾讯本来的业务产生一些价值。
 还有一方面我们关注的是跟内容有关的，腾讯非常重视内容的生态，包括怎么给用户连接到最好的内容，那就需要推荐和搜索，另外就是协助生成一些内容，比如说用机器人写新闻，它可以生成内容，包括一些图象识别技术，还有我们在做一些视频内容等等，这都是在做内容理解和内容生成方面的东西。
 还有一块是社交相关的，这里面的人机交互，特别是语音和自然语言，怎么用语音交互，理解人的说话，或者能够通过对话，包括完成一些特定场景的任务，Michael Jordan教授也说过，现在做通用对话还是非常难的，但是我们还是希望往这方面努力，在一些特定场景上能实现对话。
 最后一块是云的方面，这也是今天会议的主题，我们会提供一些基础的组件，希望把它放在云上，能够让小的企业用到AI能力，或者在垂直的企业，比较深的进入一些行业，包括在医疗等等方面，能够做出专用的AI，这是我们目前专注的和腾讯业务结合的部分。


汤道生：谢谢张老师，接下来也问两位教授，在人工智能和学习领域，你们比较关心哪些问题？让张老师先开始。


张首晟：我刚才的报告已经提了，我个人最关心的是人工智能要往前推进的话，人工智能需要一些非常基础的科学技术，一个就是把摩尔定律继续往前推进，还有就是人工智能和物理的关系，还有人工智能和数学的关系，有一些好的算法产生。但是今天把话题提得更广泛一点，因为大家对人工智能还是有恐惧感，不是马上达到机器人统计人类的时代，但是比较现实的恐惧感是人工智能会取代人很多的工作。
 但是我的想法是，现在咱们还没有提到的一点，就是人工智能能够真正把人类的教育事业做得更好，在中国古代的先知们就提出因材施教，但是现在的教育很难达到因材施教，因为一个老师在上面讲课，不知道怎么跟下面每一个学生个性化教育。
 但是人工智能可以达到这一点，因为现在的很多学习越来越在网上学习，这样可以观察一个学生学习的行为，给他推荐特殊的，最好是对他个性化的教育，如果我们能够把整个人类普遍的教育提高，并且给他建议，你这个学习的方式，今后可以做这一类的工作，比较适合你，这样人工智能就能更好的推动，并且增强人的智慧，这是还没有被普遍关注的。像腾讯这样大的企业，也已经给社会带来很多有益之处，我们可以想更远大的目标，把恐惧感去除，迎来更好的未来。


汤道生：不同的个性化也有体现，但是服务的个性化相信还有很大的想象空间。 Michael Jordan教授，您最感兴趣得要解决的问题是什么呢？涉及到AI，涉及到机器学习方面。


Michael Jordan：在物理之前都是抽象的概念，我们希望在未来十年一起努力帮助解决这方面的问题，目前学习的系统是他们做搜索，需要很多的培训例子，人就是这样的，发明新的世界的话，比如说从机场到深圳会展中心两个小时时间，在这个新世界里你可以问很多问题，让它进行推断，你可以做很多有意义的推断，比如说你可以问他一些有什么生物体，这对目前是没有的。
 我很同意张教授的说法，到目前为止真正的布置是关注于现实世界，我们会出现一些自动驾驶的汽车，包括在游戏行业，你可以做大量的模拟，你可以做数十亿次的模拟，可以让机器进行学习，可以使这种可观察性提升，尤其在游戏中不会伤害任何人，可以用这种机制来做有意思的发展。所以对我来说，腾讯现在在做这些比较有意思的研究，因为现在有数据，但是在现实生活中，事实上未来的发展还是会比现在所畅想的慢很多。我们可以向人们展示出更多的产品，卖出产品和服务，但是当我们特别提到让人们的生活提供更多教育和娱乐的时候，这些都必须是真真实实的，而不是基于算法就可以做到的。


汤道生：Michael Jordan教授特别感兴趣在交通领域和人类机器学习做到的识别，但是怎么样在创造力和推理上做更大的突破。今天张首晟教授也提到了摩尔定律好几次，我们也面临了非常快到达摩尔定律的局限，一些物理的局限，尤其是今天的晶体管已经在纳米级别，到底未来的计算出路在哪？您刚才提到量子计算，同时也提到新的算法的重要性，我想请三位专家分别表达一下大家对这个话题的看法。


张首晟：摩尔定律是危也是机，如果简单按照原来的路线走的话，中国也不会有太大的机会，我想利用这个时候，一个是在材料上，比如说刚才提到的拓扑，能够真正对摩尔定律推进。我也希望在量子计算上有所突破，在这两个领域里面，能不能把学术界和产业界做更紧密的结合，在这点上，比如说硅谷和微软已经在量子计算上做了重大投资，中国的BAT总市值加起来已经很大，能不能有更大的报复和理想，能够在这个基础科学利用人工智能推动的基础上做好。


张潼：我觉得从摩尔定律的角度，从一些硬件上讲，有些东西是比较特殊的，像TPU是硅谷做的，也许将来在深度学习或者其他，在训练上也许能够出现，这都有机会。一个是在训练上，在服务器上，大家都比较关心，特别是在云上。还有一个是系统是布置在终端上的，量子计算是非常重要的，我知道现在有人在研究量子计算的学习，但是我判断15年内不会有什么在工业界的产生，但是现在有先驱者也是很好。但是我觉得，肯定是大家都关心方向。


Michael Jordan：事实上我是最关注算法的人，我认为算法，特别是现在在计算机领域做的算法，都是关注于决策的系统，以及在信息和数据当中，我们是对不可定性和可定性进行确量。所以对我个人来说，软件和硬件融合在一起，像有数据中心的搜索以及这个中心来自于哪里，这个数据的检索来自于何处，两个人同时告诉我同一个事情，我自然而然认为这就是两个数据以及两个证明。
 但是如果这两个人的数据是来自于后面第三人的话，第三人是唯一的数据来源，所以对我来说，我需要知道有些东西是创造的？是真的？还是比较相象的？我想知道这些数据来自于何处，一个人可以向一千个人阐述事实，如果我从这一千个人当中听到这个事实，我会觉得这是真的。所以这需要跟分析师们进行合作，来了解到交易数据，包括数据的前后一致性，这都是计算机专家的研究点。
 如果结合到现有的统计学当中，比如我在做决策的时候，我们可以真正做出一个有效的决策，我们现在有相关的算法，现在还在缺失，还不知道怎么做。我们希望能够寻找到更多的可能解决方法，我相信如果我们的系统能够组织化到一定程度，并且发展到一定程度，就能达到这一点。