無處不在的人工智能，它的未來究竟是怎樣的？
在9月17日舉行的2018年世界人工智能大會下午場主論壇上， 清華大學交叉信息研究院院長、中科院院士、美國科學院外籍院士姚期智和大家共同探討了這一問題。
他所在的交叉信息研究院，正試圖通過人工智能來完成一些項目研究，比如在精準醫療方面，他們就對部分老藥物進行重新定位，看看能不能適用於新症狀或者是預測藥物的發展。
姚期智認為，在大學，教育比研究更為重要。因為研究可以由工業實驗室完成，但是你需要打造足夠多人才來滿足社會和人工智能方面需求。
在當前人工智能領域，深度學習是一項很重要的技術，早在三四十年前，這項技術其實並不被看好，如今在大數據和計算機的支持下，深度學習彷彿被賦予了第二次生命。
不過在姚期智看來，任何一項技術的發展都會遇到增長極限，或許就在五六年後。那麼，下一波人工智能的創新會是什麼呢？
姚期智演講速記
今天我想要給大家分享一下“人工智能的現在和未來”。我將從一個略微不同的角度來進行探討，我想這也正好可以補充之前一些精彩演講的內容。
其實，人工智能已經無處不在了，它已經被應用到諸多不同的領域，無論是自駕車、機器人、醫療，其實它已經給人類社會創造了巨大的福利和財富。
時至今日，這一現象同樣體現在一般的機制之中，特別是大學、機構，很多學生他們都想要學習人工智能課程。整個行業也在求賢若渴，大學也開設了諸多課程，希望能夠聘到最優秀的人工智能方面教授和教職員工。
我希望給大家稍微介紹一下人工智能當前的發展，特別是在中國的現象，我想從大學的角度來談，我將以我所工作的機構為例。
我在清華大學交叉信息研究院工作。毫無疑問，我們很多教職員工都對於人工智能非常感興趣，我們這個學院的人，除了對計算、科學以外，對其他行業、其他領域也很感興趣，他們把人工智能算法、系統，應用到一些實際場景當中來開展研究，比如在醫療、機器人、智能電網等等。
給大家舉一個例子，使用人工智能應用於精準醫療，這是我們所的項目之一。精準醫療方面，我們試圖通過人工智能來對於一些老藥物重新進行定位，看看能不能適用於新症狀或者是預測藥物的發展。
另外一個項目，關於蛋白質三維結構的重建，採用人工智能的方法，用非常精密的兩維形象對它進行加工。
第三個例子，應用深度學習技術來用於醫學影像掃描、分析，醫療影像包括比如說肺部結節還有其他一些腫瘤。
除了開展研究之外，大學也要負責教育學生，培養未來的年輕人才。其實我覺得從教育方面來說，對大學而言教育比研究更重要，因為研究可以由工業實驗室完成，但是你要打造足夠多人才來滿足社會未來需求、滿足人工智能方面需求，這才是大學需要做的事情。
過去三年當中，在清華交叉信息研究實驗室，我們已經建立一個很好的研究生項目和卓越的本科精英項目。我們很多校友現在都已經成為非常優秀的人工智能方面研究者，有一些人也成為了比如說斯坦福和普林斯頓等等知名大學教授。
除此以外有很多校友成功創業，成為一些傑出企業家，都是在人工智能領域，讓我給大家稍舉兩個例子。人工智能公司現在都已經成為了獨角獸企業。
第一，小馬智行，他進入的是解決無人駕駛應用的行業，剛才一位教授也談到這一行業的應用，他的創始人是叫彭軍以及樓天成，他們是非常聰明的科學家、工程師，特別是樓天成，我對他很自豪，因為他畢業於我們項目班，他也是我的博士生。
第二家公司，曠視科技。他的創始人有印奇、唐文斌、楊沐，這三位來自於姚班畢業生，所以我對他們感到很自豪。
下面我稍微詳細介紹一下小馬智行，儘管他們僅僅兩年前得以成立，現在已經成為業界最知名的企業之一，非常有前景，在無人駕駛方面很領先。他們從零開始，把先進AI技術應用到這個行業，建立算法和系統，再加上其他所有我們介紹的內容，包括傳感、感知、決策、規劃、控制等等全套算法解決方案，還有高精地圖等等都納入自己的科技當中。
曠世是五六年前創立，他們現在已經成為一個非常主流的公司，在計算機視覺方面，面部識別方面做得很好，特別應用於中國的應用領域，也有很多重要的公司都採用他們的解決方案。比如說支付寶、招商銀行，在基礎層他們採用AI引擎，通過這個引擎幫助公安機關以及警察局在各大城市抓捕刑事案件罪犯。
剛剛給大家簡單看了一下我們學院，大家可以看到人工智能做得非常好，便及方方面面，在不同大學都開展研究。現在已經如此，未來又將如何，我認為可能要考慮AI的未來和前景。
近年來最大一個技術叫做“深度學習”，其實它是三四十年前出現的技術，而當時來自於那個領域的研究人員認為，深度學習可能無法真正打敗其他的方法。但是現在三四十年以後，突然出現了不同環境，大數據和強大的計算機應運而生，突然傳統深度學習方法又重新煥發第二次生命，讓我們有了非常可喜的結果，帶來了很多過去認為很難實現的目標。
我認為深度學習以及它的不同變體，他們仍然有很強生命力，我認為將來幾年深度學習仍然會帶來很多新的項目或者是產品，在新的領域獲得一些成績。但是到某一點，我相信大概五六年以後，他們可能會到達增長的極限。
問題是下一波的AI創新應該來自於哪裡，它的源泉來自於哪裡。其中一個回答，可以看看Micael I Jordan給我們介紹的一個系統，但是讓我們從算法角度來看，下一波算法突破來源於哪裡，可以讓我們抵達新高，再攀高峰。同樣，在這一方面人們有一種感覺，我們不瞭解在AI界，為什麼深度學習這麼成功，有一些人認為，深度學習這麼成功讓人感到奇怪，其中原因之一是因為不理解它的話就很難改進它。我想分享三個觀察結果。
第一，為什麼深度學習這麼成功有效。這不是一個新的問題，其實科學家已經在過去的四五年開展了研究並帶來很多有意思的結論，頗具吸引力，我們對他了解不多，但是我們隨著時間流逝能更好理解深度學習。
第二，你想要更高一層先摒棄世俗東西，做APP創造更多學術，我們從更深一層考慮最近AI發展是什麼，對科學意味著什麼，這就不得不讓我們考慮年代久遠的問題，我們一直試圖理解和回答，那就是其實這也是最激動人心的領域，就是神經科學，現在問題是如何比較人工智能和神經科學，即自然智能。當然神經科學對人工智能也頗具有貢獻，提供了神經網絡模型，深度學習成功給了我們一些機會，讓我們可以更好看看自然智能是如何發揮作用，我覺得這是一個很重要的啟示。
現在人工智能有一些東西是自然智能有優勢的地方，我們都知道人工智能需要很多數據，自然智能只需要看看很小一些數據就可以做出決策。所以我覺得這是一個讓我們來更好了解的非常重要的機會，自然智能的運行機制。
第三，如果我們再進一步考慮學術方面的問題，通過宇宙考慮問題，很多哲學家自古以來都很感興趣一個問題是知識邊界在什麼地方，我們可以學多少東西，我們對於真相可以有多靠近。
其實在量子計算方面現在有很大進展，其本身就擴大了人類認識知識、獲得知識、在根本方面認知宇宙的能力。有一個很有意思的問題，是不是可能將量子計算和人工智能結合在一起，所以通過這種方式我們可以真正的有一個機會來打敗自然。
我給大家解釋一下這意味著什麼，我認為據我們所知，量子物理是最深入、最美麗的物理法則，最根本性，最本質性關於宇宙的法則，大自然設計法則，對於這麼多年來我們只不過是驚歎大自然是如此精美，壯麗以及量子原理如何精美的創建這樣一個雄偉的世界。
但是最近隨著量子計算的發展，我們最後有一個方法模擬自然，你如果有一個量子計算機就可以模仿大自然量子法則。我們現在越來越多獲得這樣的能力，也就是讓我們可以與大自然親密接觸。另外對於生物學方面進展、進化表示驚歎，它非常深入，非常的美麗，但是至今我們仍然沒有100%確信自然界、生物界進化是怎麼樣的，但是如果我們可以在這方面獲得進展，能夠理解自然智能，我們就可以有一個機會把量子和AI結合在一起來進行量子人工智能，這可以帶來一些在宇宙中以前我們從來沒有看到過的東西，從來沒有看到過的這麼美麗的算式。
最後，深度學習的發展，人工智能的發展，給了我們一種新的角度，看待計算機科學的新角度，我們可以重新定義計算機科學本質。
我們過去認為計算科學是人為科學有一點像數學，但是英特網的數據，深度學習的數據，以及學習的行為等等，我們必須要把這些現象看作是自然現象，而且要從自然科學的角度來看待它。
因為我們覺得深度學習是一種學習，它是利用非線性元素進行學習，這種非線性化是很難從數學角度精確分析，所以我們現在有機會，我們可能需要真正的應用一些標準和方法，就是物理學方法來取得人工智能上的進展。我覺得這是可喜的進展，我也很希望計算機科學同樣能夠獲得自然科學的深度和廣度，非常感謝。
閱讀更多 周到客戶端 的文章
