△ 闵万里（图片由阿里提供）

今天的人工智能行业是否有些发烧？

如何降温？

人工智能专家，到底该如何创造出实际价值？

带着上面这些问题，量子位近日专访阿里云人工智能首席科学家闵万里博士。闵万里平时喜欢用花名“山景”来称呼自己。

而这个花名，来源于他的家乡大别山区。闵万里自小在山里长大，他说，如果有一天真的彻底闲下来，自己的终极理想是回山里隐居、支教。

因此下面的部分，我们也以“山景”来称呼这位科学家。

现在有个现象，叫“深度泛滥”

“我看了。但是说实话，还是希望人工智能领域能百花齐放，多一些研究方向。”当被问起是否关注了前几天在法国土伦召开的ICLR2017，有什么感受时，山景如是回答量子位。

2013年LeCun和Bengio牵头创办ICLR，被公认为机器学习&深度学习领域的顶级学术会议。

他进一步说道：“这些人都还是在讲深度学习的故事”，山景的观点是要独辟蹊径，“不是说人工智能就是深度学习。我说现在有个现象，叫‘深度泛滥’，一提到人工智能，就是深度学习，我觉得这个事情是有问题的”。

“今天所有成功的深度学习，都是一些‘黑盒子’：工程调调参，样本量大，然后进去跑。跑出来结果知其然，不知其所以然。很危险。我很不喜欢这个状态”，学数学出身的山景说：我相信一点，我们所看到的任何现象背后都是存在第一性原理的，就像牛顿三定律一样。

“如果我们对基础的、本质的东西没有了解清楚就去对它进行描述，最后很可能发现自己走上一条偏颇的道路”，这位阿里云人工智能首席科学家对量子位说：“不过这也更坚定了我的信心：我们现在应该往新的方向去走，不能局限于深度学习”。

谈到未来趋势，山景也承认深度学习会继续发展，因为它的门槛已经相对较低，“只要具备了云计算的能力，就可以去跑数据”，因此，会有很多人继续朝这个方向走。

随之而来的会是一个量变到质变的过程，当深度学习达到了一定层次的时候，就会有人从深层原理上来对其进行反推。山景认为，基础理论取得突破的一天一定会到来，而这个时间取决于技术在实际应用中铺开的速度。

当AI遍及各行各业，找不到新的应用场景时，人们就会更多地从原理上进行探索。

AI过热不完全是坏事

现在，不少创业公司的商业计划书里都非得提个“人工智能”，感觉没这几个字都不好意思见投资人，谈到当下人工智能行业的过热现象，山景说，“有的人随便整了一个数据，就叫大数据，然后号称做的是大数据建模、大数据风控之类的东西，其实他那些数据可能都是一些网上扒来的、过时的数据。这里面的泡沫非常地大。”

“还有一个比较明显的特征，你可以数一下，我们现在每周的人工智能峰会有多少？”山景笑言。

不过从另一个叫来说，他也认为这不是一件坏事。毕竟有关注才会有资源投入，促进行业发展。任何新兴行业的发展，一定会有泡沫发生，大浪淘沙后才是真英雄。“产业的发展必然从开始的一窝蜂、过热，到慢慢冷静、聚焦，最后成熟”，山景说。

而对于如何给过热的AI行业降温，山景表示，AI还是应该向实际的应用场景中去落地：“其实我觉得，我们现在做的就是在解答这个问题（指阿里工业大脑、城市大脑等）。不落地的东西说得再天花乱坠，都得不到大众的支持，老百姓的感知不一样——天天听到打雷却见不到下雨，肯定是不行的，一定要到应用当中去。”

AI专家要忘了自己是个专家

前几天，量子位在公众号上转载了第四范式知乎专栏上的一篇文章，题目叫《年薪百万的机器学习专家，为什么不产生价值？》。

文章里提到了这样一种现象：一些公司高薪聘请机器学习专家，而这些专家到来之后，也一直将自己的全部心血倾注在计算环境和模型的搭建上。

然而到最后公司发现，这些机器学习专家并没有给自己带来实际价值——原因是，专家只是专注于自己的数据准备、处理、建模、调参等工作，并未将业务和商业问题纳入自己的考虑；而专家和部门之间，又缺乏必要的联系和沟通，因此最终双方不欢而散。

那么，AI专家，或者说人工智能方面的人才到底该如何创造出真正的价值？

“我这样讲吧，十年前我是这样的状态”，山景博士扬着头，一边回想着说，“十三年前，那时候我刚刚博士毕业，我以为模型能解一切的问题。后来我很快发现了一个瓶颈：在你做的研究，发表的学术论文中，有非常多的假定条件，‘如果XXX……’，对吧？”

一个理想化的产品，从实验室走到实际生活中，这当中有非常大的不同。很多条件假设，都是不成立的，系统完全不支持。这种情况下怎么办？或者说，整个业务流程当中，根本没有这样的数据。又该怎么办？

“所以其实，人工智能领域，越是那些高大上的人，越难落地——他钻得太深了，以至于不接地气了。他不知道现实之中，该妥协、该变通的地方在哪里。我招的一些人也有这种情况，总是沉浸在细节的改进上，但其实，只是在一艘要沉没的大船上做内部装修——最后船还是沉下了水”，山景给量子位举了一个形象的例子。

在他看来，不少人工智能专家（尤其是从大学出来的），都存在不接地气的问题。

“去了公司压根没想过业务是什么。对业务场景的提炼其实比做研究还要难，你要知道哪些地方该放弃、该妥协、可以放弃、可以妥协……但是很多人没有意识到这一点，以为只是写文章发paper就好了”，山景说他后来明白发paper只是业务中一个环节而已。

来自山景的建议是：人工智能专家先忘掉自己的专家身份，多跟业务的人学一学。这样才可能实现接轨，才有可能创造价值。不然的话，你创造的价值永远只是文章，没有人能去把它落地。

而对于AI人才的职业选择，山景的建议是去那些“有业务的公司”。

“像有些人工智能的创业公司，说我搞图像识别，成功率到了99.9%，这种公司其实没前途的，因为它没业务。我见过太多这样的公司，一开始还关注它们的发展，后来发现它们大部分都被收购了，或者说偃旗息鼓了。这些都是伪创业。”

同时山景表示，阿里其实没有固定的人才培养模式，都是放到实战中去练兵。对新人会有一定的技术培训，但是很短。山景认为，战场是人才最好的训练场景。

OMT

山景老师接受采访时一直笑呵呵的。他说，可能自己的观点犀利了点，但这也确实是自己真实的看法。尤其当看到很多人人云亦云的时候，特别希望能给大家带来不一样的视角。

其实，除了阿里云人工智能首席科学家，他还有一个身份：阿里天池大数据平台的总负责人。而在这一平台上，阿里还运营着“天池大数据竞赛”。

和国外Kaggle的模式类似，天池依据赛题提供一定体量的数据，参赛者以不同的方式进行挖掘，并试图从中得出实际问题的解决方案；与Kaggle不同的是，天池会将自己的计算平台向参赛者开放。

采访当天，此次天池电力AI大赛也进行了发布。在采访中山景谈到，这次的AI电力大赛实际上就是人工智能在实际场景中落地的一个案例。

在实际生活场景中，电力系统的运行有多重不可控的因素。比如天气、企业的工作时间、甚至是经济形势，而通过合适的算法解决方案，用电效率将有可能得到极大提升，从而带来巨大的经济效益。(完)