CES 2017 即将开幕，人工智能引爆全球最火黑科技盛会，一大波中国公司纷纷前往参展，占据半壁江山。火热的表象背后，中国的人工智能技术发展到底如何？是否能与西方国家相抗衡？AI专家余凯在启程前往CES之前接受了新智元的独家采访。
新智元：中美看似进入了“ AI 军备竞赛”的过程，包括白宫也特意为此出了报告。您如何看待中国和美国 AI 实力的对比，从技术和行业生态环境的角度？
余凯：其实从更大的一个维度来看的话，一个是北美包括美国和加拿大，特别是硅谷，波士顿，多伦多和蒙特利尔这几个地方。北美是一个重点。另外，英国也是一个重点。中国的AI比较弱，整体研发实力跟北美和英国比差的很远，我们在原创性的研究非常少。举个例子，今年有很多原创的东西，比如生成对抗神经网络，几乎没有一个来自中国。我们整个大学的研究，在人工智能和机器学习方面的研究，某些点也许还可以，但是深度和广度方面还是差蛮远。
新智元：中国大公司的实验室比如百度 IDL 跟国外的公司实验室相比怎么样？
余凯：这个问题，因为 IDL 的关系，我可以谈谈个人的看法。加入百度之前我在美国 NEC Labs 工作，那是个深度学习重镇，有很多知名人物包括 Yann LeCun，Leo Bouttou， Vladimir Vapnik, Jason Weston，Koray Kavukcuoglu, 还有徐伟，黄畅，林元庆等曾经在那里工作过。我感觉回国之初前两年的时候跟美国差距还不是特别大，因为我本来也是美国回来的。在百度把很多事情做起来了，在很多应用包括搜索排序和广告、语音方面在世界领先。最近，Andrew Ng 在一个访谈里面也说了, 全世界范围内很多深度学习应用是百度 IDL 最先做起来的。很多外国同行也认为 IDL 算世界上最先进的深度学习实验室之一。 但是中国缺乏持续创新的土壤，整体上中国和美国在人工智能方面的差距反而越来越大，反映在中国高校和公司的科研成果上。就我自己来说，如果不保持和美国硅谷那边的同行接触，就会有种被掏空了的感觉，你知道吗？
中国本身的环境不催生原创性的创新，大家都是看“短平快”的东西。比如拿个开源的东西，训练个模型就赶紧出 Demo、融资，真正原创性研究成果很少出现，所以我们感觉我们在应用方面走的蛮前面，但是缺乏持续的基础性研究，没有中国原创性的新东西跟得上。基础创新，我们不能单纯的看单个公司，我们得看整个土壤，人才都是从土壤里面滋生出来。比如 Google 可以从 Stanford 和 Berkeley ，可以从 IBM 和微软找到这些人才。但是 IDL 你说从中国其他公司招？中国的公司过去都没有培养这方面的技术人才，土壤太单薄。
所谓白宫喊话特朗普不要在 AI 竞赛中落后于中国，我认为他们是故意的，他们总是希望把中国威胁说的很严重，我觉得也无可厚非，因为可以激励美国投入更大资源在人工智能方面。我们如果信以为真，就太天真了。
新智元：地平线曾提到，深度学习算法是个黑盒子，你们做智驾硬件也跟这点有关系，那么硬件可以在多大程度弥补算法的不足？
余凯：深度学习是个黑盒子没错，但是做硬件的路径并不是解决这个问题，是解决功耗和效率的问题。
关于黑盒子，我的观点是需要重新思考算法，整个软件系统的重新思考，让黑盒子变成白盒子。需要越来越重视另外一套理论——Judea Pearl 建立的因果推理。在九十年代，很著名的贝叶斯网络，就是因果推理著名的例子，大家应该重新重视起来。就像我们现在重新重视八十年代的神经网络一样。
新智元：您认为从工业界来看，最需要什么样的技术突破？
余凯：对我个人来说，我当然是认为低功耗、高性能的嵌入式人工智能是最需要的。在不需联网的情况下，通过本地运算可以实现感知、交互和实时决策，并且把体积做的非常小。万物智能不应该是仅仅在云端实现，而是在很多很多的智能终端上实现。这是我认为急需突破的技术！
新智元：您怎么看待 AI 领域最紧要的任务，包括工业界和学术界？
余凯：除了上面说的，通用人工智能是一个大致的方向。当然是一个紧急的事情。现在人工智能训练换了一个场景效果就不好，场景迁移能力很差，任何一个解决方案的适用面不是很广，这是目前产业界遇到的最大的问题。迁移学习是其中一方面，第二个是小数据学习，不需要那么多数据训练就可以举一反三，还有就是无监督学习，在无标签的样本中进行学习。目前的训练需要标注大量数据，也影响了其适用面。
新智元：深度学习是否存在过热现象，您曾提倡的小数据学习，接下来一年会有什么样的发展？
余凯：显然存在过热的现象，深度学习被大家过度消费了。小数据学习不是一年（的事情），五年内应该会有显著发展。这不是一蹴而就的。
余凯对目前流行的刷分，表示不算什么，现在都是中国人刷分，基本上都是别人做好的框架上面改一些小细节。
余凯说：“我对这个事情还是有发言权的，毕竟我是华人学者中最早在 ImageNet，Pascal VOC 等著名竞赛中拿第一名的。当时我还在美国工作。那时候我们的方法都是原创的，相应的文章获得上千次的引用，有的是 CVPR 等顶级会议历史上引用最高的论文之一。而现在刷分的前几十名用的方法都差不多，没什么实质差距，没什么创新。如果国内的人工智能创新能力很强，为什么不做一个 AlphaGo 出来？”
新智元：招聘人才（包括技术、产品和商务类型）最大的困难是什么？
余凯：最大的困难是业界非常浮躁。相对来讲，创业公司比较容易拿到钱，就用诱人的待遇来解决（招聘），也不管明年后年了。你看中国这几年每年都是这样，各种热，o2o 热，AI 热，无人机热，直播热，自行车热，都是一拥而上，拿到钱就说今后怎么样。每个人都被这种浮躁的环境所影响，真正愿意潜心做一些有意义的比较难的事情是不容易的。我有一个说法，很多人是带着参加一个豪华舞会的心态做事的。大家华丽登场，光鲜亮丽，是否能持续玩下去就不管了。
真正的创业应该是一场孤独的修行，需要一个艰苦的过程得到升华。比如有的生态型公司，把 party 搞得很光鲜亮丽，每个人有闪亮 Title 华丽登场，到最后怎么结尾呢？
很难找到愿意平静做一些有意义事情的人才。
新智元：有一种说法是，移动互联网没有造就新的 BAT，人工智能也不会造就这样的大公司，您怎看待 AI 领域创业者的机会？您曾说道“人工智能领域会成为下一个突破 BAT 围墙的独角兽公司诞生地，几乎并不只属于巨头”。您怎么看待挑战 BAT 甚至 Google 或者传统硬件商英特尔、英伟达、AMD 的路径？
余凯：我认为这个结论还没什么根据，AI 还处于非常非常早的早期，很难说未来不会产生（BAT）,但是我相信会产生大过 BAT 的公司。时间点上，不是目前可以产生的，大家目前没有找到重大应用的场景，可以产生巨大收入。这是最大的挑战。
我大胆的预计一下，需要十年才能出现伟大的AI公司。
新智元： 基于人工智能技术的公司未来会越来越多，算法、平台、产品、市场中，哪方面更可能成为一家成功公司的核心竞争力？
余凯：我认为是市场和产品。算法传播壁垒比较低，一出来，全世界都掌握了，没有独特性。
新智元：您之前提到芯片制造很烧钱，英伟达20亿美元，但是算法可以帮助减少成本，请问算法到底多大程度可以减少芯片开发成本？
余凯：这是个好问题。之前可能回答不完整，完整的回答是，通用处理器很多的冗余去适用于各种场景，所以付出很大的成本所以很贵，针对性的应用场景，算法，加上处理芯片架构，三个加起来，可以做出轻量级解决方案，成本可以大大降低。量产也不是问题，关键要找到足够大的应用场景。我们目前选择了两个场景，一个是智能生活，一个是智能驾驶。
新智元：地平线目前的商业模式是什么样的？未来您认为比较理想的商业模式是什么样的？
余凯：现在商业模式很简单，提供嵌入式人工智能解决方案，也卖处理器架构的 IP。未来我们想的不多，先把当前的事情做好！
新智元：地平线在即将到来的 CES 有什么特别的“惊喜”？
余凯：跟 Intel 联合推出基于 Intel FPGA 平台，集成了地平线最新处理器架构和软件算法的 ADAS 系统。这是在 Intel Altera 平台上第一次实现深度神经网络的应用案例。
新智元：如何看待 CES 2017 涌现大量中国公司？
余凯：这是必然的趋势，中国 GDP 越来越大，世界第二。我更关心的是，那么多中国公司有哪些真正是技术型的公司。这个比例很低。
文章转自新智元公众号，原文链接
