1.3 关于 AI 的一些看法
在报告的最后，和大家聊点开脑洞的话 题。这几张 PPT 是中文的，其实是我之前 在一次报告中和大家分享的关于 AI 的观点 时使用的。其中前三个观点已经在今天的 讲座中提到了。我们再来看看后面几条。
首先是关于深度学习的调参问题。现在 深度学习技术非常依赖于调参黑科技。即 便是公开的算法，甚至开源的代码，也很 难实现完美复现，因为其背后的调参方法 通常不会公开。那么是否可以用更牛的黑 科技来解决这个调参黑科技的问题呢？这 几年炒的很火的 Learning to Learn 技术，正 是为了实现这个目的。大家可以关注一下 这个方向。
其次，深度学习是个黑箱方法。很多人 都在吐槽，虽然效果很好，就是不知道为 什么，这使得很多敏感行业不敢用，比如 医疗、军工等等。怎样才能让这个黑盒子 变灰甚至变白呢？我们组目前在从事一项 研究，试图把符号逻辑和深度学习进行深 度集成，为此开发了一个新系统叫 graph machine，今年晚些时候可能会开源，到 时候大家就可以进一步了解我们的具体 做法。
最后，我来吐槽一下整个深度学习领 域吧。
我觉得现在所谓的 AI 其实不配叫做 Artificial Intelligence，更像是 animal Intelligence。因为它不够智能，它解决 的绝大部分问题都是动物智能做的事情。 关键原因是，它没有抓到人和动物的关 键差别。人和动物的差别是脑容量的大 小吗？是大数据、大计算、大模型能解 决的吗？我个人并不这样认为。我觉得 人和动物主要的差别是在于人是社会动 物，人有一套非常有效的机制，使人变 得越来越聪明。
我给大家举个简单的例子，虽然动物也 会通过强化学习适应世界，学得一身本事。 但是，一旦成年动物死掉，它们积累的技 能就随之消失，幼崽需要从头再来，它们 的智能进化就被复位了。而人则完全不同， 我们人会总结知识，通过文字记录知识、 传承知识；人有学校，有教育体系（teaching system），可以在短短十几年的时间里教会 自己的孩子上下五千年人类积累的知识。 所以说，我们的智能进化过程从未复位， 而是站在前人的肩膀上继续增长。这一点 秒杀一切动物，并且使得人类的智能越来 越强大，从而成为了万物之灵。
可是现在的人工智能研究并没有对这些 关键的机制进行分析和模拟。我们有 deep learning，但是没有人研究 deep teaching。 所以我才说现在的人工智能技术是南辕北 辙，做来做去还是动物智能，只有意识到人 和动物的差别才能有所突破。或许，Deep Teaching 才是人工智能的下一个春天。
前面这些思考引导我在微软亚洲研究 院组织研究项目的时候进行合理的布局，比 如我们正在从事着对偶学习、Light machine learning、符号学习、分布式学习、群体学 习等研究工作。我们拒绝跟风，而是追随 内心对人工智能的认识不断前行。今天的讲座目的不仅是教会大家了解什么是深度 学习，更重要的是启发大家一起努力，把 人工智能这个领域、深度学习这个领域推 向新的高度，为人工智能的发展做出我们 中国人独特的贡献！ 这就是今天分享的所有内容。谢谢大家！
（续完）
（本文是根据中国人工智能学会人工智能前沿 (AIDL)讲习班刘铁岩博士现场分享整理的文字报告， 雷锋网［AI 科技评论］编辑整理）
博士，微软亚洲研究院首席研究员，美国卡内基梅隆大学（CMU）客座教授。国际电子电气工程师学会（IEEE）、 美国计算机学会（ACM）和中国计算机学会（CCF）的高级会员，中国计算机学会的杰出演讲者和学术工委。 研究兴趣包括人工智能、机器学习、信息检索、数据挖掘等。他的先锋性工作促进了机器学习与信息检索之 间的融合，被国际学术界公认为“排序学习”领域的代表人物，在该领域的学术论文已被引用近万次。近年 来，在博弈机器学习、深度学习、分布式机器学习等方面也颇有建树，多次获得最佳论文奖、最高引用论文 奖、研究突破奖，并被广泛应用在微软的产品和在线服务中。
