[ 导读 ]姚期智教授为清华大学交叉信息研究院院长、中国科学院院士、美国科学院外籍院士。作为图灵奖唯一的华人获奖者，大名鼎鼎的“清华姚班”创建者，姚期智教授十足低调，近年来鲜有对外接受采访和公开露面。本文在不改变原意的基础上，以第一人称的方式，把我们与姚期智的对话进行了整理。这也是姚期智教授首次公开谈论当前AI现状、中国的机遇和挑战，人才培养等话题。
今后二三十年中，人工智能绝对将在科学界、工业界产生极大影响。在过去10多年里，人工智能已经有了非常大的进步，中国很幸运在这个浪潮中，而且在应用为主的方向上，已经追上了世界水平。
但我们不能认为追上世界水平后，工作就已经完成了。
因为过去10年产生的与人工智能相关的革新技术，肯定会在未来几年达到极限。那下一波新技术的革新中，中国能不能取得原创性的知识产权？能不能摆脱追赶别人发明的局面？我想现在是非常关键的。
现在关于人工智能的讨论，全世界范围内都很热闹，大体有乐观派和悲观派，我觉得两派都有一定的道理。
我认为悲观派觉得人类不能够创造出一个真正的人工智能，或者不能往好的方向利用，太过悲观。我们如果从历史上看，一般乐观地去看待事情，到最后总能产生一些更好的结果。
首先，关于人工智能的知识大家具备以后，你是挡不住有人去研究的，禁止往往不是最好的方式，不如通过达成社会共识，研究一个好的方法控制它。
其次，如果抱着防止人工智能落入坏人之手的担心而不去研究人工智能，那后果可能就会非常严重。防范一种科学知识变成危险的最好方法，是我们要有最好的能力、最好的技术掌控它。
比如火药，一旦做出来以后，它可能做好事可能做坏事，每一个工具被人类发明发现后，都会有这样的两面性。
那人工智能呢，从图灵开始，就希望能够让机器具有一个接近人类的思考、推理的方式，这是一个五六十年前提出时很乐观的理想，但后来经过三十多年研究，发现要真正实现是非常难的。
于是大家近十几年又从弱人工智能方向推进，经过几个不同的发展，最近通过深度学习，让弱人工智能能够做到许多方面几乎接近强人工智能，比如在很多人看来，围棋上击败世界冠军就已经是一个非常接近强人工智能的事件了。
但如果你仔细想想，现在所有人工智能所做到的事情，对于推理、跨领域想象，都是不具备的，所以如何达到强人工智能，我想现在处于一个希望找到突破口的阶段。
当然我们现在比五十年前要好，现在我们已经有了更多的智慧，特别是在弱人工智能领域，能够达到一些从未有过的目标和境界。这就给了我们一个机会，可以仔细分析当前这样一个系统，有没有可能更进一步。
比如AlphaGo跟人下棋的时候，可能会创造出一些新方法，我们是不是可以把它与人之前的方法结合起来研究？然后可以在下一阶段产生更强的人工智能，这样我们就向强人工智能又更进了一步。
过去十年的人工智能发展，特别是算法、计算力和大数据三要素中的后两者——计算力和处理大数据的能力，都到了一个相当惊人的地步。深度学习则帮助我们在算法上实现了突破，但这波潮水还没有充分发挥，在各种重要的领域，人工智能还在不断产生科学、经济方面的效益，所以还有不小的热度发挥出来。
那如果说这三个核心要素中，最有可能在下一波人工智能浪潮中跃迁的，我认为一定是算法。因为数据量归根结底还是有限的，计算力也会有一个差不多的极限，但算法上空间还很大。
我们现在把机器学习看做一个很高端的算法，但实际不是。机器学习的算法，我们大学二年级姚班的学生，一学就会，一个学期之后就基本能在外面承担不错的工作。
我们人类现在所拥有的智慧，基本只是使用了少量数据、少量计算力后的结果，而就在这样的条件下，也能跟以前的机器在很多领域打平手。所以人类一定有一些“算法”非常精妙，值得我们进一步研究。
这样看起来，现在的机器学习还很粗糙，我们不要期望人工智能可以发现很好的机器学习算法，因为人工智能没有那个本领。所以现在对于机器学习的推动，还是人类优先，这也是一个从事理论研究的最佳时机，这对我们国家来讲也是一个非常重要的时机。
另一个我认为很好的消息是现在存在两种不同的学习系统，一种是人类的智能，另一种是宇宙里的智能、生物进化方面的智能，我觉得也是一个好机会。
我们现在研究人工智能，核心方法是参照人类智能，但由于我们大脑太复杂，所以不太容易搞清楚。但生物学习进化、宇宙内的智能，是不是可以给我们提供一个更大的视野、空间，让我们在机器学习进化方面可以作为参照方向？我觉得是可以研究的。
具体到中国当前的人工智能研究和发展，我觉得可能存在两个方面的缺陷。
一个是系统方面，我们中国现在还没有出现一个大的AI系统，可以实现不同领域的广泛应用，这样的系统比如IBM就有，在1997年它用深蓝打败了象棋冠军，然后又进一步用这个做了知识类答题方面的应用，现在他们又把这个系统用到了医疗医药方面，沃森能够对于医病的诊断，达到和最优秀的医生一样的程度。
所以未来国家与国家在人工智能方面的竞争，中国公司跟外国公司的竞争，中国大学与外国大学之间的竞争，这样系统的缺失可能会带来劣势，而且我们中国对于计算机系统工程一向重视不够，我们在计算力、硬件方面很强，有全世界第一的超级计算机，但系统工程会是下一个阶段的重要壁垒。
如果你问我最认为最有可能出现“系统”的AI领域，我觉得是医疗。你看IBM的沃森，在目前的技术上整合吸收了非常多的数据，然后一天读完上万篇医药杂志论文，进而把其中的信息融入到它想诊断的疾病中——这里面还涉及到一些自然语言分析技术的应用。
但概括来讲基本就是把现在已经有的技术、数据，统统可以整合到它的系统工程中，好比你结合各种专长不一样的人。我相信我们也有人在考虑这样的事情，但需要更多的学界、工业界参与进来。
另一个缺陷是算法和背后的理论方面。下一步人工智能的突破，一定在算法方面，一定会从理论着手，这方面国外已经有了非常深厚的基础，但我们相对而言还处于弱势，需要我们这个时候多关注。
现在中国的优势是在应用层面，比如在各种比赛中，中国都拿下各种奖项。但这些全世界都已经在应用的技术，壁垒不大，可能需要一些经验，但不关乎核心。真正起到壁垒作用的是那些瓶颈问题上的话语权，我们能不能率先拿出解决方案，拥有理论基础到应用层面的优势。
理论基础和应用结合就可能涉及到人才方面的话题。现在计算机相关的行业如此热门，所以从理论研究上看，很难雇到非常好的人，很多优秀的人才，都被高薪雇到大公司里了，对于学术理论的研究，问题会非常大，这不止是中国的问题，对美国也是同样的。
这样的问题也没有办法避免，但好在二者之间还有平衡的空间。在大公司研究院中研究，最后还是会有一些限制，不像学校里面，能够完全从事一个自己完全自由的研究，我觉得这是学校吸引人的地方。
但同时我们也要意识到平衡这件事的重要性。如果没有一个好的研究队伍在大学里，将来中国在这方面的发展就难以为继了。
不过我个人来讲也只能号召，没有特别好的办法。或者有两件事情是可以做的，一是现在我们这些在学校里做人工智能的人，做出非常耀眼的工作，吸引到年轻人，让他们加入这个行列。二是大学里对于不同的领域，能够在待遇、安置方面增强吸引力，更加务实地去解决问题。
当然，产学研结合也是一种产生理论方法论的方式。比如楼天城他们在做的无人驾驶[1]，在实际应用中肯定面临很多新问题去解决，就有可能产生突破，这时候大学和工业界的合作就显得更合理。
在工业界，你需要时间、落地方面的考虑，可能把这个问题做到85%，等不及完全100%的解决问题，那剩下的部分可以由学校来解决，把这个问题从85%推进到100%。
我们看美国的这些大公司，跟校园的合作、结合都是非常紧密的。中国现在也有，未来可能更多，但我希望工业界和大学的合作，不只是让大学去承担一个项目，然后产生一个软件，而是也能够从一个更长远、真正提高中国原创技术的角度去思考问题。
至于怎么从整体上培养更多的人才，我觉得可以从引进大家和让更多年轻人出头两方面入手，不过具体怎么做，可能需要清华大学领导和教育部领导去伤脑筋了。
从效率的角度来讲的话，能够吸引到一些杰出的大科学家，然后让他们来吸引教授、训练人才，这当然是最好的方法。因为一个资深的科学家，他对于整个领域有一个视野，他对于培养年轻人，有一整套方法。不过特别是在计算机科学上面，你想要吸引一些杰出的资深的人才不是那么容易。
其次是如何在研究系统中，让年轻人才，有出头的机会，怎么样能够让做得好跟做得普通的，有一个分开来的机制，有一套奖励的机制。
我觉得中国在过去这10年、5年的时间里，已经开始有成果效果。现在我们的计算机科学里面，已经逐渐能够引进或者自己产生不少杰出的人才，而且他们的工作基本已经进入了全球一流的水平，所以我们可以继续这样的措施，即便慢一点，但长远来讲，好的循环一旦开始，就会让整个事情变得更加不同。
我也可以分享下大师对我的影响，以及为什么当初选择回到清华，并进一步创办姚班的原因。
在杨振宁和李政道两位先生获得诺贝尔物理学奖的时候，我11岁，当时这件事情给我的影响就是应该去考台大物理系，我对物理的兴趣，跟他们获得诺贝尔有相当大的关系，并且从中学阶段就有机会去了解物理，到了大学则更加坚定学习物理的决心。
我还想多说一句的是，我觉得一个学术界的人，在本科的时候选择物理系是一个非常好的选择，因为物理这个学科，它给了你很多怎么样做研究的一种方法，同时能够让你有一个科学的理念，未来你可能会换很多领域，换不同的事业，但这种研究的方法、理念，会一直有帮助。
我也没有想到有一天会跟杨振宁先生见面，而且谈论的还是关于回国到清华任教的事情。
2002年的时候，我来到中国，在南京、上海、北京和很多中国计算机领域的专家学者交流讨论，留下了很深刻的印象。当时清华大学的计算机系主任周立柱教授，还有张钹院士则进一步联络我，希望我能够在清华帮助指导研究生，这是我们最开始的接触。
后来清华大学的领导正式来邀请我回国，到清华做计算机方面的研究，弥补中国在这方面和世界领先水平的差距，我认真考虑后做出了决定，希望为国家缩短这个距离做贡献。
不过万没想到的是，我答应后不久，清华方面还专门请了杨振宁先生来邀请我会面，我也是一向非常仰慕杨先生，当时也非常兴奋。而跟他见面以后，更是感觉如沐春风。
所以综合起来，我最终回到清华，算是一个顺理成章的事情，而且当时在跟我的爱人、家人和朋友讨论这个事情的时候，他们都非常支持。尤其是我的爱人，她觉得这件事非常好，会是一个非常有意义的工作。
不过到清华以后创办姚班，现在看来是一个大胆的尝试。
当时我想成立一个本科班，能够让它变成世界上最出色的本科班之一。并且人才条件上并不困难，一是我们的学生非常好，他们从中学毕业的时候，就绝对是全世界最出类拔萃的人才，我想我们在清华收到的学生，不比美国任何一个顶尖大学逊色。
第二个优势是这些人才不仅某一个学科好，而且所有的学科都很好，所以最后定义课程方面就相对变得容易。
第三个方面是相当坚定的办学理念，我们希望我们的学生毕业以后也要是全世界最优秀的本科毕业生，所以训练的方法非常严格，还会给他们各种接触到许多跨领域研究的机会，像生物、物理之类的。现在来看，姚班学生毕业以后从事的行业也没有全在计算机领域，他们依照自己的兴趣，发展得都很好。
进入工业领域创业的，楼天城、印奇、唐文斌等都在全世界最前沿的领域创业。继续学术研究的，马腾宇清华之后又去了普林斯顿，毕业后直接被斯坦福聘任。
不过如果办姚班这样的事情，如果在美国做，从理念到实践，会非常困难，阻力会非常多。
一个大学非常固定以后，有一套运行方式。即使是非常好的大学，越是好的大学，想要在里面做一些革新的事情就特别的困难。
但当时我把这个想法跟清华大学书记陈希说了以后，他仔细听，然后略微思索下就同意了，说应该做，让我什么事情都不用管，把精力集中在教学团队上就行，学校里的各种事情他去协调，所以一切蛮顺利。
但过了很多年，我才听说，当时为了协调这个事情，陈希书记花费了不少力气，这算是我办姚班收到的第一个“惊喜”吧。
第二个惊喜是之前知道清华学生优秀，但觉得总也有个限度，后来发现超乎想象。
更后来这些学生到普林斯顿等学校继续深造，那边的教授也是夸赞不已，说比他自己还聪明——你要知道说这话的那个教授，可是全印度联考的第一名，而且他说话一向不会夸张的，更何况承认学生比自己聪明。
所以现在回顾，我们当时说准备把这个班培养成一个具有和麻省理工、斯坦福同等水平的一个人才的培养库，现在全部达到了目标，或者可以说我们超标了，我们现在320位姚班学生，我觉得比那些学校的学生还要好。
可以从这件事上总结一点经验的话，是我觉得环境的重要性。
之前总有一个误解，认为中国人创造力不够，但我觉得环境有很大的原因，如果足够的带动、示范作用，周围的环境都满是创造力、思想活泼的教授，那学生自然也会变得跟他们一样，所以我不认为“创造力”缺乏可以成为我们科技原创发展不足的原因。
我们也不要怕别人说搞“精英教育”，环境的作用、示范带动的作用，会加速我们整个科学领域的进步。当然你也可以说一切顺其自然，中国经过30、50年发展也能实现，但我们不能等待了，我们这一代人都等不起了，国际环境也不允许我们顺其自然发展，我们必须要用很短的时间做好科技方面的良性循环。
虽然大名鼎鼎，但姚教授近几年出现在公众视野里的机会并不多，其中一个原因是他的时间有限：不仅在承担“姚班”、清华交叉信息研究院的行政工作，也在进行人工智能+金融方面的研究。他说自己近4年来，一直在博弈拍卖这个完全陌生的新领域进行理论研究，深感快乐。
姚期智说：“从趋势上看，用人工智能、大数据和机器学习去进入金融领域是大势所趋，而且现在对外合作，产学研结合方面也越来越紧密。我在一年以前开始鼓励我们的老师和一些投资公司、银行合作，希望将来能在金融科技这一块，利用人工智能、机器学习发展出一个新领域”。
不过，他希望更多用学术成果说话。
“现在可以说的是，过去这四年的工作还算出色，基本解决了这个领域里大家想要解决的一个问题。这一定程度也跟人工智能里的理论研究相关，并且再过两三年可能会给大家有所交代”，姚期智透露。
另外在交流中姚期智提及，他近期还参与完成了一档电视节目《机智过人》[2]的录制，他说之所以录节目上电视，最主要原因是人工智能，希望能够帮助中国更多民众、年轻学生更加深入地了解人工智能的科学内涵和未来机遇。
当然，人才方面的话题也是这次采访中最核心的问题。如上所见，姚教授分享了“姚班”办学方面的经验，同时对于那些尚未入门、或尚未对计算机科学发生兴趣的年轻人，姚教授建议可以阅读下李开复博士最新出版的作品《人工智能》[3]。
“我联想到在我成长的过程中，理查德·费曼那一套源自课程的著作，给我启发很大，让我觉得原来物理世界是这个样子，所以我也希望在计算机、人工智能领域有这样一些书能够让年轻人读后产生同样的激情。我其实对写本这样的书想了很多年，但实在没时间。”姚期智教授说。
原文发布时间为：2017-09-10
本文作者：姚期智
本文来自云栖社区合作伙伴“数据派THU”，了解相关信息可以关注“数据派THU”微信公众号
