导 语
金榕
阿里巴巴集团副总裁
达摩院机器智能实验室负责人
终身教授、海归科学家，这些标签齐聚在金榕身上，也并不影响他被同事称为“随和的最不像科学家的科学家”。
他曾是美国密歇根州立大学终身教授，曾任NIPS、SIGIR等顶级国际学术会议的主席。2014年7月，42岁的金榕决定加入阿里巴巴，开启人生的新阶段。自此，他成为了达摩院机器智能实验室负责人。
Q1:你会如何向公众简单描述你正在研究的方向和课题?
金榕：稍微通俗一点说，机器智能就是让机器能够像人一样，听得懂你说什么、看得懂你做什么、读得懂你的意思。不过，这个概念不是十分严谨准确。
机器智能的通俗解释，就是让机器能够像人一样
Q2 :为什么您会选择机器智能这一研究方向?
金榕：博士期间，我在美国卡内基梅隆大学读的多媒体图像处理，当时旁边有一个实验室专门做机器人，这些机器人在楼道里每天晃来晃去，让我印象十分深刻。后来他们搬去了谷歌，我依然对此事念念不忘，就打算改行，学习如何训练AI。这件事情对我来说十分有意思，能让技术更加场景化一些。
达摩院机器智能实验室核心技术能力
Q3:对于公众来说，机器智能领域的研究意义和价值是什么?
金榕：我觉得机器智能技术的应用，有很大的可能性，会反哺和变革基础科学领域的研究；基础研究的进步，有很大的可能性，会给整个社会带来颠覆式的变化。
我认为今天的整个社会经济发展，最初都来源于自然科学的突破。我觉得AI未来会有许多非常令人兴奋的功能和可能性，同时也会帮助社会向前发展。因此，我的研究对社会、公众来说是应该是十分有意义的。
机器智能已经可以帮助人类完成许多工作
Q4:目前人工智能相关研究的挑战和难点是什么?
金榕：我个人认为今天AI技术最大的难点，就是没有一个人理解它为什么可以工作，技术是否真的成熟。
今天 AI 的基础理论还处于初级阶段，我们今天在AI的实践领域面对的技术挑战，也还没有根本性的解决方法。
Q5:你为什么当初选择了阿里巴巴达摩院?它为什么会吸引你加入其中?
金榕：我选择阿里巴巴有很多偶然因素。最早我在阿里巴巴做顾问，前期的沟通非常愉快，我认为阿里巴巴这个氛围会让我有Happy Life，如今变成正式员工，我也可以做自己特别喜欢的事情。
对于从事科学技术研究的人群来说，阿里巴巴最大的吸引力就是通过一个技术平台，为社会产生一个巨大的服务效应，而且，阿里巴巴更加强调技术落地，用技术解决非常实际的问题，这是非常“科技范儿”的。我觉得这是所有科学家都特别向往的事情。
我经常举一个例子，当初拍立淘功能使用的视觉技术、搜索技术、匹配技术等，都是由我们团队开发的。如今每天有3000万用户在使用它，我还挺高兴的。
截至2021年第一季度的AI产业投资数据图，可以看出自2018年起投资事件数就处于下滑趋势，这是讨论“科学家逃离企业”的原因之一。
Q6:最近有人在讨论科学家逃离企业的事，你怎么看这个问题?
金榕：估计今天AI科学家是不可能逃离企业的。因为人工智能前沿技术需要大量的资金，一般学校是做不起来的。我认为企业不一定能够带来科学的核心价值，比如核心理论的突破，但可以给科研续写一些生命。
我认为，相比学术圈而言，首先企业是需要非常务实的。如果有问题反馈过来，不管利用什么方式，我们需要快速有效的解决掉，这是服务用户的要求。其次就是企业整体反应速度是十分迅速的。由于产品需要快速的迭代，技术也要不断发生变化。最后，我认为技术要变成能够对社会有价值的东西，中间还有很多步骤，包括工程化问题、产品适配问题、成本可控的问题等。这些在学术圈中不太会被注意到。
回到AI技术上来说，如今科学家要让AI落地，影响人们的日常生活，我们需要把AI技术产品化，这就需要解决很多现实的挑战，这些现实的挑战是在学术研究领域无法解决，甚至是不被“认知”的，比如稳定性问题、延时问题。这些都需要企业在实践中解决，学术圈解决不了这些事。
阿里巴巴AI技术已经开始大规模应用
Q7:过去几年，AI领域发生最了不起的研究进步是什么?
金榕：我认为，相比2014年之前，如今深度学习算法的应用效果越来越好。而且，相比几年之前，AI技术的工具化能力越来越强，已经进入无代码时代，一个中学生也能使用人工智能框架来做简单的开发设计。
九年前，谷歌大脑团队让机器首次“识别”出猫，是这波人工智能浪潮中的标志性事件
Q8:如果年轻人想要进行智能机器相关研究，你比较推荐哪家研究机构?
金榕：谷歌大脑(Google Brain)团队。
大面积应用机器智能的未来工厂
Q9:如果各种条件都具备，你会推荐自己的孩子未来选择机器智能的方向发展吗?
金榕：不会。我认为AI是需要工匠精神的，它在某种意义上是要有一定的工作年限才可以达到一定水平，这是一个很长期的工作。我甚至不期待初踏入这个领域的少年能够有能力解决机器智能的终极问题。
人脸识别技术
Q10:最近大家对于人脸识别、语音识别技术的隐私问题十分关注，你怎么看AI技术的隐私信息困境?
金榕：我觉得原来计算机视觉数据真的是可以提高技术的研发效率，能够获得更广泛的应用。今天数据对于AI技术来说是非常关键的元素，因为今天几乎所有AI技术的发展都是数据驱动的。当然，也有很多方法可以实现隐私保护， 比如“差别隐私”(Differential Privacy)和“联邦学习” (Federated Learning)。但这些技术还处于初期阶段， 目前还不确定能否根本性的解决数据隐私的问题。
同时，我也不赞成关掉所有数据，否则AI技术就会停滞。我认为这两者很难平衡。
如今人工智能技术依然在探索过程中，数据仍然具有极高的价值。
