人工智能时代的道路选择| 焦点评论

《剑上华山》ACM图灵大会：朱松纯对话沉向阳

——人工智能时代的道路选择

2019年5月19日中国成都

2019年6月10日，发表于《视觉探秘》、《暗物智能DMAI》、《微软亚洲研究院》公众号

对话嘉宾

朱松春教授

马尔奖、亥姆霍兹奖获得者、UCLA教授、IEEE、暗物质智能技术创始人

沉海利博士

微软全球执行副总裁、美国国家工程院外籍院士、英国皇家工程院外籍院士、ACM、IEEE

主持人：刚华博士

便利蜂人工智能研究院院长兼首席科学家，IEEE、IAPR、ACM特聘科学家

主持人：大家都知道，朱松纯教授和沉向阳博士（Harry）是二十多年的好朋友。 他们在计算机视觉和人工智能领域做出了突出贡献。 他们是学术界和工业界的领军人物，海外华人学者的领军人物。 2000年前后，他们在微软亚洲研究院和他们共同创办的非营利组织——湖北莲花山研究院，聚集和培养了一大批优秀青年学生。 如今，这些学生已经取得了骄人的成绩，成为学界和产业界的栋梁之才。

两位老师都非常喜欢金庸的小说，哈利尤其喜欢《笑傲江湖》中的令狐冲，松纯最喜欢《天龙八部》中的萧峰。 他们约定，十八年有一次“华山论剑”。 所以，我觉得今天的对话其实是“令狐向阳”和“萧颂纯”之间的一场讨论。

本次对话的主题是：人工智能时代的道路选择

一、浅谈人工智能发展趋势：AI产业界和学术界的黄金时代

主持人：我的第一个问题是，两位老师都在人工智能领域工作多年。 您认为未来18年人工智能在学术界和产业界的发展趋势是什么？

沉向洋：非常感谢大会给了我们这样一个机会，让大家一起来比赛。 真的很有大师的感觉。 我和宋纯的计算机视觉《华山论剑》的约定差不多从2000年开始，其实最初的约定是2018年打的，而且宋纯当时也说了，不仅我们两个要打，我们每个人都要打。应该带18个弟子一起来做戏（笑）。

首先，我觉得人工智能发展到今天，我们当然是幸运的。 读研究生的时候，我专注于计算机视觉和机器人等领域，但实际上我们 90 年代毕业时并没有太多好的工作机会。 尤其是当时计算机视觉和自然语言处理发展比较缓慢，能够应用的场景并不多。 不过这几年发展的非常快，可以说是日新月异。

我个人认为未来十年：

·在工业界，人工智能在感知方面或将迎来黄金十年。 可以实现的系统很多，可以实现的应用场景也很多。 在工业界，无论是就业还是创业，每个人都会有很多好的机会。

·人工智能 在学术界，松俊在会议报告中只是从六个方面阐述了人工智能的发展趋势和前景。 我个人认为最激动人心的方向是神经科学与人工智能的结合。

不仅人工智能将迎来行业黄金十年，未来二十五年也将是人工智能在科研领域的黄金时代。

朱松纯：非常感谢刘云浩教授和大会提供这样一个对话的平台。 我和哈里有过这样的谈话很久了，今天我们终于可以坐在一起聊天了。 尤其大家对这个话题比较关心，也愿意听。

哈利和我都是“65 后”。 有人说，1960、70年代出生在中国的这一代人比较幸运。 当时社会风气非常积极，人人崇尚科技，很多人都有社会责任感。 和使命感。 但问题是我们上大学的时候想学计算机视觉、人工智能等，那时候国内基本没有教授可以指导我们，再加上信息匮乏，我们选择了出国深造。 到了美国，我们在学业上得到了大师的指点，但如何规划职业，摆在我们面前的中国成功人士并不多，可以提供参考，我们都是在摸索中摸索前行。 后来Harry去了工业界，成为了当之无愧的工业界领袖，而我则留在了学术界，继续思考一些困扰我的问题。 刚才Harry说我们90年代毕业的时候很难找到好工作。 我们两个走的是“夜路”，前面一个人也没有，心里还是挺害怕的。 所以，那时候我们经常通电话，就一些职业选择交流。 就像两个人在黑暗中走在不同的区域，拿着手电筒照在天上，看看对方去了哪里。

关于未来人工智能会如何发展，我的看法是：

·在学术发展方面，我刚刚在大会上作了题为“人工智能：走向统一时代”的报告。 也就是说，人工智能的几大领域已经脱离了数理逻辑和计算机制的表达。 经过20多年的探索，他们找到了概率统计建模和随机计算的新数学基础，并开始在此基础上进行整合，走向统一模式。 在我的报告中，我初步总结了这六大变化和趋势。

·在行业的发展中，我觉得这次人工智能的技术革命和前三次技术革命有很大的不同。 比如20世纪90年代末到2000年代初的互联网和信息技术革命（现在大家称之为第三次工业革命），其实是一个比较简单成熟的应用技术，没有太多的不确定性。 公司只是在做商业模式创新。 人工智能是一个很复杂的问题，水很深。 它的应用场景和任务往往很难隔离和定义。 人脸识别是个特例！ 警惕这里所谓的 AI 问题：你只想解决问题 A，但你发现你需要解决问题 B，否则你无法解决 A，然后，为了解决 B，你有把C再解一遍，直到你把所有的问题都解Solve，这就是通用人工智能。 10年前，我在说一个听起来不科学，有点好笑的口号：如果你解决了一个，你可能不得不解决一个！ 通俗地说，你要解一个有1000个变量的方程组，单独拿出3-5个变量来解，往往解不出来。 现在看到很多业内朋友还没有尝过这个苦头，初生牛犊不怕虎（笑）。

从我自己的经验来看，我在2000年左右提出图像解释（image）和视频解释，把所有的视觉问题放到一个统一的框架中去寻找最佳解决方案。 后来发现光解视觉的问题还不够好，需要大量的认知推理（也就是我说的智能暗物质）。 同时，为了提高学习效率，必须遵循小数据大任务模式综合语言对话、机器人等领域。

2. 浅谈产业界与学术界的区别：内部培训与外部培训

主持人：其实，朱松纯教授和沈向阳博士都是从计算机视觉领域开始了他们的研究生涯，然后分别走上了学术界和工业界的道路。 但他们都跨越了两个世界。 比如宋军现在已经出来创业，成立了DMAI，而Harry则是多所大学的兼职或名誉教授。 那么，想请教两位，人工智能在工业界和学术界的区别是什么？ 这两种经验可以互相帮助吗？

沉向洋：其实我们微软研究院在学术上做了很多研究，我自己也带了很多研究生。 我想特别提到互联网的诞生对中国科学研究的影响。 互联网出现后，给人类带来了巨大的变化，包括对科学研究方法的巨大影响。 比如我在微软研究院提倡的就是充分利用互联网和用户反馈。 我个人认为，在人类历史上最伟大的技术创新中，互联网可以排在前三位。

但对于产业来说，不能只停留在科研阶段，更要有产业化实施。 我经常说，你能在业界发表论文对你有好处，但是发表论文不是最重要的，而是你的研究方向和课题是否具有领先性和前瞻性。 而且，在做产业研究的时候，一篇论文的发表往往意味着一个项目的开始，而不是结束。 当然，我们也非常重视科学研究和学术论文。 这些年，微软全球研究院有5位图灵奖获得者，当然他们也写过学术论文。 如果你做了真正了不起的事情，那么你将真正受到尊重。 我想说的是，不要纯粹为了写学术论文而写论文。

朱松纯：学术界和产业界的关系可以类比武侠小说。 在大学里搞研究，就是修炼内功，就是一些心法和内功； 而在实业上，则是练外功，讲究的是功夫招数。 上大学有点像上山去少林寺练武。 学术大师如创立武当派的张三丰。 创业就像下山开镖局。 做产品经理就像做护送，走路护送，护送产品落地。

内功与外功相辅相成。 没有内功的基础，外功就缺乏力量； 但如果只练内功，不练外功，你的内功再好，也会烂在肚子里，用不出来。

当内功修炼到一定程度的时候，真气就会在体内游弋，奔腾不息，想要发散。 可能不是你自己炼功，但你的学生也可以炼功。 我个人的状态是上下山都跑。 准确的说是三个地方可以跑：大学、公司、公益组织（就像我们在湖北创办莲花山研究院时）。

（图为2006年朱松纯、沉向阳在湖北莲花山研究所指导学生）

主持人：原来朱老师经常“上山下山”，难怪身材保持这么好。 对于Harry来说，你在这个行业带了很多学生，那么你在这个行业的经历能给他们带来什么样的建议，让他们的事业发展得更好呢？

沉向阳：其实说练武，其实我小时候练过武。 我连续三年每天早上都蹲在南京的鸡鸣寺。

我很幸运。 博士毕业后，在微软美国研究院和微软亚洲研究院从事计算机视觉和图形学研究十余年，近十年一直从事互联网和人工智能工程及产品方面的工作。 我告诉我的学生，一个人能够学习一辈子是一件非常幸运的事情。 因为大多数人没有机会一直这样做。 就算你毕业的时候水平不是很高，但是经过十年二十年的研究，你的水平一定是很高的——因为你面前的人，比如你的同学，都走了，那你就会成为大师. 你看，我后来没有做计算机视觉研究，所以松润就成了大师（笑）。

学术界和产业界“进进出出”是一件非常好的事情，我完全同意松澄的观点。 你去山上看看世界的壮丽。 和下山开个保镖局，成为一名保镖大师，完全是两码事。 业界有时会觉得学术界花言巧语，不知道什么时候才能实现，所以需要换个角度思考这个问题。

主持人：看来两位老师的讨论产生了一些火花。 对于Harry的观点，你有什么反驳或者想说的吗？

朱松纯：我们两个确实是不同阵营的。 他们毕业于卡内基梅隆大学，获得博士学位。 他们是行业中的一个大“帮派”。 兄弟姐妹互相扶持，很有影响力。 而我是哈佛大学出来的，我的导师是数学家，国外的化学硕士，学长不多。 所以，毕业后，我要独立行走江湖。 毕业的时候，导师陪我吃饭的时候对我说：“find your（找到你的盟友）”。 我遇到了哈利的前辈，虽然他们是学者和军人（笑），但他们对我还是比较客气的。 当然，哈利是我找到的盟友，他特别照顾我。

沉向阳：刚才松春提到了我的母校，我接着讲。 去了卡耐基梅隆大学（CMU）之后，发现美国的强生真的很强，我们在学校确实学到了很多东西。

我觉得每个流派都有自己的风格，像武术，有华山派，也有青城派。 我们CMU的武术更像少林派，就像松纯说的，我们练的是外功和招式。 比如很多美国高科技公司的CTO都出自卡耐基梅隆大学。

其实一个项目不是一个人就能完成的，所以我在CMU读研究生的时候，就学会了如何组织一个大系统，让一群聪明人聚集在一起。 这就是宋军所说的结盟。

朱松纯：哈利说得对。 计算机视觉和人工智能都是非常复杂的问题。 要构建这样的系统，必须要有强大的工程团队。 但我们必须警惕，这里的水很深，就像前面提到的人工智能问题一样。 在澄清之前就开始研究一个大的理论框架是有风险的。 我的同事 Judea Pearl 有句名言：“盲人骑瞎马过雷区”。 刘备带着关羽、张飞等猛将到处征战，被打得遍地都是，连立足之地都没有。 直到在湖北隆中遇到孔明，诸葛亮挂起地图，把天下形势和路线图分析清楚，才走上正轨。

基础研究就是给工程团队提供一张大地图。 我在刚才的演讲中也提出了人工智能的大格局、历史和地图。 这张“地图”是人工智能各个领域的综合图，让我们看得清、想得清楚，各领域融合统一的路线图。

我的实验室里就有这么一张“大地图”。 虽然不全面，分辨率不够高，但也为研究生安下心来做研究提供了一个指导。

对了，今天ACM图灵大会墙上展示的几位杰出青年学者，都是我们实验室培养出来的。 历届ACM优秀博士论文榜单（每年2人）中，优秀博士论文获得者中有3位是我们团队培养的学生（2015年北京大学王硕、2016年中山大学梁晓丹、北京大学2018.理工大学王文冠）。

三、谈导师与学生的关系：双向选择与宽容

主持人：刚才朱老师讲了师生关系，刚才我们也想讲讲师生关系。 几十年来，两位老师带来了很多学生，与很多学生保持着良好的师生关系。 最近，中国一所知名大学的一位年轻教授在指导学生写论文时上了新闻。 两位老师怎么看这件事？ 这些年来，您是如何教学生的？

朱松纯：我觉得造成这样的事情的原因是有些环节出了问题。 现在高校对青年教师的评价和研究生的毕业论文数量都有要求，师生价值观不一致。 古人说“相异不相谋”，但现在很多导师和学生价值观不同，利益错位，久而久之就会产生矛盾。

作为一名教师，我最大的感受就是学生往往不是教出来的，而是选择出来的。 来读研的人都已经20出头了，你很难改变他们的价值观和习惯。 然后你选择接近你价值观的学生。 只有当学生和导师的兴趣和价值观相匹配时，才会有和谐的关系。 这是导师和学生之间的双向选择过程。 人们常说本科选学校，硕士选专业，博士选导师。 你读博士最重要的事情。 就是要选对，不要太看重学校的排名。

过去，导师和博士生之间是师徒关系，毕业后成为良师益友。 俗话说，你一生中可能有不止一位配偶，但只有一位导师。 不幸的是，在当今社会，这种关系已经不那么亲密了，演变成了老板与员工的关系。 我不允许学生私下叫我老大，所以他们在背后叫我“老朱”（笑）。

主持人：宋纯说的不错。 其实，老师选择学生，学生也选择老师。 这是一个双向选择。 尤其是学生，更需要找一个研究方向真正符合自己兴趣的导师。 哈利，你有什么看法？

沉向洋：我没有像宋纯那样，对这个问题考虑得那么深，那么彻底。 我觉得传出这样的消息是非常不幸的。 但是，说到做学术研究，多年前我在做中国如何做学习的演讲时，一直强调一件事：做研究不是生活的全部，它只是生活的一部分，它是兴趣爱好。

我认为作为老师有爱心是非常重要的。 每个学生都是不同的，在创造力上也会有差距，但我们录取的学生绝大部分都是高智商的。 我跟老婆说，收学生就跟生孩子一样，生了就回不来了。 那么该怎么办？ 如果你读研究生，那我说没问题，好好培养。 我们可以更加耐心和宽容。

朱松纯：Harry说的比较轻松，主要是他是兼职导师，不负责学生的毕业，学校也没有压力要求他发多少论文。 不过，话虽如此，Harry和我还是比较幸运的，有很多优秀的学生来和我们一起学习。 我们也曾在微软亚洲研究院共同带过一些研究生，他们中的很多人都非常看重友谊，这是作为一名教师最大的收获和自豪。 但是我也体会到，带领那些不是特别优秀的学生做论文，确实有点难度。

4.谈人工智能时代的职业选择：精准定位

主持人：两位老师都是计算机视觉领域出身，在研究领域都取得了很大的成就，但是在人工智能的道路上，他们走了不同的方向，现在好像又回来了。 在各自的职业发展过程中，您有哪些与年轻人分享的经验？ 作为两个相互作用的领域，学术界和工业界，它们之间是什么关系？ 尤其是朱总，你现在出来创建DMAI，从学术界到产业界，你带来了什么样的信息？

朱松纯：随着人工智能时代的到来，非计算机专业的学生担心就业机会受到影响。 事实上，对于今天在座的计算机专业来说，人工智能将对知识表达、算法分析、操作系统、程序设计语言、通信体系结构、计算机体系结构等传统计算机学科产生很大的冲击。 重新认识。 你现在常用的概念和研究课题可能需要调整。 我刚刚在讲座中提到，ACM 中的一个核心概念是 P 和 NP 问题。 其实我们在研究计算机视觉的时候，满眼都是NP-hard。 例如，当一个国家超过 90% 的人都在违法时，这可能意味着法律需要修改。 因此，在AI已经完全转向概率模型和随机计算的前提下，讨论NP问题就没有那么（相关）了。

如果当代年轻学生不想被人工智能冲击，他们可以拥抱人工智能并选择加入这一潮流。 现在选择AI专业相当于80年代选择计算机专业。 人工智能不仅仅是一门课程或者一个研究方向，它的内容非常广阔。 我目前在AI行业工作，无论是选择留在学术界练内功，还是去工业界做飞镖，或者哪怕只是想跟风发论文，都很好。

从长远来看，你的职业选择取决于你对自己的定位，即你在人工智能生态系统中所处的位置和时间段。 比如你想开一家餐厅，你需要定位什么样的菜系，是街边小吃，连锁店，还是小私房菜？ 需要根据自己的兴趣、实力和周围的条件综合考虑。

留在学术界学习，就得往前看十年，甚至二十年。 学习的本质是提升到无人之境。 我称这种状态为“清风明月”。 人工智能领域有太多的问号需要解释。 在好奇心的驱使下，我在 1980 年代开始学习人工智能。 就像当年屈原的《天问》，很多东西他都不明白，想搞清楚各种现象和它们之间的关系。 在科学研究中，我们更需要的是“理解”(人类可以是为了，是为了自由）。

你在行业里做研发的时候，好的公司往往会提前给你1-2年的自由，但是现在节奏越来越快，你可以自由思考的时间越来越短。 “踩踏事件”经常发生在热点之下，而且往往是身不由己。 当然，一些巨头公司可以喝着咖啡过上好日子，但过着这样舒适的生活是有代价的，就像泡在温水里的青蛙一样。

有条件的话，跑在学术界和产业界的两端，可以看到全光谱，更深入地理解很多问题，活出更完整精彩的人生！

沉向洋：我觉得每个人的情况不一样，尤其是每个人的理解也不一样，心态是最重要的。 你总不能天天想着和朱老师比吧。 朱老师在学术界得过很多奖，你都得过，跟他比怎么样？ 武功有高下之分，学问亦是如此。 一个真正的高手需要有很好的理解。

无论学生将来想当教授，还是想进入实业，或者想创业，我都鼓励他们。 但是我一直强调的也是一个非常重要的事情。 不管去什么公司，选择工作的标准不能只看钱。 你要看未来三五年你是不是更强大了，你的个人市值是不是比以前有明显的提升。 吸取的教训是无价的。

05

5、谈年轻人“如何不踩坑”：精耕细作才能成功

主持人：最后一个问题想请教两位老师。 现在人工智能已经风起云涌，对于年轻人来说，结合自己的经验，给他们一些建议，以免在这条路上走弯路。

沉向洋：我想今天在座的很多年轻学生，他们的职业生涯才刚刚起步。 最重要的经验要告诉大家，除了要有远大的志向，还要脚踏实地的做点事。

松俊刚才也说了，虽然很容易乱来，但是如果真的下定决心去做一件事，首先要热爱它，相信自己可以做出伟大的事情。 你必须有这种心理。 我见过很多聪明的学生，但他们没有做出伟大的事情，是因为他们没有把心投入到某个领域。 将一个方向做深，然后向更多方向扩展。

朱松纯：我觉得这个时代对年轻人来说既有好也有坏。 没关系，因为现在人工智能的机会实在是太多了。 我的实验室博士生毕业后收到了好几个offer，起薪比我在UCLA的工资还高。 不好说，因为年轻人，尤其是聪明人，面临的机会太多了，很容易被眼前的这些机会拖累，在各种诱惑的机会中徘徊，被带走，经过一段几个回合，我找不到方向，有点像布朗运动（ ），我觉得很可惜。 我和哈利经常讨论一件事，就是我们发现，在我们教过的学生中，那些学习成绩最好、最聪明的学生，最后的成绩却没有想象中的好，赶不上那些学生他们素质稍差但更坚持。

年轻人要能屏住呼吸，在生活和工作中要能坚持自己的信念，一生只做一件事，做好，就能有所成就。 人品决定命运，所以你要特别坚韧。 哈利还说，你的脸皮要厚一点，经得起老师和同学的批评。 聪明的学生尤其必须能够克服这个问题。

最后一点，有人发现过去60年的科学发展缺乏重大的框架突破，这与1900年代初期重大突破的时代不同。 根据我的观察，我们面临的是全新的问题，我们需要研究的是庞大而复杂的系统，比如人工智能、神经科学和脑科学、生物系统、社会学等。 是不是过去非常成功的西方思维方式需要转身，融入东方哲学和综合思维？ 我觉得这是一个值得思考的问题。

主持人：所谓举一反三，一般需要在一个方向上坚持足够长的时间，建立足够的知识深度，然后广度。 让我们感谢两位老师精彩的对话与分享，希望下次有机会见证两位老师的“论剑”。 谢谢你们！

致谢：感谢ACM图灵大会组委会，特别是刘云浩主席的大力支持。 感谢胡军和朱成方对本文的文字编辑工作。

編輯：碩谷新聞聚合