【AICon】探索RAG 技术在实际应用中遇到的挑战及应对策略!AICon精华内容已上线73%>>> 了解详情
写点什么

智源研究院院长黄铁军:我们不支持任何项目和技术,只负责选出对的人

  • 2019-11-09
  • 本文字数:3897 字

    阅读完需:约 13 分钟

智源研究院院长黄铁军:我们不支持任何项目和技术,只负责选出对的人

10 月 31 日,由北京智源人工智能研究院主办的 2019 北京智源大会在国家会议中心开幕,会期两天。智源大会是北京创建全球人工智能学术和创新最优生态的标志性学术活动,定位于“内行的 AI 盛会”。

在大会现场,智源研究院院长黄铁军接受了 InfoQ 等媒体的采访,黄铁军向记者表示:人工智能现在很热,大家都很重视,但这其实并不是最重要的。在我们做人工智能的专业人员眼中,最重要的是人工智能翻过了一个“坎”,像深度学习,在人工智能里面只是一朵浪花,它并不是全部。


以下是黄铁军院长的访谈实录:



黄铁军:人工智能的发展现在很热,大家很重视,但在我们做人工智能专业人员的眼里,实际上这并不是最重要的,那么最重要的是什么东西呢?最重要的是人工智能已经翻过了一个坎,如果把人工智能比作一个海洋的话,深度学习则是海洋里面的一朵浪花,它并不是全部,最多可以算一个大浪。


在过去的六十多年里面,人工智能有过高潮也有过低潮,经过两次起起伏伏之后,我们认为人工智能这次是冲过了一个坎,冲过坎之后就是对人类产生巨大影响的时代,我们即将进入智能时代,就像我们进入电气时代、信息时代一样。现在我们已经翻过了进入了智能时代的坎,将来的发展空间很大,发展速度也会很快。


在这样的一个过程中,北京很有希望成为一个全球顶级的人工智能的创新中心。我们做过比较,全世界做人工智能的城市有很多,它们存在很多优势,比如旧金山有硅谷;纽约周边除了著名的大学之外还有很多企业;伦敦也有很多著名的公司、著名的大学等。


那么,为什么我们对北京成为世界领先的人工智能创新中心这么有信心呢?


众所周知,中国的应用机会多、数据丰富、场景也是多种多样,但有一点大家很少关注,那就是人才。我们认为决定未来更重要的因素是人才,他们包括新一代创新者,也就是新一代的年轻人。回过头来看,在人工智能这将近一百年的时间里,其中最重大的成果创新全是年轻人。比如,在 1931 年和 1936 年分别由图灵和哥德尔提出来的两个计算机人工智能重大创新。图灵是“图灵的计算模型”,哥德尔就是“哥德尔的完美定理”,他们在 24 岁就做出来了。


所以,我们同样有理由相信,在人工智能发展的大潮下,类似这样的顶级成果,会有很大的机会在我们北京这片土地上发生,这也是我们建立智源研究院最有信心的地方。我们会先把架构搭起来,并选出一批从事基础研究、核心技术研究的人才,让他们能够安心稳定地长期在各个单位持续做下去。


Q:您刚刚提到深度学习只是人工智能大海中的一朵浪花,我们了解到您有一个研究方向是关于类脑计算的,基于深度学习的人工智能和类脑智能应该怎么去区分?以类脑计算为主的人工智能有什么突出的优势吗?


黄铁军:实际上这两个概念并不能并列相比,我们列的方向也是分了层次,在我们看来,最初至少要分三个层次来看这些技术方向。用我以前做报告用 12 个字来说就是:智能为用、机器为体、学习为魂。人工智能我们要看三个方面,其他复杂系统也要看这三个方面:


第一,什么样的物理载体在实现智能。智能为用,我们关心一些智能可以实现什么,视觉、听觉、自然语言、识别、分类等,这些指的是功能层次。虽然大家更愿意看功能层次,但我们还是想一想实现这些功能的是什么样的机器,换句话说就是,这些功能是由什么样的物理载体实现的。还有一点很重要,其实这些功能都是通过学习学到的,而不是以前经典人工智能时代认为的人类赋予它的。就目前而言,越来越多的智能是学来的,哪怕我们人的智能、生物的智能也都是学来的。


第二,学习背后的模型和方法是什么。深度学习是一个很好且有效的工具,它是人工智能发展过程中为数不多的一个可行的方法和模型。但我们想说的是,深度学习也只是众多学习方法中的一种,还有很多其他的学习方法值得我们去探索。而且学习并不能凭空存在,它需要一种物理的载体,如果没有这个载体,学习最后落到哪里呢?


很多人老是说现在大数据,将来做小数据,像人一样去举一反三,做到看一、两个例子,就能让人工智能学会怎么去做。人之所以能够做到举一反三,是因为人有大脑,这是一个学习能力很强的大脑,如果不是人脑这样物理载体的存在,而是一块石头,无论训练多少次也变不成智能的系统。


所以类脑计算首先要解决的就是这个问题,我们要创造一个更强大的能够学习训练的物理载体,用以支撑人工智能的存在,就比如人如果先天性大脑不足的话,学习也是有上限的,人工智能也是一样。


我经常打比方,猴子的大脑只有人类大脑神经元的 1/10,猩猩的大脑只有人类的 1/3,像这样的大脑无论怎么学习,也学习不出人类的高级功能,比如语言等。虽然猩猩很接近人类,但是从出生开始,人跟它一起生活,教它十几年,也学不会人话,不是因为环境不好,更不是因为学习的过程不好,只是因为它的脑子不够使,猩猩的脑容量只有 1/3 的人脑容量,并没有进化出人脑复杂的结构,就出不来这样的功能。


所以,总的来说,类脑计算并不是要跟深度学习去比,它是要创造出一个新的更强大的物理平台。


Q:类脑计算相关的技术体系包括哪些部分?


黄铁军:将来类脑计算变成应用之后,会形成类似于今天的一些产品,会有芯片,也会有类似软件层面的东西。目前,我们更多是在研究怎么构造这样一个系统,以及弄清楚这个系统的结构是什么。如果知道了这个结构,知道了神经元等,你需要进行下一步——做一个装置试运行,但是应该用什么样的材料、什么样的器件去做呢?这也是我们需要解决的问题之一。


类脑计算目前还处在研究的阶段,并不能马上变成一个芯片,但它依旧是人工智能发展的一个必须方向。


Q:智源怎么去判断现在应该支持或者投资哪些技术,哪些技术对于未来整个技术方向来说是非常重要且具有很大潜力的?


黄铁军:我们不支持任何技术,也不支持项目,我们只支持人。我们现在最重要的是把“选人机制”做好,至于这个人做什么技术、做什么项目,他本人最具有判断力。往宽里说,现在大部分是以项目为中心的支持方式,然而项目制是很现实的,一个项目肯定需要确定技术方向、项目周期等,但是对于原始创新来说,这些是很难规划的。


比如,我正在做着某个项目,你非要让我现在就写出两三年之后的目标,但我真的不知道怎么些,这些都是由创新本身所决定的。以数学问题为例,谁又敢说在三年之后就一定能解决某个数学猜想?


所以,在智源里面几乎不用“项目”这个词,我们绝对相信这些学者都有自己的梦想,这也将是他们在这个领域做出开拓性创新工作的内在动力。我们给的不过是在他们孤独的探索过程中一个支持而已。


Q:选人有具体的标准吗?


黄铁军:选人的程序,大方向是研究院提出来的,人工智能作为一个领域,到底哪些方面的研究是必须的、重要的,类似这种大方向的东西是由我们共同制定。刚才我们已经发布了五个研究方向,未来还会发布 5-10 个,预计总数会达到 15 到 20 个。


我们会在北京,给每个方向找一位首席,之后再通过这位首席,找相关领域的著名专家,大家一起讨论,进而形成一张一二十人的名单。再经过几轮讨论,进一步把名单确定下来,名单上的人就是我们所要支持的学者对象,他们不需要答辩,换句话说,这样的筛选可以被当作一种同行认可的过程。  再后面,青年学者由学者提名,大家一起提出二三十个青年人,通过答辩,进而筛选出某个方向的青年学者。


全世界那么多城市,真的做一个特定方向的时候,一定要找懂行的人一起讨论,一定要有激烈的争论,这样才会出现一些新东西。我相信会有越来越多的人愿意参与到这个计划中来。


Q:目前在国际上有没有与智源学者计划类似的计划或者有竞争性的计划?


黄铁军:为了促进人工智能的发展,大家都有很多创新。跟我们有点接近的,比如蒙特利尔一个叫 MILA 的,是图灵奖获得者 Bengio 牵头组织的一个机构,这个机构也是把相关单位的研究人员通过一个组织联系在一起,做得很好。


英国也有一个研究所叫图灵研究所,图灵研究所则是把英国范围内的人工智能、计算机、大数据的学者联络在一起,但他们是一种比我们还要松散的组织形式。


与这些组织相比,我们是有一定优势的。实际上,我们对学者都有直接的支持,我们一方面希望学者本身自由探索,做重大问题,另一方面我们同样希望他能够坚持一直做下去,所以对于每位学者,我们每年都会有 100-150 万的支持,这样大家就不用太被人工智能热一阵冷一阵所影响,进而安心地去做研究。


Q:您怎么看待研究成果未来的市场化和商业化,咱们有一个联合实验室去做各种场景的实施,这些是不是也都是为商业化做的准备?


黄铁军:联合实验室跟商业化落地还不太一样,研究成果的产业化这个对于研究院来讲是副产品,不是我们追求的目标。我们要推动的是原始创新和核心技术,这里面有些可能短期之内没有什么商业价值,长期来说也未必有什么商业价值,就只是一个理论上的突破。至于谁能把那样的理论、方法用到商业价值上,可能完全是不同的人、不同的团队,在未来这都有可能发生。


我们的中心任务是不断去推动前两点,在这个过程中能够落地、能够产业化,我们也很高兴。联合实验室并不是说要把成果落在企业,我们不是那个目的,企业是为创新提供一个平台,这也是企业对社会贡献的一种方式。像我们在学校做研究,并没有足够多的数据能利用,但是像京东、旷视、头条他们有。


在整个联合过程中,肯定会产生一些新的成果,比如我是学校的一位教授,我的课题组在京东的联合实验室做出了一些结果,然后我去发表论文,论文内容就是我在京东世界最大规模的对话数据上取得了最好性能,这样就可以说我们达成了联合实验室的目的。如果京东说“你的算法很好,我想用到我的产品里面”,那么这个时候,我们会再谈怎么许可使用等,京东不会独占这个技术,其他的企业也可以用。


所以,在我们看来,联合实验室更多会是一个促进创新的平台。


公众号推荐:

2024 年 1 月,InfoQ 研究中心重磅发布《大语言模型综合能力测评报告 2024》,揭示了 10 个大模型在语义理解、文学创作、知识问答等领域的卓越表现。ChatGPT-4、文心一言等领先模型在编程、逻辑推理等方面展现出惊人的进步,预示着大模型将在 2024 年迎来更广泛的应用和创新。关注公众号「AI 前线」,回复「大模型报告」免费获取电子版研究报告。

AI 前线公众号
2019-11-09 08:001971
用户头像
张之栋 前InfoQ编辑

发布了 91 篇内容, 共 46.0 次阅读, 收获喜欢 159 次。

关注

评论

发布
暂无评论
发现更多内容

JVM进阶(十):年老代收集器

No Silver Bullet

CMS JVM 2月月更 年老代收集器

架构实战训练营-模块9-作业

温安适

「架构实战营」

要重复阅读的一个原因:思维模型驱动学习的过程

panda

思维模型 阅读

一个老程序员的计算机视觉蹒跚学习之路| 社区征文

老猿Python

AI OpenCV 计算机视觉 图像处理 新春征文

JVM进阶(十一):JAVA G1收集器

No Silver Bullet

G1 JVM 垃圾收集器 2月月更

JavaScript 数组常见操作(一)

编程三昧

JavaScript 前端开发 数组操作 2月月更

M3U8 视频封装格式的深度解析 | 社区征文

liuzhen007

音视频 新春征文 2月月更

了解一下DDD领域驱动设计

蜜糖的代码注释

Java DDD 领域模型 2月月更

一人走路不孤独,小度化身百度地图导航NPC,伴你回家路

百度大脑

DeepMind公司最新ai技术参加Codeforces击败大部分选手

你?

架构实战营 毕业设计项目

红莲疾风

「架构实战营」

在线标准程序员计算器

入门小站

工具

创业方法论(10/100)

hackstoic

创业 商业分析

【初探云原生】服务注册中心对比总结

路上的小崔哥

微服务 云原生 注册中心

JavaScript 数组常见操作 (二)

编程三昧

JavaScript 前端 2月月更

URL中的空格、加号究竟应该使用何种方式编码

Gopher指北

HTTP url Go 语言

《也许你该找个人聊聊》读书笔记 - 直面的勇气

懒时小窝

读书笔记 读书感悟

AI,机器人和元宇宙(9/100)

hackstoic

元宇宙

如何写出格式清晰的代码

蜜糖的代码注释

Java 2月月更

计算机视觉算法探究:OpenCV CLAHE算法详解| 社区征文

老猿Python

AI 算法 计算机视觉 新春征文 CLAHE

Netflix是如何做决策的? | 6. 实验是数据科学的主要关注点

俞凡

数据分析 netflix 大厂实践 2月月更

一个cpp协程库的前世今生(二十五)channel

SkyFire

c++ cocpp

Web Components系列(一) —— 概述

编程三昧

前端 组件化 2月月更

Spring Cloud Alibaba Nacos 服务注册与发现功能实现!

王磊

SpringCloud Alibaba

JS事件详解和js事件委托

编程江湖

一条SQL更新语句是如何执行的?

蝉沐风

MySQL MySQL InnoDB

Linux之top命令

入门小站

Linux

Pulsar 在云原生消息引擎领域为何如此流行?| 社区征文

老周聊架构

云原生 Apache Pulsar 新春征文 2月月更

视野 | KeyDB:为 Web 应用而生的高性能 Redis 分支

RadonDB

数据库 redis 后端 RadonDB

JVM进阶(八):Stop The World

No Silver Bullet

JVM STW 2月月更

第二个模块作业

achilles

智源研究院院长黄铁军:我们不支持任何项目和技术,只负责选出对的人_AI&大模型_张之栋_InfoQ精选文章