人工智能发展到今天,我们这些人当然是幸运的

一、谈人工智能的发展趋势：业界与学界的AI黄金时代

你们认为人工智能在学术界和工业界未来18年的发展趋势是什么？

首先，我觉得人工智能发展到今天，我们这些人当然是幸运的。我在读研究生的时候，专注的是计算机视觉和机器人等领域，但实际上90年代我们毕业的时候并没有太多好的工作机会。特别是当时的计算机视觉、自然语言处理等方面发展比较慢，没有多少可以应用落地的场景，而在最近几年发展得非常快，可以说是日新月异。

有个专家觉得，接下来十几年中：

· 人工智能在工业界，在感知方面可能会迎来黄金十年，有很多系统可以做，而且能落地很多的应用场景，在工业界，大家无论是就业还是创业，都会有很多好的机会。

· 人工智能在学术界，刚刚松纯在大会报告中从六个方面阐述了人工智能的发展趋势和前景。我个人觉得，最激动人心的方向是脑神经科学和人工智能之间的结合。

不仅人工智能在工业界有黄金十年，在接下来的二十五年，也会是人工智能在科研领域的黄金时期。

有人说过，上世纪六、七十年代出生在中国的一代人是比较幸运的，当时社会风气很正，大家崇尚科学与技术，很多人都有社会责任感和使命感。但问题是，我们读到大学时，想学计算机视觉、人工智能等方向，国内当时基本没有教授能够指导我们，再加上信息不通，所以我们选择出国深造。到了美国，我们学业是有大师指导了，但是如何规划职业，前面没有多少华裔成功人士能提供参考，我们都是在黑暗中摸索前行。后来，Harry去了工业界，成为了当之无愧的业界领袖，而我留在学术界继续思考一些困扰我的问题。刚才Harry说了，我们毕业的90年代很难找到好的工作。我们两个人是在走“夜路”，前面又没有人，内心还是比较害怕的。所以，我们当时经常电话沟通，就一些职业选择的问题互相交流。就像两个人在黑夜里走在不同的区域，拿手电筒往天上照一下，互相看看对方走到哪里了。

关于人工智能往后如何发展，我的意见如下：

· 在学术界的发展，我刚刚在大会做了一个报告，题目是“人工智能：走向大一统的时代”。也就是说，AI的几大领域脱离了数理逻辑的表达和计算机制，经过20多年的摸索，找到了概率统计建模和随机计算这个新的数理基础，并在此基础上开始融合，走向一个大一统的格局。我自己在报告中初步总结了这么六个大的变局和趋势。

· 在工业界的发展，我看本次人工智能的技术革命与前三次技术革命很不一样。比如90年代末到2000年代初的互联网与信息技术革命(现在大家又把它称作第三次工业革命)，其实是一个相对简单、成熟的应用技术，没有太多的不确定性，大多数的公司只不过是做商业模式的创新。而人工智能是十分复杂的问题，水很深，它的应用场景和任务往往很难隔离出来定义，人脸识别是个特例！这里要警惕一个所谓AI-complete的问题：你本来只想解决问题A，结果发现你需要解决问题B，否则解不了A，然后，为了解决B，你又不得不解决C，直到你把所有问题都解决，这就是通用的人工智能。

10年前，我就在说一个听起来不那么科学的、有点滑稽的口号：If you cannot solve a simple problem, you may have to solve a complex one! 通俗来说，你需要解一个有1000个变量的方程组，单独拿出3-5个变量来解，往往是解不出来的。现在我看到很多工业界的朋友还没有尝到这个苦头，初生牛犊不畏虎（笑）。

从我自己的经历来看，我在2000年前后提出图像解译（image parsing）与视频解译，把视觉问题全部纳入一个统一框架来求最佳解。后来发现，光解视觉问题是做不好的，还需要大量的认知推理（也就是我提到的智能暗物质），同时，为了提高学习的效率，走小数据、大任务模式，我们又必须综合语言对话、机器人等领域。

二、谈人工智能时代的职业选择：准确定位

人工智能时代的到来，让非计算机专业的人都在担心工作机会受影响。其实，对于今天在座的计算机专业的学生来说，人工智能对于传统的计算机学科方向，如知识表达、算法分析、操作系统、编程语言、通讯架构、计算机体系结构都会有很大的冲击，需要你们去重新认识。你们现在常用的概念和研究的课题可能需要调整。我刚刚在讲座中提到，ACM里面一个核心的概念是P和NP问题。其实，在我们研究计算机视觉的时候，满眼都是NP-hard。打个比方，当一个国家90%以上的人都在犯法，那可能说明这个法需要变一变了。所以，在AI全面转向概率模型和随机计算的前提下，讨论NP问题就不那么relevant（相关）。

现在这一代年轻学生，如果不想受到AI的冲击，可以拥抱AI，选择投身到这股潮流中。现在选AI专业，就相当于80年代我们选计算机专业。AI不仅仅是一门课、一个研究方向，其内容是十分浩瀚的。当前投身的AI这一行，不管是选择留在学术界练内功、到工业界走镖，就算只是想跟风发论文，都很不错。

长期来看，你的职业选择取决于你对自己的定位，即在人工智能这个生态系统里占到的位置和时间段。打个比方，你要开个餐馆，需要定位做哪个菜系，是做街边小吃、开连锁店，还是做小众的私房菜？需要根据自己的兴趣、实力和周边的条件来考虑。

留在学术界做学问，要往前看十年，甚至二十年。做学问的本质就是登无人之境，我把这种状态叫做“清风明月”，就是当年苏轼夜晚泛舟长江、思考人生问题的心境。人工智能领域有太多的问号待解释，1980年代我开始学习人工智能，有好奇心在驱动。就像当年屈原作《天问》，很多事情都不理解，想弄清楚各种现象和他们之间的关系。在科学研究中，我们更需要的是去“理解”（understanding），正如哲学家斯宾诺沙Baruch Spinoza所言：“人类能获得的最高级的活动，就是学会去理解，因为理解了就达到思想的自由” （The highest activity a human being can attain is learning for understanding, because to understand is to be free）。

到了工业界做研发，好的公司往往给你超前1-2年的自由，但现在节奏越来越快了，能让你自由思考的时间越来越短。热点之下往往会发生“踩踏事件”，往往会身不由己。当然，现在一些巨头公司，可以喝咖啡，日子过得也不错，但过这种舒适的日子是有代价的，就像青蛙泡在温水里。

条件容许的话，在学术和工业界两头跑，能看到full spectrum 全光谱，对很多问题体会更深，人生更完整、更精彩！

我觉得，每个人的情况都不一样，尤其是每个人的悟性也有差别，心态最重要。武功有高低之分，学问也一样，真正的高手需要有很好的悟性。

无论是学生将来是想去做教授、去工业界，还是开创业公司，我都鼓励。但是我一直强调的事，也是很重要的事，不管去什么公司，选择工作的标准不能只看钱。一定要看未来三五年后自己是不是更强了，个人的市场价值是不是比之前显著增加了。学到的经验那是无价的。

三、谈年轻人“如何避免踩坑”：深耕细作方可成

现在人工智能已经来到风口，对于年轻人来说，根据你们的经验给他们提一些建议，从而避免在这条路上踩坑和少走弯路。

我觉得，对于今天在座的很多年轻学生，都是事业刚刚起步阶段。我想对大家说的最重要的经验是，除了要立大志，就是要踏踏实实做一些事情。

如果想混日子也很容易，但是如果真的下定决心做一件事情，首先要喜爱这件事，相信能做出了不起的事情，一定要有这种心态。我见过很多聪明的学生，但是没有做出了不起的事情，因为没有沉下心在某一个领域深耕。把一个方向做深了，再向更多方向扩展。

我觉得，这个时代对年轻人来说既好也不好。说好，是因为现在人工智能机会特别多，我的实验室博士生毕业就拿到好几个offer，起薪都比我在UCLA的工资高。说不好，是因为对年轻人来说，尤其是聪明的人来说，面对的机会太多，容易被这些眼前的机会所拖累，游走在各种具有诱惑的机会中，被带来带去，几个回合之后，就找不到方向了，这有点像布朗运动（Brownian motion），我觉得非常可惜。就是我们发现，在我们带过的学生中，学习成绩最优秀、最聪明的学生，最后的成就不如预期，赶不上那些资质稍微差一点、但更加执着的学生。

年轻人要能沉得住气，做人做事都要能坚守信念，一辈子只做一件事，把它做好，就能有所成就。性格决定命运，要特别坚韧，Harry也说过，脸皮要厚一点，要经得住老师和同行的批评。聪明的学生尤其要能克服这个问题。

最后再讲一点，有人发现最近60年，科学的发展缺乏大的框架性的突破，这与1900年代初期的大突破时代不同。据我的观察，我们面对的是全新的问题，要研究的都是大型的复杂系统，如人工智能、神经与脑科学、生物系统、社会学。是不是西方过去十分成功的reductionism思维方式需要掉头，融合东方哲学和综合的思想？我觉得这是一个值得大家思考的问题。

所谓举一反三，触类旁通，大体上也是需要先在一个方向上坚持足够久从而建立足够的知识深度进而到广度。让我们感谢网友的分享，谢谢大家！

人工智能