不僅僅是深度學習，楊強眼中的人工智慧與CCAI 2016

8月26-27日，由中國人工智慧學會（CAAI）發起並主辦、中科院自動化研究所與CSDN共同承辦的第二屆中國人工智慧大會（CCAI 2016）將在北京盛大召開。本次大會將持續匯聚全球人工智慧領域的頂級專家學者和產業界人士，圍繞當前最熱點的話題進行深入交流和探討，並針對人機互動、機器學習、模式識別、產業實戰等主題進行論壇研討，努力打造一個國內人工智慧前沿平臺。

作為CCAI 2016程式委員會共同主席之一，中國人工智慧學會海外副理事長、AAAI Fellow、國際人工智慧協會（AAAI 和IJCAI）理事會常務理事、香港科技大學計算機系主任楊強教授在大會籌備期間接受CSDN記者專訪，分享了他對當前人工智慧技術演進的看法，和CCAI 2016的規劃目標，並介紹了他個人的研究與工業應用的結合成果，以及他本人與人工智慧結緣的一些鮮為人知的故事。

楊強希望人工智慧專案要落地普惠人類。他表示，本屆人工智慧大會的一個重要功能是搭建產業應用和學術研究的橋樑，讓國內的科研人員與技術骨幹和國際同行一起告訴大眾一個真實的人工智慧學科與產業的發展現狀和麵臨挑戰，讓大眾對待人工智慧的認識保持理性。他希望本屆大會能向觀眾展示一個全面的人工智慧領域現狀（而不僅僅是討論深度學習）。他肯定了人工智慧華裔學者在國際舞臺上的成績，也指出獲得國際影響力需要的努力——在某個領域做出前沿的、貢獻新的工作以及與國際同行進行更多交流。

本屆人工智慧大會將完美體現上述思想。大會將會有國際人工智慧促進會 （AAAI）主席、美國亞利桑那大學教授Rao Kambhapati，MIT人工智慧實驗室教授、美國人文與科學院院士Tomaso Poggio，微軟人工智慧首席科學家、IEEE Fellow鄧力的報告，也有中科院外籍院士、美國科學院院士蒲慕明，美國計算語言學會ACL Fellow、ACL前大會主席，從Google回國創業的林德康的分享，此外還有大疆創新科技公司董事長、香港科技大學教授李澤湘，國內外頂級嘉賓薈聚一堂，充分體現了國內和國外、學術與產業的溝通交流。

談到AlphaGo取得成功的經驗，楊強認為，通用型演算法需要機器學習、符號空間的搜尋能力、強化學習等多方面的組合。除深度學習之外，邏輯推理、智慧規劃、遷移學習、智慧博弈等知識也會在未來發揮作用。要打破大資料的瓶頸，也需要引入邏輯推理、搜尋和規劃、因果推斷及遷移學習等經驗表達類的演算法。他正在研究利用深度學習、強化學習和遷移學習的有機結合，建立起一個通用的、可以個性化的機器學習體系——Reinforcement Transfer Learning（RTL）。這在與微信合作的垂直領域人機對話已有重大進展。楊強和微信合作的另外兩大進展，則包括從網路層解決深度學習所需要的優化任務（大幅提供線上學習效率），和以大規模社交網路的文字分析（淨化網路傳播空間）。

人工智慧領域下一個階段的重要工作，楊強認為包括高質量訓練資料的整合，以及不同的機器學習系統協作運作（在統計和邏輯推理之間平衡）。由於資料積累的原因，他看好人工智慧未來在金融投資領域的應用。而對於人工智慧領域可能再次出現低谷的預期，楊強表示，大眾需要警惕對人工智慧有過高的期望值。

中國人工智慧學會海外副理事長、AAAI Fellow、國際人工智慧協會（AAAI 和IJCAI）理事會常務理事、香港科技大學計算機系主任楊強教授

以下為採訪內容實錄

嘉賓簡介

CSDN：請介紹您目前在人工智慧領域的主要工作，以及您是如何走上人工智慧研究的道路的？

楊強：我現在的主要工作是在機器學習方向，建立一個遷移學習的理論體系。同時，利用深度學習、強化學習和遷移學習的有機結合，建立起一個通用的、可以個性化的機器學習體系。這個體系叫做Reinforcement Transfer Learning （RTL）。這一RTL體系可以讓在大資料的環境下建立的機器學習的模型，能夠順利地遷移到在小資料的場景下適用的領域。我們在幾個應用領域方向都有嘗試，例如，功能性對話系統、金融投資和機器閱讀領域取得了一定的成功。我們的另一個研究方向叫做Learning to Learn，就是如何讓機器像人一樣能夠學到學習方法。其重要的指導思想就是遷移學習。

我是在念博士期間喜歡上人工智慧的。當時覺得計算機本身就很神奇，很喜歡程式設計。聽了導師的講座後，我覺得如果能讓計算機自主地決策、學習、思維，研究工作將更加有趣。我在的那個研究組在計算機博弈，自動動作規劃和機器人與智慧設計方向都有很多有趣演示，讓我覺得這個研究方向才是未來。

關於AI

CSDN：2016年大眾對人工智慧印象最為深刻的可能是AlphaGo，但從專業的角度，今年人工智慧領域的哪些技術和應用進展最為讓您興奮？

楊強： AlphaGo確實讓人興奮。從專業的角度，它的成功預示這人工智慧的通用型演算法，需要多方面的組合，不但需要有機器學習，而且需要在符號空間的搜尋能力，同時還需要成功地引入強化學習。AlphaGo也讓我們看到了許多現在演算法的侷限，例如，在沒有大資料的領域，基於機器學習的演算法在現階段還很難突破。這也是我們研究遷移學習的一個初衷。

CSDN：CVPR 2016的一個反思是深度學習的壟斷，您認為研究人員是否高估了深度學習？在深度學習之外，有哪些好的方向被我們低估了？

楊強：在人工智慧領域，除了深度學習以外，還有很多不同的領域可以在未來發揮作用。比如邏輯推理、智慧規劃、強化學習、遷移學習、智慧博弈等。如果你來AAAI或者IJCAI看一看，你會發現在這些領域有很多的研究者在辛勤工作。

CSDN：當前深度學習成功的一個關鍵是大資料，您認為大資料能真正地打破人工智慧的瓶頸嗎？

楊強：大資料是當前深度學習的一個需求，也是它的一個瓶頸，因為不是每一個人都擁有高質量的大資料。要打破這個瓶頸，就要引入更多的經驗表達類的演算法，比如邏輯推理、符號空間的大規模搜尋和規劃、因果推斷，以及遷移學習。

CSDN：人工智慧系統和計算架構方面，您認為下一個階段最重要的工作是什麼？

楊強：一個重要的工作是如何做多種資料來源的整合，以獲取高質量的訓練資料。另一個重要工作是如何讓不同的機器學習系統協作運作，使得我們在統計和邏輯推理之間取得一個較好的平衡點。再有就是如何把網路計算和機器學習有機地結合在一起，大規模地擴充套件機器學習的效率。

CSDN：近期全球對智慧機器人乃至無人車的投資很多，但現在特斯拉無人車已經背上了命案，您如何看待機器人和無人車的技術挑戰？相比之下，對於未來三年的AI應用落地，您最看好的方向是無人車還是別的？

楊強：無人車的演算法在今後會越來越成熟，但離我們人的判斷能力還距離尚遠。我覺得下一個可能的發展方向是金融投資，所謂“顧投”的應用方向。因為在這一領域所獲取的資料已經相當豐富，計算機應該很快會有足夠的例子來模仿人類的決策。另一個有可能的方向是功能型的對話系統，讓機器可以不斷模仿人類解決問題的過程，變得越來越專業。

CSDN：60年來人工智慧起起落落，如果未來還會出現人工智慧的低潮，您認為可能的原因是什麼？

楊強：每一次的低落都是因為人類對技術的預期不現實和過高。現在人們對人工智慧又有很多過高期望的聲音，這是我們應該警惕的。

華裔世界的進步

CSDN：從您作為組織國際AI大會的極少數亞裔代表，到AAAI因為中國春節改期改地，華人在人工智慧圈的影響力在提升，您如何看待國內的人工智慧學術水準和全球最先進水平的差距？

楊強：首先，我們已經有許多年輕的研究者走上世界舞臺。他們的工作越來越多地獲得國內外同行的承認。我們要知道，要得到別人的認可，首先自己要強大。也就是說，在某個研究領域，不管這個領域有多窄，在這個領域裡要做到國際上的領導者。這樣才能得到別人的尊敬。另外，要大公無私一些，多貢獻自己的時間來做服務性的工作，並且多和國際同行見面、社交，讓別人認識你，在困難的時候能想到你。這也是很多國外同行在各方面成功的經驗。

CSDN：您的一個身份是微信首席技術顧問，能否介紹您是如何開展這項工作的？人工智慧技術如何影響微信的功能和服務？

楊強：我們在香港科技大學和微信建立了一個人工智慧的聯合實驗室（WHAT LAB）。還不到一年的時間，我們這個實驗室已經有了很多成就。列舉部分如下：

1. 我們和微信在設計一個可以支援大規模深度學習的資料中心的技術。這一技術和以往的深度學習加速器的一個重要區別，是我們從網路層就解決了許多深度學習所需要的優化任務。這將大大提高線上機器學習的效率。
2. 同時，我們也在進行深入的人機對話系統的研究。在垂直領域的功能型對話方面，已經成功地把深度學習、強化學習和遷移學習有機地結合起來。我們的這個對話系統可以在人類解決問題的過程中在一邊等待和模仿，作為人的“僚機”，逐漸進入主要位置。其目的不是取代人類，而是放大人類的作用。
3. 我們的第三個成功點在大規模社交網路的文字分析方面。這對於淨化網路傳播空間，幫助人類更好的閱讀到自己喜歡的讀物，將帶來全新的功能。

CSDN：作為港科大教授、騰訊顧問、原華為諾亞方舟實驗室主任，您認為國內的各類機構應當如何協作來推動人工智慧及其應用的發展？CAAI能發揮的作用是什麼？

楊強： CAAI的一個重要功能是連線工業應用和學術研究，並和國際同行一起，告訴社會一個真實的人工智慧，讓社會對人工智慧的期待漸趨平和、落地。CAAI可以成為一個有力的平臺，讓研究者有機會將自己的工作向全社會展示，能夠讓不懂技術的人也能理解技術的作用。

關於人工智慧學習

CSDN：人工智慧目前的進展，是否意味著所有的軟體工程師都需要學習人工智慧或者機器學習？您認為非人工智慧專業的工程師應當如何上手？

楊強：人工智慧的一個特點是任務驅動。如果軟體工程師覺得自己身處資料當中，有擴充套件人力的應用需求，可以學一學人工智慧。在沒有具體應用目標的情況下，很難掌握人工智慧的核心思想，所以也不建議盲目追逐。

CSDN：從業者應該閱讀新的論文來開啟思路，但目前的情況可能是新論文發表的速度比從業者看的速度快得多，對於如何選擇論文、如何閱讀論文，您有什麼方法可以介紹？

楊強：閱讀論文要有批判的觀點。有一些方法論，比如矩陣法，這在我的一本書裡講過了（清華大學出版社：《學術研究，你的成功之路》）。

關於CCAI

CSDN：您參與甚至組織了很多國際人工智慧會議，那麼您如何中國人工智慧大會這個平臺的獨特定位？

楊強：真實、客觀地展示人工智慧的最新成果。

CSDN：您最希望CCAI 2016能向觀眾傳達哪些內容？為什麼我們應當關注這方面的內容？

楊強：我希望CCAI向觀眾展示一個全面的人工智慧，而不僅僅是深度學習的人工智慧的一個部分。

---

CCAI 2016中國人工智慧大會將於8月26-27日在京舉行，AAAI主席，多位院士，MIT、微軟、大疆、百度、滴滴專家領銜全球技術領袖和產業先鋒打造國內人工智慧前沿平臺，6+重磅大主題報告，4大專題論壇，1000+高質量參會嘉賓，探討人機互動、機器學習、模式識別及產業實戰。門票限時六折優惠中。