大咖 | 專訪阿爾伯塔大學ML實驗室掌門人：培育科研人對“有用科技”的“市場意識”

大資料文摘出品

作者：薛婭菲、於樂源

李開復曾在題為《人工智慧時代的科學家創業》演講中表示，他對人工智慧領域的創業充滿信心，特別是從科研埠走出來的創業人才：“引領AI整個產業發展的一定是AI科學家。”同時，在AI創業大潮，甚至是大公司組建AI部門的內部創業過程中，科學家們正在面臨著各種各樣的“不適合”與“不適應”。

身處AI科研一線的教授們是否應該關注技術產業化？是否在研究初期就把“對社會有用”作為評價標準？希望想在AI創業大潮中分一杯羹的專家們來說，什麼樣的協助是必要的？

帶著這些問題，我們拜訪了阿爾伯塔大學機器學習實驗室AMII。這裡不僅有多位世界知名的人工智慧研究學者，更為全球熟知的是培養出AlphaGo的核心演算法研發團隊。

大資料文摘特約記者採訪現場

沒有誰比AMII更懂得如何對付“技術已經被證明了，現在需要把它應用在場景裡” 這個議題。AlphaGo和Alpha Zero的成功，正是成功將蒙特卡洛樹搜尋與深度神經網路（Monte Carlo tree search、value network、policy network）技術成功應用到圍棋場景下，併成功擊敗人類職業圍棋九段棋手。

今年6月，阿爾伯塔大學的TEC Edmonton孵化器正式與啟迪之星深度合作，建立了啟迪之星（阿爾伯塔）孵化基地並開展針對AI領域的跨境產業孵化專案。藉此機會，我們採訪了AMII的創始人之一，自然語言處理領域先驅Randy Goebel教授。

Randy Goebel是AMII最初的創始人之一，世界知名的NLP領域學術先驅，一生投身在在機器學習和自然語言處理的科研工作上，近些年也開始關注AI技術產業化落地問題，他也是阿爾伯塔大學的科研助理副校長。

大資料文摘特約記者採訪現場

科研人員經常會對“有用”這個詞理解不深。Randy Goebel教授也非常直白地表示了自己的擔憂：在他看來，AMII可能只有五分之一的研究員清晰地知道市場營銷與市場調查的含義。“其他人對市場並不關心（The rest simply don’t care）。”

大約只有三分之一的科研人員可以判斷一份商業計劃書的好壞，這個比例在Goebel教授看來已經在科研機構裡算多的了。在他看來，AI是可以創造出很大價值，因此應用也有太多的方向。

20年來，AI技術已經在很多應用場景下得以實現。他認為技術應用中間的矛盾在於，技術發展總是快於應用速度的。科研人員的思路是不斷追求最先進、最領先的技術突破，而普遍對技術的應用場景，也就是放到社會上，這個技術是否“有用”迴避或是忽視。

李開復曾經分享過自己從科研思維向創業思維轉變時最大的思維轉變：科研人員需要在推出產品時真誠地問自己；這個技術對社會來說有價值嘛？

科研端和市場端應該更關注與如何創造共同利益價值， AMII對此深有共鳴。Goebel教授正在推動在AMII內部成立基礎科學和應用結合的新部門，以培育科研人員的對“有用的科技”的“市場意識”。

“在AMII，10%的科研人員可能對應用端感興趣，也許只有5%的科研人員最終會去實現。”如何能讓AI對社會有用，這需要科研人員瞭解來自市場的需求和痛點。這一點，恰恰是目前很多科研工作者的挑戰。“也許我們需要其他部門的協助，比如學校內部的技術轉移機構和社會上專業的孵化器。”

Geobel教授分享說，阿爾伯塔大學與埃德蒙頓市政府成立了TEC Edmonton的技術轉移和孵化器組織，幫助阿爾伯塔大學的研究成果進行產業化。2018年6月，TEC Edmonton又與啟迪之星正式合作，在TEC Edmonton建立了針對人工智慧領域的垂直孵化器並啟動中加兩國雙邊孵化專案。

在他看來，中國在本次AI發展浪潮中，對AI初創企業孵化方面更有經驗。Goebel教授：“對AMII來說，我十分看重孵化器Matching market demand and research這一塊的工作。這恰恰是科研人員普遍缺乏的。如果孵化器能幫我們持續地做市場和科研的對接和交流，我認為這對整個產業發展大有好處。”

“AI離代替人類還很遠呢！”在談到人工智慧領域何時會實現奇點爆發時，Goebel教授並不持樂觀態度。“我們目前做的工作與二十年前相比，並沒有本質上的演算法提升。這些思路在上個世紀90年代就有了。只不過最近幾年，資料量的積累、計算能力和儲存能力的提升，給了AI爆發的土壤。但他還沒有看到真正可以影響AI突破性發展的演算法。”在他看來，目前做好輔助人類的工作是AI產業化的願景。Goebel教授給我們具體介紹了阿爾伯塔省20年來在AI輔助診療方面做的工作。

阿爾伯塔省的醫療體系相對簡單，整個省在使用同一的醫療平臺，在醫療資料開放和使用涉及利益相關方較少。即使這樣，“為了實現醫療資料從應用端到科研端，再把科研結果反哺到應用端這件看上去很簡單的事，阿爾伯塔省和阿爾伯塔大學，整整努力了20年”Goebel教授感慨到。

為了醫療資料得以順利地從各個診所、醫院彙總到科研機構中，阿爾伯塔省出面作為背書，邀請所有面向公眾的診所、醫院開放病人資料和診斷資料到政府背書的平臺上。平臺再將資料交由科研院所研究使用，所得成果反哺給診所和醫院。這樣就形成了資料採集、統一管理、脫敏、研究、反哺應用的閉環。

Goebel教授認為，醫療資料從產業到科研再反哺產業的閉環形成，得益於兩個重要因素：一、明確資料歸屬權。因為根據先前的有關醫療資料法令，個人醫療資料歸個人所有。阿爾伯塔省獨具一格的優勢是，全省有統一的一個醫療體系。所以，對於資料歸屬權的問題，由這個機構出面協調溝通，會相對來說容易達成目標。

二、建立具有公信力的第三方資料平臺。要說服全省人民把個人醫療資料拿出來，需要有公信力的資料平臺確保實施過程中的資料保護和資料隱私安全問題。在阿爾伯塔省，做這件事的機構正式醫療機構自身，Alberta Health Services。換句話說，是來自應用端，而不是純技術端。

這樣做的好處是，應用端最懂資料應該怎麼被使用，也更有動力認真收集、上傳資料，從而確保了資料質量。相比較純技術類機構，人們也對醫療機構對資料的保護更有信心。

這個閉環的形成，是因為最後利用這些醫療資料取得的研究成果，會反饋到Alberta Health Services，從而真正幫助醫療從業者幫助患者。

Goebel教授認為還提到了高校科研成果在產業化中的挑戰：“有些演算法在測試環境下會表現很好，但是優質資料集太少了；一旦在應用場景下經受檢驗，就會出現各種各樣的問題。”

另我們吃驚的是，與其他狂熱的“AI大咖”不同，Goebel教授似乎在哲學上對AI存在的意義提出了不同的看法：“你們覺得世界是否真的需要AI技術呢？” Goebel教授分享說，在歐洲的一個小鎮，完全沒有裝交通紅綠燈，更沒有用智慧的手段管理道路。從效果上來看，反而交通變好了。

Goebel教授接著說，“對於這個小鎮的管理者來說，為了更好地改善小鎮的交通，意味著需要在基礎設施投資和智慧汽車投資商二選一。鋪設智慧的基礎設施和直接提升車輛的智慧程度，可能效果是一樣的。一輛自動駕駛汽車，如何學習交通規則？比如不同國家對車輛在環島的行駛有著不同的規則。這些是整車廠非常注重而目前的自動駕駛創業企業不太重視的。”

“這個小鎮最後把所有的交通紅路燈都拆除了，結果交通事故率大幅下降。這件事也讓我反思，這個應用場景是否真的需要AI來解決？”

Goebel教授最後分享了對AI領域的同學，特別是NLP學生的科研建議：年輕就要多讀paper！特別是2015年前的經典paper。AI不會是永恆的潮流，要有熱愛才能在這個行業裡持續做下去。“我也是在這個領域工作了40多年才有了這些微笑的成就。”老爺子傲嬌地表示。