作者 | 陳大鑫
昨日，北京大學新聞網釋出官方訊息：朱松純教授受聘擔任北大人工智慧研究院院長。
北大常務副校長龔旗煌、副校長黃如（第一任人工智慧研究院院長）代表學校，對朱松純受聘北大表示熱烈歡迎。
圖源：北大新聞網
朱松純，全球著名計算機視覺專家、統計與應用數學家、人工智慧專家。曾任美國加州大學洛杉磯分校（UCLA）統計學系與計算機系教授，UCLA計算機視覺、認知、學習與自主機器人中心（VCLA）主任，並曾兩度擔任CVPR大會主席（2012年和2019年）。
因在計算機視覺等人工智慧領域做出的系列開創性工作，朱松純多次問鼎電腦科學國際大獎。他在2003年獲得計算機視覺領域國際最高獎項之一的馬爾獎（The Marr prize），並於1999年和2007年獲馬爾獎榮譽獎。
在北京大學人工智慧研究院工作會議上，朱松純表示，自己與北大、清華的相關學者一直保持著密切的學術交流與合作，有很多朋友和合作夥伴。
近一段時間來，他還深入考察瞭解了北大、清華等高校的情況。在北大，他與多個研究方向的師生進行了充分的交流，並認為北大的人工智慧及相關學科有著很深厚的積澱。
他還深入瞭解了北大人文社科領域的發展狀況。他認為，人工智慧的發展，離不開哲學層面的思考，文理醫工等學科應該進行充分的交叉融合，要充分發揮北大在人文社會科學等方面的優勢，突出交叉領域的研究。
1 朱松純與通用人工智慧
朱松純教授這次其實是以國家戰略科學家的身份回國，受北京市政府、北京市科學技術委員會邀請，籌建新型科研機構（民辦非盈利）——北京通用人工智慧研究院（Beijing Institute for General Artificial Intelligence），並出任院長一職。
朱松純特別強調，他將主動發揮好橋樑紐帶作用，推動北大、清華等各兄弟院校精誠合作，共同來參與、支援北京通用人工智慧研究院的建設。
據公開資料，北京通用人工智慧研究院作為北京人工智慧科學發展的重大戰略部署，將聚焦人工智慧前沿技術，以全球創新的“小資料、大任務”為研究正規化，以多學科高度融合、國際學術交流、培養中國新一代人工智慧青年科學家為宗旨，匯聚超千名人工智慧專業領域研究員、學者、專家，致力於將人工智慧大一統理論框架實踐落地，共同推動中國原創人工智慧的發展與創新，打造新一代通用人工智慧平臺。
那麼該如何打造這個通用人工智慧平臺？
或許朱松純教授在19年10月31日的智源大會上的演講中給出了部分答案。
朱松純教授這次演講的主題為《走向通用人工智慧：從大資料到大任務》。
以下是演講目錄：
1、大資料與大任務之爭
在演講中，朱松純教授提到他們其實是最早做大資料的一個團隊：2005年，朱松純在其故鄉湖北鄂州創辦蓮#花#山研究院，籌建了世界上最早的大資料標註團隊，其中就包括後來在史丹佛標註 ImageNet 的李飛飛等人，最後釋出了精細化程度最高、語義資訊最豐富的大規模資料庫 LHI Dataset。
蓮花#山計算機視覺研究院研討會合照，李飛飛在第三排右五
但是朱松純教授後來覺得標資料這條路走不通，所以2009 年左右，他就轉型去做認知科學，也開始做起了以任務為中心的智慧。
2、任務：智慧的中心
朱松純教授認為人工智慧系統往往由三個要素決定：第一是構架，也就是智慧；第二是環境資料；第三是任務。
而這裡又涉及到了三個層次的解法， 第一個層次的解法其實就是目前火爆的大資料+深度學習。
第二種層次的解法是任務理解：
以理解椅子為例，要定義什麼是椅子，首先要獲得人的經典坐姿，之後用各種位置、各種朝向、各種姿態的坐姿擬合影像，能夠坐舒服的就是椅子，這就是一個任務理解。
這時椅子就變成了一個任務等價類，不管什麼物體，能夠坐、坐得舒服的就是椅子。這也代表了一種想象:這把椅子怎麼坐，這和深度學習是不同的：Regression拿特徵去擬合，是一種統計，而Simulation 是得用身體去想象，這兩者有著根本區別。
第三層次的解法是物理推理與人類的功利價值選擇:
這裡就是怎麼坐得舒服，這是人類的價值判斷：首先這個椅子要坐得穩才行，而物理穩定是神經系統裡非常敏感的感知，能學到這點才能達到第三層次。
以任務為中心也需要做到物理常識與任務的泛化：
以任務為中心還需要做到時空、因果聯合解譯與推理：
真正要做到以任務為中心，還要做一個統一的系統，融通六大領域，即計算機視覺、認知科學、語言對話、機器學習、機器人學習等。
以任務為中心，還需要AI與人交流協作的認知架構：
3、如何構建“大任務”訓練與測試平臺呢？
用AI自動生成三維虛擬生活場景：
用微分方程模擬物理現象：
用各種物理操作，定義基本任務：
對物體操作以記錄壓力和軌跡：
訓練出一隻自主的智慧體--“烏鴉”：
這裡烏鴉指的是一種是“烏鴉正規化”：烏鴉找到核桃之後，會把核桃扔在路上讓車去壓碎了再吃。但是如果路上車太多烏鴉則吃不到核桃，於是烏鴉把核桃扔到斑馬線上，綠燈亮時車都停住了，它就可以去吃。這裡烏鴉既沒有大資料，也沒有監督學習，卻完全可以自主地完成其中的因果關係、利用資源完成任務，而且功耗非常小：小於 1瓦。
做到任務學習與泛化：
最後朱松純教授總結道：
1，“大資料”和“大任務”兩種正規化之爭，99%的人都是押注大資料，但是10年前我就押注大任務。
2、任務是智慧中心。我們有面向任務的作業系統、程式語言和體系結構。
3、如何構建大任務的平臺：要能夠在裡面訓練出“烏鴉”，這裡面有很多數學問題、理論問題和工程問題要解決。
以上朱松純教授提出的大任務會是通用人工智慧的部分答案嗎？
既然朱松純教授特別強調他將主動發揮好橋樑紐帶作用，推動北大、清華等各兄弟院校精誠合作，共同來參與、支援北京通用人工智慧研究院的建設。
那麼不如來看一下清華大學人工智慧研究院又能給通用人工智慧的建設帶來哪些啟發或難題吧。
2 通用人工智慧是第三代人工智慧嗎？
張鈸，中國科學院院士，清華大學人工智慧研究院院長，計算機系教授，博士生導師。CCF 會士、2014 CCF 終身成就獎獲得者。
2019年11 月 18 日，張鈸院士還獲得了「吳文俊人工智慧最高成就獎」，他是繼陸汝鈐院士之後的第二位獲此殊榮的科學家。
在中國人工智慧發展的整個歷史長河中，他也扮演著先驅性的角色：他是中國人工智慧奠基人之一，見證了並推動了中國人工智慧的白手起家階段到如今呈日益繁榮之勢；現在，他依舊身體力行地依舊活躍在人工智慧的最前線——親自擔任清華人工智慧研究院院長、在國內國際各大會議舞臺上做演講，帶領著後一代人工智慧研究者在人工智慧這條道路上不斷結出碩果，併為他們指明人工智慧未來的發展方向。
在2019年9月21日，2019第五屆中國人工智慧大會（CCAI 2019），張鈸做了題為 「邁向第三代人工智慧的新徵程」的一場演講。
張鈸院士指出，我們現在有個新的歷史機遇，就是邁向第三代人工智慧。第三代人工智慧就要糾正兩個侷限性，建立可解釋、魯棒的人工智慧理論，發展安全、可信、可用的人工智慧技術，促進人工智慧的創新應用。
而清華成立人工智慧研究院就是想擔負這個責任，透過一個核心和兩個融合來解決：一個核心是加強基礎研究，必須從理論上去突破：深度學習的原理就不對，不是用人類一樣的原理。所以我們必須更好地去解決它，才有可能往前邁進。
用的方法主要是兩條，其中一個是多學科交叉，必須跟心理學、神經科學等多學科交叉；第一個人工智慧模型是心理學家提出來的，第二個模型是神經科學家和數學家提出來的，都不是做計算機的人提出來的，所以必須要加強學科交叉，應用結合。
到這裡可以停下來思考一下，先不提安全、可信、可用，朱松純教授提出的“小資料大任務學習”是可解釋和魯棒的嗎？通用人工智慧是第三代人工智慧嗎？
3 通用人工智慧不等於強人工智慧
通用人工智慧的發展是好事，真發展出來了也是喜事，但是這裡不能把通用人工智慧和強人工智慧混淆。
“強人工智慧”一般是指達到甚至超越人類智慧水平的人造物，具有心智和意識、能根據自己的意圖開展行動的智慧，而“通用人工智慧”其實是希望借鑑人類的智慧行為，研製出更好的工具以減輕人類智力勞動，其實質應該是行為智慧和任務智慧，本質還是弱人工智慧，類似於“高階仿生學”。
南京大學人工智慧學院院長周志華教授曾在《中國計算機學會通訊》2018年第1期《專欄》裡提到：
人工智慧技術現在所取得的進展和成功，是緣於“弱人工智慧”而不是“強人工智慧”的研究。
1、從技術上來說，主流人工智慧學界的努力從來就不是朝向強人工智慧，現有技術的發展也不會自動地使強人工智慧成為可能。
如果人們的目標是造個工具砸東西，那麼造出錘子來就好了，無須考慮讓錘子有心智、意識，也不必考慮是否要讓錘子自己感覺到“疼”。事實上，人工智慧研究活躍的子領域，都是與製造智慧“工具”直接相關的；而對“強人工智慧”必不可少、卻與“工具”不太相關的內容，如自主心智、獨立意識、機器情感之類，罕有嚴肅的研究。所以，現有技術即便發展再快、發展再好，也不會直接使得強人工智慧成為可能。
2、即便想研究強人工智慧，也不知道路在何方。
有一種說法，認為如果能夠模擬出“人腦”，把其中的神經元、神經突觸等全部同規模地仿製出來，那麼強人工智慧就會自然產生。
然而實際上，即便我們能精確地觀察和仿製出神經細胞的行為，也無法還原產生出智慧行為。沒有理由認為獲得了目的碼就能還原出原始碼，因為這樣的“反向工程”即便對軟體程式來說也幾乎是不可能的，更何況神經細胞內部還存在“分散式表示”。
3、即便強人工智慧是可能的，也不應該去研究它。
任何一個科學研究領域或許都存在一些不該去觸碰的東西。例如克隆人是被主流生命科學界所禁止的。強人工智慧的造物將具有自主心智、獨立意識，那麼，它憑什麼能“甘心”為人類服務、被人類“奴役”？
即便它是善意的，人類又憑什麼認為它會同意比它“愚蠢”的人類的判斷？例如它會不會以為把人類全部關進監獄就可以避免人類互相殘殺，這才是對人類整體最好的？至於說，到時候人類如果覺得危險了，可以把機器的電源斷開……這只是開個玩笑吧，真到那個時候，機器恐怕早就能採用其他的方式攝入能源了。
總之，強人工智慧出現的那一天，恐怕真的就是人類面臨最大生存危機的時候。所以，對嚴肅的人工智慧研究者來說，如果真的相信自己的努力會產生結果，那就不該去觸碰強人工智慧。
4 感想
《紐約時報》6月份曾經刊登了一篇標題為《美國AI的秘密武器》的文章，文章的核心觀點是：中國人才在美國人工智慧領域做出了巨大的貢獻，尤其是在中國受過教育的學者，為美國公司和學校在前沿領域佔據主導地位提供了巨大幫助。
在AI頂會論文這一項指標中，文章稱：“去年大會發表的論文樣本中，超過一半論文作者來自美國——儘管許多頂尖AI研究人員是在中國開啟學術生涯的，但如今已不在中國。”
最後，《紐約時報》得出結論：美國AI的秘密武器是中國人才。
毫無疑問，隨著美國政府近期一系列的封閉、打壓的政策主張，美國的AI秘密武器將會減少，或許有更多的中國人才回到中國。
以朱松純教授為例，以人才和平臺為依託，伴隨頂級高校、政府的大力支援，有關通用人工智慧的發展，中國或許會走在前列~
清華張鈸、北大朱松純、南大周志華，他們都是各自學校的人工智慧學院/研究院院長。張鈸院士是中國人工智慧發展的先驅代表，朱松純教授是回國AI大牛的代表，周志華教授是中國本土成長的AI大牛的代表，有這“三位”在，中國AI的未來一片光明~
參考連結：
1. https://mp.weixin.qq.com/s/6DUds4u0gXNRqyLhCkiNhQ
2.