张亚勤是1998年决定回国的，距今已过20年。
这20年中，技术变革天翻地覆，中国发展也日新月异。他见证了互联网在中国的从弱到强，也看到了中国AI正在生发出的全球影响力。
但张亚勤坦言，这一切都是10年、20年前难以预料的，最近这一年来，新技术、新趋势和新变革令他着迷，也令他兴奋不已，他甚至最近都在“闭关”读论文，以求第一时间了解最新的技术进展。
他如何看待当前趋势？又有哪些思考、提醒和最新判断？
在与量子位的独家对话中，这位百度总裁分享了他最新的所见、所闻和所感。
（为便于完整了解亚勤所思所想，我们将对话在不改变原意的基础上，进行了第一人称改写，小标题均为后添加。）
△百度总裁张亚勤 深度学习有大缺陷 终极算法赖于类脑突破
我最近两个月把自己的社交网络都停了，朋友圈关了、微博也不看了，现在每天晚上有时间就看论文，比如算法相关的、量子计算等，读书、看论文，发现认知又有提升。
我也在建议我小孩，可以试着把社交网络暂停3个月，然后多读读论文和书，会有增益而不是损失。
当前蓬勃发展的新技术让我兴奋，十年前决计想不到会有今天这样的爆发。
AI的再次火热因深度学习而起，但从算法复杂度、逻辑和计算机科学的角度，深度学习其实并不复杂，终极算法是什么？一切还只是小荷才露尖尖角。
我正在读的一本书，来自多明戈斯（Pedro Domingos）——《终极算法》，其中介绍了5个人工智能学派：符号学派、进化学派、联结学派、统计学派和类脑学派，他认为决定未来走向的终极算法，可能就在这5大学派中。
目前，占主流的是联结学派，通过大量数据做深度学习，建多层网络，就已经展现出了巨大的影响力。
但其实它对人的大脑基本不懂，只是用可监督学习，有输入、输出，然后就靠调参数，用反向传播来优化，优化好之后模拟一个大函数，进而来了新数据之后做新预测——并没有真正用到了人脑学习原理。
联结学派的深度学习模式，在数据量很大、数据有规则、模型有相对规律的情况下，这一套能运行得很漂亮，所以在围棋、语音和翻译等领域，都取得了大突破。
然而它跟人脑学习一比，差距就显而易见。比如小孩学习新事物，并没有那么多数据，小孩学习也不靠语音交互，基本都是看了就记住了，并且马上就能判断及决策。这都是当前AI和深度学习不能相提并论的。
而且当前这种主流算法消耗的计算资源和能量也很高，深度学习依赖海量数据，需要很强的计算资源，有点像大力士，孔武有力，但无法四两拨千斤，不够聪明。
那如果参照大脑，走类脑科学的模式，不仅可以低功耗，而且能有更多决策、记忆系统和突触结构。我们大脑有1000亿神经元，中间通过突触连接，突触本身还能存储信息、参与计算，实现决策，整体结构之精妙复杂，令人惊叹，而且功耗还非常低，运算速度很快，如果我们真能在类脑结构方面实现突破，将大大改变现有的冯·诺依曼架构。
可以看到的是，当前AI芯片层出不穷，都希望在类脑计算方面取得突破，可以学习大脑、学习交互、学习人脑学习系统，然后用低功耗、高效率、有意识的模式进行发展。所以越思考、越往后看，就越能感受到目前深度学习在理论上的大缺陷。
比较起来，我很关注类脑理论，AI要发展得更好，就必须要了解人是怎么学习的，刚才谈到人类小孩的学习能力，如果原理上能让机器学会，都会带来新的跃迁和突破。
于是计算机和生物学跨界交叉研究也越来越受到关注。一方面是从生物学的角度给计算机带来启发，另一方面则是计算机赋能生物研究。之前大脑emotion相关的病症，比如癫痫、老年痴呆、小儿自闭症等可能都是大脑信息传递流程中出现了问题。
拿癫痫来说，病理是神经元一直很活跃，电流就很容易激活，然后毫无征兆就能把人搞晕。那是不是可以通过调节synapse（突触）来降低其活跃度，技能治疗癫痫？此前生物学上难以解决，但现在计算机可以模拟神经元了，能够运用算法可以建立模拟模型，等到进一步知晓如何模拟连接，或许就能治愈癫痫。
我始终觉得，类脑算法中除了研究人脑工作原理——有记忆能力、低功耗，可以做决定，也有待于突触研究的突破，这些连接神经元的部分本身就能存储、计算信息，是一个复杂但令人称奇的系统，这个领域一旦有新突破，或许就能弥补深度学习的不足，进而推动AI实现新的跃迁。
量子计算加速AI 5G带来基础设施大变革
终极算法之外，量子计算的发展也让我兴奋不已。百度前段时间已经成立了量子计算研究所，接下来还有多位世界级科学家加盟。
怎么看量子计算呢？我们从两方面思考。一方面是硬件，另一方面是软件。
硬件方面有量子计算机——有超导方式、半导体方式、光子方式等，我不知道最终哪一个会胜出，但百度会在硬件方面保持合作心态。
我们会更看重软件生态的部分，从三个A的角度看待，也将是百度布局的重点：一个是Algorithms算法，一个是Architecture架构，一个是Application应用，这三个缺一不可，不过算法和架构，我认为还会沿着AI的方式继续向前。
但量子计算带来的变化，将是颠覆性的。这不需要十年二十年，很可能五年左右就会发生。如今机器学习所需要的几个部分，比如大量优化算法、现行方程式、大矩阵计算，以及其中的多项式、大函数，都是量子计算所擅长的，量子计算可以把整个复杂度降低，我们称之为指数型加速。
同样能够带来基础设施革新的是5G。跟2G、3G、4G一样，这又将是一次带宽和信息传输的大革新，会推动AI相关应用更快发展，比如自动驾驶、智能制造和智能家居，其中都有高流量、逼真、交互等相关需求，5G会带来更大带宽，流量也会进一步便宜，新的基础设施+新的技术趋势，就会推动整个产业有大变革，所以这次5G会和AI密切相关。
AI很重要的一部分是万物有灵，5G会让IoT变得更加可能，计算在边缘终端就能实时完成，加之网络虚拟化可以跟现在互联网IP无缝衔接，技术的融合会带来更大的想象。
但越是一片欣欣向荣，越有一些隐患就要留心注意。
警惕AI寒冬
我认为可能有2点需要注意。
第一，要有更长远的心态，其实目前AI在产业有一些泡沫，大家追求短平快，真正研究类脑科学，做算法、深层研究的人还是少，包括量子计算、AI基础算法的人还是少一些，这东西可能要几年后才能出成果，需要一些在安安静静的、长远的心态去进行。
第二，不要犯“短期内高估、长期内低估”的错误，每一个新技术带来，大家往往短期内看得很高，长期又低估了影响，所以我现在很害怕出现所谓的“第三次AI冬天”，因为产业很热，创投很热，可能就会有一些公司亏钱甚至消失，AI不会像很多人预想的那样短期内马上就颠覆所有行业，所以这个时候更需要有耐心，因为这会是一个长期投入的过程，AI对整个社会的影响会是春风化雨的。
或许可以拿千禧年前后的互联网泡沫举例，那时泡沫刚刚破裂，很多人不再相信互联网的价值，但后来事实证明，真正有能力的互联网企业，都是在那个时候成长壮大的，而且我也觉得，现在整个中国科技发展很健康。
而且AI商业化也正在各行各业展开，我可以分享下百度的思路。
AI商业化
百度AI商业化战略也非常清楚。一是通过AI提升现有业务，搜索和信息流，这是双引擎。另外就是进入新的领域，一个是家，一个是车。
AI+云计算方面，关键在于如何到垂直行业中去，比如说金融、医疗、教育、物联网、媒体，就是所谓的落地。
我们现在在几个行业里做得都不错，一个是金融，银联商务、广发银行、浦发银行、百信银行、百度金融的业务落地也相当快。这里面主要依靠的是大数据，数据建立一些风控的模型，建立反欺诈的模型，包括对人的行为的分析。
另外在多媒体方面，包括视频的编码、转码、视频播放，比如像直播、长视频、短视频怎么样去切割视频，我们探索的是怎样对视频内容进行更好的管理。百度信息流里有很多视频，还有爱奇艺，本身就有这个需求。
此外还有物联网相关的落地，包括智慧城市大生态。目前的合作主要是在平台和技术，同时我们会继续寻找每一个场景落地的合作伙伴，最终共同把这个行业打造成一个大生态。我们现在有四、五个行业靠云去实现AI商业化落地。
OMT：区块链技术漂亮，但应用需要观望
也有人问我关于区块链的事情，我觉得技术本身很漂亮，都是经典的分布式计算技术，但具体经营和应用模式，目前还不算明朗，现在只有加密货币是主要应用，但货币的意义很不简单，稍有不慎就会出现别的问题。
所以我想区块链的经营和应用，可能还需要一点时间，我对区块链持开放态度，但在没有想清楚应用场景之前，不希望作过多评论。
当然，我认为区块链确实是一个创新，技术很漂亮，产业也需要大家去尝试，只是切忌在没有想清楚之前就大面积炒作，这一点跟AI、机器学习还不同，后者早已在好几个领域开始发挥价值了。
评论
发表评论