10 月 31 日，由北京智源人工智能研究院主辦的 2019 北京智源大會在國家會議中心開幕，會期兩天。智源大會是北京創建全球人工智能學術和創新最優生態的標誌性學術活動，定位於“內行的 AI 盛會”。 在大會現場，智源研究院院長黃鐵軍接受了 InfoQ等媒體的採訪，黃鐵軍向記者表示：人工智能現在很熱，大家都很重視，但這其實並不是最重要的。在我們做人工智能的專業人員眼中，最重要的是人工智能翻過了一個“坎”，像深度學習，在人工智能裏面只是一朵浪花，它並不是全部。
以下是黃鐵軍院長的訪談實錄：
黃鐵軍：人工智能的發展現在很熱，大家很重視，但在我們做人工智能專業人員的眼裏，實際上這並不是最重要的，那麼最重要的是什麼東西呢？最重要的是人工智能已經翻過了一個坎，如果把人工智能比作一個海洋的話，深度學習則是海洋裏面的一朵浪花，它並不是全部，最多可以算一個大浪。
在過去的六十多年裏面，人工智能有過高潮也有過低潮，經過兩次起起伏伏之後，我們認爲人工智能這次是衝過了一個坎，衝過坎之後就是對人類產生巨大影響的時代，我們即將進入智能時代，就像我們進入電氣時代、信息時代一樣。現在我們已經翻過了進入了智能時代的坎，將來的發展空間很大，發展速度也會很快。
在這樣的一個過程中，北京很有希望成爲一個全球頂級的人工智能的創新中心。我們做過比較，全世界做人工智能的城市有很多，它們存在很多優勢，比如舊金山有硅谷；紐約周邊除了著名的大學之外還有很多企業；倫敦也有很多著名的公司、著名的大學等。
那麼，爲什麼我們對北京成爲世界領先的人工智能創新中心這麼有信心呢？
衆所周知，中國的應用機會多、數據豐富、場景也是多種多樣，但有一點大家很少關注，那就是人才。我們認爲決定未來更重要的因素是人才，他們包括新一代創新者，也就是新一代的年輕人。回過頭來看，在人工智能這將近一百年的時間裏，其中最重大的成果創新全是年輕人。比如，在1931年和1936年分別由圖靈和哥德爾提出來的兩個計算機人工智能重大創新。圖靈是“圖靈的計算模型”，哥德爾就是“哥德爾的完美定理”，他們在24歲就做出來了。
所以，我們同樣有理由相信，在人工智能發展的大潮下，類似這樣的頂級成果，會有很大的機會在我們北京這片土地上發生，這也是我們建立智源研究院最有信心的地方。我們會先把架構搭起來，並選出一批從事基礎研究、核心技術研究的人才，讓他們能夠安心穩定地長期在各個單位持續做下去。
Q：您剛剛提到深度學習只是人工智能大海中的一朵浪花，我們瞭解到您有一個研究方向是關於類腦計算的，基於深度學習的人工智能和類腦智能應該怎麼去區分？以類腦計算爲主的人工智能有什麼突出的優勢嗎？
黃鐵軍：實際上這兩個概念並不能並列相比，我們列的方向也是分了層次，在我們看來，最初至少要分三個層次來看這些技術方向。用我以前做報告用12個字來說就是：智能爲用、機器爲體、學習爲魂。人工智能我們要看三個方面，其他複雜系統也要看這三個方面：
第一，什麼樣的物理載體在實現智能。智能爲用，我們關心一些智能可以實現什麼，視覺、聽覺、自然語言、識別、分類等，這些指的是功能層次。雖然大家更願意看功能層次，但我們還是想一想實現這些功能的是什麼樣的機器，換句話說就是，這些功能是由什麼樣的物理載體實現的。還有一點很重要，其實這些功能都是通過學習學到的，而不是以前經典人工智能時代認爲的人類賦予它的。就目前而言，越來越多的智能是學來的，哪怕我們人的智能、生物的智能也都是學來的。
第二，學習背後的模型和方法是什麼。深度學習是一個很好且有效的工具，它是人工智能發展過程中爲數不多的一個可行的方法和模型。但我們想說的是，深度學習也只是衆多學習方法中的一種，還有很多其他的學習方法值得我們去探索。而且學習並不能憑空存在，它需要一種物理的載體，如果沒有這個載體，學習最後落到哪裏呢？
很多人老是說現在大數據，將來做小數據，像人一樣去舉一反三，做到看一、兩個例子，就能讓人工智能學會怎麼去做。人之所以能夠做到舉一反三，是因爲人有大腦，這是一個學習能力很強的大腦，如果不是人腦這樣物理載體的存在，而是一塊石頭，無論訓練多少次也變不成智能的系統。
所以類腦計算首先要解決的就是這個問題，我們要創造一個更強大的能夠學習訓練的物理載體，用以支撐人工智能的存在，就比如人如果先天性大腦不足的話，學習也是有上限的，人工智能也是一樣。
我經常打比方，猴子的大腦只有人類大腦神經元的1/10，猩猩的大腦只有人類的1/3，像這樣的大腦無論怎麼學習，也學習不出人類的高級功能，比如語言等。雖然猩猩很接近人類，但是從出生開始，人跟它一起生活，教它十幾年，也學不會人話，不是因爲環境不好，更不是因爲學習的過程不好，只是因爲它的腦子不夠使，猩猩的腦容量只有1/3的人腦容量，並沒有進化出人腦複雜的結構，就出不來這樣的功能。
所以，總的來說，類腦計算並不是要跟深度學習去比，它是要創造出一個新的更強大的物理平臺。
Q：類腦計算相關的技術體系包括哪些部分？
黃鐵軍：將來類腦計算變成應用之後，會形成類似於今天的一些產品，會有芯片，也會有類似軟件層面的東西。目前，我們更多是在研究怎麼構造這樣一個系統，以及弄清楚這個系統的結構是什麼。如果知道了這個結構，知道了神經元等，你需要進行下一步——做一個裝置試運行，但是應該用什麼樣的材料、什麼樣的器件去做呢？這也是我們需要解決的問題之一。
類腦計算目前還處在研究的階段，並不能馬上變成一個芯片，但它依舊是人工智能發展的一個必須方向。
Q：智源怎麼去判斷現在應該支持或者投資哪些技術，哪些技術對於未來整個技術方向來說是非常重要且具有很大潛力的？
黃鐵軍：我們不支持任何技術，也不支持項目，我們只支持人。我們現在最重要的是把“選人機制”做好，至於這個人做什麼技術、做什麼項目，他本人最具有判斷力。往寬裏說，現在大部分是以項目爲中心的支持方式，然而項目制是很現實的，一個項目肯定需要確定技術方向、項目週期等，但是對於原始創新來說，這些是很難規劃的。
比如，我正在做着某個項目，你非要讓我現在就寫出兩三年之後的目標，但我真的不知道怎麼些，這些都是由創新本身所決定的。以數學問題爲例，誰又敢說在三年之後就一定能解決某個數學猜想？
所以，在智源裏面幾乎不用“項目”這個詞，我們絕對相信這些學者都有自己的夢想，這也將是他們在這個領域做出開拓性創新工作的內在動力。我們給的不過是在他們孤獨的探索過程中一個支持而已。
Q：選人有具體的標準嗎？
黃鐵軍：選人的程序，大方向是研究院提出來的，人工智能作爲一個領域，到底哪些方面的研究是必須的、重要的，類似這種大方向的東西是由我們共同制定。剛纔我們已經發布了五個研究方向，未來還會發布5-10個，預計總數會達到15到20個。
我們會在北京，給每個方向找一位首席，之後再通過這位首席，找相關領域的著名專家，大家一起討論，進而形成一張一二十人的名單。再經過幾輪討論，進一步把名單確定下來，名單上的人就是我們所要支持的學者對象，他們不需要答辯，換句話說，這樣的篩選可以被當作一種同行認可的過程。 再後面，青年學者由學者提名，大家一起提出二三十個青年人，通過答辯，進而篩選出某個方向的青年學者。
全世界那麼多城市，真的做一個特定方向的時候，一定要找懂行的人一起討論，一定要有激烈的爭論，這樣纔會出現一些新東西。我相信會有越來越多的人願意參與到這個計劃中來。
Q：目前在國際上有沒有與智源學者計劃類似的計劃或者有競爭性的計劃？
黃鐵軍：爲了促進人工智能的發展，大家都有很多創新。跟我們有點接近的，比如蒙特利爾一個叫MILA的，是圖靈獎獲得者Bengio牽頭組織的一個機構，這個機構也是把相關單位的研究人員通過一個組織聯繫在一起，做得很好。
英國也有一個研究所叫圖靈研究所，圖靈研究所則是把英國範圍內的人工智能、計算機、大數據的學者聯絡在一起，但他們是一種比我們還要鬆散的組織形式。
與這些組織相比，我們是有一定優勢的。實際上，我們對學者都有直接的支持，我們一方面希望學者本身自由探索，做重大問題，另一方面我們同樣希望他能夠堅持一直做下去，所以對於每位學者，我們每年都會有100-150萬的支持，這樣大家就不用太被人工智能熱一陣冷一陣所影響，進而安心地去做研究。
Q：您怎麼看待研究成果未來的市場化和商業化，咱們有一個聯合實驗室去做各種場景的實施，這些是不是也都是爲商業化做的準備？
黃鐵軍：聯合實驗室跟商業化落地還不太一樣，研究成果的產業化這個對於研究院來講是副產品，不是我們追求的目標。我們要推動的是原始創新和核心技術，這裏面有些可能短期之內沒有什麼商業價值，長期來說也未必有什麼商業價值，就只是一個理論上的突破。至於誰能把那樣的理論、方法用到商業價值上，可能完全是不同的人、不同的團隊，在未來這都有可能發生。
我們的中心任務是不斷去推動前兩點，在這個過程中能夠落地、能夠產業化，我們也很高興。聯合實驗室並不是說要把成果落在企業，我們不是那個目的，企業是爲創新提供一個平臺，這也是企業對社會貢獻的一種方式。像我們在學校做研究，並沒有足夠多的數據能利用，但是像京東、曠視、頭條他們有。
在整個聯合過程中，肯定會產生一些新的成果，比如我是學校的一位教授，我的課題組在京東的聯合實驗室做出了一些結果，然後我去發表論文，論文內容就是我在京東世界最大規模的對話數據上取得了最好性能，這樣就可以說我們達成了聯合實驗室的目的。如果京東說“你的算法很好，我想用到我的產品裏面”，那麼這個時候，我們會再談怎麼許可使用等，京東不會獨佔這個技術，其他的企業也可以用。
所以，在我們看來，聯合實驗室更多會是一個促進創新的平臺。