MIT名譽(yù)校長預(yù)測：機(jī)器學(xué)習(xí)會成為被廣泛使用的工具

未來，機(jī)器學(xué)習(xí)會成為一種被更廣泛使用的工具。機(jī)器學(xué)習(xí)“會變得像使用Word、PowerPoint或者Excel一樣”，任何一個領(lǐng)域的研究人員都可以更容易地使用它。

9月17日，麻省理工學(xué)院（MIT）名譽(yù)校長埃里克·格里姆森（Eric Grimson）在接受采訪時做出了以上預(yù)測。

Eric Grimson出生于1953年，是一位加拿大裔計算機(jī)科學(xué)家，現(xiàn)為麻省理工學(xué)院學(xué)術(shù)發(fā)展名譽(yù)校長和麻省理工學(xué)院計算機(jī)科學(xué)與工程系教授。

Eric Grimson的主要研究領(lǐng)域是計算機(jī)視覺。他的研究團(tuán)隊在計算機(jī)視覺領(lǐng)域開創(chuàng)性地研發(fā)了活動和行為識別、對象和人識別、圖像數(shù)據(jù)庫索引、圖像引導(dǎo)手術(shù)、場地建模等系統(tǒng)。

2005至2011年，Eric Grimson作為系主任掌管麻省理工學(xué)院電氣工程和計算機(jī)系。

2011年至2014年，他擔(dān)任麻省理工學(xué)院的名譽(yù)校長。

目前，他是麻省理工學(xué)院學(xué)術(shù)發(fā)展名譽(yù)校長。

談中，Eric Grimson對澎湃新聞記者暢談了機(jī)器學(xué)習(xí)的未來：

未來，人工智能將以一個顧問的角色出現(xiàn)在醫(yī)療領(lǐng)域中。人工智能會在“個性化的醫(yī)療”中產(chǎn)生最好的影響，即基于大量的數(shù)據(jù)分析為某個特定的病人想出一個獨特的解決方案。這一過程中，AI只是提供建議，醫(yī)生仍需要把握最終的決定權(quán)。

未來，“AI會影響人類研究的每一個領(lǐng)域”，因此MIT正在進(jìn)行MIT IQ項目，以期搭建起一座由機(jī)器學(xué)習(xí)通往其他各個研究領(lǐng)域的橋架。這個橋梁可以使任何一個領(lǐng)域的研究人員都更容易地使用機(jī)器學(xué)習(xí)。

Eric Grimson笑稱他不喜歡提建議，因為如果給出的建議不奏效，那就是他的錯了。不過，他還是在言談中對大學(xué)生、大學(xué)教授以及建設(shè)世界一流大學(xué)提出了自己的看法。

在他看來，每個大學(xué)生都應(yīng)該了解一些計算思維（computational thinking）。無論你的專業(yè)是計算機(jī)科學(xué)、物理學(xué)、經(jīng)濟(jì)學(xué)、政治學(xué)還是任何什么，每個人都應(yīng)該了解“什么是算法”、“它可以如何幫助我”、“我是否該質(zhì)疑它”。但他也強(qiáng)調(diào)，年輕人不要為了學(xué)習(xí)機(jī)器學(xué)習(xí)而放棄自己所喜愛的領(lǐng)域，應(yīng)該把兩者結(jié)合起來，讓機(jī)器學(xué)習(xí)作為一種思路啟發(fā)你的思維，幫助你更好地從事所在領(lǐng)域內(nèi)的研究。

談到大學(xué)教授創(chuàng)業(yè)，他認(rèn)為大學(xué)教授和業(yè)界建立聯(lián)系是很有價值的，教授們不應(yīng)該僅僅待在象牙塔里思考偉大的思想。如果大學(xué)太脫離實際問題，就無法做到讓世界變得更美好。大學(xué)最終應(yīng)該做的事情是培訓(xùn)下一代的領(lǐng)導(dǎo)者，探索能夠改善人們生活的知識。但是，學(xué)校應(yīng)通過政策處理其中的利益沖突問題，不能讓學(xué)生為老師的公司工作。

在他心目中，一所真正偉大的大學(xué)，其最大的特點是愿意冒險，以及有鼓勵學(xué)生和教授承擔(dān)風(fēng)險的氛圍?！叭绻憧纯唇裉炷切﹥?yōu)秀的大學(xué)，幾乎所有都非常愿意冒險。更重要的是，他們鼓勵學(xué)生冒險。”他認(rèn)為，學(xué)生應(yīng)該敢于質(zhì)疑權(quán)威，而教授也應(yīng)勇于自我懷疑，尋找更好的研究方法。

對于人工智能領(lǐng)域的國際競爭，他不認(rèn)為未來會產(chǎn)生一個所謂的“世界中心” 。他還提到，中國在語音識別和計算機(jī)識別領(lǐng)域有很大的優(yōu)勢?！坝袝r美國領(lǐng)先一點，然后中國試圖領(lǐng)先一點，然后美國再稍微領(lǐng)先一點，這是一個友好的競爭”。

Eric Grimson幽默風(fēng)趣，他還在訪談中跟記者打賭。

他說：在未來短短的五年內(nèi)，所謂的長途卡車，也就是那些將貨物載到美國各地的大型16輪卡車，會完全自動化。它們將簡單地在舊金山城外完成裝載，然后開車去芝加哥，或者開去紐約，去波士頓。這將改變幾百萬人的就業(yè)機(jī)會。

Eric Grimson同時還是麻省理工伯納德·戈登（Bernard M.Gordon）醫(yī)學(xué)工程主席、美國人工智能協(xié)會會士（AAAI Fellow）、美國電氣與電子工程學(xué)會會士（IEEE Fellow）、美國計算機(jī)協(xié)會會士（ACM Fellow），并在麻省理工學(xué)院獲得了玻色教學(xué)卓越獎（Boss Award for Excellence in Teaching）。他于1975年取得加拿大里賈納大學(xué)數(shù)學(xué)（高榮）和學(xué)物理學(xué)士。1980年，他在麻省理工學(xué)院獲得數(shù)學(xué)博士學(xué)位。

他此行是為了來上海參加2018世界人工智能大會。

以下內(nèi)容為專訪實錄，翻譯自英文：

AI作為一個顧問：為醫(yī)生“出謀劃策”，給病人“量體裁衣”

記者：您在醫(yī)療領(lǐng)域的計算機(jī)視覺上做了很多工作，這些年計算機(jī)視覺也在癌癥識別、健康管理等方面取得了很多突破。在您看來，距離醫(yī)療AI大規(guī)模普及且進(jìn)入人們對日常生活，還有哪些困難需要突破？

Eric Grimson：我想你已經(jīng)看到了一些例子，說明AI技術(shù)可以對醫(yī)學(xué)產(chǎn)生影響。我會告訴你一些例子，然后我會討論為了使AI在醫(yī)療領(lǐng)域產(chǎn)生更大的作用，我們還需要做什么。

在許多成功的例子中，計算機(jī)技術(shù)不是在代替醫(yī)生，而是在改善醫(yī)生。有一個很好的例子叫做圖像引導(dǎo)手術(shù)（image guide surgery），在這種手術(shù)中，醫(yī)生可以在切開病人的身體之前看到病人體內(nèi)的情況。我們曾經(jīng)開玩笑地說它讓醫(yī)生變成了超人，醫(yī)生有了X射線（X-ray vision），他們可以看到人的體內(nèi)。有時這被稱為微創(chuàng)手術(shù)，這意味著你在病人身上開了一個很小的開口，這樣對病人的傷害就更小了。我舉個例子，在很多情況下，人們認(rèn)為AI會取代某人。但這這個例子中，通過讓醫(yī)生看到通?？床坏降氖挛?，AI讓醫(yī)生變得更好。

對于使AI醫(yī)療產(chǎn)生更廣泛的影響，我認(rèn)為，AI醫(yī)療會在“個性化的醫(yī)療”中產(chǎn)生最好的影響，即為某個特定的病人想出一個解決方案。我會給你一個例子，然后我會回答我們還需多久才能達(dá)到這種境界。我的一個同事是癌癥的幸存者。她患有乳腺癌。很不幸，對女性來說，這是很常見的事情。她對許多地方散布的信息感到非常失望。所以她建立了一個系統(tǒng)，把醫(yī)生的手寫報告、化驗結(jié)果、醫(yī)學(xué)圖像、家族病史、科學(xué)研究中獲取的信息，把這些所有信息放在一個地方，然后她告訴醫(yī)生：這是一個特殊的情況，你需要專門為這個病人設(shè)計方案。這是我認(rèn)為在AI醫(yī)療真正產(chǎn)生廣泛的影響之前，我們需要做到的一步。所以醫(yī)生不只是對病人說，你的情況其他人一樣，我會一樣地來處理。在個性化醫(yī)療中，醫(yī)生會看所有的信息，計算機(jī)將它們結(jié)合在一起，這樣醫(yī)生就可以為某個病人做出最好的決定，而不僅僅是一般的、通用性的治療方案。我想你很快就會看到這種方式，例如在癌癥治療中，或者在一些其他疾病中，因為這些AI系統(tǒng)將所有這些信息收集到了一個地方。

記者：AI醫(yī)生會不會帶來倫理上的問題，比如出了醫(yī)療事故誰負(fù)責(zé)？

Eric Grimson：你問了一個我認(rèn)為非常重要的問題。如果你不介意的話，我會適當(dāng)?shù)匕堰@個話題放大一些。我想AI領(lǐng)域中的很多人都意識到，在使用AI系統(tǒng)的過程中，倫理是很重要的。在醫(yī)療中當(dāng)然會出現(xiàn)倫理問題，這也可能會發(fā)生在自動駕駛的汽車上。如果發(fā)生事故，誰該為此負(fù)責(zé)？該如何判定他們的責(zé)任？這是政府需要做出的決定，是社會需要做出的決定。這些問題需要被好好地討論。我認(rèn)為在短期內(nèi)，最有可能的解決方案是AI系統(tǒng)幫助人們做決定（而不是做出最終的決定）。讓我們以醫(yī)學(xué)為例，想象一下，計算機(jī)查看所有的信息并將其組合在一起，它可以告訴醫(yī)生該怎么做，或者可以告訴醫(yī)生這是與這個病人相關(guān)的所有信息的最佳總結(jié)，這是計算機(jī)給出的建議，但醫(yī)生仍然可以做出自己的決定。但如果計算機(jī)遺漏了某些信息呢？那就還是會產(chǎn)生道德問題。所以我認(rèn)為，在短期內(nèi)，人還是應(yīng)該參與到?jīng)Q策環(huán)節(jié)中。

記者：所以你認(rèn)為AI應(yīng)該扮演一個顧問的角色？

Eric Grimson：是的，是的。特別是在醫(yī)學(xué)上，我認(rèn)為這一點是非常重要的。而且大部分我所知道的AI醫(yī)療領(lǐng)域的項目也都持有這個觀點，他們所關(guān)注的是“如何讓醫(yī)生成為更好的醫(yī)生的”，但最終還是由醫(yī)生做出決定。

記者：但在自動駕駛領(lǐng)域，這個決定權(quán)似乎是在AI手中？

Eric Grimson：你是對的。在一些例子中，人類沒有參與到?jīng)Q策中。自動駕駛汽車就是其中的一個例子。所以我認(rèn)為，研究人員需要盡自己最大的努力來確保這類問題盡可能少發(fā)生。但最終人們需要決定自己想要在什么程度上使用自動駕駛汽車，這是社會、政府和個人的選擇。

記者：MIT早在1963年就設(shè)立了人工智能實驗室，可以說是非常有前瞻性的。當(dāng)時為什么會想到設(shè)立這個實驗室？最大的優(yōu)勢有哪些？

Eric Grimson：MIT參與到了最早的AI研究，我想很多人都提到1956年在達(dá)特茅斯召開的一個會議，那是MIT、達(dá)特茅斯、卡內(nèi)基梅隆，還有其他一些學(xué)校。我想“人工智能”這個詞是在那次會議上創(chuàng)造的。

MIT這么早成立AI實驗室，有兩部分的原因。第一是有一些教授對這個問題很感興趣，所以他們想探索這個問題。第二個是，MIT認(rèn)為這是一個對未來非常重要的領(lǐng)域。我們花了六十年的時間看到AI真正的影響，但MIT就是這樣一個喜歡冒險的學(xué)校。有一些冒險成功了，另一些沒有。對于那些沒有起效的項目，就終止它，然后繼續(xù)前進(jìn)。但是我們認(rèn)為AI是一個能將神經(jīng)科學(xué)、腦科學(xué)以及早期的計算機(jī)科學(xué)知識結(jié)合起來的領(lǐng)域，這里有真正的做一些不同事情的機(jī)會。這就是為什么我們是最早的那批建立AI實驗室的學(xué)校之一。正如你所說，1959年是第一個項目，1962年或1963年MIT創(chuàng)建了第一個AI實驗室。

AI作為一種工具：讓人們像使用Word、PowerPoint一樣使用AI

記者：今年2月，MIT發(fā)起了MIT Intelligence Quest項目，這個項目的目的是什么？

Eric Grimson：你說得對，MIT發(fā)起了這個新的計劃Quest for Intelligence。這個項目有四個部分。我先告訴你是哪四個部分，然后再解釋我們?yōu)槭裁匆鲞@個項目。

第一部分我們稱之為“核心”（Core），它著眼于智力科學(xué)（Science of Intelligence）。這不僅僅是新電腦和新算法，而是想嘗試?yán)斫庠谌说拇竽X里發(fā)生了什么。神經(jīng)科學(xué)告訴我們大腦是什么樣的，認(rèn)知科學(xué)告訴我們?nèi)祟愂窃鯓铀伎嫉模@些信息綜合起來會告訴我們下一代的算法應(yīng)該是什么樣的。我們認(rèn)為這很重要，因為AI經(jīng)歷了很多周期，發(fā)生了很多變化。如今，深度學(xué)習(xí)很受歡迎，每個人都做神經(jīng)網(wǎng)絡(luò)。這些技術(shù)打敗了世界上最好的圍棋選手，令人印象十分深刻。

但這里有個問題，這些深度學(xué)習(xí)系統(tǒng)需要數(shù)以百萬計的例子，它們需要巨大的云計算能力。但對人類來說，情況就十分不同。你給一個2歲的小孩展示6個例子，她就能找出其中的規(guī)律。所以她的學(xué)習(xí)方法不同于那些深度學(xué)習(xí)系統(tǒng)。那我們可以從中學(xué)到什么呢？我們?nèi)绾卫盟鼇硭伎嘉磥淼募夹g(shù)呢？

第二部分我們稱之為“橋”（Bridge）。這是從AI到MIT其他任何領(lǐng)域的橋。這很重要，因為我們認(rèn)為每一個工程領(lǐng)域、科學(xué)領(lǐng)域、社會科學(xué)領(lǐng)域、設(shè)計領(lǐng)域都將受到機(jī)器學(xué)習(xí)和AI的影響。我們希望讓這其中任何一個領(lǐng)域的研究人員更容易地使用機(jī)器學(xué)習(xí)，就像讓他們使用Word、PowerPoint或者Excel一樣。你不需要成為計算機(jī)科學(xué)方面的專家就能夠很快地使用它并且理解它。

另外兩個部分，一個是倫理。我們需要真正理解使用這些系統(tǒng)時會遇到的倫理問題。

第四個部分的內(nèi)容是去理解AI系統(tǒng)將會產(chǎn)生的影響。例如，工作將會被改變，一些工作將會消失。我跟你打賭，但我不會要你任何的錢……我給你一個提示，也許在短短的五年內(nèi)，所謂的長途卡車，這些將東西帶到美國各地的大型16輪卡車，將會完全自動化。它們將簡單地在舊金山城外完成裝載，然后開車去芝加哥，或者開去紐約，去波士頓。這將改變幾百萬人的就業(yè)機(jī)會。所以我們真的需要考慮我們該如何規(guī)劃未來的工作？我們?nèi)绾螏椭切⒁スぷ鞯娜酥匦屡嘤?xùn)？我們?nèi)绾螏椭藗冞m應(yīng)這些？

我給了你一個很長的答案。因為我想把這個問題的全部都告訴你。那么MIT究竟為什么做這個項目呢？我們認(rèn)為AI會影響人類研究的每一個領(lǐng)域。而我們希望確保MIT正在盡最大努力盡快建立通往所有其他領(lǐng)域的橋梁。就像我說的那樣，不管人們來自哪個領(lǐng)域，AI都可以作為一個工具來幫助他們更好地完成工作。

記者：你的意思是每個受過教育的人都可以使用AI，就像使用Word或者Excel一樣？

Eric Grimson：是的，是的。你不需要要成為一個MIT學(xué)生就能使用AI。這就是我們的目標(biāo)，AI應(yīng)該像你今天使用的其他工具一樣容易使用。

記者：所以在這個項目中，計算機(jī)科學(xué)家將與社會心理學(xué)家以及政策制定者合作？因為你也提到了AI的社會影響。

Eric Grimson：當(dāng)然。讓我快速地給你三個例子。我們有計算機(jī)科學(xué)家與經(jīng)濟(jì)學(xué)家合作，去思考與就業(yè)變化有關(guān)的經(jīng)濟(jì)學(xué)問題；我們有計算機(jī)科學(xué)家與社會學(xué)家、人類學(xué)家、哲學(xué)家合作，去思考使用這種技術(shù)的倫理問題。

但我認(rèn)為最好的例子是，我們有計算機(jī)科學(xué)家?guī)椭渌?a target="_blank">工程師和其他科學(xué)家更有效地工作。給你一個例子，兩個MIT的年輕教授，一個來自計算機(jī)科學(xué)，一個來自材料科學(xué)。材料科學(xué)家說，當(dāng)我想設(shè)計一種新材料時，我在想材料的特點是什么，我想要特定的硬度、特定的柔韌性和其他性能。但知道這些并不能告訴我如何創(chuàng)造出這個材料。所以他們建立了一個計算機(jī)系統(tǒng)，讓它來“閱讀”幾百萬篇材料學(xué)的文獻(xiàn)。這里需要給“閱讀”兩個字打上一個引號，但是AI確實已經(jīng)能很好地理解并建立起一個模型。模型建立好之后，他們需要做的是告訴計算機(jī)，這是我想要的8種或10種新材料的特性。計算機(jī)不會告訴你該怎么制做，但是它可以給出8個，10個或者15個的建議配方來幫助材料科學(xué)家。然后材料科學(xué)家可以看這些建議，從中發(fā)現(xiàn)那些他沒有想到的方法。AI能夠使材料科學(xué)家更高效的工作，但AI并沒有取代人類，AI是提出建議。正如你之前所說，AI是系統(tǒng)的顧問。這種狀態(tài)最終應(yīng)該是很容易做到的，例如，任何學(xué)生都可以使用這個系統(tǒng)來思考我如何創(chuàng)造一些新的東西。

記者：所以你指的是AI可以幫助其他領(lǐng)域的專家做一些文獻(xiàn)閱讀的工作？

Eric Grimson：是的。這種系統(tǒng)可以讀一至兩百萬篇文章，然后建立了一個可以使用的模型。你也可以想象在其他的領(lǐng)域使用它，比如在合成生物學(xué)中，事實上，MIT已經(jīng)有人開始做這件事了。因此，AI可能是一個很好的工具，可以用來幫助一個人更好地理解文獻(xiàn)中出現(xiàn)的大量信息。

記者：為什么這個MIT IQ項目選擇與商湯科技（SenseTime）合作？

Eric Grimson：我們會和很多不同的公司合作。我們早些時候宣布了與IBM的合作，他們帶來了他們的沃森系統(tǒng)，他們對健康領(lǐng)域非常感興趣。商湯科技對于我們來說是一個很好的合作伙伴。這里有幾個原因，一個是商湯科技的創(chuàng)始人之一是MIT的畢業(yè)生，所以他很了解我們。但是更重要的是，我們認(rèn)為與商湯科技的合作很重要。因為他們有興趣在不同的領(lǐng)域從事基礎(chǔ)研究，并且有興趣以合作的形式進(jìn)行這些研究。因此，我們讓MIT的研究者與來自中國香港和大陸的研究人員互動。不同的人有不同的想法，與商湯科技的合作給了我們一個把不同的人們聚在一起的機(jī)會。MIT也希望在世界各地找到這樣的合作伙伴。

新聞：商湯科技的創(chuàng)始人湯曉鷗曾是MIT的博士生，他是您的學(xué)生嗎？

Eric Grimson：我參加了他的論文委員會，從技術(shù)上講，他的導(dǎo)師是我的第一批學(xué)生之一。所以他是我學(xué)生的學(xué)生（“ grand-student”）。他不是我的學(xué)生，但我參與并幫助了他的研究。

AI教育：每個大學(xué)生都應(yīng)該了解一些計算思維

記者：中國許多知名高校這兩三年來陸續(xù)開始設(shè)立人工智能學(xué)院或課程，您對此有什么建議？您覺得AI教學(xué)最重要的元素有哪里？

Eric Grimson：我想要稍微延伸一下這個問題。我首先要問一個更廣泛的問題：是不是每個大學(xué)生都應(yīng)該了解一些計算思維（computational thinking）？我認(rèn)為答案是肯定的。MIT正在努力的過程中，或者說在思考如何達(dá)到這種要求。不管你是計算機(jī)科學(xué)家，還是物理學(xué)家，經(jīng)濟(jì)學(xué)家，政治科學(xué)家，不管你的專業(yè)是什么，我們認(rèn)為你都應(yīng)該知道并掌握一點所謂的計算思維，比如什么是算法。這不同于能夠編程，編程很重要。但是“你怎么看待這個問題”是我們認(rèn)為更重要的。

一旦教育做到了這一層（培養(yǎng)學(xué)生的計算思維computational thinking），才可以專門來討論“關(guān)于AI學(xué)生應(yīng)該知道什么”。我認(rèn)為這里有很多不同的組成部分。但是其中最重要的事情也許是理解什么叫做“讓一個系統(tǒng)去學(xué)習(xí)”？然后再了解有很多不同的學(xué)習(xí)方法可以達(dá)到學(xué)習(xí)的效果，比如神經(jīng)網(wǎng)絡(luò)現(xiàn)在非常流行，但是還有其他的技術(shù)。但是還有其他的思考技術(shù)。

我認(rèn)為即使你不是一個計算機(jī)科學(xué)家，你也應(yīng)該對機(jī)器學(xué)習(xí)算法有足夠的了解。比如，我該如何使用它？我需要做什么才能夠去使用它？什么情況下我應(yīng)該相信它的結(jié)果？有時我會用這個結(jié)果，但有時候我應(yīng)該質(zhì)疑，算法真的給出了我所希望的結(jié)果嗎？我認(rèn)為每一個學(xué)生都應(yīng)該知道這些。

不論你是一個政治學(xué)的學(xué)生，還是一個人文專業(yè)的學(xué)生，你真的需要了解機(jī)器學(xué)習(xí)系統(tǒng)將會如何對每個人的生活產(chǎn)生影響。

記者：對于一個剛剛選擇進(jìn)入這個領(lǐng)域（AI/ML）的學(xué)生，你有哪些建議？

Eric Grimson：對不起，我笑了，因為我不喜歡提建議。因為如果這些建議不起作用，那就是我的錯了。

我想對剛進(jìn)入這個領(lǐng)域的學(xué)生給出的建議有幾條。首先，要寬廣（Be broad）。現(xiàn)如今有一種特別的關(guān)于機(jī)器學(xué)習(xí)的方法，每個人都在使用。你應(yīng)該去理解這個方法，但你也應(yīng)該對此加以質(zhì)疑。這是最好的方法嗎？有不同的做法嗎？人們使用機(jī)器學(xué)習(xí)的早期方法有哪些？而且也許其中一些更適合對我目前想要處理的這個問題。因此，我鼓勵學(xué)生不僅要把它當(dāng)作一種工具，而要把機(jī)器學(xué)習(xí)當(dāng)作一個領(lǐng)域，要更廣闊地去看到機(jī)器學(xué)習(xí)的不同層面。

下面是我給學(xué)生的第二個建議?，F(xiàn)在肯定有很多關(guān)于機(jī)器學(xué)習(xí)的工作機(jī)會，這也是為什么有些學(xué)生會選擇這個領(lǐng)域。學(xué)習(xí)機(jī)器學(xué)習(xí)可能會帶來一份工作，這很不錯。

但如果一個學(xué)生真的對生物學(xué)感興趣，我會鼓勵他研究機(jī)器學(xué)習(xí)和生物學(xué)的交叉領(lǐng)域。不要只是為了學(xué)習(xí)機(jī)器學(xué)習(xí)而放棄你的其他領(lǐng)域。MIT現(xiàn)在有三個聯(lián)合學(xué)位，意思是兩個學(xué)院一起給出的學(xué)位。一個是計算機(jī)科學(xué)和生物學(xué)的聯(lián)合學(xué)位。如果你真的對發(fā)現(xiàn)藥物感興趣，或者如果你真的對理解疾病感興趣，了解足夠的生物學(xué)和計算機(jī)科學(xué)只是是一件好事。第二個是計算機(jī)科學(xué)與經(jīng)濟(jì)學(xué)金融學(xué)，學(xué)習(xí)從大銀行到對沖基金、交易系統(tǒng)，這些都非常有價值。第三個可能會讓你大吃一驚，它是計算機(jī)科學(xué)和城市學(xué)的聯(lián)合學(xué)位。這是關(guān)于設(shè)計一個城市，你可以想想看。我知道中國仍在建設(shè)許多新城市，水系統(tǒng)、電氣系統(tǒng)、運(yùn)輸系統(tǒng)的設(shè)計都需要依靠對龐大數(shù)據(jù)的理解，利用一個學(xué)習(xí)系統(tǒng)可以幫助找出最好的方法。我相信我們很快會把計算機(jī)科學(xué)引入到神經(jīng)科學(xué)。所以我的建議是：不要放棄你真正喜歡的事。你可以看看機(jī)器學(xué)習(xí)在我目前所處的領(lǐng)域有什么樣的作用。

記者：所以它更像是一種工具？你仍然可以學(xué)習(xí)你的專業(yè)，但機(jī)器學(xué)習(xí)可以幫助你形成一種新的思維方式？

Eric Grimson：是的，它可以改變你的想法。

數(shù)據(jù)隱私：自主決定我想要分享哪些數(shù)據(jù)

記者：我們剛剛提到，機(jī)器學(xué)習(xí)需要大量的數(shù)據(jù)，但目前數(shù)據(jù)質(zhì)量和規(guī)模以及對數(shù)據(jù)公開的監(jiān)管似乎都不太令人滿意，這是人工智能/機(jī)器學(xué)習(xí)的瓶頸嗎？您對此有何建議？

Eric Grimson：擁有海量數(shù)據(jù)是很有價值的，但人們在使用這些數(shù)據(jù)時需要考慮一些問題：一個就是你的數(shù)據(jù)中是否包含偶然性偏差。有很多著名的案例，比如人臉識別算法在你我這樣的人身上運(yùn)行效果很好，但在一些膚色或臉型與我們差別巨大的人身上就不起作用了。這并不是有意的。如果你僅僅對恰好位于所有可能性空間中的一部分?jǐn)?shù)據(jù)運(yùn)行算法，就會在無意間引入偏差了。所以在考慮數(shù)據(jù)集合時，其中一個問題就是你如何確保不會發(fā)生偶然性偏差，而這些偏差會影響最終的結(jié)果。還有其他一些問題，在美國是這樣，我相信在中國也是如此。

還有一個是關(guān)于數(shù)據(jù)隱私的問題。比如在醫(yī)療方面，掌握大量病人的數(shù)據(jù)是非常有價值的。因為在這樣的情況下運(yùn)行算法，能夠更好地檢測疾病。但數(shù)據(jù)的主人希望對自己的私人數(shù)據(jù)保密，例如主人不想讓他們的鄰居或者他們的監(jiān)護(hù)人突然知道他們患有某種疾病。所以保護(hù)個人隱私非常重要，在美國、在其他地方都是這樣。

第三個是許多美國人關(guān)心的問題：歸屬于大公司的海量數(shù)據(jù)。比如亞馬遜、Facebook、谷歌這三家公司，尤其是一些擁有大量在線業(yè)務(wù)的公司，他們掌握著大量數(shù)據(jù)，這是他們的權(quán)利，當(dāng)你使用他們的網(wǎng)站時你就同意了讓他們獲取這些數(shù)據(jù)。但這并不意味著研究人員就可以使用這些數(shù)據(jù)，除非他們是公司的合作伙伴。這樣一來就產(chǎn)生了一個很有趣的問題：學(xué)校能不能建立一個所有大學(xué)都能共享的數(shù)據(jù)庫，這樣一來研究人員就可以在不和公司簽協(xié)議的情況下，使用這些這些數(shù)據(jù)來探索新思路了？我不知道是否回答了你的問題，但既然提到了數(shù)據(jù)，那么這些都是人們非常關(guān)心的數(shù)據(jù)問題。

記者：阿里巴巴這樣的中國公司也擁有海量的數(shù)據(jù)，人們也會擔(dān)心數(shù)據(jù)隱私問題。

Eric Grimson：當(dāng)然。我并不是說這只是美國公司的問題，我說的是美國版的故事。但你剛剛舉了一個很好的例子，阿里掌握著海量數(shù)據(jù)，京東也會。我認(rèn)為社會學(xué)家應(yīng)該與政府和企業(yè)合作，探討如何有效使用數(shù)據(jù)，讓人們的生活更美好，但同時要保護(hù)人們的數(shù)據(jù)隱私。

記者：所以應(yīng)該制定一些政策進(jìn)行引導(dǎo)？

Eric Grimson：這也是大多數(shù)人的愿望。我不是要告訴政府該怎么做，但我認(rèn)為很多人也和我一樣有著強(qiáng)烈的愿望：我希望自己能夠決定我想要分享多少自己的數(shù)據(jù)。

在歐洲已經(jīng)有這樣的先例了，我覺得歐洲在這方面走在最前沿。歐盟已經(jīng)就這些隱私問題達(dá)成一致，主要是提供了一種選擇——在參與之前必須要知情同意（“You have to agree that before participate”）。隨著這套體制越來越普遍，每一個社會、每一個政府都要考慮如何掌控這種情況，要制定什么樣的政策。

大學(xué)教授創(chuàng)業(yè)：鼓勵教授走出象牙塔解決實際問題，但不能讓學(xué)生為其工作

記者：我們看到在美國，有許多學(xué)者來自學(xué)術(shù)界，又與工業(yè)界保持著緊密的聯(lián)系，也有很多學(xué)者自主創(chuàng)業(yè)。在您看來，這樣的模式對于AI研究、對工業(yè)界以及學(xué)界都有什么影響？

Eric Grimson：這是一個好問題。我認(rèn)為既有積極的一面，也有消極的一面，學(xué)者需要作出權(quán)衡。一些AI研究人員只想自己做研究，他們想發(fā)現(xiàn)新事物，發(fā)表論文，這是傳統(tǒng)的學(xué)術(shù)做法，他們現(xiàn)在依然這樣。如果一家公司想使用他們的創(chuàng)意，他們可以這樣做。

但我們確實也可以看到，很多研究人員意識到他們有機(jī)會對世界產(chǎn)生影響。我認(rèn)為對他們中的一些人來說，這意味著賺錢。但他們中大部分人是想要對社會產(chǎn)生影響，他們有一個可以讓人們生活得更好的想法，而且想要實現(xiàn)它。

我認(rèn)為你真正想問的是這些關(guān)系會產(chǎn)生什么影響。從積極的方面來說，把一個想法從實驗室轉(zhuǎn)化成真正的產(chǎn)品是非常重要的。通過阿里巴巴或者其他你喜歡的網(wǎng)站，你能夠很方便地購買東西。它讓人們更容易用其他方式交流。

消極的一面是，當(dāng)大學(xué)開始讓公司主導(dǎo)他們的工作時，就會產(chǎn)生利益沖突。所以我認(rèn)為所有的大學(xué)都會擔(dān)心如何在不影響學(xué)校正常工作的情況下，以一種有效的方式向公司傳達(dá)或傳遞想法。許多大學(xué)都有自己的政策。我可以告訴我們學(xué)校的政策：如果一個教授或者教授和他的一些學(xué)生想要創(chuàng)建一個公司，他們可以這樣做。但是他們只能做一到兩年，然后就要做決定：要么回到學(xué)校，要么留在公司。因為兩者的目標(biāo)不同：大學(xué)創(chuàng)造知識的地方，而公司則要創(chuàng)造產(chǎn)品。所以你會看到很多教授以休假為名離開學(xué)校，去和谷歌或者Facebook這樣的公司合作，或者創(chuàng)建自己的公司。許多大學(xué)會要求他們要么返回學(xué)校，要么辭職留在公司，因為兩者的目標(biāo)不同。

這里我想強(qiáng)調(diào)兩點。一是政策，如你所知，我的學(xué)校是兩年，其他的大學(xué)可能有不同年限的政策。很多教授即使在公司工作，也仍然會指導(dǎo)學(xué)生。很多大學(xué)還有這樣一項政策，就是你在大學(xué)里指導(dǎo)的學(xué)生不能和公司有任何關(guān)系。用美國的表達(dá)方式來說，這是利益沖突。學(xué)生就是要在學(xué)校學(xué)習(xí)的。比如在MIT，如果一個教授還在指導(dǎo)學(xué)生，他們在學(xué)校做的項目和公司所做的事情應(yīng)該是不一樣的。學(xué)生不能為公司工作，因為你無法知道教授要你做某件事，是因為它對你有好處還是對公司有好處，對吧？這是利益沖突，不應(yīng)該被支持。

記者：國內(nèi)對此現(xiàn)象有這樣一種看法：有些人認(rèn)為教授創(chuàng)業(yè)不利于科學(xué)研究的進(jìn)步，因為如果他們一心撲在事業(yè)上，就沒有那么多的時間做研究了。你是怎樣看的？

Eric Grimson：如果是這樣的話，我不贊同。我的理由是：如果有人在研究中有新想法并加以探索，這非常好。除非你把這個想法應(yīng)用到實際問題中，否則你無法做到一直用這個想法去思考實際問題。所以這種在基礎(chǔ)研究和實際應(yīng)用之間來回轉(zhuǎn)換對教授來說是很有價值的。

但作為教授你必須處理好這其中的關(guān)系。所以，在某些地方這可能是個問題。但我我想說的是，我不認(rèn)為教授們應(yīng)該待在象牙塔里思考偉大的思想。也許有些人可以，他們很偉大，但你并不是在解決世界的問題。對我來說，這也是研究人員應(yīng)該做的。所以我認(rèn)為和業(yè)界建立聯(lián)系是很有價值的。只要你清楚什么時候該做學(xué)校的研究，什么時候處理公司的和實際的問題，以及如何把這些問題帶回到大學(xué)里的研究中來思考未來的想法。

記者：但這是一種個人行為，沒有人知道教授是否還花心思在學(xué)生身上上，MIT對此有什么政策嗎？

Eric Grimson：許多大學(xué)都是有這樣的政策。和前面提到的一樣，在為大學(xué)做事和為公司做事之間應(yīng)該控制利益沖突。應(yīng)該由各個大學(xué)來決定制定什么樣的政策。但我認(rèn)為，如果大學(xué)太脫離實際問題，就無法做到讓世界變得更美好，這本是大學(xué)最終應(yīng)該做的事情：培訓(xùn)下一代的領(lǐng)導(dǎo)者，探索能夠改善人們生活的知識。所以如果你在大學(xué)里太孤立，你就錯過了這樣的機(jī)會。

記者：我們剛剛提到人工智能的偉大歷史。我們知道，人工智能的發(fā)展在歷史上有過一些高峰和低谷。所以在你看來，為什么這些年人工智能又出現(xiàn)了另一股熱潮？這種熱潮能持續(xù)下去嗎？因為我們知道20年前深藍(lán)的故事。是否未來人工智能也會迎來一個低谷？

Eric Grimson：這是個好問題。過去人們習(xí)慣說這是人工智能的冬天。你知道，一切都不太順利。你問了兩個問題。我想說的是，在我看來，最近一次高峰的最大因素是大數(shù)據(jù)集的增長。我們以前并沒有這么多數(shù)據(jù)。

另外，計算機(jī)能力、圖形處理器、圖形處理單元或其他事物的發(fā)展也要比二三十年前強(qiáng)大得多。我認(rèn)為這兩件事本身就很強(qiáng)大。

第三點是基本思想的成熟。以深度學(xué)習(xí)為例，深度學(xué)習(xí)背后的理念，可以說至少有60年的歷史了。它們可以追溯到強(qiáng)化學(xué)習(xí)的概念，這一概念產(chǎn)生于上世紀(jì)五十年代的網(wǎng)絡(luò)，至今有70年的歷史了。當(dāng)我們更好地理解了這些技術(shù)的數(shù)學(xué)原理后，就明白了什么是可行的，什么是不可行的。

但這次飛躍的兩個主要因素是海量的數(shù)據(jù)和快速計算的能力，甚至在神經(jīng)網(wǎng)絡(luò)中也是如此。直到幾年前，你可能只有一個兩到四層深的網(wǎng)，今天則有一千層深，因為我們可以通過快速計算來訓(xùn)練它們。這帶來了很大的不同。

你的第二個問題是，人工智能會有另一個低谷嗎？有可能。但我認(rèn)為，目前的這此高峰有可能比以往持續(xù)更長時間。就像你說的，深藍(lán)打敗了世界象棋冠軍、世界上最好的人類棋手。它在國際象棋方面非常專業(yè)。它實際上有專門用于計算象棋的硬件，沒有辦法超越它。今天的技術(shù)是非常廣泛的，我想你會看到這些東西持續(xù)很多年，會出現(xiàn)一些東西來取代它。我們以前見過，我相信這種事還會發(fā)生。

何為世界一流大學(xué)？“真正一流的大學(xué)應(yīng)該敢于冒險”

記者：我想問您一個有趣的問題，許多中國大學(xué)都提出了建設(shè)世界一流大學(xué)的口號。你認(rèn)為世界一流大學(xué)應(yīng)該具備什么樣的素質(zhì)？

Eric Grimson：這個問題問得好，我對中國的大學(xué)很熟悉，我認(rèn)為中國政府也希望看到這樣的事情發(fā)生。評價一所大學(xué)有很多方法，我們都說我們不看世界排名，但我們都會悄悄地看。如果要回答你的問題，直言不諱地講，大多數(shù)人會說當(dāng)今世界上最好的大學(xué)仍然在美國，哈佛大學(xué)、麻省理工學(xué)院、耶魯大學(xué)、普林斯頓大學(xué)、斯坦福大學(xué)、芝加哥大學(xué)等，我還遺漏了一些。亞洲、歐洲也有一些非常好的大學(xué)，但其中大部分目前仍在美國。隨著時間的推移，這種情況可能會改變。

我認(rèn)為中國政府正在努力提供資源來作出改變。但我想說的是，一所真正偉大的大學(xué)的特點是愿意冒險，以及有鼓勵學(xué)生和教授承擔(dān)風(fēng)險的氛圍。如果你愿意冒險，你就必須不怕失敗。我看到很多大學(xué)都不愿意這么做。他們過于擔(dān)心下一步而不愿做出大的改變。

如果你看看今天那些優(yōu)秀的大學(xué)，幾乎所有的大學(xué)都非常愿意冒險。更重要的是，他們鼓勵學(xué)生冒險。比如在麻省理工學(xué)院，幾乎所有本科生都和教授一起做研究。我給你一個簡單的例子，你可以得出自己的比較結(jié)論。在MIT，我曾經(jīng)管理過一個大型的研究小組，我們每周開一次會。在團(tuán)隊中我作為一個高級導(dǎo)師，還有一些初級導(dǎo)師，一些博士后，部分研究生以及少數(shù)本科生。我們會在會議中討論一個特定的問題。一個大二的本科生會說，為什么我們不這樣做呢？如果他們能為自己的想法辯護(hù)，如果他們能表達(dá)清楚，他們能說明為什么這是個好主意。這樣的話，在會議結(jié)束時，我很有可能會說：為什么我們不那樣做呢？

如果你有一個好主意并且愿意冒險，這對我來說是一所好大學(xué)的標(biāo)志。我這么說是因為，我在其他大學(xué)不能經(jīng)?？吹竭@樣的現(xiàn)象，包括其他的美國大學(xué)。他們的教授告訴青年教授做什么，青年教授告訴研究生該做什么，研究生告訴本科生該做什么。似乎好像教授經(jīng)驗更豐富，其他人就應(yīng)該聽他的話。

但是我認(rèn)為一所好的大學(xué)要能夠自由交流思想。它需要愿意聽取新想法。有時你會對二年級的學(xué)生說，不。這樣行不通，因為我們已經(jīng)這樣試過了。但我認(rèn)為，這種敢于冒險的意愿，是我在一所真正的好大學(xué)中看到的最重要的事情之一。我要補(bǔ)充說明的是，當(dāng)你看他們嘗試的各種研究時，你就會明白了。在MIT這樣的地方，我們會勇敢嘗試用一種非常不同的方式思考問題，只是為了看看它是否可行。如果行不通，我們不會說，不好意思，再見，不用再來了。我們會說，這樣行不通，接下來要嘗試什么？

記者：所以在您看來，對學(xué)生來說，“敢于冒險”是指挑戰(zhàn)權(quán)威？那么對于教授和大學(xué)來說，“敢于冒險”有什么含義呢？

Eric Grimson：當(dāng)然，順便說一下，我說的挑戰(zhàn)權(quán)威你應(yīng)該有禮貌地去做，而不是對教授大喊大叫。也許應(yīng)該換一個詞，“質(zhì)疑”或者“提問”。我們應(yīng)該問為什么，為什么要這樣做？用這種方法來處理問題會有什么不同？

關(guān)于教授，我也會這么說。教授很容易采取一系列可預(yù)測的步驟。你知道，他們做已經(jīng)發(fā)表的一些研究，連續(xù)不斷地做下一件事。但在我看來，最好的教授只會在一段時間內(nèi)這么做，然后他們會有一次質(zhì)的飛躍。他們會落在不同的地方，然后說，從這個角度來看也許我們會發(fā)現(xiàn)不同的東西。所以即使是一個優(yōu)秀的教授，甚至是一個很資深、有名的教授，也會不斷地問：我們?yōu)槭裁匆@樣做？在MIT工作期間，我很榮幸能和很多諾貝爾獎獲得者交流，幾乎每個人都會告訴我他們經(jīng)常這樣做，他們經(jīng)常挑戰(zhàn)。他們會問自己：我為什么要這樣做？這是最好的方法嗎？有更好的方法嗎？

國際競爭：“我不認(rèn)為任何一個國家能夠完全成為人工智能的中心”

記者：現(xiàn)如今，很多國家像美國、英國、日本、中國等都在大力進(jìn)行AI研究，你如何評價他們在這方面的工作？誰在哪個方面做得更好？

Eric Grimson：正如你提到的那樣，有很多國家都在人工智能上有了很大進(jìn)步。它最初主要起源于美國，但英國像愛丁堡等地很早就跟進(jìn)了。在法國、德國這些地方都有實驗室，日本也投入了大量的精力。當(dāng)然，中國在這一領(lǐng)域也發(fā)展迅猛。我覺得很難區(qū)分。我認(rèn)為在每個領(lǐng)域你都能看到這些國家的優(yōu)勢。我想說的是，當(dāng)涉及到基礎(chǔ)理論的時候，也許美國在某些方面仍然微微領(lǐng)先。

但在一些應(yīng)用程序上，我相信你已經(jīng)看到了，中國的大學(xué)和公司已經(jīng)在飛速進(jìn)步。我給你舉兩個例子，用特定的例子可能有點不妥，但我試著給你舉兩個例子。我認(rèn)為，在語音識別上，中國有一些公司做得非常好。美國的研究做的不錯，但是我認(rèn)為中國在商業(yè)化方面比我在美國看到的更有效。那些中國公司是在中國大學(xué)多年的研究基礎(chǔ)上建立起來的，他們與美國有著非常密切的合作。所以我認(rèn)為在語音識別方面，中國做得很好。而在計算機(jī)視覺這樣一個非常受歡迎的領(lǐng)域，也會有一場非常有益的競爭。

你知道，有時美國領(lǐng)先一點，然后中國試圖領(lǐng)先一點，然后美國再稍微領(lǐng)先一點，這是一個友好的競爭。所以我認(rèn)為中國有一些很好的例子。再強(qiáng)調(diào)一次，在我看來，他們中做得最好的都是基于多年的研究。我認(rèn)為花時間仔細(xì)思考如何創(chuàng)造是很有價值的。當(dāng)你談到其他領(lǐng)域時，我認(rèn)為美國可能仍微微領(lǐng)先。所以我認(rèn)為，中國、英國、日本和歐洲其他一些國家都是很好的競爭者。實際上，加拿大是另一個在人工智能領(lǐng)域非常強(qiáng)的國家。所以你可以選擇任何特定的領(lǐng)域來看，現(xiàn)在可能是這個國家領(lǐng)先，六個月后其他國家會超越上來。很多國家的工作非常有成效，因為每個國家都在努力做得更好。

記者：英國因為圖靈的原因想要成為一個中心，他們曾說過說過類似的話。

Eric Grimson：我希望在AI領(lǐng)域能夠形成國際合作。每個國家都有自己的需求，每個國家都想為自己的國家做最好的事情。但是，我不認(rèn)為任何一個國家能夠完全成為中心。美國不會。即使美國有斯坦福、伯克利、麻省理工和哈佛，這些學(xué)校都在做不同的事情。但我認(rèn)為合作將真正推動這一領(lǐng)域的發(fā)展，目標(biāo)應(yīng)該是讓人工智能系統(tǒng)更好地造福每個人的生活。如果我們合作會怎樣呢？只會越來越好。