千秒專訪張亞勤：AI大時代 中國不缺席

圖：百度公司總裁張亞勤在GMIC 北京 2017 G-Summit全球科學創新峰會上

AI（人工智慧）已經成為了當前最讓人激情澎湃的話題了。因為它代表新技術時代的來臨。人工智慧帶來的新一輪技術革命，將為我們的世界帶來根本性改觀。更重要的是，它將為的公司帶來前所未有的機遇，在人工智慧領域，有望華麗轉身超越美國。

2017年3月28日，百度總裁張亞勤接受長城會《千秒》專訪，他深度分析了PC互聯、移動互聯以及目前的人工智慧時代的技術演變史，並分析了AI帶來的全新改變。張亞勤認為，AI目前還處於發展的早期階段，技術仍需進一步成熟，當前的AI還遠遠無法達到人類智慧的水準。利用AI進一步改造我們的世界、延展我們的想象空間，需要我們加強對人類大腦的理解，以及加強計算機科學家、數學科學家、生物科學家、大腦科學家、神經科學家之間的高頻率思維碰撞。

百度推出了「度秘」操作系統，希望布局未來，其中第一個層次就是希望做一個操作系統，擺脫在PC時代、移動時代操作系統被美國微軟、谷歌壟斷的局面，讓公司的操作系統在AI時代佔有一席之地；第二個層次是讓技術落地成為產品，造福消費者；第三個層次是商業層面的，希望通過雲搭建AI開放平台，通過合作覆蓋多個行業。

《千秒》：所有人都在談人工智慧，並高薪挖掘這個領域的人才，加上媒體炒作，您認為人工智慧的影響力是否被高估了？

張亞勤：你記不記得1998年、1999年的時候，當時互聯網很火，所有公司都是互聯網公司，隨便一個公司一上市都是幾百億美金市值。2000年以來，很多公司都淡出了我們的視野，但互聯網還是發展很快，互聯網真正改變了人類的生活方式，真正有價值的公司越來越大，越來越有影響力。人工智慧也差不多，也許明年或後年會有一陣寒流，但是好的公司還是會起來，人工智慧還是興起的。我經常講一句話——人們往往在短期高估了技術的影響，而在長期低估了技術的影響。互聯網時代我講這句話，人工智慧時代我覺得也是適用的。

《千秒》：很多人認為人工智慧的技術現在還處於一個非常早期的階段，您怎麼看這個問題？

張亞勤：人工智慧本身不神秘，也不是一個新的東西，它已經有六十年的歷史了，經過了三個階段，現在是第三階段，用了十年的時間，這十年主要是深度學習。

人工智慧第一個階段是以規則為基礎的邏輯推理，發現效果不是很好；第二個階段是以知識為基礎的一種體系—「專家系統」，要有知識，因為規則沒法窮盡，人都不知道自己腦袋怎麼想的，規則放裡面發現沒辦法窮盡，得靠很多知識，靠資料庫，後面發現也有各種問題；現在在第三階段，其實是以數據為中心的學習階段，計算機自己去學習，大量的數據放進去，學習之後，做出模型出來，搞出函數，然後再預測規律。這個東西目前發展了十年，現在進入實用階段，比如在語音識別、圖象識別、人臉識別，包括自然語言處理及翻譯等方面已經取得了很大的進展，而且在某些方面機器已經超過了人類。有的時候雙胞胎我們辨別不出來，但機器知道；語音的方言我們聽不清楚，但機器基本上能聽出來；再比如翻譯，再過幾年機器翻譯會比人都好，至少比一般人好，比起翻譯家可能還差很遠，所以我覺得這種是大家看得見、摸得著的領域，讓大家覺得，人工智慧深度學習有戲，否則人工智慧就只是一個科學，是一種研究。現在它可以落地，可以進入產品，有實際的用途。

當然，人工智慧目前還是處於初期階段，儘管有一些應用場景，但它真正的潛力還沒有發揮出來。PC互聯、移動互聯到人工智慧基本上是按照十倍的速度增長，從用戶數來講，PC互聯是十億級的，移動互聯是百億級的，到了人工智慧可能是千億級甚至更多，你可以看出至少是十倍的速度的增長規模。另外就是邊界延伸得越來越小，所以整個行業，包括百度，都是處於人工智慧發展的最開始階段，是「早上六點半」這麼一個水平。

《千秒》：從應用層面來講，可能目前人工智慧更多地是在IT科技這一領域，在傳統產業它影響挺大的，您認為哪些行業可以比較快地用起來？

張亞勤：每個行業都會有不同程度的使用，比如說智能客服，可能在每個行業都會用，用AI學習，比如在某一個垂直領域，它可能比人要準確。在教育領域，現在已經開始有一些人用了，它可以知道你喜歡學什麼，知道你哪裡有問題，可以一直幫助你，找到你要的東西，這裡面都用了AI。

健康醫療、生命科學都是熱門的應用領域。有一天我碰到了Craig Venter，就是在2001年發明了人類基因圖譜的老先生，他後來成立了一家公司叫人類長壽公司（Human Longevity Inc）。他用了大量的AI的東西，而且有無限多的數據，他的數據量目前佔到整個亞馬遜雲儲存的3.5%，你想想有多少！當然那個公司現在不賺錢。所以我覺得美國人挺牛的，很多VC或者政府，這麼多年了一直支持他。他現在用了很多AI的東西，比如說在基因的圖譜裡面，因為每個人都是獨特的，然後用分析AI人的基因，因為有圖譜，通過分析每一年包括每一秒鐘各種參數，人的變化，它可以根據15歲、20歲的數據預測到這個人30歲、35歲到40歲可能會得什麼病，或者是遇到什麼場景，它從這個人現在講的話，馬上就會知道他的基因會有什麼樣的突變，它會知道這個人幾歲會長什麼樣子，然後真實性比較，發現基本上是準確的。

這些都是人工智慧的學習，根據目前的數據，找出模型、然後預測未來。而且這個模型它有兩種類型，一種是計算機模型，一種是人的DNA的模型，都會有。

還比如安防、金融，百度的金融服務都用了人臉識別，很多地方用認證，主要是在金融業做認證，也在做風控，風控的模型有很多的數據，數據拿來之後怎麼樣，AI沒什麼了不起，AI就是在數據裡面找到規律，找到模型。本來應該用數學公式表示，找不到公式，那就把這個搞一個無限複雜的模型，搞一個上千層的網路，其實就是搞一個函數出來。什麼是深度學習人工智慧?人工智慧就是找個函數，就這麼簡單。

《千秒》：在人工智慧這個領域創業的話，技術路線與產品路線都有哪些優劣勢？

張亞勤：首先創業就是要體現獨特的價值，你做的東西和別人是不一樣的，不管是技術也好，產品也好，或者是解決方案也好，光做技術這樣一個公司長期生存發展是比較難的。但是如果你有價值，你的公司可能可以和別人合作，或者被別人收購，你還是有存在的理由。也有純做技術公司的，你如果看一下Qualcomm這個公司，移動互聯時代做晶元，他是個技術公司，ARM靠自己的架構與技術，然後大家都可以使用。在AI時代，技術公司也一樣可以發展。我看了一些一定要做產品，各種模式的公司，但也要有價值。做技術，不能被別人很容易去拷貝，或者很容易抄過去的技術。

《千秒》：AI技術的發展帶來了一些無序的因素，您覺得現在有沒有必要建立一個比較規範的行業標準？

張亞勤：不需要，讓它自己發展，靠市場去調整，標準的東西，到某個時候需要標準的時候，標準會出來，一開始技術也好，產品也好，服務也好，IT這個行業一直都是這樣，AI目前並不需要，到一定時候，比如用某個行業場景，那可能需要一些標準，到時候定。

《千秒》：百度在整個人工智慧領域的布局是怎樣的？

張亞勤：我們未來的戰略，一方面是要把人工智慧技術用到目前的產品中，讓現在產品的體驗可以得到升級。比如用互聯網搜索的話，你可以照一張相，它可以知道你是誰，當然如果互聯網上沒你的話，它還是不知道你是誰。比如拍一張花植物，它會知道這是什麼植物，我們希望用戶體驗越來越好，比如讓人工智慧開心地幫你把結果讀出來。你不僅僅可以看新聞，還可以聽它讀新聞，而且讀的這種聲音不是像機器那樣很單調的聲音，而是抑揚頓挫、充滿感情的、可個性化的，這些東西都是產品的一個維度，可能變得更好。

另外一個更重要的是布局未來，未來我們會有「ABC」：A就是AI（人工智慧），B是Big Data（大數據），C就是Cloud（雲）。這裡面，第一個層次是要做一個操作系統，在PC時代，操作系統是微軟的，在移動時代操作系統是谷歌的，這裡面蘋果只佔了一小部分份額，那麼到AI時代也需要一個操作系統。之前兩個時代的操作系統和公司沒什麼關係，我希望在AI時代，公司能佔一席之地。百度現在在做這個「度秘」，其實就是一個AI時代的操作系統，這是橫向的。

另外一個就是怎樣去落地，成為產品，技術最後還要落地到產品。一種方式當然是靠合作，別人用你的品牌，另外一種方式我們自己也可以進入一些行業。我們現在已經進入兩個行業，一個是「+」，一個是車，「+」的話，我們用比如說這個音箱也好，或者是電冰箱也好，可能也是通過合作方式，但是這是場景「+」，車就是無人駕駛汽車，把這個AI用到車裡面，這是面向消費者的。

另外就是通過雲，我們把AI的平台開放，把計算的能力，把這些剛剛講的各種語音、圖像、OCR、翻譯全放到雲上面，別的企業可以使用，這個是面向商業的。

所以，我們一個是大平台操作系統，一個是幾個場景，另外一個就是通過雲，通過雲可能會進入別的行業，比如教育、醫療、金融、物流，這些都是合作機會。

《千秒》：有關開源，百度的想法有哪些呢？

張亞勤：我剛才所說的AI的開源工具和微軟的CNTK很相似，都是開源的。我們把這種各種演算法模型都放那兒，做AI的人就可以去使用它，他自己不需要編那麼多程序了，包括上面有很多別人編的。而且做AI我們需要的數據量不會那麼大，我們也會放原數據上去，也可以使用，所以開源對我們講相當重要，而且開源之後對這個行業也有好處。比如說，你訓練模型，放上去之後大家都可以去使用。開源的環境中我們不僅放到伺服器上，大家可以使用，放到雲上面，企業也可以使用。除此之外，不僅僅把這些模型、數據和神經元網路放上去，我們還把那些它所實現的功能也放上去。

《千秒》：AI方面，百度除了一些產品層面之外，有沒有做基礎研究，或者說跨界的研究？

張亞勤：有一些，比如基礎的演算法，這個演算法包括整個AI的架構，我們也和學校，還有像FPGA、GPU、NVIDIA等去合作，看怎麼樣大幅度地提高AI的訓練和判斷速度、效率等。演算法已經有深度學習，然後對於很多新的比如遷移學習、對抗學習演算法，我們也在開發。這是在基礎方面。

跨界做得少，但我覺得這是接下來一個很重要話題。現在講到人工智慧，我開個玩笑，我說AI是Animal Intelligence（動物智能），其實和動物學習更像，和人的學習方式還是有差別的。如果把AI的學習方式分成三個層次，第一個層次是感知的層次，就是機器學人的這種交互的方式，語音、圖像、視覺，然後語言，這個層次AI基本上和人差不多，再過兩年可能會超越人去交流，感知問題。第二個層次是認知，認知是講邏輯思維推理決策，這個再過個十年八年也問題不是很大了，比如我講一句話，我覺得越想越有道理，「任何一個可以描述的，可以定義的有答案的任務，機器都比人強」。第三個層次是情感，就是機器能不能產生自我意識、有沒有感情、會不會產生同理心，還有各種想象力，會不會得抑鬱症等，這個就是比較遠的，至少現在我們做的東西是達不到這個的，目前我們做出來的東西其實是一個比較「傻」的東西，就是一大堆數據來，感覺到一點像人的思考方式，其實它不是，然後就出現這個規律，出現結果，出現模型，這樣永遠上升不到那個層次。現在AI可以到第一個層次，第二個層次，但是上升不到第三個層次，暫時還沒有可能性，至於未來能不能達到這個層次，我覺得也有可能。

另外一件事（跨界的研究），就靠融合、靠跨界，目前我們對於人大腦的理解本身其實還是很有限的，很多成果我們並沒有使用。計算機科學家、數學科學家和生物科學家、大腦科學家、神經科學家交流太少，更多的時候他們是把這個用作一種工具，幫他們去算出一些東西，他們的一些發現、發明，真正用到計算機領域還是挺少的。所以，他們需要快點，計算機可以幫他們加快發明，比如發明新葯。第二點是可以把他發明的東西給他用回來，這個也得快點，現在比較少。第三點現在看稍微有點懸，就是硅和蛋白質的融合，人其實是蛋白質碳水化合物組成的，然後那面是硅，這是兩種不同的東西，是完全可以融合在一塊的，融合到一塊有沒有什麼好處也不知道。從人類發展的這麼一個路徑來看，這是完全可能的。

所以以後隨著人確實是和現在的人是不一樣了，現在的人和過去的人是不一樣，也許以後人的每一個器官都可以被換掉，光一個大腦都可以接上這些生物的晶元，然後和人互相溝通，和外界溝通。這種東西再講講就會很驚人了，而且是完全有可能的，但是跟我們現在做的事沒什麼關係。

《千秒》：前不久我們在採訪魯白教授的時候，他也談到這個問題，就是現在可能人工智慧、互聯網、IT完全是一條路，然後生命科學、基因完全是一條路，這兩條路目前是并行的，沒有交叉。魯白教授希望能實現兩個領域結合，從中看能否有新的機會。

張亞勤：這我完全同意，我剛才講是一個相互影響，那這個會產生什麼現象，我也不是很確認。你剛才講到的三個行業（人工智慧、生命科學、新材料）很重要，比如材料，目前的晶元可以做的像頭髮絲那麼細，可以植入到大腦裡面去，或者通過另外一種方式，感覺人都不需要記東西了，然後人交流方式也可以改變，人的學習方式也可以改變了。

《千秒》：對，現在還有一種類腦晶元也正在研發當中。

張亞勤：這些東西我覺得是接下來最有意思的事，現在大學裡面已經不做深度學習了，除了加拿大蒙特利爾大學（Université de Montréal）、多倫多大學（University of Toronto），其他基本上都不太做深度學習了，因為做也做不過公司，做不過那幾個人，也就是深度學習提出的那幾所大學。這些大學現在都開始向量子計算、向跨界的融合方向做學問和研究，所以做的研究可能多少年都用不上，但沒有關係，這個方向，我覺得很有意思。

《千秒》：深度學習技術及應用國家工程實驗室在百度落地，百度是靠什麼優勢拿到了這個資格，這背後是否代表了國家在科研體制的一種變化？

張亞勤：這件事的背後有幾個大背景，第一是人工智慧，深度學習是人工智慧裡面的一個主流演算法，2016年人工智慧第一次受到國家的關注，也進入政府工作報告。過去這一年，可以說是科技界的一個主旋律，進入政府報告，所以這是一件大事。過去人工智慧從來沒有進入過國家的戰略中，更多還是一個研究、項目或者是產品，甚至有些神秘的成分在其中，可以這麼理解。現在進入國家戰略的有雲計算、大數據、物聯網，都是大事。

第二，是一個新模式的產生，過去可能扶植一些企業、國企或者高校，這也是第一次有一個企業，當然也不完全是百度，可能由百度牽頭，和別的企業，包括高校，一些政府機構一塊合作，這也是PPP（Public-Private Partnership）模式一個很好的例子。的確在人工智慧時代你需要這樣的合作方式，包括需要數據的共享、需要平台，大家一塊去開發，需要更多開源，然後也需要跨界，這裡面我們也希望有一些研究生命科學、神經科學、心理學、社會學以及計算機、數學和物理方面的人才，大家一起發力，人工智慧才會有真正的重大的突破。

第三，為什麼百度可以做這件事？因為在人工智慧領域，百度的積累是最深厚的，研究時間也比較久，我們2012年就成立了深度學習的實驗室，這不是國家實驗室，是我們自己的實驗室。然後打造了一個幾乎全球最大的深度神經元網路，這個神經元網路現在也有千億參數，百億特徵，而且是異構計算，有FPGA、GPU、CPU，我們在使用FPGA方面是國內絕對的專家，全球範圍內微軟也用了，但是用的時間可能差不多，最近開始谷歌也用了，現在亞馬遜也在用，但百度在很早的時間，應該是2013年開始就使用異構的架構，這大幅度提高了深度學習的演算法的效率。

《千秒》：您如何評價在前沿科技領域的科研能力？

張亞勤：目前國內的科研能力較我在微軟任職時相比進步非常大。現在不管是企業也好、高校也好，在基礎研發方面與國外的差距越來越小，在某些領域甚至可能是在一條起跑線上，比如企業的研發能力，特別是應用技術、應用研究方面，包括人工智慧企業也是這樣。從互聯網行業來看，在第一個階段，也就是PC互聯時代，主要從美國學技術與商業模式，在本地市場、快速推進市場這種方式，這種方式主要靠用戶、規模、流量，也有一些創新，而且更多的是市場層面的創新。

第二個階段中，移動互聯時代，我認為在產品方面是超過美國的，比如說支付產品。在美國過去大家都在談無現金的社會，你會發現這在就實現了，什麼都用微信支付、支付寶，有的是百度，所以移動支付是超前的。我覺得微信的體驗比Facebook，或者比Snapchat都要好。我覺得百度的地圖，包括移動搜索，在某一方面可能比谷歌也要好。比如目前的ofo這類產品，在美國基本上沒有。這些產品用戶體驗其實也是超過美國的。

目前到了人工智慧時代，的技術創新，包括科研創新，目前也有不少，我覺得在未來也會和美國在同一個水平線上。

總之，這是一個由市場創新，到產品創新再到現在到技術創新的三個階段。在一開始是學，接著是產品上超越，技術創新方面中美已經逐漸在一個緯度上面。

《千秒》：那在AI領域的發展，的優勢是什麼呢？

張亞勤：第一點，這個領域現在比較新，我講的不是人工智慧領域，我講的是深度學習；第二點有很多開源的演算法，演算法基本上都是公開的。從理論方面來講，這個理論其實主要是兩個加拿大人和一個美國人十年前奠定的，他們是新一輪AI、深度學習的鼻祖。但他們之後公開了，我們也知道他們做什麼了，人學習很快，現在很多的學者做得可能比他好，是因為一直改善得很快，所以現在很多華人做這件事，國內也好，在國外的華人也好，很多人都在做這個東西，所以說這個水平是比較不錯的。

另外一個很重要的就是應用和場景數據，這個在很常見，而且用途很廣，使用量也很大。

還有就是產品化速度很快，為什麼的移動互聯發展快，就是拿到東西我搞個App就出去了，美國那邊探索來探索去，比如過去支付慢，信用卡一大堆，他們不願意用移動支付，有什麼隱私的問題、安全問題，吵半天，他都不用，然後企業之間互相競爭也不開放數據，因為都很強；拿電商來說，美國比要慢，美國人傳統，老百姓還是願意到店裡去買東西，太太都不工作，你讓她到網上購物她不願意，她就每天一定要去市場逛一逛，所以這個文化是不一樣的。所以說在AI領域，產品化速度應該會比較快，我還是很有信心的。

《千秒》：技術研發、人才培養、產業配套、政策、風險投資等相關涉及的領域，您最關注哪一個？

張亞勤：在，這些都很重要，這些因素都要全的話才能發展，我們先來看看什麼不那麼需要。

風投首先就不那麼重要，太多了，錢太多了；產業政策也不那麼急，因為產業剛才所講還是靠市場化去發展，就某一個行業來說是不需要這個的。

人才培養是需要的，因為現在其實AI很缺人才，為什麼人才炒這麼貴，每個人都說我是AI的人才，其實也都不是，AI人才對演算法、對系統架構、對數據、對場景應用都需要了解。因為現在深度學習的地方還是靠經驗，怎麼調參、怎麼收集數據、標識數據、怎麼樣設計網路架構，因為有的時候設計者自己也搞不清為什麼，也不知道為什麼機器就能運行了，不工作了也不知道為什麼就不工作了，所以黑箱也是需要經驗的。人才是最缺的，別的東西可能都很快就能改善，但人才培養需要時間，所以說我們現在要全球範圍招聘人才，人才才是最大的競爭力。

－ END －