不仅仅是深度学习，杨强眼中的人工智能与CCAI 2016

8月26-27日，由中国人工智能学会（CAAI）发起并主办、中科院自动化研究所与CSDN共同承办的第二届中国人工智能大会（CCAI 2016）将在北京盛大召开。本次大会将持续汇聚全球人工智能领域的顶级专家学者和产业界人士，围绕当前最热点的话题进行深入交流和探讨，并针对人机交互、机器学习、模式识别、产业实战等主题进行论坛研讨，努力打造一个国内人工智能前沿平台。

作为CCAI 2016程序委员会共同主席之一，中国人工智能学会海外副理事长、AAAI Fellow、国际人工智能协会（AAAI 和IJCAI）理事会常务理事、香港科技大学计算机系主任杨强教授在大会筹备期间接受CSDN记者专访，分享了他对当前人工智能技术演进的看法，和CCAI 2016的规划目标，并介绍了他个人的研究与工业应用的结合成果，以及他本人与人工智能结缘的一些鲜为人知的故事。

杨强希望人工智能项目要落地普惠人类。他表示，本届人工智能大会的一个重要功能是搭建产业应用和学术研究的桥梁，让国内的科研人员与技术骨干和国际同行一起告诉大众一个真实的人工智能学科与产业的发展现状和面临挑战，让大众对待人工智能的认识保持理性。他希望本届大会能向观众展示一个全面的人工智能领域现状（而不仅仅是讨论深度学习）。他肯定了人工智能华裔学者在国际舞台上的成绩，也指出获得国际影响力需要的努力——在某个领域做出前沿的、贡献新的工作以及与国际同行进行更多交流。

本届人工智能大会将完美体现上述思想。大会将会有国际人工智能促进会 （AAAI）主席、美国亚利桑那大学教授Rao Kambhapati，MIT人工智能实验室教授、美国人文与科学院院士Tomaso Poggio，微软人工智能首席科学家、IEEE Fellow邓力的报告，也有中科院外籍院士、美国科学院院士蒲慕明，美国计算语言学会ACL Fellow、ACL前大会主席，从Google回国创业的林德康的分享，此外还有大疆创新科技公司董事长、香港科技大学教授李泽湘，国内外顶级嘉宾荟聚一堂，充分体现了国内和国外、学术与产业的沟通交流。

谈到AlphaGo取得成功的经验，杨强认为，通用型算法需要机器学习、符号空间的搜索能力、强化学习等多方面的组合。除深度学习之外，逻辑推理、智能规划、迁移学习、智能博弈等知识也会在未来发挥作用。要打破大数据的瓶颈，也需要引入逻辑推理、搜索和规划、因果推断及迁移学习等经验表达类的算法。他正在研究利用深度学习、强化学习和迁移学习的有机结合，建立起一个通用的、可以个性化的机器学习体系——Reinforcement Transfer Learning（RTL）。这在与微信合作的垂直领域人机对话已有重大进展。杨强和微信合作的另外两大进展，则包括从网络层解决深度学习所需要的优化任务（大幅提供在线学习效率），和以大规模社交网络的文本分析（净化网络传播空间）。

人工智能领域下一个阶段的重要工作，杨强认为包括高质量训练数据的整合，以及不同的机器学习系统协作运作（在统计和逻辑推理之间平衡）。由于数据积累的原因，他看好人工智能未来在金融投资领域的应用。而对于人工智能领域可能再次出现低谷的预期，杨强表示，大众需要警惕对人工智能有过高的期望值。

中国人工智能学会海外副理事长、AAAI Fellow、国际人工智能协会（AAAI 和IJCAI）理事会常务理事、香港科技大学计算机系主任杨强教授

以下为采访内容实录

嘉宾简介

CSDN：请介绍您目前在人工智能领域的主要工作，以及您是如何走上人工智能研究的道路的？

杨强：我现在的主要工作是在机器学习方向，建立一个迁移学习的理论体系。同时，利用深度学习、强化学习和迁移学习的有机结合，建立起一个通用的、可以个性化的机器学习体系。这个体系叫做Reinforcement Transfer Learning （RTL）。这一RTL体系可以让在大数据的环境下建立的机器学习的模型，能够顺利地迁移到在小数据的场景下适用的领域。我们在几个应用领域方向都有尝试，例如，功能性对话系统、金融投资和机器阅读领域取得了一定的成功。我们的另一个研究方向叫做Learning to Learn，就是如何让机器像人一样能够学到学习方法。其重要的指导思想就是迁移学习。

我是在念博士期间喜欢上人工智能的。当时觉得计算机本身就很神奇，很喜欢编程。听了导师的讲座后，我觉得如果能让计算机自主地决策、学习、思维，研究工作将更加有趣。我在的那个研究组在计算机博弈，自动动作规划和机器人与智能设计方向都有很多有趣演示，让我觉得这个研究方向才是未来。

关于AI

CSDN：2016年大众对人工智能印象最为深刻的可能是AlphaGo，但从专业的角度，今年人工智能领域的哪些技术和应用进展最为让您兴奋？

杨强： AlphaGo确实让人兴奋。从专业的角度，它的成功预示这人工智能的通用型算法，需要多方面的组合，不但需要有机器学习，而且需要在符号空间的搜索能力，同时还需要成功地引入强化学习。AlphaGo也让我们看到了许多现在算法的局限，例如，在没有大数据的领域，基于机器学习的算法在现阶段还很难突破。这也是我们研究迁移学习的一个初衷。

CSDN：CVPR 2016的一个反思是深度学习的垄断，您认为研究人员是否高估了深度学习？在深度学习之外，有哪些好的方向被我们低估了？

杨强：在人工智能领域，除了深度学习以外，还有很多不同的领域可以在未来发挥作用。比如逻辑推理、智能规划、强化学习、迁移学习、智能博弈等。如果你来AAAI或者IJCAI看一看，你会发现在这些领域有很多的研究者在辛勤工作。

CSDN：当前深度学习成功的一个关键是大数据，您认为大数据能真正地打破人工智能的瓶颈吗？

杨强：大数据是当前深度学习的一个需求，也是它的一个瓶颈，因为不是每一个人都拥有高质量的大数据。要打破这个瓶颈，就要引入更多的经验表达类的算法，比如逻辑推理、符号空间的大规模搜索和规划、因果推断，以及迁移学习。

CSDN：人工智能系统和计算架构方面，您认为下一个阶段最重要的工作是什么？

杨强：一个重要的工作是如何做多种数据源的整合，以获取高质量的训练数据。另一个重要工作是如何让不同的机器学习系统协作运作，使得我们在统计和逻辑推理之间取得一个较好的平衡点。再有就是如何把网络计算和机器学习有机地结合在一起，大规模地扩展机器学习的效率。

CSDN：近期全球对智能机器人乃至无人车的投资很多，但现在特斯拉无人车已经背上了命案，您如何看待机器人和无人车的技术挑战？相比之下，对于未来三年的AI应用落地，您最看好的方向是无人车还是别的？

杨强：无人车的算法在今后会越来越成熟，但离我们人的判断能力还距离尚远。我觉得下一个可能的发展方向是金融投资，所谓“顾投”的应用方向。因为在这一领域所获取的数据已经相当丰富，计算机应该很快会有足够的例子来模仿人类的决策。另一个有可能的方向是功能型的对话系统，让机器可以不断模仿人类解决问题的过程，变得越来越专业。

CSDN：60年来人工智能起起落落，如果未来还会出现人工智能的低潮，您认为可能的原因是什么？

杨强：每一次的低落都是因为人类对技术的预期不现实和过高。现在人们对人工智能又有很多过高期望的声音，这是我们应该警惕的。

华裔世界的进步

CSDN：从您作为组织国际AI大会的极少数亚裔代表，到AAAI因为中国春节改期改地，华人在人工智能圈的影响力在提升，您如何看待国内的人工智能学术水准和全球最先进水平的差距？

杨强：首先，我们已经有许多年轻的研究者走上世界舞台。他们的工作越来越多地获得国内外同行的承认。我们要知道，要得到别人的认可，首先自己要强大。也就是说，在某个研究领域，不管这个领域有多窄，在这个领域里要做到国际上的领导者。这样才能得到别人的尊敬。另外，要大公无私一些，多贡献自己的时间来做服务性的工作，并且多和国际同行见面、社交，让别人认识你，在困难的时候能想到你。这也是很多国外同行在各方面成功的经验。

CSDN：您的一个身份是微信首席技术顾问，能否介绍您是如何开展这项工作的？人工智能技术如何影响微信的功能和服务？

杨强：我们在香港科技大学和微信建立了一个人工智能的联合实验室（WHAT LAB）。还不到一年的时间，我们这个实验室已经有了很多成就。列举部分如下：

1. 我们和微信在设计一个可以支持大规模深度学习的数据中心的技术。这一技术和以往的深度学习加速器的一个重要区别，是我们从网络层就解决了许多深度学习所需要的优化任务。这将大大提高在线机器学习的效率。
2. 同时，我们也在进行深入的人机对话系统的研究。在垂直领域的功能型对话方面，已经成功地把深度学习、强化学习和迁移学习有机地结合起来。我们的这个对话系统可以在人类解决问题的过程中在一边等待和模仿，作为人的“僚机”，逐渐进入主要位置。其目的不是取代人类，而是放大人类的作用。
3. 我们的第三个成功点在大规模社交网络的文本分析方面。这对于净化网络传播空间，帮助人类更好的阅读到自己喜欢的读物，将带来全新的功能。

CSDN：作为港科大教授、腾讯顾问、原华为诺亚方舟实验室主任，您认为国内的各类机构应当如何协作来推动人工智能及其应用的发展？CAAI能发挥的作用是什么？

杨强： CAAI的一个重要功能是连接工业应用和学术研究，并和国际同行一起，告诉社会一个真实的人工智能，让社会对人工智能的期待渐趋平和、落地。CAAI可以成为一个有力的平台，让研究者有机会将自己的工作向全社会展示，能够让不懂技术的人也能理解技术的作用。

关于人工智能学习

CSDN：人工智能目前的进展，是否意味着所有的软件工程师都需要学习人工智能或者机器学习？您认为非人工智能专业的工程师应当如何上手？

杨强：人工智能的一个特点是任务驱动。如果软件工程师觉得自己身处数据当中，有扩展人力的应用需求，可以学一学人工智能。在没有具体应用目标的情况下，很难掌握人工智能的核心思想，所以也不建议盲目追逐。

CSDN：从业者应该阅读新的论文来打开思路，但目前的情况可能是新论文发表的速度比从业者看的速度快得多，对于如何选择论文、如何阅读论文，您有什么方法可以介绍？

杨强：阅读论文要有批判的观点。有一些方法论，比如矩阵法，这在我的一本书里讲过了（清华大学出版社：《学术研究，你的成功之路》）。

关于CCAI

CSDN：您参与甚至组织了很多国际人工智能会议，那么您如何中国人工智能大会这个平台的独特定位？

杨强：真实、客观地展示人工智能的最新成果。

CSDN：您最希望CCAI 2016能向观众传达哪些内容？为什么我们应当关注这方面的内容？

杨强：我希望CCAI向观众展示一个全面的人工智能，而不仅仅是深度学习的人工智能的一个部分。

---

CCAI 2016中国人工智能大会将于8月26-27日在京举行，AAAI主席，多位院士，MIT、微软、大疆、百度、滴滴专家领衔全球技术领袖和产业先锋打造国内人工智能前沿平台，6+重磅大主题报告，4大专题论坛，1000+高质量参会嘉宾，探讨人机交互、机器学习、模式识别及产业实战。门票限时六折优惠中。