深度學習目前人工智能最受關注的領域，但并不是人工智能研究的全部。張鈸認為盡管產(chǎn)業(yè)層面還有空間，但目前基于深度學習的人工智能在技術上已經(jīng)觸及天花板，此前由這一技術路線帶來的“奇跡”在Alphago獲勝后未再出現(xiàn)，而且估計未來也很難繼續(xù)大量出現(xiàn)。技術改良很難徹底解決目前階段人工智能的根本性缺陷，而這些缺陷決定了其應用的空間被局限在特定的領域——大部分都集中在圖像識別、語音識別兩方面。

同時，在張鈸看來，目前全世界的企業(yè)界和部分學界對于深度學習技術的判斷過于樂觀，人工智能迫切需要推動到新的階段，而這注定將會是一個漫長的過程，有賴于與數(shù)學、腦科學等結(jié)合實現(xiàn)底層理論的突破。

在Alphago與韓國圍棋選手李世石對戰(zhàn)獲勝三年過后，一些跡象逐漸顯現(xiàn)，張鈸院士認為到了一個合適的時點，并接受了此次的專訪。

“現(xiàn)在很多方面大家看的比較清楚，已露出苗頭來了，我現(xiàn)在也接觸到很多企業(yè)，找我談這個問題，說明企業(yè)在第一線已經(jīng)發(fā)現(xiàn)了很多問題，就想找個機會稍微說說?！睆堚摫硎?。

“奇跡并沒有發(fā)生，按照我的估計，也不會繼續(xù)大量發(fā)生”

人工智能在最近三年時間中受到的關注很大程度來自于其在圍棋領域超越人類的“奇跡”，人工智能一次又一次的證明了人類“圍棋智慧”優(yōu)越的脆弱性。

但在張鈸看來，盡管此前數(shù)年，人工智能在語音識別、圖像識別、圍棋三個領域顯現(xiàn)了“奇跡”，但此后，這個“奇跡”再未在其他領域出現(xiàn)，其技術應用的邊界和條件已經(jīng)逐漸清晰。

記者：人工智能突破的原因是什么？

張鈸：通過人工智能，利用深度學習、大數(shù)據(jù)這兩個工具，在一定條件下、一定領域內(nèi)竟然能夠超過人類，這三件事情給大家極大的鼓舞。但實際上，在這個之后，奇跡并沒有發(fā)生，按照我的估計，今后也不會大量發(fā)生。

結(jié)果很多企業(yè)在做的時候發(fā)現(xiàn)，不是那么回事。從目前的情況來看效果最好的事情還是這兩件：圖像識別、語音識別。我看了一下，中國人工智能領域20個獨角獸30個準獨角獸企業(yè)，近80%都跟圖像識別或者語音識別有關系

“深度學習技術，從應用角度已經(jīng)接近天花板了”

圖靈獎得主朱迪亞·珀爾指出：盡管深度學習算法具有大腦的靈感，但它們也可以算作另一種強大的數(shù)據(jù)分析工具，是“曲線的擬合”。諾貝爾經(jīng)濟學獎得主托馬斯·薩金特則認為人工智能其實就是統(tǒng)計學。

那么，人們是否需要機器給一個解釋呢？

記者：我們應該怎么去定義目前的深度學習技術路線，它是基于概率學的一個事物嗎？

張鈸：現(xiàn)在的深度學習本質(zhì)是基于概率統(tǒng)計。深度學習是尋找那些重復出現(xiàn)的模式，因此重復多了就被認為是規(guī)律（真理），因此謊言重復一千遍就被認為真理，所以為什么大數(shù)據(jù)有時會做出非?；奶频慕Y(jié)果，因為不管對不對，只要重復多了它就會按照這個規(guī)律走，就是誰說多了就是誰。

我常常講我們現(xiàn)在還沒有進入人工智能的核心問題，其實人工智能的核心是知識表示、不確定性推理這些，因為人類智慧的源泉在哪？在知識、經(jīng)驗、推理能力，這是人類理性的根本?，F(xiàn)在形成的人工智能系統(tǒng)都非常脆弱容易受攻擊或者欺騙，需要大量的數(shù)據(jù)，而且不可解釋，存在非常嚴重的缺陷，這個缺陷是本質(zhì)的，由其方法本身引起的。

記者：學界在這上面還是有一個比較清晰的認識？

張鈸：我可以這么說，全世界的學界大多數(shù)有清晰的認識；全世界的企業(yè)界大多持過于樂觀的估計。

記者：那基于此，目前商業(yè)公司在底層技術和產(chǎn)業(yè)應用上還是有很大的空間嗎？

張鈸：只要選好合適的應用場景，利用成熟的人工智能技術去做應用，還有較大的空間。目前在學術界圍繞克服深度學習存在的問題，正展開深入的研究工作，希望企業(yè)界，特別是中小企業(yè)要密切注視研究工作的進展，及時地將新技術應用到自己的產(chǎn)品中。當然像谷歌、BAT這樣規(guī)模的企業(yè)，他們都會去從事相關的研究工作，他們會把研究、開發(fā)與應用結(jié)合起來。

但是從長遠來看，必須得走人類智能這條路，為什么？因為我們最終是要發(fā)展人機協(xié)同，人類和機器和諧共處的世界。我們不是說將來什么事情都讓機器去管去做，人類在一邊享受。我們要走人機共生這條路，這樣機器的智能就必須和人類一樣，不然沒法共處，機器做出來的事情，我們不能理解，我們的意圖機器也不知道，二者怎么能合作？

一個白色的三角旗，在黑暗的木地板上探索

“我們培養(yǎng)不出愛因斯坦、培養(yǎng)不出圖靈”

人工智能在中國市場的快速商業(yè)化吸引了各類科研人員投身于此，在論文發(fā)表量和平均引用量兩個指標上中國研究者表現(xiàn)出了競爭力，一種樂觀的觀點是“中國人工智能研究已經(jīng)可以和美國并列”。

對此，張鈸院士則謹慎地認為盡管在工程、產(chǎn)業(yè)化層面的某些方面中國人工智能已經(jīng)接近世界水平，但在技術創(chuàng)新上，中國與世界水平差距還很大，實際上，至今為止幾乎所有的人工智能原創(chuàng)研究成果都來自于美國。

作為中國人工智能科研的領軍機構(gòu)，清華大學也正在嘗試改善這一情況，5月18日成立的清華大學“人工智能學堂班”（以下簡稱“智班”）是其中的一個舉措。智班旨在培養(yǎng)人工智能領域領跑國際的拔尖科研創(chuàng)新人才，為未來一二十年的人工智能技術發(fā)展儲備中國尖端人才，智班將從2019年秋季開始招收招本科生，首批預計招收30人，圖靈獎得主、清華大學交叉信息院院長姚期智院士將擔綱智班首席教授。

“我們清華開辦一個人工智能班就是基于這個原理。中國在幾十年前曾經(jīng)喪失了一些和國際上同時起步的時機，我想我們現(xiàn)在有一個非常好的機會，在以后十年二十年人工智能會改變這個世界的時候，我們應該在這個時候跟別人同時起步甚至比別人更先走一步，好好培養(yǎng)我們的人才，從事我們的研究”姚期智表示。

記者：一種觀點認為中國有更多的數(shù)據(jù)和更多的工程師，這種規(guī)模能倒推帶來基礎研究層面的突破或者決定技術的路線？

張鈸：這里混淆了好多概念，科學、技術、工程。科技水平需要三個標準來衡量，一個是科研水平、一個是技術水平、一個是工程實踐能力，或者產(chǎn)業(yè)化能力。

我們中國什么情況？從工程角度來看，在一些領域我們“接近世界水平”；技術水平我用的詞是“較大差距”，因為不少東西還是外國會做我們不會做；科研究領域我用的詞是“很大差距”，科學研究就是原創(chuàng)，實際上，所有人工智能領域的原創(chuàng)成果都是美國人做出來的，人工智能領域圖靈獎得主共十一人，十個美國人，一個加拿大人。

記者：清華在這方面有什么優(yōu)勢嗎？

張鈸：在人工智能重要的會議雜志上，這十年期間論文數(shù)量、平均質(zhì)量CMU（美國卡耐基梅隆大學）排第一，清華大學排第二。我們培養(yǎng)的人，在計算機這個領域，清華的本科、博士生都是世界一流的。

目前我們的跟蹤能力是比較強的，一旦有人起個頭，我們能迅速跟上去。但是很可惜，我們?nèi)狈敿馊宋?，也培養(yǎng)不出頂尖的人才，如愛因斯坦、圖靈等。

我個人認為原因之一，可能與中國的文化有點關系，我們的從眾心理很嚴重，比如在人工智能領域，深度學習很熱，發(fā)表的論文作者中幾乎70%是華人，但是其他非熱門領域，包括不確定性推理、知識表示等幾乎沒有華人作者。這就是從眾扎堆，不愿意去探索“無人區(qū)”。

當然也不要著急，科學研究本來就是富人干的事情，是富國干的事情，我們還是發(fā)展中國家，科學研究起點比較低，暫時落后是難免的，我們會迎頭趕上。

“低潮會發(fā)生，但不會像過去那樣”

新的技術路線應該要解決目前存在的不可理解性，脆弱性等缺陷，而這些可能還需要計算機科學與數(shù)學和腦科學的結(jié)合與突破。

記者：如果說深度學習已進天花板，那么人工智能未來的前進方向?qū)谀模?/strong>