清華新聞網(wǎng)7月9日電 6月29日下午，清華大學(xué)智能產(chǎn)業(yè)研究院邀請(qǐng)圖靈獎(jiǎng)獲得者、康奈爾大學(xué)教授、清華大學(xué)智能產(chǎn)業(yè)研究院學(xué)術(shù)顧問(wèn)委員會(huì)委員約翰·霍普克羅夫特（John Hopcroft）與智能產(chǎn)業(yè)研究院的專(zhuān)家學(xué)者及同學(xué)們進(jìn)行對(duì)話(huà)及參觀(guān)交流活動(dòng)。對(duì)話(huà)分享會(huì)在圖靈報(bào)告廳舉行，智能產(chǎn)業(yè)研究院院長(zhǎng)張亞勤主持。
張亞勤介紹約翰·霍普克羅夫特
本次對(duì)話(huà)會(huì)開(kāi)篇，約翰·霍普克羅夫特便從宏觀(guān)的時(shí)代角度切入，闡述計(jì)算機(jī)科學(xué)與人工智能領(lǐng)域的教育及人才培養(yǎng)對(duì)于當(dāng)下我們所處的信息化時(shí)代的重要性。提到人才培養(yǎng)的重要性，約翰·霍普克羅夫特著重強(qiáng)調(diào)了興趣。約翰·霍普克羅夫特說(shuō)，大家都想知道諾貝爾獎(jiǎng)或圖靈獎(jiǎng)獲獎(jiǎng)?wù)叩某晒γ卦E，其實(shí)這些獲獎(jiǎng)?wù)叽蠖啻嬖谶@樣的一個(gè)共同點(diǎn)——他們關(guān)注于自己所熱愛(ài)的事物，并為之付出行動(dòng)。這也是約翰·霍普克羅夫特給青年人的建議：當(dāng)我們選擇了自己所熱愛(ài)的研究方向，便能夠?yàn)橹冻龈嗟男难?、激發(fā)更多的創(chuàng)造力，我們的工作便更有可能取得成功。
隨后，約翰·霍普克羅夫特結(jié)合自身實(shí)際研究經(jīng)歷，由淺入深為大家講述了近幾十年內(nèi)人工智能和計(jì)算機(jī)科學(xué)領(lǐng)域的發(fā)展和變遷。從計(jì)算機(jī)科學(xué)的發(fā)展來(lái)看，其重要的變化體現(xiàn)在研究重心的轉(zhuǎn)變及數(shù)據(jù)規(guī)模的擴(kuò)大上，早期的計(jì)算機(jī)科學(xué)研究者關(guān)注于如何讓計(jì)算機(jī)更具價(jià)值，并致力于研究算法、編程、系統(tǒng)、數(shù)據(jù)庫(kù)等等，而如今的計(jì)算機(jī)科學(xué)研究者關(guān)注于如何更好地應(yīng)用計(jì)算機(jī)，并開(kāi)始將計(jì)算機(jī)科學(xué)與金融、制造業(yè)等領(lǐng)域相結(jié)合，尋找計(jì)算機(jī)所能解決的新問(wèn)題；此外，如今的數(shù)據(jù)量和工程代碼量相較于早期研究已經(jīng)有了顯著的規(guī)模增長(zhǎng)，而統(tǒng)計(jì)學(xué)也在計(jì)算機(jī)科學(xué)領(lǐng)域發(fā)揮了更為關(guān)鍵的作用。
值得關(guān)注的是，新興研究方向的不斷涌現(xiàn)也是計(jì)算機(jī)科學(xué)領(lǐng)域的變化之一。在如今高數(shù)據(jù)規(guī)模的需求下，分布式計(jì)算發(fā)揮著相當(dāng)關(guān)鍵的作用。同時(shí)，一些研究關(guān)注于如何進(jìn)一步提升計(jì)算機(jī)的計(jì)算能力，不同于通用型的計(jì)算機(jī)結(jié)構(gòu)，部分特化的結(jié)構(gòu)被設(shè)計(jì)出來(lái)以應(yīng)對(duì)某些特定的計(jì)算情況，如被用于圖像處理和深度學(xué)習(xí)訓(xùn)練的GPU及用于解決特定問(wèn)題的量子計(jì)算機(jī)構(gòu)想等。從人工智能領(lǐng)域的發(fā)展來(lái)看，近年來(lái)，深度學(xué)習(xí)領(lǐng)域正取得一個(gè)又一個(gè)突破，從AlexNet到ResNet，模型的參數(shù)量逐步提升，準(zhǔn)確率也逐漸升高，在ImageNet圖像分類(lèi)任務(wù)上已經(jīng)達(dá)到超越人類(lèi)的水平。為應(yīng)對(duì)更大的模型和更多的數(shù)據(jù)，新的優(yōu)化器算法也逐漸得到應(yīng)用，例如，經(jīng)典的隨機(jī)梯度下降算法（Stochastic Gradient Descent，SGD）采用mini-batch上的梯度代替全量數(shù)據(jù)梯度，減少了訓(xùn)練時(shí)間，也緩解了全量數(shù)據(jù)梯度下降會(huì)陷入局部極小值的問(wèn)題。
同時(shí)，當(dāng)前的人工智能領(lǐng)域也存在著諸多亟待解決的問(wèn)題。約翰·霍普克羅夫特提到了一個(gè)生動(dòng)的比喻，他認(rèn)為人工智能模型對(duì)使用者而言就像一個(gè)黑盒，我們能知道結(jié)果，卻不知道過(guò)程，正如模型接收數(shù)據(jù)輸入并給出輸出，其執(zhí)行過(guò)程往往難以直觀(guān)理解。因此，為模型添加可解釋性是一類(lèi)關(guān)鍵的研究方向；其次，模型往往會(huì)因?yàn)橛?xùn)練數(shù)據(jù)分布中的偏差而帶來(lái)自身的偏差，如何緩解這一擾動(dòng)也是一個(gè)值得考量的問(wèn)題；再次，如何將先驗(yàn)知識(shí)融入到模型之中，使得模型更好地利用常識(shí)解決問(wèn)題；最后，如何幫助模型從更少量的樣本中學(xué)到表征，對(duì)人類(lèi)而言，我們能夠使用一張簡(jiǎn)單的插圖來(lái)認(rèn)知一項(xiàng)新事物，那么如何讓模型“學(xué)會(huì)學(xué)習(xí)”，從大規(guī)模數(shù)據(jù)中學(xué)到通用知識(shí)，并輔助到小樣本學(xué)習(xí)當(dāng)中，就成為了一項(xiàng)更為基礎(chǔ)的、值得研究的工作。對(duì)于人工智能領(lǐng)域的未來(lái)，約翰·霍普克羅夫特也與我們一樣充滿(mǎn)了期待。他說(shuō)，毫無(wú)疑問(wèn)的是，15年后，人工智能會(huì)變得十分強(qiáng)大，能解決我們現(xiàn)在的大多數(shù)問(wèn)題。
約翰·霍普克羅夫特發(fā)言
在提問(wèn)環(huán)節(jié)中，約翰·霍普克羅夫特從他數(shù)十年的教育經(jīng)歷出發(fā)，提出了對(duì)高校人才的培養(yǎng)建議。在他看來(lái)，大學(xué)在幫助政府、企業(yè)解決現(xiàn)實(shí)問(wèn)題，即進(jìn)行應(yīng)用型研究之外，還需要拿出一些資源進(jìn)行基礎(chǔ)型研究?？蒲腥藛T也需要拿出一些時(shí)間來(lái)開(kāi)展基礎(chǔ)型研究，因?yàn)檫@可能會(huì)啟發(fā)應(yīng)用型研究。同時(shí)，他也為研究者們提出了應(yīng)對(duì)壓力的建議。約翰·霍普克羅夫特發(fā)表論文應(yīng)該建立在取得重大研究成果的基礎(chǔ)上，但重大研究成果不可多得，一位研究者一年內(nèi)也最多得出一個(gè)這樣的成果。所以說(shuō)，一年發(fā)表多篇“重大研究成果”論文的研究者，就有為發(fā)表而發(fā)表之嫌。要認(rèn)識(shí)到研究失敗并不是一件壞事，因?yàn)槟軌蜓芯砍鍪〉睦碛?，也是一種貢獻(xiàn)。
談到研究過(guò)程中的信息雜音問(wèn)題，約翰·霍普克羅夫特表示，我們或許需要利用一種人工智能算法來(lái)找出對(duì)我們真正有價(jià)值的論文，但目前這個(gè)領(lǐng)域依舊有待探索。而對(duì)于計(jì)算機(jī)和人工智能領(lǐng)域的研究人員和從業(yè)者如何取得突破和成功，約翰·霍普克羅夫特一再?gòu)?qiáng)調(diào)，興趣和熱愛(ài)是最好的老師，不要把研究當(dāng)成工作，而應(yīng)該把它當(dāng)成樂(lè)趣。如果我們都享受工作的話(huà)，就能成功。
分享會(huì)現(xiàn)場(chǎng)
交流活動(dòng)結(jié)束后，張亞勤還與約翰·霍普克羅夫特一起觀(guān)看了車(chē)路協(xié)同視頻，并向約翰·霍普克羅夫特介紹了AIR近期與百度Apollo共同推出的項(xiàng)目成果——全球首份車(chē)路協(xié)同技術(shù)創(chuàng)新白皮書(shū)《面向自動(dòng)駕駛的車(chē)路協(xié)同關(guān)鍵技術(shù)與展望》。
約翰·霍普克羅夫特觀(guān)看車(chē)路協(xié)同視頻
活動(dòng)最后，師生們紛紛表示，今天的交流分享會(huì)令人意猶未盡，約翰·霍普克羅夫特教授給出的建議不僅立足整個(gè)行業(yè)，更貼近大家實(shí)際的學(xué)習(xí)和研究生活，就算是剛開(kāi)啟學(xué)術(shù)生涯的普通學(xué)子亦能收獲頗豐。
供稿：智能產(chǎn)業(yè)研究院
編輯：陳曉艷
審核：呂婷
