飞象网讯（李乐羽/文），4月28日消息，在今天的GMIC 2017北京大会上，百度公司GMIC大会主席、百度公司总裁张亚勤和将门创投联合创始人兼CEO高欣欣进行了主题为以科学之名，探讨人类社会的新价值的对话。
一下为对话内容：
郭岚：谢谢崔总。下面我们要开始正式的全球科学创新峰会了。刚才我们也讲过，G-Summit是一个科学家、企业家、投资人相聚一堂的盛会。我们第一个环节请了既有科学家的身份，同时也有企业投资经验的两位专家。但是非常可惜的是，昨天夜里听说斯坦福大学的张首晟教授因为航班延误没能到，所以我们也非常有幸在最后一刻请到了高欣欣女士采访百度，也是G-Summit大会的主席，总裁张亚勤先生。大家有请！
高欣欣：大家好，非常抱歉，本来大家希望能够看到张首晟教授的，听说不是延误，是飞机开到一半的时候出现了机械故障。本来我听说张亚勤跟张首晟教授刚刚在美国见过面，本来今天知道的话题是拓扑绝缘体和量子计算。为了不亏待现场的来宾，您稍微透露一下这个话题的内容。
张亚勤：大家下午好。首先我觉得这个会很有意思，科学复兴。郝义，尽管是生意人，但是很有科学的情怀。我是被郝义拉来，说你们要讲二十分钟，半小时的。我说讲什么？他说随便。我说和谁讲？他说和张首晟，你们想聊什么聊什么。我也没有任何的准备。但是昨天晚上我还是想了一下，要聊什么东西。
我其实想和张首晟聊，他现在开创的一个领域，所谓的拓扑绝缘体。大家可能听起来比较遥远，其实这个和我们现在不管是做AI也好，和做计算科学，其实是很近的，已经很近了。所有的我们看到的软件、芯片、手机、互联网，都是多年前在物理方面，在数学方面的研究的积累。什么叫拓扑绝缘体？大家知道现在芯片40年一直是追随摩尔定律的，芯片的密度就会增加一倍，每10平方米。我们现在应用的是半导体，等等在同样的密度里面走两倍，同样的体积里面走两倍，到一定程度之后电子就会碰到，碰到之后就会发热，最后会限制你的运算速度的发展。所以摩尔定律再过一段时间可能就不成立，不知道两年，还是十年。
张首晟他所创立的领域，是另一种材料或者另外一种领域，拓扑绝缘体。它有双重性，它的材料内部里面是完全绝缘的，所以说你碰不到，它可以自由的传导。这样的话基本上在理论上面，避免了我们现在摩尔定律所达到的极限，包括后面讲到量子自旋的效应。这些东西都对我们未来的芯片发展，包括马上讲量子计算都有很深远的影响。量子计算也是，我早上说了一下，我们可能认为天方夜谭，可能还需要二十年，三十年，和我没关系。但是我觉得已经很快了，而且我相信五年之后，我们坐在这个屋子里面可能讨论的不是AI，它可能成为产业发展的重要引擎，可能讨论的是量子计算或者别的东西。
量子计算这两年还是有很多的进展的，我本来要问张教授问题，我讲一下，基本上有两种。一种是现在谷歌所采用的，用的是（英文），这个里面稳定性会差一些。另外一种叫拓扑量子计算，这里面用的是更加稳定性好的。去年证明所有在这领域所做的算法，都可以实现，可以通过拓扑的量子实现。现在微软用的更多是拓扑量子计算，所以现在大的企业，当然包括大学，包括中国的一些研究机构，都在花一些精力做量子计算方面的研究。这个恢复对AI的未来有很重大的影响，包括AI现在一些算法。
高欣欣：这算是我们跟大洋彼岸的对话。我拉回主题，因为我们今天小小的论坛有一个题目，以科学之名，探讨人类社会的新价值。如果我们要探讨人类社会的新价值，必须要先回答新世界是什么样子的。所以今天有一个特别核心的主题，虽然未来要谈论量子计算，但是今天每个人谈的都是人工智能，是AI。在你眼中，我们新世界的未来到底是什么样子的呢？
张亚勤：这个问题太大了。量子计算和AI并不矛盾，量子只是一种更新的计算方式。讲到AI的话，我们这儿有很多专家，包括余凯坐在那儿。他做机器学习。包括智能驾驶，百度最开始做汽车大脑。他一会儿会给大家分享更多的技术细节，可能还有别的AI学者。
我认为AI，由于深度学习过去十年的发展，AI走向第三次高峰。而且这次确实是越来越实用，我们真的认为它会改变我们的生活，改变这个产业。所以在百度，我们说AI是新的电能，就像一百年前电力一样的改变所有的行业，而且重塑社会和经济的架构。目前的话，我们下面刚才聊了，到底AI技术发展，有哪些方向？包括有哪些限制，哪些弱点？未来是不是就是深度学习？AI是不是等于深度学习？现在大家把AI、深度学习、机器学习、神经网络看作一个东西，其实还是有些不同的。
我稍微从宏观方面讲一下。AI从技术方面，如果现在看AI，基本上是三个大，什么都要大，大数据、大模型、大计算。特别像模型，微软研究院做的现在一千多层，我们百度大脑很大的，这里有百亿，甚至超过百亿的特征参数。这个相当大，数据需要量也很大，计算量也很大。这些东西有好处，因为我们现在计算能力越来越强，数据越来越多，这也是一件好事，利用了三个大。
但是在很多方面，你还要走得更小，所以一个方向是怎么把大的东西用在小的方面。刚才跟鲁教授讲，他是全球顶级的脑科学专家，很多时候我个人数据没那么多大的数据，可能有一些数据，但是很个性化的，很精准的这些数据，我能不能用机器学习？我想这是一个方面，一方面越来越大，一方面越来越小，越来越轻。特别像一些技术把在某一个领域或者某一个群体，或者某一个场景，下面大数据所训练的模型用到小数据里面去，这是一个方向。
还有一个，我稍微看一些东西，我自己也做一些编程。AI最近几年新的进展，生成的对抗网络，我很感兴趣。这是差不多三年前，Ian Goodfellow他们几个人一块做出来的。我觉得为什么重要呢？这也是我和张首晟谈的话题。一开始我说我们人工智能应该对人的大脑有更多的了解，把这些东西，人的大脑要用到我的AI里面去，但是这绝对是一件好事。我们现在受到大脑视觉系统模型的启示。大部分当然是还没有用到大脑，但是这是一件好事。张首晟的观点我是同意的，你如果最后就是为了模拟人，你并需要。比如说仿生学可以学习它的一些机理，但是最终你要有新的技术、模式。我们飞机可能空气动力学受到鸟的启示，飞机做出来以后肯定不是按照鸟的翅膀，它的实体做的，你做的可能比它更好。AI也是一样，你在很多方面要了解人的大脑，模拟它的功能和机理。但是更重要要做它做不了的事。生成的对抗网络就是做到它的决策也好，包括它的目标、函数、算法，可能是对抗的，是AB互相对抗，会让机器有更多新的功能和智能，新的一些能力。我觉得这个很有意思。
另外一个方面，我们现在还是一个黑箱，有的时候我们对里面为什么要工作，怎么样还是需要理解。今天早上我问霍金的问题，如果看一下人类的发展，对于宇宙的观测和理解，最早的话大家是靠望远镜去观测星球，祖冲之估算圆周率。后面到了伽利略、牛顿时代有方程式，确定的方程式，爱因斯坦的方程式，变成了一个方程式，我们对我们的世界有了更好的认识。过去的几十年，更多的是数据的时代，由于计算能力强了，很多都是data。你用它需要做什么？其实是想找一个函数，把这些方程式，把乱七八糟的数据写出来，函数就一层里面有很多，我的函数里面很多变量，多层的话就是很多嵌入的函数。为什么要多层？我这个函数可以很复杂，复杂度很高，可以把我的数据建模出来，尽管我写不出来这个函数。这个有点傻，完全靠这么一种方式。如果我们对一个事情产生的机理更清楚的时候，那么就不需要这样了，我知道C平方，我知道这些公式之后，知道自然事物产生的机理。以后会不会变化方程式的时代？从估计，到了方程式，到了大数据，后面再会回到方程式时代。他讲这是其中的一个方面。
所以说我觉得我们要遵循自然现象，可能未来的学习，有数据，有模型，有方程式，也有我们深度学习，可能会有一个好的结合。当然我想未来会利用大数据，利用小的数据，利用各种不同的机制，包括以后。
高欣欣：您说了很多宏观的，未来的事情。接下来我想深究一个。但是大家多说AI里面有几个最先激活或者最大机会的几个场景和机会，其中有一个就是所有的人可能最关注的，就是自动驾驶。最近发生了一件事，百度开放了自动驾驶平台赋能汽车产业叫阿波罗，这个消息变成了一个10+的热门，大家特别关心。您能不能给我们透露一下这里面的布局和思考？
张亚勤：不能。谢谢帮我做广告。如果看一下自动驾驶，可以说是集成了AI多年的这些技术，然后可能是一个最高的要求，AI，包括计算机视觉，包括高精的定位，包括各种传感、数据、传感、规划，而且要高保险系数，出错的几率很少。这里面有很复杂的技术。百度开放这个技术，我们叫阿波罗，就是希望大家不要重复这件事。我们是做得最早的，余凯你什么时候开始的？13年，开始在规划汽车大脑。我们一大批车在路上跑，汇集了很多数据，我们有一帮做高精地图的人，一帮做决策的。这么多人做这件事，大家去使用吧，我们开放出来。它的API，希望这个平台标准化，然后希望大家在上面更多的去使用，不要重复原来做过的事。
我们为什么叫阿波罗？我们就用阿波罗登月做一个名字，阿波罗登月把人放在路上，这个把人从车里拿出来。需要很多人，需要企业、学术界、政府的合作，大家来完成这么一个东西。
首先无人驾驶和自动驾驶是一件好事，让我们更加安全，城市整个运转更加有效。所以绝对是好事。今天早上讲AI，霍金讲，我觉得无人驾驶、自动驾驶最好的AI和开放的例子。
高欣欣：我还想深究一层。当到了一个场景，我们讨论技术深究。既然是新社会，就要知道怎么到达的。您提到一个有意思的话题，现在深度学习，只要谈到机器学习必提深度学习，大家都在研究深度学习，我想请问您的是深度学习是我们真的是最终的一个方法吗？会不会有什么被错过了，我们没有关注到呢？
张亚勤：我不知道。我觉得刚才开始我也回答了一下，我觉得学习肯定是，因为我们人和这个社会，人和人之间和环境是通过学习的。我觉得要去学学小孩是怎么学习的，我们大数据和我们人的学习方式其实并不一样的。到底以后是不是深度学习？还是要用脑。刚才我讲的那些，包括可能新的方法也可能会出现，我们现在这个逻辑是对的，整个方向是对的。
高欣欣：您现在看到中国、美国，现在AI都是如火如荼，这两个地方有什么差距？您觉得它们的特色是什么？在您的判断上。
张亚勤：它出现的地方都是比较冷门的地方，都是在加拿大的，什么学校，都不是在美国的主流学校。所以做这件事，这些算法必然要花时间，而且要很安静。第二点，最近这一两年，中国学者的文章特别多，然后很活跃。我刚刚到斯坦福去，去Face Book，去谷歌，很多中坚力量也都是中国人、华人，在国内也是，有很多华人。中国目前很活跃，做得也相当棒。但是最核心的算法，最原始的算法，最理论的突破还是在国外，在美国，在加拿大，包括在英国，甚至在荷兰的地方。最近的这些算法的突破，可能也还是在国外。我刚才讲的生成的对抗网络，也不是在国内。我希望国内也花一点精力，一方面产业化，一方面做一些基础研究、算法研究。
我今天早上也讲了微软研究院做得非常棒，现在是做得最好的，原来150层，现在1000多层。但是做试验的那个人，在Face Book也是中国人，从微软过去的。但是整体来讲，我们做这种基础的算法，还是少了一些。现在我们不管企业也好，大学也好，应该多投一点。
高欣欣：好的，非常短暂的时间，可以访问到张亚勤。我们的论坛迅速的结束了，希望在后面还能够跟您深度探讨这些问题。让我们科学复兴、热爱技术，拥抱这个美好的新世界。
张亚勤：谢谢张首晟教授。
郭岚：非常感谢高欣欣女士和张亚勤总。讲到科学复兴人工智能是一个非常必要的话题，机器学习也是非常必要的主题，我们下面是一个尊贵的嘉宾，他在06年写了一个白皮书，叫做机器学习的原则。设置了世界上第一个机器学习学院。十一年以后，我相信他们有非常棒的理念和大家分享，欢迎Tom Mitchell跟大家分享一下我们在机器和人类之间的障碍如何破局的主题。有请！
