首页 | 滚动 | 国内 | 国际 | 运营 | 制造 | 终端 | 监管 | 飞象科技 | 业务 | 技术 | 报告 | 博客 | 特约记者 | 论坛 | 周刊
手机 | 互联网 | IT | 5G | 光通信 | LTE | 云计算 | 三网融合 | 芯片 | 电源 | 虚拟运营商 | 测试 | 会展 | 黄页 | 百科
首页 >> 3G-Summit全球科学创新文章 >> 正文

高端对话:以科学之名,探讨人类社会的新价值

2017年4月28日 15:00  CCTIME飞象网  

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!

编 辑:李乐羽
相关新闻              
 
专家观点
“我那时最多是从一个甩手掌..
精彩专题
聚焦2017华为全球分析师大会
3·15 网络诚信 消费无忧
MWC2017世界移动通信大会
聚焦中兴2017MWC
CCTIME推荐
关于我们 | 广告报价 | 联系我们 | 隐私声明 | 本站地图
CCTIME飞象网 CopyRight © 2007-2017 By CCTIME.COM
京ICP备08004280号  电信与信息服务业务经营许可证080234号 京公网安备110105000771号
公司名称: 北京飞象互动文化传媒有限公司
未经书面许可,禁止转载、摘编、复制、镜像