MIT名譽校長預測：機器學習會成為被廣泛使用的工具

未來，機器學習會成為一種被更廣泛使用的工具。機器學習“會變得像使用Word、PowerPoint或者Excel一樣”，任何一個領域的研究人員都可以更容易地使用它。

9月17日，麻省理工學院（MIT）名譽校長埃里克·格里姆森（Eric Grimson）在接受采訪時做出了以上預測。

Eric Grimson出生于1953年，是一位加拿大裔計算機科學家，現為麻省理工學院學術發(fā)展名譽校長和麻省理工學院計算機科學與工程系教授。

Eric Grimson的主要研究領域是計算機視覺。他的研究團隊在計算機視覺領域開創(chuàng)性地研發(fā)了活動和行為識別、對象和人識別、圖像數據庫索引、圖像引導手術、場地建模等系統(tǒng)。

2005至2011年，Eric Grimson作為系主任掌管麻省理工學院電氣工程和計算機系。

2011年至2014年，他擔任麻省理工學院的名譽校長。

目前，他是麻省理工學院學術發(fā)展名譽校長。

談中，Eric Grimson對澎湃新聞記者暢談了機器學習的未來：

未來，人工智能將以一個顧問的角色出現在醫(yī)療領域中。人工智能會在“個性化的醫(yī)療”中產生最好的影響，即基于大量的數據分析為某個特定的病人想出一個獨特的解決方案。這一過程中，AI只是提供建議，醫(yī)生仍需要把握最終的決定權。

未來，“AI會影響人類研究的每一個領域”，因此MIT正在進行MIT IQ項目，以期搭建起一座由機器學習通往其他各個研究領域的橋架。這個橋梁可以使任何一個領域的研究人員都更容易地使用機器學習。

Eric Grimson笑稱他不喜歡提建議，因為如果給出的建議不奏效，那就是他的錯了。不過，他還是在言談中對大學生、大學教授以及建設世界一流大學提出了自己的看法。

在他看來，每個大學生都應該了解一些計算思維（computational thinking）。無論你的專業(yè)是計算機科學、物理學、經濟學、政治學還是任何什么，每個人都應該了解“什么是算法”、“它可以如何幫助我”、“我是否該質疑它”。但他也強調，年輕人不要為了學習機器學習而放棄自己所喜愛的領域，應該把兩者結合起來，讓機器學習作為一種思路啟發(fā)你的思維，幫助你更好地從事所在領域內的研究。

談到大學教授創(chuàng)業(yè)，他認為大學教授和業(yè)界建立聯系是很有價值的，教授們不應該僅僅待在象牙塔里思考偉大的思想。如果大學太脫離實際問題，就無法做到讓世界變得更美好。大學最終應該做的事情是培訓下一代的領導者，探索能夠改善人們生活的知識。但是，學校應通過政策處理其中的利益沖突問題，不能讓學生為老師的公司工作。

在他心目中，一所真正偉大的大學，其最大的特點是愿意冒險，以及有鼓勵學生和教授承擔風險的氛圍?！叭绻憧纯唇裉炷切﹥?yōu)秀的大學，幾乎所有都非常愿意冒險。更重要的是，他們鼓勵學生冒險?！彼J為，學生應該敢于質疑權威，而教授也應勇于自我懷疑，尋找更好的研究方法。

對于人工智能領域的國際競爭，他不認為未來會產生一個所謂的“世界中心” 。他還提到，中國在語音識別和計算機識別領域有很大的優(yōu)勢?！坝袝r美國領先一點，然后中國試圖領先一點，然后美國再稍微領先一點，這是一個友好的競爭”。

Eric Grimson幽默風趣，他還在訪談中跟記者打賭。

他說：在未來短短的五年內，所謂的長途卡車，也就是那些將貨物載到美國各地的大型16輪卡車，會完全自動化。它們將簡單地在舊金山城外完成裝載，然后開車去芝加哥，或者開去紐約，去波士頓。這將改變幾百萬人的就業(yè)機會。

Eric Grimson同時還是麻省理工伯納德·戈登（Bernard M.Gordon）醫(yī)學工程主席、美國人工智能協會會士（AAAI Fellow）、美國電氣與電子工程學會會士（IEEE Fellow）、美國計算機協會會士（ACM Fellow），并在麻省理工學院獲得了玻色教學卓越獎（Boss Award for Excellence in Teaching）。他于1975年取得加拿大里賈納大學數學（高榮）和學物理學士。1980年，他在麻省理工學院獲得數學博士學位。

他此行是為了來上海參加2018世界人工智能大會。

以下內容為專訪實錄，翻譯自英文：

AI作為一個顧問：為醫(yī)生“出謀劃策”，給病人“量體裁衣”

記者：您在醫(yī)療領域的計算機視覺上做了很多工作，這些年計算機視覺也在癌癥識別、健康管理等方面取得了很多突破。在您看來，距離醫(yī)療AI大規(guī)模普及且進入人們對日常生活，還有哪些困難需要突破？

Eric Grimson：我想你已經看到了一些例子，說明AI技術可以對醫(yī)學產生影響。我會告訴你一些例子，然后我會討論為了使AI在醫(yī)療領域產生更大的作用，我們還需要做什么。

在許多成功的例子中，計算機技術不是在代替醫(yī)生，而是在改善醫(yī)生。有一個很好的例子叫做圖像引導手術（image guide surgery），在這種手術中，醫(yī)生可以在切開病人的身體之前看到病人體內的情況。我們曾經開玩笑地說它讓醫(yī)生變成了超人，醫(yī)生有了X射線（X-ray vision），他們可以看到人的體內。有時這被稱為微創(chuàng)手術，這意味著你在病人身上開了一個很小的開口，這樣對病人的傷害就更小了。我舉個例子，在很多情況下，人們認為AI會取代某人。但這這個例子中，通過讓醫(yī)生看到通?？床坏降氖挛铮珹I讓醫(yī)生變得更好。

對于使AI醫(yī)療產生更廣泛的影響，我認為，AI醫(yī)療會在“個性化的醫(yī)療”中產生最好的影響，即為某個特定的病人想出一個解決方案。我會給你一個例子，然后我會回答我們還需多久才能達到這種境界。我的一個同事是癌癥的幸存者。她患有乳腺癌。很不幸，對女性來說，這是很常見的事情。她對許多地方散布的信息感到非常失望。所以她建立了一個系統(tǒng)，把醫(yī)生的手寫報告、化驗結果、醫(yī)學圖像、家族病史、科學研究中獲取的信息，把這些所有信息放在一個地方，然后她告訴醫(yī)生：這是一個特殊的情況，你需要專門為這個病人設計方案。這是我認為在AI醫(yī)療真正產生廣泛的影響之前，我們需要做到的一步。所以醫(yī)生不只是對病人說，你的情況其他人一樣，我會一樣地來處理。在個性化醫(yī)療中，醫(yī)生會看所有的信息，計算機將它們結合在一起，這樣醫(yī)生就可以為某個病人做出最好的決定，而不僅僅是一般的、通用性的治療方案。我想你很快就會看到這種方式，例如在癌癥治療中，或者在一些其他疾病中，因為這些AI系統(tǒng)將所有這些信息收集到了一個地方。

記者：AI醫(yī)生會不會帶來倫理上的問題，比如出了醫(yī)療事故誰負責？

Eric Grimson：你問了一個我認為非常重要的問題。如果你不介意的話，我會適當地把這個話題放大一些。我想AI領域中的很多人都意識到，在使用AI系統(tǒng)的過程中，倫理是很重要的。在醫(yī)療中當然會出現倫理問題，這也可能會發(fā)生在自動駕駛的汽車上。如果發(fā)生事故，誰該為此負責？該如何判定他們的責任？這是政府需要做出的決定，是社會需要做出的決定。這些問題需要被好好地討論。我認為在短期內，最有可能的解決方案是AI系統(tǒng)幫助人們做決定（而不是做出最終的決定）。讓我們以醫(yī)學為例，想象一下，計算機查看所有的信息并將其組合在一起，它可以告訴醫(yī)生該怎么做，或者可以告訴醫(yī)生這是與這個病人相關的所有信息的最佳總結，這是計算機給出的建議，但醫(yī)生仍然可以做出自己的決定。但如果計算機遺漏了某些信息呢？那就還是會產生道德問題。所以我認為，在短期內，人還是應該參與到決策環(huán)節(jié)中。

記者：所以你認為AI應該扮演一個顧問的角色？

Eric Grimson：是的，是的。特別是在醫(yī)學上，我認為這一點是非常重要的。而且大部分我所知道的AI醫(yī)療領域的項目也都持有這個觀點，他們所關注的是“如何讓醫(yī)生成為更好的醫(yī)生的”，但最終還是由醫(yī)生做出決定。

記者：但在自動駕駛領域，這個決定權似乎是在AI手中？

Eric Grimson：你是對的。在一些例子中，人類沒有參與到決策中。自動駕駛汽車就是其中的一個例子。所以我認為，研究人員需要盡自己最大的努力來確保這類問題盡可能少發(fā)生。但最終人們需要決定自己想要在什么程度上使用自動駕駛汽車，這是社會、政府和個人的選擇。

記者：MIT早在1963年就設立了人工智能實驗室，可以說是非常有前瞻性的。當時為什么會想到設立這個實驗室？最大的優(yōu)勢有哪些？

Eric Grimson：MIT參與到了最早的AI研究，我想很多人都提到1956年在達特茅斯召開的一個會議，那是MIT、達特茅斯、卡內基梅隆，還有其他一些學校。我想“人工智能”這個詞是在那次會議上創(chuàng)造的。

MIT這么早成立AI實驗室，有兩部分的原因。第一是有一些教授對這個問題很感興趣，所以他們想探索這個問題。第二個是，MIT認為這是一個對未來非常重要的領域。我們花了六十年的時間看到AI真正的影響，但MIT就是這樣一個喜歡冒險的學校。有一些冒險成功了，另一些沒有。對于那些沒有起效的項目，就終止它，然后繼續(xù)前進。但是我們認為AI是一個能將神經科學、腦科學以及早期的計算機科學知識結合起來的領域，這里有真正的做一些不同事情的機會。這就是為什么我們是最早的那批建立AI實驗室的學校之一。正如你所說，1959年是第一個項目，1962年或1963年MIT創(chuàng)建了第一個AI實驗室。

AI作為一種工具：讓人們像使用Word、PowerPoint一樣使用AI

記者：今年2月，MIT發(fā)起了MIT Intelligence Quest項目，這個項目的目的是什么？

Eric Grimson：你說得對，MIT發(fā)起了這個新的計劃Quest for Intelligence。這個項目有四個部分。我先告訴你是哪四個部分，然后再解釋我們?yōu)槭裁匆鲞@個項目。

第一部分我們稱之為“核心”（Core），它著眼于智力科學（Science of Intelligence）。這不僅僅是新電腦和新算法，而是想嘗試理解在人的大腦里發(fā)生了什么。神經科學告訴我們大腦是什么樣的，認知科學告訴我們人類是怎樣思考的，這些信息綜合起來會告訴我們下一代的算法應該是什么樣的。我們認為這很重要，因為AI經歷了很多周期，發(fā)生了很多變化。如今，深度學習很受歡迎，每個人都做神經網絡。這些技術打敗了世界上最好的圍棋選手，令人印象十分深刻。

但這里有個問題，這些深度學習系統(tǒng)需要數以百萬計的例子，它們需要巨大的云計算能力。但對人類來說，情況就十分不同。你給一個2歲的小孩展示6個例子，她就能找出其中的規(guī)律。所以她的學習方法不同于那些深度學習系統(tǒng)。那我們可以從中學到什么呢？我們如何利用它來思考未來的技術呢？

第二部分我們稱之為“橋”（Bridge）。這是從AI到MIT其他任何領域的橋。這很重要，因為我們認為每一個工程領域、科學領域、社會科學領域、設計領域都將受到機器學習和AI的影響。我們希望讓這其中任何一個領域的研究人員更容易地使用機器學習，就像讓他們使用Word、PowerPoint或者Excel一樣。你不需要成為計算機科學方面的專家就能夠很快地使用它并且理解它。

另外兩個部分，一個是倫理。我們需要真正理解使用這些系統(tǒng)時會遇到的倫理問題。

第四個部分的內容是去理解AI系統(tǒng)將會產生的影響。例如，工作將會被改變，一些工作將會消失。我跟你打賭，但我不會要你任何的錢……我給你一個提示，也許在短短的五年內，所謂的長途卡車，這些將東西帶到美國各地的大型16輪卡車，將會完全自動化。它們將簡單地在舊金山城外完成裝載，然后開車去芝加哥，或者開去紐約，去波士頓。這將改變幾百萬人的就業(yè)機會。所以我們真的需要考慮我們該如何規(guī)劃未來的工作？我們如何幫助那些將要失去工作的人重新培訓？我們如何幫助人們適應這些？

我給了你一個很長的答案。因為我想把這個問題的全部都告訴你。那么MIT究竟為什么做這個項目呢？我們認為AI會影響人類研究的每一個領域。而我們希望確保MIT正在盡最大努力盡快建立通往所有其他領域的橋梁。就像我說的那樣，不管人們來自哪個領域，AI都可以作為一個工具來幫助他們更好地完成工作。

記者：你的意思是每個受過教育的人都可以使用AI，就像使用Word或者Excel一樣？

Eric Grimson：是的，是的。你不需要要成為一個MIT學生就能使用AI。這就是我們的目標，AI應該像你今天使用的其他工具一樣容易使用。

記者：所以在這個項目中，計算機科學家將與社會心理學家以及政策制定者合作？因為你也提到了AI的社會影響。

Eric Grimson：當然。讓我快速地給你三個例子。我們有計算機科學家與經濟學家合作，去思考與就業(yè)變化有關的經濟學問題；我們有計算機科學家與社會學家、人類學家、哲學家合作，去思考使用這種技術的倫理問題。

但我認為最好的例子是，我們有計算機科學家?guī)椭渌?a target="_blank">工程師和其他科學家更有效地工作。給你一個例子，兩個MIT的年輕教授，一個來自計算機科學，一個來自材料科學。材料科學家說，當我想設計一種新材料時，我在想材料的特點是什么，我想要特定的硬度、特定的柔韌性和其他性能。但知道這些并不能告訴我如何創(chuàng)造出這個材料。所以他們建立了一個計算機系統(tǒng)，讓它來“閱讀”幾百萬篇材料學的文獻。這里需要給“閱讀”兩個字打上一個引號，但是AI確實已經能很好地理解并建立起一個模型。模型建立好之后，他們需要做的是告訴計算機，這是我想要的8種或10種新材料的特性。計算機不會告訴你該怎么制做，但是它可以給出8個，10個或者15個的建議配方來幫助材料科學家。然后材料科學家可以看這些建議，從中發(fā)現那些他沒有想到的方法。AI能夠使材料科學家更高效的工作，但AI并沒有取代人類，AI是提出建議。正如你之前所說，AI是系統(tǒng)的顧問。這種狀態(tài)最終應該是很容易做到的，例如，任何學生都可以使用這個系統(tǒng)來思考我如何創(chuàng)造一些新的東西。

記者：所以你指的是AI可以幫助其他領域的專家做一些文獻閱讀的工作？

Eric Grimson：是的。這種系統(tǒng)可以讀一至兩百萬篇文章，然后建立了一個可以使用的模型。你也可以想象在其他的領域使用它，比如在合成生物學中，事實上，MIT已經有人開始做這件事了。因此，AI可能是一個很好的工具，可以用來幫助一個人更好地理解文獻中出現的大量信息。

記者：為什么這個MIT IQ項目選擇與商湯科技（SenseTime）合作？

Eric Grimson：我們會和很多不同的公司合作。我們早些時候宣布了與IBM的合作，他們帶來了他們的沃森系統(tǒng)，他們對健康領域非常感興趣。商湯科技對于我們來說是一個很好的合作伙伴。這里有幾個原因，一個是商湯科技的創(chuàng)始人之一是MIT的畢業(yè)生，所以他很了解我們。但是更重要的是，我們認為與商湯科技的合作很重要。因為他們有興趣在不同的領域從事基礎研究，并且有興趣以合作的形式進行這些研究。因此，我們讓MIT的研究者與來自中國香港和大陸的研究人員互動。不同的人有不同的想法，與商湯科技的合作給了我們一個把不同的人們聚在一起的機會。MIT也希望在世界各地找到這樣的合作伙伴。

新聞：商湯科技的創(chuàng)始人湯曉鷗曾是MIT的博士生，他是您的學生嗎？

Eric Grimson：我參加了他的論文委員會，從技術上講，他的導師是我的第一批學生之一。所以他是我學生的學生（“ grand-student”）。他不是我的學生，但我參與并幫助了他的研究。

AI教育：每個大學生都應該了解一些計算思維

記者：中國許多知名高校這兩三年來陸續(xù)開始設立人工智能學院或課程，您對此有什么建議？您覺得AI教學最重要的元素有哪里？

Eric Grimson：我想要稍微延伸一下這個問題。我首先要問一個更廣泛的問題：是不是每個大學生都應該了解一些計算思維（computational thinking）？我認為答案是肯定的。MIT正在努力的過程中，或者說在思考如何達到這種要求。不管你是計算機科學家，還是物理學家，經濟學家，政治科學家，不管你的專業(yè)是什么，我們認為你都應該知道并掌握一點所謂的計算思維，比如什么是算法。這不同于能夠編程，編程很重要。但是“你怎么看待這個問題”是我們認為更重要的。

一旦教育做到了這一層（培養(yǎng)學生的計算思維computational thinking），才可以專門來討論“關于AI學生應該知道什么”。我認為這里有很多不同的組成部分。但是其中最重要的事情也許是理解什么叫做“讓一個系統(tǒng)去學習”？然后再了解有很多不同的學習方法可以達到學習的效果，比如神經網絡現在非常流行，但是還有其他的技術。但是還有其他的思考技術。

我認為即使你不是一個計算機科學家，你也應該對機器學習算法有足夠的了解。比如，我該如何使用它？我需要做什么才能夠去使用它？什么情況下我應該相信它的結果？有時我會用這個結果，但有時候我應該質疑，算法真的給出了我所希望的結果嗎？我認為每一個學生都應該知道這些。

不論你是一個政治學的學生，還是一個人文專業(yè)的學生，你真的需要了解機器學習系統(tǒng)將會如何對每個人的生活產生影響。

記者：對于一個剛剛選擇進入這個領域（AI/ML）的學生，你有哪些建議？

Eric Grimson：對不起，我笑了，因為我不喜歡提建議。因為如果這些建議不起作用，那就是我的錯了。

我想對剛進入這個領域的學生給出的建議有幾條。首先，要寬廣（Be broad）?，F如今有一種特別的關于機器學習的方法，每個人都在使用。你應該去理解這個方法，但你也應該對此加以質疑。這是最好的方法嗎？有不同的做法嗎？人們使用機器學習的早期方法有哪些？而且也許其中一些更適合對我目前想要處理的這個問題。因此，我鼓勵學生不僅要把它當作一種工具，而要把機器學習當作一個領域，要更廣闊地去看到機器學習的不同層面。

下面是我給學生的第二個建議?，F在肯定有很多關于機器學習的工作機會，這也是為什么有些學生會選擇這個領域。學習機器學習可能會帶來一份工作，這很不錯。

但如果一個學生真的對生物學感興趣，我會鼓勵他研究機器學習和生物學的交叉領域。不要只是為了學習機器學習而放棄你的其他領域。MIT現在有三個聯合學位，意思是兩個學院一起給出的學位。一個是計算機科學和生物學的聯合學位。如果你真的對發(fā)現藥物感興趣，或者如果你真的對理解疾病感興趣，了解足夠的生物學和計算機科學只是是一件好事。第二個是計算機科學與經濟學金融學，學習從大銀行到對沖基金、交易系統(tǒng)，這些都非常有價值。第三個可能會讓你大吃一驚，它是計算機科學和城市學的聯合學位。這是關于設計一個城市，你可以想想看。我知道中國仍在建設許多新城市，水系統(tǒng)、電氣系統(tǒng)、運輸系統(tǒng)的設計都需要依靠對龐大數據的理解，利用一個學習系統(tǒng)可以幫助找出最好的方法。我相信我們很快會把計算機科學引入到神經科學。所以我的建議是：不要放棄你真正喜歡的事。你可以看看機器學習在我目前所處的領域有什么樣的作用。

記者：所以它更像是一種工具？你仍然可以學習你的專業(yè)，但機器學習可以幫助你形成一種新的思維方式？

Eric Grimson：是的，它可以改變你的想法。

數據隱私：自主決定我想要分享哪些數據

記者：我們剛剛提到，機器學習需要大量的數據，但目前數據質量和規(guī)模以及對數據公開的監(jiān)管似乎都不太令人滿意，這是人工智能/機器學習的瓶頸嗎？您對此有何建議？

Eric Grimson：擁有海量數據是很有價值的，但人們在使用這些數據時需要考慮一些問題：一個就是你的數據中是否包含偶然性偏差。有很多著名的案例，比如人臉識別算法在你我這樣的人身上運行效果很好，但在一些膚色或臉型與我們差別巨大的人身上就不起作用了。這并不是有意的。如果你僅僅對恰好位于所有可能性空間中的一部分數據運行算法，就會在無意間引入偏差了。所以在考慮數據集合時，其中一個問題就是你如何確保不會發(fā)生偶然性偏差，而這些偏差會影響最終的結果。還有其他一些問題，在美國是這樣，我相信在中國也是如此。

還有一個是關于數據隱私的問題。比如在醫(yī)療方面，掌握大量病人的數據是非常有價值的。因為在這樣的情況下運行算法，能夠更好地檢測疾病。但數據的主人希望對自己的私人數據保密，例如主人不想讓他們的鄰居或者他們的監(jiān)護人突然知道他們患有某種疾病。所以保護個人隱私非常重要，在美國、在其他地方都是這樣。

第三個是許多美國人關心的問題：歸屬于大公司的海量數據。比如亞馬遜、Facebook、谷歌這三家公司，尤其是一些擁有大量在線業(yè)務的公司，他們掌握著大量數據，這是他們的權利，當你使用他們的網站時你就同意了讓他們獲取這些數據。但這并不意味著研究人員就可以使用這些數據，除非他們是公司的合作伙伴。這樣一來就產生了一個很有趣的問題：學校能不能建立一個所有大學都能共享的數據庫，這樣一來研究人員就可以在不和公司簽協議的情況下，使用這些這些數據來探索新思路了？我不知道是否回答了你的問題，但既然提到了數據，那么這些都是人們非常關心的數據問題。

記者：阿里巴巴這樣的中國公司也擁有海量的數據，人們也會擔心數據隱私問題。

Eric Grimson：當然。我并不是說這只是美國公司的問題，我說的是美國版的故事。但你剛剛舉了一個很好的例子，阿里掌握著海量數據，京東也會。我認為社會學家應該與政府和企業(yè)合作，探討如何有效使用數據，讓人們的生活更美好，但同時要保護人們的數據隱私。

記者：所以應該制定一些政策進行引導？

Eric Grimson：這也是大多數人的愿望。我不是要告訴政府該怎么做，但我認為很多人也和我一樣有著強烈的愿望：我希望自己能夠決定我想要分享多少自己的數據。

在歐洲已經有這樣的先例了，我覺得歐洲在這方面走在最前沿。歐盟已經就這些隱私問題達成一致，主要是提供了一種選擇——在參與之前必須要知情同意（“You have to agree that before participate”）。隨著這套體制越來越普遍，每一個社會、每一個政府都要考慮如何掌控這種情況，要制定什么樣的政策。

大學教授創(chuàng)業(yè)：鼓勵教授走出象牙塔解決實際問題，但不能讓學生為其工作

記者：我們看到在美國，有許多學者來自學術界，又與工業(yè)界保持著緊密的聯系，也有很多學者自主創(chuàng)業(yè)。在您看來，這樣的模式對于AI研究、對工業(yè)界以及學界都有什么影響？

Eric Grimson：這是一個好問題。我認為既有積極的一面，也有消極的一面，學者需要作出權衡。一些AI研究人員只想自己做研究，他們想發(fā)現新事物，發(fā)表論文，這是傳統(tǒng)的學術做法，他們現在依然這樣。如果一家公司想使用他們的創(chuàng)意，他們可以這樣做。

但我們確實也可以看到，很多研究人員意識到他們有機會對世界產生影響。我認為對他們中的一些人來說，這意味著賺錢。但他們中大部分人是想要對社會產生影響，他們有一個可以讓人們生活得更好的想法，而且想要實現它。

我認為你真正想問的是這些關系會產生什么影響。從積極的方面來說，把一個想法從實驗室轉化成真正的產品是非常重要的。通過阿里巴巴或者其他你喜歡的網站，你能夠很方便地購買東西。它讓人們更容易用其他方式交流。

消極的一面是，當大學開始讓公司主導他們的工作時，就會產生利益沖突。所以我認為所有的大學都會擔心如何在不影響學校正常工作的情況下，以一種有效的方式向公司傳達或傳遞想法。許多大學都有自己的政策。我可以告訴我們學校的政策：如果一個教授或者教授和他的一些學生想要創(chuàng)建一個公司，他們可以這樣做。但是他們只能做一到兩年，然后就要做決定：要么回到學校，要么留在公司。因為兩者的目標不同：大學創(chuàng)造知識的地方，而公司則要創(chuàng)造產品。所以你會看到很多教授以休假為名離開學校，去和谷歌或者Facebook這樣的公司合作，或者創(chuàng)建自己的公司。許多大學會要求他們要么返回學校，要么辭職留在公司，因為兩者的目標不同。

這里我想強調兩點。一是政策，如你所知，我的學校是兩年，其他的大學可能有不同年限的政策。很多教授即使在公司工作，也仍然會指導學生。很多大學還有這樣一項政策，就是你在大學里指導的學生不能和公司有任何關系。用美國的表達方式來說，這是利益沖突。學生就是要在學校學習的。比如在MIT，如果一個教授還在指導學生，他們在學校做的項目和公司所做的事情應該是不一樣的。學生不能為公司工作，因為你無法知道教授要你做某件事，是因為它對你有好處還是對公司有好處，對吧？這是利益沖突，不應該被支持。

記者：國內對此現象有這樣一種看法：有些人認為教授創(chuàng)業(yè)不利于科學研究的進步，因為如果他們一心撲在事業(yè)上，就沒有那么多的時間做研究了。你是怎樣看的？

Eric Grimson：如果是這樣的話，我不贊同。我的理由是：如果有人在研究中有新想法并加以探索，這非常好。除非你把這個想法應用到實際問題中，否則你無法做到一直用這個想法去思考實際問題。所以這種在基礎研究和實際應用之間來回轉換對教授來說是很有價值的。

但作為教授你必須處理好這其中的關系。所以，在某些地方這可能是個問題。但我我想說的是，我不認為教授們應該待在象牙塔里思考偉大的思想。也許有些人可以，他們很偉大，但你并不是在解決世界的問題。對我來說，這也是研究人員應該做的。所以我認為和業(yè)界建立聯系是很有價值的。只要你清楚什么時候該做學校的研究，什么時候處理公司的和實際的問題，以及如何把這些問題帶回到大學里的研究中來思考未來的想法。

記者：但這是一種個人行為，沒有人知道教授是否還花心思在學生身上上，MIT對此有什么政策嗎？

Eric Grimson：許多大學都是有這樣的政策。和前面提到的一樣，在為大學做事和為公司做事之間應該控制利益沖突。應該由各個大學來決定制定什么樣的政策。但我認為，如果大學太脫離實際問題，就無法做到讓世界變得更美好，這本是大學最終應該做的事情：培訓下一代的領導者，探索能夠改善人們生活的知識。所以如果你在大學里太孤立，你就錯過了這樣的機會。

記者：我們剛剛提到人工智能的偉大歷史。我們知道，人工智能的發(fā)展在歷史上有過一些高峰和低谷。所以在你看來，為什么這些年人工智能又出現了另一股熱潮？這種熱潮能持續(xù)下去嗎？因為我們知道20年前深藍的故事。是否未來人工智能也會迎來一個低谷？

Eric Grimson：這是個好問題。過去人們習慣說這是人工智能的冬天。你知道，一切都不太順利。你問了兩個問題。我想說的是，在我看來，最近一次高峰的最大因素是大數據集的增長。我們以前并沒有這么多數據。

另外，計算機能力、圖形處理器、圖形處理單元或其他事物的發(fā)展也要比二三十年前強大得多。我認為這兩件事本身就很強大。

第三點是基本思想的成熟。以深度學習為例，深度學習背后的理念，可以說至少有60年的歷史了。它們可以追溯到強化學習的概念，這一概念產生于上世紀五十年代的網絡，至今有70年的歷史了。當我們更好地理解了這些技術的數學原理后，就明白了什么是可行的，什么是不可行的。

但這次飛躍的兩個主要因素是海量的數據和快速計算的能力，甚至在神經網絡中也是如此。直到幾年前，你可能只有一個兩到四層深的網，今天則有一千層深，因為我們可以通過快速計算來訓練它們。這帶來了很大的不同。

你的第二個問題是，人工智能會有另一個低谷嗎？有可能。但我認為，目前的這此高峰有可能比以往持續(xù)更長時間。就像你說的，深藍打敗了世界象棋冠軍、世界上最好的人類棋手。它在國際象棋方面非常專業(yè)。它實際上有專門用于計算象棋的硬件，沒有辦法超越它。今天的技術是非常廣泛的，我想你會看到這些東西持續(xù)很多年，會出現一些東西來取代它。我們以前見過，我相信這種事還會發(fā)生。

何為世界一流大學？“真正一流的大學應該敢于冒險”

記者：我想問您一個有趣的問題，許多中國大學都提出了建設世界一流大學的口號。你認為世界一流大學應該具備什么樣的素質？

Eric Grimson：這個問題問得好，我對中國的大學很熟悉，我認為中國政府也希望看到這樣的事情發(fā)生。評價一所大學有很多方法，我們都說我們不看世界排名，但我們都會悄悄地看。如果要回答你的問題，直言不諱地講，大多數人會說當今世界上最好的大學仍然在美國，哈佛大學、麻省理工學院、耶魯大學、普林斯頓大學、斯坦福大學、芝加哥大學等，我還遺漏了一些。亞洲、歐洲也有一些非常好的大學，但其中大部分目前仍在美國。隨著時間的推移，這種情況可能會改變。

我認為中國政府正在努力提供資源來作出改變。但我想說的是，一所真正偉大的大學的特點是愿意冒險，以及有鼓勵學生和教授承擔風險的氛圍。如果你愿意冒險，你就必須不怕失敗。我看到很多大學都不愿意這么做。他們過于擔心下一步而不愿做出大的改變。

如果你看看今天那些優(yōu)秀的大學，幾乎所有的大學都非常愿意冒險。更重要的是，他們鼓勵學生冒險。比如在麻省理工學院，幾乎所有本科生都和教授一起做研究。我給你一個簡單的例子，你可以得出自己的比較結論。在MIT，我曾經管理過一個大型的研究小組，我們每周開一次會。在團隊中我作為一個高級導師，還有一些初級導師，一些博士后，部分研究生以及少數本科生。我們會在會議中討論一個特定的問題。一個大二的本科生會說，為什么我們不這樣做呢？如果他們能為自己的想法辯護，如果他們能表達清楚，他們能說明為什么這是個好主意。這樣的話，在會議結束時，我很有可能會說：為什么我們不那樣做呢？

如果你有一個好主意并且愿意冒險，這對我來說是一所好大學的標志。我這么說是因為，我在其他大學不能經?？吹竭@樣的現象，包括其他的美國大學。他們的教授告訴青年教授做什么，青年教授告訴研究生該做什么，研究生告訴本科生該做什么。似乎好像教授經驗更豐富，其他人就應該聽他的話。

但是我認為一所好的大學要能夠自由交流思想。它需要愿意聽取新想法。有時你會對二年級的學生說，不。這樣行不通，因為我們已經這樣試過了。但我認為，這種敢于冒險的意愿，是我在一所真正的好大學中看到的最重要的事情之一。我要補充說明的是，當你看他們嘗試的各種研究時，你就會明白了。在MIT這樣的地方，我們會勇敢嘗試用一種非常不同的方式思考問題，只是為了看看它是否可行。如果行不通，我們不會說，不好意思，再見，不用再來了。我們會說，這樣行不通，接下來要嘗試什么？

記者：所以在您看來，對學生來說，“敢于冒險”是指挑戰(zhàn)權威？那么對于教授和大學來說，“敢于冒險”有什么含義呢？

Eric Grimson：當然，順便說一下，我說的挑戰(zhàn)權威你應該有禮貌地去做，而不是對教授大喊大叫。也許應該換一個詞，“質疑”或者“提問”。我們應該問為什么，為什么要這樣做？用這種方法來處理問題會有什么不同？

關于教授，我也會這么說。教授很容易采取一系列可預測的步驟。你知道，他們做已經發(fā)表的一些研究，連續(xù)不斷地做下一件事。但在我看來，最好的教授只會在一段時間內這么做，然后他們會有一次質的飛躍。他們會落在不同的地方，然后說，從這個角度來看也許我們會發(fā)現不同的東西。所以即使是一個優(yōu)秀的教授，甚至是一個很資深、有名的教授，也會不斷地問：我們?yōu)槭裁匆@樣做？在MIT工作期間，我很榮幸能和很多諾貝爾獎獲得者交流，幾乎每個人都會告訴我他們經常這樣做，他們經常挑戰(zhàn)。他們會問自己：我為什么要這樣做？這是最好的方法嗎？有更好的方法嗎？

國際競爭：“我不認為任何一個國家能夠完全成為人工智能的中心”

記者：現如今，很多國家像美國、英國、日本、中國等都在大力進行AI研究，你如何評價他們在這方面的工作？誰在哪個方面做得更好？

Eric Grimson：正如你提到的那樣，有很多國家都在人工智能上有了很大進步。它最初主要起源于美國，但英國像愛丁堡等地很早就跟進了。在法國、德國這些地方都有實驗室，日本也投入了大量的精力。當然，中國在這一領域也發(fā)展迅猛。我覺得很難區(qū)分。我認為在每個領域你都能看到這些國家的優(yōu)勢。我想說的是，當涉及到基礎理論的時候，也許美國在某些方面仍然微微領先。

但在一些應用程序上，我相信你已經看到了，中國的大學和公司已經在飛速進步。我給你舉兩個例子，用特定的例子可能有點不妥，但我試著給你舉兩個例子。我認為，在語音識別上，中國有一些公司做得非常好。美國的研究做的不錯，但是我認為中國在商業(yè)化方面比我在美國看到的更有效。那些中國公司是在中國大學多年的研究基礎上建立起來的，他們與美國有著非常密切的合作。所以我認為在語音識別方面，中國做得很好。而在計算機視覺這樣一個非常受歡迎的領域，也會有一場非常有益的競爭。

你知道，有時美國領先一點，然后中國試圖領先一點，然后美國再稍微領先一點，這是一個友好的競爭。所以我認為中國有一些很好的例子。再強調一次，在我看來，他們中做得最好的都是基于多年的研究。我認為花時間仔細思考如何創(chuàng)造是很有價值的。當你談到其他領域時，我認為美國可能仍微微領先。所以我認為，中國、英國、日本和歐洲其他一些國家都是很好的競爭者。實際上，加拿大是另一個在人工智能領域非常強的國家。所以你可以選擇任何特定的領域來看，現在可能是這個國家領先，六個月后其他國家會超越上來。很多國家的工作非常有成效，因為每個國家都在努力做得更好。

記者：英國因為圖靈的原因想要成為一個中心，他們曾說過說過類似的話。

Eric Grimson：我希望在AI領域能夠形成國際合作。每個國家都有自己的需求，每個國家都想為自己的國家做最好的事情。但是，我不認為任何一個國家能夠完全成為中心。美國不會。即使美國有斯坦福、伯克利、麻省理工和哈佛，這些學校都在做不同的事情。但我認為合作將真正推動這一領域的發(fā)展，目標應該是讓人工智能系統(tǒng)更好地造福每個人的生活。如果我們合作會怎樣呢？只會越來越好。