霍金學生、計算機視覺領域奠基人Alan Yuille：AI的進步需要基礎理論上有所發展

「1860年有人問法拉第，你的電磁理論現在有什麼用？他回答，你認為一個新生嬰兒有什麼用？」

昨天，計算機視覺領域奠基人之一Alan Yuille在上海交大做了一場演講。他把人工智慧目前所處的狀態比做一個新生兒，而其要想有所進步，需要基礎理論上的發展。

Alan Yuille早年曾在劍橋大學跟隨斯蒂芬·霍金教授研究理論物理，之後轉而開拓計算機視覺領域。他目前是約翰霍普金斯大學（JHU）的認知科學與計算機科學教授。此前，他曾任職於加州大學洛杉磯分校（UCLA）統計系，並擔任視覺識別與機器學習中心主任。他曾獲計算機視覺論文最高獎馬爾獎，也曾擔任計算機視覺的頂級會議CVPR的主席。

而Alan Yuille的學生朱瓏博士，作為聯合創始人，在上海創立了被李開復老師譽為「圖像識別四大獨角獸」之一的依圖科技。

昨天，在上海交通大學的演講上，兩位在計算機視覺領域都頗有成就的師生同台，分別聊了聊各自對人工智慧和計算機視覺發展的看法。

12月19日，Alan Yuille教授在上海交通大學做了演講

Alan Yuille教授首次將「學習」引入計算機視覺領域，最早使用能量模型和概率推斷，也就是後來的統計圖模型；他也是最早且最重要的將貝葉斯理論應用在計算機視覺和心理學感知方面的推動者。

大數據文摘整理了Alan Yuille演講內容，在不改變原意的前提下有刪改：

演講內容

今天非常榮幸能來到上海，來到上海交大，能有這麼好的機會跟來自學術界、工業界、政府的各位交談。

我今天想討論的就是學術界、工業界和社會之間的關係。

回顧一下歷史，150年前，電力剛剛開始進行應用；1860年，法拉第和麥克斯韋建立了電磁理論。當時有人問法拉第，你的研究成果現在有什麼用？他回答，你認為一個新生嬰兒有什麼用？所以我想告訴大家，正是由於有了這些基礎的發明和技術進步，整個行業就可以更好地利用發明。之後在倫敦、芝加哥、其他地方，有了更多的電力應用。1893年，照明開始出現在芝加哥，19世紀末，出現了電報。這一切都是當時人們基於對基礎科學理解的應用。

上上個世紀，並沒有像矽谷這樣的地方，也沒有很好的產學研三者結合的機制。但不管怎麼說，當時的英國是比較開放的，當時正好工業革命也沒有結束。電力發明在全球各地有了越來越多的應用。當然這種應用，不僅僅是限於英國，逐漸傳播到了美國乃至更多地方。

人工智慧不是靜態的

今天我們討論到人工智慧，它的情況又是如何？

人工智慧研究起步於1956年，這跟我個人的生日一樣，我覺得這是一種緣分。從1956年一直到今天，它的發展道路顛簸不平。到2010年以後，人工智慧行業有了長足、迅速的發展。以前很多人會問，你學習人工智慧有什麼用？但現在我們可以看到，人工智慧發展非常快，不知道會發展到什麼程度。如果要真正應用好人工智慧，必須解決一些比較基礎的問題。

我在研究上能感受到非常多的挑戰和樂趣。在過去幾十年間，人工智慧取得了巨大進展，幾十年前甚至90年代的人工智慧和現在的相比，有巨大的不同。90年代，大家對人工智慧的理解，就是有一台深藍電腦可以跟人下國際象棋。到現在，人工智慧已經取得了長足的進展，比如人臉識別、醫療輔助診斷、語音識別等。雖然處於一個比較初步的階段，但也出現了逐步融合、滲透的現象。

吳恩達去年說，人工智慧是新的電力。對物理學的基礎理論，大家都非常了解，基於這些基礎理論，我們正在做更多應用和發展。人工智慧不是靜態的，不是停滯不前的，而是在不斷發展的。吳恩達的觀點是正確的，我們可以把人工智慧看作是上上個世紀出現的電能一樣。我們不知道以人工智慧為基礎，會發展出更多什麼樣的新事物。對整個產業界來說，應該有足夠的數據告訴我們怎麼去做。

人工智慧對社會也會有非常大的影響，就好像上上個世紀大家如何應用電力對社會的影響一樣。我的老師霍金也曾經討論過人工智能，他認為，我們應當為人工智慧的使用制定恰當的政策。

人工智慧需要在基礎理論上更好地發展

我們再看學術界。學術界在很多方面都是人工智慧發展的前沿。丘成桐教授曾經舉辦過數學競賽，他特別提到了人工智慧加速發展的情況。如果要讓人工智慧更好地發展，需要在基礎理論上有所發展。這方面，我們需要有更多理解。有人說，將來也許人工智慧將會替代人類大腦的一些工作，但還是可以看到人工智慧跟人類的大腦有巨大的差別。相對來說，人類在靈活性、創新性方面做得更好，但人工智慧在其他方面可能會做得更好。

以深度學習的神經網路為例。比如說叢林里有隻猴子，給它一把吉他，對深度學習網路來說，它會把拿著吉他的猴子識別成人，因為它以前從來沒有見到這樣的情況。這種情況下，人類就會很好地處理，會知道是一隻猴子拿了吉他，而不是人拿了吉他，不會不知所措。

我的一個博士學生也是上海交大畢業的，非常聰明好學，他的研究方向就是深度學習網路。對人類來說，人類的大腦可以更靈活，而且適應性更強。比如孩子，也可以自己學習，更好地了解這個世界的情況。關於組合模型，有這麼一種情況，我們不能只靠深度學習網路，所以要有先進的理論和人工智慧科技。我們並不是要集成以前的方式，而是要開發更多的新領域的研究。

人臉識別的案例

我在這裡舉一些依圖的案例。人臉識別方面，以前我們沒法在複雜的情況下識別人臉，現在可以實時地分辨出千百萬人的臉，這非常讓人印象深刻。醫療診斷方面，人工智慧在今後幾年會有很大進步，計算機圖像識別能讓我們判定出很多非常不好的疾病，比如肺癌，讓我們能迅速制訂出治療方案；同時對醫療記錄的讀取也非常重要，通過機器讀取人的病例，提取其中的信息。我們就需要開發相應的演算法，讓機器能理解病例信息，通過對模式的理解來識別某個病人出現的問題。智慧城市方面，人工智慧可以改進城市交通。我住在洛杉磯，對洛杉磯非常熟悉，通過人工智慧，我們能非常容易地了解到整個城市的交通狀況，重新進行線路規劃和定位。所有這些領域的應用，都需要有足夠好的演算法和足夠多的數據進行支撐。

工業界、學術界和社會要一起合作。人工智慧發展需要數據，這需要整個社會和政府來支持。現在業界獲取數據並不是很容易，我們要獲得數據、提升人工智慧的性能。另外，並不只是單向地獲取數據，我們需要與相關數據生產商、獲取者，比如醫生，進行深度交流，這樣才能更好地獲取數據。

如何將學術界、產業界和社會進行連接？他們在人工智慧時代，扮演著不同的角色。學術界負責培訓人才，讓人才知道怎麼解決問題，開發人工智慧方面的前沿領域；學術界、工業界和社會之間的合作，能讓工業界獲得更好的數據，和學術界進行更好的合作，這樣一來，才能讓工業界獲得更好的人才，同時將自己對知識的理解和應用更好地回饋給學術界和社會。不管怎麼說，這種三邊關係非常重要。將這三者分割開，整個開發過程就會速度變慢很多。

以下是在過去十到十五年里我的一些個人經驗，比如通過人工智慧幫助盲人進行導航，利用人工智慧提升老年人和殘疾人的生活質量。在洛杉磯，我們已經在使用人工智慧去發現路障，現在人工智慧已經能非常容易地從事這項工作了。在最開始，我們在學術界研究如何偵測物體，矽谷和其他地區的公司將人工智慧軟體嵌入到智能手機里使用。對於技術，我們必須知道用戶需要的是什麼，我們不能只是關注技術，而忽視用戶體驗。同時，對於人，我們必須知道如何讓人們更容易地使用，不能讓他們只用一次就束之高閣。

另外，我們進行了醫學上的應用，醫療影像公司和醫學院相關部門進行緊密合作。通過人工智慧，可以預測身體哪部分會產生疾病，並進行預防性治療；通過身體分部位的診斷，我們就可以進行提前預防。我們也可以在其中找到很多血管、細小的病灶。所有這些應用，都是我們做人工智慧的一個出發點。

人工智慧會對社會產生深遠影響，就像19世紀的電力一樣。電力對整個社會變革，已經產生了極大的推動作用。我們必須讓學術界、產業界和社會共同做貢獻，攜手聯合，每一個部門都有很重要的角色可以發揮。

在人工智慧發展上中國的優勢

第一，中國有很多優秀畢業生，有很多人與我在網上進行聯繫，我看到中國在這方面有很多的人才儲備。與其他國家人才儲備形成了鮮明對比。

第二，整個社會和工業界在這方面非常積極，我看到中國社會在過去20年里變化非常巨大，中國高鐵就是一個案例。這種高鐵與美國相比，是非常了不起的一個成就。我與丘成桐先生也開過玩笑，從波士頓去紐約很慢，我們在高鐵上已經落後於中國20年了。中國在發展高新技術上非常熱衷。

第三，從頭開始發展，要比在原來的基礎上進行變革更容易。因為在很多其他地方，很多產業已經成型了，變革並不容易，但中國在很多方面仍然是空白的，白手起家，可以沒有顧忌，可以進行很多大膽的技術應用。

中國有這麼多優勢，我認為人工智慧會在中國發展得非常好。雖然美國有矽谷，但在中國，從政府到工業界到學術界，都在支持人工智慧的發展。中國在這方面，也取得了很多成就。

非常感謝你們的聆聽！感謝你們的邀請！

師生情小細節：

朱瓏是Alan的第一個博士生，而現場還有一位為Alan打call的老爺爺是Alan的第一個博士後，他是徐雷：國家千人，致遠講席教授，IEEE Fellow，國際模式識別學會Fellow，歐洲科學院院士，上海交通大學腦科學與技術研究中心首席科學家，上海交大電信學院認知機器與計算健康研究中心主任。

大數據文摘發自上海

記者：譚婧

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 大數據文摘 的精彩文章: