獨家 | 港科大工學院院長鄭光廷：21世紀是工程學的世紀，暫時沒有必要設立專門的AI專業

雷鋒網按：曾經有人說過，中國錯過了工業革命，錯過了電氣革命，信息革命也只是跟上了一個尾巴，而人工智慧的革命來臨時中國終於能跟世界領先的國家並肩向前跑了。相信沒有人願意錯過這個機會。對於人工智慧的發展，教育無疑是其中至關重要的一環，而教育行業的教授、學者們是如何看待和期望中國人工智慧教育的發展的呢？讓我們看看在25日香港科技大學深圳產學研院舉行的春茗會的媒體見面會上，港科大工學院的院長鄭光廷是如何闡述自己關於人工智慧教育的看法的。

去年年底，人工智慧領域內一則關於教育的新聞引起了大家的注意：在中國人工智慧學會的主辦的 2016 中國人工智慧產業大會暨第六屆吳文俊人工智慧科學技術獎頒獎盛典中，中國人工智慧學會理事長、中國工程院院士李德毅在主題報告中表示，當下人工智慧產業發展迅速，希望把以人工智慧為主的「智能科學與技術」這樣的學科提升為一級學科。

想要讓包括人工智慧在內的各種高科技行業取得更好的發展，提升針對它的教育的重視程度和發展力度無疑是一個很有效也是極根本的舉措，不過對於目前的學科發展形勢和國情等來說，設立人工智慧一級學科的可行性和必要性是否足夠，這個問題其實很值得思考和討論。25日，香港科技大學深圳研究院在港科大深圳產學研大樓舉行了面向校友的「春茗會」，在會上演講過後，雷鋒網與鄭院長進行了兩個小時的專訪，他詳細講述了對人工智慧、港科大以及其教育理念、教育模式的觀點。

關於港科大工學院教學理念的演講

在鄭院長看來，目前港科大其實並沒有看到需要設立專門人工智慧專業的必要性。而且他還多次表達他認為21世紀是工程學的世紀，因為在這個時代我們有最好的條件為先輩研究出的科研成果尋找合適的用武之地，接下來雷鋒網將在不改變原意的情況下，對整個會談的內容做一個整理：

雷鋒網：您之前有提到過，大學需要和工業界密切合作，才能培養出工業界真正需要的人才，那您能否跟我們講一下港科大是如何跟工業界保持合作的呢？

鄭光廷：首先工業界會把他們需要的人才的特點提供給我們。而在教學方面我們也會有許多的項目讓學生在學校里就能對工業界有足夠的了解。這樣他們了解了工業界的需求，在回學校後的學習中就會比較有動機。我們都知道現在的年輕人的壓力很大，未來似乎總是遙遙無期，容易讓人有一種迷茫的感覺。現在的世界變化的太快了。我很喜歡舉的一個例子就是智能手機。我們都知道智能手機給世界帶來了多大的改變，但事實上如果從iPhone一代開始算的話，智能手機其實只出現了10年而已。而一個大學生在畢業之後至少會在社會中工作30年，所以我們沒法知道未來三十年他們到底需要什麼樣的知識，要做什麼樣的工作。這跟我們那個年代不一樣。我們那個年代只要好好讀書，讀個碩士或者博士，然後畢業之後找一家公司好好乾一直干到退休就可以了，我們那時候直到畢業加入公司的那一刻，才算開始對工業界有多了解。但這樣的時代已經過去了。所以我們覺得現在的學生在學校內就需要經歷幾個跟工業界有密切接觸的具體的項目來讓他明白如何把自己的知識應用到實際中去。甚至我們在大一就要讓學生知道現在的工業界需要什麼東西，這樣他在這四年才能感受到自己的學習將來可能的應用方向。這種合作絕對不是學校單方面可以做到的。所以我們現在也在嘗試通過各種各樣的方式探索如何跟工業界去配合。

我們常常跟工業界說，今天他們投資我們一點，將來可能會有很大的回報。因為現在，尤其是在高科技領域。大家都在爭人才，對於工業界來說，越早能接觸到學校的學生，越有機會吸引到他們的加入。所以我們現在在探索各種各樣的合作模式，我們也很歡迎工業界跟我們提出他們需要的任何模式。

教育的方式需要不斷創新。我們的大學做一些科學研究，所有人都會覺得很正常，不過其實如何教學這本身也是一件很值得研究的事情。港科大在這方面我覺得做的還算可以。如何教學生成為一個三十年都能維持成功的人？我不覺得任何人能有對這個問題的明確答案。大家都在摸索。但是港科大有一個好處，就是我們還很年輕，我們願意去嘗試。當然，嘗試有可能失敗，但是在嘗試的過程中我們覺得不對的時候我們隨時可以改，因為我們沒有太大的包袱。

鄭光廷院長

科研和實用需要齊頭並進

雷鋒網：請問，以後港科大要如何平衡那種實用的偏工業界的項目和短時間內可能看不到成效的基礎科研類型的項目呢？

鄭光廷：我們有一個評估機制，首先我們的教授在選擇題目的時候其實是完全自由的。我自己也是個教授，對於每一個教授個人來說，要選擇更實用的研究項目，還是更長久的研究項目，這是教授自己可以決定的選擇，我們絕對不希望所有人都只做一面，如果這樣的情況發生，也會是一個問題。不過對一個學校來說，其實學校是可以發展出自己的特色的。比如在美國的一流大學裡，斯坦福大學和加州理工學院的特色就完全不同。加州理工學院就比較偏向理論，而斯坦福的研究是非常實際的。目前來說港科大的角色是介於這兩者之間，我們也希望就待在這個中間。這也會在我們將來對教授的選擇體現出來，我們不會只找偏向一邊研究的教授。同時我們也鼓勵當教授的比較深了，可以讓他的團隊一部分做理論研究的項目，一部分做實際應用的項目。而當我們學校投資教授的計劃的時候，也會很平衡的去保證整條線都做適當的投資。我們也會觀察世界上各種先進的評估機制。總之我相信一個世界一流的大學是一定要全面的，如果只注重一邊的話，很難幫助港科大在目前的基礎上更進一步了。

雷鋒網：目前人工智慧可以說是很火的一個領域了，我也看到港科大尤其工學院的許多課程都同人工智慧相關，但人工智慧雖然火，但到目前為止似乎還沒有出現過什麼「殺手級」的應用，這種現象是否意味著人工智慧的教育還可以加強，我是對國內的大學還是考科大來說。我們是否有必要專門建立一個人工智慧的專業？

鄭光廷：其實我們去看的話，會發現現在這方面的研究生或者博士做的課題已經有很多專門在研究人工智慧了。不過在本科建立一個專業專門學人工智慧，我覺得是沒有必要的。你可以去學數學，可以去學計算機專業，甚至可以去學統計。像我們剛剛說的，將來的大學生出來後，在他工作的三十年內，可能要做很多不同的事情，他可能要重新定義自己的專業兩三次，所以大學的時候最好不要太專精。人工智慧現在很火，我們都知道。其實我們學校對此也很重視，而且港科大在這個方面還是蠻領先的。所以我也常常問，我們，第一是要不要多收些學生？第二，是不是像你說的一樣，要建立一個這樣專精的專業。我得到了兩個結論，第一是未來十年內，對人工智慧人才的需求不會減少，只會增加。超過十年的事情很難說，但是十年內，我想這個應該是沒有異議的。就算再保守一點，至少五年之內，這個需求肯定會一直增加。但是他需要的人學的絕對不只是人工智慧而已，他在人工智慧應用的那個領域上，也會有專業的需求。比如說金融科技，做金融領域人工智慧的人，不僅需要對人工智慧有所了解，對財務方面，金融方面知識也需要有一定的了解。有時候如果人工智慧在工業四點上，他對整個工業的製造流程也需要有一定的了解。最終在不同的領域，對人工智慧的應用，除了需要了解專業知識之外，還需要在那個應用的領域有相當的專業知識。所以我們希望培養的學生能對更多領域的知識有所了解。我們覺得對學生來說，做多領域的訓練遠遠比在單一領域做深入的訓練重要。尤其是在本科，更是這樣。

鄭光廷：其實人工智慧發展不止是人工智慧的發展，人工智慧能有現在的熱度，與電子行業的發展是分不開的。近年來出現了一大批高性能的計算設備，比如GPU。正是因為這些計算設備的大發展，讓過去的計算能力沒法做到的事變得可以做到了，深度學習才會有今天這樣的發展。所以，人工智慧領域的創造絕對不只有人工智慧領域的貢獻，是其他非常多領域，像數學，電子學這樣的研究成果合力促成的。我們都知道人工智慧其實已經有四十幾年的歷史了，而它的整個歷史並不都像現在這樣火熱，在二三十年前AI是非常冷門的專業，冷門到大家都不願意去做。就是因為那些年一些人堅持在這個領域做出的貢獻，加上計算機計算性能的突破，突然間就把深度學習這條路打開了。就好像拼一塊拼圖謎題一樣，所有碎片都到位了，整個謎題一下就豁然開朗了。

所以說絕對不能跟學生要求讓他去學一個非常具體的內容，跟他說今天人工智慧火你就去學計算機，明天那個火你又去學那個。每個領域都是很重要的，你不知道什麼時候它可能就會發揮很大的作用。我感覺中國，包括甚至整個亞洲，對工學這方面的投入絕對是非常有魄力的。微電子是很重要，很有價值的領域。

雷鋒網：我似乎有注意到，我們似乎很久沒有在基礎理論方面取得過很大的突破了，好像這些理論的進步都被鎖死了一樣，這些情況對大學的教學和研究有沒有影響呢？

鄭光廷：我覺得是沒有影響的。我常說上一個世紀是科學的世紀，這個世紀是工程的世紀。為什麼？上個世紀，包括之前好幾個世紀，我們在基礎科學理論上有太多太多的突破了，許許多多的科學理論問題已經在前幾個世紀解決了，以至於直到今天，這些科學理論的應用潛力都還沒有完全發揮出來。所以我們這個世紀，或許就可以專註於找到前面這些科技突破的實際應用。比如說數學，我們大家相信都知道傅里葉變換。（註：於1822年由傅里葉首次提出）這個定理早在幾百年前就在數學的發展中被提出了，直到今天，它還在很廣泛的在圖像和視頻壓縮的領域得到使用。跟這個例子很像的，有太多太多之前發現的定理現在還沒有得到充分的應用了。所以我不覺得這是個問題。我們需要注意的，就是我們工學院的學生在物理數學方面的應用絕對不能減少，不能說我們想讓你去做實際應用的工作，就不讓你學基本的數學理論了，這是完全錯誤的。只有我們對幾個世紀前的那些科學理論發展理解的夠深，我們才能想到怎麼從中找出適合現在的應用方法。我覺得這些可能性太多了，所以我想說，21世紀是工程的世紀。

雷鋒網：其實我最近經常聽到的一種聲音是，在過去因為硬體性能不夠，所以需要針對每個產品專門設計硬體，而現在的硬體性能普遍過剩，所以不太需要硬體工程師去設計硬體了，所以現在硬體工程師的地位普遍在降低。而您剛剛卻強調了很多次微電子的重要性，包括國家的重視。為什麼會有這種矛盾的觀點存在呢？事實是怎樣的？

鄭光廷：在某些領域，可能你說的那種觀點是對的。確實比如美國近年來就在這方面的投入有所下降，但這並不能說明硬體設計的重要性就下降了。不用說一個企業完全掌握軟硬體的重要性，就單說硬體，在很多領域其實現在的性能還是完全不夠的。我舉個很簡單的例子：無人機。現在的無人機先不管它功能有多強，一般的無人機，最多最多就飛25分鐘。當然誰都想讓它能飛兩個小時，但是這是軟體能解決的嗎？光靠軟體絕對是解決不了的。

前面說的是續航。 從另一個方面來說，計算能力。我們現在做的無人機的一個很重要的應用場景就是攝影，而現在的無人機最多只能做到跟著一個人做比較規律的運動，但是如果我們想讓它做出更多複雜的動作，甚至說更智能的，類似在攝影一場球賽的時候能根據形勢把攝像機對準該對準的地方這樣的動作，真正把攝影師的職業給取代掉，那現在一個無人機上的計算機的性能還遠遠不夠。而如果說你能給我在無人機這樣一個平台上提供十倍於現在的計算能力，那我想我就有把握做到剛剛的事，這樣一來就清楚了，誰能提出有這樣能力的架構，誰就能獲取優勢。

另外，目前深度神經網路能做的計算量，其實離人腦還差很遠（雷鋒網註：以目前科學界的理論，大腦不擅長數學計算只是因為大腦沒有專門的計算模塊，進行運算的時候需要調動許多高級模塊來支持，比如現在大腦里構造出運算數字、算式的虛擬形象，單純從運算來說其實是很浪費的。），人工智慧有一個研究分支就是如何創造出一個跟人腦一樣的計算機，因為現在計算機的結構跟人腦其實完全不一樣，還是非常早期就得到應用的馮諾依曼結構。如果計算機能在做到跟人腦一樣的運算量的同時只消耗跟人腦一樣的能耗，那我們就可以說有把握創造出一個很強力的人工智慧了，但是現在根本就做不到。

所以有些產品真的是把一些晶元湊起來就能做出來，像IOT這種比較簡單計算量需求不高的。但換一個角度講，這樣的東西，你能做出來，別人也能做出來。當你硬體的門檻很低的時候，你就只能靠軟體來拉開優勢，可是軟體本身的可取代性就很高，除非是那種非常大型的項目。所以我的看法是，軟體公司一定要掌握硬體的核心技術。當然，一個單純的硬體公司如果沒有上面軟體方面的一些支持，也是很難存活的。互相的結合才能產生出新的應用，新的發展。剛才我是隨便舉了兩個例子，其實哪怕現在的功耗下要是計算能力能翻兩三倍，我能想出來的新的應用就由太多太多了。西方的很多國家在這方面的投入下降，其實不是他們不想投，而是這個實際情況下，他們有點投不起了。所以說，中國投資微電子是絕對正確的。

後記：鄭光廷院長的觀點，或許能給中國的人工智慧發展提供一個新的思路，重視人工智慧的教育固然重要，但我們或許也應該意識到，人工智慧的發展是許許多多科技的發展共同促進而成的，就比如微電子學，所以我們在教育和學習中是否也應該少些功利，多些沉浸下去的心思，在自己擅長的領域做到最好呢？畢竟誰也不知道，是否某個時候你所擁有的知識會對社會的進步起到巨大的推動呢？