或遭遇寒冬？杨强谈人工智能发展现状及前景

前不久，落下帷幕的IJCAI SocInf'16 Contest上，天池（tianchi.shuju.aliyun.com）携手人工智能国际顶级会议IJCAI SocInf Workshop，作为比赛的冠军团队

T9，来自清华大学的李中杰与姚易成不仅获得了主办方提供的奖金，更取得了组织者提供的美国游基金。通过这个宝贵的机会，在整个美国行行程中，“T9”不仅接触到了AlphaGo技术小组，还与人工智能领域专家、香港科技大学教授

杨强进行了深入的交流，而有意思的是，通过本次交流发现，他们初始的研究方向都非计算机专科，一个是天体物理，一个是流体力学。

从物理到人工智能，看技术红利带来的人才土壤

对比转行前后，杨强表示，搞物理做实验与计算机有很多相像的地方，也有很多不同的地方，相像之处在于学物理要把因果关系找出来，但做人工智能有时候只需要建好黑盒，但是在缺少大数据的情况下可能又会回到寻找因果关系。而对于想转行的同学，杨强认为，不管是那个时候，还是现在首先就要多编程，多动手（coding），然而时代变迁所带来的红利却是不容忽视的。

在美国那段从天体物理转行到人工智能期间，听计算机的课非常难，后来发现有夜校，就去听夜校。而且那个时候计算机使用是很难排上队的，没办法，他们白天用，我晚上用——杨强。

和90年代相比，时下的资源丰富多了，

杨强表示其主要体现在下述几个方面：

1.学习资源。时下互联网上已经存在很多学习资料，同时学习的形式也丰富了很多，同学们不仅可以通过电子/纸质书学习计算机方面相关知识，更有许多视频教材可以参考。此外，更有许多互联网公司开放了很多开源的技术供大家选择。同时对比以前需要去学习很多技术，现在借助阿里云的大数据平台，很多东西都是直接可以拿来用的。

2.计算资源。就像之前说到的，那个时候计算机是很紧张的，甚至需要熬夜去做东西。而现在，每个人都有自己的电脑不说，还可以借助云计算带来的红利，以非常低的成本入门，就比如天池大赛中使用的阿里云ODPS。而且那个时候，写程序还是打纸的形式，调试和测试的效率都很低，如果你把一个register（寄存器）弄错了，debugging需要调很久。对比搞物理，熬夜也是家常便饭了。

3.数据资源。对于生产数据，那个年代根本就不可能有，甚至是开放的数据集都很少。但是，通过天池大赛，借助阿里云平台，比赛同学可以接触工业界的真实数据（脱敏后），这对于学生来说，是不可多得的体验。

对比两个时代，杨强最后还感叹道，那个时候，学计算机困难点还在于社会的开放性上，比如当时在美国，大部分公司都是军方的，只有美国公民和绿卡持有者才可以进入，不像现在很多互联网企业都提供了实习机会，就比如阿里。同时，通过类似天池大赛这种竞赛，很多非计科专业的学生也有了进入互联网企业的机会，时代变迁带来的机遇数不胜数。

从机器臂到机器人，看人工智能工业应用现状与未来

时下，中国正面临着劳动力严重短缺问题，很多跨国企业也可能会将中国工厂搬迁到一些东南亚国家，那么这些问题是否可以在机器上面得到解决，在交流中，杨强就当下人工智能发展现状给出了他的观点：

从技术上看这个问题，现在可以做很多的是所谓的机械人而不是机器人，更多的是需要这种机械人的重复性制作和生产，就像现在富士康所引入的——杨强。

而对于人工智能和机器学习是不是可以解决劳力问题，

杨强认为现在机器人包括人工智能机器人可以做的事情其实是极为有限的：

首先，在computer vision方面，如果把一个机器人放到一个没有限制的环境，它几乎不可能安全和准确地做事，就比如最近Tesla酿死亡车祸的例子；其次，机器学习其实更重要的不是算法而是数据，很多地方数据没有ready，或者是有很多数据，但是数据没用，因为那个数据不是针对机器学习算法来收集的，也就是传统数据，数据的收集和人工智能等于是两条平行线，没有交集，这个才是现在最大的问题。

当然，时下一些技术和业务人员也联合完成了一些优秀的设计解决了一部分问题，就比如亚马逊改造了仓储机器人，其中机器人在寻找路径与抬起和运输较重货架上颇具优势，而精确操控东西这种不擅长的事情则交由人力来完成，巧妙的将人和机器结合在来一起，这也恰恰是未来5年人工智能可以在工业应用上取得飞速发展的场景。

因此，综上所述，在5年内，全自动替代型人工智能来解决人力问题显然不现实，因为它的先决条件是这里有足够规模的数据可供使用，同时在这之前，还需要有一个足够优秀的人工智能算法。

从国内到国外，人工智能热潮或迎来寒冬

对比中国和世界人工智能发展水平，杨强表示，中国的优势在于人才基数较大，同时在互联网和媒体的推动下，计算机和人工智能行业被上升为一个不错的高度；然而，对比世界人工智能产业，国内大多出现的是跟随者而缺少领军者，这个可能还需要很长一段时间去弥补。此外，如果想改变这个现状，不能完全的依靠互联网企业，在生存前提下，杨强认为这些企业做的已经可圈可点，这里需要解决的问题很多，包括体质和资金，同时也需要更多的情怀。

而对于整个人工智能的大环境，杨强认为大家对人工智能的期望太高：现在有很多基于人工智能的创业，但是很多商业模式都没有理清楚，然后包括数据的来源、人和机器怎样共存，因此这样的创业很难持续下去。就像曾经的互联网一样，这里很可能迎来一个寒冬期，接着再慢慢的恢复。在交流最后，杨强还指出，在国外，搞算法的也不是所有人都在做深度学习，切勿盲目地去跟风，一定要就具体情况和实际场景来做多方面的考量。

更多深度技术内容，请关注云栖社区微信公众号：yunqiinsight。