数据科学的积累：海平面下的冰山｜清华信息技术研究院郑方

清华大学语音和语言技术中心主任郑方

郑方，清华大学语音和语言技术中心主任、研究员，博士生导师，清华大学信息技术研究院副院长，博士。从1988年开始，从事语音和语言处理方面研究，在国内外知名刊物和学术会议上发表了210余篇学术论文，出版专著11本，拥有9项发明专利和1项实用新型专利。

人工智能、大数据、云计算是技术发展的新趋势。这三者既有相互的联系，也有相互的支撑。人工智能研究的是如何用计算机对人的智能进行模拟、延伸和扩展，进而让机器帮助人类做更加复杂的工作。大数据关心的则是如何从海量数据中挖掘出有价值的知识，而这些数据用传统方法难以找到规律，需要用新方法来分析，比如通过例子学习（learning by examples），就像人小时候学习语言，虽然不会语法，但能通过一个个例子学会说话。

通俗地讲，大数据提供“训练的数据”；人工智能提供“训练的技术”；云计算提供“训练的平台”，既提供底层技术的支持，也有超算的能力，还提供安全的存储。

从AlphaGo出现之后，人工智能和数据科学变得非常热，然而现在的“热”属于外部的热。其实在很早的时候，内部（学术研究者们）就一直在积累，一直在发热。以前，人们在怀疑AI为何研究了六十多年，一直没有成果；AlphaGo出现之后，人们又觉得AI无所不能，这是从一个极端走到了另一个极端。其实现在AI的发展水平，一直都在按照科学的规律在螺旋式地逐步发展，一点一点积累，AlphaGo并没有使其在技术层面出现突变，其贡献在于把AI拉进人们的视野。

人工智能有很多不同的分支，诸如自然语言处理、计算机视觉，还有我的研究方向语音信号处理，每个分支都有不同的特点，规律并不完全相同。然而现阶段并没有一个能够解决所有问题的通用的理论和工具，因此比较理性的做法，是具体问题具体分析，以应用为驱动，从问题出发，用合适的理论、模型、方法等，才能找出比较好的解决办法。

在人工智能和数据科学前进的路上，我认为清华人一直是一个开拓者的形象。清华人做事有一种情怀，为了解决一个实际问题，可以十年如一日、非常专注地做研究，而不受外界的诱惑和影响。人工智能的很多问题，靠大量的资金不一定能解决，靠市场上的经验积累也不一定能解决。

那么凭借什么？从根源上讲，无论是数据科学还是人工智能，其发展必须有深厚的基础研究作为支撑，而清华在这一点很有优势，有很多老师在基础研究方面耕耘了至少二三十年。市面上的一些产品和应用，背后是清华这座“海平面下更巨大的冰山”，不断地为这些应用提供原动力和技术积累。

而在这个过程中，数据科学研究院则处在一个纽带的角色，连接校内研究者和校外产业界的纽带。数据院既了解老师们的输出，也知道社会的需求，既能为老师创造成果转化的条件，又能帮助企业和社会解决实际的问题。这就是产学研的融合，不仅仅局限在表层的合作，而是更紧密的耦合，我把它称作“化合态”的“产学研”。

刚才讲到清华人的情怀，老师们在这个研究方向深扎几十年，无问西东，所以才有很多的成果、有很多的输出。我们需要给他们一个契机、一个平台、一个机制把它们成功地转化出来，落地到社会服务上面。“得意音通”就是一个例子，为什么它在语音这个领域竞争力特别强？这跟资金没关系。很多国际公司包括国内的上市公司，远远比它有钱。“得意音通”的竞争力就体现在“技术积累”方面，这个不是仅仅靠钱能砸出来的。这个才是关键。

说到技术积累，我想谈一谈“实践教学”，教学中很重要的环节，当然这也是数据科学研究院在人才培养方面的一大特色。实践课我也认为很有必要。信息社会发展迅速，一定不能关在象牙塔中不接触外界，要适当地进行实践，从而更深入地理解所学的知识，从而进一步理解和体会学习的目的。把基础打牢，有扎实的能力，毕业后即便做新东西也得心应手，后劲非常强。诸如人工智能发展的新技术、大数据发展的新技术，其中很多技术的基本原理是一样的，数学、物理、信息领域等很多基础都会用上。

随着大数据和人工智能等技术的发展，相信清华将在行业中扮演越来越重要的角色。肩负着责任感和使命感，师生们也将共同在学科交叉、技术融合的舞台专注耕耘，解决新时代的问题，更好地服务社会。