飛象網(wǎng)訊（李樂羽/文），4月28日消息，在今天的GMIC 2017北京大會上，百度公司GMIC大會主席、百度公司總裁張亞勤和將門創(chuàng)投聯(lián)合創(chuàng)始人兼CEO高欣欣進行了主題為以科學之名，探討人類社會的新價值的對話。
一下為對話內(nèi)容：
郭嵐：謝謝崔總。下面我們要開始正式的全球科學創(chuàng)新峰會了。剛才我們也講過，G-Summit是一個科學家、企業(yè)家、投資人相聚一堂的盛會。我們第一個環(huán)節(jié)請了既有科學家的身份，同時也有企業(yè)投資經(jīng)驗的兩位專家。但是非�？上У氖�，昨天夜里聽說斯坦福大學的張首晟教授因為航班延誤沒能到，所以我們也非常有幸在最后一刻請到了高欣欣女士采訪百度，也是G-Summit大會的主席，總裁張亞勤先生。大家有請！
高欣欣：大家好，非常抱歉，本來大家希望能夠看到張首晟教授的，聽說不是延誤，是飛機開到一半的時候出現(xiàn)了機械故障。本來我聽說張亞勤跟張首晟教授剛剛在美國見過面，本來今天知道的話題是拓撲絕緣體和量子計算。為了不虧待現(xiàn)場的來賓，您稍微透露一下這個話題的內(nèi)容。
張亞勤：大家下午好。首先我覺得這個會很有意思，科學復興。郝義，盡管是生意人，但是很有科學的情懷。我是被郝義拉來，說你們要講二十分鐘，半小時的。我說講什么？他說隨便。我說和誰講？他說和張首晟，你們想聊什么聊什么。我也沒有任何的準備。但是昨天晚上我還是想了一下，要聊什么東西。
我其實想和張首晟聊，他現(xiàn)在開創(chuàng)的一個領域，所謂的拓撲絕緣體。大家可能聽起來比較遙遠，其實這個和我們現(xiàn)在不管是做AI也好，和做計算科學，其實是很近的，已經(jīng)很近了。所有的我們看到的軟件、芯片、手機、互聯(lián)網(wǎng)，都是多年前在物理方面，在數(shù)學方面的研究的積累。什么叫拓撲絕緣體？大家知道現(xiàn)在芯片40年一直是追隨摩爾定律的，芯片的密度就會增加一倍，每10平方米。我們現(xiàn)在應用的是半導體，等等在同樣的密度里面走兩倍，同樣的體積里面走兩倍，到一定程度之后電子就會碰到，碰到之后就會發(fā)熱，最后會限制你的運算速度的發(fā)展。所以摩爾定律再過一段時間可能就不成立，不知道兩年，還是十年。
張首晟他所創(chuàng)立的領域，是另一種材料或者另外一種領域，拓撲絕緣體。它有雙重性，它的材料內(nèi)部里面是完全絕緣的，所以說你碰不到，它可以自由的傳導。這樣的話基本上在理論上面，避免了我們現(xiàn)在摩爾定律所達到的極限，包括后面講到量子自旋的效應。這些東西都對我們未來的芯片發(fā)展，包括馬上講量子計算都有很深遠的影響。量子計算也是，我早上說了一下，我們可能認為天方夜譚，可能還需要二十年，三十年，和我沒關系。但是我覺得已經(jīng)很快了，而且我相信五年之后，我們坐在這個屋子里面可能討論的不是AI，它可能成為產(chǎn)業(yè)發(fā)展的重要引擎，可能討論的是量子計算或者別的東西。
量子計算這兩年還是有很多的進展的，我本來要問張教授問題，我講一下，基本上有兩種。一種是現(xiàn)在谷歌所采用的，用的是（英文），這個里面穩(wěn)定性會差一些。另外一種叫拓撲量子計算，這里面用的是更加穩(wěn)定性好的。去年證明所有在這領域所做的算法，都可以實現(xiàn)，可以通過拓撲的量子實現(xiàn)�，F(xiàn)在微軟用的更多是拓撲量子計算，所以現(xiàn)在大的企業(yè)，當然包括大學，包括中國的一些研究機構，都在花一些精力做量子計算方面的研究。這個恢復對AI的未來有很重大的影響，包括AI現(xiàn)在一些算法。
高欣欣：這算是我們跟大洋彼岸的對話。我拉回主題，因為我們今天小小的論壇有一個題目，以科學之名，探討人類社會的新價值。如果我們要探討人類社會的新價值，必須要先回答新世界是什么樣子的。所以今天有一個特別核心的主題，雖然未來要談論量子計算，但是今天每個人談的都是人工智能，是AI。在你眼中，我們新世界的未來到底是什么樣子的呢？
張亞勤：這個問題太大了。量子計算和AI并不矛盾，量子只是一種更新的計算方式。講到AI的話，我們這兒有很多專家，包括余凱坐在那兒。他做機器學習。包括智能駕駛，百度最開始做汽車大腦。他一會兒會給大家分享更多的技術細節(jié)，可能還有別的AI學者。
我認為AI，由于深度學習過去十年的發(fā)展，AI走向第三次高峰。而且這次確實是越來越實用，我們真的認為它會改變我們的生活，改變這個產(chǎn)業(yè)。所以在百度，我們說AI是新的電能，就像一百年前電力一樣的改變所有的行業(yè)，而且重塑社會和經(jīng)濟的架構。目前的話，我們下面剛才聊了，到底AI技術發(fā)展，有哪些方向？包括有哪些限制，哪些弱點？未來是不是就是深度學習？AI是不是等于深度學習？現(xiàn)在大家把AI、深度學習、機器學習、神經(jīng)網(wǎng)絡看作一個東西，其實還是有些不同的。
我稍微從宏觀方面講一下。AI從技術方面，如果現(xiàn)在看AI，基本上是三個大，什么都要大，大數(shù)據(jù)、大模型、大計算。特別像模型，微軟研究院做的現(xiàn)在一千多層，我們百度大腦很大的，這里有百億，甚至超過百億的特征參數(shù)。這個相當大，數(shù)據(jù)需要量也很大，計算量也很大。這些東西有好處，因為我們現(xiàn)在計算能力越來越強，數(shù)據(jù)越來越多，這也是一件好事，利用了三個大。
但是在很多方面，你還要走得更小，所以一個方向是怎么把大的東西用在小的方面。剛才跟魯教授講，他是全球頂級的腦科學專家，很多時候我個人數(shù)據(jù)沒那么多大的數(shù)據(jù)，可能有一些數(shù)據(jù)，但是很個性化的，很精準的這些數(shù)據(jù)，我能不能用機器學習？我想這是一個方面，一方面越來越大，一方面越來越小，越來越輕。特別像一些技術把在某一個領域或者某一個群體，或者某一個場景，下面大數(shù)據(jù)所訓練的模型用到小數(shù)據(jù)里面去，這是一個方向。
還有一個，我稍微看一些東西，我自己也做一些編程。AI最近幾年新的進展，生成的對抗網(wǎng)絡，我很感興趣。這是差不多三年前，Ian Goodfellow他們幾個人一塊做出來的。我覺得為什么重要呢？這也是我和張首晟談的話題。一開始我說我們?nèi)斯ぶ悄軕搶θ说拇竽X有更多的了解，把這些東西，人的大腦要用到我的AI里面去，但是這絕對是一件好事。我們現(xiàn)在受到大腦視覺系統(tǒng)模型的啟示。大部分當然是還沒有用到大腦，但是這是一件好事。張首晟的觀點我是同意的，你如果最后就是為了模擬人，你并需要。比如說仿生學可以學習它的一些機理，但是最終你要有新的技術、模式。我們飛機可能空氣動力學受到鳥的啟示，飛機做出來以后肯定不是按照鳥的翅膀，它的實體做的，你做的可能比它更好。AI也是一樣，你在很多方面要了解人的大腦，模擬它的功能和機理。但是更重要要做它做不了的事。生成的對抗網(wǎng)絡就是做到它的決策也好，包括它的目標、函數(shù)、算法，可能是對抗的，是AB互相對抗，會讓機器有更多新的功能和智能，新的一些能力。我覺得這個很有意思。
另外一個方面，我們現(xiàn)在還是一個黑箱，有的時候我們對里面為什么要工作，怎么樣還是需要理解。今天早上我問霍金的問題，如果看一下人類的發(fā)展，對于宇宙的觀測和理解，最早的話大家是靠望遠鏡去觀測星球，祖沖之估算圓周率。后面到了伽利略、牛頓時代有方程式，確定的方程式，愛因斯坦的方程式，變成了一個方程式，我們對我們的世界有了更好的認識。過去的幾十年，更多的是數(shù)據(jù)的時代，由于計算能力強了，很多都是data。你用它需要做什么？其實是想找一個函數(shù)，把這些方程式，把亂七八糟的數(shù)據(jù)寫出來，函數(shù)就一層里面有很多，我的函數(shù)里面很多變量，多層的話就是很多嵌入的函數(shù)。為什么要多層？我這個函數(shù)可以很復雜，復雜度很高，可以把我的數(shù)據(jù)建模出來，盡管我寫不出來這個函數(shù)。這個有點傻，完全靠這么一種方式。如果我們對一個事情產(chǎn)生的機理更清楚的時候，那么就不需要這樣了，我知道C平方，我知道這些公式之后，知道自然事物產(chǎn)生的機理。以后會不會變化方程式的時代？從估計，到了方程式，到了大數(shù)據(jù)，后面再會回到方程式時代。他講這是其中的一個方面。
所以說我覺得我們要遵循自然現(xiàn)象，可能未來的學習，有數(shù)據(jù)，有模型，有方程式，也有我們深度學習，可能會有一個好的結合。當然我想未來會利用大數(shù)據(jù)，利用小的數(shù)據(jù)，利用各種不同的機制，包括以后。
高欣欣：您說了很多宏觀的，未來的事情。接下來我想深究一個。但是大家多說AI里面有幾個最先激活或者最大機會的幾個場景和機會，其中有一個就是所有的人可能最關注的，就是自動駕駛。最近發(fā)生了一件事，百度開放了自動駕駛平臺賦能汽車產(chǎn)業(yè)叫阿波羅，這個消息變成了一個10+的熱門，大家特別關心。您能不能給我們透露一下這里面的布局和思考？
張亞勤：不能。謝謝幫我做廣告。如果看一下自動駕駛，可以說是集成了AI多年的這些技術，然后可能是一個最高的要求，AI，包括計算機視覺，包括高精的定位，包括各種傳感、數(shù)據(jù)、傳感、規(guī)劃，而且要高保險系數(shù)，出錯的幾率很少。這里面有很復雜的技術。百度開放這個技術，我們叫阿波羅，就是希望大家不要重復這件事。我們是做得最早的，余凱你什么時候開始的？13年，開始在規(guī)劃汽車大腦。我們一大批車在路上跑，匯集了很多數(shù)據(jù)，我們有一幫做高精地圖的人，一幫做決策的。這么多人做這件事，大家去使用吧，我們開放出來。它的API，希望這個平臺標準化，然后希望大家在上面更多的去使用，不要重復原來做過的事。
我們?yōu)槭裁唇邪⒉_？我們就用阿波羅登月做一個名字，阿波羅登月把人放在路上，這個把人從車里拿出來。需要很多人，需要企業(yè)、學術界、政府的合作，大家來完成這么一個東西。
首先無人駕駛和自動駕駛是一件好事，讓我們更加安全，城市整個運轉更加有效。所以絕對是好事。今天早上講AI，霍金講，我覺得無人駕駛、自動駕駛最好的AI和開放的例子。
高欣欣：我還想深究一層。當?shù)搅艘粋�場景，我們討論技術深究。既然是新社會，就要知道怎么到達的。您提到一個有意思的話題，現(xiàn)在深度學習，只要談到機器學習必提深度學習，大家都在研究深度學習，我想請問您的是深度學習是我們真的是最終的一個方法嗎？會不會有什么被錯過了，我們沒有關注到呢？
張亞勤：我不知道。我覺得剛才開始我也回答了一下，我覺得學習肯定是，因為我們?nèi)撕瓦@個社會，人和人之間和環(huán)境是通過學習的。我覺得要去學學小孩是怎么學習的，我們大數(shù)據(jù)和我們?nèi)说膶W習方式其實并不一樣的。到底以后是不是深度學習？還是要用腦。剛才我講的那些，包括可能新的方法也可能會出現(xiàn)，我們現(xiàn)在這個邏輯是對的，整個方向是對的。
高欣欣：您現(xiàn)在看到中國、美國，現(xiàn)在AI都是如火如荼，這兩個地方有什么差距？您覺得它們的特色是什么？在您的判斷上。
張亞勤：它出現(xiàn)的地方都是比較冷門的地方，都是在加拿大的，什么學校，都不是在美國的主流學校。所以做這件事，這些算法必然要花時間，而且要很安靜。第二點，最近這一兩年，中國學者的文章特別多，然后很活躍。我剛剛到斯坦福去，去Face Book，去谷歌，很多中堅力量也都是中國人、華人，在國內(nèi)也是，有很多華人。中國目前很活躍，做得也相當棒。但是最核心的算法，最原始的算法，最理論的突破還是在國外，在美國，在加拿大，包括在英國，甚至在荷蘭的地方。最近的這些算法的突破，可能也還是在國外。我剛才講的生成的對抗網(wǎng)絡，也不是在國內(nèi)。我希望國內(nèi)也花一點精力，一方面產(chǎn)業(yè)化，一方面做一些基礎研究、算法研究。
我今天早上也講了微軟研究院做得非常棒，現(xiàn)在是做得最好的，原來150層，現(xiàn)在1000多層。但是做試驗的那個人，在Face Book也是中國人，從微軟過去的。但是整體來講，我們做這種基礎的算法，還是少了一些�，F(xiàn)在我們不管企業(yè)也好，大學也好，應該多投一點。
高欣欣：好的，非常短暫的時間，可以訪問到張亞勤。我們的論壇迅速的結束了，希望在后面還能夠跟您深度探討這些問題。讓我們科學復興、熱愛技術，擁抱這個美好的新世界。
張亞勤：謝謝張首晟教授。
郭嵐：非常感謝高欣欣女士和張亞勤總。講到科學復興人工智能是一個非常必要的話題，機器學習也是非常必要的主題，我們下面是一個尊貴的嘉賓，他在06年寫了一個白皮書，叫做機器學習的原則。設置了世界上第一個機器學習學院。十一年以后，我相信他們有非常棒的理念和大家分享，歡迎Tom Mitchell跟大家分享一下我們在機器和人類之間的障礙如何破局的主題。有請！
