转载

专访两届图灵奖得主、七大ACM/IEEE院士：人工智能先驱在想什么、做什么？

2015年10月28日，以“人工智能，无限可能”为主题的第十七届“二十一世纪的计算”大型国际学术研讨会在北京召开，包括近两年的图灵奖得主Leslie Lamport博士和Michael Stonebraker博士在内的七位全球计算机科学领域的大师来到现场，为中国高校的新生代人才讲述他们在各自领域取得的最新成果、解读人工智能背后的科研故事，一起探索直达未来的种种可能。

大会期间，CSDN记者对七位演讲嘉宾进行了视频专访，揭秘他们与数据科学结缘的深层原因，并针对人工智能技术发展经历过的挫折、当前进展和影响、待解的难题、未来的启示等问题，从系统、架构、算法、编程、应用等不同角度进行探讨。本文为全部的采访视频及采访实录。

七位受访嘉宾包括：

Lorenzo Alvisi 德克萨斯州大学奥斯汀分校计算机科学系教授，美国计算机协会院士
洪小文 微软亚太研发集团主席，微软亚洲研究院院长，微软杰出首席科学家，电气电子工程师学会院士
Thorsten Joachims 康奈尔大学计算机科学系及信息科学系教授，美国计算机协会、美国人工智能学会院士
Leslie Lamport 微软研究院首席研究员，2013年图灵奖获得者，美国计算机协会院士
Peter Lee 微软全球资深副总裁，美国计算机协会院士
Michael Stonebraker 麻省理工学院客座教授，2014年图灵奖获得者，美国计算机协会院士
Demetri Terzopoulos 加利福尼亚大学洛杉矶分校计算机科学系杰出教授，美国计算机协会、电气电子工程师学会、伦敦及加拿大皇家学会院士

七位大师畅谈了各自的观点。 Lorenzo Alvisi 表示，他希望构建一个系统，它不但会做人们想要它做的事情，而且只会做人们想要它做的事情——而不是其他什么事情，无论在任何情况下，哪怕发生环境问题、恶意攻击、软件缺陷、配置错误等。在工程技术领域，击败复杂性的唯一方法就是竭力做到优雅。这是不断的鼓舞，也是不断的挑战。

洪小文 表示，机器比人聪明，临界点等是对AI的高估。今天的AI很大一个部分就是机器学习、大数据分析，基于假设采集真实世界中的数据以后，可以优化算法和假设，优化下一个实验，这个过程叫做closing feedback loop。每一个反馈都能让我的东西更进步一点。今天移动互联网、大数据，以及未来的物联网，允许我们实时地收集数据，实时地把这个loop给关闭起来，每转一圈就进步一点。这个进步将是不得了的，尤其在未来的十年，二十年之内，在各行各业，科技能够带来的所有创新。

Thorsten Joachims 从事的研究都与智能搜索和推荐有关。他表示，机器学习就是理解数据，使用数据，以及将数据转化成可以据以采取行动的知识。对于推荐系统，机器能够理解社会和个人对于电影或产品的偏好。这些都是人工智能领域令人赞叹的进步。我们进步的速度越来越快，但从基本知识到杀手级应用还是需要一些时间的。借助机器学习，我们可以很好地理解语音和图像。这些技术都面临着巨大的机遇，但人们要花费很长时间才能把这些技术融入自己的生活。

Leslie Lamport 表示，在并行系统中，如果你在启动项目前没有一个坚实的基础，那它很快就会死掉。根本就没有办法对一个并行编程排查错误。如果最基础的概念就是错误的，那么排查错误的同时就会引入同样多的错误。他现在要做的事情是开发一些开发工具，并且教会工程师们如何从事开发工作，拿出准确、严格的设计。至于对我们生活或计算机科学的影响，那就是让计算机程序变得更加值得依赖。

Peter Lee 表示，放眼未来，在人工智能在视听方面将有很大的进步，或许可以超出人类的能力，但在理解其所看到和听到的内容方面，能力还有待提升。我们倾向于把人工智能看作人类智能，尽管许多人非常关注这个，但他认为我们永远不会创造出这种人类智能。他表示，我们会有很多十分先进但功能比较狭隘的人工智能产品，它们就在我们身边，包括身上的可穿戴设备，也存在于我们的汽车里和家里。这些设备协同工作时看起来很智能，但从单个设备来讲，它们可能并不比一只狗聪明。

Michael Stonebraker 目前最关注的领域是数据集成。遇到的问题，首先就是处理大规模数据库的标准方法，很多问题都需要同步才能进行，虽然现在的想法不少，但是还没有一种确定的解决方案。另外一个问题就是如何对待即将出现的新硬件，包括新型存储器、图形处理器（GPUs）。如何处理日渐增长的数据库规模，也还未能解决。以及复杂性分析，也就是，很多人预测数据科学将替代商务分析，即进行分析的标准做法。事实上，数据科学包含机器学习、预测性建模、数据集群、神经网络等技术——它们都是基于RAZE的，而非工作台活动，所以如何将复杂性分析和数据管理整合起来，也是一个有趣的议题。

Demetri Terzopoulos 表示，我们并不能为人工智能界定一个单一的目标。人工智能本身包含着许多方面的努力，每个子领域都有着不同的目标。我们现在的模型是以人类智能为目标的，因为这是我们所知的最高级的智能。他认为，我们能够实现人类的智能，其本身已经非常了不起，但没有什么能够阻止我们去实现超越人类的智能。飞机就是一个很好的例子，我们的飞机已经超越了自然界的飞行机器——鸟类或昆虫等。

从微观角度来看，七位大师在某一具体问题上的意见或许相左，但从宏观的角度，他们都对大数据、机器学习和人工智能的远景表示看好，认为人工智能带来的变革已经开始显现，但同时人工智能应用也还处在初级阶段，需要更多人更长时间的更多努力。

正文到此结束