十問科學家 | 關于機器智能，金榕這麼說

金榕

阿裡巴巴集團副總裁 達摩院機器智能實驗室負責人

終身教授、海歸科學家，這些标簽齊聚在金榕身上，也并不影響他被同僚稱為“随和的最不像科學家的科學家”。

他曾是美國密歇根州立大學終身教授，曾任 NIPS、SIGIR 等頂級國際學術會議的主席。2014 年 7 月，42 歲的金榕決定加入阿裡巴巴，開啟人生的新階段。自此，他成為了達摩院機器智能實驗室負責人。

Q1:你會如何向一位中國小生簡單描述你正在研究的 方向和課題?

金榕:稍微通俗一點說，機器智能就是讓機器能夠像人 一樣，聽得懂你說什麼、看得懂你做什麼、讀得懂你的意思。 不過，這個概念不是十分嚴謹準确。

Q2 :為什麼您會選擇機器智能這一研究方向?

金榕:博士期間，我在美國卡内基梅隆大學讀的多媒體圖 像處理，當時旁邊有一個實驗室專門做機器人，這些機器 人在樓道裡每天晃來晃去，讓我印象十分深刻。後來他們 搬去了谷歌，我依然對此事念念不忘，就打算改行，學習如何訓練 AI。這件事情對我來說十分有意思，能讓技術更 加場景化一些。

Q3:對于公衆來說，機器智能領域的研究意義和價值 是什麼?

金榕:我覺得機器智能技術的應用，有很大的可能性，會 反哺和變革基礎科學領域的研究;基礎研究的進步，有很 大的可能性，會給整個社會帶來颠覆式的變化。

我認為今天的整個社會經濟發展，最初都來源于自然科學 的突破。我覺得 AI 未來會有許多非常令人興奮的功能和可 能性，同時也會幫助社會向前發展。是以，我的研究對社會、 公衆來說是應該是十分有意義的。

Q4:目前人工智能相關研究的挑戰和難點是什麼?

金榕:我個人認為今天 AI 技術最大的難點，就是沒有一個 人了解它為什麼可以工作，技術是否真的成熟。

今天 AI 的基礎理論還處于初級階段，我們今天在 AI 的實 踐領域面對的技術挑戰，也還沒有根本性的解決方法。

Q5:你為什麼當初選擇了阿裡巴巴達摩院?它為什麼 會吸引你加入其中?

金榕:我選擇阿裡巴巴有很多偶然因素。最早我在阿裡巴 巴做顧問，前期的溝通非常愉快，我認為阿裡巴巴這個氛 圍會讓我有 Happy Life，如今變成正式員工，我也可以做 自己特别喜歡的事情。

對于從事科學技術研究的人群來說，阿裡巴巴最大的吸引 力就是通過一個技術平台，為社會産生一個巨大的服務效 應，而且，阿裡巴巴更加強調技術落地，用技術解決非常 實際的問題，這是非常“科技範兒”的。我覺得這是所有 科學家都特别向往的事情。

我經常舉一個例子，當初拍立淘功能使用的視覺技術、搜 索技術、比對技術等，都是由我們團隊開發的。如今每天 有 3000 萬使用者在使用它，我還挺高興的。

Q6:最近有人在讨論科學家逃離企業的事，你怎麼看 這個問題?

金榕:估計今天 AI 科學家是不可能逃離企業的。因為人工 智能前沿技術需要大量的資金，一般學校是做不起來的。 我認為企業不一定能夠帶來科學的核心價值，比如核心理 論的突破，但可以給科研續寫一些生命。

我認為，相比學術圈而言，首先企業是需要非常務實的。 如果有問題回報過來，不管利用什麼方式，我們需要快速 有效的解決掉，這是服務使用者的要求。其次就是企業整體 反應速度是十分迅速的。由于産品需要快速的疊代，技術也要不斷發生變化。最後，我認為技術要變成能夠對社會 有價值的東西，中間還有很多步驟，包括工程化問題、産 品适配問題、成本可控的問題等。這些在學術圈中不太會 被注意到。

回到 AI 技術上來說，如今科學家要讓 AI 落地，影響人們 的日常生活，我們需要把 AI 技術産品化，這就需要解決很多現實的挑戰，這些現實的挑戰是在學術研究領域無法解 決，甚至是不被“認知”的，比如穩定性問題、延時問題。 這些都需要企業在實踐中解決，學術圈解決不了這些事。

Q7:過去幾年，AI 領域發生最了不起的研究進步是 什麼?

金榕:我認為，相比 2014 年之前，如今深度學習算法的 應用效果越來越好。而且，相比幾年之前，AI 技術的工具 化能力越來越強，已經進入無代碼時代，一個中學生也能 使用人工智能架構來做簡單的開發設計。

Q8:如果年輕人想要進行智能機器相關研究，你比較 推薦哪家研究機構?

金榕:谷歌大腦(Google Brain)團隊。

Q9:如果各種條件都具備，你會推薦自己的孩子未來選擇機器智能的方向發展嗎?

金榕:不會。我認為 AI 是需要工匠精神的，它在某種意義 上是要有一定的工作年限才可以達到一定水準，這是一個 很長期的工作。我甚至不期待初踏入這個領域的少年能夠 有能力解決機器智能的終極問題。

Q10:最近大家對于人臉識别、語音識别技術的隐私問 題十分關注，你怎麼看 AI 技術的隐私資訊困境?

金榕:我覺得原來計算機視覺資料真的是可以提高技術的 研發效率，能夠獲得更廣泛的應用。今天資料對于 AI 技術 來說是非常關鍵的元素，因為今天幾乎所有 AI 技術的發展 都是資料驅動的。當然，也有很多方法可以實作隐私保護， 比如“差别隐私”(Differential Privacy)和“聯邦學習” (Federated Learning)。但這些技術還處于初期階段， 目前還不确定能否根本性的解決資料隐私的問題。

同時，我也不贊成關掉所有資料，否則 AI 技術就會停滞。 我認為這兩者很難平衡。

如今人工智能技術依然在探索過程中，資料仍然具有極高的價值。