2019年中國人工智能大會（Chinese Congress on Artificial Intelligence 2019，簡稱“CCAI 2019”）將于在9月21日-22日在青島膠州召開。

周志華教授是大會程序委員會主席之一。他從事人工智能研究20多年，研究領域包括人工智能、機器學習與數(shù)據(jù)挖掘等，是國內人工智能研究的代表人物。周志華教授目前擔任南京大學人工智能學院院長，是人工智能相關五大主流國際學會的首位華人“大滿貫”Fellow，還是歐洲科學院外籍院士。

近年來以深度學習為代表的人工智能取得了令人矚目的發(fā)展，周志華作為該領域的***專家，有著怎樣的觀察和思考，又提出過什么樣的學科洞見？讓我們一起看看。

深度學習成功的三個秘訣

近年來人工智能的火熱，離不開深度學習的幾次突破，其中尤以圍棋智能AlphaGo的橫空出世為甚。它以壓倒性優(yōu)勢先后橫掃人類兩大頂尖棋手李世石與柯潔，在收獲一片驚呼與贊嘆的同時，引發(fā)了人們對人工智能的能力邊界，以及未來生活種種可能性的無限想象。

作為機器學習領域的***專家，周志華對技術的發(fā)展始終保持高度理性和清醒認知。他將當前機器學習的成功歸于這三個因素：有效的深度模型、強監(jiān)督信息以及穩(wěn)定的學習環(huán)境。

有效的深度模型，在現(xiàn)階段基本上就是深度神經(jīng)網(wǎng)絡。曾有人提出，神經(jīng)網(wǎng)絡不是新事物，早在半個世紀之前就有了，今天我們之所以能夠做更深的神經(jīng)網(wǎng)絡，只不過是因為計算能力強，現(xiàn)在能夠訓練了。

周志華認為，這是一個認識誤區(qū)。他指出，2006年之前學界并不知道如何訓練出五層以上的神經(jīng)網(wǎng)絡，這不是由于計算能力約束，而是不知道如何設計有效的算法。圖靈獎得主杰夫辛頓在這方面做出了重要貢獻，使得訓練更深的神經(jīng)網(wǎng)絡成為可能，這才有了后來深度學習的發(fā)展和繁榮。

第二個因素是存在強監(jiān)督的信息。深度學習需要大量的樣本，那么在今天這個大數(shù)據(jù)時代，樣本是不是不成問題？

周志華解釋說，不是的。僅有樣本并不夠，重要的是這些樣本需要有標記，這將耗費大量的人力物力，機器學習技術對強監(jiān)督信息是高度依賴的。

以AlphaGo為例，它使用人類職業(yè)六段以上的超過16萬棋局進行訓練，后來發(fā)明的AlphaZero不使用人類棋局，通過兩個程序直接對弈來實現(xiàn)性能的提升，但這種模式同樣依賴于強監(jiān)督信息，因為它依賴于人類提供的勝負判斷規(guī)則，而這個勝負規(guī)則本身就是一般應用任務里很難具備的非常強的監(jiān)督信息。

穩(wěn)定的學習環(huán)境對當前機器學習技術的成功同樣不可或缺。在這樣的環(huán)境中，學習過程涉及的數(shù)據(jù)分布、樣本空間、學習目標都是固定的。

深度學習如何實現(xiàn)突破？

在周志華看來，任何一個模型都必然存在缺陷，深度神經(jīng)網(wǎng)絡也是。**，它要求人們花費大量的精力調整參數(shù)；第二，現(xiàn)在使用的神經(jīng)網(wǎng)絡學習模型需要在訓練前預先確定，但事實上，在解決一個現(xiàn)實問題之前人們并不知道什么樣復雜度的模型是最恰當?shù)?。此外，對大訓練?shù)據(jù)的依賴、理論分析的困難、模型的黑箱性等等都不容忽視。

周志華指出，機器學習領域“沒有免費的午餐定理”說明，不存在“包打天下”的模型，任何一個模型可能只有一部分任務是適用的?？梢钥吹缴疃壬窠?jīng)網(wǎng)絡主要是在圖像、聲音等數(shù)值建模任務上性能**，但在涉及符號建模、離散建模、混合建模等的其他任務上并不突出，因此，有必要針對這樣的任務特點來考慮設計神經(jīng)網(wǎng)絡模型之外的新型深度學習模型。

其次，當前的深度學習高度依賴于強監(jiān)督信息，可是把現(xiàn)實生活中強監(jiān)督樣本需要付出巨大的代價，如何利用弱監(jiān)督信息進行學習是重要研究方向。

最后，現(xiàn)在越來越多碰見的是開放動態(tài)環(huán)境，學習過程涉及的因素都可能發(fā)生變化。這對機器學習提出了更大的挑戰(zhàn)。

因此周志華總結道，未來機器學習研究需要多關注：

1. 神經(jīng)網(wǎng)絡外的新型深度學習模型；

2. 基于弱監(jiān)督信息的學習；

3. 開放動態(tài)環(huán)境下的學習。

人工智能的人才培養(yǎng)

周志華坦言，從對人工智能學科的歷史貢獻來看，中國不僅比不上美國，也不及歐洲、日本。國際上五六十年代就開始了人工智能研究，而我國在1978年以后才恢復科學研究，起步太晚，人工智能研究在新世紀以來才開始與國際接軌。

他同時表示，近十年來中國人工智能取得了高速發(fā)展，如果僅從最近幾年的發(fā)展情況來看，確實可以說目前中國在人工智能領域僅次于美國。

2018年，國內C9高校的首個人工智能學院在南京大學成立，周志華為首任院長。到2019年3月，已有35所高校獲得首批建設人工智能本科專業(yè)的資格。

周志華認為，人工智能學院的涌現(xiàn)，是政策推動、產(chǎn)業(yè)發(fā)展、學科內涵多方共同作用的結果：首先，人工智能是時代關注的焦點，國家政府高度重視；第二，人工智能技術已經(jīng)進入互聯(lián)網(wǎng)、金融、智能制造等諸多行業(yè)，人才缺口非常大；第三，人工智能并不是一個短期熱點，而是一個經(jīng)過60多年發(fā)展的嚴肅學科，已經(jīng)形成了龐大自洽的專業(yè)知識體系，全面掌握人工智能專業(yè)知識需要付出大量的學習時間和精力。

在人才發(fā)展方面，周志華提出，人工智能是個高度凸顯“個人英雄主義”的行業(yè)。因為以往對人才培養(yǎng)來說，從“學”到“用”之間的間隔是天然存在的。以軟件開發(fā)為例，現(xiàn)在幾乎沒有什么軟件能夠僅靠1、2個人完成，必須通過大團隊合作，而學校主要是培養(yǎng)學生的個人素質能力，例如一門課考試不可能讓幾十個學生做同一張試卷然后同享得分， 學生在大團隊中開展工作的能力必然要到企業(yè)才能培養(yǎng)發(fā)展。而人工智能行業(yè)則有所不同，它的“學以致用”性非常強，從高校培養(yǎng)出來的高水平人才可以很快在產(chǎn)業(yè)界發(fā)揮作用，周志華領導的LAMDA（南京大學機器學習與數(shù)據(jù)挖掘研究所）培養(yǎng)畢業(yè)的學生加入阿里、騰訊、華為很快就為公司取得重要突破性業(yè)績，多名博士生甚至在讀期間就被聘為知名企業(yè)研究院院長，就是明顯的例子。周志華指出，人工智能領域從實驗室成果到產(chǎn)業(yè)界應用的“路徑”相當短，實驗室里由于個別“聰明人”取得的算法突破往往很快就可以在產(chǎn)業(yè)應用中實施，甚至推進引領整個領域的技術發(fā)展。為了在人工智能時代加快我國科技和產(chǎn)業(yè)發(fā)展，高校在培養(yǎng)高水平人工智能人才方面可以多下功夫爭取做更大貢獻。