8月14日，创新工场、搜狗和今日头条三家国内人工智能领域领军企业，携手发起了“
AI Challenger全球AI挑战赛
”，面向全球AI科研人才广发英雄帖，旨在推进中国AI人才成长。
主办方除了为首届竞赛提供
200万元
人民币的奖金，还将超过1000万条中英文翻译数据、
70万个
人体动作分析标注数据、
30万张
图片场景标注和语义描述数据公开。这是国内迄今公开的
规模最大
的科研数据集。
之所以这么做，种子正是李开复30年前在美国做AI科研的亲身体验。
在发布现场，创新工场创始人兼CEO李开复感慨万分。他说， AI Challenger
不仅仅
是一个奖金200万的竞赛活动，评选结果出来就结束了。三五年后我们再回顾，如果中美AI
人才的落差消失
了，希望我们会想到AI Challenger在这样重大过程中扮演的一个小小角色。
下面这篇文章，是李开复对那段经历的回忆。
本文授权转载自李开复（kaifu）
原题 | 从1983到2017，我的幸运与遗憾
(1)
今天跟大家讲个故事。
1983-1988年，我正在卡内基·梅隆大学读计算机博士。
我正忙着暑期教书，秋天投身
奥赛罗人机博弈
（黑白棋游戏，那是机器第一次真正意义上打败人类冠军的比赛）。
我的导师瑞迪教授（Raj Reddy，图灵奖得主、卡内基梅隆大学计算机系终身教授、美国工程院院士）从美国国防部得到了300万美元的经费，用来做不指定语者、大词库、连续性的语音识别。
也就是说，他希望机器能
听懂任何人的声音
，而且可以懂
上千个词汇
，懂人们
自然连续
说出的每一句话。
这三个问题都是当时
无解的问题
。
而瑞迪教授大胆地拿下项目，希望同时解决这三个问题。他在全美招聘了30多位教授、研究员、语音学家、学生、程序员，以启动这个
有史以来最大
的语音项目。
我也在这30人名单之内。
当时的科研背景是，业界已经有
类似今天深度学习
的算法，但一直
没有实现数据标准化，数据量也不足够大
。
美国几大语音识别实验室（如MIT、 CMU、 SRI、 IBM、贝尔实验室）都是各用各的数据库，测试数据不同，训练数据不同，使用的语言模型不同，测试的词汇量也不同。所以都
各称业界第一
，大家莫衷一是。
而每个大公司都有自己的
商业需求
，比如说在语音识别方面，当年做打字机的IBM想做语音打字机，垄断美国电信的AT&T要求贝尔实验室识别电话号码，所以
大公司并没有动力来帮助小公司或学校
。而小公司和学校，往往只有资源做些较小的数据集，结果通常也不如大公司的好。
不仅如此，
数据不标准对AI研究而言是致命的
，最后导致很多问题，包括：
1、因为测试语料库不同，最后识别结果，大家
无法复制，也无法验证
。彼此不认可，而且因为数据没有打通，算法就更不可能打通了。
2、因为每家做的领域不同，最后的
结果都不可比
。有些领域词汇量小，比较容易，但是做出结果也可能不能通用。有些领域词汇量大，但是约束很多，所以能说的内容不多，导致比较容易识别，也不能通用。
3、因为每家训练集不一样大，而训练集越大，一般结果越好。所以，有可能结果做的好，被认为并
不是靠算法，而是靠数据量大
。
4、对于学术单位来说，最大的问题来自于
没有足够的资源
（也没有兴趣）收集、清洗、标注大量的语料。对于小公司来说，语料和计算力都是问题。
最后，瑞迪教授计划采用“
专家系统
”来完成项目，因为这个方法需要的数据有限。
专家系统是早期人工智能的一个重要分支，你可以把它看作是一类具有专门知识和经验的计算机智能程序系统，一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题。
但我不认同。
（2）
之前参加过的奥赛罗的人机博弈，让我对
统计概念
有了充分的理解，我对瑞迪教授的研究方法产生动摇。
我相信建立
大型的数据库
，然后对大的语音数据库进行分类，有可能解决专家系统不能解决的问题。
另外，在1985年，美国标准局 (NationalInstitute of Standards and Technology)也意识到数据不标准会影响科研进步。所以在语音识别问题上，标准局设定了
标准的语音和语言的训练集、测试集
。要求每个学校的每个团队都用同样的训练集来训练模型，可以自己调好系统参数，比赛最后一天大家拿到数据，有一天时间跑出结果，大家评比。
我从这个标准数据集和测试看到机会。
再三思考后，我决定鼓足勇气，向瑞迪教授直接表达我的想法。我对瑞迪说：“我希望转投统计学，
用
统计学来解决
这个‘不特定语者、大词汇、连续性语音识别’。”
我以为瑞迪会有些失望，没想到他一点都没有生气，他轻轻地问：“那统计方法如何解决这三大问题呢？”
瑞迪教授耐心地听完我激情的回答后，用他那永远温和的声音告诉我：“开复，你对专家系统和统计的观点，我是不同意的，但是我可以支持你用统计的方法去做，因为我相信
科学没有绝对的对错
，我们都是平等的。而且，我更相信
一个有激情的人是可能找到更好的解决方案的
。”
那一刻，我的感动无以伦比。因为对一个教授来说，学生要用自己的方法作出一个与他唱反调的研究。教授不但没有动怒，还给予充分的支持，这在很多地方是不可想象的。
统计学需要大数据库，我们
如何才能建立起大的数据库呢
？
瑞迪教授看到我愁眉不展的样子，再一次给了我支持。他说，“开复，虽然说我还是对你的研究方法有所保留，但是，在科学的领域里，其实也
无所谓老师和学生的区别
，我们都是面临这一个难题的攻克者，所以，如果你真的需要数据库，那么，让我去说服政府帮你建立一个大的数据库吧！”
瑞迪教授后来说服了美国政府部门和美国标准局收集并提供了大量数据。我用美国标准局提供的标准大数据，跟多家拿国家钱的机构数据，后来一些不拿国家钱的单位（如：IBM，AT&T）也参与进来，我
可使用的数据越滚越大
。
除了大数据，统计学的方法还需要
非常快的机器
，瑞迪教授又帮我购买了最新的Sun 4机器。此后每次有新的机器，他都会说：“先问问开复要不要。” 做论文的两年多，我至少花了他几十万美元的经费。
瑞迪教授的宽容再次让我感觉到一种伟大的力量，这是一种
自由和信任的力量
。
（3）
在导师的支持下，我开始了疯狂的科研工作。
当时，我带着另一位学生一起用统计的方法做语音识别。同时，其他30多人用专家系统做同样的问题。从方法上来说，
我们在竞争
，但是在瑞迪教授的领导下，我们
分享一切
，我们
用同样的样本训练和测试
。
