本文
约
4000字
，建议阅读
8分钟
。
本文为你介绍AI领域里
Raj Reddy的新观点。
在 AI 领域里，Raj Reddy 不仅是奠基者，也是众多牛人的学术导师。这位 CMU 终身教授近日在联合国教科文组织国际工程科技知识中心
(IKCEST)
、中国工程科技知识中心
(CKCEST)
、百度、西安交通大学
(以下简称西安交大)
共同举行的活动中又为我们带来了很多有趣的新观点。
罗杰·瑞迪
（Raj Reddy）
是美国科学院和国家工程院院士、中国工程院外籍院士、卡耐基梅隆大学
（CMU）
计算机科学学院终身教授，曾长期担任该学院的院长，他在 1994 年因为在大规模人工智能系统的研究，与 Edward Feigenbaum 一同获得了图灵奖。他也是清华姚班创建者、量子计算机先驱姚期智教授，以及李开复、沈向洋、洪小文等人的导师。
Raj Reddy（图中右侧）与 Edward Feigenbaum 在 1994 年共同获得了“计算机科学界的诺贝尔奖”图灵奖
Raj Reddy 还一手创立了美国第一个机器人研究所
(CMU Robotics Institute)
，该机构目前也是全球最负盛名的机器人研究中心。1979 年，Raj Reddy 等人发起并成立了美国人工智能学会 AAAI。
近日，由 IKCEST、CKCEST、百度、西安交大联合主办的第五届百度&西安交大大数据竞赛暨 IKCEST 首届“一带一路”国际大数据竞赛刚刚启动，Reddy 教授作为 IKCEST 理事和顾问委员会外方主席来到北京，我们借此机会与这位人工智能先驱进行了一番交流。Reddy 教授不仅带我们回顾了人工智能的发展历程，也对未来科技进行了一番展望。
Raj Reddy 接受专访
以下内容进行了部分整理，以方便阅读。
人工智能的历史
记者：
您和 Edward Feigenbaum 在 1994 年因为在“大规模人工智能系统”的贡献而获得了图灵奖，那是深度学习之前 AI 时代的巨大贡献，人工智能这些年经历了怎样的发展？
Raj Reddy：
当时我们开发出了一些可以学习、可进行分类任务的系统，但它们都是无法应对非常大规模数据的。Geoffrey Hinton 是深度学习之父，他在 1981 到 1986 年之间开展了相关的研究，并于 1987 年发表了有关
反向传播
的研究。他相信这种方法可以成功，尽管当时还无法验证。但这种方法一定程度上模仿了人类脑神经的工作方式。
但这种方法从 20 世纪 80 年代——一直到 2010 年的很长一段时间里都无法成功。Hinton 等人的想法从一开始就是对的，人们缺少的只是：没有足够的算力去实现它。
在近三十年后，我们才有了数万倍的计算机算力、更大的内存和更多的数据量。今天的计算机算力正在接近人类的大脑，现在我们的人工智能算法已经可以完成很多任务了。
在这其中的不同之处在于，人类的大脑无法利用大数据。但基于深度学习系统的神经网络可以学习大量数据。这就是 AI 神奇的地方，我们现在正在接近科学发现的新阶段。而没有计算机科学领域中深度学习的发展，这一切都是不可能的。
记者：
获得图灵奖对您的生活有什么影响？
Raj Reddy：
其实没有什么影响！我的生活确实发生了一些变化，但我认为获奖基本没有带来更多。授予这样的奖项，让世界知道有人提出了新技术是一件好事。人们会说，你做了一些了不起的事。但我并不是特别在意。
记者：
在研究工作之外，您是如何放松的？
Raj Reddy：
很多人在工作压力很大的时候会选择运动或者到户外休息一段时间，但我不是这样的。我喜欢阅读，我的手机中保存有上百本书。
记者：
能否介绍一下卡耐基梅隆大学
（CMU）
的 Robotics Institute？您创立了这个机构。
Raj Reddy：
我们在 1979 年开设了 CMU 计算机研究所。在当时我们已经意识到学界需要对自动化系统开展研究。我们在 1984 年就开始了自动驾驶汽车的研究。与此同时，我们也在研究无人机、人驾驶船舶，不过后面几个方向的进展不太好。
我们在 1995 年推出了成型的自动驾驶汽车，它使用的还不是深度学习，而是深度学习的早期方法。我们使用大量数据对算法进行了训练，进而让它学习到相应驾驶的方法。结果是令人满意的，汽车可以自己动起来了。
那是一个里程碑式的成果，一辆汽车从华盛顿特区开始，一直开到加州的圣迭戈——在这其中的路程中，大部分时间没有人在控制方向盘，除了很小一部分汽车无法判断的情况，人类会介入进行控制。在 99% 的时间里，汽车是自动导航行驶的。
从 1995 年到 2007 年，我们一直在挑战横跨美国的自动驾驶。最终第一个完成任务的团队是由斯坦福大学的 Sebastian Thrun 领导的。当然，他在十年之前还是 CMU Robotic Institute 的一名研究人员。
今天有很多人、很多公司都在研究自动驾驶技术，其中包括谷歌、苹果、百度。不过所有当今的自动驾驶汽车技术，都是源自卡耐基梅隆大学。
我们还研究了制造业机器人，希望实现“Light off manufacturing
（关灯工厂）
”，在其中的工作完全由机器人承担。另一方面是自动驾驶，第三个方面是搜救机器人，如进入核事故现场进行搜救的机器人，在辐射条件下工作环境对于人类来说过于危险了，机器人可以代替这些危险的工作。这样的环境包括切尔诺贝利、福岛等核电站事故现场。
今天，Robotic Institute 的研究范围更加广泛了，除了上述几个方向以外，我们还有计算机视觉方向的研究，让机器人了解周遭的环境，计算机视觉非常重要。
人才培养
记者：
现在很多高校已在本科阶段开设人工智能专业，今年中国教育部门已经批准了 35 所高校的人工智能专业设立申请。如何看待这种现象？
Raj Reddy：
其实这看起来不是坏事，新领域的形成，无论是机器人、生物工程还是基因编辑的新方法
（CRISPR）
，它们都是重要的科技发展方向。最近 3D 打印也是非常热门的技术……现在有很多新科技发展的方向。如果在三十年以前，即使你开设了这些专业方向，学生也不会来学——他们总是希望在毕业后能够找到工作。所以，最为理想的情况是在教育中以发展为导向地引入新专业。
当然，现在我们遇到的问题在于，没有足够的教授来教育学生。我们需要发起“对教师进行教育”的项目，将教育者集中起来，花上数月的时间，对他们进行前所未有的新形式教育，让他们可以更好地在这之后有能力教育自己的学生。当今的学生都非常聪明，他们的学习速度很快。更好的方法可以让学生有更大的进步，我认为这是未来即将发生的事情。
我前来参与的大数据竞赛，百度支持这次竞赛更加落地的场景、丰富的数据和算力等，这对于学生们来说十分难得。
除了竞赛之外，科技公司把自己在 AI 领域的研发、落地经验带到高校，会进一步加速中国本科人工智能教育的进程。
记者：
对于进入 AI 领域的年轻研究者们，您有什么建议、想要说的？
Raj Reddy：
拥有独立思考的能力是最重要的，当然你还是要听从导师的建议。你需要学好基础理论，在计算机科学课程中这是指传统编程，它们是必不可少的。人们可以从经验中学习，在编程中你也需要从经验中学习。
记者：
对于年轻的研究者来说，投身学界和投身业界各有哪些特点？如何可以更好地做到产学研融合您有哪些建议？
Raj Reddy：
每个人都有属于自己的路，有些人希望解决工业领域的现实问题，这意味着很大程度上并不会推进新技术的发展，只是在解决每天面临的新问题。
如果你进入了学界，你面临的就是全新的方向、未解决的困难问题。你可能会成功，也可能会失败；失败并不应该让你沮丧，研究工作就是这样。
当然，在 AI 领域中学界和业界的结合越来越重要了。在很多教育机构中都有公司合作项目，你可以投身学界，然后去企业一段时间。当今世界的研究是全方位的，继续 20 年前的方法是行不通的。正确的方法是进入公司，在业界磨练自己。你在学校中学习一年，随后申请进入公司实习，几年后回到学校继续研究。
现在美国的大学里已经有这样的学习方式了。但我要说的是如何成为一名合格的博士生，六年的博士生涯中你不可能揭开人类所有的谜题，我们必须在很小的一个领域里做一些突破。
记者：
如果您现在是一个初入 AI 领域的年轻人，您会选择哪方面的研究？
Raj Reddy：
深度学习需要大数据的支持，但人类只需要一个例子就可以举一反三了。我们现在还不知道如何构建这样的系统。还有很多的问题需要探索，我认为我会从这个方向入手。
未来发展方向
记者：
自动驾驶是 AI 目前面临的最大挑战之一吗？
Raj Reddy：
自动驾驶并不是一个困难的挑战，我认为它已经被很好地解决了，现有技术是可行的。但问题在于人类对目前自动驾驶技术的态度。如果人类出了车祸你并不会特别在意。但如果一辆车的自动驾驶系统出了问题，它就会成为新闻。全球所有人都会知道这件事。
从根本上看，我们并不应该期待计算机驾驶汽车的水平要比人类好上很多。人类会出问题，计算机也会出问题，因为它们和人类所学习的内容是相似的。因此，我们需要能够容忍计算机出错，并解决计算机出现的问题。
如果我们期待计算机必须完美，那是不可能的。这就是目前的问题所在。真正完美的东西只存在于数学、物理等范畴中。而即使是在这些理论中，物理、数学的理论基础也是在不断演进的。
我认为神经网络不会有重大方向的改变。计算力的提升让我们实现了此前无法做到的事情，发现了新的知识，这是光靠人类大脑无法发现的东西。这是一个非常令人激动的过程。
所以，自动驾驶不是 AI 目前面临的最大挑战。计算力的提升让我们实现了此前无法做到的事情，发现了新的知识，这是光靠人类大脑无法发现的东西。这是一个非常令人激动的过程。
记者：
但我们可以看到目前人工智能的一些有限之处，未来可能突破的方向会有哪些？
Raj Reddy：
人类在研究课题时，会使用数据，使用可容忍差错率和模棱两可的解释。这意味着我们是会出错的，计算机必须可以应付这样的情况，毫无疑问这是经常出现的情况，但得到这样的结果还是不够的。
我们还需要使用交互和自然语言处理的方式进一步处理结果，现在大多数的系统中不存在自然语言处理的方法，最终如果情况复杂，我们还必须提取出有用的信息。这最好的例子就是，在 3000 年前人类发明了地图，地图是人类对于地标、道路的信息提取结果。人们可以理解地图和实景的关系。
我们现在要做到的是让计算机也可以进行这样的提取。人类能够提取信息，我们认为这就是智能，人类可以学习，可以分析数据，可以容忍差错，明白模糊的解释，使用语言来进行交流，可以提取信号。
今天还没有任何程序可以做这样的事。这对于 AI 领域来说可能意味着长达 100 年的研究。未来很长一段时间里 AI 研究者们都会忙于应对这样的挑战。
AI 对社会的影响
记者：
您此行来到北京的目的是参与首届 IKCEST 国际大数据竞赛，如何看待目前越来越多的大数据竞赛？
Raj Reddy：
这是一个非常有趣的图像数据竞赛。如果你在卫星图像上寻找火车站，在这个过程中需要进行很多有关火车时刻的搜索。如果两者的信息可以进行进一步引伸——这是人类经常会做的事，我们不需要把它看做是火车站，而会把它看作是很多人都会去的一个地点。在这种情况下我们可以做很多有趣的事。
大学是人工智能人才的摇篮，但必须承认，学校在数据、计算机硬件和应用场景等方面缺乏资源，这样的比赛可以探索可行的解决途径。这次比赛所采用的遥感数据和用户行为数据以及大量的算力资源是高校难以获得的，而这正是百度这样的企业参与进来的优势和价值。
Raj Reddy 接受竞赛顾问委员会主席聘书，他将和潘云鹤院士共同担任竞赛顾问委员会主席
记者：
能否展望一下，人工智能在教育方面的未来会是什么样的？
