记者 | 阿司匹林

出品 | AI科技大本营（公众号ID：rgznai100）

在人工智能领域，中国目前到底处于怎样的地位？

在年初的两会上，全国政协委员李彦宏曾公开表示：“中国在人工智能领域处于世界第二的水平，第一依然是美国。”

这是中国人的看法，如果是美国人，他们又会如何评价？

作为 CMU 计算机科学学院机器学习系主任、教授，《机器学习》作者，Tom Mitchell 教授在最近几年的时间里多次来到中国，与中国的学者和企业家共同探讨 AI 的发展和前景。

在他的眼里，中国和美国是 AI 领域最活跃的两个国家，目前顶尖 AI 会议上的论文，来自中国的比例正在迅速增长，而且中国在 AI 商业化方面的表现尤其突出。

虽然中国进步迅速，但是外界对中国AI论文数量多、质量差的批评声音一直不绝，Tom Mitchell 却给出了不同的见解：

“我认为这不是质量问题，而是关注点不同。在美国可能会有各种不同的方法被发明出来，而中国非常擅长搭建真正有效的系统。世界很大，大家关注不同的事情其实是一件好事。AI 还有很多未解决的问题，我不想说哪种更好。在我看来，大家从不同的角度看待问题，对不同的目标有不同的动机，这才是健康的。”

以下是AI科技大本营对 Tom Mitchell 教授的专访，略有删减：

1、您的 Machine Learning 是 1997 年出版的，请问之前提到的最新书籍有什么进展？

Tom Mitchell：新书将是一本机器学习教材，目前的进度落后于我的预期，一方面我写的比较慢，一方面我是一个完美主义者。目前已经有部分章节已经发表在网站上，可以免费下载。今年秋天，我会开一门深度强化学习的课，因此我也写了几章关于这个主题的内容，将会在今年秋天放到网上。我目前还不能给出准确的完稿时间，但是至少还需要一年。

（下载地址：http://www.cs.cmu.edu/~tom/NewChapters.html）

2、从 1997 年到现在，机器学习领域最大的突破是什么？

Tom Mitchell：不需要怀疑，深度（神经）网络就是机器学习领域最大的突破。正因如此，我在新书中花了很大篇幅来介绍它。计算机视觉、语音、机器人、游戏等领域的诸多重大进展都是因为深度学习。

3、Michael Jordan 教授称他“讨厌把机器学习称为 AI”，您怎么看待这个观点？您会如何定义机器学习和AI？

Tom Mitchell：AI 研究的是如何构建具备智能的计算机，机器学习研究的是如何构建能够利用经验自动改进的计算机，这两个问题密切相关。如果你想打造智能计算机（AI），一个好的办法就是打造能够利用经验自动改进的计算机。机器学习是驱动 AI 的关键技术，我是这样看待两者之间的关系的。

4、去年以来，AI 领域有哪些最新的趋势？

Tom Mitchell：据我观察，有以下几大趋势：

技术趋势：深度学习和机器学习正在推进 AI 进入更多的新领域，比如我上面提到的，深度学习对计算机视觉、语音识别产生了重要的影响。如今深度学习正在成为 NLP 领域的主宰，当然，最终能有多成功还有待观察，但是在我看来，这个趋势是非常鼓舞人心的。

社会趋势：在技术之外，AI 是如何影响我们的社会的？很多新公司对 AI 的参与度越来越高，此外，越来越多的公民开始关注隐私问题。他们开始意识到，AI 将会影响他们的生活。未来将会是什么样子？以及我们应该怎样看待这些改变？

5、AI 能够解决 Facebook 如今面临的各种问题吗？

Tom Mitchell：我觉得如今的 AI 只能解决 Facebook 面临的部分问题。比如， 有些人通过组织的方式来在 Facebook 上大规模散播特定的消息，而 AI 在识别这些有意图的组织方面可以发挥很大的作用。

AI 肯定不能解决所有问题。比如隐私问题，因为 AI，用户的数据变得越来越珍贵，这也间接鼓励（公司）搜集更多的数据，因此我不认为 AI 会是解决这个问题的答案。

6、您去年称 AI 不会再经历第三次衰退，为什么？

Tom Mitchell：我现在仍这么认为，而且这个观点更加强烈了。尽管 AI 和深度网络里掺杂了一些炒作的成分，技术进步却是实实在在的。而且深度网络已经对计算机视觉、无人驾驶汽车、语音识别等诸多领域造成了重大影响。为什么我们如今能够直接和手机对话？就是因为深度网络。

尽管现在有各种各样的炒作，但现实是，这些技术的影响力越来越大。就算大众最终选择对炒作说不，但是他们不会拒绝这些技术，因为这些技术是真实的，而不是炒作。

7、AI 领域都有哪些炒作？

Tom Mitchell：深度学习领域的炒作之一就是鼓吹深度学习会取代 AI 领域里所有的符号方法。目前，AI 是包括深度学习在内的各种不同方法的集合，但是有人认为 AI 最终只会剩下深度学习，这就是过度的炒作。

8、Yann LeCun 教授在 GMIC 2018 北京大会上特意提到了非监督学习（unsupervised Learning），您是怎样看待非监督学习的？

Tom Mitchell：我相信，当 Yann  LeCun 说非监督学习时，他的意思是机器自己监督自己。我认为它会变得越来越重要，Yann 在这一点上是对的。部分原因是我相信我们将拥有越来越多的持续不断运行的 AI 系统，比如物联网，这意味着冰箱、洗衣机、自动驾驶汽车等等都可能是全天 24 小运作的 AI 系统。

一旦你拥有了不间歇运转的系统，你就可以实现 Yann LeCun 所说的非监督学习。它可以自己收集数据，所有这些系统都可以从学习如何结束，如何对未来进行预测中获益。比如自动驾驶汽车，如果（车的）前面有行人，那么预判行人的下一步动作将会非常有帮助。

尽管 Yann 将其称为非监督学习，但是我认为这是比较特殊的一种非监督学习，因为汽车本身可以看到接下来的场景，因此可以用作训练信号，用来学习如何从当前的状态（t）进行进入到下一个状态（t+1）。

因为没有外界告诉这个系统这里是一个标签，从这点上来说，它可以看作是非监督的。但是实际上是汽车自己在收集标签，因此它实际上是自我监督。

9、目前的深度学习技术是否可以帮助我们实现全自动驾驶？

Tom Mitchell：我相信，在未来的 10 年内，自动驾驶汽车会大规模普及，但是我不确定我们是否能等到完全不需要司机的自动驾驶汽车。未来，我们会很多自动驾驶汽车，但是他们依然需要人类司机。虽然目前自动驾驶汽车在主要干道上行驶的非常好，但是在 dirt road 上的表现依然很差劲，而这种差距依然会持续一段时间。因此，我认为我们将看到类似滴滴的服务 80% 的里程可以实现无人驾驶，20% 依然需要人类司机。

9、怎样评价过去一年中国在 AI 领域的发展？

Tom Mitchell：在我看来，中国和美国是 AI 领域最活跃的两个国家。中国非常擅长采取行动，并将其商业化。中国的创业公司特别强劲。

10、美国的MIT、CMU、斯坦福、哈佛等高校一直是科技浪潮的引领者，中国的高校应该如何像美国高校学习？

Tom Mitchell：在我看来，中国的一些顶尖高校现在都非常棒。目前顶尖 AI 会议上的论文，来自中国的比例正在迅速增长。

11、有人说，中国的论文是以量取胜，但是质量不行，您怎么看？

Tom Mitchell：我认为这不是质量问题，而是关注点不同。比如，在计算机视觉领域，中国的研究成果和论文数量快速增长。比如一些基于 ImageNet 等标准数据集的测试中，中国公司的成绩排名非常靠前，因此中国是切切实实做了贡献的。在我看来，这是贡献的不同表现形式。在美国可能会有各种不同的方法被发明出来，而中国非常擅长搭建真正有效的系统，比如计算机视觉领域。

12、所以这不是论文质量的问题，而是中美的关注点不同？

Tom Mitchell：非常正确。世界很大，大家关注不同的事情其实是一件好事。AI 还有很多未解决的问题，我不想说哪种更好。在我看来，大家从不同的角度看待问题，对不同的目标有不同的动机，这才是健康的。实际上，在我看来，不管是美国还是中国，商业活力都非常强劲，我认为这非常赞。

我认为中美两国在发展 AI 经济方面都会做的很好，它会创造真正的财富，真正的收益。我认为商业驱动的 AI 是非常健康的，而且在中美都必将取得成功。

不过中美之间的最大不同在于，中国有很大的机会在用 AI 造福社会方面取得领先地位。

比如在医疗领域，每隔几年，我们就会面临一次全球性的流行疾病。这些新病毒具有非常强的传染性，我们应该怎么办？现在我们不知道，但是我们可以让 AI 发挥巨大的作用和影响力。比如我们可以构建这样一个系统，如果我去急诊室，然后发现自己感染了某种传染病，那么你就可能接到电话提醒，通知你昨天和我有过近距离的接触，而我染上了某种传染病，并告诉你这种疾病的症状，让你注意。如果我们建成了这种系统，那么等到下次全球性的传染病来临时，情况就会比以往好很多。

然而为什么我们迄今没有这套系统？因为没有商业驱动，没有人能够从中赚钱。因此，没有一家公司会愿意投入，而唯一的可能性就是政府的参与，说“我们不在乎是否有利润，这是一件对社会有益的好事，我们来做这件事吧。”

中国是最有可能的。中国有更多的数据，而且中国政府更容易推进某件事。如果政府决定要做这件事，那么需要做些什么呢？它需要设立数据标准，以便急诊室的数据和 GPS 数据相结合，来判断我们是否近距离接触过。因此，我们需要同一的数据标准，方便收集、整合数据，造福社会，尽管无利可图。

在我看来，中国的巨大机会在于，向世界展示如何使用社会规模的数据来造福社会。至于那些 AI 商业化的应用，我并不怎么担心，因为它们总是会发生的。只有有利益，就会有人去做。但是很多造福社会的事情常常无利可图，因此如果没有政府的介入和推动的话，这件事永远不可能发生。在这一点上，我认为中国有机会，当然也有责任在里面，来建立这个系统。如果中国能够做成这个系统，那么其他国家就很有可能跟进。

13、未来十年 AI 的趋势会是什么？

Tom Mitchell：我认为最大的改变会是对话系统。十年前，没人会跟计算机说话，现在却已经习以为常，但是现在人与计算机之间的对话非常呆板，并不自然。随着 NLP 技术的发展，我认为我们会看到前所未见的对话系统的来临。

在今天，人与计算机之间的对话基本上都是任务型的，比如查询天气、预定机票等等。但是我们没想过用这些对话教计算机我们希望它做的，我认为这会是未来十年里的重要变化之一。比如，我住在匹兹堡，那里经常下雪，我对我的手机说，如果晚上下雪的话，请提前三十分钟叫醒我，我的手机会说，它不明白我说的话的意思，请问我可以教他吗？然后我会告诉我的手机，想要知道今晚是否下雪，先打开天气应用，然后查看实时的天气情况，如果确定正在下雪，那么就打开闹钟应用，把定的闹钟时间往前调三十分钟即可。在教会它以后，我们就拥有了这样一个新功能。

我认为我们将看到对话系统的变革。每个手机用户都能够成为一个程序员，教会手机在出厂时并不具备的新功能，这样每个人都可以参与进来。这意味着，以前只有百分之一的人可以对计算机进行编程，因为他们学习过专门的计算机编程语言，但是现在让计算机学习人类的语言，我们每个人都可以是（对话系统的）老师。

关注AI科技大本营微信公众号，获取AI领域更多前沿资讯和技术干货