张亚勤:让人工智能像空气一样,无处不在
来源:清华大学本文约3700字,建议阅读10+分钟
他是科学家中的企业家,企业家中的科学家。
1978年
一位12岁的少年
从六百万高考大军中脱颖而出
这个全国最小的大学生
目光稚嫩澄澈却坚定
即将在人生的广阔天地中
开启一段非凡征途
19岁赴美留学,23岁博士毕业
最年轻的会士
比尔·盖茨的智囊团……
从微软到百度
他有着多重身份
他是科学家中的企业家
企业家中的科学家
但现在
他是清华大学智能产业研究院的带头人
一位师者,亦是一位向导
张亚勤,中国工程院外籍院士,清华大学智能科学讲席教授、智能产业研究院(Institute for AI Industry Research, Tsinghua University,英文简称AIR)院长。历任百度公司总裁、微软公司全球资深副总裁兼微软亚太研发集团主席、微软亚洲研究院院长兼首席科学家、微软中国董事长和微软全球副总裁。作为数字视频和人工智能领域的世界级科学家和企业家,拥有60多项美国专利,发表500多篇学术论文,并出版11本专著。发明的多项图像视频压缩和传输技术被国际标准采用,广泛应用于高清电视、互联网视频、多媒体检索、移动视频和图像数据库领域。
他是美国艺术与科学院院士、澳大利亚国家工程院(ATSE)院士、国际欧亚科学院院士。1997年被授予IEEE Fellow,是历史上获得这一荣誉最年轻的科学家。
布置摄像机位、开始采访前的最后一刻,刚刚结束一场会议的张亚勤还在认真地处理公务邮件。
抛却那些耀眼又有些遥远的头衔,他是那么温厚而真实地坐在你面前,启航创业的活力与岁月磨砺的坚卓在他的眉宇间交错,一如午后的阳光在他脸上投射下的一半明亮、一半深邃的光影。
3.0人生,想从“球员”变成“教练”
记者:智能产业研究院不久前刚迎来成立一周年,这一年在清华工作您有什么体会?
张亚勤:整体感觉还是非常振奋人心的,这一年感觉像是在“创业”,从0到1成立一个研究院,仿佛回到了20年前刚刚创立微软亚洲研究院的时候。尽管创业之初难免遇到许多困难,目前来看整个研究院的定位和研究方向还是十分清晰的,就是建设一个面向第四次工业革命的国际化、智能化、产业化的应用研究机构。围绕智慧交通、智慧物联和智慧医疗这三个研究方向,我们也有了一些进展和成果。
当然一个机构最重要的还是有志同道合的人。从去年成立时不到10个人到现在上百人的团队,我们招收了一批顶级的经验丰富的教授,其中还有很多青年科学家,我特别高兴。
记者:又一个新阶段启程,您之前在公开自述中说这是您的3.0人生?
张亚勤:1.0主要是在求学,2.0是工作,就像是从“体校的学生”到“球场的球员”,都是在一线。3.0我是希望能从事科研,更重要的是培养一些人才,成为“球队的教练”。
记者:您现在是中美澳三国的院士了,这个新的身份在您的3.0人生中意味着什么?
张亚勤:当时我说3.0人生里除了从事教学和科研,还有一个希望就是促进中美澳的学术交流。从这个方面来讲,也希望可以更好地促进国际科技合作交流。此外我也希望做一些慈善,之前听到一个词叫“科技慈善”,用科技赋能慈善,为解决社会问题提供技术支撑。还有就是过去工作也比较忙,希望之后能更多地陪伴家人。
记者:为什么3.0人生想从事教学科研?
张亚勤:过去这么多年,我都在公司和产业做事。但其实我一直在思考如何通过培养人才、驱动产业来回报国家和社会。人生这么长,每个阶段都要有不同的重点,这个阶段我就想从台前到幕后,为社会培养点人,低调做点实事。
做国家需要的应用研究
做有颠覆性的技术研究
记者:智能产业研究院的定位和研究方向,您当时是如何考虑的?
张亚勤:我们正处于第四次工业革命的前期,在过去的三次工业革命中,中国都是“旁观者”或是“跟随者”,而这一次中国则有可能成为某些领域的“领导者”。第四次工业革命中最重要的基础性技术之一是人工智能,所以智能产业研究院的定位就是以人工智能作为技术引擎赋能产业,推动社会进步。
科研方向选取的考虑最主要的还是面向整个产业的机遇和社会的需求,以及基于我们团队的研究背景。我认为我们现在所处的技术周期是数字智能、物理智能和生物智能这三个智能的融合。大趋势上,这三大行业会持续影响未来五十年以上。我们选择的三个研究方向也是基于这三个智能,不仅能够为社会进步作出重要贡献,而且具有巨大的产业空间。而我们要做的就是为这三大领域提供中间的、横向的AI技术、平台、模块和算法。
记者:智能产业研究院的简称是AIR,有什么特殊含义吗?
张亚勤:Air本身是空气的意思,恰好研究院英文的首字母缩写也是AIR。我希望我们能够形成一个宽松自由的学术环境,创造一个开放、创新、灵活的研究氛围。另一方面,我也希望未来人工智能会像空气一样无处不在,支撑我们生活的方方面面。
AIR中的“I”还有三层意思,是International,AI,Industry,也就是之前提到的国际化、智能化和产业化。
记者:您认为AIR将在智能产业领域扮演什么样的角色,有什么样的目标?
张亚勤:我觉得我们的第一目标就是要培养人才,为国家和企业输送更多高端人才。第二目标是通过科研推动关键核心技术的突破,产生一些具有重大影响力的研究成果。第三目标就是服务产业,一方面是为目前的企业提供可以使用的技术,另一方面是孵化出一些新的企业。
记者:目前还是处于起步和探索阶段吗?
张亚勤:是的,做科研应该要有耐心。智能化浪潮刚刚开始,要做的既然是一件长远的大事,就要沉得住气。我和我们的老师都说不要急,把要做的事都好好想清楚之后,做的东西才会有更大的影响力。不要急着写论文,急着申请专利,也不要急着马上就出成果,虽然他们还是有不少成果(笑)。我觉得可能再过两年看会更客观一些。
记者:作为有着多年国外一线经验的科学家和企业家,您如何看待我国人工智能的发展现状和未来趋势?
张亚勤:1998年底我刚回国和李开复博士一块儿创立微软中国研究院的时候,国内和国外的差距还很大。当时很多做科研的人都愿意在美国,但我们还是想在中国打造一个世界级的计算机科学研究院。
镜头拉回今天,我认为中国和世界领先水平也还是有些差距的,但已经不是质的差距。人工智能发展了60年,前几十年我们都没有参与,过去的30年特别是过去5-10年,我们才真正进入快速发展阶段。美国因为做的时间比较长,肯定在基础理论、算法、平台上有所领先。但是我认为追赶只是时间问题,再过5-10年中国的人工智能一定会迈上一个新的台阶。
记者:而且还会有越来越多的优秀人才加入这个领域。
张亚勤:对。中国正涌现出越来越多优秀的年轻人,我相信未来也会有更多的顶尖创新人才支撑起我们在人工智能领域的发展。
立足清华,培养学术和产业双引擎人才
谈到与清华的渊源,亚勤院士指着书柜上摆放着的一张合影对记者说:“这是14年前和吴建平院士的合影,那时候我们一块儿组织了第一届中美互联网论坛,没想到十多年后我也来到了清华。”
记者:您刚刚提到人才培养是AIR最重要的使命之一?
张亚勤:没错,高校一定要努力培养一些顶尖的人才。
记者:AIR的人才培养目标是什么?
张亚勤:对于我们而言,主要是为产业培养CTO(首席技术官)以及顶级架构师这类具有国际化视野的领军人才。
我们希望培养出来的学生能够做出有影响力的基础性技术成果。至于发表多少篇论文,我们不会有指标性的要求。
写论文是过程而不是结果,更不是目的,而且并不是说写了10篇论文的就一定比写了1篇的要强。如果有好的科研成果,写论文是水到渠成的事。
记者:聚焦大事,不唯论文。
张亚勤:是的。我不反对写论文,但我觉得我们更要看做的东西是不是有真正的原始创新,对于学术界、产业界有没有影响力。我宁愿大家就做一件对社会有巨大贡献的事情,而不是缝缝补补做一百个小项目。
其实当时我在微软亚洲研究院的时候就是这样,大家就关注做的东西是不是对技术产业、对社会有贡献,但最后你会发现这样下来论文专利数量反而是很高的,这是聚焦基础技术以后自然而然的结果。
记者:您希望培养的CTO、首席架构师这类人才需要具备什么样的素质和能力?
张亚勤:我希望他们具有国际视野和系统化思维的能力,可以去设计全局和底层的技术架构与产品架构,同时要有对技术趋势、产业趋势的判断力,这很重要。当然更具体的写程序、做产品这些都是最基础的能力。
但系统化思维和架构能力,是目前我所看到的我们的大学生比较欠缺的。我在产业领域做了30年,在美国也做过,在国内也做过。我看到微软、亚马逊、谷歌的顶级架构师中有相当多这样的人才。相较而言,国内核心技术人才在这些方面还存在一些差距。因为我们整个IT行业的历史比较短,这需要时间去积累和培养,但我觉得我们可以加速这个过程。
说实话,这样的人才通过讲课是讲不出来的,需要有这样经历背景的领军人才来引领。比如我们的马维英教授、赵峰教授等都是在产业领域深耕多年,同时也有很深学术造诣的双引擎人才,他们培养的学生自然而然也会朝这个方向走。
记者:如今您作为一名清华的教师,对同学们有什么嘱托和希望?
张亚勤:首先我觉得做学问也好、做人也好,最重要的还是诚信。
第二个还是要把基础打好,同时掌握动态学习的能力。这个世界唯一不变的就是变化,人工智能时代,机器都在学习,人类更应如此。只有做永恒的学习者,才能从容应对变化。
第三个就是我在一些场合也提到过,保持你的激情、纯真、棱角和锋芒。你可以不用那么八面玲珑、圆滑世故,重要的是要形成自己独特的观点和视角,不随波逐流。
清华的同学们都很优秀,我希望大家能够大胆试错,找到属于自己的路径。不要相信“鸡汤”和“成功学”。没有最好的选择,只有你的选择;没有最完美的人生,只有你的人生。
编辑:黄继彦
张亚勤:让人工智能像空气一样,无处不在相关推荐
- 达沃斯议程对话会:张亚勤解读人工智能发展 3R 原则
在国内外新冠疫情持续的特殊形势下,2021年世界经济论坛"达沃斯议程"对话会于1月25日至29日以线上形式举行.此次论坛上,全球70多个国家和地区的1500多位政商界和社会组织领导 ...
- 科技云报道:防患于未然,云安全要像空气和水一样无处不在
科技云报道原创. 伴随数字化浪潮席卷全球,企业在加速推进以云计算为核心的数字化转型的同时,也带来了有别于传统安全的云上安全问题. 在云计算架构下,云计算开放网络和业务共享场景更加复杂多变,安全性方面的 ...
- 《评人工智能如何走向新阶段》后记(再续12)
由AI科技大本营下载自视觉中国 151. 新一代人工智能研究方向: (1)研究新一代人工智能基础理论(机理.模型和算法):(2)研发面向需求的共性技术(以神经网络和算法为核心.数据和硬件为基础.数据知 ...
- 解析:为什么人工智能要用Python?
Python作为一门编程语言,其魅力和影响力已经远超C#.C++等编程语言前辈,被程序员誉为"最美丽的"编程语言.从云端.客户端,到物联网终端,在到现在人工智能,Python应用无 ...
- 人工智能是互联网下一轮变革的核心
3月24日消息,百度总裁张亚勤在2016年博鳌亚洲论坛IT领袖圆桌论坛上表示,一个明显的趋势是,互联网正在被扩展到三个维度.第一个维度是万物互联,第二个维度是"互联网+",第三个维 ...
- 人工智能开发语言 python,python人工智能编程教程
python适合做人工智能的编程语言吗? 当然,Python是人工智能的首选语言.具体原因如下:Python在设计上坚持了清晰的风格,让Python成为了一门简单.易读.易维护的语言,让大量用户所欢迎 ...
- 百度西雅图开设AI实验室 总裁张亚勤称AI是时代变革之能
作为中国搜索巨头,百度在西雅图地区又设立了一个实验室,将全力支持人工智能,提升其改变无数行业的能力. 有趣的是,阿里巴巴的西雅图地区办公室离百度很近,百度则与另一个中国科技巨头华为公司同在一座楼中.腾 ...
- 5G支持下,人工智能除了AI换脸,还能干什么?
近年来,一种AI换脸技术在网络人群中掀起火热潮流,也将人工智能这项新兴科技带入到普通人的生活中.人们开始讨论人工智能将给人类带来怎样的改变. 人工智能(Artificial Intelligence) ...
- 人工智能会“偷走”潜艇的隐身能力吗?
更好的探测技术 不仅能使海洋变得透明,也许还会削弱核威慑力. 潜艇的价值主要在于其隐蔽性.有一种名为"相互确保摧毁"的威慑战略,其关键在于尽量确保潜艇在核战争的第一次导弹打击中幸存 ...
最新文章
- Cruise Control
- seq2seq中的beam search算法过程
- oracle变量最大多少位,oracle – 是否有可能获得变量的最大可能长度
- fetch + async await 使用原生JS发送网络请求
- CodeForces - 1459C Row GCD(数论+推公式)
- 关于.NET编译的目标平台(AnyCPU,x86,x64)
- java环境变量的配置和使用
- 如何解决MySQL中的死锁问题?
- find命令及文件后缀名
- 「leetcode」1. 两数之和:map等候多时了
- JavaWeb学习 第7章 Session 会话编程
- 超星高级语言程序设计实验作业 (实验02 分支与循环程序设计)(三)
- Android Expandable List View
- 通过Jsoup 和 htmlunit 爬取全国行政区划信息查询平台的省市区区划数据
- free top 内存泄漏 内存溢出
- bootstrap typeahead实现模糊查询功能
- 2013 ACM-ICPC南京赛区全国邀请赛
- java并发编程中常用的工具类 Executor
- 我这类青年程序员该阅读什么?
- R语言多元Copula GARCH 模型时间序列预测
热门文章
- HTML 全局属性(global attribute)有哪些?
- android 自定义图片容器,Android应用开发中自定义ViewGroup视图容器的教程
- Windows Azure Cloud Service (19) 动态指定WCF的发布地址
- SharePoint 2007 安装与配置
- 维护窗口和停机时间 可用率99.99%
- 实现O(1)时间复杂度带有min和max 函数的栈
- v$open_cursor与session_cached_cursor
- 使用java连接JanusGraph进行操作,hbase报错信息为:Caused by: org.apache.hbase.thirdparty.io.netty.channel.AbstractCh
- python3.9 执行python3.6生成的随机森林模型model.pkl报错,警告版本不一致
- 2021-02-23 如何用简单易懂的例子解释条件随机场(CRF)模型?它和HMM有什么区别?从HMM、MEMM、CRF某牛自己总结的