金榕
阿里巴巴集團副總裁
達摩院機器智慧實驗室負責人
終身教授、海歸科學家,這些標籤齊聚在金榕身上,也並不影響他被同事稱為“隨和的最不像科學家的科學家”。
他曾是美國密歇根州立大學終身教授,曾任NIPS、SIGIR等頂級國際學術會議的主席。2014年7月,42歲的金榕決定加入阿里巴巴,開啟人生的新階段。自此,他成為了達摩院機器智慧實驗室負責人。
Q1:你會如何向公眾簡單描述你正在研究的方向和課題?
金榕:稍微通俗一點說,機器智慧就是讓機器能夠像人一樣,聽得懂你說什麼、看得懂你做什麼、讀得懂你的意思。不過,這個概念不是十分嚴謹準確。
Q2 :為什麼您會選擇機器智慧這一研究方向?
金榕:博士期間,我在美國卡內基梅隆大學讀的多媒體影象處理,當時旁邊有一個實驗室專門做機器人,這些機器人在樓道里每天晃來晃去,讓我印象十分深刻。後來他們搬去了谷歌,我依然對此事念念不忘,就打算改行,學習如何訓練AI。這件事情對我來說十分有意思,能讓技術更加場景化一些。
Q3:對於公眾來說,機器智慧領域的研究意義和價值是什麼?
金榕:我覺得機器智慧技術的應用,有很大的可能性,會反哺和變革基礎科學領域的研究;基礎研究的進步,有很大的可能性,會給整個社會帶來顛覆式的變化。
我認為今天的整個社會經濟發展,最初都來源於自然科學的突破。我覺得AI未來會有許多非常令人興奮的功能和可能性,同時也會幫助社會向前發展。因此,我的研究對社會、公眾來說是應該是十分有意義的。
Q4:目前人工智慧相關研究的挑戰和難點是什麼?
金榕:我個人認為今天AI技術最大的難點,就是沒有一個人理解它為什麼可以工作,技術是否真的成熟。
今天 AI 的基礎理論還處於初級階段,我們今天在AI的實踐領域面對的技術挑戰,也還沒有根本性的解決方法。
Q5:你為什麼當初選擇了阿里巴巴達摩院?它為什麼會吸引你加入其中?
金榕:我選擇阿里巴巴有很多偶然因素。最早我在阿里巴巴做顧問,前期的溝通非常愉快,我認為阿里巴巴這個氛圍會讓我有Happy Life,如今變成正式員工,我也可以做自己特別喜歡的事情。
對於從事科學技術研究的人群來說,阿里巴巴最大的吸引力就是透過一個技術平臺,為社會產生一個巨大的服務效應,而且,阿里巴巴更加強調技術落地,用技術解決非常實際的問題,這是非常“科技範兒”的。我覺得這是所有科學家都特別嚮往的事情。
我經常舉一個例子,當初拍立淘功能使用的視覺技術、搜尋技術、匹配技術等,都是由我們團隊開發的。如今每天有3000萬用戶在使用它,我還挺高興的。
Q6:最近有人在討論科學家逃離企業的事,你怎麼看這個問題?
AI產業投資資料圖,自2018年起投資事件數就處於下滑趨勢,這是討論“科學家逃離企業”的原因之一。
Q6:最近有人在討論科學家逃離企業的事,你怎麼看這個問題?
金榕:估計今天AI科學家是不可能逃離企業的。因為人工智慧前沿技術需要大量的資金,一般學校是做不起來的。我認為企業不一定能夠帶來科學的核心價值,比如核心理論的突破,但可以給科研續寫一些生命。
我認為,相比學術圈而言,首先企業是需要非常務實的。如果有問題反饋過來,不管利用什麼方式,我們需要快速有效的解決掉,這是服務使用者的要求。其次就是企業整體反應速度是十分迅速的。由於產品需要快速的迭代,技術也要不斷髮生變化。最後,我認為技術要變成能夠對社會有價值的東西,中間還有很多步驟,包括工程化問題、產品適配問題、成本可控的問題等。這些在學術圈中不太會被注意到。
回到AI技術上來說,如今科學家要讓AI落地,影響人們的日常生活,我們需要把AI技術產品化,這就需要解決很多現實的挑戰,這些現實的挑戰是在學術研究領域無法解決,甚至是不被“認知”的,比如穩定性問題、延時問題。這些都需要企業在實踐中解決,學術圈解決不了這些事。
阿里巴巴AI技術已經開始大規模應用
Q7:過去幾年,AI領域發生最了不起的研究進步是什麼?
金榕:我認為,相比2014年之前,如今深度學習演算法的應用效果越來越好。而且,相比幾年之前,AI技術的工具化能力越來越強,已經進入無程式碼時代,一箇中學生也能使用人工智慧框架來做簡單的開發設計。
九年前,谷歌大腦團隊讓機器首次“識別”出貓,是這波人工智慧浪潮中的標誌性事件
Q8:如果年輕人想要進行智慧機器相關研究,你比較推薦哪家研究機構?
金榕:谷歌大腦(Google Brain)團隊。
大面積應用機器智慧的未來工廠
Q9:如果各種條件都具備,你會推薦自己的孩子未來選擇機器智慧的方向發展嗎?
金榕:不會。我認為AI是需要工匠精神的,它在某種意義上是要有一定的工作年限才可以達到一定水平,這是一個很長期的工作。我甚至不期待初踏入這個領域的少年能夠有能力解決機器智慧的終極問題。
人臉識別技術
Q10:最近大家對於人臉識別、語音識別技術的隱私問題十分關注,你怎麼看AI技術的隱私資訊困境?
金榕:我覺得原來計算機視覺資料真的是可以提高技術的研發效率,能夠獲得更廣泛的應用。今天資料對於AI技術來說是非常關鍵的元素,因為今天幾乎所有AI技術的發展都是資料驅動的。當然,也有很多方法可以實現隱私保護, 比如“差別隱私”(Differential Privacy)和“聯邦學習” (Federated Learning)。但這些技術還處於初期階段, 目前還不確定能否根本性的解決資料隱私的問題。
同時,我也不贊成關掉所有資料,否則AI技術就會停滯。我認為這兩者很難平衡。
如今人工智慧技術依然在探索過程中,資料仍然具有極高的價值。
——本文出自《雲棲戰略參考》
文章部分圖片資源來源於網路
如有版權問題請聯絡編輯刪除