新聞中心

中國正在擁抱人工智能大潮😅，不僅大學開始增設人工智能專業，中小學課堂也紛紛引入人工智能課程。

9月16日😻🧑‍🔧，世界人工智能大會舉辦前夕，澎湃新聞記者在上海專訪了卡耐基梅隆大學計算機科學學院教授邢波（清華物理系88級）♖。對於人工智能在中小學階段的教育，他持謹慎的態度🏌🏿‍♂️。在他看來👰🏻‍♂️🫷🏻，初等和中等教育最主要的不是灌輸知識而是培養思維方法。

邢波🔅🖊，生於上海🪅，成長在北京。清華物理學畢業後赴美修讀生物學博士。隨後進入加州伯克利學習計算機科學並取得博士學位，五年內成為卡耐基梅隆計算機科學學院教授，專註於機器學習與統計方法的相關研究。

卡耐基梅隆大學計算機科學學院教授邢波接受澎湃新聞專訪，談人工智能。澎湃新聞記者 呂嘯 圖

邢波還是卡耐基梅隆大學機器學習系副系主任🪷，美國人工智能學會會士（AAAI Fellow）👩🏿‍🎤，美國新澤西州立大學分子生物學與生物化學博士和美國加州大學伯克利分校（UC，Berkeley）計算機科學博士。

談到AI人才的培養時，邢波提到了他所推崇的“解決問題”的思維👷🏼‍♂️：你需要解決一個問題，而且這個問題要解決得“純粹、徹底🧔🏿、漂亮”。學生不能為了證明一個理論而證明一個理論，也不能為了做一個好看的工具而去做一個好工具。關註的重點應該是能不能解決具體的問題。

一個一流的研究人員應該“既能夠大智若愚🧑‍🧑‍🧒‍🧒👉🏼，有淡定的勁兒，又敢於挑戰權威成果😧🥥，去開拓新的題目，不隨大流，去做他認為有價值的ℹ️、甚至是冷僻的題目”。

專訪中，他對人工智能在醫療領域的發展前景、人工智能的教育問題、人工智能科學家的創業現象做出了探討🧑🏿‍🦱。

他提出，目前人工智能在醫療領域的展示很有誤導性。醫學人工智能與醫生之間不是競爭關系而是協作關系👴🏽，人工智能能夠極大地提升醫生的效率🟣，但絕對不是替代醫生🐨👨‍👩‍👧‍👦。部分計算機科學家缺少對醫學的敬畏和理解。

在談到目前的人工智能是否真的“智能”時🏊🏽‍♂️，邢波認為：科學是要解決問題👨‍🦼，而不是去達到某一種境界🔖🙇‍♀️。對於“人工智能是不是需要跟人很像”這個問題🎊，他個人持保留態度，“即使人工智能以後跟人不像，也並不會失去它的價值”。他認為，應把人工智能跟人的形象和功能脫離開🥮。

在他看來，以目前的技術手段，甚至以可預見的技術手段而言，人工智能不能跟人的智慧相提並論。與人相比🌬，機器不會提出探索性的問題🪄，沒有“自知之明”，且十分依賴數據。但人作為一個機械的定義而言🌽，組合非常完美，能耗🎙👩🏽‍🎤、可靠度🥖、穩定性🕍，適應力，比任何機械都要好。

對於近年來的AI熱潮，他談道，由於媒體效應和其他關聯事件👐🏻，人們對AI的重視度提高了。但也許之前人工智能也很熱♻，只是我們沒有生活在那個年代，沒有看到罷了🟡。

他認為圍棋被AlphaGo擊敗與卡斯帕羅夫被深藍擊敗，在技術上並不是一個本質性不同的事情。現在我們有了更強的計算資源🚠，有了一些算法上的進步，在完全有明確規則〰️、確定結果，可預測、過程透明的遊戲裏邊，人被機器擊敗是一個非常可預見的結果，“以後任何一個這樣的遊戲中，人都會被擊敗”🧜🏽‍♀️。

至於大學教授創業，他認為不能一刀切，應該給予自由的環境🤜，讓大家找到適合自己的舒適空間🚶。

2016年，邢波在美國匹茲堡創立大規模機器學習平臺公司Petuum🦂。一年後，該公司籌集到由軟銀領投、尚珹資本（Advantech Capital）跟投的9300萬美元B輪融資🧔🏿。

邢波參加2018世界人工智能大會。澎湃新聞記者 呂嘯 圖

以下內容為專訪實錄：

AI進課堂💇🏽‍♀️：教什麽，怎麽教🤹‍♂️，什麽時候教，這是個全球問題

澎湃新聞：近年來，中國教育部有關於人工智能的一些規劃，高校也開始推出一些人工智能的課程🗒。您是學界出身🎬，對中國的AI教育有什麽樣的建議👇🏻🤵🏼‍♀️？

邢波⚂：AI教育這個問題實際上是個很普遍的問題，是個全球問題。大家都還沒有太想清楚AI這種東西應該怎麽教，應該什麽時候教⚆，教什麽💂🏼‍♂️。我看到過有一些很有趣的例子，比如說有些（地方）甚至高中都已經開始教AI了🏌🏼‍♀️，然後教的是一個深度學習的東西，這都是很有意思的探索。我個人覺得，你看我們在教物理、數學或者其他科學的時候，我們可以看到小學🚁、初中🈴、高中都教什麽東西，對吧🍄？初中教的牛頓定律是三四百年前發現的👍🏿，已經搞透了的👨‍🦽🧫、完全了解的、毫無疑問的一些原則和準則，然後越往上以後，教一些更加先進，更加難的，然後甚至是一些不太肯定的開放的問題。人工智能也應該大致尊重這樣的邏輯，應該先從基礎開始教，從基礎的數學原理🧏🏿‍♂️，然後一些基本的算法，像決策樹、回歸、遞歸等方法🧖🏻。

所以說，教育的整個原則和過程，需要做一個完整的思考，而不是為了教育而教育，為了去讓大家了解而了解🎨。我覺得在高等教育裏面🤯，至少卡內基梅隆大學是一個比較成功的例子👆🏽。我們學校在人工智能高端人才裏是占據了相當大的壟斷地位的🕯🧝🏻，因為我們有一個機器學習系。它在整個的教案和教學內容裏面做過相當嚴肅和完整的思考🌓🚓，需要什麽樣的基礎課，需要什麽樣的中級課🧖🏼👮🏼‍♀️、高級課，然後需要什麽樣的輔助課程、外延課程。這實際上都是有一套東西的🤽🏼‍♂️，而不是好像抓了幾個東西以後給它捏起來👗。這一點我覺得值得各個學校來借鑒。當然這實現起來有難度，因為它需要比較強大的師資力量，是一套比較齊全昂貴的人馬，不太容易在每一個學校裏面都能湊足。但是我覺得這個思路是值得借鑒的。

至於在本科、在中學🌪👨‍👨‍👦，人工智能是不是需要教🖐🏽，怎麽教，我個人覺得還是應該謹慎。因為我的感覺，對於初等教育和中等教育💪🏿，最主要教的不是知識，而是思維方法🪂。你應該懂得邏輯思維能力，懂得去挑戰權威👩‍🦼🤟🏿，懂得自由思維，或者是獨立思維👩🏻‍💻。這些東西其實用很多方法，很多教學內容都可以達到的，而不是靠給你灌一點專業知識🤌🏽。專業知識過時地很快，有個幾年的話基本上就陳舊掉了👩🏿‍🍳。深度學習這個東西，比如說在三年前跟現在就很不一樣🦶🏼，五年前更不一樣✣。所以你現在學的東西過去了就忘掉。如果這裏邊沒有一個通用的原則🧍🏻，沒有一套整個的思維方式的話，學了也是白學。所以我覺得這裏邊值得教育家好好地去重新想一想🦋，到底應該怎麽來設計這個課程。

澎湃新聞：您個人只是花了五年的時間，從機器學習入門到成為卡耐基梅隆大學的教授✊🏼🧛‍♂️？

邢波✊🏽：我比較幸運，這個過程比較快一點。當然這有很多積累，並不是說那五年裏邊是從零開始的👩🏽‍🔬🔸。因為我原來的💅👩‍⚕️，包括本科裏面物理的這些課程，包括後來生物學的訓練都打下了基礎。我覺得最主要的不是訓練出多少，我背誦下來或者記下來多少這個知識🧏🏽‍♂️，實際上是把這個思維方法和研究方法訓練得好。所以這個時候，就像一臺復印機造好了，你再往裏面放東西🍞，印起來就很快了。我覺得打好一開始的基礎很重要，所以後來會很快。但我要是沒有基礎從頭開始學的話，那我就不知道能學成什麽樣子。

澎湃新聞：您教過AI相關的課程🗾📂，您覺得怎麽樣才能當好AI老師？

邢波：這個問題挺有意思的🏋🏿‍♀️。很多老師都是以發文章的數目💿，或者你是不是足夠理論，是不是足夠工程，程序寫的足夠好，以這些非常表面的標準來做一個評價和設計。我在我的教學中，包括在教課中🤾🏽，也包括在培養博士生中👨🏼‍🔧，都只有一個原則：我們就是要解決問題🏄🏻‍♀️。你需要解決一個問題，而且這個問題要解決地純粹、徹底、漂亮👨🏼‍🍼，可重復的話，其實你會發覺你既需要有好的數學手段，而且要有好的工程技術。你要讓它實現地非常好，還需要有分析能力，能夠把它解釋清楚👨‍🦽🙋🏿‍♂️。然後你還得有各種各樣的幹臟活能力🦸🏽‍♀️，比如洗數據、折騰機器💠。因為你的任務是要把這個問題徹底解決🫷🚟。

你說我是理論家也好，說我是實踐家也好，實驗家也好👨🏼‍💼，或者說我位於這些之間，其實價值是不大的，對不對👩🏽‍🍳？其實在解決問題的過程中👨🏽‍💻，可能這些東西都會觸及到🔋，然後形成一個綜合能力。在我的課堂教育裏，會布置很多小型課題，然後讓大家去動手設計，就像我在卡梅的圖模型課和高等機器學習課。那是很多學生和當今著名教授們發第一篇論文的地方，很多人的第一篇論文都是在那個課上發的，包括了一些甚至很有名的教授和工業界精英。

我的博士生們研究的過程中也是一樣🙋🏿，他們的課題永遠都不是為了證明一個理論而證明一個理論🍰👩🏿‍🍼，也不是說為了做一個好看的工具而去做一個好工具💇🏼‍♂️。而是關註能不能把這個問題給解決掉🅰️。比如說我能不能診斷出這個病，或者是我能不能把整個的一大段視頻做一個有內容的🕊🚬、準確地壓縮總結。這個問題在那擺著，然後你用各種各樣的手段去把它做出來。這裏面就最大程度上杜絕了所謂的黑匣作業，或者這種手工作坊式的調參。為什麽呢👨‍👨‍👧‍👦？那些東西不會穩定👰🏿‍♂️，不會成為一個產品和一個成果。稍微換個人🏩，換一套數據的話，基本上就沒有用了。所以這些原則一旦用進去以後🧑🏻‍🏭，他會自動地去矯正研究裏面的很多偏差和一些誤解💒👰‍♀️，然後對自己的要求就會提高很多👨🏼‍🔬。這是我在教育中比較堅持的一個特點。

澎湃新聞：一個合格的人工智能人才應該具備什麽樣的素質🐶？

邢波：他應該對研究本身👨‍👩‍👧‍👧、對解決問題本身有一種熱情♗，然後有一種投入的感覺，有一種純粹的喜愛。就是他比較喜歡這個過程🏟，而不是非常功利地以結果為導向。我覺得對於研究人員來說☮️，這一點很重要，否則他很難堅持，也很難投入長期的精力或者時間。所以這一點是我對學生的期望。

然後，他要有比較強的合作精神和溝通能力，這樣他才能夠集思廣益☝🏽，能夠跟別人分享成果，也能夠獲得別人的分享。這對他的研究或對別人研究都會產生比較正的推動。

人品上的話🥦，我覺得還是應該比較淡定吧🤵‍♀️，不以物喜不以己悲🚟，有這麽一種情懷🧙🏽‍♂️。因為真正的科研實際上是艱苦的，而且是需要很多耐心的，也必須能夠扛得住很多幹擾。比如說你的同事今年發了三篇文章，三個比分都是第一☀️，你怎麽辦🏂🏼？你是不是能夠有這個定力，堅持你這個看上去非常苦的或者是暗淡的題目，是不是有這樣的堅韌性，這個是很重要的。

還有一點就是😬，我碰到了很多學生，教授，他們徘徊在極端的不自信到過於自信之間🛰，這個鐘擺擺得非常的快🤙🏽，它達不到一個很好的穩定性。有時候學了一點東西以後😂，就突然感覺自己已經什麽都懂了，就開始產生了相當大的自滿情緒。或者是非常地沒有自信，然後完全不敢挑戰現有成果或者是權威。反正就是要麽過於自卑，要麽就是過於自滿👩🏻‍🦽。我覺得有能力在這方面達到一個平衡，既能夠大智若愚，有這種淡定的勁兒，又敢於挑戰權威成果，去開拓新的題目🧥，不隨大流𓀁，去做他認為有價值的、甚至是冷僻的題目👨‍🎓，就這樣一個素質，我覺得對於一個一流的研究人員是相當有必要的🚾。

在人工智能時代🚴🏼，數據應得到保護😿，而不是無限製地被分享

澎湃新聞：在歷史上人工智能的發展幾經起落，這幾年人工智能又再度蓬勃發展🚈，您覺得是出於什麽原因？

邢波：有好多原因🚴🏻🔑。最大的原因可能是數據的積累量有非常大的突破。由於互聯網現象的產生，以及信息科學或者信號感知科學等技術上的突破🏧，現在獲得數據能力比原來大了很多。

獲得數據的能力大大增強之後自然就有處理數據的需求🪴。而處理數據的主要技術就是我們所謂的機器學習👩‍❤️‍👩、統計學、模式識別這些技術。這些技術實際上都跟人工智能是相當接近的🐧。

然後☀️，人工智能也是趁著這個浪潮得到了更多的重視👨🏼‍🏭。當然也包括技術上的一些突破🚦，比如在硬件上有了更大的運算能力，使一些原先功能還不夠強大的算法得到了比較大的提升。其實不能說是一個質變🫷🏿，人工智能其實還是量變。但是達到了一定的規模以後，它的一些表現讓人產生了比較激動的預期，就覺得好像跟人更像了💆🏽‍♀️。

卡斯帕羅夫被深藍擊敗的已經是20年前的事了，我個人認為，其實在技術上，它的意義跟現在圍棋被AlphaGo擊敗相比並不是一個本質性不同的事情。只是變了一套新的算法🧜🏼‍♀️，有了更強的計算資源，然後在一個完全有規則的、可預測的、有確定性，透明的一個遊戲裏邊，人被這個機器擊敗了。這是一個非常可預見的結果，以後任何一個這樣的遊戲中，人都會被擊敗🍓，這沒有什麽。

但是由於現在的媒體效應，各方面的一些關聯事件，把AI的重視度提高了。所以我覺得☃️，也許現在人工智能熱也沒有我們想象中的比原來更熱。也許其實原來也很熱🀄️，只不過我們沒有生活在那個年代，沒有看到而已。這是我的一個猜測🍄，通過一些歷史書我能夠感覺到那個時候的人們對AI也是很有期待的。當時那個Herbert Simon——人工智能的鼻祖之一吧，一個先行者,他曾經預測十年之內機器可以超過人了。

澎湃新聞：最近不只是在學界，包括在工業界，人工智能也有很多相關的成果。您覺得最近的這一段發展是可持續的嗎？還是說像深藍一樣，不久之後會沉寂，至少淡出大眾的視野？

邢波👨🏽‍🍳：目前有一個跟原來不一樣的區別。現在人工智能的發展有很多的工業界和資本的介入，這個大概是前兩次AI高潮沒有遇到過的。所以它可能會提供一個新的契機，使人工智能發展的動力和力度更強。至於是不是可持續🔭，很難說。什麽叫可持續？是一直在發展，還是說能夠達到某一個目標🩹？這個我很難去預測🧑‍🧑‍🧒‍🧒。

比如說，我覺得像以深度學習為代表的某一個技術流派的話▫️👸🏿，現在當然產生了一個主導地位🦀，但至於它能不能可持續，這個我不敢表示樂觀🎵。我覺得這只不過是技術的某一個方向🖐🏿，它會達到它的飽和點🏋🏿，然後會有新的技術長出來💆🏼‍♂️。所以從技術來講的話💅🏼，永遠的冠軍可能是沒有的👇，會有不同的技術突破出來⛹🏿。

至於AI的發展是不是能長期持續下去，我覺得要看情形。比如說，以現在對人工智能這個學科和對它的人員有這樣高的期許👨🏼‍💻，甚至有脫離實際的這麽一些預期的話，那我覺得它會造成一些失望👩🏼‍🍼。AI達不到現在這麽多東西，但是它還是能夠產生一些相當有用的成果，比如說像無人車，工業人工智能，或者在金融和智慧城市裏的應用🙎🏼‍♂️，它都會產生這種漸進的持續性的影響𓀎。但是這些東西，你也可以說它是人工智能推動👳🏼🚰，但它也是一個非常綜合的⛹🏻、各方面介入的一個結果。

澎湃新聞🧎🏻‍➡️：您剛才也提到，機器學習需要很多的數據🧑🏿‍🍼🥲。那現在是不是沒有足夠的、高質量的數據🧑🏽？而且在數據公開的監管方面似乎不是非常的到位？您覺得這些跟數據有關的問題是否是目前機器學習的一個瓶頸？

邢波🧕🏻：要這麽來看，如果你說這個數據只是關於人的數據的話，可能會有一個瓶頸，而且我覺得這是一個應該有的瓶頸。我個人認為，個人的數據是應該被保護的，而不應該無控製地去分享。因為某一些算法的擁有者，他從他的利益的角度🙎🏻‍♀️，當然會宣告你們應該把數據都交給他，然後使他的算法或者他的這個工具訓練得更好。那他回饋給社會什麽東西呢？他應該把這個講清楚。我覺得這裏邊不應該存在一個單向的💲、無限製的提供。所以有這樣的製約是好事，並不是限製著科學發展。

從另一個角度講的話🚁，我覺得人工智能現在的定義權和話語權還是掌握在一部分人手裏🦏。這部分人的興趣📯，甚至他們的著眼點是有很大局限的💇🏽‍♀️。有很多地方⏬，有很多數據，甚至還沒有被人工智能的學者和工程師重視。比如說我們有這麽多大工業的數據、農業的數據🔚、車床、引擎、交通……有很多這方面的大數據⏯，其實都需要算法，或者需要人工智能、機器學習的手段去做分析優化和預測。這裏邊其實很多學者或者是工程師並沒有表現出強烈的興趣或欲望👱🏽。我覺得可能是因為活太臟了👩🏽‍🌾，或者是曝光度太低了，回報太低了，所以還沒有產生足夠的關註。所以從純學科的發展來講，我覺得現在至少是機會遠遠大於資源👩🏻‍💻🚡。不存在大家找不著數據的情況，有的是數據。

澎湃新聞：近年來，許多國家在人工智能方面有很多的進展和成果🧡，比如美國、中國、英國和歐盟國家🦻🏽，也包括日本🚝。您覺得這些國家的工作做得怎麽樣🟨，成果和進展如何🧑🏿‍🚒？

邢波：當然美國是有它的相當強大的優勢的。整個人工智能原創性的思維🌛，或者是擁有原創性思維的人，我想絕大部分都在美國🌱。這是因為美國的學術空氣👏🏽、文化氛圍🚛、包括資本的風格🥛，或者是政府的驅動⚈、引導🕵🏻‍♀️，都是比較有利於，不光是人工智能🆙🦹🏼，還有很多其他基礎科學的發展。所以你會看到很多長效的🖖🏿、持續性的一些研究🏒，甚至是有些很低調的🧰、很艱苦的研究。歐洲是有很好的人才的👩‍👩‍👧‍👧，但他們的資源可能不像美國這麽豐富🧑‍🦯‍➡️，所以出現了很多人才的流動#️⃣。我們其實有很多，我自己的很多同事都是從歐洲過來的🧗🏻，從德國💂🏻‍♂️、英國、法國來了很多。最近可能稍微好了一點，回去了一些。他們的問題體現在這個量不夠大，但是水平是很高。他們的尖端學者其實是完全可以跟美國抗衡的☀️。中國情況比較復雜，體量很大🥑，然後整個大眾的興趣也很高，對於技術的接受能力👩🏼‍🚀、欲望也很強🫦，這是不錯的🌍。但是整個的原創性和這種持續性的話，還有待觀察🏋🏿‍♂️。因為時間還是比較短👼🏼，所以基本上對國外的很多原創理論或者技術還是有很大的依賴，高端人才的數量可能也要少一點⬇️。

日本有很多的應用場景🚴🏽，也有很大的需求🧖🏻‍♂️。比如他們的老齡化比較嚴重，在生產力上有很大的缺口👨🏽‍💻。我覺得人工智能這一塊潛力還是很大的，而且日本的科研水平也是不錯的。現在我覺得還很難說哪個國家很有優勢、已經可以高枕無憂了🏡。可能美國會有一定的優勢👩🏼‍🚀🪢，其他國家各有所長。

澎湃新聞：有人在問，什麽時候才能有通用AI👦🏿🚣🏽？

邢波：通用AI在學術界是一個joke（笑話）。我可以很嚴肅地講💆🏼‍♂️🐇，這個概念並不嚴肅👨🏿‍🏭。首先什麽叫通用AI🧎🏻‍♀️‍➡️？這個定義就很不嚴肅，而且從技術上講📧，它的實踐中基本上是不可能的🧑🏼‍🎤。所以很難去討論這個問題。與其展望或幻想功能上無所不能的AI，不如在工程原理上探討構造上的通用性🦻🏽。就好像在機械工程中，我們會在不同的地方使用標準化的通用的螺絲和螺母🦗。一個飛機引擎可能要有幾百萬個零件🖖🏽，但是不需要那麽多種螺絲和螺母。 AI研發當前的基本形態則是大家各自重復造輪子，造高度專一的算法。我們需要在大量AI實踐中找到其中的最大公約數🧍🏻‍♀️，設計🐶，製造通用的AI構件🧌，這就是Petuum AI產品的一個基本原則。

澎湃新聞：有觀點認為人工智能在未來會取代人們的部分工作👉🏽，或者產生一些社會問題，您對這個現象是怎麽看？

邢波：任何一個技術都會這樣子。我們有很多工作都失去了，比如電報員和打字員👩🏽‍🏫👳🏿‍♀️。這些問題我覺得應該留給政治家或者社會學家去解決，這完全不是人工智能科學家的任務👰🏽‍♀️。我個人覺得應該把這些問題分開，把社會問題和科學問題、技術問題分開來講。混在一起的話，對於學科的發展和社會的發展是不利的。科學家應該負責解決問題🙋🏽‍♀️。就像我們去發電，電也有害☔️，電也會傷人，也會造成資源不均🙇🏼‍♂️☘️，有些地方沒電，有些地方有電🤷‍♂️，怎麽辦呢🤾‍♂️？這個問題我覺得得靠社會，尤其是政治家或者其他層面上的人士來解決🧑🏻‍🍼。

科學家不應該做惡，他不應該去幫助惡人做事，但是科學技術本身不是一個惡的事情。

學者創業🤷🏼，應該順其自然

澎湃新聞：您是生物學博士畢業，為什麽轉行學了計算機且專註於機器學習和統計方法🧎🦘？

邢波：我本科是物理專業，然後學了生物，之後再學了計算機🧑🏼‍🏫。我沒有預先設計好的邏輯🪛👰🏽，只是根據當時的個人興趣和學術上的專長來做不斷的修整。我喜歡定量科學，喜歡比較嚴格的分析🌽🙇🏻‍♂️。本科物理學訓練使我有了一些數學基礎，到生物專業之後做了不少實驗，也積累了數據，需要來做這種分析🆖，但生物學不是非常重視定量的研究風格®️。在學計算機專業時🤜🏼，我寫了很多程序，發覺機器學習這門科學其實很有意思，它可以把數據用一種數學的方法來做分析，還可以寫出程序來自動來執行，甚至有很多比較廣泛的應用，所以就學起來了。

澎湃新聞🛀🏽：當時機器學習還不是一個非常熱門的專業💲？

邢波：不是一個熱門專業🖋，實際上是一個很冷門的專業。所以興趣很重要🪧。我覺得如果是先設好路徑🧾，然後往前走的話，其實有些功利👩🏿‍💼。還是（應該）敢於跟隨自己的愛好或者感覺去往前走會更happy，可能結果會更加的……我不能說更好，但我覺得至少不會讓自己後悔💂‍♂️。

澎湃新聞：您在讀生物學博士的時候🧑🏿‍🚀，還念了一個計算機科學的碩士，是這樣嗎？

邢波：對🧏🏽‍♀️。那時候很多人都有這樣的職業規劃。多學點東西🧑🏿‍🦰，有備無患，可以在求職或者個人職業生涯的發展過程中有更大靈活度。我也不能免俗🎙，也做了同樣的事。只是學了之後我的興趣更加強烈了，覺得還是應該有更好的專業訓練。

澎湃新聞👩🏿‍🍼：有人說您是個工作狂👘🌔，一天工作12小時🛢。您普通的一天會怎麽樣來度過👰🏼？

邢波：很普通啊。既然普通的話就記不住什麽內容了，就是跟平常人一樣。普通的話就是看看書™️，聽聽音樂🧍‍♂️，然後跟家裏人一塊吃飯聊天，沒有什麽特殊的地方。

澎湃新聞：但有很大一部分時間是拿來做科學研究🤵？

邢波：是，最近很忙🔞，所以大部分時間會在工作上面。這是一個需要👩🏿‍🚀，就是說我覺得有時候工作的確是對這個人的時間或者精力有很大的要求🧑🏿‍🌾。所以也得有辦法去承擔這個壓力。但是我覺得這並不代表你就一定要去放棄生活質量🫄🏼，或者是走到一個非黑即白的地步🧙‍♀️。還是應該適當地去做一些平衡吧。包括我鼓勵我同事也盡可能努力去認識到這一點🙍🏼‍♀️，有必要去做一些調節🤚🏻🤼。比如說我自己的話，有幾件事我是肯定要做的🦔。比如說個人的健身我是要做的😛，每隔一兩天都要比較正規地去健身🆙。跑步啊⬜️，或者是做其他的事情。這是雷打不動的🏗，然後包括生活習慣👷，飲食也還是盡可能地保持規律🧚🏼‍♀️。我還是主張需要有一定的平衡。

澎湃新聞👨🏽‍⚖️⛔：您現在是處於CMU的休假期間嗎↘️🗃？

邢波😫：所謂學術休假，就是從學校裏暫時離開去從事一個其他的工作，不用在學校裏面擔任任何的職位或者做任何的服務。但是我的假期已經結束了👍🏽，我現在實際上是on leave，相當於從學校留職停薪🟰，來全職地做公司的工作🧗🏿‍♀️🤴🏼。

澎湃新聞：現在有沒有帶學生🧎‍➡️？

邢波🛀🏽：學生還會帶。這是美國大學製度比較靈活的地方🏊🏻‍♂️。教授的時間其實很有彈性，學生也有足夠的獨立能力，至少在我的組裏，學生都比較能幹🌯，也比較獨立。我一星期會在學校裏跟他們溝通一天的時間，來檢驗他們的進展，提供一些建議💄，給出方向。我覺得博士其實就應該這麽帶，我在博士期間也這麽過來的👂🏽，跟導師的接觸其實不是非常具體的、每天的接觸。

澎湃新聞：你現在帶了多少個博士？

邢波：我最高峰的時候大概有25個左右的博士生，那可能是全世界最大的一個人工智能研究組。現在減了不少，可能大概有15個。但現在有一些要畢業了🙆🏼‍♂️，當然也有新的學生要進來，正處在一個新陳代謝的一個過程中。

澎湃新聞：其實我們看到在美國🧝🏼‍♂️，比如說像李飛飛老師，包括您也在內，既來自學術界，又與工業界保持著比較密切的聯系。您覺得這樣的模式對人工智能的發展有什麽樣的作用呢🐮？國內有一種觀點，覺得大學教授創業是“壓垮大學科研的最後一根稻草”🐆，但美國其實是有這個傳統，而且比例也挺高。您怎麽看待科學家創業的現象♦︎？

邢波☝🏿：這方面我覺得應該順其自然，每個人有每個人的風格⛹🏻‍♂️。其實這個創業只不過是自己學術的一個外延。比如說有一些事情，像我個人的話💇🏽‍♂️，我在做一個公司是因為我的那個研究達到了一定程度以後😭，它在落地和商業化過程中需要一定的規模🙇🏿，需要大團隊𓀛。那我覺得自己如果有能力獲得資金，來繼續做的話，也許能夠對社會產生更大的價值🦸‍♂️。這是一個很自然的一個外延💆🏽‍♂️。所以我覺得不能為了創業而創業🦹🏿‍♀️，大部分做的好的創業家或者去工業界的人👨‍🦱，不是說為了工業而工業👩‍🎤，他實際上還是要解決問題👰🏽⬇️。這個問題也許一部分可以用純學術的方法來解決，但是也需要工程的投入📋。那通常這個問題當它足夠大，足夠真實的情況下，很多人會選擇兩條路結合起來走。這個我覺得挺自然的🍄。

至於在國內😧，這個焦慮我也能承認🕋，這裏邊一方面是跟政策有關系，一方面也跟個人能力有關系。就像我剛才講的👃🏿，工業和學術的結合不是每個人都能做到的🤏🏻👨‍👦‍👦。它需要這個人有足夠的能力，或者是有足夠的貫通力。我覺得尺有所長寸有所短，每個人都有自己的長處🖐🏻。所以不一定就是說一刀切🪥，好像要麽就是所有人都應該在學術界，或者所有人都應該只在工業界，還是應該有自由🔞。我覺得大學環境也好，社會環境也好，一旦有了自由了以後，大家就會自己去找到自己最舒服的空間⏭。但是你如果是要用規則來規定的話，我不覺得最後會有好的結果。

人工智能跟醫生之間是協作關系🤦🏿，不是競爭關系

澎湃新聞：您現在主要的精力是在您的創業的公司Petuum上？

邢波：對。這是一個更具挑戰性的，更難的一個課題。

澎湃新聞：Petuum是一個通用計算機的學習平臺？

邢波🍻🧜‍♀️：Petuum的工作實際上有很多層的含義🪐。在產品層面上，它是一個通用的🖕🏻、可在不同場景下重復使用的💻、標準化的機器學習的應用系統🧝🏽。它是平臺加上工具庫，再加上數據處理功能的，高度模塊化的軟件系統。但它同時也包括了很多垂直應用，比如在醫療和工業製造方面的應用💇🏼‍♀️。值得指出的是，Petuum其實不是一個典型的“算法型“人工智能公司， 而是十分偏重底層操作系統的公司，在系統方面厚積薄發🧹，深耕細作，強調系統和AI算法兩方並重。現在很多中國，乃至美國的人工智能公司很少見到在系統🗾，架構頂會發基礎工作上的論文🙆‍♂️，卻要到處宣稱自己是“平臺”公司。沒有底層🤡💆🏼‍♂️，後端的基礎創新和長期投入（每個工作周期長達兩三年），只在算法模型上到NIPS/ICML灌水刷比分，能產生合格🧶，有技術優勢的平臺嗎？除了在NIPS/ICML/CVPR/ACL上的強勢表現，Petuum在過去三年中繼參數服務器和橋接協議方面的突破性工作後🧕🏿，又接連在系統頂會發表了疊加通訊管理👩🏻‍⚖️，彈性資源調度，節點編程與數據流編程結合的新型動態深度學習框架，基於“充分向量”和點對點通訊的通用分布式機器學習深度學習框架，機器學習自動並行化等多篇原創工作⏰，使Petuum系統的計算效率，通用性，和可延展化遠高於其他系統🌐。

澎湃新聞👩🏿‍🦲：Petuum最近在AI醫療領域取得了一些進展，您之前也談到目前醫療中處存在過度診療的現象，您如何看待人工智能在醫療領域的前景？

邢波：人工智能在醫療前景還是很大的。因為醫療是一個非常依靠數據來做決策的科學☺️。而人在數據面前其實既有長處又有短處。長處是指人的智慧可以在數據中基於大量背景知識🧑‍🏫，發掘出比較細微且復雜狀況或形式。但是人對數據的處理速度很慢，所以人工非常昂貴🪢👩🏻‍🌾。機器學習可以作為人工的一種補償🧋🕕。比如🧑🏼‍⚖️，它可以在可接受精度下把處理時間從一小時變成一分鐘甚至更快。如此一來👩🏻‍🍳💆🏽，如果AI能夠在人機結合的環境裏，給醫生提供輔助的提示或者建議🚞，就可以提高效率和準確度📱🌝。尤其是在遠程醫療領域，在一些比較艱苦的環境中，例如醫生數量不足但就醫需求很大的情況下🖤，硬件和軟件資源都比較稀缺🦸🏻‍♂️。那麽人工智能軟件的應用就可以大大的減少診斷的時間和成本🥊。而且AI可以通過基於大量醫療數據的訓練，結合大批醫生的實踐經驗👱🏻‍♂️，就好比可以同時讓多位醫生給一個病人看病。

但是目前我個人認為，我們所看到的人工智能在醫療領域的展示🧜🏿‍♀️，實際上是一個很有誤導性的展示。它經常都會被展示成“在某某比賽中人工智能算法檢測肝癌或檢測肺癌的精度高於了醫生”。這是都是非常誤導和不嚴謹的🖐🏿。因為它對於數據的假設，對於設備的假設，對於題目的假設都是很大的🚫。什麽叫“對於的肝癌診斷高於了5%”？這個診斷本身是個很復雜的概念📱，你是說這張圖裏邊有肝癌、沒肝癌🧑🏽‍🚀？還是說這個肝癌的位置在什麽地方🧳？體積有多大？嚴重程度是幾度？這些都是診斷的一部分。所以所謂的診斷出肝癌，還高5%的精度🤸🏽‍♀️，這個測量本身就不是很嚴肅的一個測量。

這就是為什麽現在的人工智能在傳統或者在大部分的醫療環境裏還是受到排斥的（原因）。它其實並沒有解決醫生的需要🧏🏻‍♀️。它是計算機科學家自己假設的一個理想的比賽狀態。但是醫生和醫生之間是不比賽的，醫生和醫生之間是協作的。在看病的時候，你很少見到兩個醫生在比賽🛫，他們都是在協作。兩人意見不同以後，討論一下，統一一下，然後獲得更好的結果👼。我覺得很多計算機學家缺乏這方面的敬畏和理解🔯🧙🏿‍♂️。所以他們所定義的東西其實並不準確。

所以Petuum在開發醫療產品的過程中讓醫生介入到了產品的設計環節裏面。我們會問：醫生到底需要什麽？比如說，醫生你喜歡讀幾百頁的病例嗎？這個大概他不喜歡讀，但是你要不要讀呢？還是要讀的。那不如我們把讀的過程簡化掉🙋🏿‍♂️，幫助醫生把積累的病例很快讀出來🤺，把關鍵詞、關鍵的現象，關鍵的過程抽出來，總結出來。再比如，醫生願意去寫圖像診斷報告嗎👂🏻？這個太費時間了，寫一篇半小時，一天只能寫幾篇。但是醫生是不是要過目一下呢？肯定是要過目的💁🏽‍♀️，不能完全不管。所以最後就變成一個產品，就是用機器學習的方法來幫醫生寫出一個診斷報告，可能用30秒鐘或者是三秒鐘的時間，然後展示給這個醫生🧙‍♂️。這個醫生可以勾勾改改，或者是不改🚢。這是一個無縫的人機交互的環節，而不是說人工智能去跟醫生比賽，寫的比醫生更好✣，這個概念本身是非常誤導的𓀇。

而且作為一個醫療軟件🎫，我們提供的功能不是一個或兩個功能👨‍🦯‍➡️。這個軟件本身可以包含、覆蓋幾百種病症👱🏻，它是基於一個大的知識庫和大量的各種疾病各種形態的數據🔗👵🏻。它還提供剛才我講的那些所有功能🧆🌩，包括報告總結、報告讀取、產生ICD code, 做藥物的推薦, 做死亡率或出院率的預測。這些功能需要綜合在一個軟件裏面，這樣醫院才能采購🎖。反之，假如一個醫院所需的每一個功能都需要從不同地方買一個軟件，最後有幾百個軟件📲，這樣從商業角度是不可能實現的😺🤽🏿。所以我覺得現在人工智能在醫院中的應用有很多的提升空間。只是似乎現在學術界還缺乏對這方面足夠的理解和敬畏🧑🏼‍🤝‍🧑🏼。

澎湃新聞：所以在您看來，人工智能跟醫生之間的關系是一種協作關系🙍🏿‍♀️？

邢波🧎🏻‍♂️‍➡️：是一個協作關系。人工智能是極大提升醫生的效率，然後幫助醫生提高工作質量和整個工作的體驗🍅，但絕對不是去替代醫生。

澎湃新聞：你們公司的Med項目是關於電腦醫生🚸，是你剛才所說的那個嗎？

邢波：對，我們的PetuumMed就是這樣一個東西。這個電腦醫生裏面包含了大概20來種功能🦸🏼‍♀️，覆蓋了一百種左右的疾病。在這裏，平臺或者系統的功能就體現出來了。因為這不是在訓練一個軟件，也不是訓練一種算法🥗。它可能包含了幾十種甚至上百種算法，而且是訓練在不同的數據上。你怎麽讓它能夠共存🪕？怎麽能夠在一個機器裏面同時跑這麽多東西？軟件之間怎麽來自由搭配組合🛄？這裏包含了一個比較工業化🫅🏽、正規化、標準化的軟件工程的概念。它不是調算法、調參數，獲得一個高的比分或者競賽↙️。這實際上是提供一個專業的軟件產品，可以完全離開開發者之手到醫生的手裏自由地使用💆🏻👊🏻，就像使用微軟的office或者Excel軟件一樣。而且它功能是齊全的❤️，有一套菜單和一個庫🧖🏿‍♂️🖥，讓你去使用各種各樣的功能🧑‍🚒。

這就是目前在人工智能的研發過程中相當缺少的一種理念或者風格。基本上，大家都是用一個算法，調個參數，在某個數據集上獲得了一個好的比分就大功告成了🩰，就開始宣布，開始高調地做PR了🤶。但那些東西在最後的應用過程中很多都會出現問題。所以Petuum其實把人工智能的過程定義成一個完整的軟件工程的概念，從原始數據的處理到算法的設計和調整，然後到基礎設施，包括操作系統和數據庫，虛擬機的共享，相互共存的過程和流程，都要設計出來。所以形成一個像流水線或者一個標準化平臺的概念🏛，像是在土木工程中批量建房一樣的🦍。

澎湃新聞🍺：為什麽會選擇醫療領域🤑🔟？

邢波🤼‍♂️：有好幾個原因📡。一方面CMU旁邊有美國比較突出的一個醫療機構，叫UPMC匹茲堡大學醫療中心，它有很好的資源和醫學環境。其次，醫學問題是不能糊弄的🧙‍♂️，它是一個關於人的生死的問題，是一個很嚴肅的問題👫🏻。所以它對人工智能提出了一個最好，也是最有價值的挑戰🙍🏻‍♂️👩‍🦽。如果解決的話是能夠真正產生價值的。然後它也達到了一個比較有效的一個🧇👩‍👧‍👧，就是use case。我們在做這個系統，最後需要展示它的功能👩🏿‍⚖️，看它的靈活度、解決問題的能力、可適應性和通用性等😢。在醫學裏面，問題是包羅萬象的，例如剛才我講的例子裏面包含了自然語言處理、圖像處理和動態數據處理；它還是多媒體，因為各種數據都會同時進來。所以醫療不是一個非常單純的☸️、簡單的刷臉問題✍️，或者單純的聊天機器人的問題💁‍♀️。把這些揉起來以後其實是一個相當大的技術挑戰𓀑。如果我們能把這個問題解決了，再換到其他場景去做其他解決方案的話就是由難入易。我自己的研究理念一直是由難入易🧑🏽‍🦱，我們是先選最難的問題做💙，再去簡化🏜，去推廣🧑‍🦼‍➡️，而不是先去找最低的東西。我覺得這是不同的風格。所以，醫療領域對我們的團隊和工作都是很好的訓練，對我們系統也是一個比較好的展示。

澎湃新聞：跟您之前有生物學方面的背景有關嗎？

邢波🧑🏿‍🔧🎅🏼：當然也有一定關系🐩。我個人對醫療這方面是比較喜歡的。我覺得這是一個對社會價值比較大的問題。

澎湃新聞💁🏻📙：對於我們目前擁有的人工智能到底是不是真正的智能，很多人有不同的觀點，甚至有些觀點覺得現在的人工智能只不過是一種統計學🤜🏽。目前的人工智能有沒有達到你心目中對於智能的定義？

邢波：為什麽要智能呢？我覺得這個討論本身就偏離了這個科學。科學是要解決問題，而不是說需要去達到某一種境界🤾‍♀️。就像你做數學也好🫨，做物理也好🚵🏻‍♀️，要麽就是了解真相，要麽就是去解決問題。如果做研究只是為了像人，那我覺得這本身就脫離了研究的目的🧜🏿。至少我個人是不以這個為目的來做研究的。我個人甚至不是很喜歡“人工智能”這個詞。原來這個專業叫做機器學習，這實際上是一個更專業的詞🥅。它把“人”這個字去掉了，而以題目本身來定義這個學科🙎🏻‍♀️。它是為了用機械的方法來學習數據中的一些內容。

其實這是一個很傳統的科學。在早期，比如物理學早期，開普勒分析第谷的行星運行的觀測數據來獲得軌道方程，其實就跟機器學習很像，分析數據之後獲得一個方程。後來更近代的機器學習的內容也是這樣，通過原始數據來獲得一個數學方程🌄🐆，然後用這個數學方程來做預測。就像在行星軌道裏也可以預測行星的位置一樣，我們也可以預測你的股票，或者你的健康🧼，或者你的個人興趣在下一個時間點上會有什麽樣的展示🛀🏿。所以這是一個用不同的方程對數據進行擬合的過程💐。至於機器學習與人工智能的關系，我覺得機器學習是獲得人工智能的一種手段🗝🦦。當然人工智能還有其他的，預測以外的功能👨‍👨‍👦‍👦。比如說了解思維過程，了解數據背後的意義。但是人工智能是不是需要跟人很像？我個人持有保留態度。即使人工智能以後跟人不像，也並不會失去它的價值。人和機器就像馬和火車，這兩者不是在執行同一個任務🍎。就像我們說，子非魚，焉知魚之樂 – 馬也有馬之樂，人有人之樂；自然萬靈都有它們的心智🍜；而對於AI設備，它們的任務和功能要純粹的多🍛，也應該純粹。所以我覺得用任務或者問題來定義這個學科會對它的發展更有利📼🤛🏼。

從技術角度講，我覺得人工智能以目前的技術手段，甚至以可預見的新技術手段的話🌽，在很大程度上不能跟人的智慧相提並論。這兩者不是一回事。比如說👩🏻‍🌾，計算器算數學題超過了人，你會覺得它智慧嗎🕹？這不是一個賽道上的事。人是不跟機器來比這種事情的。

有幾件事機器是做不到的🍅。

機器不會提出探索性的問題，但人最大的長處不是解決問題而是提問題。真正的好學生是會提問題的，出題永遠比做題要難。

還有，機器很難了解它不知道的東西，它頂多知道它知道什麽。但像我們都知道我們不知道什麽，至少有智慧的人知道他不知道什麽東西，是有自知之明的。機器好像很少有自知之明，它不會說這個事我不知道🚴🏿‍♂️，更不會去主動發現自己不知道什麽🥝。

還有一點就是機器很依賴數據🛑，小數據裏面的機器學習是很困難，非常不穩定的♤。而對於人來說🖼，大概一個例子就可以把東西學會，一張圖看一遍就夠了🦵。其他還有一些細節的具體問題，工程上的問題就更不用說了⛪️。

人作為一個機械的定義而言，他的組合是非常完美的🙎‍♂️，他的能耗😷、可靠度、穩定性，適應力比任何機械都要好。所以我覺得💺，不妨把人工智能跟人的形象和功能脫離開比較好。要看書，就發明一個能看書的機器人；要讀圖🦹🏼‍♀️，就發明一個能讀圖的機器人；要既能看書又能讀圖，又能夠做其他事情的話，就發明這樣一個機器人。但千萬不要說它好像已經跟人很接近了。人能做的事很多，實際上。