盡管人工智能不是新鮮的概念，從1956年被提出至今已逾一個(gè)甲子，但對于大多數人來(lái)說(shuō)，從2016年AlphaGo戰勝?lài)迨澜绻谲娎钍朗_(kāi)始，才對人工智能略有耳詳。在此之前，人工智能在大眾輿論場(chǎng)中幾乎是長(cháng)期沉默的。

但從學(xué)術(shù)界的視角來(lái)看，對人工智能的研究，猶如在盤(pán)山公路上爬坡，從未停止過(guò)。歐洲科學(xué)院院士、上海交大人工智能研究院首席科學(xué)家徐雷就是一位從上世紀八十年代初就加入這個(gè)領(lǐng)域的老一輩研究者，談及隨機霍夫變換RHT、分類(lèi)器組合、對手競爭學(xué)習RPCL、非線(xiàn)性PCA學(xué)習、Mixture of Experts, EM 算法，LMSER學(xué)習、BYY 學(xué)習等神經(jīng)網(wǎng)絡(luò )和模式識別領(lǐng)域中的多項先驅成果時(shí)，都繞不開(kāi)他的名字。在這些領(lǐng)域中，徐雷自九十年代初起就一直是國際上最有影響的幾位華人之一。

在37年余的人工智能研究生涯中，徐雷做出了多個(gè)廣為引用的成果。2001年當選IEEE Fellow，是從計算智能學(xué)會(huì )當選之首位中國學(xué)者；2002年當選國際模式識別學(xué)會(huì ) Fellow，是最早獲選的幾個(gè)華人之一；2003年當選歐洲科學(xué)院院士。徐雷曾與Judea Pearl (2011圖靈獎得主), Geoffrey Hinton（引發(fā)當下人工智能浪潮的深度學(xué)習之父）和Michael I. Jordan均有合作文章發(fā)表。1993年加入香港中文大學(xué)之前，曾在MIT的Michael I. Jordan團隊工作過(guò)一年多。早在九十年代的前五年里，就在學(xué)界最頂級的NIPS（后改名為NeurlPS）會(huì )議中發(fā)表了四篇論文，并三次擔任NIPS大中華區的聯(lián)絡(luò )人。

徐雷曾榮獲多個(gè)國內外主要獎項，如獲93年國家自然科學(xué)獎、95年國際神經(jīng)網(wǎng)絡(luò )學(xué)會(huì )領(lǐng)袖獎、06年亞太神經(jīng)網(wǎng)絡(luò )學(xué)會(huì )最高獎杰出成就獎（首位獲獎華人）。

為了解人工智能研究的歷史、現在與未來(lái)，AI報道（AI Report）拜訪(fǎng)了徐雷教授。這位在國際舞臺上為中國贏(yíng)得聲譽(yù)的科學(xué)家對中國人工智能的發(fā)展有何看法？答案或許并不如國內AI圈中很多人想得那么樂(lè )觀(guān)。

中國人工智能發(fā)展水平距離世界頂尖還有多遠？

近年，我國人工智能發(fā)展迅猛，在企業(yè)數、發(fā)表論文數等數項指標上都已達到了世界第二。那么，中國整體人工智能發(fā)展水平距離世界頂尖水平還差多遠？

徐雷認為，要講清這個(gè)問(wèn)題，最好先看一下這一波人工智能熱潮是怎樣發(fā)展起來(lái)的。

這一波人工智能熱潮起點(diǎn)源于2006年Geoffrey Hinton 及其學(xué)生在《神經(jīng)計算》和《科學(xué)》上發(fā)表的兩篇深度學(xué)習論文，經(jīng)過(guò)在學(xué)界的幾年孕育以后，引起IBM，微軟、谷歌等企業(yè)跟進(jìn)推動(dòng)，尤其是中國互聯(lián)網(wǎng)產(chǎn)業(yè)的蜂擁而入，才有了現在人工智能大發(fā)展的盛況。這波熱潮有下面三個(gè)主要支撐：

（1） 理論方法  Hinton在2006年的工作源頭其實(shí)是八十年代中期曾引起人工神經(jīng)網(wǎng)絡(luò )研究熱潮的反向傳播學(xué)習算法，始于發(fā)表在1986年《自然》的一篇論文，Hinton是三位作者中間的那位。這個(gè)算法的早期影子先是回溯到1974年，后又前推到1968年。八十年代末之后的十余年，在神經(jīng)網(wǎng)絡(luò )研究在理論、方法、和算法上都有很大發(fā)展?，F今的基本家當，例如，卷積網(wǎng)絡(luò )、生成網(wǎng)絡(luò )，自編碼學(xué)習、變分學(xué)習、以及包括LSTM在內的各種遞歸網(wǎng)絡(luò )，大都來(lái)自于那個(gè)時(shí)期。近年來(lái)的發(fā)展主流，基本上是這些方法的應用、拓展、和各種集成，當然也有一些如GAN學(xué)習等基礎研究突破。

（2） 芯片算力  馬斯克的OpenAI 認為，2012-2017六年間AI計算力6年提升30萬(wàn)倍。保守估計九十年代初到2006年的算力增長(cháng)就算只有它的十分之一，那也意味著(zhù)做2006年需要20分鐘算的問(wèn)題，九十年代初中期要算一年。當時(shí)的基礎研究提出了各種方法，但不可能通過(guò)計算得到驗證，所以才會(huì )有一、二十年的滯后期。Hinton在1986年后的二十年再續前緣，既反映他的執著(zhù)，也是歷史的圓滿(mǎn)。

（3） 大數據和互聯(lián)網(wǎng)  九十年代初采集用于語(yǔ)音識別的數據都已經(jīng)十分困難，采集人臉圖像數據則難度更大。就算那時(shí)有算力，也不可能有足夠大量的數據來(lái)訓練，以確定深度神經(jīng)網(wǎng)絡(luò )中的大量參數。2009年原微軟人工智能首席科學(xué)家鄧力邀請Hinton來(lái)到微軟，利用他們在語(yǔ)音領(lǐng)域積累了多年的大數據，嘗試了深度學(xué)習的應用，發(fā)現用深度學(xué)習進(jìn)行語(yǔ)音識別比原來(lái)的識別方法成果有了很大提高。李飛飛在 CVPR 2009 上發(fā)表了關(guān)于ImageNet的論文，關(guān)注如何有效地獲取圖像數據集，并從2010 年開(kāi)始開(kāi)啟了每年一度的ImageNet 挑戰賽（通過(guò)互聯(lián)網(wǎng)和眾籌），解決了計算機視覺(jué)的大數據獲取問(wèn)題。

在上述三大支撐中，第三個(gè)是我國的明顯強項。最多的人口、通訊和互聯(lián)網(wǎng)的飛速發(fā)展和普及、以及體制的優(yōu)勢和社會(huì )的需求，語(yǔ)音、圖像、以及其他大數據的獲取都遠超歐美。而通過(guò)雄厚的資金投入，也購買(mǎi)獲得了巨大的算力，這些催生了國內許多獨角獸公司出現和飛速發(fā)展。2012年，Hinton團隊在ImageNet首次使用深度學(xué)習完勝其它團隊，神經(jīng)網(wǎng)絡(luò )層數只有個(gè)位數。商湯的團隊在2016年ImageNet圖片分類(lèi)中做出最佳性能時(shí)，用得神經(jīng)網(wǎng)絡(luò )層數是1200多層。

語(yǔ)音識別和計算機視覺(jué)這兩個(gè)“耳聰目明”領(lǐng)域快速進(jìn)入商用，這大大推動(dòng)了這波人工智能浪潮在世界范圍內的高漲。與此同時(shí)，主要集中在這兩個(gè)領(lǐng)域，中國學(xué)者發(fā)表論文數與日俱增，國內也出現了許多獨角獸公司。從總量來(lái)看，在企業(yè)數、發(fā)表論文數等數項指標上都已達到了世界第二。甚至可以說(shuō)，在刷臉場(chǎng)景下，已做到世界第一。

能在“耳聰目明”領(lǐng)域迅速發(fā)力，還和我國的文化淵源有關(guān)。徐雷說(shuō)， 粗略地，人工智能可以從機器模擬“耳聰目明”、形象思維、和抽象思維三個(gè)方面來(lái)考慮。早在1975年，錢(qián)學(xué)森先生就提出，常用而重要的智能活動(dòng)其實(shí)在形象思維。而那時(shí)候，人工智能界主要在研究抽象思維。

很有意思，這兩種不同方式，中國人和西方人正好各擅長(cháng)其一。中國文字基本是象形的，思維發(fā)展偏重形象思維，而西方文字抽象成符號，注重關(guān)系、形式、與語(yǔ)法。

符號文字抽象于形象文字，故有西方有學(xué)者把抽象思維叫高級智能。自然地， AI發(fā)展的前半段就是基于符號思維，注重解析出基本單元，再按一定的規則，由底朝上逐步組合搭出一個(gè)體系。這種思維有利于抓住主要脈絡(luò )，解釋所看到的現實(shí)世界。但是，針對“耳聰目明”這類(lèi)識別認知活動(dòng)，反而遇到很大困難。盡管有時(shí)被稱(chēng)為初級智能， “耳聰目明”卻是思維的基礎，AI發(fā)展的前半段其實(shí)走了建“空中樓閣”的彎路。

而這次人工智能浪潮就是從“耳聰目明”這個(gè)形象思維的基礎突破的。做法很簡(jiǎn)單，數學(xué)上完成一個(gè)X到Y的一個(gè)整體性的映射，用一個(gè)深度神經(jīng)網(wǎng)絡(luò )結構來(lái)實(shí)現?？赡苡捎谖覀兊奈幕眯蜗笏季S，華人不僅參與這次推波助瀾并引起主要發(fā)展，而且也是過(guò)去一路走來(lái)致力于推動(dòng)“耳聰目明”的主角之一。

早在1957年就有在美國的華人介入字符識別，70年代中期到80年代中期，是主攻“耳聰目明“的模式識別之第一個(gè)發(fā)展期，頭號領(lǐng)袖是美國普渡大學(xué)教授付京孫先生（1930-1985）。而徐雷的博士導師清華大學(xué)常迵院士（1917-1991）和博士后導師北京大學(xué)程民德院士（1917-1998），在上述時(shí)期則領(lǐng)導了中國模式識別的發(fā)展，建立了我國智能科學(xué)的第一批三個(gè)國家重點(diǎn)實(shí)驗室，其中兩個(gè)主攻模式識別與機器認知，并在我國學(xué)科設置上正式開(kāi)出了模式識別的相關(guān)專(zhuān)業(yè)，近年來(lái)我國在 “耳聰目明”方面能夠人才濟濟，應當回溯到當年他們打下的根基。

中國在“耳聰目明”領(lǐng)域能迅速發(fā)力的現實(shí)基礎，是有大量數據、大量需求，和大量投入。影像醫療就是另一個(gè)我國依靠樣本優(yōu)勢有望快速趕超的領(lǐng)域，僅北京腫瘤醫院一個(gè)月胃癌的門(mén)診病歷數就超過(guò)全美胃癌患者一年的門(mén)診量。中國還有不少有明顯的樣本優(yōu)勢的其它應用領(lǐng)域，都有望能快速看到應用效益，并問(wèn)鼎世界。即使如此，現在也不到聲稱(chēng)中國AI在應用方面已經(jīng)領(lǐng)先的時(shí)候。例如，在語(yǔ)音識別和語(yǔ)言翻譯方面，Google的水平優(yōu)于國內企業(yè)，特別是在英文和其他文字領(lǐng)域更是如此。在機器人行業(yè)中，尤其是類(lèi)人或特種機器人，離美國的波士頓動(dòng)力機器人的水平，國內水平遠遠落后，可能差一、二十年都不止。

更令我們保持清醒的是，在三大支撐中的前兩個(gè)，我們的差距更大。

在芯片方面，設計各種專(zhuān)門(mén)的人工智能芯片，是可以有望很快趕上甚至超越的。但是在芯片的制造上，卻有一段很長(cháng)的路要趕。而制造能力才是基礎，造不出來(lái)的設計只能是紙上談兵。在算力方面，盡管中國的神威和天河超級計算機都曾經(jīng)問(wèn)鼎全球，現在也仍位四甲，但在量子計算機方面，谷歌和IBM都在商用化方面推進(jìn)很快。還有，在下一代計算材料和芯片方面，我國的短板可能更大。

在徐雷看來(lái)，東方文化注重集成、注重整體應用，這是一種優(yōu)勢；西方注重基礎，注重造芯片，這是另一種優(yōu)勢。取人之長(cháng)補己之短，把別人的芯片集成過(guò)來(lái)直接使用不失為上策，東西方文化融合、互補，才能給發(fā)展人工智能帶來(lái)更好局面；只有在行不通時(shí)，才需要我們一切重新造起，這其中的關(guān)鍵是，中國必須要做到讓對方愿意賣(mài)給我們使用。

80年代初期的歷史或值得我們借鑒：當時(shí)中國要買(mǎi)美國的一些計算機設備，都面臨西方所謂巴黎統籌委員會(huì )對我們的掣肘。因此，中國不斷跟蹤研制，一達到一個(gè)新的水平，他們就會(huì )批準把更一高檔的設備賣(mài)給中國?？梢?jiàn)，在產(chǎn)業(yè)發(fā)展時(shí)，不一定要樣樣自主做，以小得多的代價(jià)跟蹤，最優(yōu)配置資源，也許更佳，但要清楚讓人知道，需要的時(shí)候，我們是有能力自己做的。

要在人工智能理論方法的基礎研究達到世界領(lǐng)先水平，中國也仍然是任重道遠。目前來(lái)自中國的論文，大多是在偏應用性質(zhì)的會(huì )議上發(fā)表，能沖進(jìn)NIPS論文不多，還達不到能在NIPS這個(gè)基礎研究的頂會(huì )上占有不可或缺的地位。大量的工作，都在追求能在中國計算機學(xué)會(huì )或其他單位自定的頂級會(huì )議上可以發(fā)表，并不追求是否能被別人大量的引用、跟隨和應用，而追求從0到1突破的努力更是鳳毛麟角。尤其令人擔憂(yōu)的是，大多數大學(xué)和研究機構發(fā)出的論文，還都是通過(guò)直接用別人的開(kāi)源程序計算的。

徐雷接著(zhù)說(shuō)，前面提到，中國人的思維是從頂向下的，忽略基礎創(chuàng )新，重視整體把握、應用集成，追求“短、平、快”，最后一點(diǎn)是尤其堪憂(yōu)的。大家都離起跑線(xiàn)不遠時(shí)，差距還不遠，越往前差距越大。對此，他特別地提到八十年代導師常迵之問(wèn)。第一次常先生問(wèn)付京孫教授：“中國模式識別的研究水平離美國差多遠？”付先生答“三、四年”。而三、四年后付先生再來(lái)華訪(fǎng)問(wèn)，常先生再問(wèn)“還差幾年”， 付先生答“七、八年”。類(lèi)似的故事，在基礎研究起關(guān)鍵作用的階段，其他領(lǐng)域也出現過(guò)。徐雷希望，這個(gè)故事不會(huì )在今后的中國人工智能發(fā)展中重演。

他還表示：“希望中國的學(xué)者中能有一部分，在這一波熱潮漸漸平穩下來(lái)、整頓盤(pán)整的期間，能慢慢沉下來(lái)，回歸到一些基礎研究?！斈棵鳌?nbsp;的基礎研究不是中國人貢獻的，中國人的貢獻主要是快速推廣到實(shí)際應用。希望中國學(xué)者未來(lái)在形象思維、抽象思維等基礎研究領(lǐng)域有更多貢獻?！?/p>

在科學(xué)“奧運會(huì )”上為國摘金

上海市經(jīng)信委副主任張英（左一）給中科院上海分院副院長(cháng)張旭院士（左二）、同濟大學(xué)副校長(cháng)蔣昌俊教授（左三）、和徐雷教授（左四）發(fā)WAIC SAIL獎的評審專(zhuān)家的聘書(shū)。徐雷教授在去年和今年都擔任了SAIL獎的終評會(huì )審專(zhuān)家。

盡管徐雷已過(guò)花甲之年，但他仍保持著(zhù)高強度的工作，帶領(lǐng)著(zhù)團隊奮戰在科研第一線(xiàn)?！拔野岩簧臅r(shí)間都用來(lái)拼搏了，我自認為是一個(gè)很拼的人?！毙炖走@樣評價(jià)自己。這位發(fā)已斑白的老人始終保持著(zhù)簡(jiǎn)樸的生活，除了工作外，徐雷很少有別的愛(ài)好，每天從宿舍走到辦公室，晚上再走回去，就充作鍛煉身體了。

很難想象，這位聞名遐邇的科學(xué)家曾是一名煤礦工人。在恢復高考前，徐雷曾在云貴交界的一處煤礦工作。1977年，在恢復高考后的第一次招生中，徐雷走進(jìn)了考場(chǎng)，進(jìn)入哈爾濱工業(yè)大學(xué)獲得了本科學(xué)位，隨后又考入清華大學(xué)，成為常迵先生和閆平凡教授共同任導師的第一個(gè)碩士生和第一個(gè)博士生。1987年，徐雷來(lái)到北大，師從程民德院士和石青云院士做博士后，次年成為北大全校當年破格提升的十位副教授之一。

在此期間，徐雷在包括《中國科學(xué)》《科學(xué)通報》《計算機學(xué)報》《電子學(xué)報》《自動(dòng)化學(xué)報》在內的國內核心刊物上發(fā)表論文18篇，在模式識別、人工智能、信號處理的主要國際會(huì )議上發(fā)表論文九篇。其中，1987年發(fā)表在UAI會(huì )議上的一篇論文最早將二值變量貝葉斯樹(shù)之學(xué)習拓廣到高斯變量，開(kāi)實(shí)變量貝葉斯網(wǎng)學(xué)習之先。這篇論文被J.Pearl（2011年圖靈獎獲得者）收入1988年出版的經(jīng)典專(zhuān)著(zhù)中，成為了專(zhuān)門(mén)的一節。

還有一篇發(fā)表在國際模式識別大會(huì )ICPR上的論文，是口頭報告，因為當時(shí)外匯有限，不能出去開(kāi)會(huì )。會(huì )后當時(shí)的國際模式識別學(xué)會(huì )主席 Pierre Devijver（？-1996）卻給徐雷來(lái)了一封信，說(shuō)他沒(méi)有時(shí)間事先獲得許可（當時(shí)國內還沒(méi)有電郵），就主動(dòng)幫徐雷代做了口頭報告。Devijver當時(shí)并不認識徐雷，也不知道是常迵的學(xué)生，那論文徐雷是單獨作者，他只是認為那篇論文應該被介紹。當今國際模式識別學(xué)會(huì )的大獎，最重要的獎項是以付京孫（K.S.Fu）命名的，而另一個(gè)主要獎項是P.Devijver獎。

1988年，在時(shí)任國家主席在北京人民大會(huì )堂主持頒獎的第一批40名霍英東獎獲得者中，徐雷是唯一的人工智能相關(guān)學(xué)科的學(xué)者。那年冬天，北大視覺(jué)與聽(tīng)覺(jué)信息處理國家重點(diǎn)實(shí)驗室的主任石青云教授找他談，告知領(lǐng)導有意讓他接任做主任，該實(shí)驗室是當時(shí)國家首批智能科學(xué)相關(guān)的三個(gè)國家重點(diǎn)實(shí)驗室之一。此時(shí)，擺在徐雷面前的本是一個(gè)順理成章進(jìn)入仕途的機會(huì )，但他毅然決然地放棄了。徐雷認為，在世界范圍內，中國的人工智能學(xué)科相關(guān)的研究離世界前沿還差的很遠，因此他選擇出國看看，與世界上最頂尖的科學(xué)家直接打交道。

談及為何做出這一選擇時(shí)，徐雷回憶道，他曾深深受到陳景潤故事的影響：1972年，蘇聯(lián)數學(xué)家代表團來(lái)訪(fǎng)問(wèn)中國，周總理一時(shí)很為難，不知道該找哪些數學(xué)家去接待。此時(shí)代表團提出，中國有個(gè)杰出年輕數學(xué)家叫陳景潤，哥德巴赫猜想研究做出了杰出成果，希望和他談?wù)?。于是政府到處去找這個(gè)年輕人，最后在中科院一間不足6平米的鍋爐房里找到了他。陳景潤的故事激勵著(zhù)那個(gè)年代的知識分子，從此徐雷立下志向，一旦國家需要，也要能為國爭光。

實(shí)際上，后來(lái)徐雷的確以中國自己培養的博士身份，在模式識別、神經(jīng)網(wǎng)絡(luò )等人工智能領(lǐng)域，留下了多個(gè)中國人的印記，實(shí)現了當年的愿望。

1989年至1993年，徐雷輾轉于歐美當時(shí)相關(guān)學(xué)術(shù)領(lǐng)域的四個(gè)領(lǐng)軍團隊。1989年初徐雷加入芬蘭拉普蘭塔理工大學(xué)的E.Oja團隊做高級研究員（Oja是九十年代歐洲神經(jīng)網(wǎng)絡(luò )領(lǐng)域的幾個(gè)主要學(xué)術(shù)領(lǐng)頭人之一），1990年春加入加拿大康考迪亞大學(xué)C.Y.Suen團隊做副研究員，也是當時(shí)加拿大模式識別領(lǐng)域的領(lǐng)軍團隊。徐雷在1991年9月以訪(fǎng)問(wèn)學(xué)者的身份加入了哈佛的 A.Yuille 團隊（Yuille是霍金的弟子，也是計算機視覺(jué)研究領(lǐng)域的大師），又在一年后加入麻省理工的M. I. Jordan團隊做博士后。直到1993年秋返回中國香港，加入香港中文大學(xué)任教。

在此期間，徐雷研究著(zhù)名的霍夫變換有突破性進(jìn)展，發(fā)明了隨機霍夫變換RHT。他還以第一作者身份發(fā)表了另一論文，提出了分類(lèi)器組合的三級框架并討論了多個(gè)組合方法, 為現在廣為研究的集成學(xué)習和信息融合提供了基礎，被廣為引用。這兩個(gè)成果使他在2002年當選國際模式識別學(xué)會(huì ) IAPR Fellow會(huì )士，成為最早獲選的幾位華人之一。

在此期間，徐雷將當時(shí)相關(guān)領(lǐng)域很有影響的Oja自適應PCA學(xué)習，發(fā)展到自適應非線(xiàn)性PCA學(xué)習；并率先揭示了Hebb學(xué)習輔以S非線(xiàn)性實(shí)現獨立化學(xué)習，能消除旋轉不確定性；還為Oja自適應子空間學(xué)習的全局收斂性提供了數學(xué)證明。這些成果不僅讓徐雷在該方向的影響緊隨Oja之后，而且將Oja團隊的主要興趣引回，也吸引了歐美還有中國的不少學(xué)者之后的持續推進(jìn)。

在此期間，作為單獨作者，徐雷在1991年會(huì )議論文首先提出并在1993年的期刊論文中進(jìn)一步闡述，提出了多層神經(jīng)網(wǎng)絡(luò )自組織學(xué)習LMSER，以雙向對偶方式實(shí)現對網(wǎng)絡(luò )中參數的學(xué)習，其特點(diǎn)是強制了參數對稱(chēng)性和神經(jīng)元強度的對稱(chēng)性。2006年Hinton團隊的那兩篇經(jīng)典論文中的深度學(xué)習結構Stacked RBM，也強制了這種參數對稱(chēng)性，而近年才出現的所謂U-net的結構，也與多層LMSER類(lèi)似。由于算力的限制，當時(shí)計算實(shí)驗只做了單個(gè)隱層。但在論文中，討論和預言了多層LMSER的若干認知功能，如聯(lián)想、概念形成、心像、注意等。后面會(huì )提到，這些預言都在近年得到了計算驗證。

在此期間，徐雷還1991年提出在競爭學(xué)習中引入反壟斷機制，同時(shí)適度地引入對手懲罰機制，發(fā)明了對手懲罰競爭學(xué)習（RPCL），開(kāi)創(chuàng )了無(wú)監督學(xué)習過(guò)程中，可以實(shí)現模型自動(dòng)選擇的先河。在學(xué)習中可以自動(dòng)去除多余參數，可實(shí)現選擇模型自動(dòng)選擇的另一個(gè)辦法L1學(xué)習， 是1995年才出現而快速走紅的。RPCL已被直接應用于解決許多實(shí)際問(wèn)題上。例如，在大數據分析和無(wú)監督統計學(xué)習中經(jīng)常遇到的聚類(lèi)分析中，可自動(dòng)確定樣本集來(lái)自幾個(gè)不同的類(lèi)。

在此期間，徐雷通過(guò)對Gaussian Mixture和Mixture of Experts 上的EM算法之收斂性做數學(xué)分析，有力支持了M. I. Jordan在九十年代倡導的EM算法的新一輪研究熱，澄清了當時(shí)統計文獻上關(guān)于EM算法的一些誤解，厘清了EM的優(yōu)缺點(diǎn)。徐雷還與M. I. Jordan和G. Hinton合作，提出一個(gè)改進(jìn)的多專(zhuān)家混合模型，更適合利用EM算法。

也從這期間開(kāi)始，徐雷成為了當時(shí)NIPS（后改名為NeurlPS）會(huì )議上活躍的少數幾位華人學(xué)者之一。從NIPS1992起，每年一篇，連續在NIPS年會(huì )上發(fā)表了四篇論文。若看作者單位，第一篇徐雷是第一作者，單位是北京大學(xué)。其他3篇的作者單位都是香港中文大學(xué)。這意味著(zhù)中國學(xué)者在NIPS發(fā)表論文的最早時(shí)間至少可提前到1992年，而不是目前國內一些資料所記載的本世紀的頭幾年。

80年代底開(kāi)始，引發(fā)當下人工智能浪潮的深度學(xué)習之父G. Hinton和一批學(xué)術(shù)精英，接管了這個(gè)在1986年由IEEE信息論分會(huì )發(fā)起的學(xué)術(shù)會(huì )議。從此NIPS成為神經(jīng)網(wǎng)絡(luò )領(lǐng)域、乃至人工智能所有相關(guān)領(lǐng)域的旗艦會(huì )議。其后近三十年，先是G. Hinton和M. I.Jordan交替為旗手，后由他們的學(xué)生們接力，是人工智能領(lǐng)域，最活躍、最有創(chuàng )意，也是文章最難進(jìn)入的會(huì )議?；A研究成果大多先出現在NIPS，然后向其他會(huì )議，以一定的滯后期傳播和推廣應用。順便一提，從1995年起，徐雷曾連續三年擔任NIPS組委會(huì )中大中華區的聯(lián)絡(luò )人（Liaison）。

徐雷在香港中文大學(xué)二十多年期間，先是進(jìn)一步發(fā)展提出了貝葉斯陰陽(yáng)學(xué)習理論，發(fā)表在NIPS1995會(huì )議上，這點(diǎn)后面還會(huì )做介紹。然后，他一方面將貝葉斯陰陽(yáng)學(xué)習理論及以上所述成果，進(jìn)一步發(fā)展、完善、系統化，并在智能金融、智能醫療、雷達信號識別等領(lǐng)域做了許多應用工作；另一方面，在徑向基網(wǎng)學(xué)習、獨立子空間學(xué)習、獨立分量分析、時(shí)序獨立狀態(tài)空間、運籌優(yōu)化等方向還做了不少基礎研究工作。根據資料檢索，徐雷的多個(gè)研究成果已被國內和歐美日等許多研究單位，廣泛應用于雷達、遙感、材料、機器人、無(wú)人駕駛、軟件工程、網(wǎng)絡(luò )發(fā)掘、精密制造、醫學(xué)圖像、生物信息等領(lǐng)域。

徐雷曾獲得數個(gè)國內外主要獎項和榮譽(yù)。1993年，徐雷獲國家自然科學(xué)獎。1995年，徐雷獲國際神經(jīng)網(wǎng)絡(luò )學(xué)會(huì )領(lǐng)袖獎。2006年，徐雷獲亞太神經(jīng)網(wǎng)絡(luò )學(xué)會(huì )最高獎——杰出成就獎，此獎每年僅獎一人，徐雷是榮獲此獎第三人，首兩位分別是日本智能領(lǐng)域的頭兩位大咖。此外，徐雷于2001年當選IEEE會(huì )士，成為中國最早的幾位會(huì )士之一，也是從計算智能學(xué)會(huì )當選的首位中國學(xué)者。2002年，徐雷當選國際模式識別學(xué)會(huì ) IAPR Fellow會(huì )士，成為最早獲選的幾位華人之一。2003年，徐雷當選歐洲科學(xué)院院士。

徐雷曾任9個(gè)國際學(xué)術(shù)期刊之編委，例如，1994起年擔任國際神經(jīng)網(wǎng)絡(luò )權威學(xué)術(shù)期刊Neural Networks的編委達22年，是首位擔任這個(gè)角色的華人。2001年至2003年，徐雷當選國際神經(jīng)網(wǎng)絡(luò )學(xué)會(huì )理事會(huì )理事，是中國學(xué)者最早當選的二人之一（另一位是當時(shí)的北京大學(xué)常務(wù)副校長(cháng)），并任Award committee委員。2007-08年徐雷任IEEE計算智能學(xué)會(huì )Fellow committee委員，是首位華人擔任該學(xué)會(huì )此角色。他還是首位獲任 IEEE 計算智能學(xué)會(huì )會(huì )士評審委員會(huì )的華人。

徐雷于2016夏全職到崗上海交大，任致遠講席教授、人工智能研究院首席科學(xué)家、腦科學(xué)與技術(shù)中心首席科學(xué)家、張江實(shí)驗室腦與智能科技研究院神經(jīng)網(wǎng)絡(luò )計算研究中心主任。在香港期間也一直致力于貢獻內地，為促進(jìn)中國神經(jīng)網(wǎng)絡(luò )領(lǐng)域的發(fā)展出力。2005年中國神經(jīng)網(wǎng)絡(luò )學(xué)會(huì )在總結其十五年歷程時(shí)，向為該領(lǐng)域在中國之發(fā)展做出貢獻者，頒發(fā)了三個(gè)獎，一是給國內學(xué)者的貢獻獎，羅沛林院士、吳佑壽院士獲獎；二是一個(gè)給外國學(xué)者的友誼獎，日本神經(jīng)網(wǎng)絡(luò )領(lǐng)域頭號大咖Amari教授獲得；三是給境外華人的長(cháng)期報效獎，由徐雷獲得。

面對如此豐碩的成果，徐雷卻自謙道，“我只是在科技‘奧運會(huì )’的某個(gè)項目為中國拿過(guò)獎牌，只不過(guò)就像很多優(yōu)秀的運動(dòng)員一樣，只能在很短一段歷史時(shí)間里做冠軍?！睂?shí)際上，徐雷的領(lǐng)軍時(shí)間并不短暫，從90年代初之后的一、二十年里，徐雷一直是神經(jīng)網(wǎng)絡(luò )和模式識別等人工智能領(lǐng)域中，中國人的一個(gè)重要代表人物。

人工智能將帶來(lái)哪些行業(yè)機會(huì )？

近年間，人工智能為多個(gè)傳統行業(yè)賦能，如醫療、金融、安防等行業(yè)都受到了深刻的影響。哪些行業(yè)更能吃到人工智能的紅利？下一個(gè)人工智能帶來(lái)的增長(cháng)點(diǎn)又將會(huì )出現在哪里？

對此，徐雷概括，凡是涉及到視覺(jué)和語(yǔ)音的行業(yè)都可能被人工智能所改變。人類(lèi)最主要的信息獲取渠道是視覺(jué)和聽(tīng)覺(jué)，自2006年Hinton團隊的工作以來(lái)，這一波人工智能的核心突破點(diǎn)正是讓機器“耳聰目明”。

以語(yǔ)音應用為例，由于人說(shuō)話(huà)快、寫(xiě)字慢，很多原本需要人們耗費時(shí)間精力記錄的工作可通過(guò)語(yǔ)音技術(shù)轉成記錄，如醫生手術(shù)記錄、打官司寫(xiě)訴狀、填表等，都是人工智能可以發(fā)揮作用的場(chǎng)景。視覺(jué)方面，我國對場(chǎng)景監控的需求越來(lái)越大，相關(guān)行業(yè)未來(lái)仍有較大增長(cháng)空間。不僅如此，人類(lèi)智能中最主流的信息獲取渠道就是視覺(jué)，70%左右的信息獲取來(lái)自視覺(jué)，如果一個(gè)人從小就失明，長(cháng)大后智能發(fā)展必然受損。人工智能也是同理，現在人工智能發(fā)展程度相當于達到了幾歲的兒童就能達到的視覺(jué)和聽(tīng)覺(jué)能力，在此基礎上開(kāi)發(fā)其他應用的空間是很大的。

徐雷指出，要挖掘人工智能在視覺(jué)和語(yǔ)音相關(guān)領(lǐng)域的新應用，關(guān)鍵在于找到還未被一窩蜂涌入又有經(jīng)濟增長(cháng)點(diǎn)的場(chǎng)景，這就是二次創(chuàng )新。

盡管人工智能應用前景廣闊，但在精密制造等領(lǐng)域，智能化進(jìn)程并不如人們預期的那么快。徐雷認為，這是由于進(jìn)入專(zhuān)業(yè)領(lǐng)域的人工智能人才過(guò)少，無(wú)論是來(lái)自高校的人才還是AI初創(chuàng )企業(yè)都很少選擇精密制造業(yè)的緣故。這類(lèi)領(lǐng)域需要從業(yè)者能夠同時(shí)在人工智能領(lǐng)域和特定專(zhuān)業(yè)領(lǐng)域具備研究水平，從業(yè)者要進(jìn)入相應領(lǐng)域的學(xué)習成本較高，這就導致大學(xué)老師和企業(yè)雙方都沒(méi)有強烈發(fā)展AI+制造的意愿。但一旦人工智能進(jìn)入制造領(lǐng)域，必能發(fā)揮更大的作用。

如今人工智能在醫療行業(yè)最重要的應用是醫療影像分析，也是中國有樣本優(yōu)勢有望問(wèn)鼎世界的領(lǐng)域。一來(lái)醫院已積累了大量影像片子，便于機器學(xué)習訓練；二來(lái)影像分析中人工智能的應用相對簡(jiǎn)單，只要識別、檢索、分割和標記影像即可，需要用到的醫學(xué)專(zhuān)業(yè)知識較少，因此人工智能可以順利投入應用。而在醫藥開(kāi)發(fā)這類(lèi)需要更多專(zhuān)業(yè)知識的領(lǐng)域，人工智能與醫療的結合依然很難。懂醫的不懂AI，懂AI的人不懂醫，甚至雙方想互懂的欲望都不大，應用自然落地維艱。徐雷認為，這與評價(jià)機制有關(guān)，學(xué)者研究新領(lǐng)域的時(shí)間成本高，發(fā)文章慢，又難以獲得適當的評價(jià)，造成動(dòng)力不足，這是AI與應用場(chǎng)景結合的關(guān)鍵難點(diǎn)。

行業(yè)機會(huì )與地方政策息息相關(guān)。談及上海人工智能產(chǎn)業(yè)的發(fā)展機會(huì )，徐雷對AI報道表示，從中國現狀來(lái)看，人才最集中的地區是北京，但是上海政府是布局人工智能最積極的地方政府。

一方面，從2018年起上海政府每年舉辦的世界人工智能大會(huì )WAIC，打造世界頂尖的智能合作交流平臺和行業(yè)盛會(huì )。并在大會(huì )上頒發(fā)最高榮譽(yù)SAIL獎（Super AI Leader，即“卓越人工智能引領(lǐng)者獎”），打造AI行業(yè)的“諾貝爾獎”，激勵全球范圍內在技術(shù)上做出方向性突破、應用創(chuàng )新，正在或將要改變未來(lái)生活的人工智能項目。

另一方面，在上海政府的優(yōu)惠政策下，很多來(lái)自北京、深圳的人工智能企業(yè)來(lái)到上海發(fā)展，為上海帶來(lái)了大量的人才。特別是上海經(jīng)信委積極建設人工智能應用基地，并在一年內連續發(fā)布了二十多個(gè)人工智能試點(diǎn)應用場(chǎng)景作為各個(gè)領(lǐng)域的示范，動(dòng)作是相對超前的。如果上海政府能夠堅持推動(dòng)下去，未來(lái)前景很可觀(guān)。另外，上海研究人工智能的力量更具備可聯(lián)合性，協(xié)同性較強。

2018年在上海舉辦的世界人工智能大會(huì )期間，多年未見(jiàn)的老朋友相見(jiàn)于黃浦江畔。從右邊起依次是Alan L. Yuille、 張旭、徐雷、鄧力。另外，左起是Michael I. Jordan和徐雷。

雙向智能應用初探

談及近兩年的研究成果，徐雷介紹，近期他正在繼續發(fā)展雙向智能，即將形象思維抽象思維和認知結合到一起，并繼續發(fā)展整體理論框架。前面提到，早在1991年提出的LMSER學(xué)習，就具備實(shí)現換臉功能的潛力，只是當時(shí)因算力所限沒(méi)有實(shí)現。但在那篇論文中，已討論和預言了多層LMSER的若干認知功能，如聯(lián)想、概念形成、心像、注意等。最近徐雷的學(xué)生，對多層Lmser進(jìn)行計算，不僅驗證了早年的預言，而且發(fā)現比目前相近的自編碼和U網(wǎng)，性能更優(yōu)越，尤其是樣本少、攻擊強的情況下。

推理是徐雷研究的又一方向?，F在的知識圖譜方法反映的是信息的相關(guān)性，不能揭示因果性。在借助人工智能進(jìn)行問(wèn)題推斷時(shí)，找出因果關(guān)系是更有必要的。1987年時(shí)，徐雷就曾涉獵因果推理，最近在這方面又取得了較大進(jìn)展。近年，中國全面啟動(dòng)了新一代人工智能重大科技項目。徐雷作為負責人，帶領(lǐng)上海交大、清華、北大、浙大、電子科大、上科大和阿里巴巴七個(gè)單位組成的團隊，成功申請下來(lái)最近公布的首批項目之一，就是要主攻這個(gè)方向，希望能夠獲得大的突破。

此外，雙向智能還能應用于許多類(lèi)似AlphaGo的場(chǎng)景。在人工智能領(lǐng)域中，AlphaGo做到的事實(shí)際上被叫做啟發(fā)式搜索和問(wèn)題求解?，F在很多人以為AlphaGo的成功關(guān)鍵在于蒙特卡洛樹(shù)的前瞻性搜索，但徐雷表示，這并不是AlphaGo成功的關(guān)鍵要素，在1986-1988年間，中國學(xué)者在研究啟發(fā)式搜索時(shí)就已提出過(guò)類(lèi)似思路。真正的關(guān)鍵在于用深度學(xué)習網(wǎng)絡(luò )來(lái)看到棋盤(pán)，猶如開(kāi)了“天眼”，認清了狀態(tài)并由此聯(lián)想，做到三管齊下。

徐雷總結稱(chēng)，下棋和做領(lǐng)導是類(lèi)似的，都要做三件事。第一件，是要先試幾步看一看，類(lèi)似于鄧小平做深圳特區先行探路。第二件，需要有仙人指路，指出這一盤(pán)棋能不能贏(yíng)，贏(yíng)面是多少，這類(lèi)似于大智慧者老子出面提示，起到的是堅定信心的作用。第三件，需要孫子相助，告訴從業(yè)者具體有幾種走法、走哪里是最好的策略，讓從業(yè)者選擇贏(yíng)面最大的走法。下棋也好，解決任何一個(gè)問(wèn)題也好，都需要三種人同時(shí)協(xié)同。AlphaGo之所以能贏(yíng)，就是因為用深度學(xué)習網(wǎng)絡(luò )開(kāi)了天眼、認了棋盤(pán)，同時(shí)做了“老子”和“孫子”。

而雙向智能的關(guān)鍵就在于形象思維認知和抽象思維相結合，雙向協(xié)同互補。過(guò)去只用抽象思維進(jìn)行問(wèn)題求解所遇到的困難，有望通過(guò)雙向智能獲得改進(jìn)。

一般認為，AlphaGo按最低使用率計算，能耗也高達3萬(wàn)瓦，是一個(gè)人腦的耗能一千倍。后來(lái)的AlphaGoZero 降到了其百分之十。我們希望運用雙向智能的耗能明顯小于A(yíng)lphaGo，希望僅通過(guò)一個(gè)很小的機器就可以做到。徐雷強調：“關(guān)鍵是要追求單位能耗下的智能?！?/p>

AlphaGo和AlphaGoZero由背靠Google的DeepMind公司研發(fā)而成，此外，世界上其他的巨無(wú)霸公司也先后投入了這場(chǎng)研究，如騰訊已推出圍棋AI“絕藝”，日本、法國也各有自己的圍棋AI。但徐雷認為，圍棋AI不應只有擁有巨大資源的巨無(wú)霸公司能做，希望僅用普通的機器也可以與它們對弈。

雙向智能的另一優(yōu)勢是魯棒性高。以刷臉應用為例，很多刷臉程序在應用時(shí)，框稍微動(dòng)一下，用戶(hù)的臉就識別不出了，雙向智能方法有望改進(jìn)這一困擾。

徐雷解釋道，通常的人工智能研究，要么單向地由外向內考慮識別認知，如現在大多數深度學(xué)習應用，要么單向地由內向外考慮思維與問(wèn)題求解。而雙向智能是兩個(gè)方向同時(shí)考慮，認知抽象的部分被叫做陽(yáng)，另一部分叫作陰，陰陽(yáng)和諧進(jìn)行。有趣的是，1981年諾貝爾獎獲得者羅杰·斯佩里的發(fā)現，左右腦皮質(zhì)區分為左右兩邊，一部分負責邏輯、分析，一部分負責認知，雙向智能理論與這個(gè)人腦分工理論是相容的。

沿著(zhù)在1991年提出Lmser的路子發(fā)展，引入概率理論，結合上面的思路， 徐雷在1995年進(jìn)一步發(fā)展提出了貝葉斯陰陽(yáng)學(xué)習理論。盡管陰陽(yáng)的概念源自中國，在西方面臨接受度的問(wèn)題，人工智能頂會(huì )NIPS在1995年會(huì )議還是接受了這個(gè)論文。它不但為許多現有統計學(xué)習主要模型提供了一個(gè)統一的框架，而且建立了一個(gè)易于計算的有限樣本下學(xué)習的新理論，可在參數學(xué)習的過(guò)程中自動(dòng)完成模型選擇。上世紀末，麻省理工整理20世紀腦科學(xué)和神經(jīng)網(wǎng)絡(luò )重要貢獻，出版經(jīng)典匯集《腦理論和神經(jīng)網(wǎng)絡(luò )方法》時(shí)，貝葉斯陰陽(yáng)學(xué)習理論也被收納其中。

AI新挑戰無(wú)可回避

人工智能蓬勃發(fā)展的同時(shí)，也帶來(lái)了一系列新的挑戰。

倫理方面，面臨最大爭議的研究領(lǐng)域是“增強智能”，特斯拉CEO埃隆·馬斯克正在研究的腦后插管就是一個(gè)代表性例子?！霸鰪娭悄堋敝荚趯⑷四X與機器直接連接，讓人能夠通過(guò)腦電波直接控制機器進(jìn)行交流。這部分研究對殘疾人是有意義的，但也提出了重大的倫理挑戰：這一類(lèi)人與機器的結合體是否依然能被稱(chēng)作人類(lèi)？

人工智能還可能帶來(lái)更為直觀(guān)的危險。比如，國外有人做出蝴蝶或蜻蜓大小的飛行器，攜帶著(zhù)烈性炸藥，通過(guò)人臉識別技術(shù)尋找特定對象并炸穿面部實(shí)施謀殺。目前，有3000多名人工智能從業(yè)者聯(lián)合簽名阻止上述研究，但以現有技術(shù)做出這類(lèi)“殺手機器人”已不成問(wèn)題。

更重要的是，人工智能減少人的勞動(dòng)，將導致失業(yè)問(wèn)題。隨著(zhù)人工智能逐漸替代人的勞動(dòng)崗位，用工成本漸低，未來(lái)財富很可能越來(lái)越集中到幾個(gè)寡頭手里，其他人卻越來(lái)越貧窮。而人的本性決定，大資本家掙錢(qián)后不會(huì )拿出來(lái)與普通百姓共享。

不過(guò)，失業(yè)問(wèn)題并非完全無(wú)解。徐雷認為，人工智能不斷改變人類(lèi)的生活形態(tài)，將造就行業(yè)洗牌的機會(huì )，舊的行業(yè)倒下后，也可能洗出新的領(lǐng)域。核心問(wèn)題在于如何創(chuàng )造出新的生活方式，在某個(gè)領(lǐng)域的從業(yè)者批量失業(yè)的同時(shí)，怎樣讓新的行業(yè)吸收倒下的行業(yè)。徐雷將該過(guò)程比作小孩搭積木，“現在有一些積木塊，我們用它搭出一個(gè)世界；后來(lái)有一天，小孩玩這個(gè)積木玩煩了，希望搭出新的一堆積木，拆拆搭搭總有事干?！敝皇?，人類(lèi)的需求并非無(wú)限增長(cháng)，因此新行業(yè)的創(chuàng )造存在極限。對此，徐雷寄希望于政府進(jìn)行統一管理，強有力地從頂層解決最關(guān)鍵的分配問(wèn)題，才有可能達到人工智能為勞動(dòng)者減負而不導致失業(yè)潮的狀態(tài)。

最后，徐雷談到了人工智能發(fā)展可能帶來(lái)人類(lèi)抽象思維能力下降的問(wèn)題?，F代計算機在西方智能高度抽象的基礎上建立而成，在計算機替代人類(lèi)完成很多抽象思維工作后，人類(lèi)的相應能力就得不到鍛煉。這意味著(zhù)人類(lèi)不只是工作在被替代，連思維能力也在被代勞的過(guò)程中逐步減退。

來(lái)源：圖靈人工智能