CN/EN
AI领域顶尖学者沈向洋:要走出一条培养中国研究型人才的道路
2020-11-01
分享:
人工智能向前走,应该往哪里走?2020年11月1日,在深圳全球创新人才论坛上,世界AI领域顶尖学者、粤港澳大湾区数字经济研究院理事长沈向洋回答了上述问题。

“必须认真对待认知模型自然语音处理带来的机会!”沈向洋认为“懂语言者得天下”,在人工智能道路上,认知智能方面依然是发展的短板,也是下一步人工智能发展的关键,包括如何认知模型,如何进行常识建模和因果推理。

(AI领域顶尖学者沈向洋)

在活动上,沈向洋介绍粤港澳大湾区数字经济研究院正式成立,未来将借助深圳的优势,打造更多数字经济产业,令大湾区的数字经济发展走到一个新的高度。

从深度学习到深度理解

过去十年,中国人工智能的发展有了巨大的进步。客观来讲,在某些方面人工智能技术已经走在世界前列。在论坛上,沈向洋介绍到国内出现了不少原创性人工智能技术,如他的学生孙建博士的团队做的残差网络ResNet已成为每个人、每个公司都在用的算法。

“我们的感知智能已经做得非常好!”沈向洋认为人工智能发展日新月异,非常了不起的是通过大数据拥有了强大的算力,最近更是有了深度学习为代表的精准算法。事实上计算机视觉、计算机语音方面,人工智能已经超越人类的能力,比如语音识别的错误率。

但沈向洋认为距离真正的人工智能仍然还有很远的路要走。在演讲中,他表示认知智能方面还是目前人工智能发展的短板,也是下一步发展的关键,其中包括如何认知模型,如何进行常识建模和因果推理,注重的是自然语言处理。

“在自然语言对话中,一般个人助理只能做两三次对话,而小冰可以来回做23次对话,这是特别了不起的!”沈向洋介绍了一个人工智能产品——小冰,通过机器学习,小冰已经在人工智能方面做出了很大成绩,比如三年前她就可以作诗,发表了诗集,去年她已经在中央美院毕业,可以画油画,今年在上海音乐学院毕业,可以作诗作曲。

“懂语言者得天下”,沈向洋表示在接下来的人工智能发展中,必须认真对待认知模型自然语音处理带来的机会。

从人口红利到工程师红利

改革开放以来,中国大力发展教育事业,大学生数量逐步上升,去年有超过800万大学生毕业,其中一半的大学生是理工科。这些学生如何能培养成非常优秀的工程师、如何能培养成研究型人才?

沈向洋认为作为一个研究型人才,至少需要掌握分析技能,比如读论文、做实验、写论文、做报告,这是研究型人才的基本要求。以“读论文”举例,阅读的本质是把作者的观点解剖成一小块,放到自己的认知中,这样才有了深度阅读和浅度阅读的差距。

那么“为什么研究论文难读?”沈向洋认为最主要的问题是作者和读者之间有一道巨大的鸿沟,作者写东西出来,而读者却领会成另一个意思。他从三个角度进行了解释,第一是大多数英文论文作者的母语都不是中文,语言环境不同;其次是读论文需要很强的专业背景知识;第三是不知道读不懂时怎么办,更不知道读完后应该读什么。

如何培养研究型的人才?共享可能是答案。暑假期间沈向洋做了一个论文阅读班,30个学生20天读了600篇CPPI文章,每篇文章需要回答十个问题,这些问题共享上网,后来的学生可以继续学习改善。通过这样的方法,将个人阅读变成集体社交阅读。

“我们要做的就是培养下一代了不起的AI科研人才,他们可以驾驭科技,造福人类。”沈向洋认为在培养工程师人才、AI人才的过程中,要重视研究型人才的培养。

从开源到开放

过去40年中国科技快速发展的过程中,有两个非常重要的因素:一是互联网,二是开源。通过互联网,可以看到全世界最新最好的工作,而开源则让中国的发展可以站在前人的肩膀上做得更高更远。

那么今天的中国开源应该怎么做?首先,开源是文化的问题。中国目前已经有很多做得很好的榜样,很多大厂、大学都开始重视开源。沈向洋提醒到考虑开源问题,一定重视工具,如何帮助中国的程序员更好地贡献开源。同时要考虑平台,如何在建设自己的平台的同时和国际上已有的平台接轨,要走出一条自己的道路,如何引领中国的开源和世界的开源。

“发展是第一要务,”沈向洋认为必须要认真做科研,特别是在人工智能方面,在人工智能下一代发展的道路方面,相信已经从很成功的深度学习到未来深度理解的探索。“人才是第一资源,”要走出一条培养中国研究型人才的道路,从人口红利到工程师红利,到科学家红利。“创新是文化的问题,”开源是机会,沈向洋相信大家一起就能把中国的开源做得更加好。

本文转载自《南方报业传媒集团南方+》

TOP