“必须认真对待认知模型自然语音处理带来的机会！” 理事长沈向洋认为，“‘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。”

（IDEA 数字经济研究院理事长沈向洋）

IDEA 数字经济研究院在理事长沈向洋的带领下正式成立，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，理事长沈向洋介绍到国内出现了不少原创性人工智能技术，如他的学生孙剑博士的团队研发的残差网络 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！” 理事长沈向洋认为，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。

但他认为距离真正的人工智能仍然有很远的路要走。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，这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！”理事长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，还发表了诗集；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，可以作词作曲。

“懂语言者得天下”，理事长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。如何能将这些学生培养成非常优秀的工程师、培养成研究型人才？

理事长沈向洋认为，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？”理事长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。暑假期间理事长沈向洋开设了一个论文阅读班，30 个学生 20 天读了 600 篇 CVPR 论文，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。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。” 理事长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。理事长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，”他认为必须要认真做科研，特别是在人工智能方面。人工智能下一代发展的道路方面，已经从很成功的深度学习走向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，理事长沈向洋相信只要大家一起，就能把中国的开源做得更加好。

IDEA 数字经济研究院在理事长沈向洋的带领下正式成立，并聚集了一批来自产业界和学术界的世界一流科学家和工程师。接下来，IDEA 数字经济研究院将聚焦几个大的研究方向，比如以智能制造业为代表的“蓝领”人工智能，以提高企业效益流程自动化为代表的“白领”人工智能等，在深圳打造更多数字经济产业，引领粤港澳大湾区的数字经济发展走向新高度。

部分图文源自《南方报业传媒集团南方+》