緬懷 | 湯曉鷗：人工智慧的興起與科學家創業的甘苦

人工智慧的興起

錢穎一：我們這兒有一位人工智慧的專家湯曉鷗教授。人工智慧在這一年受到了全球的關注，從清華本科招生的情況中就可以看出來。我作為清華經管學院院長非常高興地看到，今年清華計算機成了最受追捧的專業，顯然跟人工智慧是緊密相關的。在過去的幾十年，你一直從事人工智慧的研究，所領導的在中國研究團隊的實驗室，入選全球十大人工智慧先鋒實驗室，做得非常出色。我想請你來講講，人工智慧在過去這幾年的突破，根本原因是什麼？人工智慧在未來的10年，哪些方面還會有新的突破？哪些方面不太可能有重大的突破？

湯曉鷗：非常感謝今天邀請我過來。這裡是中國最頂級的、最大的舞台，但是來了以後，沒有想到這個「舞台」這麼小（指報告廳的前台）。

人工智慧為什麼變得這麼熱？從更高的層次講，我跟饒毅的觀點有一點像。如果不做人工智慧，反過來說，那就是一種說法，就叫「自然的傻瓜」，所以不得不做人工智慧。這個領域為什麼會興起來？從20世紀50年代開始就在做人工智慧了，但是從50年代到2011年，我們真的是做得太差了。2011年，其實我們大家都不敢把自己的領域叫人工智慧，有做多媒體的，有做計算機視覺的，有做機器識別的，有做語音識別的，沒有人說自己是做人工智慧的，因為什麼都沒有做出來。

但是現在如果不管自己的領域叫人工智慧，根本就融不到錢。所以每個人都管自己的領域叫人工智慧。2011年是一個分水嶺，為什麼會有這個分水嶺呢？有四個方面原因。

第一，需求。之前手提電腦非常多，雖然這個電腦能移動，但是大部分情況下，人們不會拎著電腦去吃飯，不會出去旅遊拎著電腦拍照。手機出來以後，攝像頭變成了人的第三隻眼睛，我們在微信上發得最多的就是照片或者是視頻。一圖勝千言，這時候產生了大量的數據，這些數據要分析，所以有剛需，這是第一點。

第二，產生了大量的數據。這個量起來了，有手提電腦的人，1萬多塊錢一台還是很少的，但是紅米手機一出來，500塊錢一台，一個農民兄弟有兩個。不到1億的用戶一下子變成10億、20億的用戶。數據體量出來了，也是產生了訓練數據的激烈競爭。

第三，硬體的訓練平台。原來我們用CPU、用超級計算機的時候，做人臉識別用了1000多個核，要跑兩個月才能把一個算法跑出來。後來採用GPU，6台機器、10台機器，6個小時就跑出來了。所以，這給了實驗室和小公司能力做這個事情。

有了前三樣還是做不了，深度學習的框架允許我們做端到端的學習。

十幾個人手設計的參數想解決全球的問題，設計各種各樣的便捷條件，結果到現實中一用，沒有一個條件是滿足的，馬上就不管用了。發表了大量的文章，一出來用不了。

深度學習用網絡框架，允許我用幾千個、幾萬個、幾十億個參數，乾脆不用去理解，直接覆蓋就好了。這個時候再推出來，就可以在一些單向的應用上超過人類。在單向的應用上超過人的操作，就是可以代替人類來做這個工作。所以說這幾個原因加起來，實際上是取得突破的主要原因。

近期和遠期人工智慧在哪些領域是可以突破的呢？我覺得有三個方向用得比較多。一個是語音識別，這個相對成熟，也是第一個突破的。緊接著就是視覺，現在的主戰場就是在視覺領域。我們先把聽的能力解決了，第二個是看的能力。看的能力的場景是非常多的，這個是目前的主戰場。第三個就是對自然語言的理解，是我們真正的大腦的功能。這件事情目前完全沒有解決。關於視覺這個領域，回過頭來我們講到工業應用時再講。

人工智慧在自然語言領域的應用變得很熱，很多公司推出對話機器人，包括國外的公司。但是實際上這是一件非常難的事情，因為要求的背景知識和各種條件非常多。比如說我講一句話：上次你交給我的事情我給你辦了。「上次」是哪一次？是昨天、前天，一個星期前、一個月前、一年前？不知道。這個「事情」是關於什麼事情？這個也不知道。所有這些背景都要知道，才能理解這句話，這需要非常多的信息。或者我評價一下台上的人，今天有化學家，有物理學家，有生命科學家，有「賺錢學家」，其實我說的是企業家。你說你是做經濟的，跟我太太一個行業的，我管你們都叫「忽悠學家」。你想想，對自然語言的理解，機器怎麼能做得到？「忽悠」這個詞，是我們「東北特產」，一般人是理解不了的。

要想真正理解我們這些對話是很難的。現在市面上的智能產品是什麼呢？就是出門的時候找一些餐館，問在哪兒看電影，諸如此類這些固定的場景。還有一些機器人，好像是能跟人很聰明地對話，實際上這些機器人，好多五點鐘要下班的。我當時納悶為什麼要五點鐘下班呢？因為後台有人在幫助解決問題，後台的人下班了。這是核心的點。

是不是中國人這麼忽悠呢？其實不是的。我有一個學生在蘋果公司工作，他有一段時間很核心的工作就是召集各個團隊的人過來每周開會。這些人就是來回答反饋回來的最難的那些問題，問得最多的問題，需要他們給出一個標準答案，每次回答就是那個答案了。

所以實際上這個不是人工智慧，是「人工智障」。我兒子對這個最喜歡，他拿了機器以後就罵，人家不理他，他就拿兩台機器，讓它倆對話。一直也沒有罵起來，因為後台的人不罵。

我再講一個長遠的，人工智慧到底可能不可能控制人類？這個事情講的是最多的。

你聽到的名人、網紅講的所有的事情，都是不可能的事情。這就夠了，怎麼說呢？我們做這個行業的人，在第一線做的時候很苦。過去幾十年一直沒有做出什麼來，不好意思見人。我招生的時候說，到我們這個行業來，因為我們這個行業會持續很長時間，因為我們這個行業一輩子都做不出來。我們每年的成長速度是，前一年1%的成長，你算一下，22%到100%需要80年，這個活兒，我們是準備干80年的。深度學習一出來，我們真的是幾年以內就干到了將近70%，識別率是95%以上。

如果有一天我們這個領域的大佬從實驗室出來了，說我解決了機器人控制人類這件事情，我覺得只能說明一件事情，就是他該退休了，因為他太老了，這是絕對不可能的事情。一個是不要相信權威，權威說的話不一定是這個領域的權威。當然我的話是可以信的，因為我也不是一個權威。

錢穎一：今天你說的最權威的一句話是：不要相信權威，但是你不是權威，所以你的話是可以信的。你來評價一下現在AI領域的投資，熱得不得了，你來評價，因為你是這裡面的專家。AI的技術水平，咱們國家的這麼多的研究團隊，他們的研究水平跟世界其他的國家相比，現在是處在一種什麼樣的狀況呢？原來是否法國人比較厲害呢？現在是不是還是美國的技術最好呢？

湯曉鷗：這個今天講不完，我簡單講一下。現在國家的規劃是，到2035年趕上世界先進水平，大概是18年以後。核心研究，比如深度學習算法，真正的最早做的一批人，實際上確實是沒有我們什麼事兒。2006—2011年很多人做了很多的工作，他們在學術界受到了很大的打壓。他們的前期研究沒有跟傳統的算法結合，不懂視覺，不懂語音，拿深度學習的理論去拼，拼不過。所以說，實際上他們是蠻痛苦的。但他們堅持下來了，2011年跟微軟合作，微軟懂語音以及深度學習，又有大量的數據，雙方一結合，就真正做起來了，2012年開始發展起來，谷歌、臉書就把他們給收到公司里了，這一下子就發展起來了。

中國人在裡面其實沒有起到什麼作用。在2011年的時候，很幸運，我在微軟研究院管過那個視覺組，有很多的合作，所以我第一時間聽到了「深度學習」這個事情時，我們就壓上了。現在學術界有一個特點，越「大佬」的學校越是不願意轉向，如果我做傳統的，你讓我做深度學習，我就承認我輸給深度學習了。但是我們轉得很快，我們在傳統領域做得相當好，體量又大。轉向以後，在前三屆的學術會議上，總共有29篇文章涉及深度學習的研究，我們一個實驗室做了 14 篇文章，將近占了全球研究的一半。在2014年人臉識別技術上，我們的技術是第一個超過人類眼睛功能的，後來跟谷歌競爭，取得了很好的成績。我們開始做新的、實際的算法，18個專項技術，我們都是全球第一個做的。我們在起跑線上沒有輸，一直是領先的。但是基礎研究領域，沒有我們什麼事兒。

再往下走，我們擁有大量的數據，這個數據肯定比美國大，我們的人口就是美國的五六倍，我們有很多的應用場景，我就不說了。

從國家的相關法律方面講，其實是沒有那麼嚴格的。在限制方面，不像美國的法律制度很嚴，中國的這個領域現在是一個灰色地帶。所以我相信中國是有很多優勢的，應該是不會太落後的，所以我還是很看好中國的人工智慧的發展的。

左起：錢穎一、克比爾卡、馬化騰、張首晟、饒毅、湯曉鷗

科學家創業

錢穎一：請問湯教授，你聯合成立了商湯科技，目前被投資界非常看好，我想你的被看好肯定不是忽悠，大家確實是覺得你的公司很有價值。你剛才說了很多，是站在科學家的角度，對AI做了評論。下面轉換角度，你作為這個公司的創始人，這時候看問題的角度就不同了。人工智慧有很多應用的領域，作為公司要有市場價值和實現的目標。在你看來，人工智慧在近期或者是5年這樣的一個時間段內，哪些領域會有非常大的或是真實的市場價值？

湯曉鷗：剛才提到，克比爾卡教授2002年成立了公司，我在2002 年左右也成立了一家公司，叫美圖，我們做人臉識別、攝像頭、VR，做了一年就關掉了。我發現技術也不夠，人才也不夠，我沒有辦法再做科研了，覺得這個是不可能做的事情。在中國做原創要先做積累，再出來做公司。

2011年左右我開始再準備，那時候人也夠了，100多個博士已經培養完，我有準備。你知道我太太的脾氣，她堅決反對，她說不，就不。我在猶豫，成立一家公司非常難，但是不做，真的是很難再積累這麼強的100多人了。最後她的一句話提醒了我，她說：以你的情商和智商，公司做一年就倒閉了，上次就是。我一想，這下子可以做了，大不了就一年倒閉。

錢穎一：你太太是經濟學家。

湯曉鷗：人家說這是痛並快樂著，我覺得只有痛，沒有快樂。在國外創業，成功的機率非常小，在中國再縮小十倍，機率非常小。前面有谷歌、Facebook、微軟這些大的公司，後面有一些中國的小公司，旁邊還有政府的定向支持，上面還有兩座大山，兩座姓馬的大山。今天政府也不在這兒，谷歌也不在這兒，「大山」中的一座在這兒。

中國三分天下的局面已定，很難有機會讓一個企業再成長起來了，不管是做科技還是什麼行業，這個壓力很大。大家很早就要站隊。在國外是沒有這樣的現象的，跟谷歌做什麼事，就不能跟微軟做事了，沒有這樣的道理。但是在中國基本上是這樣的局面。這件事回頭請馬先生再講。

從我們的角度來說，我們很願意跟這幾家公司合作，雖然我們做學術的很有骨氣，大丈夫不為五斗米折腰，但是如果是六斗呢？比五斗多一斗。剛才說的一句話很重要，其實不存在一個獨立的AI行業，AI行業一定要跟場景和各個應用行業對接，跟網際網路是一樣的，如果只有網際網路，只連起來，什麼事也不幹，就剩玩兒了，也不行。這其實是一個賦能的產業，可以把各個行業的效率提高，就像谷歌，其實谷歌做無人駕駛，做AlphaGo，不是靠這個賺錢，是深度算法把搜索的效率提高了30%、50%，每一個點就意味著幾個億、幾十個億的產出。無人駕駛一開始看前景很好，現在已經分離出來了，基本上也不可能成為下一代的一個產業，就是做著玩兒。

真的是要跟各行各業結合才有發展，這個是非常非常重要的。你如果問我說哪些行業是重要的，短期是哪些，長期是哪些，對我們來說，第一步是要活下來，所以我們不能挑那些高大上的事情來做。第一步先做安防，因為安防方面，國家花的錢最多，安防非常重要，錢都花在那裡。我們要做是因為要活下來，首先要賺錢。然後是手機，手機應用有很多的需求，視覺、圖像等。我們跟高通，跟各個手機廠商包括三星，都做一些合作，這個是直接落地的，簽的都是大的合作訂單。第三個就是中國特色的「直播」，網上直播其實需要很多很多的視覺技術，不管是廣告植入，還是做各種特效，現在很多直播的App，其實最初都是我們提供的後面的核心技術。現在我們也在往前走，也在跟一些合作夥伴做這些事情。這幾個是可以直接見效的。也包括金融，我們跟銀行、跟P2P公司合作，中期或者是長期，金融肯定是發展的一個領域，用戶是外表的，核心的是大數據運算，提高效率，或者是智能投資顧問這些方面。

靠算法賺錢的投資，這個行業已經存在很久了，但是一個算法管用了，大家都用，就跟沒用一樣。緊接著是深度學習，誰先用誰先賺一把。還可以做其他的事情，比如說做保險，可以遠程定損，可以幫助他們定點地給客戶打電話，提高效率。自動駕駛、晶片、醫療這幾個領域，5—10年內AI肯定是有很大的應用。

剛才講了人工智慧替代什麼樣的職業，實際上就是頂替那些帶「老」字的職業，就是老司機、老醫生，需要積累很多很多經驗的。

錢穎一：包括老教授嗎?

湯曉鷗：不包括人工智慧的老教授，因為總要有人教他們。神經學領域你也放心，咱們兩個肯定是沒有問題，物理學領域我就不管了。為什麼說這三個領域一定是可以做的呢？因為大數據的積累。但是真正落地的時候，其實是要腳踏實地來做這個事情，是要真正從原創技術開始做。

在中國有一個特點，就是大家喜歡一擁而上。現在很多人會問我，說湯老師，為什麼現在有這麼多的企業支持做晶片，做醫療和自動駕駛？為什麼這三類企業這麼多？我說這三類企業5—7年之內是不會賺錢的，但是投資人不會說你怎麼還不賺錢，所以怎麼忽悠都行。這個行業「忽悠」是最多的，好多人拿給我看，全人工智慧晶片，讓我們調研一下。我就問：你這個全人工智慧晶片怎麼弄的？晶片是大企業做的，你怎麼把這個事做了呢？他說先把錢拿到了再找人。這個是完全不靠譜的東西，但是已經融資了。踏踏實實地做，其實是有很多事情可以做的。自動駕駛領域有30多項技術，真的是要好好做。我們隊伍里一半的人在做自動駕駛，因為這個門檻是最高的。

晶片不能自己做，一定要跟大的晶片廠商合作。汽車也是一樣的，一定要跟汽車廠商合作，OEM廠商來做，它們是有百年的經驗，你只是作為其中「大腦」的一部分。醫療領域就更不用說了，牽涉各行各業，還牽涉法律方面的事情。醫療事故是怎麼出的，我也不清楚。

後面的事情是特別多的。所以這個真的是需要從很高的層面，或者是通過大的公司來做這些事情。小公司大量融資，最後幾百家公司「百花齊放」，結果就會很亂。

經常有人問我：湯教授，我一直不明白，我們公司的人跟我講，自己也做人臉識別，也做圖像識別，準確率跟你們也不相上下，你們到底有什麼不同？我就回答說：我們寫了第九交響樂，他們會演奏第九交響樂。如果你想聽第十交響樂、第十一交響樂、第十二交響樂，我們可以談。

（本文節選自錢穎一著《錢穎一對話錄：有關創意、創新、創業的全球對話》）

《錢穎一對話錄：有關創意、創新、創業的全球對話》

錢穎一 著

ISBN：978-7-100-18650-6

商務印書館

2021年3月第1版，2023年11月第3次印刷