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甲子，但對于大多數(shù)人來說，從2016年AlphaGo戰(zhàn)勝圍棋世界冠軍李世石開始，才對人工智能略有耳詳。在此之前，人工智能在大眾輿論場中幾乎是長期沉默的。

但從學(xué)術(shù)界的視角來看，對人工智能的研究，猶如在盤山公路上爬坡，從未停止過。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(jì)八十年代初就加入這個領(lǐng)域的老一輩研究者，談及隨機霍夫變換RHT、分類器組合、對手競爭學(xué)習(xí)RPCL、非線性PCA學(xué)習(xí)、Mixture of Experts, EM 算法，LMSER學(xué)習(xí)、BYY 學(xué)習(xí)等神經(jīng)網(wǎng)絡(luò)和模式識別領(lǐng)域中的多項先驅(qū)成果時，都繞不開他的名字。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，徐雷做出了多個廣為引用的成果。2001年當(dāng)選IEEE Fellow，是從計算智能學(xué)會當(dāng)選之首位中國學(xué)者；2002年當(dāng)選國際模式識別學(xué)會 Fellow，是最早獲選的幾個華人之一； 2003年當(dāng)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(dāng)下人工智能浪潮的深度學(xué)習(xí)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）會議中發(fā)表了四篇論文，并三次擔(dān)任NIPS大中華區(qū)的聯(lián)絡(luò)人。

徐雷曾榮獲多個國內(nèi)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)會領(lǐng)袖獎、06年亞太神經(jīng)網(wǎng)絡(luò)學(xué)會最高獎杰出成就獎（首位獲獎華人）。

為了解人工智能研究的歷史、現(xiàn)在與未來，AI報道（AI Report）拜訪了徐雷教授。這位在國際舞臺上為中國贏得聲譽的科學(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(nèi)AI圈中很多人想得那么樂觀。

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(shù)、發(fā)表論文數(shù)等數(shù)項指標(biāo)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(rèn)為，要講清這個問題，最好先看一下這一波人工智能熱潮是怎樣發(fā)展起來的。

這一波人工智能熱潮起點源于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(xí)論文，經(jīng)過在學(xué)界的幾年孕育以后，引起IBM，微軟、谷歌等企業(yè)跟進推動，尤其是中國互聯(lián)網(wǎng)產(chǎn)業(yè)的蜂擁而入，才有了現(xiàn)在人工智能大發(fā)展的盛況。這波熱潮有下面三個主要支撐：

（1） 理論方法 Hinton在2006年的工作源頭其實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(xí)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(xiàn)今的基本家當(dāng)，例如，卷積網(wǎng)絡(luò)、生成網(wǎng)絡(luò)，自編碼學(xué)習(xí)、變分學(xué)習(xí)、以及包括LSTM在內(nèi)的各種遞歸網(wǎng)絡(luò)，大都來自于那個時期。近年來的發(fā)展主流，基本上是這些方法的應(yīng)用、拓展、和各種集成，當(dāng)然也有一些如GAN學(xué)習(xí)等基礎(chǔ)研究突破。

（2） 芯片算力 馬斯克的OpenAI 認(rèn)為，2012-2017六年間AI計算力6年提升30萬倍。保守估計九十年代初到2006年的算力增長就算只有它的十分之一，那也意味著做2006年需要20分鐘算的問題，九十年代初中期要算一年。當(dāng)時的基礎(chǔ)研究提出了各種方法，但不可能通過計算得到驗證，所以才會有一、二十年的滯后期。Hinton在1986年后的二十年再續(xù)前緣，既反映他的執(zhí)著，也是歷史的圓滿。

（3） 大數(shù)據(jù)和互聯(lián)網(wǎng) 九十年代初采集用于語音識別的數(shù)據(jù)都已經(jīng)十分困難，采集人臉圖像數(shù)據(jù)則難度更大。就算那時有算力，也不可能有足夠大量的數(shù)據(jù)來訓(xùn)練，以確定深度神經(jīng)網(wǎng)絡(luò)中的大量參數(shù)。2009年原微軟人工智能首席科學(xué)家鄧力邀請Hinton來到微軟，利用他們在語音領(lǐng)域積累了多年的大數(shù)據(jù)，嘗試了深度學(xué)習(xí)的應(yīng)用，發(fā)現(xiàn)用深度學(xué)習(xí)進行語音識別比原來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(shù)據(jù)集，并從2010 年開始開啟了每年一度的ImageNet 挑戰(zhàn)賽（通過互聯(lián)網(wǎng)和眾籌），解決了計算機視覺的大數(shù)據(jù)獲取問題。

在上述三大支撐中，第三個是我國的明顯強項。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)勢和社會的需求，語音、圖像、以及其他大數(shù)據(jù)的獲取都遠超歐美。而通過雄厚的資金投入，也購買獲得了巨大的算力，這些催生了國內(nèi)許多獨角獸公司出現(xiàn)和飛速發(fā)展。2012年，Hinton團隊在ImageNet首次使用深度學(xué)習(xí)完勝其它團隊，神經(jīng)網(wǎng)絡(luò)層數(shù)只有個位數(shù)。商湯的團隊在2016年ImageNet圖片分類中做出最佳性能時，用得神經(jīng)網(wǎng)絡(luò)層數(shù)是1200多層。

語音識別和計算機視覺這兩個“耳聰目明”領(lǐng)域快速進入商用，這大大推動了這波人工智能浪潮在世界范圍內(nèi)的高漲。與此同時，主要集中在這兩個領(lǐng)域，中國學(xué)者發(fā)表論文數(shù)與日俱增，國內(nèi)也出現(xiàn)了許多獨角獸公司。從總量來看，在企業(yè)數(shù)、發(fā)表論文數(shù)等數(shù)項指標(biāo)上都已達到了世界第二。甚至可以說，在刷臉場景下，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， 粗略地，人工智能可以從機器模擬“耳聰目明”、形象思維、和抽象思維三個方面來考慮。早在1975年，錢學(xué)森先生就提出，常用而重要的智能活動其實在形象思維。而那時候，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(guī)則，由底朝上逐步組合搭出一個體系。這種思維有利于抓住主要脈絡(luò)，解釋所看到的現(xiàn)實世界。 但是，針對“耳聰目明”這類識別認(rèn)知活動，反而遇到很大困難。盡管有時被稱為初級智能， “耳聰目明”卻是思維的基礎(chǔ)，AI發(fā)展的前半段其實走了建“空中樓閣”的彎路。

而這次人工智能浪潮就是從“耳聰目明”這個形象思維的基礎(chǔ)突破的。做法很簡單，數(shù)學(xué)上完成一個X到Y(jié)的一個整體性的映射，用一個深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來實現(xiàn)?？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，而且也是過去一路走來致力于推動“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(dǎo)師清華大學(xué)常迵院士（1917-1991）和博士后導(dǎo)師北京大學(xué)程民德院士（1917-1998），在上述時期則領(lǐng)導(dǎo)了中國模式識別的發(fā)展，建立了我國智能科學(xué)的第一批三個國家重點實驗室，其中兩個主攻模式識別與機器認(rèn)知，并在我國學(xué)科設(shè)置上正式開出了模式識別的相關(guān)專業(yè)，近年來我國在 “耳聰目明”方面能夠人才濟濟，應(yīng)當(dāng)回溯到當(dāng)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(xiàn)實基礎(chǔ)，是有大量數(shù)據(jù)、大量需求，和大量投入。影像醫(yī)療就是另一個我國依靠樣本優(yōu)勢有望快速趕超的領(lǐng)域，僅北京腫瘤醫(yī)院一個月胃癌的門診病歷數(shù)就超過全美胃癌患者一年的門診量。中國還有不少有明顯的樣本優(yōu)勢的其它應(yīng)用領(lǐng)域，都有望能快速看到應(yīng)用效益，并問鼎世界。即使如此，現(xiàn)在也不到聲稱中國AI在應(yīng)用方面已經(jīng)領(lǐng)先的時候。例如，在語音識別和語言翻譯方面，Google的水平優(yōu)于國內(nèi)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，尤其是類人或特種機器人，離美國的波士頓動力機器人的水平，國內(nèi)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，我們的差距更大。

在芯片方面，設(shè)計各種專門的人工智能芯片，是可以有望很快趕上甚至超越的。但是在芯片的制造上，卻有一段很長的路要趕。而制造能力才是基礎(chǔ)，造不出來的設(shè)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)問鼎全球，現(xiàn)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，東方文化注重集成、注重整體應(yīng)用，這是一種優(yōu)勢；西方注重基礎(chǔ)，注重造芯片，這是另一種優(yōu)勢。取人之長補己之短，把別人的芯片集成過來直接使用不失為上策，東西方文化融合、互補，才能給發(fā)展人工智能帶來更好局面；只有在行不通時，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給我們使用。

80年代初期的歷史或值得我們借鑒：當(dāng)時中國要買美國的一些計算機設(shè)備，都面臨西方所謂巴黎統(tǒng)籌委員會對我們的掣肘。因此，中國不斷跟蹤研制，一達到一個新的水平，他們就會批準(zhǔn)把更一高檔的設(shè)備賣給中國?？梢姡诋a(chǎn)業(yè)發(fā)展時，不一定要樣樣自主做，以小得多的代價跟蹤，最優(yōu)配置資源，也許更佳，但要清楚讓人知道，需要的時候，我們是有能力自己做的。

要在人工智能理論方法的基礎(chǔ)研究達到世界領(lǐng)先水平，中國也仍然是任重道遠。目前來自中國的論文，大多是在偏應(yīng)用性質(zhì)的會議上發(fā)表，能沖進NIPS論文不多，還達不到能在NIPS這個基礎(chǔ)研究的頂會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)會或其他單位自定的頂級會議上可以發(fā)表，并不追求是否能被別人大量的引用、跟隨和應(yīng)用，而追求從0到1突破的努力更是鳳毛麟角。尤其令人擔(dān)憂的是，大多數(shù)大學(xué)和研究機構(gòu)發(fā)出的論文，還都是通過直接用別人的開源程序計算的。

徐雷接著說，前面提到，中國人的思維是從頂向下的，忽略基礎(chǔ)創(chuàng)新，重視整體把握、應(yīng)用集成，追求“短、平、快”，最后一點是尤其堪憂的。大家都離起跑線不遠時，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(dǎo)師常迵之問。第一次常先生問付京孫教授：“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、四年后付先生再來華訪問，常先生再問“還差幾年”， 付先生答“七、八年”。類似的故事，在基礎(chǔ)研究起關(guān)鍵作用的階段，其他領(lǐng)域也出現(xiàn)過。徐雷希望，這個故事不會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(wěn)下來、整頓盤整的期間，能慢慢沉下來，回歸到一些基礎(chǔ)研究。‘耳聰目明’ 的基礎(chǔ)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際應(yīng)用。希望中國學(xué)者未來在形象思維、抽象思維等基礎(chǔ)研究領(lǐng)域有更多貢獻。”

在科學(xué)“奧運會”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張旭院士（左二）、同濟大學(xué)副校長蔣昌俊教授（左三）、和徐雷教授（左四）發(fā)WAIC SAIL獎的評審專家的聘書。徐雷教授在去年和今年都擔(dān)任了SAIL獎的終評會審專家。

盡管徐雷已過花甲之年，但他仍保持著高強度的工作，帶領(lǐng)著團隊奮戰(zhàn)在科研第一線?！拔野岩簧臅r間都用來拼搏了，我自認(rèn)為是一個很拼的人?！毙炖走@樣評價自己。這位發(fā)已斑白的老人始終保持著簡樸的生活，除了工作外，徐雷很少有別的愛好，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(fù)高考前，徐雷曾在云貴交界的一處煤礦工作。1977年，在恢復(fù)高考后的第一次招生中，徐雷走進了考場，進入哈爾濱工業(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(dǎo)師的第一個碩士生和第一個博士生。1987年，徐雷來到北大，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(dāng)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》《自動化學(xué)報》在內(nèi)的國內(nèi)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議上發(fā)表論文九篇。其中，1987年發(fā)表在UAI會議上的一篇論文最早將二值變量貝葉斯樹之學(xué)習(xí)拓廣到高斯變量，開實變量貝葉斯網(wǎng)學(xué)習(xí)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)典專著中，成為了專門的一節(jié)。

還有一篇發(fā)表在國際模式識別大會ICPR上的論文，是口頭報告，因為當(dāng)時外匯有限，不能出去開會。會后當(dāng)時的國際模式識別學(xué)會主席 Pierre Devijver（？-1996）卻給徐雷來了一封信，說他沒有時間事先獲得許可（當(dāng)時國內(nèi)還沒有電郵），就主動幫徐雷代做了口頭報告。Devijver當(dāng)時并不認(rèn)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(rèn)為那篇論文應(yīng)該被介紹。當(dāng)今國際模式識別學(xué)會的大獎，最重要的獎項是以付京孫（K.S.Fu）命名的，而另一個主要獎項是P.Devijver獎。

1988年，在時任國家主席在北京人民大會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，北大視覺與聽覺信息處理國家重點實驗室的主任石青云教授找他談，告知領(lǐng)導(dǎo)有意讓他接任做主任，該實驗室是當(dāng)時國家首批智能科學(xué)相關(guān)的三個國家重點實驗室之一。此時，擺在徐雷面前的本是一個順理成章進入仕途的機會，但他毅然決然地放棄了。徐雷認(rèn)為，在世界范圍內(nèi)，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，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(shù)學(xué)家代表團來訪問中國，周總理一時很為難，不知道該找哪些數(shù)學(xué)家去接待。此時代表團提出，中國有個杰出年輕數(shù)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那個年代的知識分子，從此徐雷立下志向，一旦國家需要，也要能為國爭光。

實際上，后來徐雷的確以中國自己培養(yǎng)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，留下了多個中國人的印記，實現(xiàn)了當(dāng)年的愿望。

1989年至1993年，徐雷輾轉(zhuǎn)于歐美當(dāng)時相關(guān)學(xué)術(shù)領(lǐng)域的四個領(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(dāng)時加拿大模式識別領(lǐng)域的領(lǐng)軍團隊。徐雷在1991年9月以訪問學(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，徐雷研究著名的霍夫變換有突破性進展，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，提出了分類器組合的三級框架并討論了多個組合方法, 為現(xiàn)在廣為研究的集成學(xué)習(xí)和信息融合提供了基礎(chǔ)，被廣為引用。這兩個成果使他在2002年當(dāng)選國際模式識別學(xué)會 IAPR Fellow會士，成為最早獲選的幾位華人之一。

在此期間，徐雷將當(dāng)時相關(guān)領(lǐng)域很有影響的Oja自適應(yīng)PCA學(xué)習(xí)，發(fā)展到自適應(yīng)非線性PCA學(xué)習(xí)；并率先揭示了Hebb學(xué)習(xí)輔以S非線性實現(xiàn)獨立化學(xué)習(xí)，能消除旋轉(zhuǎn)不確定性；還為Oja自適應(yīng)子空間學(xué)習(xí)的全局收斂性提供了數(shù)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(xù)推進。

在此期間，作為單獨作者，徐雷在1991年會議論文首先提出并在1993年的期刊論文中進一步闡述，提出了多層神經(jīng)網(wǎng)絡(luò)自組織學(xué)習(xí)LMSER，以雙向?qū)ε挤绞綄崿F(xiàn)對網(wǎng)絡(luò)中參數(shù)的學(xué)習(xí)，其特點是強制了參數(shù)對稱性和神經(jīng)元強度的對稱性。2006年Hinton團隊的那兩篇經(jīng)典論文中的深度學(xué)習(xí)結(jié)構(gòu)Stacked RBM，也強制了這種參數(shù)對稱性，而近年才出現(xiàn)的所謂U-net的結(jié)構(gòu)，也與多層LMSER類似。由于算力的限制，當(dāng)時計算實驗只做了單個隱層。但在論文中，討論和預(yù)言了多層LMSER的若干認(rèn)知功能，如聯(lián)想、概念形成、心像、注意等。后面會提到，這些預(yù)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(xí)中引入反壟斷機制，同時適度地引入對手懲罰機制，發(fā)明了對手懲罰競爭學(xué)習(xí)（RPCL），開創(chuàng)了無監(jiān)督學(xué)習(xí)過程中，可以實現(xiàn)模型自動選擇的先河。在學(xué)習(xí)中可以自動去除多余參數(shù)，可實現(xiàn)選擇模型自動選擇的另一個辦法L1學(xué)習(xí)， 是1995年才出現(xiàn)而快速走紅的。RPCL已被直接應(yīng)用于解決許多實際問題上。例如，在大數(shù)據(jù)分析和無監(jiān)督統(tǒng)計學(xué)習(xí)中經(jīng)常遇到的聚類分析中，可自動確定樣本集來自幾個不同的類。

在此期間，徐雷通過對Gaussian Mixture和Mixture of Experts 上的EM算法之收斂性做數(shù)學(xué)分析，有力支持了M. I. Jordan在九十年代倡導(dǎo)的EM算法的新一輪研究熱，澄清了當(dāng)時統(tǒng)計文獻上關(guān)于EM算法的一些誤解，厘清了EM的優(yōu)缺點。徐雷還與M. I. Jordan和G. Hinton合作，提出一個改進的多專家混合模型，更適合利用EM算法。

也從這期間開始，徐雷成為了當(dāng)時NIPS（后改名為NeurlPS）會議上活躍的少數(shù)幾位華人學(xué)者之一。從NIPS1992起，每年一篇，連續(xù)在NIPS年會上發(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)。這意味著中國學(xué)者在NIPS發(fā)表論文的最早時間至少可提前到1992年，而不是目前國內(nèi)一些資料所記載的本世紀(jì)的頭幾年。

80年代底開始，引發(fā)當(dāng)下人工智能浪潮的深度學(xué)習(xí)之父G. Hinton和一批學(xué)術(shù)精英，接管了這個在1986年由IEEE信息論分會發(fā)起的學(xué)術(shù)會議。 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，也是文章最難進入的會議?；A(chǔ)研究成果大多先出現(xiàn)在NIPS，然后向其他會議，以一定的滯后期傳播和推廣應(yīng)用。順便一提，從1995年起，徐雷曾連續(xù)三年擔(dān)任NIPS組委會中大中華區(qū)的聯(lián)絡(luò)人（Liaison）。

徐雷在香港中文大學(xué)二十多年期間，先是進一步發(fā)展提出了貝葉斯陰陽學(xué)習(xí)理論，發(fā)表在NIPS1995會議上，這點后面還會做介紹。然后，他一方面將貝葉斯陰陽學(xué)習(xí)理論及以上所述成果，進一步發(fā)展、完善、系統(tǒng)化，并在智能金融、智能醫(yī)療、雷達信號識別等領(lǐng)域做了許多應(yīng)用工作；另一方面，在徑向基網(wǎng)學(xué)習(xí)、獨立子空間學(xué)習(xí)、獨立分量分析、時序獨立狀態(tài)空間、運籌優(yōu)化等方向還做了不少基礎(chǔ)研究工作。根據(jù)資料檢索，徐雷的多個研究成果已被國內(nèi)和歐美日等許多研究單位，廣泛應(yīng)用于雷達、遙感、材料、機器人、無人駕駛、軟件工程、網(wǎng)絡(luò)發(fā)掘、精密制造、醫(yī)學(xué)圖像、生物信息等領(lǐng)域。

徐雷曾獲得數(shù)個國內(nèi)外主要獎項和榮譽。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)會領(lǐng)袖獎。2006年，徐雷獲亞太神經(jīng)網(wǎng)絡(luò)學(xué)會最高獎——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(dāng)選IEEE會士，成為中國最早的幾位會士之一，也是從計算智能學(xué)會當(dāng)選的首位中國學(xué)者。2002年，徐雷當(dāng)選國際模式識別學(xué)會 IAPR Fellow會士，成為最早獲選的幾位華人之一。2003年，徐雷當(dāng)選歐洲科學(xué)院院士。

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

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(nèi)陸，為促進中國神經(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)會在總結(jié)其十五年歷程時，向為該領(lǐng)域在中國之發(fā)展做出貢獻者，頒發(fā)了三個獎，一是給國內(nèi)學(xué)者的貢獻獎， 羅沛林院士、吳佑壽院士獲獎；二是一個給外國學(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’的某個項目為中國拿過獎牌，只不過就像很多優(yōu)秀的運動員一樣，只能在很短一段歷史時間里做冠軍?！睂嶋H上，徐雷的領(lǐng)軍時間并不短暫，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，中國人的一個重要代表人物。

人工智能將帶來哪些行業(yè)機會？

近年間，人工智能為多個傳統(tǒng)行業(yè)賦能，如醫(yī)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？下一個人工智能帶來的增長點又將會出現(xiàn)在哪里？

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

以語音應(yīng)用為例，由于人說話快、寫字慢，很多原本需要人們耗費時間精力記錄的工作可通過語音技術(shù)轉(zhuǎn)成記錄，如醫(yī)生手術(shù)記錄、打官司寫訴狀、填表等，都是人工智能可以發(fā)揮作用的場景。視覺方面，我國對場景監(jiān)控的需求越來越大，相關(guān)行業(yè)未來仍有較大增長空間。不僅如此，人類智能中最主流的信息獲取渠道就是視覺，70%左右的信息獲取來自視覺，如果一個人從小就失明，長大后智能發(fā)展必然受損。人工智能也是同理，現(xiàn)在人工智能發(fā)展程度相當(dāng)于達到了幾歲的兒童就能達到的視覺和聽覺能力，在此基礎(chǔ)上開發(fā)其他應(yīng)用的空間是很大的。

徐雷指出，要挖掘人工智能在視覺和語音相關(guān)領(lǐng)域的新應(yīng)用，關(guān)鍵在于找到還未被一窩蜂涌入又有經(jīng)濟增長點的場景，這就是二次創(chuàng)新。

盡管人工智能應(yīng)用前景廣闊，但在精密制造等領(lǐng)域，智能化進程并不如人們預(yù)期的那么快。徐雷認(rèn)為，這是由于進入專業(yè)領(lǐng)域的人工智能人才過少，無論是來自高校的人才還是AI初創(chuàng)企業(yè)都很少選擇精密制造業(yè)的緣故。這類領(lǐng)域需要從業(yè)者能夠同時在人工智能領(lǐng)域和特定專業(yè)領(lǐng)域具備研究水平，從業(yè)者要進入相應(yīng)領(lǐng)域的學(xué)習(xí)成本較高，這就導(dǎo)致大學(xué)老師和企業(yè)雙方都沒有強烈發(fā)展AI+制造的意愿。但一旦人工智能進入制造領(lǐng)域，必能發(fā)揮更大的作用。

如今人工智能在醫(yī)療行業(yè)最重要的應(yīng)用是醫(yī)療影像分析，也是中國有樣本優(yōu)勢有望問鼎世界的領(lǐng)域。一來醫(yī)院已積累了大量影像片子，便于機器學(xué)習(xí)訓(xùn)練；二來影像分析中人工智能的應(yīng)用相對簡單，只要識別、檢索、分割和標(biāo)記影像即可，需要用到的醫(yī)學(xué)專業(yè)知識較少，因此人工智能可以順利投入應(yīng)用。而在醫(yī)藥開發(fā)這類需要更多專業(yè)知識的領(lǐng)域，人工智能與醫(yī)療的結(jié)合依然很難。懂醫(yī)的不懂AI，懂AI的人不懂醫(yī)，甚至雙方想互懂的欲望都不大，應(yīng)用自然落地維艱。徐雷認(rèn)為，這與評價機制有關(guān)，學(xué)者研究新領(lǐng)域的時間成本高，發(fā)文章慢，又難以獲得適當(dāng)?shù)脑u價，造成動力不足，這是AI與應(yīng)用場景結(jié)合的關(guān)鍵難點。

行業(yè)機會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，徐雷對AI報道表示，從中國現(xiàn)狀來看，人才最集中的地區(qū)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WAIC，打造世界頂尖的智能合作交流平臺和行業(yè)盛會。并在大會上頒發(fā)最高榮譽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(nèi)在技術(shù)上做出方向性突破、應(yīng)用創(chuàng)新，正在或?qū)⒁淖兾磥砩畹娜斯ぶ悄茼椖俊?/p>

另一方面，在上海政府的優(yōu)惠政策下，很多來自北京、深圳的人工智能企業(yè)來到上海發(fā)展，為上海帶來了大量的人才。特別是上海經(jīng)信委積極建設(shè)人工智能應(yīng)用基地，并在一年內(nèi)連續(xù)發(fā)布了二十多個人工智能試點應(yīng)用場景作為各個領(lǐng)域的示范，動作是相對超前的。如果上海政府能夠堅持推動下去，未來前景很可觀。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期間，多年未見的老朋友相見于黃浦江畔。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(yīng)用初探

談及近兩年的研究成果，徐雷介紹，近期他正在繼續(xù)發(fā)展雙向智能，即將形象思維抽象思維和認(rèn)知結(jié)合到一起，并繼續(xù)發(fā)展整體理論框架。前面提到，早在1991年提出的LMSER學(xué)習(xí)，就具備實現(xiàn)換臉功能的潛力，只是當(dāng)時因算力所限沒有實現(xiàn)。但在那篇論文中，已討論和預(yù)言了多層LMSER的若干認(rèn)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進行計算，不僅驗證了早年的預(yù)言，而且發(fā)現(xiàn)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(xiàn)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。在借助人工智能進行問題推斷時，找出因果關(guān)系是更有必要的。1987年時，徐雷就曾涉獵因果推理，最近在這方面又取得了較大進展。近年，中國全面啟動了新一代人工智能重大科技項目。徐雷作為負(fù)責(zé)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單位組成的團隊，成功申請下來最近公布的首批項目之一，就是要主攻這個方向，希望能夠獲得大的突破。

此外，雙向智能還能應(yīng)用于許多類似AlphaGo的場景。在人工智能領(lǐng)域中，AlphaGo做到的事實際上被叫做啟發(fā)式搜索和問題求解?，F(xiàn)在很多人以為AlphaGo的成功關(guān)鍵在于蒙特卡洛樹的前瞻性搜索，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)式搜索時就已提出過類似思路。真正的關(guān)鍵在于用深度學(xué)習(xí)網(wǎng)絡(luò)來看到棋盤，猶如開了“天眼”，認(rèn)清了狀態(tài)并由此聯(lián)想，做到三管齊下。

徐雷總結(jié)稱，下棋和做領(lǐng)導(dǎo)是類似的，都要做三件事。第一件，是要先試幾步看一看，類似于鄧小平做深圳特區(qū)先行探路。第二件，需要有仙人指路，指出這一盤棋能不能贏，贏面是多少，這類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)者選擇贏面最大的走法。下棋也好，解決任何一個問題也好，都需要三種人同時協(xié)同。AlphaGo之所以能贏，就是因為用深度學(xué)習(xí)網(wǎng)絡(luò)開了天眼、認(rèn)了棋盤，同時做了“老子”和“孫子”。

而雙向智能的關(guān)鍵就在于形象思維認(rèn)知和抽象思維相結(jié)合，雙向協(xié)同互補。過去只用抽象思維進行問題求解所遇到的困難，有望通過雙向智能獲得改進。

一般認(rèn)為，AlphaGo按最低使用率計算，能耗也高達3萬瓦，是一個人腦的耗能一千倍。后來的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AlphaGo，希望僅通過一個很小的機器就可以做到。徐雷強調(diào)：“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，世界上其他的巨無霸公司也先后投入了這場研究，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(rèn)為，圍棋AI不應(yīng)只有擁有巨大資源的巨無霸公司能做，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(yīng)用為例，很多刷臉程序在應(yīng)用時，框稍微動一下，用戶的臉就識別不出了，雙向智能方法有望改進這一困擾。

徐雷解釋道，通常的人工智能研究，要么單向地由外向內(nèi)考慮識別認(rèn)知，如現(xiàn)在大多數(shù)深度學(xué)習(xí)應(yīng)用，要么單向地由內(nèi)向外考慮思維與問題求解。而雙向智能是兩個方向同時考慮，認(rèn)知抽象的部分被叫做陽，另一部分叫作陰，陰陽和諧進行。有趣的是，1981年諾貝爾獎獲得者羅杰·斯佩里的發(fā)現(xiàn)，左右腦皮質(zhì)區(qū)分為左右兩邊，一部分負(fù)責(zé)邏輯、分析，一部分負(fù)責(zé)認(rèn)知，雙向智能理論與這個人腦分工理論是相容的。

沿著在1991年提出Lmser的路子發(fā)展，引入概率理論，結(jié)合上面的思路， 徐雷在1995年進一步發(fā)展提出了貝葉斯陰陽學(xué)習(xí)理論。盡管陰陽的概念源自中國，在西方面臨接受度的問題，人工智能頂會NIPS在1995年會議還是接受了這個論文。它不但為許多現(xiàn)有統(tǒng)計學(xué)習(xí)主要模型提供了一個統(tǒng)一的框架，而且建立了一個易于計算的有限樣本下學(xué)習(xí)的新理論，可在參數(shù)學(xué)習(xí)的過程中自動完成模型選擇。上世紀(jì)末，麻省理工整理20世紀(jì)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，貝葉斯陰陽學(xué)習(xí)理論也被收納其中。

AI新挑戰(zhàn)無可回避

人工智能蓬勃發(fā)展的同時，也帶來了一系列新的挑戰(zhàn)。

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，讓人能夠通過腦電波直接控制機器進行交流。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(zhàn)：這一類人與機器的結(jié)合體是否依然能被稱作人類？

人工智能還可能帶來更為直觀的危險。比如，國外有人做出蝴蝶或蜻蜓大小的飛行器，攜帶著烈性炸藥，通過人臉識別技術(shù)尋找特定對象并炸穿面部實施謀殺。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(xiàn)有技術(shù)做出這類“殺手機器人”已不成問題。

更重要的是，人工智能減少人的勞動，將導(dǎo)致失業(yè)問題。隨著人工智能逐漸替代人的勞動崗位，用工成本漸低，未來財富很可能越來越集中到幾個寡頭手里，其他人卻越來越貧窮。而人的本性決定，大資本家掙錢后不會拿出來與普通百姓共享。

不過，失業(yè)問題并非完全無解。徐雷認(rèn)為，人工智能不斷改變?nèi)祟惖纳钚螒B(tài)，將造就行業(yè)洗牌的機會，舊的行業(yè)倒下后，也可能洗出新的領(lǐng)域。核心問題在于如何創(chuàng)造出新的生活方式，在某個領(lǐng)域的從業(yè)者批量失業(yè)的同時，怎樣讓新的行業(yè)吸收倒下的行業(yè)。徐雷將該過程比作小孩搭積木，“現(xiàn)在有一些積木塊，我們用它搭出一個世界；后來有一天，小孩玩這個積木玩煩了，希望搭出新的一堆積木，拆拆搭搭總有事干?！敝皇牵祟惖男枨蟛⒎菬o限增長，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行統(tǒng)一管理，強有力地從頂層解決最關(guān)鍵的分配問題，才有可能達到人工智能為勞動者減負(fù)而不導(dǎo)致失業(yè)潮的狀態(tài)。

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