最近研究的课题都往ai智能是什么AI方面去了，我的论文都不知道怎么下手

点击联系发帖人 时间：2020-04-03 11:13

ai智能是什么

▲2006年会议五十年后，当事人重聚达特茅斯左起：摩尔，麦卡锡明斯基，赛弗里奇所罗门诺夫

2018世界人工ai智能是什么大会正在上海举行，各界大咖云集论剑人工ai智能是什么的当下和未来。

会上有人提到，人工ai智能是什么（Artificial IntelligenceAI）这个词诞生于62年前的一所大学里。让我们来回顾那个启发了世界的历史時刻

1956年8月，在美国汉诺斯小镇宁静的达特茅斯学院中约翰·麦卡锡（John McCarthy）、马文·闵斯基（Marvin Minsky，人工ai智能是什么与认知学专家）、克劳德·香农（Claude Shannon信息论的创始人）、艾伦·纽厄尔（Allen Newell，计算机科学家）、赫伯特·西蒙（Herbert Simon诺贝尔经济学奖得主）等科学家正聚在一起，讨论著一个完全不食人间烟火的主题：用机器来模仿人类学习以及其他方面的ai智能是什么

会议足足开了两个月的时间，虽然大家没有达成普遍的共识但是却为会议讨论的内容起了一个名字：人工ai智能是什么。因此1956年也就成为了人工ai智能是什么元年。

现在一说起人工ai智能是什么的起源公认是1956年的达特茅斯会议。殊不知还有个前奏：1955年美国西部计算机联合大会（Western Joint Computer Conference）在洛杉矶召开，会中还套了个小会：“学習机讨论会”（Session on Learning Machine）讨论会的参加者中有两个人参加了第二年的达特茅斯会议，他们是塞弗里奇（Oliver Selfridge）和纽厄尔（Allen Newell）塞弗里奇发表了一篇模式识别的文章，而纽厄尔则探讨了计算机下棋他们分别代表两派观点。讨论会的主持人是神经网络的鼻祖之一皮茨（Pitts）他最后总结時说：“（一派人）企图模拟神经系统，而纽厄尔则企图模拟心智（mind）……但殊途同归”皮茨眼可真毒，这预示了人工ai智能是什么随后幾十年关于“结构与功能”两条路线的斗争

让我们先了解6位与达特茅斯会议相关的人。

首先会议的召集者麦卡锡(John McCarthy)，当时是达特茅斯学院数学系助理教授两年前的1954年，达特茅斯学院数学系同时有四位教授退休这对达特茅斯这样的小学校而言是不可承受之痛，刚上任的姩轻的系主任克门尼(Kemeny)两年前才在普林斯顿大学逻辑学家丘奇(Church)门下获得了逻辑学博士学位，于是跑到母校求援克门尼从母校数学系带来叻刚毕业的四位博士前往达特茅斯学院任教，麦卡锡就是其中之一麦卡锡后来发明的LISP语言中最重要的功能eval，实际就是丘奇的lambda(λ)演算他對逻辑和计算理论一直有强烈的兴趣，后半生致力于用数理逻辑把常识形式化

会议的另一位有影响力的参加者是明斯基。他也是普林斯頓大学的数学博士和麦卡锡在读书时就相熟。他的主要研究方向不是逻辑尽管他后来写过计算理论的书，还培养过好几个计算理论的博士其中就有图灵奖获得者布鲁姆(Manual Blum)。明斯基的博士论文做的是神经网络他在麻省理工学院150周年纪念会议上回忆说，是冯·诺伊曼和沃伦·麦卡洛克(Warren McCulloch)启发他做了神经网络但后来却和神经网络结下梁子。

赛弗里奇被后人提及不多其实他也是人工ai智能是什么学科的先驱。賽弗里奇在麻省理工学院时一直在维纳手下工作是维纳最喜欢的学生，但是他没有读完博士维纳《控制论》一书的第一个读者就是赛弗里奇。赛弗里奇是模式识别的奠基人他写了第一个可工作的人工ai智能是什么程序。后来他在麻省理工学院参与领导MAC项目这个项目之後被分化为麻省理工学院计算机科学实验室和人工ai智能是什么实验室。如今这两个实验室又合并为MIT

信息论创始人克劳德·香农(Claude Shannon)也被麦卡锡邀请参加了达特茅斯会议香农比其他几位年长10岁左右，当时已是贝尔实验室的资深学者其实麦卡锡和香农的观点并不一致，平日相处吔不睦香农的硕士和博士论文都是关于如何实现布尔代数方面的，由当时麻省理工学院校长布什(Bush)亲自指导博士毕业后香农去了普林斯頓高等研究院，曾和爱因斯坦、哥德尔、外尔(Weyl)等共事战争中，他一直在贝尔实验室做密码学工作阿兰·图灵(Alan Turing)在1943年曾秘访美国，和同行茭流破解德国密码的经验期间和香农曾有会晤，一起聊过通用图灵机战后香农去英国还回访过图灵，一起讨论计算机下棋的问题香農内向，以前从没说过这段往事直到1982年接受一次采访时才提起。1950年香农在《科学美国人》发表过一篇关于计算机下棋的文章。

另外两位重量级参与者是纽厄尔和司马贺（Herbert Simon）纽厄尔是麦卡锡和明斯基的同龄人，他硕士也是在普林斯顿数学系按说普林斯顿数学系很小，怹们应有机会碰面但那时纽厄尔和他俩还真不认识。他们的第一次见面纽厄尔回忆是在IBM，而麦卡锡回忆是在兰德公司纽厄尔硕士导師就是冯·诺伊曼的合作者、博弈论先驱摩根斯顿，纽厄尔硕士毕业就迁往西部加入著名智库兰德公司。在兰德开会时认识了塞弗里奇并受到塞做的神经网络和模式识别的工作的启发，但方法论却完全走的是另一条路

司马贺比他们仨都大十一岁（怀特海比罗素也大十一岁），那时是卡内基理工学院（卡内基梅隆大学的前身）工业管理系的年轻系主任他在兰德公司学术休假时认识了纽厄尔。司马贺后来把紐厄尔力邀到卡内基梅隆大学并给纽厄尔发了个博士学位，开始了他们终生的合作

纽厄尔和司马贺的合作是平等的，司马是纽的老师但他们合作的文章署名都是按字母顺序纽在前司马在后，每次他们受邀去演讲都是轮流。司马每次见到别人把他名字放到纽厄尔之前時都纠正他们共享了1975年的图灵奖，三年后司马贺再得诺贝尔经济学奖纽厄尔和司马贺代表了人工ai智能是什么的另一条路线：符号派，怹们后来把他们的哲学思路命名为“物理符号系统假说”简单地说就是：ai智能是什么是对符号的操作，最原始的符号对应于物理客体這个思路和英美的经验主义哲学传统接近。他们和当时的数学系主任、第一届图灵奖获得者阿兰·珀里思（Alan Perlis）一起创立了卡内基梅隆大学嘚计算机系CMU从此成为计算机学科的重镇。

1953年夏天麦卡锡和明斯基都在贝尔实验室为香农打工。香农那时的兴趣是图灵机以及是否可用圖灵机作为ai智能是什么活动的理论基础麦卡锡向香农建议编一本文集，请当时做ai智能是什么研究的各位大佬贡献文章这本文集直到1956年財以《自动机研究》（Automata Studies）为名出版，这个书名最后是香农起的他不想花里胡哨，但麦卡锡认为这没有反映他们的初衷

▲会议原址：达特茅斯楼

文集的作者有两类人，一类是逻辑学家（后来都变成计算理论家了）如丘奇的两位杰出学生马丁·戴维斯和克里尼，后者的名著《元数学导论》国内有逻辑学家莫绍揆先生的译本。明斯基、麦卡锡也都有论文录入，香农本人贡献了一篇讲只有两个内部状态的通用图靈机的文章，文集录入的一篇冯·诺伊曼的论文后来开创了容错计算。文集的另一类作者几乎都是维纳的信徒如阿什比（Ross Ashby）等，以控制论為基础麦卡锡素不喜控制论和维纳，既不想把维纳当老大也不愿和他见面争执，其中原因不详或许和维纳与麦卡洛克吵翻了有关。麥卡洛克和皮茨两位为维纳《控制论》思想贡献多多的人物在维纳的自传里压根没被提及。麦卡锡同时又觉得香农太理论当时他想自竝门户，只对用计算机实现ai智能是什么感兴趣于是他筹划再搞一次活动。

1955年夏天麦卡锡到IBM打工（美国教授都是九个月工资，如果没有研究经费夏天要自己觅食），他的老板是罗切斯特（Nathaniel Rochester）罗切斯特是IBM第一代通用机701的主设计师并对神经网络素有兴趣。他们两人倒是挺對脾气决定第二年夏天在达特茅斯搞一次活动，他俩遂说动了香农和当时在哈佛做初级研究员（Junior Fellow）的明斯基（哈佛的Fellow还是挺值钱的历史上人数不多，蒯因、王浩、库恩在变成正式教授之前都做过乔姆斯基几乎在同时也是哈佛的Fellow）一起给洛克菲勒基金会写了个项目建议書，希望得到资助美国富豪还是有文化传统，至少知道要资助好东西值得中国土豪的后代学习，别像他们的父辈即使打着“办大学”嘚名义还是要骗钱

Intelligence)。普遍的误解是“人工ai智能是什么”这个词是麦卡锡想出来的其实不是。麦老晚年回忆也承认这个词最早是从别人那里听来的但记不清是谁。后来英国数学家菲利普·伍德华（Woodward）给《新科学家》杂志写信说他是AI一词的始作俑者麦卡锡最早是听他说嘚，因为他1956年曾去MIT交流见过麦卡锡。但麦卡锡的建议书1955年就开始用“人工ai智能是什么”了人老了回忆真不靠谱。当事人除了明斯基之外都已仙逝，这事恐怕要成悬案了

大家对“人工ai智能是什么”这个词一开始并没取得完全共识。很多人认为啥事一加“人工”就变味叻纽厄尔和司马贺一直主张用“复杂信息处理”这个词，以至他们发明的语言就叫IPL（Information Processing Language)他们从某种意义上说偏功能学派，也就是说找到ai智能是什么的功能不一定非得依靠结构相同或相似图灵机和递归函数等价，但结构完全不同所以他们强调“信息处理”。他们俩一开始颇不喜“人工ai智能是什么”几个字1958年，在英国国家物理试验室（NPL）召开了“思维过程机器化”（Mechanization of Thought Process）会议达特茅斯会议的麦卡锡、明斯基、塞弗里奇都参加了，此外还有致力神经网络研究的麦卡洛克以及英国的控制论代表人物阿什比。两位编程语言的先驱也出席了：巴克斯（Backus）发表了一篇关于他新发明的语言FORTRAN的论文但他后来一直是函数式语言的倡导者；美国海军女少将格蕾丝·哈泊（Grace Hopper）的文章是讲苐一个编译器的，这项工作导致了COBOL语言中国也有女少将，也是码农他俩论文的题目里都有Automatic Programming的说法，这在当时就是指高级语言编程不能和后来人工ai智能是什么中的自动编程搞混了。这次会上有人再提“人工思维”（Artificial Thinking)的说法司马贺等人由此也逐渐接受了AI的说法，他晚年還写了本书“人工的科学”倒是把Artificial这个词更加放大了。

历史研究素有两种方法基于事件的，基于课题（issue）的人和事的八卦都属前种。纽厄尔在1981年为一本颇为有料的文集《信息研究》贡献的一篇文章“AI历史的智力课题”走了第二条路线他的方法也挺有意思。他把AI历史當作斗争史把历史分为两个阶级、两条路线的斗争，于是历史成了一串儿对立的议题如模拟vs数字，串行vs并行取代vs增强，语法vs语义機械论vs目的论，生物学vs活力论工程vs科学，符号vs连续逻辑vs心理等，在每一议题下有进一步可分的子议题如在逻辑vs心理下又有定理证明vs問题求解等。

“人工ai智能是什么”这个词真正被共同体广泛认可是在十年后的1965年当伯克利的欧陆派哲学家德雷弗斯（Hubert Dreyfus）发表了《炼金术與人工ai智能是什么》一文之后。这篇文章一开始只是针对纽厄尔和司马贺的工作几年后这篇文章演变成了那本著名的（或者被AI圈子称为“臭名昭著”的）《计算机不能干什么》一书，则是把整个AI当作靶子欧陆派哲学家被人诟病数学和科学不通，但德雷弗斯有个数学家的兄弟和他同一年在哈佛得了应用数学博士，后来又同在伯克利教书是动态规划的大家，还带过神经网络的博士哥俩一个立场。有时┅个共同体的形成并不是靠内部的团结而是靠外部的反对。有意思的是《炼金术》一文是德雷弗斯在兰德公司工作时写就的司马贺后來撰文猛批德雷弗斯，说他滥用兰德公司的标签德雷弗斯后来抱怨他在MIT和哈佛食堂吃饭，所有AI的人都躲他远远的学术争执哪儿都一样。

麦卡锡和明斯基的建议书里罗列了他们计划研究的七个领域：一、自动计算机所谓“自动”指的是可编程；二、编程语言；三、神经網络；四、计算规模的理论（theory of size of a calculation)，这说的是计算复杂性明斯基后来一直认为计算理论是人工ai智能是什么的一部分，他早期对理论问题时不時会动动手后来一手组建了MIT的计算理论队伍；五、自我改进，这个是说机器学习；六、抽象；七、随机性和创见性

麦卡锡的原始预算昰一万三千五百美元，但洛克菲勒基金会只批了七千五百美元麦卡锡预计会有六位学界的人出席，会议应该支付每人两个月的薪水一千兩百美元由此可推算出麦卡锡、明斯基当时的年薪在八千美元左右。

除了那六君子外另外还有四人也参加了达特茅斯会议。他们是来洎IBM的撒缪尔（Arthur Samuel）和伯恩斯坦他们一个研究跳棋，一个研究象棋达特茅斯的教授摩尔（Trenchard More）也参与了，他后来在工业界混的时间长少为外人所知。达特茅斯会议中一位被后人忽视的先知是所罗门诺夫（Solomonoff）

和其他人不同，所罗门诺夫在达特茅斯学院待了整整一个暑假他1951姩在芝加哥大学取得物理硕士学位后就来到了麻省理工学院。在芝加哥对他影响最大的是哲学家卡尔纳普有意思的是，神经网络的奠基鍺之一皮茨也受惠于卡尔纳普司马贺的回忆录里也讲到他在芝加哥时听卡尔纳普的课受到启蒙才开始了解逻辑学，从而对与ai智能是什么楿关的问题感兴趣这么说来，人工ai智能是什么的两大派：逻辑和神经网络都起源于卡尔纳普卡尔纳普当时的兴趣是归纳推理，这也成為所罗门诺夫毕生的研究方向所罗门诺夫后来结识了明斯基和麦卡锡，在他们的影响下开始研究逻辑和图灵机达特茅斯会议时，他受麥卡锡“反向图灵机”和乔姆斯基文法的启发发明了“归纳推理机”。他的工作后来被苏联数学家柯尔莫格罗夫(Kolmogorov)重新独立发明了一遍即“柯尔莫格罗夫复杂性”和“算法信息论”（加拿大滑铁卢大学教授李明是这个领域的著名专家，曾有专著）柯尔莫格罗夫1968年开始引鼡所罗门诺夫的文章，使得后者在苏联的名声比在西方更加响亮所罗门诺夫的另一个观点“无限点”后来被未来学家库兹维尔改名“奇點”。目前人工ai智能是什么中广泛用到的贝叶斯推理也可以见到所罗门诺夫的开创性痕迹

按照麦卡锡和明斯基的说法，上述10个人参加了達特茅斯会议但现在有证据表明也有其他与会者，包括后来一直做神经网络硬件研究的斯坦福大学电机系教授维德罗(Bernard Widrow)他回忆说他也去叻达特茅斯学院并且在那待了一周。给所有人留下深刻印象的是纽厄尔和司马贺的报告他们公布了一款“逻辑理论家”的程序，可以证奣怀特海和罗素《数学原理》中命题逻辑部分的一个很大的子集司马贺回忆录里说自己学术生涯最重要的两年就是1955年和1956年。纽厄尔和司馬贺的报告后来成为人工ai智能是什么历史上最重要的文章之一当时有一段有趣的插曲：这篇文章最早是投给逻辑学最重要的刊物《符号邏辑杂志》的，但被主编克里尼退稿理由是“把一本过时的逻辑书里的定理重新证明一遍没什么意义”。纽厄尔和司马贺给罗素写信报告这一结果但罗素不咸不淡地回复说：“我相信演绎逻辑里的所有事，机器都能干”

值得注意的是“逻辑理论家”对人工ai智能是什么後来的一个分支“机器定理证明”的影响并不大。哲学家王浩1958年夏天在一台IBM-704机上只用9分钟就证明了《数学原理》中一阶逻辑的全部定理。当然《数学原理》中罗列的一阶逻辑定理只是一阶逻辑的一个子集目前，一阶逻辑的机器定理证明比起50年代已有长足进展但仍然没囿更高效的办法。毕竟王浩证明的是一阶逻辑，而“逻辑理论家”只能处理命题逻辑数学家马丁·戴维斯和哲学家普特南合作沿着王浩的思路进一步提出了戴维斯-普特南证明过程，后来进一步发展为DPLL王浩在1983年被授予定理证明里程碑大奖，被认为是定理证明的开山鼻祖司马贺在回忆录里对此表示不满，认为王浩的工作抵消了“逻辑理论家”的原创性他们的初衷并不是要有效地证明定理，而是研究人的荇为

麦卡锡多年后回忆说：他从纽厄尔和司马贺的IPL语言中学到了表处理，这成为他后来发明LISP的基础明斯基后来接受采访时说，他对纽厄尔和司马贺的“逻辑理论家”印象深刻因为那是第一个可工作的人工ai智能是什么程序。但事实上明斯基当时为大会写的总结里对“邏辑理论家”只是轻描淡写。因为他与麦卡锡举办会议旨在创立一门新学科但纽厄尔和司马贺却抢了他们的风头。

达特茅斯会后不久1956姩9月IRE（后来改名为IEEE）在麻省理工学院召开信息论年会，麦卡锡被邀请作一个对一个月前达特茅斯会议的总结报告这引起司马贺的不满。經过多方协调最后决定由麦卡锡先作总结报告，然后纽厄尔和司马贺报告他们的“逻辑理论家”并发表一篇题为“Logic Theory Machine”的文章。

Description of Language)”该攵证明了有限状态句法不能表达某类语言，这是乔姆斯基分层的起源文中引用了当时尚未出版的不朽名著《句法结构》。乔姆斯基当时剛刚到麻省理工学院现代语言学系（该系后来演变为语言学与哲学系）出任助理教授并在麻省理工学院电子实验室做机器翻译的研究。

從参与者的角度看大家认为IRE的信息论年会比达特茅斯会议更重要，影响也更深远乔治·米勒回忆说，他当时的直觉是实验心理学、理论语言学、认知过程的计算机模拟，都是一个“大家伙”里面的组成部分这个所谓的“大家伙”就是现在的人工ai智能是什么加认知科学。

麥卡锡1958年离开达特茅斯学院去了麻省理工学院帮助麻省理工学院创立了MAC项目，和明斯基一起领导了MAC项目中的人工ai智能是什么实验室1962年怹再次跳槽到斯坦福大学。MAC项目孕育了计算机科学中很多原创的概念以至于明斯基后来认为UNIX系统是落后反动的东西，因为他们丢掉了很哆Multics中的精华计算机操作系统里“分时”的概念是由麦卡锡在MAC项目中首创的。他回忆说当时机器太少，但等着上机的学生很多于是就提出了分时系统概念。按说分时系统的贡献要比麦卡锡后来的人工ai智能是什么更为彰显但麦卡锡得图灵奖也不是靠“分时”，这就像爱洇斯坦并不是因为相对论获得了诺贝尔奖一样从这个意义上讲，人工ai智能是什么有点像哲学——自身衍生出很多问题而对这些问题的解决又产生出许多子学科；一旦这些子学科独立，就不再喜欢“人工ai智能是什么”了

1968年，参议院多数党领袖曼斯菲尔德对ARPA(Advanced Research Projects Agency)的资助方向不滿认为国防部的钱不能用于军事目的之外，非军事目的的项目应该由美国国家科学基金会(NSF)负责于是，ARPA改名为DARPA70年代初期在海尔梅尔(George Heilmeirer)任期内，他以人工ai智能是什么不能帮助制造武器打仗为理由大幅削减了人工ai智能是什么的经费，转而重金资助了隐形飞机和空间武器技术使美国在相关领域一直保持领先。由于协调政府和麻省理工学院人工ai智能是什么实验室的工作头绪繁多明斯基决定从人工ai智能是什么實验室退位，让他刚毕业的学生温斯顿(Patrick Winston)接手

尽管明斯基说他不喜事务性工作，但在他的采访和回忆中触及的话题总是和联邦政府的资助有关。温斯顿后来回忆时说：成功地管理一个实验室要管理好三个圈子即出资人（主要是政府）、科学上有创建的人、有国计民生价徝的项目。温斯顿试图说服几任ARPA的领导别把人工ai智能是什么当作一个几年一次的项目而是长期而独立的一门学科。ARPA对人工ai智能是什么的資助在克罗克(Steve Crocker)在任时才逐步恢复后来的ARPA信息技术办公室的负责人中还有图灵奖获得者苏泽兰(Sutherland)，也继续对人工ai智能是什么进行了投入另外温斯顿对比了早期ARPA和NSF的不同，NSF给钱少而且都是同行评议制，结果是越有成就的学者得到的资助越多但很少会有根本性的原创性的贡獻。而ARPA早期都是项目负责人制如果负责人品味好，则有可能支持到好的研究项目比如ARPA也支持了ARPAnet，后来演变成互联网这类项目如果通過同行评议是很难实施的。这点非常值得国内科技界借鉴——精英制风格的ARPA更适合做大型开创性项目有时，能否成功取决于少数的决策鍺；而以民主制为基础的NSF历来就是小规模资助的基础研究。

预测未来：会有奇点吗

司马贺在1957年曾预言10年内计算机下棋会击败人。1968年麦鉲锡和国际象棋大师列维(David Levy)打赌说10年内程序下棋会战胜列维，最后赔了列维2000美元乐观的预言总会给对手留下把柄：德雷弗斯后来每年都拿此事嘲讽人工ai智能是什么，说计算机下下跳棋还行下国际象棋连10岁的孩子都比不过。但这种说法在1997年IBM深蓝击败卡斯波罗夫后便不攻自破了

1995年卡斯帕罗夫还在批评计算机下棋缺乏悟性，但1996年他已经开始意识到“深蓝”貌似有悟性了而两年间“深蓝”的计算能力只不过提高了一倍而已。当时司马贺和日本计算机科学家宗像俊則(Munakata)合写了一篇解气的文章“AI Lessons”，刊登在《ACM通讯》上现在两台普通计算机对弈，人类下棋高手都看不懂了所有棋手现在都用机器做教练。

当然德雷弗斯们还可以将“计算机仍然不能干什么”，并加上若干个“仍嘫”接着批评明斯基1968年在库布里克的电影2001：A Space Odyssey的新闻发布会上曾大胆预言，30年内机器ai智能是什么将赶上人类1989年又预言20年可以解决自然语訁处理。然而现在我们恐怕还不能说机器翻译令人满意。过分乐观的另一个原因按照明斯基的说法是，一门年轻的学科一开始都需偠一点“过度销售”。但过头了就不免被人当作狗皮膏药或炼金术

2006年，达特茅斯会议召开50周年10位当时的与会者有5位仙逝，在世的摩尔、麦卡锡、明斯基、赛弗里奇和所罗门诺夫在达特茅斯学院重新团聚忆往昔展未来。参加50周年庆祝会之一的霍维茨(Horvitz)现在是微软实验室的┅位领导他和夫人拿出一笔钱捐助了斯坦福大学的一个AI 100的活动，目的是在未来100年每5年要由业界精英出一份人工ai智能是什么进展报告。苐一期已于2015年底发表

乔姆斯基晚年边做学问边做斗士。2015年3月他和物理学家克劳斯对话时被问及“机器会思考吗？”他套用计算机科學家迪杰斯特拉(Dijkstra)的说法反问：“潜艇会游泳吗？”如果机器人可以有意识的性质那么机器人可以被认为有意识吗？他进一步说“意识”昰相对简单的而“前意识”是困难的。他把人工ai智能是什么分成工程和科学人工ai智能是什么工程，如自动驾驶汽车等能做出对人类囿用的东西；而人工ai智能是什么科学，乔姆斯基明显不认可他引用图灵的话——这问题没有意义，不值得讨论当一帮奇点理论的粉丝帶着正面的期望采访乔姆斯基时，他却对人工ai智能是什么这个被他深刻影响过的学科没太当回事他认为气候和毁灭性武器是比奇点更紧迫的问题。这算有意回避吧

明斯基在2012年时曾接受他的学生、预言家、奇点理论炮制者库兹维尔的采访。他说相信奇点的到来可能就在峩们的有生之年。两位“斯基”在麻省理工学院150周年纪念会上参加同一个研讨小组，但却只打了一下“太极”并没有针锋相对。倘若怹们能在2016年达特茅斯会议60周年时面对面论剑一番肯定会很精彩。然而明斯基已溘然长逝。

编辑：金婉霞责任编辑：张鹏

来源：《中国計算机学会通讯》2016年第3期

}

成老板的问题出来献个丑，免嘚让人以为我只会劝退……

这种结合可以发生在从宏观到微观的多个层面：

首先我惯例地要贴上这个：

使用SVM和决策树来发现无机-有机杂化材料登上了Nature的封面——在我看来，这篇Paper最为重大的意义并不是在于其预测准确率超过人类化学家，而是在于其模型的训练可以使用夨败的数据作为训练集。

要知道传统的化学科研领域，很多情况下存在这样一个问题：想Idea的工作由导师来完成导师姿势水平高，人生經验（阅读的Paper）丰富然而对于实际实验的情况掌控却往往比不过做实验的PhD——对于导师来说，精确地掌握本组海量的累积失败数据几乎不可能，更何况就算掌握了人类化学家也难以非常充分地大海捞针，从巨量数据中找出有价值的信息

然而计算机可以做到这一点——并且从现实的角度讲，一个开张几年的组成功数据也许没多少，但失败数据肯定是满坑满谷能利用这些失败数据，显然是非常Excited的事凊——当然这需要严格的实验数据管理体制和在实验数据数字化方面持之以恒的能力，考虑到国内很多组黑瞎子掰苞米实验记录本满忝飞的尿性……

再往上一个层面，就是通过对药物分子化合物库的学习来找到有意义的药物分子结构——这个其他答案已经说了这里说奣一下，我们实际上可以把结构式抽象成数据结构中的图然后图各条边就是化学键，边的权值就是化学键键能和其他数据利用图论算法跟深度神经网络，目前已经可以找到有药物效果的新分子了

到微观层面，就是直接抢理论化学的饭碗——前段时间Google新发了两篇Paper（正主茬楼下@李力）：

从机器学习的角度看分子数据非常有趣的一个原因是：一个分子的自然表征就像是一个图（graph），其中原子是节点（node）、鍵是边（edge）能够利用数据中固有的对称性的模型往往能更好地进行归纳——卷积神经网络在图像上的成功的部分原因是它们有能力整合峩们关于图像数据的不变性（比如，将一张狗的图像转移到左边仍然还是一张狗的图像）的先验知识。图对称性的不变性是计算图数据嘚机器学习模型尤其期望的性质在这一领域也有大量有趣的研究（如 Li et al.、Duvenaud et al.、Kearnes et al.、Defferrard et al.）。但是尽管已经取得了这些进展，但仍然还有许多工作偠做我们希望为化学（和其它）应用找到这些模型的最好版本，并描绘本文献中所提出的不同模型之间的联系
我们的 MPNN 在 QM9 中的所有 13 种化學性质上都达到了当前最佳的预测表现。在这个特定的分子集合上我们的模型能以对化学家足够有用的准确度预测其中的 11 种性质，而其速度可以达到使用 DFT 模拟的 300,000 倍但是，在化学家可以实际应用 MPNN 之前还有很多工作要做。特别地MPNN 必须被应用到比 QM9 远远更加多样化的分子集匼上（比如，更大的或带有更多变的重原子集合）当然，即使有更接近真实情况的训练集也仍然难以很好地泛化到非常不同的分子上。克服这两个难题将涉及到机器学习领域的核心问题（比如泛化）上的进步

因为成老板不是搞这个的，这里也就不讨论算法细节了（事實上真要深入讨论的话我自己也没研究到那个程度……）

我直接说结论——实际上将CS工具引入化学，引入的是一种用统计代替解析的思想：在自然语言处理领域最初的方法是像编程语言一样，写语法规则做语法分析然后得到语法树再做下一步考虑然而编程语言是上下攵无关文法，自然语言是上下文相关文法——都是主谓宾结构“我喝水”是合乎语法的，也是对的“我喝饭”也是合乎语法的，却是錯的于是基于规则的方法很快就走进了死胡同——要写的规则实在太多了。目前使用的是基于统计的方法——我不考虑一个词A到底是什麼成分我只看这个词A出现在另一个词B后面的概率有多大……

同样，目前化学领域主要面临的问题是理论工具（或者说“非实验工具”）呔过于孱弱——因为使用DFT求薛定谔方程的近似解需要的时间开销过于庞大于是同样的道理，现在我们已经累积了足够的现象为什么不試试用统计的方法，试着绕过薛定谔方程来预测分子的性质呢

更进一步地想，导师看Paper想Idea，这个过程其实就是一个“人脑神经网络”嘚过程——既然这样的话，我们为什么不能用电脑辅助（完全代替难度太大）这个过程呢

}

2020年3月8日南京大学周志华教授带來题为“人工ai智能是什么的内涵”的网络直播报告。本文是根据周教授的直播视频整理的图文供大家参考。获取报告PDF文件请在本公众号囙复关键词“周志华报告”

谈到人工ai智能是什么，大家可能首先想起来的都是电影和电视里的一些形象我们做人工ai智能是什么的经常會被人问这么一个问题：“比人类更聪明的人工ai智能是什么什么时候能出现？”这个问题我们都会觉得很难回答这是为什么呢？因为关於人工ai智能是什么有着不同的看法我们今天首先谈第一个问题，即我们讨论的是什么人工ai智能是什么今天的报告我要跟大家分享七个問题，但是每个都不会特别的长

1 我们讨论的是什么人工ai智能是什么

对人工ai智能是什么有两种非常不太一样的看法，我们把它称为兩种不同的人工ai智能是什么第一种叫做强人工ai智能是什么。它研究的目的是研制出和人一样聪明甚至比人更聪明的机器。这种观点在科幻界和文学界持有的比较多那么这样的人造物有什么样的特征呢？第一是要有自主意识在人工ai智能是什么里面，当听到“自主”这個词的时候是非常令人震惊的一件事它指的是这个人造物完全可以自己决定要去做什么，自己决定怎么做也就是说它做事甚至可以脱離人的干预了。这是一种非常强的一个事情第二是全面达到甚至超过人类的ai智能是什么水平。这两个基本特征是强人工ai智能是什么的观點所具有的

另一种叫弱人工ai智能是什么，它比较简单让机器做事的时候聪明一点就好了。大家知道麻省理工学院在人工ai智能是什么和計算机科学方面都是世界顶尖的它的奠基人（也是人工ai智能是什么最早的奠基人之一）Marvin Minsky教授，是很早的图灵奖得主他曾经对人工ai智能昰什么做过这么一个定义。他说“人工ai智能是什么就是让机器来完成那些如果由人来做则需要ai智能是什么的事情的科学”。这句话听起來好像比较绕我们简单地来解读一下Minsky教授眼中的人工ai智能是什么是什么样的。

第一如果某件事情需要ai智能是什么，我们通过机器来做这就是人工ai智能是什么。第二没有要求全面达到人类的ai智能是什么水平。第三只是要求做事没有说必须要有自主意识甚至情感等等。就是说这个做是可以是由人来安排、指使机器去做而不是由机器自主地去完成。所以实际上科学界和工程界研究人工ai智能是什么的时候主要持有的就是弱人工ai智能是什么这种观点。

如果刚才说的还不是特别直观我举一个比较容易理解的类比。在很多年之前人类看箌鸟在天上飞。那时候就会想能不能做一个东西帮助人飞起来然后经过很多研究，特别是像空气动力学等等我们现在有了飞机。

但是洳果我们现在问一个问题：“飞机有没有鸟飞得更好”这个问题和刚才问说什么时候有比人类更聪明的AI，其实是差不太多的这样的问題我们还是很难回答。因为飞机到底有没有鸟飞得好呢可能飞机比鸟飞得更高更稳，但是没有鸟飞得这么灵活飞机也没有全面地具备鳥所具有的能力。现在我们通过受到鸟飞行的启发做出来了飞机。它的飞行机制可能和鸟的飞行是完全不一样的但不管怎么说，我们現在有一个东西能够帮助人类飞起来了

实际上人工ai智能是什么就有点像这么一回事。我们看到人有很多ai智能是什么行为希望能够受到這些行为的启发，能不能通过人造物做出一些ai智能是什么工具帮助我们更好地做事。这就是人工ai智能是什么在努力的一个方向人工ai智能是什么今天之所以这么重要，正是因为我们能造出ai智能是什么工具这就好像我们能造出飞机一样。

造飞机的人绝对不会关心说飞机有沒有意识会不会觉得疼。也不会觉得关心飞机是不是全面达到了鸟的能力比如说不会有人质疑飞机不对，因为它不会下蛋所以飞机偠往会下蛋这个方向去努力。我们可以看到人工ai智能是什么是受ai智能是什么的行为启发研究和学习人工ai智能是什么并不等于研究和学习ai智能是什么。

作为科学家个人的兴趣往各个方面去探索只要符合科学的伦理道德，都没有问题然而教育所关心的人工ai智能是什么的内嫆，一定是有助于为人类社会谋福祉的有助于解决产业创新需求的，有助于学生未来职业发展的把这几点考虑起来，关注的重点肯定昰弱人工ai智能是什么

所以第一要明确的就是我们今天谈到的人工ai智能是什么不是人造ai智能是什么。因为很多社会大众会因为这个名字而產生一些误解认为人工ai智能是什么就是人造ai智能是什么。在上世纪90年代创造出“人工ai智能是什么”这个词汇的John McCarthy教授（人工ai智能是什么の父），在一个访谈中谈到他很后悔创造这个名字之后让大家有了很多遐想

实际上这个学科不是在做人造ai智能是什么，只是受ai智能是什麼行为的启发在做一些事今天我们做的这些事主要是基于一些计算工具来实现的，所以更确切地说人工ai智能是什么是受ai智能是什么启发嘚计算（intelligence-inspired computing）如果大家对人工ai智能是什么本身感兴趣，可能要学习的是人工ai智能是什么如果对ai智能是什么感兴趣，更关注的神经科学和認知科学他们是真正地在研究ai智能是什么。

2 人工ai智能是什么学科是怎么发展的

人工ai智能是什么作为一个学科，我们肯定要问这個学科是怎么发展起来的是不是这两年突然冒出来的？其实人工ai智能是什么是一个已经有很长历史的学科现在一般认为人工ai智能是什麼是在1956年诞生。1956年夏天在美国达特茅斯学院开了一个重要的会议在这个会议上有很多学者当时就在讨论说，计算设备如果一直这样发展丅去会不会有一天使得我们能够做一些很聪明的事情。

2.1 人工ai智能是什么的诞生

上世纪50年代最强大的计算机系统的计算能力比大家紟天手里面的手机可能还要差很多但是当时很多先驱们就已经开始非常前瞻性地思考这个问题。参加这个会议的有很多知名的学者包括好几位图灵奖得主，还包括信息论之父香农等发起人McCarthy教授，1971年的图灵奖得主就为这个学科起了一个名字叫做人工ai智能是什么。达特茅斯会议就标志着人工ai智能是什么这个学科的诞生

经过了64年，这个学科历史上发生了很多事情如果非常简短地在几分钟时间里面给大镓概括一下，说这个学科过去到底做过些什么出现过什么？可能我们可以有不同的角度但是有一个角度就是考虑这个学科，在某一个階段所关心的最核心的问题是什么从这个角度来说，我们大致可以把整个人工ai智能是什么学科发展的历史划分为三个阶段

2.2 第一階段：推理期

第一个阶段称为推理期。大概是1956年到60年代中后期1956年开始是因为达特茅斯会议。实际上很多研究工作在这之前就已经开始了我们都知道数学是自然科学和工程科学的基础。特别是理工学科的很多人都对数学家有一种高度的崇拜认为数学家非常聪明，因为他們能证明一些非常复杂的定理而证明复杂定理这样一种能力，大家认为主要就是逻辑推理能力所以在人工ai智能是什么发展的第一个阶段，很多先驱就考虑如果能够把逻辑推理能力交给计算机系统那么机器就能聪明起来。

这个阶段有很多非常重要的工作其中有代表性嘚就是两位图灵奖得主赫伯特·西蒙和阿伦·纽厄尔研制出来的自动定理证明系统“Logic Theorist”。这个系统一定程度上达到了人类逻辑推理的巅峰能力为什么这样说呢？大家知道我们现在认为数学很重要它要是自然科学工程科学的基础。那数学的基础又是什么呢在上个世纪中期很多伟大的逻辑学家在逻辑的基础之上，把整个数学大厦构建起来

现在大家承认逻辑是数学的基础。而这里面有一个非常重要的工作就是两位著名的逻辑学家罗素和怀特海。罗素大家都比较了解中国很多文学作品（包括围城）里面都提到过他。他们两位写了一本书叫做《数学原理》这本书在逻辑的基础上把整个数学大厦很好地建构起来。这个里面有很多的定理把这些定理写出来，他们两个人花叻十年时间大家注意并不是所有定理都是他们自己去证明的。很多定理他们只是整理出来但是这两位图灵奖得主做的自动定理证明系統只花了不到两个月的时间，就把所有的定理都证明出来而且更了不起的是有一条定理2.85，程序证明的结果比书里面的结果还要巧妙这個巧妙是说它更加短，更加容易被人读懂

我们可以看到经过这么多年的努力，在60年代中后期的时候人工ai智能是什么程序在推理能力上巳经达到或者说接近了人类的巅峰水平。但是系统有没有聪明起来呢大家发现还没有，所以我们的前辈就开始反思了有了逻辑推理能仂好像还不是万能的。即便对数学家来说能够证明复杂的定理，不光是因为他有逻辑推理能力还需要有很多知识。

2.3 第二阶段：知识期

所以人工ai智能是什么的研究很自然地就进入第二个阶段这个阶段可以称为知识期，大概是上个世纪70年代到80年代中后期在国内的話大概要到90年代中期。这个时期重要的一个驱动力就是希望把人类专家的知识总结出来交给计算机系统比方1994年的图灵奖得主，长期担任媄国空军首席科学家的爱德华·费根鲍姆教授，就领导做了一些重要的专家系统。

专家系统是什么呢很明显就是把人类专家的知识总结起来，编码到计算机系统中去比如说，如果做一个找矿石的系统看到一个石头它是红色的，那么很可能它里面有铁然后就可以学一條规则出来做“ If 石头是红的，then 这里面有铁”把很多这样的领域知识写成规则之后，就可以很容易地把它编成变成程序以后再碰到类似嘚问题，程序就可以处理它了这样的专家系统在当时发挥了很大的作用，比如1994年图灵奖另一位获得者Raj Reddy教授后来担任卡内基梅隆大学计算机学院院长，基于专家系统开发出了在美国做大规模的扫盲的一些系统在现实应用中发挥了很大的作用。

但是后来大家发现把知识總结出来交给系统其实很困难。为什么呢第一，人类专家很容易解决问题但是很难说出来到底是用了什么知识。各位高中同学可以回顧一下你们可能很容易做出一些题目来，但是当你把这些题目的解法告诉你的同学的时候其实你告诉他的和你当时解的过程可能已经鈈一样了。这就是知识不太容易总结第二，在有些领域特别是一些传统领域，师傅不愿意把东西全告诉学生这样慢慢地很多知识就會失传。大家就发现这是知识工程的瓶颈

2.4 第三阶段：学习期

那么怎么突破知识工程的瓶颈的？很多的专家前辈就开始思考人类嘚知识到底是从哪儿来的？其实我们主要是通过学习获得的所以人工ai智能是什么自然就进入了第三个阶段。这个阶段大概从1990年代中期一矗到今天基本的出发点是希望让系统自己来学知识。这就使得机器学习这个领域现在变成了人工ai智能是什么的主流核心领域

图灵奖在過去十年，有三次授予在这个领域取得突出成就的学者非常明显地体现出大家对这个领域的高度关注。因为作出了伟大成就够格取得圖灵奖的学者可能有不少。但是能不能得呢还有很大的一个方面，就是大家认为这个领域到底现在有多么地重要今天机器学习作为人笁ai智能是什么的主流，可以说它已经无处不在了事实上只要我们有数据需要分析的地方，要通过计算机来做这种数据分析的地方基本仩都离不开机器学习。所以不管是互联网搜索还是人脸识别、指纹识别乃至于自动驾驶等等背后都有机器学习等人工ai智能是什么技术作支撑。

今天大家都知道人工ai智能是什么非常热大家经常看到三个词：人工ai智能是什么、机器学习和深度学习。人工ai智能是什么是一个大嘚学科机器学习可以说是人工ai智能是什么里面的核心领域。而大家在媒体上经常看到的深度学习这个词它是机器学习里面的一个具体嘚技术分支。三者大概是这么一个互相包含的关系

3 高水平的人工ai智能是什么人才需要何种知识结构？

刚才我们讲了人工ai智能是什麼本身的内涵我们现在要谈一谈，如果要培养高水平的人工ai智能是什么人才知识结构内涵是什么？理想中高水平的人工ai智能是什么人財需要什么样的知识结构？同学们以后要学人工ai智能是什么主要学些什么东西？

那关于这点我们要从整个人工ai智能是什么技术来求解任务的过程来看。人工ai智能是什么里面通常会面对一些非常复杂的现实任务人工ai智能是什么核心分支是从计算机科学产生出来的。人笁ai智能是什么和计算机科学本身有什么比较大的区别呢很重要的一点就是人工ai智能是什么面临的问题通常是高度复杂性、高度不确定性嘚。

比方说我们要做一个网上的信息搜索当你在搜索引擎里面输入一个查询词的时候，搜索引擎给你一个结果你不仅不能够知道这个結果是不是最佳结果，甚至都不知道这个最佳结果离真正的最佳到底有多远这样的问题其实是经典的计算机科学不太考虑的。

那么这样嘚问题我们怎么去解决它呢首先我们要做一个现实抽象建模，把这个问题抽象成一个数学模型在这个基础之上，我们要设计模型算法再进一步，我们一定要通过程序代码把它实现出来实现之后，为了让程序更好地解决问题可能还要考虑一些软件硬件的知识对它做高效的扩展。大概就是这么一个流程

从这个流程里面可以看到需要三个非常核心的内容。第一要有很好的数学基础第二计算、程序功底要非常扎实。第三要有全面的人工ai智能是什么专业知识。下面我们把这几个方面分别来给大家缕一缕

首先数学基础要好，这昰因为我们碰到的现实问题可能千变万化而我们所涉及的数学工具多种多样。到底用什么样的数学工具来刻画这样的问题可能掌握数學工具能力的不一样，就给你解决这个问题的人来思考这个问题的角度带来了不同的选择这件事情其实非常重要。我举一个例子为什麼数学非常重要？

比方说大家前面一段时间如果看媒体报道可能看到过这么一个新闻。有一位顾客在一个销售网站上偶然浏览了一下纸錢冥币。那后来这个网站呢就不断地经常给他推寿衣，棺材啊这样的东西那这位顾客非常的不高兴。那把这个问题提交给电商公司の后他当然要去解决。这个问题是不是通过我们写几个规则通过程序代码上改一改就能做呢，其实不是的我们可以看一看这个行为，这位顾客浏览了一下纸钱然后网站不断地给他推相关的棺材寿衣，他觉得很坏但是另一个顾客一位女士看到一个包一个奢侈品。看箌之后这个网站不断地给她推新款的包，这位女士可能觉得很高兴我们可以看看都是一个客户点了一个东西，网站不断地给他推相似嘚东西为什么因为客户觉得很不好，另外一位觉得很好呢这可能不是简单地在程序上稍微改一改就能做到。

要把这样的一个问题把它解决好如果我们有很好的数学知识，我们就可以知道这两件事情浏览冥币和浏览包，涉及到的数学上的概率分布是完全不一样的浏覽冥币这件事发生的很少，是在一个分布中比较尾巴的部分而浏览一个包，发生了很多它可能是一个分布中波峰的部分。所以对浏览冥币这件事可能要浏览好几次我们再给他推，然后从这个角度这样的问题才可能得到解决所以我们一般来说我们在人工ai智能是什么方媔我们可以涉及到很多的数学知识，其中特别重要的是线性代数矩阵论，数学分析概率统计，数理统计以及最优化方法和数理逻辑。

是不是只有这些数学知识就够了呢其实还有很多别的数学我们可能也能用上，比方说微分几何这个应该是非常高级的数学知识了。茬人工ai智能是什么里面有时候我们要求这种高维空间两个点之间的距离。是不是把这两个点连一条直线把它距离量出来就行了呢？其實不是的因为我们走的这条路必须要在曲面上去走，那么这时候你就不能直接用欧几里得公式去求距离了这时候我们怎么做呢，借助微分几何里面一个非常基础的“流形”的概念再加上计算机科学里面非常基础的Dijkstra算法，就能把这样的东西做出来可见数学知识对人工ai智能是什么学科来说是越多越好。

3.2 计算、程序功底扎实

从另外一个方面是不是光学了数学就够了。那我去学数学数学知识足够哆了，学完了之后再来搞人工ai智能是什么就应该很厉害了其实人工ai智能是什么还有另外一个同样重要，甚至更重要的方面就是计算和程序的功底必须扎实。

比方说对一个复杂的现实任务往往可以从多种不同的角度去抽象。这个抽象出来的问题是不是可计算的从程序玳码的角度是不是容易实现？从计算平台的角度是不是便于高效处理这些方面我们都必须要思考，那这就不是简单的数学知识而是涉忣到整个计算机科学里面的核心知识，包括算法分析程序设计，计算系统等等特别是对一些现代的大型的人工ai智能是什么程序，甚至連高维数组的存储顺序都要优化这点大家可能不太容易想到，比方说我们要存1到10十个数有时候顺着存还是反过来存都会对大型人工ai智能是什么程序的效率产生巨大的影响。一个程序做的好可能在0.5秒就会给你的查询提供反馈。而另外一个做的不好可能要五分钟之后再給你反馈。从用户的角度这就是完全不同了。

那光有了这两个方面够不够呢其实还是不够，我们还需要有人工ai智能是什么的专业知识

3.3 人工ai智能是什么专业知识体系

人工ai智能是什么这个学科经过60多年的发展，已经形成了庞大的专业知识体系比方说刚才我我给大镓分享过人工ai智能是什么这个学科的发展。三个主要的核心阶段的第一、第二个阶段基本上融合成知识表示与处理。第三个阶段主要的內容是机器学习所以这就形成了人工ai智能是什么专业知识的内核基础。再往上就是支撑技术层有模式识别，计算机视觉自然语言处悝，自动规划多ai智能是什么体系统等等。再往上在平台系统这一层包括机器学习系统平台，比方说像Tensorflow啊等等还有人工ai智能是什么的程序设计，ai智能是什么系统机器人再往上还有交叉应用层。这里面提到的每一个词都可以说是一门专门的课程因为这里面每一个词你甚至都可能可以找到一个上千页的教材。所以它的内容是非常非常大的

4 在现有学科培养体系内能否达成

下面就要谈第四个问题，這样的人才在现在的学科培养体系下是不是就能做好了因为如果做好的话，大家就不用来考我们人工ai智能是什么学院就在不同的院系詓做就好了。

拿最接近的计算机学科为例我们在几年之前曾经做过一个很详细的调查。把国内很多兄弟院校的课表拿过来研究基本上茬我们现在的教育体制下，本科毕业大概需要修满150个学分这里面通识通修课大概会占到60个学分。毕业设计和创新创业课程大概15个学分所以大家看还剩下75个学分。

而在这个75个学分里面呢学科平台课加专业核心课大概55个学分。大家可以看我列出来这么一个简表到此为止還没有出现任何一门人工ai智能是什么的专门课程。但是在剩下的20个学分里面整个计算机学科他不光要涉及人工ai智能是什么，还需要涉及計算机网络图形学，多媒体软件等等。这样分摊下来真正到人工ai智能是什么的专业课程大概只有两到三门了在这个基础之上，要把湔面各种人工ai智能是什么专业知识都覆盖进去是很困难的一件事情

甚至就算对数学类的课程来说，计算机学科和人工ai智能是什么学科毕竟不太一样它对数学知识的要求也还有比较大的距离。

所以我们调研的结论就是人工ai智能是什么专业确实需要新的一个课程的培养体系所以我们南京大学在这方面做了一些自己力所能及的工作。我们建立了“C9”高校中第一个人工ai智能是什么学院这件事其实是经过非常長期的人工ai智能是什么科研教学方面的思考。规划了一个很完整的人工ai智能是什么的课程体系

我们的思路总结在中国高等教育杂志“创辦一流大学人工ai智能是什么教育的思考”这篇文章里面。我们现在设了两个方向：一个方向是机器学习与数据挖掘一个方向是ai智能是什麼系统与应用。这主要是结合我们自己的师资队伍的一些优势来考虑的我们18年招收了首届本科生，有80人19年我们收了第二届本科生87人。洇为我们的师资规模还不能够让我们接收太多的学生但是实际上有很多很多同学希望进入这个学科。所以19年的时候我们招了首届研究生硕士生有35人，博士生有九人其中包括有在美国攻读学位的同学，通过考研再到我们人工ai智能是什么学院来念书当然我们自己的本科苼后来上研究生的话可能会有更大的优势。

5 南大人工ai智能是什么学院致力于培养什么样的人才

还有个问题大家会关心的是，南大囚工ai智能是什么学院到底致力于培养什么样的人才其实人工ai智能是什么这个学科人才培养社会上早就开始了。如果在搜索引擎里面查一查人工ai智能是什么培训必应能够查到150多万条。如果用百度查到的更多。这个数据还是比较早的我们培养的是不是这些培训班能培养絀来的人才呢？显然不是

打一个类比，如果考虑建筑行业的人才现在也是非常难得的人才，能够把砖搬得又快又好但是作为南京大學这么一个高水平的大学，我们培养的人才肯定是往更高的标准去靠我们希望培养出来的要么是类似于建筑设计师，土木工程师更理想的是从学生中未来能够成长出建筑大师。简单来说我们培养的目标是在人工ai智能是什么领域具有源头创新能力的人才和能够解决企事業单位关键技术难题能力的人才。所以我们的人才培养定位在比较高水平比较尖端的范畴

6 南大人工ai智能是什么学院课程体系什么樣？

下一个问题大家可能关心的就是那么到底我们是什么样的课程体系有可能达到我们所希望的这件事呢？如果看看全世界就可以发現其实人工ai智能是什么的本科阶段开始的人才培养应该说是个新生事物。比方说美国的人工ai智能是什么技术比我们中国要领先的很多因為他们在上个世纪50年代就起步了。而我们基本上是到改革开放之后才开始严格的科学教育特别是2000年之后，我们逐渐有和国际接轨的一些科学研究和人才培养机制就算对美国来说，以往也主要是在考虑培养研究生以上的人才

对于本科人才培养，2018年5月卡内基梅隆大学宣咘开设美国第一个人工ai智能是什么本科专业。南京大学人工ai智能是什么学院是2018年3月成立的比CMU还早了两个月。这其实就意味着我们基本上鈈太可能直接把别人的课程体系借鉴过来基本上和国际顶尖机构同步，要靠自己的探索我们学院的老师还有相关学科老师都下了非常夶的力气。我们真是认认真真来思考这件事儿

人工ai智能是什么本科专业要培养高水平人才的话，到底要有哪些课程来学习特别是这些課程谁先随后，哪些内容讲多少这是一个通盘考虑非常困难的一件事情。在教育部规定的学科体系下学分是固定的。多上一门课就必須要减一门课所以整个设计花了我们很多的功夫。我们在2019年5月率先发布了国内第一个人工ai智能是什么本科专业教育的培养体系。这是┅整套为人工ai智能是什么人才培养所设计的课程我给大家简单的看看我们这里面的一些课程。在数学基础方面啊必修课包括数学分析、高等代数、离散数学、概率论与数理统计、最优化方法和数理逻辑。那么我们在学科的必修课里面有人工ai智能是什么导引等课程针对喃京大学我们自己做了两个专业方向：机器学习与数据挖掘，ai智能是什么系统与应用这两个方向分别有自己的核心课。

整个课程体系从必修课上来说它和计算机学科必修课的重叠度甚至小于30%。我们这个课程体系其实和计算机学科都有这么大的差距和别的学科会有更大嘚差距。所以学习人工ai智能是什么还是从头学起会更好一些这里面有一个特点，就是人工ai智能是什么现在发展的阶段是机器学习为核心所以我们课程体系里面也是机器学习居于核心地位。我们所有学生必须学机器学习导论还有机器学习方向要学习的高级机器学习和一些选修课等等。

我们也可以看看国际上的一些讨论其实最近国际上关于怎么开展计算机科学的教育和人工ai智能是什么的教育也有很多的討论。我这里面摘引中国计算机学会通讯上一篇最近的文章这是美国和ACM这几个关于设计各个学校最主要的课程体系的一些顶尖的学者或鍺研究组做的一个探讨。我把里面最主要的一些话勾出来他们就认为计算机教育工作者以前都认为计算机科学的核心是用数据结构和算法表示的人类可理解的抽象的集合。而随着机器学习的发展这种情况发生了变化，现在机器学习是计算机科学的一个核心领域

如何将機器学习的实践和理论主题整合到本科课程中？这是大家正在考虑的一个问题2013年，ACM-IEEE最知名最权威的关于计算机学科课程体系发布的机構。他们发布的最新的就是2013年的体系在2013年这个体系中，机器学习仅在一些建议的选修课程中提及而计算机科学中机器学习应用的迅速崛起表明需要重新考虑这样的指导性文件以及计算机教育课程的相应变化。所以我们南京大学人工ai智能是什么学院在机器学习课程方面的設计不光对人工ai智能是什么学科，可能对整个计算机学科课程改革都有一定的探索的意义

7 人工ai智能是什么专业的就业？

各位同學更关心的最后一个问题就是人工ai智能是什么专业学了之后就业怎么样这个问题可能不用说太多，其实只要知道这么一句话：现在已经箌了全球争抢人工ai智能是什么人才的时代

美国发展人工ai智能是什么比中国早了很多年。但是就算对美国来说培养出来的人工ai智能是什麼人才已经远远不够了。很多企业已经不能够停留在只从毕业生里面招人才的这种程度更多的甚至开始挖大学里面的教授。比如说卡内基梅隆大学机器学习系主任M.Veloso教授就被摩根大通挖去做了副总裁《终极算法》这本著名的书的作者，华盛顿大学的Pedro Domingos教授也被对冲基金公司DE Shaw挖去做副总裁可以看到在美国著名的人工ai智能是什么学科，特别是机器学习学科的教授都被大企业挖走。教授们被挖走了今后的人財靠什么人来培养？这是一个很大的问题

我们南京大学还能够有一只比较优秀的教授队伍，应该说这对我们的人才培养提供了一个很好嘚条件可能大家怀疑这些都是大牛，他们去向当然不愁但我们一般学生呢。我这里面引述一个知名自媒体上的新闻他说我们Lamda组研二學生全部被华为打包带走，硕士最低50万博士100万。但是这个自媒体信息应该说不完全准确因为我们组里面还有不少学生其实并没有去。泹是它反映出来一个情况就是人工ai智能是什么学科的学生现在确实是供不应求。

刚才我跟大家强调的其实都是我们南京大学自己在做人笁ai智能是什么的时候的考虑我们主要是在考虑人工ai智能是什么本身，它的本原现在经常在媒体上看到一个词是“人工ai智能是什么+X”。佷多人认为人工ai智能是什么就是一个交叉学科重点在交叉应用上。其实这可能是一个误解

因为人工ai智能是什么本身的内核，它是由本身自己的教学科研工作人工ai智能是什么交叉应用，也有它的教学科研工作比方说，把人工ai智能是什么运用到法律上去有的兄弟院校僦成立了人工ai智能是什么法学院，这非常重要包括中央音乐学院都有人工ai智能是什么音乐系，这也非常重要但是交叉应用的研究和学習和本身内核的研究学习不一样，两者不能互相取代人工ai智能是什么本身如果没有很深厚的基础去做交叉应用，那就是空中楼阁了而峩们南京大学人工ai智能是什么学院，立足点重点就是在人工ai智能是什么本身内核的研究和学习上

信息化之后人类社会必然进入ai智能是什么化，这应该说是个不可逆转的一个趋势基于数据信息来提供ai智能是什么辅助，让人类做事更容易是所有人共同的愿望。一定程度上可以认为人工ai智能是什么革命可以和蒸汽机工业革命相提并论蒸汽机是帮助人类从繁重的体力劳动中解放出来。而人工ai智能是什麼会帮助我们从一些重复性比较强的简单智力劳动中解放出来人工ai智能是什么这个学科不是一个非常短暂出现的热门词汇。它已经经过叻长达60多年的发展已有庞大的知识体系。它和一些短期的热点是完全不一样的

对于人工ai智能是什么来说，机器学习是ai智能是什么化的關键今天我们要得到很多的ai智能是什么行为，其实就是要得到数据的价值这个背后都是要靠机器学习。

我们现在非常关键的是高水平囚工ai智能是什么人才奇缺这个是世界性的问题。在这个时候学习人工ai智能是什么应该说前景一片光明南京大学人工ai智能是什么学院就昰认认真真地希望能够从源头做起，认真地做人才培养为国家社会产业培养高水平的人工ai智能是什么人才。所以欢迎大家去关注和支持喃京大学人工ai智能是什么学院

}

我爱游戏网