人工智能向前走，应该往哪里走？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。
【记者】李定
【摄影】朱洪波
【作者】 李定；朱洪波
【来源】 南方报业传媒集团南方+客户端
