李开复新书解读人工智能：在AI领域，中国人已是中坚力量

【编者按】

人工智能（AI）已经到来，它就在我们身边，几乎无处不在。有人把2017年看作是“人工智能应用元年”，它将引领一场比互联网影响更为深远的科技革命。作为人类，面对这场革命，与其恐慌，不如尽早思考该如何应对，想想个人应该做些什么，才能避免被AI取代？企业应该如何升级，才能在新的商业变局到来前抓住先机？

近日，创新工场董事长李开复和创新工场人工智能工程院副院长王咏刚一起，将推出新书《人工智能》，全面解读AI。澎湃新闻获得授权，摘录其中部分内容。

AI创业既客观存在局部过热的泡沫，也有巨大的潜能尚待挖掘。总体来说，目前的人工智能大格局中，机遇是主旋律，泡沫和危机是必须克服的局部挑战。这一格局在全球如此，在中国亦如此。

而且，若专就中国AI创业环境来说，人工智能无疑是助力中国科技腾飞的最好机会之一。互联网和移动互联网时代，中国科技精英已经用淘宝、微信、摩拜单车等“中国创新”让世界看到了我们的创造力和执行力。人工智能时代，中国的人才优势、市场优势、资金优势、坚持多年创新的商业模式优势等，都是人工智能最好的生长土壤。如果措施得当，行动高效，中国甚至有可能借人工智能技术全面占据信息科技的制高点，在创新、创业领域真正成为引领者而不是跟随者。

AI领域，中国人/华人已是科研中坚

2016年，美国白宫发布的《国家人工智能研究与发展策略规划》报告从Web of Science核心数据库里查询提到“深度学习”或“深度神经网络”的文章，统计其数量变化趋势。报告说，从2013年到2015年，SCI收录的论文里，提到“深度学习”的文章增长了约6倍，同时强调：“按文章数计算，美国已不再是世界第一了。”

美国不是世界第一？谁是世界第一呢？报告指出，中国发表的相关论文数量在2013年及以前还落后于美国，而在2014年和2015年，中国的相关论文数量就跃居世界第一。如果只统计论文数量，中国在AI研究领域，已经是不折不扣的领跑者了。

白宫《国家人工智能研究与发展策略规划》中的数字统计，其实还是存在一些技术上的问题，比如，直接搜索关键字“深度学习”“深度神经网络”，是否真的能涵盖这些年人工智能领域的所有科学研究进展？统计论文数量时，是否要考虑论文所发表期刊的影响因子，以便衡量论文的重要程度？

创新工场使用更严格的条件，只统计Web of Science核心数据库中SCI影响因子较高的人工智能期刊中的论文，并在主题上涵盖人工智能相关的所有科研领域，做了一次独立的数据分析。

根据创新工场的统计，在2006年到2016年的时间段里，近两万篇顶级的人工智能文章中，由华人贡献的文章数和被引用数，分别占全部数字的29.2%和31.8%。近10年，华人用五分之一左右的作者人数，平均贡献了三成的顶级AI研究文章和被引用数。从统计角度来看，这已经是超出平均水平的科研贡献 了。

从变化趋势看，2006年到2015年，华人作者参与的顶级AI论文，占全部顶级AI论文数量的比例，从23.2%逐年递增到42.8%。而华人作者参与的顶级AI论文被引用次数，占全部顶级AI论文被引用次数的比例从25.5%逐年递增到55.8%。

举例来说，《IEEE模式分析与机器智能汇刊》（IEEE Transactions on Pattern Analysis and Machine Intelligence，简称PAMI）在2006年到2016年，引用数很多的前500篇顶级的人工智能论文中，作者一共1220人，其中华人科学家、研究者316人，占25.9%。所有作者单独累加计算的被引用数总和是231361次，其中，华人科学家、研究者被引用数总和是63846次，占27.6%。如果单看2014年（当年华人的文章数、引用数均较高）的数据，华人科学家、研究者被引用数占51.8%，超过了半数。

也就是说，即便只统计顶级出版物里的顶级文章，中国人/华人在人工智能领域的贡献，在发展趋势上也和白宫报告中揭示的规律一致——无论从哪个角度来说，中国人/华人正在人工智能领域里发挥举足轻重的作用，而且，从2014年和2015年开始，中国人/华人已经处于人工智能研究的领先地位，占据了人工智能科研世界的半壁江山！

当然，需要特别指出的是，我们不能单看这些反映整体趋势的统计数据就沾沾自喜。事实上，上述数据所表现的，仅仅是中国AI科学家以及全世界的华人AI科学家作为一个整体，已成为AI科研的最大阵营这一事实。但从突破性科研贡献的数量和质量上说，中国还无法与美国相比。如果只统计那种革命式的、里程碑式的突破，中国人或华人的占比就会少很多了。深度学习“三巨头”中没有一个华人面孔，这个事实至少说明，中国或世界华人科研群体中，还缺少顶级大师式的人物。用围棋的段位来比喻的话，就是中国在人工智能领域拥有不少六段、七段甚至八段的高段位棋手，但暂时还缺少九段的顶级高手。

一方面，客观承认中国与美国在AI前沿科研上仍存在较大差异；另一方面，我们也必须看到中国AI科研力量的蓬勃兴起。中国国内的研究者和分布在世界各地的华人研究者，他们在人工智能领域共同构成了一个巨大的人才储备库。无论是从国家的层面，还是从投资者、创业者的层面，我们都应该想办法培育好、用好这个人才库，尽量鼓励海外华人科学家回国创业，或者帮助国内创业团队尽快赶超世界水平。

中国有独具优势的AI创业环境

尽管存在诸多挑战，但我仍然大胆预测，在未来5年内，中国将会诞生许多世界级水平的人工智能企业。为何我会如此坚定？因为中国具备了人才储备、行业需求、庞大市场、生态系统等许多极有利于人工智能发展的条 件。

人才储备方面，除了上节提到的中国科研力量不可忽视之外，中国人也普遍对国内的数学等理工科的教学水平感到自豪。高水准基础科学、工程学教育可以造就大批高素质的年轻人才，这是任何一个新兴产业赖以发展的关 键。

中国学生普遍理工科较强，数学较强。这在人工智能时代里，显然有巨大的优势。庞大的理工科学生基础，造就了一大批高素质的人工智能科学家、工程师。同时，即便是没有专门去学计算机科学的学生，他们中有很多已经具备了非常扎实的数学知识，这些学生在需要时可以通过培训，较快地成为掌握深度学习等人工智能技术的算法工程师。目前，创新工场正和许多致力于人工智能发展的企业一道，加强与高校的合作，努力培养更多的人工智能人才，同时也投入资金，开展人工智能科研数据集和竞赛的建设，让更多的人有机会参与到人工智能技术的普及和提高中 来。

行业需求方面，中国的传统行业较为薄弱，但这种状况反而给中国带来了一种后发优势。如今，中国许多传统企业在技术转化领域还大幅落后于美国企业。但是这些中国企业坐拥的是海量数据和充沛资金。它们有热情也有动力去投资那些能帮助企业拓展业务、提高收益、降低成本的人工智能技术与人才。

此外，中国有全球规模最大的互联网市场，网民人数近八亿，大量的互联网公司正在深耕市场。很多非人工智能的互联网公司成长到一定规模之后，为了转型升级、扩大规模，都需要引入人工智能技术。而且，中国市场既开放又有许多独特性。尽管美国人工智能企业领先全球，但它们要想进入中国市场必须跨越重重阻碍，因为中国市场需要的是最“接地气”的本地化解决方案。此外，对于人工智能的探索性和试用性需求，中国往往会采取相对开放和鼓励的路线，这也可能促进行业的超速发展。

也就是说，中国虽然在人工智能的前沿研发中不如美国，但中国有独具优势的AI科研和创业环境，有机会实现弯道超车，后发先至。

举例来说，美国的金融行业已经发展得非常成熟，金融企业使用的营销、风控等模型是数十年经验积累的结果，让美国金融企业转变思路，采用基于深度学习的新一代人工智能系统，这要花费大量的时间与精力。反观中国的金融系统，各种新型金融机构十分活跃，基于互联网的金融产品几乎每年都在进行模式创新。中国的新兴金融机构没有那么多历史包袱的束缚，反而可以更快地试用或部署深度学习算法，帮助自己改进业务流程，提高效 率。

现在正是将人工智能技术转化为产业应用，解决现实社会问题的黄金时期。抓住人工智能热潮中的机遇期，中国应当会有一番大作为。

AI黄埔军校——微软亚洲研究院

说到今天的中国AI创业，就不能不提一所培养人工智能人才最多，输出人才质量最高的人工智能黄埔军校，这就是我于1998年回国创立的微软亚洲研究院（1998年创立时的名称是微软中国研究院）。

我非常怀念1998年创立微软亚洲研究院的时光。那段时间，就像我自己的“阳光灿烂的日子”一样，似乎只要你有足够的热情，就可以将全球范围内最具实力的华人科学家聚拢在一起，共同从事机器视觉、语音识别、智能交互、多媒体、图形学等前沿领域的研究，共同享受科研带来的快乐。

那个时候，虽然刚刚经历国际象棋领域的“人机大战”，但科研界和产业界还处于人工智能发展的低谷期，人工智能科学家还不像今天这样被高科技企业以重金“哄抢”。太多太多急功近利的科研人员耐不住人工智能领域的寂寞，都匆匆转向其他更容易完成产业转化的领域。

但微软亚洲研究院不同。我们从一开始就制定了面向未来的主导原则，确定了围绕人工智能各技术领域组建高水准研究团队的基本思路。敢于设想别人不敢想的未来，敢于做别人不愿做的研究，这是微软亚洲研究院之所以能在数年之后成为国际人工智能领域科研重镇的关键。

在那段“阳光灿烂的日子”里，我亲自聘请或招募到微软亚洲研究院的科研精英们一个个都那么年轻，那么有活力。今天，他们中几乎每个人的名字都在科技大潮中熠熠生辉。尤其是在人工智能领域，今天中国最好的AI创业团队里，首席科学家的人选中，许多都曾经在微软亚洲研究院工作过。

1999年加入微软亚洲研究院的张宏江是视频检索领域的“开山鼻祖”。张宏江在微软亚洲研究院期间，就曾带领和指导视觉计算组解决人脸识别的问题。今天，人脸识别在中国的金融和安防两个垂直领域得到了广泛应用，人脸识别方向的优秀初创团队，几乎都能从师承关系上回溯到张宏江当年指导过的这个研究组。例如，商汤科技创始人汤晓鸥曾在微软亚洲研究院担任视觉计算组主任，商汤科技的核心技术团队也基本来自微软亚洲研究院。2016年加盟旷视科技（Face++）担任首席科学家的孙剑曾在视觉计算组工作了十几年，是沈向洋的得意门生，而旷视科技的技术骨干差不多都是孙剑和汤晓鸥的学生。

此外，像郭百宁、芮勇、马维英、颜水成等一大批青年科学家，当年都曾在微软亚洲研究院从事人工智能相关的科研项目。今天，郭百宁担任微软亚洲研究院的常务副院长，芮勇则在2016年加入联想担任CTO，马维英于2017年2月出任今日头条副总裁，颜水成现在是360公司首席科学家、人工智能研究院院长。更年轻的人工智能大牛中，旷视科技的创始人印奇、商汤科技的杨帆、初速度（Momenta）的创始人曹旭东、依图科技的创始人林晨曦、Linkface的创始人夏炎、深度学习框架Caffe的作者贾扬清等，都有在微软亚洲研究院实习或工作的经历。

当年接替我担任微软亚洲研究院院长的张亚勤，他的研究方向主要在多媒体领域，但也和人工智能有很多交集，例如对视频的压缩、分类、理解，都需要AI的帮忙。相关的三维图形学研究，会慢慢由纯粹的图形学问题逐渐演变为使用人工智能算法理解空间结构等AI问题。此外，微软亚洲研究院当年从事搜索、大数据等方向研究的，最后都需要融合机器学习特别是深度学习技术。应该说，当年我和张亚勤为微软亚洲研究院规划的几个研究组，除了其中偏重人机交互界面技术的小组（当年由王坚领导的小组。王坚后来成为阿里云的创始人）外，其他研究组都或多或少与人工智能相关。