大咖來信 | 張亞勤@2018：終極演算法有待類腦突破，量子計算會指數加速AI

來自專欄量子位

李根 發自 凹非寺

量子位 報道 | 公眾號 QbitAI

張亞勤是1998年決定回國的，距今已過20年。

這20年中，技術變革天翻地覆，中國發展也日新月異。他見證了互聯網在中國的從弱到強，也看到了中國AI正在生髮出的全球影響力。

但張亞勤坦言，這一切都是10年、20年前難以預料的，最近這一年來，新技術、新趨勢和新變革令他著迷，也令他興奮不已，他甚至最近都在「閉關」讀論文，以求第一時間了解最新的技術進展。

他如何看待當前趨勢？又有哪些思考、提醒和最新判斷？

在與量子位的獨家對話中，這位百度總裁分享了他最新的所見、所聞和所感。

（為便於完整了解亞勤所思所想，我們將對話在不改變原意的基礎上，進行了第一人稱改寫，小標題均為後添加。）

△ 百度總裁張亞勤

深度學習有大缺陷

終極演算法賴於類腦突破

我最近兩個月把自己的社交網路都停了，朋友圈關了、微博也不看了，現在每天晚上有時間就看論文，比如演算法相關的、量子計算等，讀書、看論文，發現認知又有提升。

我也在建議我小孩，可以試著把社交網路暫停3個月，然後多讀讀論文和書，會有增益而不是損失。

當前蓬勃發展的新技術讓我興奮，十年前決計想不到會有今天這樣的爆發。

AI的再次火熱因深度學習而起，但從演算法複雜度、邏輯和計算機科學的角度，深度學習其實並不複雜，終極演算法是什麼？一切還只是小荷才露尖尖角。

我正在讀的一本書，來自多明戈斯（Pedro Domingos）——《終極演算法》，其中介紹了5個人工智慧學派：符號學派、進化學派、聯結學派、統計學派和類腦學派，他認為決定未來走向的終極演算法，可能就在這5大學派中。

目前，佔主流的是聯結學派，通過大量數據做深度學習，建多層網路，就已經展現出了巨大的影響力。

但其實它對人的大腦基本不懂，只是用可監督學習，有輸入、輸出，然後就靠調參數，用反向傳播來優化，優化好之後模擬一個大函數，進而來了新數據之後做新預測——並沒有真正用到了人腦學習原理。

聯結學派的深度學習模式，在數據量很大、數據有規則、模型有相對規律的情況下，這一套能運行得很漂亮，所以在圍棋、語音和翻譯等領域，都取得了大突破。

然而它跟人腦學習一比，差距就顯而易見。比如小孩學習新事物，並沒有那麼多數據，小孩學習也不靠語音交互，基本都是看了就記住了，並且馬上就能判斷及決策。這都是當前AI和深度學習不能相提並論的。

而且當前這種主流演算法消耗的計算資源和能量也很高，深度學習依賴海量數據，需要很強的計算資源，有點像大力士，孔武有力，但無法四兩撥千斤，不夠聰明。

那如果參照大腦，走類腦科學的模式，不僅可以低功耗，而且能有更多決策、記憶系統和突觸結構。我們大腦有1000億神經元，中間通過突觸連接，突觸本身還能存儲信息、參與計算，實現決策，整體結構之精妙複雜，令人驚嘆，而且功耗還非常低，運算速度很快，如果我們真能在類腦結構方面實現突破，將大大改變現有的馮·諾依曼架構。

可以看到的是，當前AI晶元層出不窮，都希望在類腦計算方面取得突破，可以學習大腦、學習交互、學習人腦學習系統，然後用低功耗、高效率、有意識的模式進行發展。所以越思考、越往後看，就越能感受到目前深度學習在理論上的大缺陷。

比較起來，我很關注類腦理論，AI要發展得更好，就必須要了解人是怎麼學習的，剛才談到人類小孩的學習能力，如果原理上能讓機器學會，都會帶來新的躍遷和突破。

於是計算機和生物學跨界交叉研究也越來越受到關注。一方面是從生物學的角度給計算機帶來啟發，另一方面則是計算機賦能生物研究。之前大腦emotion相關的病症，比如癲癇、老年痴呆、小兒自閉症等可能都是大腦信息傳遞流程中出現了問題。

拿癲癇來說，病理是神經元一直很活躍，電流就很容易激活，然後毫無徵兆就能把人搞暈。那是不是可以通過調節synapse（突觸）來降低其活躍度，技能治療癲癇？此前生物學上難以解決，但現在計算機可以模擬神經元了，能夠運用演算法可以建立模擬模型，等到進一步知曉如何模擬連接，或許就能治癒癲癇。

我始終覺得，類腦演算法中除了研究人腦工作原理——有記憶能力、低功耗，可以做決定，也有待於突觸研究的突破，這些連接神經元的部分本身就能存儲、計算信息，是一個複雜但令人稱奇的系統，這個領域一旦有新突破，或許就能彌補深度學習的不足，進而推動AI實現新的躍遷。

量子計算加速AI

5G帶來基礎設施大變革

終極演算法之外，量子計算的發展也讓我興奮不已。百度前段時間已經成立了量子計算研究所，接下來還有多位世界級科學家加盟。

怎麼看量子計算呢？我們從兩方面思考。一方面是硬體，另一方面是軟體。

硬體方面有量子計算機——有超導方式、半導體方式、光子方式等，我不知道最終哪一個會勝出，但百度會在硬體方面保持合作心態。

我們會更看重軟體生態的部分，從三個A的角度看待，也將是百度布局的重點：一個是Algorithms演算法，一個是Architecture架構，一個是Application應用，這三個缺一不可，不過演算法和架構，我認為還會沿著AI的方式繼續向前。

但量子計算帶來的變化，將是顛覆性的。這不需要十年二十年，很可能五年左右就會發生。如今機器學習所需要的幾個部分，比如大量優化演算法、現行方程式、大矩陣計算，以及其中的多項式、大函數，都是量子計算所擅長的，量子計算可以把整個複雜度降低，我們稱之為指數型加速。

同樣能夠帶來基礎設施革新的是5G。跟2G、3G、4G一樣，這又將是一次帶寬和信息傳輸的大革新，會推動AI相關應用更快發展，比如自動駕駛、智能製造和智能家居，其中都有高流量、逼真、交互等相關需求，5G會帶來更大帶寬，流量也會進一步便宜，新的基礎設施+新的技術趨勢，就會推動整個產業有大變革，所以這次5G會和AI密切相關。

AI很重要的一部分是萬物有靈，5G會讓IoT變得更加可能，計算在邊緣終端就能實時完成，加之網路虛擬化可以跟現在互聯網IP無縫銜接，技術的融合會帶來更大的想像。

但越是一片欣欣向榮，越有一些隱患就要留心注意。

警惕AI寒冬

我認為可能有2點需要注意。

第一，要有更長遠的心態，其實目前AI在產業有一些泡沫，大家追求短平快，真正研究類腦科學，做演算法、深層研究的人還是少，包括量子計算、AI基礎演算法的人還是少一些，這東西可能要幾年後才能出成果，需要一些在安安靜靜的、長遠的心態去進行。

第二，不要犯「短期內高估、長期內低估」的錯誤，每一個新技術帶來，大家往往短期內看得很高，長期又低估了影響，所以我現在很害怕出現所謂的「第三次AI冬天」，因為產業很熱，創投很熱，可能就會有一些公司虧錢甚至消失，AI不會像很多人預想的那樣短期內馬上就顛覆所有行業，所以這個時候更需要有耐心，因為這會是一個長期投入的過程，AI對整個社會的影響會是春風化雨的。

或許可以拿千禧年前後的互聯網泡沫舉例，那時泡沫剛剛破裂，很多人不再相信互聯網的價值，但後來事實證明，真正有能力的互聯網企業，都是在那個時候成長壯大的，而且我也覺得，現在整個中國科技發展很健康。

而且AI商業化也正在各行各業展開，我可以分享下百度的思路。

AI商業化

百度AI商業化戰略也非常清楚。一是通過AI提升現有業務，搜索和信息流，這是雙引擎。另外就是進入新的領域，一個是家，一個是車。

AI+雲計算方面，關鍵在於如何到垂直行業中去，比如說金融、醫療、教育、物聯網、媒體，就是所謂的落地。

我們現在在幾個行業里做得都不錯，一個是金融，銀聯商務、廣發銀行、浦發銀行、百信銀行、百度金融的業務落地也相當快。這裡面主要依靠的是大數據，數據建立一些風控的模型，建立反欺詐的模型，包括對人的行為的分析。

另外在多媒體方面，包括視頻的編碼、轉碼、視頻播放，比如像直播、長視頻、短視頻怎麼樣去切割視頻，我們探索的是怎樣對視頻內容進行更好的管理。百度信息流里有很多視頻，還有愛奇藝，本身就有這個需求。

此外還有物聯網相關的落地，包括智慧城市大生態。目前的合作主要是在平台和技術，同時我們會繼續尋找每一個場景落地的合作夥伴，最終共同把這個行業打造成一個大生態。我們現在有四、五個行業靠雲去實現AI商業化落地。

OMT：區塊鏈技術漂亮，但應用需要觀望

也有人問我關於區塊鏈的事情，我覺得技術本身很漂亮，都是經典的分散式計算技術，但具體經營和應用模式，目前還不算明朗，現在只有加密貨幣是主要應用，但貨幣的意義很不簡單，稍有不慎就會出現別的問題。

所以我想區塊鏈的經營和應用，可能還需要一點時間，我對區塊鏈持開放態度，但在沒有想清楚應用場景之前，不希望作過多評論。

當然，我認為區塊鏈確實是一個創新，技術很漂亮，產業也需要大家去嘗試，只是切忌在沒有想清楚之前就大面積炒作，這一點跟AI、機器學習還不同，後者早已在好幾個領域開始發揮價值了。

— 完 —

歡迎大家關注我們的專欄：量子位 - 知乎專欄

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復「招聘」兩個字。

量子位 QbitAI · 頭條號簽約作者

?? ? 追蹤AI技術和產品新動態