夜雨聆风
关注秦朔朋友圈，ID：qspyq2015
未来，机器学习“会变得像使用Word、PowerPoint或者Excel一样”，任何一个领域的研究人员都可以更容易地使用它。
9月17日，麻省理工学院（MIT）名誉校长埃里克·格里姆森（Eric Grimson）在接受澎湃新闻记者专访时做出了以上预测。他此行是为了来上海参加2018世界人工智能大会。
| Eric Grimson接受专访
AI作为一个顾问：为医生“出谋划策”，给病人“量体裁衣”
记者：您在医疗领域的计算机视觉上做了很多工作，这些年计算机视觉也在癌症识别、健康管理等方面取得了很多突破。在您看来，距离医疗AI大规模普及且进入人们的日常生活，还有哪些困难需要突破？
Eric Grimson: 我想你已经看到了一些例子，说明AI技术可以对医学产生影响。我会告诉你一些例子，然后讨论为使AI产生更大作用，还需要做什么。
在许多成功的例子中，计算机技术不是在代替医生，而是在改善医生。有一个很好的例子叫做图像引导手术（image guide surgery），在手术中，医生可以在切开病人身体之前看到病人体内的情况。我们曾经开玩笑地说它让医生变成了超人，医生有了X射线（X-ray vision），可以看到人的体内。有时这被称为微创手术，意味着你在病人身上开了一个很小的开口，这样对病人的伤害就更小了。在很多情况下，人们认为AI会取代某人，但在这个例子中，通过让医生看到通常看不到的事物，AI让医生变得更好。
至于AI医疗的更广泛影响，我认为，AI医疗会在“个性化医疗”中产生最好的影响，即为某个特定的病人想出一个解决方案。我的一个同事是癌症幸存者。她患有乳腺癌。很不幸，对女性来说，这是很常见的事情。她对许多地方散布的信息感到非常失望。所以她建立了一个系统，把医生的手写报告、化验结果、医学图像、家族病史、科学研究中获取的信息等等放在一个地方，然后她告诉医生：这是一个特殊的情况，你需要专门为这个病人设计方案。这是我认为在AI医疗真正产生广泛的影响之前，我们需要做到的一步。医生不只是对病人说，你的情况与其他人一样，我会一样地来处理。在个性化医疗中，医生会看所有的信息，计算机将它们结合在一起，这样医生就可以为某个病人做出最好的决定，而不仅仅是一般的、通用性的治疗方案。
记者：AI医生会不会带来伦理上的问题，比如出了医疗事故谁负责？
Eric Grimson：我想，在使用AI系统的过程中，伦理是很重要的。在医疗中当然会出现伦理问题，这也可能会发生在自动驾驶的汽车上。如果发生事故，谁该为此负责？该如何判定他们的责任？这是政府需要做出的决定，是社会需要做出的决定。我认为短期内，最有可能的解决方案是AI系统帮助人们做决定（而不是做出最终的决定）。以医学为例，计算机查看所有的信息并将其组合在一起，它可以告诉医生该怎么做，或者可以告诉医生这是与病人相关的所有信息的最佳总结，是计算机的建议，但医生仍然可以做出自己的决定。但如果计算机遗漏了某些信息呢？那还是会产生道德问题。所以我认为，在短期内，人还是应该参与到决策环节中。
记者：所以你认为AI应该扮演一个顾问的角色？
Eric Grimson：是的。特别是在医学上，我认为这一点非常重要。大部分我所知道的AI医疗领域的项目都持有这个观点，他们所关注的是“如何让医生成为更好的医生”，但最终还是由医生做出决定。
记者：但在自动驾驶领域，这个决定权似乎是在AI手中？
Eric Grimson：是的。在一些例子中，人类没有参与到决策中。自动驾驶汽车就是。所以我认为，研究人员需要尽自己最大的努力来确保这类问题尽可能少发生。但最终人们需要决定自己想在什么程度上使用自动驾驶汽车，这是社会、政府和个人的选择。
记者：MIT早在1963年就设立了人工智能实验室，非常有前瞻性。当时为什么会想到设立这个实验室？
Eric Grimson：MIT参与了最早的AI研究，1956年在达特茅斯召开的一个会议上，MIT、达特茅斯、卡内基梅隆，还有其他一些学校参加。“人工智能”这个词是在那次会议上创造的。
MIT这么早成立AI实验室，有两部分原因。第一是有一些教授对这个问题很感兴趣，想探索。第二是MIT认为这是一个对未来非常重要的领域。我们花了60年的时间才看到AI真正的影响，但MIT就是一个喜欢冒险的学校。有一些冒险成功了，另一些没有。对于那些没有起效的项目，就终止它，然后继续前进。我们认为AI是一个能将神经科学、脑科学以及早期的计算机科学知识结合起来的领域，这里有真正做一些不同事情的机会。这就是为什么我们是最早那批建立AI实验室的学校之一。1959年是第一个项目，1962年或1963年MIT创建了第一个AI实验室。
AI作为一种工具：让人们像使用Word、PowerPoint一样使用AI
记者：今年2月，MIT发起了MIT Intelligence Quest项目，目的是什么？
Eric Grimson：Quest for Intelligence这个项目有四个部分。第一部分我们称之为“核心”（Core），它着眼于智力科学（Science of Intelligence）。这不仅仅是新电脑和新算法，而是想尝试理解在人的大脑里发生了什么。神经科学告诉我们大脑是什么样的，认知科学告诉我们人类是怎样思考的，这些信息综合起来会告诉我们下一代的算法应该是什么样的。我们认为这很重要，因为AI经历了很多周期，发生了很多变化。如今，深度学习很受欢迎，每个人都做神经网络。这些技术打败了世界上最好的围棋选手，令人印象十分深刻。
但这里有个问题，这些深度学习系统需要数以百万计的例子，需要巨大的云计算能力。但对人类来说，情况就十分不同。你给一个2岁的小孩展示6个例子，她就能找出其中的规律。所以她的学习方法不同于那些深度学习系统。那我们可以从中学到什么呢？我们如何利用它来思考未来的技术呢？
第二部分我们称之为“桥”（Bridge）。这是从AI到MIT其他任何领域的桥。我们认为每一个工程领域、科学领域、社会科学领域、设计领域都将受到机器学习和AI的影响。我们希望让任何一个领域的研究人员更容易地使用机器学习，就像让他们使用Word、PowerPoint或者Excel一样。你不需要成为计算机科学专家就能很快地使用它并且理解它。
第三部分是伦理。我们需要真正理解使用这些系统时会遇到的伦理问题。
第四部分是理解AI系统将会产生的影响。例如，工作将会被改变，一些工作将会消失。我跟你打赌，也许在短短五年内，所谓的长途卡车，将东西带到美国各地的大型16轮卡车，将会完全自动化。它们将简单地在旧金山城外完成装载，然后开车去芝加哥，或者开去纽约，去波士顿。这将改变几百万人的就业机会。所以我们真的需要考虑该如何规划未来的工作？如何帮助那些将要失去工作的人重新培训？如何帮助人们适应这些？
最后说一下MIT究竟为什么做这个项目呢？我们认为AI会影响人类研究的每一个领域。而我们希望确保MIT正在尽最大努力尽快建立通往所有其他领域的桥梁。不管人们来自哪个领域，AI都可以作为一个工具来帮助他们更好地完成工作。
记者：你的意思是每个受过教育的人都可以使用AI，就像使用Word或者Excel一样？
Eric Grimson：是的，是的。你不需要成为一个MIT学生就能使用AI。这就是我们的目标，AI应该像你今天使用的其他工具一样容易使用。
记者：所以在这个项目中，计算机科学家将与社会心理学家以及政策制定者合作？
Eric Grimson：当然。我们有计算机科学家与经济学家合作，去思考与就业变化有关的经济学问题；我们有计算机科学家与社会学家、人类学家、哲学家合作，去思考使用这种技术的伦理问题。但我认为最好的例子是，我们有计算机科学家帮助其他工程师和其他科学家更有效地工作。
给个例子，两个MIT的年轻教授，一个来自计算机科学，一个来自材料科学。材料科学家说，当我想设计一种新材料时，我在想材料的特点是什么，我想要特定的硬度、特定的柔韧性和其他性能。但知道这些并不能告诉我如何创造出这个材料。所以他们建立了一个计算机系统，让它来“阅读”几百万篇材料学的文献。这里需要给“阅读”两个字打上一个引号，但是AI确实已经能很好地理解并建立起一个模型。模型建立好之后，他们需要做的是告诉计算机，这是我想要的8种或10种新材料的特性。计算机不会告诉你该怎么制作，但是它可以给出8个、10个或者15个的建议配方来帮助材料科学家。然后材料科学家可以看这些建议，从中发现那些他没有想到的方法。AI能够使材料科学家更高效地工作，但AI并没有取代人类，AI是提出建议。AI是系统的顾问。这种状态最终应该是很容易做到的，例如，任何学生都可以使用这个系统来思考我如何创造一些新的东西。
记者：所以你指的是AI可以帮助其他领域的专家做一些文献阅读的工作？
Eric Grimson：是的。这种系统可以读一至两百万篇文章，然后建立了一个可以使用的模型。事实上，MIT已经有人开始做这件事了，AI用来帮助一个人更好地理解文献中出现的大量信息。
AI教育：每个大学生都应该了解一些计算思维
记者：中国许多知名高校这两三年来陆续开始设立人工智能学院或课程，您觉得AI教学最重要的元素有哪些？
Eric Grimson：我首先要问一个更广泛的问题：是不是每个大学生都应该了解一些计算思维（computational thinking）？我认为答案是肯定的。不管你是计算机科学家，还是物理学家、经济学家、政治科学家，不管你的专业是什么，我们认为你都应该知道并掌握一点所谓的计算思维，比如什么是算法。这不同于编程，编程很重要，但是“你怎么看待这个问题”是我们认为更重要的。
一旦教育做到了这一层（培养学生的计算思维computational thinking），才可以专门来讨论“关于AI学生应该知道什么”。我认为最重要的事情也许是理解什么叫做“让一个系统去学习”。然后再了解有很多不同的学习方法可以达到学习的效果，比如神经网络现在非常流行，但是还有其他的技术，也还有其他的思考技术。
我认为即使你不是一个计算机科学家，也应该对机器学习算法有足够的了解。比如，我该如何使用它？我需要做什么才能够去使用它？什么情况下我应该相信它的结果？有时我会用这个结果，但有时候我应该质疑，算法真的给出了我所希望的结果吗？每个学生都应该知道这些。
记者：对于一个刚刚选择进入这个领域（AI/ML）的学生，你有哪些建议？
Eric Grimson：首先，要宽广（Be broad）。现如今有一种特别的关于机器学习的方法，你应该去理解，但也应该加以质疑。这是最好的方法吗？有不同的做法吗？人们使用机器学习的早期方法有哪些？因此，我鼓励学生不仅要把它当作一种工具，而要把机器学习当作一个领域，要更广阔地去看到机器学习的不同层面。
第二个建议。现在有很多关于机器学习的工作机会，学习机器学习可能会带来一份工作，这很不错，但如果一个学生真的对生物学感兴趣，我会鼓励他研究机器学习和生物学的交叉领域。不要只是为了学习机器学习而放弃你的其他领域。
MIT现在有三个联合学位，意思是两个学院一起给出的学位。一个是计算机科学和生物学的联合学位。如果你真的对发现药物感兴趣，或者如果你真的对理解疾病感兴趣，了解足够的生物学和计算机科学是一件好事。第二个是计算机科学与经济学金融学的联合学位，学习从大银行到对冲基金、交易系统。第三个可能会让你大吃一惊，它是计算机科学和城市学的联合学位，是关于设计一个城市。中国仍在建设许多新城市，水系统、电气系统、运输系统的设计都需要依靠对庞大数据的理解，利用一个学习系统可以帮助找出最好的方法。我相信我们很快会把计算机科学引入到神经科学。所以我的建议是：不要放弃你真正喜欢的事。你可以看看机器学习在我目前所处的领域有什么样的作用。
记者：所以它更像是一种工具？你仍然可以学习你的专业，但机器学习可以帮助你形成一种新的思维方式？
Eric Grimson：是的，它可以改变你的想法。
数据隐私：自主决定我想要分享哪些数据
记者：机器学习需要大量的数据，但目前数据质量和规模以及对数据公开的监管似乎都不太令人满意，这是人工智能/机器学习的瓶颈吗？您对此有何建议？
Eric Grimson：拥有海量数据是很有价值的，但人们在使用这些数据时需要考虑一些问题：一个就是你的数据中是否包含偶然性偏差。比如人脸识别算法在你我这样的人身上运行效果很好，但在一些肤色或脸型与我们差别巨大的人身上就不起作用了。如果你仅仅对恰好位于所有可能性空间中的一部分数据运行算法，就会在无意间引入偏差了。所以在考虑数据集合时，一个问题就是你如何确保不会发生偶然性偏差，而这些偏差会影响最终的结果。
还有一个关于数据隐私的问题。比如在医疗方面，掌握大量病人的数据是非常有价值的。因为运行算法能更好地检测疾病。但数据的主人希望对自己的私人数据保密，不想让邻居或监护人突然知道他们患有某种疾病。所以保护个人隐私非常重要。
第三个是许多美国人关心的问题：归属于大公司的海量数据。比如亚马逊、Facebook、谷歌这三家公司，尤其是一些拥有大量在线业务的公司，他们掌握着大量数据，这是他们的权利，当你使用他们的网站时你就同意了让他们获取这些数据。但这并不意味着研究人员就可以使用这些数据，除非他们是公司的合作伙伴。这样一来就产生了一个很有趣的问题：学校能不能建立一个所有大学都能共享的数据库？这样一来研究人员就可以在不和公司签协议的情况下，使用这些数据来探索新思路？
记者：阿里巴巴这样的中国公司也拥有海量的数据，人们也会担心数据隐私问题。
Eric Grimson：当然。我并不是说这只是美国公司的问题，我说的是美国版的故事。阿里掌握着海量数据，京东也是。我认为社会学家应该与政府和企业合作，探讨如何有效使用数据，但同时要保护人们的数据隐私。
记者：所以应该制定一些政策进行引导？
Eric Grimson：这也是大多数人的愿望。我不是要告诉政府该怎么做，但我认为很多人也和我一样有着强烈的愿望：我希望自己能够决定我想要分享多少自己的数据。
欧洲已经有这样的先例，在这方面走在最前沿。欧盟已经就这些隐私问题达成一致，主要是提供了一种选择——在参与之前必须要知情同意（“You have to agree that before participate”）。随着这套体制越来越普遍，每一个社会、每一个政府都要考虑如何掌控这种情况，要制定什么样的政策。
何为世界一流大学？“真正一流的大学应该敢于冒险”
记者：许多中国大学都提出了建设世界一流大学的口号。你认为世界一流大学应该具备什么样的素质?
Eric Grimson：评价一所大学有很多方法，我们都说我们不看世界排名，但我们都会悄悄地看。直言不讳地讲，大多数人会说当今世界上最好的大学仍然在美国，哈佛大学、麻省理工学院、耶鲁大学、普林斯顿大学、斯坦福大学、芝加哥大学等，我还遗漏了一些。亚洲、欧洲也有一些非常好的大学，但其中大部分目前仍在美国。随着时间的推移，这种情况可能会改变。
我想说的是，一所真正伟大的大学的特点是愿意冒险，以及有鼓励学生和教授承担风险的氛围。如果你愿意冒险，你就必须不怕失败。我看到很多大学都不愿意这么做。他们过于担心下一步而不愿做出大的改变。
如果你看看今天那些优秀的大学，几乎所有的大学都非常愿意冒险。更重要的是，他们鼓励学生冒险。比如在麻省理工学院，几乎所有本科生都和教授一起做研究。我曾经管理过一个大型的研究小组，我们每周开一次会。在团队中我作为高级导师，还有一些初级导师，一些博士后，部分研究生以及少数本科生。我们会在会议中讨论一个特定的问题。一个大二的本科生会说，为什么我们不这样做呢？如果他们能为自己的想法辩护，如果他们能表达清楚，他们能说明为什么这是个好主意。这样的话，在会议结束时，我很有可能会说：为什么我们不那样做呢？
如果你有一个好主意并且愿意冒险，这对我来说是一所好大学的标志。我这么说是因为，我在其他大学不能经常看到这样的现象，包括其他的美国大学。他们的教授告诉青年教授做什么，青年教授告诉研究生该做什么，研究生告诉本科生该做什么。似乎好像教授经验更丰富，其他人就应该听他的话。
但是我认为一所好的大学要能够自由交流思想。它需要愿意听取新想法。敢于冒险的意愿，是我在一所真正的好大学中看到的最重要的事情之一。在MIT这样的地方，我们会勇敢尝试用一种非常不同的方式思考问题，只是为了看看它是否可行。如果行不通，我们不会说，不好意思，再见，不用再来了。我们会说，这样行不通，接下来要尝试什么？
记者：所以在您看来，对学生来说，“敢于冒险”是指挑战权威？那么对于教授和大学来说，“敢于冒险”有什么含义呢？
Eric Grimson：我说的挑战权威，你应该有礼貌地去做，而不是对教授大喊大叫。也许应该换一个词，“质疑”或者“提问”。
关于教授，我也会这么说。教授很容易采取一系列可预测的步骤，做已经发表的研究，连续不断做下一件事。但在我看来，最好的教授只会在一段时间内这么做，然后他们会有一次质的飞跃。他们会落在不同的地方。所以即使是一个优秀的教授，也会不断地问：我们为什么要这样做？在MIT工作期间，我很荣幸能和很多诺贝尔奖获得者交流，几乎每个人都会告诉我他们经常这样做，他们经常挑战自己：我为什么要这样做？这是最好的方法吗？有更好的方法吗?
国际竞争：“我不认为任何一个国家能够完全成为人工智能的中心”
记者：现如今，很多国家像美国、英国、日本、中国等都在大力进行AI研究，谁在哪个方面做得更好？
Eric Grimson：人工智能最初主要起源于美国，但英国像爱丁堡等地很早就跟进了。在法国、德国这些地方都有实验室，日本也投入了大量的精力。当然，中国也发展迅猛。我觉得很难区分。但当涉及到基础理论的时候，也许美国在某些方面仍然微微领先。
但在一些应用程序上，中国的大学和公司已经在飞速进步。在语音识别上，中国有一些公司做得非常好。美国的研究做的不错，但中国在商业化方面比我在美国看到的更有效。那些中国公司是在中国大学多年的研究基础上建立起来的，他们与美国有着非常密切的合作。而在计算机视觉这样一个非常受欢迎的领域，也会有一场非常有益的竞争。
有时美国领先一点，然后中国试图领先一点，然后美国再稍微领先一点，这是一个友好的竞争。在我看来，他们中做得最好的都是基于多年的研究。我认为花时间仔细思考如何创造是很有价值的。实际上，加拿大是另一个在人工智能领域非常强的国家。选择任何特定的领域来看，现在可能是这个国家领先，六个月后其他国家会超越上来。因为每个国家都在努力做得更好。
记者：英国因为图灵的原因想要成为一个中心，他们曾说过类似的话。
Eric Grimson：我希望在AI领域能够形成国际合作。每个国家都有自己的需求，每个国家都想为自己的国家做最好的事情。但是，我不认为任何一个国家能够完全成为中心。美国不会。即使美国有斯坦福、伯克利、麻省理工和哈佛，这些学校都在做不同的事情。但我认为合作将真正推动这一领域的发展，目标应该是让人工智能系统更好地造福每个人的生活。如果我们合作会怎样呢？只会越来越好。
作者澎湃新闻记者 张唯 实习生 李政，原载于9月19日，澎湃新闻APP，经授权刊载，有部分修改和删减。
「 本文仅代表作者个人观点 」
「 图片 | 视觉中国 」
秦朔朋友圈微信公众号：qspyq2015
商务合作｜请联系微信号：qspyqswhz
投稿、内容合作、招聘简历：friends@chinamoments.org
