清华新闻网7月9日电 6月29日下午，清华大学智能产业研究院邀请图灵奖获得者、康奈尔大学教授、清华大学智能产业研究院学术顾问委员会委员约翰·霍普克罗夫特（John Hopcroft）与智能产业研究院的专家学者及同学们进行对话及参观交流活动。对话分享会在图灵报告厅举行，智能产业研究院院长张亚勤主持。

张亚勤介绍约翰·霍普克罗夫特

本次对话会开篇，约翰·霍普克罗夫特便从宏观的时代角度切入，阐述计算机科学与人工智能领域的教育及人才培养对于当下我们所处的信息化时代的重要性。提到人才培养的重要性，约翰·霍普克罗夫特着重强调了兴趣。约翰·霍普克罗夫特说，大家都想知道诺贝尔奖或图灵奖获奖者的成功秘诀，其实这些获奖者大多存在这样的一个共同点——他们关注于自己所热爱的事物，并为之付出行动。这也是约翰·霍普克罗夫特给青年人的建议：当我们选择了自己所热爱的研究方向，便能够为之付出更多的心血、激发更多的创造力，我们的工作便更有可能取得成功。

随后，约翰·霍普克罗夫特结合自身实际研究经历，由浅入深为大家讲述了近几十年内人工智能和计算机科学领域的发展和变迁。从计算机科学的发展来看，其重要的变化体现在研究重心的转变及数据规模的扩大上，早期的计算机科学研究者关注于如何让计算机更具价值，并致力于研究算法、编程、系统、数据库等等，而如今的计算机科学研究者关注于如何更好地应用计算机，并开始将计算机科学与金融、制造业等领域相结合，寻找计算机所能解决的新问题；此外，如今的数据量和工程代码量相较于早期研究已经有了显著的规模增长，而统计学也在计算机科学领域发挥了更为关键的作用。

值得关注的是，新兴研究方向的不断涌现也是计算机科学领域的变化之一。在如今高数据规模的需求下，分布式计算发挥着相当关键的作用。同时，一些研究关注于如何进一步提升计算机的计算能力，不同于通用型的计算机结构，部分特化的结构被设计出来以应对某些特定的计算情况，如被用于图像处理和深度学习训练的GPU及用于解决特定问题的量子计算机构想等。从人工智能领域的发展来看，近年来，深度学习领域正取得一个又一个突破，从AlexNet到ResNet，模型的参数量逐步提升，准确率也逐渐升高，在ImageNet图像分类任务上已经达到超越人类的水平。为应对更大的模型和更多的数据，新的优化器算法也逐渐得到应用，例如，经典的随机梯度下降算法（Stochastic Gradient Descent，SGD）采用mini-batch上的梯度代替全量数据梯度，减少了训练时间，也缓解了全量数据梯度下降会陷入局部极小值的问题。

同时，当前的人工智能领域也存在着诸多亟待解决的问题。约翰·霍普克罗夫特提到了一个生动的比喻，他认为人工智能模型对使用者而言就像一个黑盒，我们能知道结果，却不知道过程，正如模型接收数据输入并给出输出，其执行过程往往难以直观理解。因此，为模型添加可解释性是一类关键的研究方向；其次，模型往往会因为训练数据分布中的偏差而带来自身的偏差，如何缓解这一扰动也是一个值得考量的问题；再次，如何将先验知识融入到模型之中，使得模型更好地利用常识解决问题；最后，如何帮助模型从更少量的样本中学到表征，对人类而言，我们能够使用一张简单的插图来认知一项新事物，那么如何让模型“学会学习”，从大规模数据中学到通用知识，并辅助到小样本学习当中，就成为了一项更为基础的、值得研究的工作。对于人工智能领域的未来，约翰·霍普克罗夫特也与我们一样充满了期待。他说，毫无疑问的是，15年后，人工智能会变得十分强大，能解决我们现在的大多数问题。

约翰·霍普克罗夫特发言

在提问环节中，约翰·霍普克罗夫特从他数十年的教育经历出发，提出了对高校人才的培养建议。在他看来，大学在帮助政府、企业解决现实问题，即进行应用型研究之外，还需要拿出一些资源进行基础型研究。科研人员也需要拿出一些时间来开展基础型研究，因为这可能会启发应用型研究。同时，他也为研究者们提出了应对压力的建议。约翰·霍普克罗夫特发表论文应该建立在取得重大研究成果的基础上，但重大研究成果不可多得，一位研究者一年内也最多得出一个这样的成果。所以说，一年发表多篇“重大研究成果”论文的研究者，就有为发表而发表之嫌。要认识到研究失败并不是一件坏事，因为能够研究出失败的理由，也是一种贡献。

谈到研究过程中的信息杂音问题，约翰·霍普克罗夫特表示，我们或许需要利用一种人工智能算法来找出对我们真正有价值的论文，但目前这个领域依旧有待探索。而对于计算机和人工智能领域的研究人员和从业者如何取得突破和成功，约翰·霍普克罗夫特一再强调，兴趣和热爱是最好的老师，不要把研究当成工作，而应该把它当成乐趣。如果我们都享受工作的话，就能成功。

分享会现场

交流活动结束后，张亚勤还与约翰·霍普克罗夫特一起观看了车路协同视频，并向约翰·霍普克罗夫特介绍了AIR近期与百度Apollo共同推出的项目成果——全球首份车路协同技术创新白皮书《面向自动驾驶的车路协同关键技术与展望》。

约翰·霍普克罗夫特观看车路协同视频

活动最后，师生们纷纷表示，今天的交流分享会令人意犹未尽，约翰·霍普克罗夫特教授给出的建议不仅立足整个行业，更贴近大家实际的学习和研究生活，就算是刚开启学术生涯的普通学子亦能收获颇丰。

供稿：智能产业研究院

编辑：陈晓艳

审核：吕婷