“我们这些做人工智能研究的人 ， 可以在自己的圈子里活得非常开心 ， 每年发表大量论文 ， 互相之间都觉得自己的东西很有用 。 但是任何一个技术真正产生实际产业价值 ， 一定有很长的路要走 。 ”微软亚洲研究院副院长刘铁岩日前在接受包括澎湃新闻（www.thepaper.cn）在内的采访时如此表示 。
文章图片
微软亚洲研究院副院长刘铁岩
AI不是空中楼阁 ， 它在很多现实领域可以创造价值 ， 而门槛在于跨界共创 。 就AI研究者而言 ， 人工智能技术要想与其他行业产生良好互动 ， 需要具备两个条件 ， 一是学术研究的本质 ， 二是平台性 。
抱着探索目的是智能化转型跨界合作成功的一个基本前提 ， 大平台心态带来公平性、公允性 。 在跨界中 ， 原创技术和行业知识都重要 ， 从科研角度简单照猫画虎或带来误导 。
刘铁岩说 ， 对于作为AI用户的企业、行业而言 ， 也必须认知到人工智能工具不是拿来开箱即用的 ， 而是要结合业务特点做深入的定制化和共创 。 “如果客户有这个认知和耐心 ， 我相信人工智能落地会比今天好得多 。 ”
至于AI在哪些行业的跨界性更大 ， 刘铁岩表示 ， 技术本身具有跨界性 ， 在其他领域有应用的可能性 。 “但我们去关心一个技术的跨界 ， 不如去关心一个技术创造过程的跨界 。 ”也许研究者为AI落地医疗与AI落地金融所创造的工具完全不一样 ， 但刘铁岩相信 ， 创造的过程具有很大的借鉴价值 。
刘铁岩被国际学术界公认为“排序学习”领域代表人物 ， 他是国际电子电气工程师学会院士（IEEE Fellow） ， 美国计算机学会杰出会员 ， 卡内基梅隆大学兼职教授 ， 诺丁汉大学荣誉教授 ， 清华大学、中国科学技术大学、南开大学兼职教授、博士生导师 ， 在深度学习、增强学习、分布式机器学习等方面发表了百余篇学术论文 。
简单使用AI工具并不会轻易创造产业价值 ， 门槛在于跨界
“人工智能为企业带来实实在在价值的例子比比皆是 。 ”
刘铁岩对包括澎湃新闻在内的采访人员表示 ， AI不是空中楼阁 ， 它在很多现实领域有价值 ， 并且可以创造价值 。 但只是简单使用一些AI工具或算法 ， 是不会轻易创造产业价值的 ， 门槛在于跨界共创 。
“我们这些做人工智能研究的人 ， 可以在自己的圈子里活得非常开心 ， 每年发表大量论文 ， 互相之间都觉得自己的东西很有用 。 但是任何一个技术真正产生实际产业价值 ， 一定有很长的路要走 。 ”
这是学界和业界都必须要认知到的事实 ， 人工智能学者要走出去跟企业、跟基础学科的科学界合作 。 企业、行业也必须认知到人工智能工具不是拿来开箱即用的 ， 而是要结合业务特点做深入的定制化和共创 。
“如果客户有这个认知和耐心 ， 我相信人工智能落地会比今天好得多 。 ”之所以如此感慨 ， 是因为“很多客户希望开箱即用” ， “当打开箱子发现不那么好用时 ， 就会出现所谓的排斥感、冷淡感 ， AI历史上的几次寒冬、几次春天都已经重复了多少次 。 ”
刘铁岩说 ， AI技术一直在强劲增长 ， “我自己身处于人工智能研究圈里 ， 我能够感受到我们的创新从来没有停止过 ， 而且每一年都会有大量新的研究成果发表 ， 有很多亮眼的工作 。 ”实际上并不是AI技术不行 ， 只是大家的期望值不恰当 。 没有付出 ， 只是等着收获 ， 这会导致AI落地迟缓 。
他曾多次用运动员和裁判员来比喻跨界合作的心态 。 “企业必须抱着运动员的心态来做事 ， 而不是裁判员的心态 。 他们必须能够真正下场 ， 知道这是我们共同的比赛 ， 成功需要双方的努力 。 ”
“这个心态太重要了 。 ”刘铁岩说 ， 完全不同的态度导致的跨界结果一定是大相径庭的 。
2017年 ， 微软亚洲研究院“创新汇”成立 ， 目标是以微软亚洲研究院的科研智慧和微软的创新技术为基础 ， 与不同行业、不同领域的现实需求接轨 。
那时候 ， “创新汇”就有帮助企业数字化、智能化转型的强烈决心 。 4年过去 ， 与各行各业的跨界合作让刘铁岩觉得 ， 一个企业是否真的勇敢 ， 愿意开放地拥抱不熟悉的领域也非常重要 。 “参与 ‘创新汇’的这些企业都抱着一个很开放的心态 ， 才会跟我们去共创、去跨界 。 ”
他认为 ， 好的智能化转型需要有一群既懂行业又懂AI的人 ， 并且不只是抱着为一家企业或一个业务去获得利益、减少成本这样的小目标 ， 而是对行业产生推动 ， 最终实现数字化转型 。 “虽然身在企业 ， 但是胸怀行业、胸怀天下 ， 转型过程中这一点非常重要 。 ”
至于哪些行业的跨界性更大 ， 刘铁岩表示 ， 技术本身具有跨界性 ， 在其他领域有应用的可能性 。 “但我们去关心一个技术的跨界 ， 不如去关心一个技术创造过程的跨界 。 ”也许研究者为AI落地医疗与AI落地金融所创造的工具完全不一样 ， 但刘铁岩相信 ， 创造的过程具有很大的借鉴价值 。
原创技术和行业知识都重要 ， 从科研角度简单照猫画虎或带来误导
就AI研究者而言 ， 人工智能技术要想与其他行业产生良好的互动 ， 在刘铁岩看来 ， 需要具备两个条件 ， 一是学术研究的本质 ， 二是平台性 。
所谓学术研究的本质 ， 也就是抱着探索的目的 ， 而不是追求利益的目的 ， 这是使得智能化转型跨界合作成功的一个基本前提 。
“如果我们是一个商业性的公司 ， 追求的是利益 ， 而不是学术的推进、研究的发展 ， 那么很快就会变成技术外包 。 我们帮助企业解决了某个问题 ， 创造了一些商业价值 ， 他们也为此付费 ， 大家就Happy Ending ， 也可能会一拍两散 ， 再找下一个用户 。 ”但要想真正改变一个行业 ， 刘铁岩认为需要有持续的决心 ， 而绝不是做一两个商业案例 。
所谓平台性 ， 他认为 ， 只有具备大平台的心态 ， 才能做到赋能其他行业并取得成功 。 “如果我们本身是在某一个行业里 ， 不是一个平台公司 ， 可能就只希望获得直接的商业回报链条 ， 没有公平性、公允性 ， 也就不会把很多先进的技术写成论文、做开源项目跟大家分享 。 ”
“探索研究的心态和平台的心态 ， 它们两个碰在一起就有可能跟行业碰撞出火花 。 ”刘铁岩表示 ， 人工智能企业如果缺乏了其中一个 ， 跨界合作这条路就不会走得太长 。
在探索中 ， 现阶段的AI跨界合作 ， 是技术原创性更重要还是行业知识更重要？刘铁岩认为 ， 这两件事都重要 。
去年 ， 微软亚洲研究院发布了AI量化投资开源平台“微矿 Qlib” ， 它涵盖了量化投资的全过程 ， 为用户的AI算法提供高性能的底层基础架构 ， 从框架设计上让用户可以更容易地应用AI算法来辅助解决量化投资的各个关键问题 。
对于金融从业者来说 ， Qlib平台降低了使用AI算法的门槛 ， 其内部集成了AI算法在金融场景下的十几个使用样例以供参考 ， 为金融业提供了一个适应AI算法的高性能基础设施和数据、模型管理平台 。
刘铁岩说 ， 在开发Qlib开源项目时 ， 团队发现了很多让人大跌眼镜的现状 。 “有很多学术机构在做跟投资有关的研究 ， 你会看到各种论文 ， 里面甚至有很多天文数字 。 ”
比如随便一个模型就带来了超过100%的超额收益；再比如回测过程中根本没有考虑到涨停、跌停的情况 ， 没有考虑到最小交易量的限制 。
“如果不把行业里的规则考虑进去 ， 仿真是没有意义的 ， 你想做出1000%的超额收益都能做得到 。 ”刘铁岩表示 ， 在AI跨界合作中 ， 他们意识到有大量技术陷阱存在 。 如果对行业知识储备不够 ， 就有可能做出不切实际的成果 。
AI落地其他行业也是一样的道理 ， 如果不深入理解其他行业的门道、规则和知识 ， 而是简单从科学研究角度照猫画虎 ， 就很有可能带来误导 。
【技术|微软亚洲研究院副院长：哪些因素让AI成功跨界来得更快？】(本文来自澎湃新闻 ， 更多原创资讯请下载“澎湃新闻”APP)
推荐阅读
- 技术|“2”类医械有重大进展：神经介入产品井喷、基因测序弯道超车
- 下架|APK Installer 和 WSATools 同时躺枪：冒牌应用登陆微软应用商店
- 选型|数据架构选型必读：2021上半年数据库产品技术解析
- 技术|使用云原生应用和开源技术的创新攻略
- 技术|聚光科技旗下临床质谱仪获批医疗器械注册证
- Apple|苹果高管解读AirPods 3代技术细节 暗示蓝牙带宽可能成为瓶颈
- Monarch|消息称微软Win11 2022重大更新将在明年夏天到来
- MateBook|深度解析：华为MateBook X Pro 2022的七大独家创新技术
- Microsoft|微软推Viva Insights插件 定时邮件可根据时区推荐发送时间
- AirPods|苹果谈论AirPods 3：最大榨取蓝牙技术，希望获得“更多带宽”