张亚勤对话张宏江：把技术副作用关进笼子

近日，康奈尔中国中心举办了一场“人工智能（AI）”高峰对话，来自清华大学智能产业研究院（AIR）院长张亚勤与北京智源人工智能研究院（BAAI）理事长张宏江等嘉宾，就人工智能的现状与未来、人工智能伦理等展开交流探讨。

学界如何应对AI变革

过去几年来，人工智能在云计算、大数据、物联网等技术浪潮的多轮洗礼下，再度成为引领创新的关键力量。

但人工智能相关技术的进一步发展仍面临诸多问题。特别是对研究者、教育者而言， 人工智能不仅是一个无比庞大的课题集，而且技术变革的自加速效应尤为明显，几乎每隔一段时间，都能看到相关领域取得技术突破。学界如何应对人工智能技术催动下变革越来越频繁的世界？

“人工智能作为重要的赋能型技术，将为各个产业创造出重大机遇。”张亚勤介绍，清华大学智能产业研究院成立之初，就锁定了具有跨学科交叉特点的三大研究方向，以推动AI赋能产业。“清华大学智能产业研究院，亦可看作是‘以变应变’的结果。”

例如在IT行业，以人工智能技术支持新的研究、新的技术、新的产品、新的架构。张亚勤表示，人工智能正在改变甚至颠覆许多传统行业，像教育、卫生与健康，以及工业自动化和交通等等，几乎每个行业都面临着颠覆式的变革，也都需要主动拥抱变革。此外，人工智能还会创造一些新的产品、模式甚至产业。

“未来，或许很多‘传统’的知识和技能都会被AI所掌握。”张宏江认为，AI教育需要挑战传统方法，帮助新一代人工智能青年学者和学生更好地成长。

张宏江表示，我们以往的传统中，经常人为地将团队划分为研究员和工程师两部分。但面向未来的研究机构更需要的是具备系统思维，同时拥有动手能力、喜欢搭系统的人才，对于人才的发展更不应该设限。

2018年，北京智源人工智能研究院成立，以促进人工智能源头创新和深度应用，并启动了智源学者计划。张宏江表示，智源研究院积极与一些来自产业的AI团队进行研究合作。“在智源研究院，不会因为你没有博士学位，就不能成为‘研究员’。在用人方面，这样的变化看起来很微小，但对于一向看重文凭而忽略动手能力的中国科研界来说，或许是有深远意义的新变化。”

重视人工智能与伦理问题

过去的工业文明发展不乏例证——几乎所有的新技术在实际运用过程中，都会伴生出一些新的社会性问题，例如伴随数字化所出现的安全、隐私挑战等等。那么，如何把人工智能等新技术的副作用关进笼子里？

“技术人员不应该只关注算法。”张亚勤表示，“在重视人工智能道德伦理原则的同时，我们也应该利用科技协助决策的过程，例如让算法变得不具有偏见，并且更加透明、更加灵活。”

张宏江介绍，早在成立之初，智源研究院便设立了人工智能伦理与可持续发展研究中心（AISD）。2019年，该中心联合了多家高校、院所和产业联盟，发布了《人工智能北京共识》，确立了15条用于指导AI研发的基本原则，得到了包括麻省理工、牛津、剑桥等国内外高校的积极响应。

此外，目前已有许多中国公司开始在日常技术研究和产品开发中应用这些原则。

张宏江认为，在产学研各方加速推进人工智能技术创新的同时，也必须要考虑一些基本原则，也就是“团队产出的技术是不是有助于社会的可持续发展，是不是有可能造成巨大的负面影响”。

张宏江表示，这些原则未来“不仅仅是人工智能研究的原则，或许还能给决策者、创新者乃至用户的思维方式带来一些变化”。

强化产业与学术界的联系

人工智能等技术，应用是关键。但我国存在研究与产业脱钩的现象，仍不容忽视。

“清华、北大、中科院等，都拥有很多优秀的科学家。作为创新个体，他们每个人都所擅长的领域努力工作、推动着科技的进步。”张宏江表示，现在关键是要把他们的才智汇集在一起，建立一个生态系统。

据介绍，智源研究院正在积极推动产学研合作新模式。“与传统的由学校或企业掌控的实验室、研究院不同，智源研究院打造了一个高水准的平台，让来自不同院所高校、拥有不同背景的研究员，可以在一个平台上为同一个项目努力。”张宏江说。

目前，智源研究院构筑了一个社区，将人工智能研究人员与行业工作者汇聚起来，释放出更大的合力。智源研究院也是一个真正的适合青年科学家成长的平台，通过打破学校和企业的界限，让他们可以在这个平台上，实现思想和灵感的交流、碰撞。智源研究院也专注于一些可能产生原始创新与有预期影响的领域，包括了过往投入不足、重视度不够的领域。

支持“人”、鼓励科研人员自由探索，是智源研究院的最大特色。智源学者计划旨在为国内有才华、有潜能的人工智能学者提供宽松的、不受干扰的研发环境。两年来，已经有100 多位科学家成为“智源学者”，其中一半以上的学者是35岁以下的“智源青年科学家”。

“AIR是用核心技术为产业服务，让技术成为产业推动力的平台级机构。”张亚勤也表示，清华大学智能产业研究院一方面背倚清华，一方面也与产业诸多领先企业建立了可靠的连接。

“在AIR，所有人的工作目标之一，是确定我们的科技能够带来实际产品，或者孵化新的企业。在AI和数据的世界里，你很难区分研究员和工程师的特色。”张亚勤说，这样的模式，能够确保研究院的创新方向始终紧贴行业变革的前沿，让研究与应用的距离最小化。