推薦序

從科學(xué)思考到科學(xué)思維

吳軍
計(jì)算機(jī)科學(xué)家，《智能時(shí)代》作者

我非常榮幸能有機(jī)會(huì)為圖靈獎(jiǎng)獲得者楊立昆博士的新書(shū)《科學(xué)之路：人、機(jī)器與未來(lái)》撰寫(xiě)序言。

楊立昆博士因?yàn)樵谏疃葘W(xué)習(xí)方面的杰出貢獻(xiàn)獲得了2018年度的圖靈獎(jiǎng)，他的大名在中國(guó)的計(jì)算機(jī)科學(xué)界和企業(yè)界幾乎是家喻戶(hù)曉。他的這本結(jié)合了自傳和科普的新書(shū)非常值得一讀，無(wú)論是學(xué)術(shù)界，工業(yè)界的人士，還是普通讀者，讀了之后都會(huì)獲益良多。

在《科學(xué)之路》一書(shū)的自傳部分，楊立昆博士介紹了自己求學(xué)和科研的經(jīng)歷。他的求學(xué)經(jīng)歷和對(duì)教育的理解在當(dāng)下對(duì)中國(guó)家長(zhǎng)非常具有啟發(fā)意義。楊立昆是法國(guó)人。在法國(guó)，如果要想成為任何一個(gè)領(lǐng)域的精英，通常要進(jìn)入招生人數(shù)非常少的高等專(zhuān)科學(xué)院（grandes écoles，也被稱(chēng)為大學(xué)校），比如做科學(xué)家和工程師就需要進(jìn)入巴黎高師或者巴黎綜合理工這樣的精英學(xué)校學(xué)習(xí)。而為了考入這些錄取率極低的學(xué)校，又要花兩年左右的時(shí)間先學(xué)習(xí)大學(xué)預(yù)修課程備考。我想如果一個(gè)中國(guó)家長(zhǎng)在法國(guó)，會(huì)讓孩子去走這條路。但是楊立昆卻走了一條與眾不同的求學(xué)道路，他高中畢業(yè)后就直接進(jìn)入了一所名氣不算太大的大學(xué)巴黎電子工程學(xué)院（ESIEE）學(xué)習(xí)。楊立昆做出這樣的決定有兩個(gè)原因。其一，這所大學(xué)不需要參加預(yù)科課程的學(xué)習(xí)和考試就能直接申請(qǐng)；其二，在這所學(xué)校他可以獲得更多的學(xué)習(xí)自主權(quán)。楊立昆講，他用自己的經(jīng)歷證明了通過(guò)激烈的考試競(jìng)爭(zhēng)進(jìn)入名校，不是科學(xué)成功的窄門(mén)。

楊立昆在人工智能領(lǐng)域的研究生涯，可以追述到他在大學(xué)時(shí)廣泛地閱讀課程之外的經(jīng)典科學(xué)著作。在他讀書(shū)的年代，人工智能是一個(gè)熱門(mén)但是發(fā)展并不成熟的研究領(lǐng)域。楊立昆對(duì)此有非常大的興趣，并且閱讀了包括喬姆斯基等人在內(nèi)的很多科學(xué)家的論著，特別是前蘇聯(lián)偉大的數(shù)學(xué)家、公理化概率論的奠基人柯?tīng)柲�哥洛夫等人的著作，這為楊立昆打下了堅(jiān)實(shí)的數(shù)學(xué)基礎(chǔ)和計(jì)算機(jī)科學(xué)理論基礎(chǔ)。從大學(xué)開(kāi)始，楊立昆就沉溺于人工神經(jīng)網(wǎng)絡(luò)的研究，并且敏銳地注意到這個(gè)研究領(lǐng)域一個(gè)新的技術(shù)方向神經(jīng)網(wǎng)絡(luò)的反向訓(xùn)練。后來(lái)他進(jìn)入到當(dāng)時(shí)的巴黎皮埃爾-瑪麗-居里大學(xué)（今天的索邦大學(xué)）攻讀博士學(xué)位，并且反向訓(xùn)練上取得了卓越的成績(jī)。他的成果很快就有了法國(guó)一家公司買(mǎi)單，而且讓他得以進(jìn)入當(dāng)時(shí)學(xué)術(shù)氛圍非常自由的貝爾實(shí)驗(yàn)室工作。楊立昆用自己的經(jīng)歷告訴我們，接受教育重要的是獲得知識(shí)本身，而不是獲得名校的光環(huán)。在以后的學(xué)術(shù)生涯中，楊立昆一直保持這種特立獨(dú)行的做法，特別是在全世界都不看好人工神經(jīng)網(wǎng)絡(luò)這個(gè)研究領(lǐng)域的時(shí)候，投身到這項(xiàng)研究當(dāng)中。

楊立昆進(jìn)入貝爾實(shí)驗(yàn)室時(shí)，正趕上那個(gè)曾經(jīng)的世界科學(xué)殿堂后的輝煌時(shí)期，但是很快這個(gè)龐大的實(shí)驗(yàn)室就解體了。所幸的是，楊立昆得以在紐約大學(xué)擔(dān)任了教職。不過(guò)，當(dāng)時(shí)正趕上人工神經(jīng)網(wǎng)絡(luò)研究的低谷，雖然楊立昆堅(jiān)信這項(xiàng)技術(shù)會(huì)在圖像識(shí)別大放光彩，并且設(shè)計(jì)出一個(gè)簡(jiǎn)單的人臉識(shí)別系統(tǒng)，但是他的成果并沒(méi)有引起太多科學(xué)家的重視。在從2003到2013大約十年的時(shí)間里，楊立昆和他曾經(jīng)的領(lǐng)路人辛頓等人一直在默默地從事著各種人工神經(jīng)網(wǎng)絡(luò)算法特別是卷積網(wǎng)絡(luò)算法的研究。他們的成果當(dāng)時(shí)并不引人矚目，但是正是這些研究成果，奠定了今天深度學(xué)習(xí)算法的基礎(chǔ)。2013年之后，隨著并行計(jì)算的進(jìn)步和數(shù)據(jù)量的增加，以人工神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的深度學(xué)習(xí)突然在很多應(yīng)用領(lǐng)域顯示出巨大前景并且在一個(gè)又一個(gè)應(yīng)用中，比如人臉識(shí)別，語(yǔ)音識(shí)別，機(jī)器翻譯，計(jì)算機(jī)博弈，取得驕人的成績(jī)，楊立昆等人的工作一下子被全世界所矚目，并且讓他和辛頓，本杰歐一到獲得了計(jì)算機(jī)科學(xué)領(lǐng)域的獎(jiǎng)圖靈獎(jiǎng)。

如果要總結(jié)楊立昆的成功經(jīng)驗(yàn)，可以用這樣四句話來(lái)概括：
1. 求學(xué)是為了知識(shí)本身，而不是文憑；
2. 廣泛地閱讀高水平的專(zhuān)業(yè)著作，培養(yǎng)科學(xué)的品味；
3. 特立獨(dú)行，做自己感興趣的事情，即便那件事在短時(shí)間里不被人看好；
4. 長(zhǎng)期的堅(jiān)持。

《科學(xué)之路》一書(shū)的第二部分講述了基于深度學(xué)習(xí)的人工智能的原理。雖然楊立昆博士使用了一些公式，但這部分內(nèi)容依然通俗易懂。

楊立昆博士用幾個(gè)例子講述了今天人工智能的本質(zhì)，就是數(shù)學(xué)公式 計(jì)算能力 大量的數(shù)據(jù)。

首先，我們要將模式識(shí)別等問(wèn)題轉(zhuǎn)化成數(shù)學(xué)公式。今天計(jì)算機(jī)的智能從實(shí)現(xiàn)的方式上講完全不等同于人的智能。但是，從結(jié)果上講，和人的智能等價(jià)。你可以認(rèn)為這是兩種道路殊途同歸。楊立昆博士用了一些典型的模式識(shí)別的例子告訴我們?nèi)斯ぶ悄苁侨绾螌?shí)現(xiàn)的，讀著朋友即便對(duì)里面的公式細(xì)節(jié)不感興趣，也能體會(huì)到人工智能和人的智能之間的不同。不過(guò)，計(jì)算機(jī)在獲得智能的方法上，有一點(diǎn)和人是相同的，那就是從觀察到的現(xiàn)象中總結(jié)出規(guī)律，然后用規(guī)律再來(lái)預(yù)測(cè)現(xiàn)象。楊立昆在書(shū)中舉了伽利略研究速度的例子，他通過(guò)觀察找到了物體運(yùn)動(dòng)的規(guī)律并且將它變成了數(shù)學(xué)公式，然后再把這個(gè)公式應(yīng)用于計(jì)算各種運(yùn)動(dòng)物體的速度。機(jī)器學(xué)習(xí)也是如此，只不過(guò)機(jī)器學(xué)習(xí)的公式不那么直觀。

接下來(lái)，就需要獲取數(shù)據(jù)，供計(jì)算機(jī)進(jìn)行學(xué)習(xí)。在任何人工智能的應(yīng)用領(lǐng)域，原始的數(shù)據(jù)，比如圖像本身是無(wú)法直接提供給學(xué)習(xí)，這中間要進(jìn)行一個(gè)轉(zhuǎn)化。這個(gè)轉(zhuǎn)化的過(guò)程被稱(chēng)為特征提取，簡(jiǎn)單地講，就是講真實(shí)世界的目標(biāo)對(duì)象轉(zhuǎn)化中計(jì)算機(jī)能夠讀懂的數(shù)據(jù)。楊立昆博士用模式識(shí)別的例子說(shuō)明了特征提取是如何進(jìn)行的。當(dāng)然，如果讀者朋友不想關(guān)心具體的步驟，至少需要明白一點(diǎn)，那就是計(jì)算機(jī)學(xué)習(xí)需要大量的數(shù)據(jù)。

當(dāng)數(shù)據(jù)量大了之后，就需要數(shù)學(xué)模型足夠復(fù)雜才能反映出大量數(shù)據(jù)之中所包含的各個(gè)細(xì)節(jié)。雖然奧卡姆剃刀原理通常很有效，但是在機(jī)器學(xué)習(xí)領(lǐng)域并非如此。事實(shí)上，過(guò)去基于人工神經(jīng)網(wǎng)絡(luò)的機(jī)器智能水平之所以不高，就是因?yàn)槟莻�(gè)網(wǎng)絡(luò)過(guò)于簡(jiǎn)單。因此，楊立昆等人提出了更為龐大而復(fù)雜的深度學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)。于是這就有遇到了第三個(gè)問(wèn)題，計(jì)算能力的問(wèn)題。楊立昆博士對(duì)這部分內(nèi)容沒(méi)有做太多的論述，畢竟這部分工作主要是由Google，F(xiàn)acebook和亞馬遜等公司工程師完成的，而非是科學(xué)家關(guān)注的重點(diǎn)。

《科學(xué)之路》一書(shū)的第三部分講述今天人工智能的各種應(yīng)用，從語(yǔ)音和圖像識(shí)別、自然語(yǔ)言對(duì)話系統(tǒng)，到無(wú)人駕駛汽車(chē)和醫(yī)學(xué)影像識(shí)別。這些名詞大家都不陌生，但是如果想了解其中的細(xì)節(jié)，楊立昆博士的講述既權(quán)威，又直白。

《科學(xué)之路》一書(shū)的第四部分，也是后一個(gè)部分講述今天人工智能的局限性，這包括技術(shù)上的不足之處，以及人工智能所帶來(lái)的社會(huì)風(fēng)險(xiǎn)。這部分內(nèi)容是各種介紹人工智能的書(shū)籍常常忽略的。楊立昆博士提醒我們所有技術(shù)革命都有其陰暗面，但是他堅(jiān)信這些問(wèn)題都能夠得到解決。他在書(shū)的后還談了一些有趣的話題，比如機(jī)器人是否該擁有權(quán)利，又該遵守什么樣的法律。

總的來(lái)講，這是一本全面介紹人工智能技術(shù)，兼顧科普和專(zhuān)業(yè)論著特點(diǎn)的宏篇大作。其中有價(jià)值的部分是楊立昆博士作為深度學(xué)習(xí)算法的發(fā)明人之一，講述他如何思考機(jī)器智能的問(wèn)題，如何將這種現(xiàn)實(shí)世界里的具體問(wèn)題，轉(zhuǎn)化為計(jì)算機(jī)能夠處理的問(wèn)題。從這個(gè)角度上講，它又是一本教科書(shū)，教大家如何思考科學(xué)問(wèn)題。我相信通過(guò)閱讀這本書(shū)，各個(gè)層次，不同背景的讀者朋友都會(huì)有巨大的收獲！