原標題:微軟亞洲研究院副院長:哪些因素讓AI成功跨界來得更快?

“我們這些做人工智能研究的人,可以在自己的圈子裏活得非常開心,每年發表大量論文,互相之間都覺得自己的東西很有用。但是任何一個技術真正產生實際產業價值,一定有很長的路要走。”微軟亞洲研究院副院長劉鐵巖日前在接受包括澎湃新聞(www.thepaper.cn)在內的採訪時如此表示。

微軟亞洲研究院副院長劉鐵巖

AI不是空中樓閣,它在很多現實領域可以創造價值,而門檻在於跨界共創。就AI研究者而言,人工智能技術要想與其他行業產生良好互動,需要具備兩個條件,一是學術研究的本質,二是平臺性。

抱着探索目的是智能化轉型跨界合作成功的一個基本前提,大平臺心態帶來公平性、公允性。在跨界中,原創技術和行業知識都重要,從科研角度簡單照貓畫虎或帶來誤導。

劉鐵巖說,對於作爲AI用戶的企業、行業而言,也必須認知到人工智能工具不是拿來開箱即用的,而是要結合業務特點做深入的定製化和共創。“如果客戶有這個認知和耐心,我相信人工智能落地會比今天好得多。”

至於AI在哪些行業的跨界性更大,劉鐵巖表示,技術本身具有跨界性,在其他領域有應用的可能性。“但我們去關心一個技術的跨界,不如去關心一個技術創造過程的跨界。”也許研究者爲AI落地醫療與AI落地金融所創造的工具完全不一樣,但劉鐵巖相信,創造的過程具有很大的借鑑價值。

劉鐵巖被國際學術界公認爲“排序學習”領域代表人物,他是國際電子電氣工程師學會院士(IEEE Fellow),美國計算機學會傑出會員,卡內基梅隆大學兼職教授,諾丁漢大學榮譽教授,清華大學、中國科學技術大學、南開大學兼職教授、博士生導師,在深度學習、增強學習、分佈式機器學習等方面發表了百餘篇學術論文。

簡單使用AI工具並不會輕易創造產業價值,門檻在於跨界

“人工智能爲企業帶來實實在在價值的例子比比皆是。”

劉鐵巖對包括澎湃新聞在內的記者表示,AI不是空中樓閣,它在很多現實領域有價值,並且可以創造價值。但只是簡單使用一些AI工具或算法,是不會輕易創造產業價值的,門檻在於跨界共創。

“我們這些做人工智能研究的人,可以在自己的圈子裏活得非常開心,每年發表大量論文,互相之間都覺得自己的東西很有用。但是任何一個技術真正產生實際產業價值,一定有很長的路要走。”

這是學界和業界都必須要認知到的事實,人工智能學者要走出去跟企業、跟基礎學科的科學界合作。企業、行業也必須認知到人工智能工具不是拿來開箱即用的,而是要結合業務特點做深入的定製化和共創。

“如果客戶有這個認知和耐心,我相信人工智能落地會比今天好得多。”之所以如此感慨,是因爲“很多客戶希望開箱即用”,“當打開箱子發現不那麼好用時,就會出現所謂的排斥感、冷淡感,AI歷史上的幾次寒冬、幾次春天都已經重複了多少次。”

劉鐵巖說,AI技術一直在強勁增長,“我自己身處於人工智能研究圈裏,我能夠感受到我們的創新從來沒有停止過,而且每一年都會有大量新的研究成果發表,有很多亮眼的工作。”實際上並不是AI技術不行,只是大家的期望值不恰當。沒有付出,只是等着收穫,這會導致AI落地遲緩。

他曾多次用運動員和裁判員來比喻跨界合作的心態。“企業必須抱着運動員的心態來做事,而不是裁判員的心態。他們必須能夠真正下場,知道這是我們共同的比賽,成功需要雙方的努力。”

“這個心態太重要了。”劉鐵巖說,完全不同的態度導致的跨界結果一定是大相徑庭的。

2017年,微軟亞洲研究院“創新匯”成立,目標是以微軟亞洲研究院的科研智慧和微軟的創新技術爲基礎,與不同行業、不同領域的現實需求接軌。

那時候,“創新匯”就有幫助企業數字化、智能化轉型的強烈決心。4年過去,與各行各業的跨界合作讓劉鐵巖覺得,一個企業是否真的勇敢,願意開放地擁抱不熟悉的領域也非常重要。“參與 ‘創新匯’的這些企業都抱着一個很開放的心態,纔會跟我們去共創、去跨界。”

他認爲,好的智能化轉型需要有一羣既懂行業又懂AI的人,並且不只是抱着爲一家企業或一個業務去獲得利益、減少成本這樣的小目標,而是對行業產生推動,最終實現數字化轉型。“雖然身在企業,但是胸懷行業、胸懷天下,轉型過程中這一點非常重要。”

至於哪些行業的跨界性更大,劉鐵巖表示,技術本身具有跨界性,在其他領域有應用的可能性。“但我們去關心一個技術的跨界,不如去關心一個技術創造過程的跨界。”也許研究者爲AI落地醫療與AI落地金融所創造的工具完全不一樣,但劉鐵巖相信,創造的過程具有很大的借鑑價值。

原創技術和行業知識都重要,從科研角度簡單照貓畫虎或帶來誤導

就AI研究者而言,人工智能技術要想與其他行業產生良好的互動,在劉鐵巖看來,需要具備兩個條件,一是學術研究的本質,二是平臺性。

所謂學術研究的本質,也就是抱着探索的目的,而不是追求利益的目的,這是使得智能化轉型跨界合作成功的一個基本前提。

“如果我們是一個商業性的公司,追求的是利益,而不是學術的推進、研究的發展,那麼很快就會變成技術外包。我們幫助企業解決了某個問題,創造了一些商業價值,他們也爲此付費,大家就Happy Ending,也可能會一拍兩散,再找下一個用戶。”但要想真正改變一個行業,劉鐵巖認爲需要有持續的決心,而絕不是做一兩個商業案例。

所謂平臺性,他認爲,只有具備大平臺的心態,才能做到賦能其他行業並取得成功。“如果我們本身是在某一個行業裏,不是一個平臺公司,可能就只希望獲得直接的商業回報鏈條,沒有公平性、公允性,也就不會把很多先進的技術寫成論文、做開源項目跟大家分享。”

“探索研究的心態和平臺的心態,它們兩個碰在一起就有可能跟行業碰撞出火花。”劉鐵巖表示,人工智能企業如果缺乏了其中一個,跨界合作這條路就不會走得太長。

在探索中,現階段的AI跨界合作,是技術原創性更重要還是行業知識更重要?劉鐵巖認爲,這兩件事都重要。

去年,微軟亞洲研究院發佈了AI量化投資開源平臺“微礦 Qlib”,它涵蓋了量化投資的全過程,爲用戶的AI算法提供高性能的底層基礎架構,從框架設計上讓用戶可以更容易地應用AI算法來輔助解決量化投資的各個關鍵問題。

對於金融從業者來說,Qlib平臺降低了使用AI算法的門檻,其內部集成了AI算法在金融場景下的十幾個使用樣例以供參考,爲金融業提供了一個適應AI算法的高性能基礎設施和數據、模型管理平臺。

劉鐵巖說,在開發Qlib開源項目時,團隊發現了很多讓人大跌眼鏡的現狀。“有很多學術機構在做跟投資有關的研究,你會看到各種論文,裏面甚至有很多天文數字。”

比如隨便一個模型就帶來了超過100%的超額收益;再比如回測過程中根本沒有考慮到漲停、跌停的情況,沒有考慮到最小交易量的限制。

“如果不把行業裏的規則考慮進去,仿真是沒有意義的,你想做出1000%的超額收益都能做得到。”劉鐵巖表示,在AI跨界合作中,他們意識到有大量技術陷阱存在。如果對行業知識儲備不夠,就有可能做出不切實際的成果。

AI落地其他行業也是一樣的道理,如果不深入理解其他行業的門道、規則和知識,而是簡單從科學研究角度照貓畫虎,就很有可能帶來誤導。

相關文章