【姚期智回国】对话姚期智:如何教出中国计算机界“第一班”

谈起姚期智在学术界的地位,横跨计算机和物理专业,业界人莫不敬仰。凭借加密共享数据方法的世界级突破,姚期智于2000年获得计算机领域的圣杯——图灵奖,在该奖项52年的历史中,他仍是唯一获得殊荣的华人。

学者之外,让姚期智与人工智能具有强关联的另一个身份是“老师”。在回国后的十余年中,由他领导的清华交叉信息研究院,填补了国内在相关技术领域的空白,具有开疆拓宇的意义。

他坚持亲自为本科生上课,其主讲的 “理论计算机科学”成为国内首次开设的计算机理论课程,桃李之中成就了中国计算机领域里的一流人才,楼天城、Face 创始三剑客(印奇、唐文斌、杨沐)、张胜誉、邹昊等人均出自他名下,“姚班”被传为佳话。

夏末秋初,北京的天秋高气爽,燥热和潮湿消失在风中,在一个阳光斑驳的下午,我们来到清华园FIT楼,对姚期智进行了专访。在近三个小时的对话里,我们看到了一种直面人工智能领域核心问题的冷静态度。而这不仅仅关于当下风行的评测夺冠,还有针对人才流失、大国竞争、工业驱动等等方面的思考。

忆往昔

姚期智生于上海,幼年随父母迁往台湾省,在台大获得物理学士学位;后前往美国深造,在哈佛大学取得物理博士学位,尔后转向方兴未艾的计算机领域,获得美国伊利诺依大学计算机科学博士学位。57岁时,姚期智辞去普林斯顿大学的终身教职,受邀回国担任清华的全职教授;今年,他与杨振宁先生一同放弃美国国籍,转为中科院院士。

回望这段豪迈而传奇的人生历程,不难理解姚期智身上自带的中西方融合意味,以及充满警觉式的文化自省。基于物理学和计算机的双重学科背景,姚期智的视野格局更为宽广,交叉与融合的学术思想特点十分明显。

谈起姚期智一生中的最为重要的两个决定,都绕不开关键先生杨振宁。年幼埋下物理学的坚定信仰源于杨先生的影响,中年毅然回国也因杨的推动。

1957年,杨振宁与李政道因共同提出宇称不守恒理论获得诺贝尔物理奖,这是华人首次站上诺贝尔奖的舞台。一阵学习物理的热潮在台湾掀起,姚家也不例外。可以说,年仅11岁的姚期智在精神世界上已与杨先生结缘,在心中立下了进入台大物理系的志向,并在中学阶段接触到了相对论。

在采访中,姚期智建议年轻人,“要做科技,本科阶段学习物理是非常好的选择,物理学对于构建科学理念很有帮助。即使变换不同的领域和职业工作,选择问题、构建问题的能力依然重要”。

1972年,姚期智获得美国哈佛大学物理博士学位,尔后受到妻子的鼓励转向计算机科学。2002年的下半年,姚期智数次来到中国,先后参加了南京、上海、北京三地的学术交流会议,国内关于计算机科学的讨论给他留下了深刻印象,也为日后回国定居打消了环境上的顾虑。同时,清华大学计算机系的主任周立柱、张钹院士联系到姚,希望由他来牵头,建立一个讲学教授的机制。

姚期智欣然答应,他从国外邀请了十余位计算机专家给清华研究生上课。正是这段给研究生讲学的经历为后来“姚班”精英式教学模式埋下了种子。

2003年,杨振宁回国定居,在其参与推动成立的清华大学高等研究中心担任教授,并积极地为清华和姚期智牵线搭桥。一方面,他向当时的校长顾秉林极力推荐姚;另一面,他还邀请姚期智回国见面。在内外因素的感召下,2004年,57岁的姚期智辞去了普林斯顿大学的终身教职,回国担任清华的全职教授。

21世纪初,中国互联网业态苏醒,但学术发展还处于第三世界的发展道路上,尤其是科研工作仍处于“学术边缘”地带。“中国的计算机科学,还和最先进的地方存在相当大距离”。同事吴辰晔曾评价,从育人的角度而言,在普林斯顿或许比在清华更容易培养出更多顶尖的学者。

但在姚期智看来,回到清华是顺理成章的事情。“能为缩短中美之间的差距做出贡献。我想了不久,就答应了清华的邀请。”姚期智提到,回国前曾与亲人、朋友讨论,“我的爱人十分认同。我们都很专注在科研事业,对于居住的环境、文化改变并没有太多顾虑,并且我们对于自己是中国人的认知从来没变过”。

随后的一年里,由姚期智主导并与微软亚洲研究院合作的“软件科学实验班”在清华成立。这便是后来赫赫有名的清华大学“计算机科学实验班”,也被称为“姚班”。

建“姚班”

谈及“姚班”的创立,姚期智认为两个核心要素奠定了后续的发展。一方面,来自清华领导层面的支持,在现有庞大体系外搭建一套适应前沿技术的创新模式并非易事。从某种程度来说,“办姚班这件事在美国做会更难”。越是成熟和知名的大学,运行模式就越是牢固,从理念到实践的推进,阻力尤其多。

据姚期智回忆,落地过程似乎很顺利。但在不久前,他才听说当时的清华书记陈希在背后做了许多努力,包括协调多方配合。“这个确实会影响到其他院系和学生,陈希当时只让我放手去做”。另一方面,“姚班”具体授课计划为顺应时代需求而做出了调整。最初,校方希望构建一个培养博士生的良好机制,打造一支具备实力的研究团队,但最后改为面向本科生的教学计划。

姚期智回忆,这和此前在清华做讲学教授的经验有关,“我发现中国研究生有很多知识点都没学过”。彼时,姚期智已经意识到国内本科基础教育的短板,“要想有好的研究生生源,必须建立配套的本科生的计划”。

在姚期智留美的二十余年,先后在哈佛大学、伊利诺伊大学、麻省理工学院、斯坦福大学、伯克利加州大学、普林斯顿大学等等顶级学府执教,积累了相当丰富的教学经验。

立项之初,姚班就将目标设定为“让中国最好的高中毕业生进来,出去以后,一定是世界最好的本科毕业生”。

除去清华本身的入学高门槛外,姚期智强调全能的选拔标准,要求所有学科都达到优秀。在牢固的基础之上,课程的设置标准和延展空间更容易把握。

“姚班”采用全英文授课,全英文交流,课程虽不多,但每门课的难度都不低。为了让学生从高中式的学习思维过渡到研究思维,姚期智对教学内容进行优化重组,既注重全面覆盖计算机科学前沿领域,同时突出计算机科学与物理学、数学、经济学、生物学等多学科领域的交叉。

“不要怕人家说搞精英”。在彼时看来,中美高等教育水平存在明显差距,姚期智认为建立精英研究团队、实行精英教育制度,是中国赶超西方最有效的方式。“我们这代人等不得,国际环境不允许你有一个从容的态度,让中国科研顺其自然发展。我们必须很短时间做到它。”

谈到中西方的差异,姚期智认为,师资设定和圈子效应值得借鉴。大学里教师的平均素质是比规模和院系数量更重要的指标,“在MIT或者Stanford,对于教授有着非常严格的标准,优秀而富有创造力。在教师与学生的朝夕相处过程中,学生不止于收获课本上的呆板知识,更重要的是老师的思维方式。这个部门是年轻科学家成长过程中,最好的、最宝贵的养分。”

此外,西方大学中的圈子文化也构成了其差异化优势。“比如在MIT的餐桌上,话题通常围绕你最近听到哪些有意思的工作,或者说我最近做了一个什么新项目,能够跟不同的跨领域人交流,可以增加很多合作机会。”

在姚期智的主导下,计算机科学实验班的培养方案、教学计划逐步确立并完善,姚期智亲自主讲的“理论计算机科学”成为国内首次开设的计算机理论课程,主要内容正是他精通的计算机算法设计和复杂性领域。

谈教育

据今,“姚班”已送走九届毕业生,约320人。其中,90%选择继续深造,59人在姚先生创建的清华大学交叉信息研究院读研,大部分选择出国留学,包括MIT、Princeton、Stanford、CMU、Yale、UC Berkeley、宾夕法尼亚大学、哥伦比亚大学等;另外10%在工业界活跃,创业或者加入谷歌、Facebook等知名科技公司。

截至2016年12月,姚班学生为论文通讯作者或主要完成人的已发表论文为121篇,42位优秀姚班学生被选派参加国际会议并作论文宣讲。

交叉信息研究院聚焦在理论计算机科学、 量子信息、 信息安全、 网络科学、金融科技、人工智能等领域,同时也在不断扩宽覆盖领域和合作,如与蚂蚁金服联合成立金融科技实验室。其中,在人工智能领域,加入工业界的代表如印奇创立的Face 、楼天城在谷歌;在学界的代表,如马腾宇,毕业后先是进入到普林斯顿,然后被斯坦福聘用。“他们确实是人工智能领域的先驱,会在该领域留下非常深刻的痕迹”,姚期智评价道。

高度集中的优质资源塑造了“姚班”的传奇,类似地,在中科大少年班等模式上也得到验证。但从整体水平来看,中国的学术水平和成果仍落后于欧美。姚期智分析,中国学生的创造力并不比国外学生差,缺乏创造力是他们周围的环境,缺少足够的模范,那些有创造力的、思想活泼的教授。“我觉得不管是文化,还是起步晚,都不是我们拿来解释中国科研发展不足的借口。”

对于优秀人才的可持续性培养策略,姚期智谈到,最理想的方式是引入杰出的大科学家,让他们来吸引教授,能够训练人才。“作为一名资深的科学家,具备整个领域的全局视野,懂得培养年轻人的方法”。但实际上,尤其在计算机科学领域,人才争夺战异常激烈,无论是学界与工业界之间,还是国家层面都在进行着。

姚期智认为,从国家的角度层面来看,人才仍是大计,尤其是要实现国务院《新一代人工智能发展规划》的“三步走”战略目标。“即使不能大量吸纳知名科学家,也必须实现自产优秀人才。”这涉及到人才的培养机制,要给予足够的空间让年轻人出头,对于成果的评价要有清晰的区隔标准、奖励机制。

回顾过去五年,姚期智认为,中国高等教育事业已经初见成效。“在计算机科学领域,我们逐步能够引进,亦或者是产出一批杰出的年轻人。他们的工作成果已经是一流水平。”强化人才培养的机制一旦建立,虽然不能立即看到成果,但五到十年后,会有收获。“这需要清华大学领导或者教育部领导共同出力。”

聊起个人最近的状态和研究方向,姚期智表示,“最近四年我进入了一个新领域——计算经济学,其核心是拍卖理论,让我感到很兴奋。”据清华新闻报道,姚期智曾在经典的“拍卖利润”最优化问题上提出更为简单巧妙的解决方法,解开近年来困扰学术界的一块顽石。

对于言传身教这件事,姚期智深以为然。他谈到,即使是在办学,身负一些行政的责任,但也绝对不能让自己从研究的第一线退下阵来。“只有自己身处在第一线,做出一些出色的工作,才能够给其他年轻的教授和学生,树立一个参考的标准。离开研究岗位以后,对于事情的判断可能发生偏差。”

从物理学到计算机科学,再到信息科学与物理学、计算机科学、经济学、生物学等多门学科的交叉与融合,姚期智也在不断积累跨领域研究的能力和方法论,“在每个领域,我会做出两三篇重要文章,然后换到一个新的领域。每个人不一样,这是我的方式”。

讲竞争

人工智能产业方兴未艾,下自创业领域、传统产业,上至跨国公司、大国储备,抢夺船票的火药味愈发明显。在最近十年的进程中,中国已经从第三世界跃迁至第二大经济体,人工智能在下一个十年中将会承担什么样的角色?全球范围来看,中国的人工智能水平究竟处于什么样的地位?

高盛在最新发布的人工智能报告中表示,中国有足够的资源和决心在未来几年打造出一个基于人工智能(AI)和深度学习的智能经济体。特别是以BAT为首的中国互联网企业,正在成为中国人工智能发展的重要推手。

谈到中美之间的差距,在中、美两地均拥有十余年教研经验的姚期智回答很诚恳。他认为全球的技术水准差异不大,但中国还需要在两个方面进行补足。

一是系统层面,能够迁移到不同领域的广泛系统。“中国的计算机系统是弱项,我们硬件做得不错,有超级计算机;但是系统工程一直不太注重,这是很大的挑战。”

他以IBM举例,1997年,Deep Blue打败人类象棋冠军;2007年,IBM研发出一台能迅速回答涉及双关语和文字游戏等复杂问题的机器,在2011年参加了一档美国智力问答节目《危险边缘(Jeopardy)》,尝试在问答游戏中战胜人类。

虽然人机大战已成潮流,但在当时看来是件很新鲜的事。打败两个人类冠军后,Waston出名了,但IBM并没有止步于此。“技术具有连续性,他们一直在探索下一步做什么。最后IBM看中了Waston在医病诊断领域的潜力,并不断完善。”

另一个方向是理论和算法,“下一步算法突破一定要从理论上着手”。姚期智认为,在人工智能领域,国外已经有非常深厚的技术,过去几年在学术界也十分火热。在公众媒介上之所以没有看到,因为这些进展和讨论还不能用通俗的话将清楚。姚期智透露,他现在聚焦的方向就是人工智能理论,“两三年以后,你们可以期待看看。”

最近一年,能够凸显中国人工智能技术已经站上世界舞台的重要标志,就是在各大权威评测和论文评选中的突围。那么,这背后的意义该如何解读?

姚期智给出了三个层面的看法:

1)首先,这些技术已经在全球范围内得到应用。在细节层面,需要一些经验、参数进行调整,但是基本思路都已经得到充分验证。无论是大公司,还是新兴的创业公司,在技术和应用层面的差异非常少。

2)成果突出,说明中国在人工智能技术的应用能力已经达到世界领先水平,和欧美等国持平。但同时也要看到背后的成因。每家公司之所以在技术应用层面达到一定水准,是因为他们拥有足够的资源和资本,是因为人才本身的流动,公司能够雇到非常好的人才。多花点钱,就能够把更好的技术雇过来,这是一个不断平衡的阶段。

3)尚存技术瓶颈,比如降噪识别、介质识别等,这才是世界一流的研究机构需要真正攻克的难题。我们不能寄托在人工智能去发现和解决它,因为人工智能还没发展到这个地步,优先还是人的问题。

在技术层面具有可行性,从大脑的解构和思维模式中切入,能够有所突破。这也就是为什么说,现在是做理论的最佳时间点。“计算机正真走到了前沿和临界点,将来最亮眼的将会是理论层面的创新,但中国现在这方面仍十分落后。”

作为一名学者,姚期智对于人工智能的兴趣在于:它究竟能解决哪些问题,为什么能解决这些问题,能够解决到什么程度。“这些都还是我们所不能掌控的。”

结合这次参加人工智能主题节目《机智过人》的初衷,姚期智谈到,希望把节目组设置的12个主题应用整合成一门课,尝试着将每个课题转换成老师的研究思路。“如果好好教授,能够给学生创造足够大的空间去探索”,最好的方法是什么,能够到什么程度,有没有方法准确地预测哪一边会赢。“这是非常硬性的指标,具有挑战性”。

在竞争格局层面,姚期智认为,美国的大学和公司分工比较清楚。但在中国,学术的竞争,已经不仅是研究机构层面,还包括和大公司的竞争。这在某种程度上也反应出人才流动正在朝着工业界倾斜,而学术人才流失的问题也越发值得重视。

说人才

姚期智曾谈到,在姚班的学生中选择深造与进入工业界的比例是9:1,在后者的10%中不乏楼天城、印奇、唐文斌、杨沐等学术奇才的身影。姚期智还强调,这10%中有不少人是已经深造过才进入工业领域的。

但放眼整个人工智能领域,这个比例并不乐观。

据LinkedIn发布的《全球AI领域人才报告》显示,截止2016年,中国有10%左右的人工智能领域从业者曾在高校或者研究所工作过,其中超过一半人在之后流入企业。相比中国,美国人工智能领域从业者曾在高校或研究所工作的人数占比更高,超过25%。

谈到此,姚期智表示,工业与学术的平衡问题,不只在中国存在,在美国同样也会遇到。即便身处中国现在的新兴产业,这些毕业生也受到了很高的薪水吸引,尤其是在机器学习领域的人。“我觉得这是一个没法回避的问题。但终究需要支持和鼓励学术研究,否则中国的发展无以为继”。姚期智仍坚持认为,学校和公司仍是不一样的地方,也是大学的吸引力所在。

即使在大公司里的研究院从事研究工作,仍会遇到一些限制;这样的处境和在高校自由地从事研究工作存在本质的区别。此外,目标导向性是两种环境的另一大差异。科技公司因为存在进度和效益问题,需要追着时间跑,一个关键性问题解决到80-90%就足够上线了,“他没有时间等到百分之百的程度”。但在大学里做研究,有人会愿意付出精力去做到百分之百,“从80%到100%之间的跨越,很有可能发现新的突破和技术。”

仿照美国大学和工业建立紧密合作的模式,姚期智表示,中国这个趋势已经很明显,但合作不能只停留在项目上。“不能只说让大学承担项目,或是合作一个应用。而应该从更长远的方向考虑,提高中国在原创领域的水准。”

谈到吸引人才的机制,姚期智从教育工作者的角度出发,认为有两点需要强化。其一,引进权威人士,同时做出耀眼的工作成绩,吸引新鲜血液。“有名教授能够创造出一种效应,大家都想跟着他学习。因为他提出新新理念,有机会在这之上发展。”

其二,大学面对不同领域的人才,需要在待遇和安置上给予足够的务实的条件,主动说服他们来到中国工作。这虽然是一项由上级部门主导的工作,但高校也可以灵活运用机制。

结合到清华的信息交叉学院,姚期智的期待是,高质量的人才团队不在乎数量和规模,而是成果的突破。“中国只要有一两个这样的团队,就可以改变世界”。这同时也是人才培育机制中最好的自力更生的途径。

聊工业

谈到如火如荼的工业界,人工智能无疑是其最旺的一把火,有没有可能在这批创业者之中反向做出一套理论突破?

姚期智对此持乐观态度。“最好的研究都来自于实际应用,像无人驾驶等人工智能最高端的领域”。在实践和落地的过程中,一定会产生很多新问题,可能有意想不到的突破。但姚期智强调,要把握住这样的时代机遇,还需要高校和工业界的紧密合作。

在自动驾驶之外,金融科技是另一大公认的风口,同时争议不断。在大数据商业化潮流的冲击下,传统金融领域不断受到挑战,智能投顾、量化交易等正在上演。姚期智对此认为,虽然时常听到反对的声音,但金融领域的变革是不可阻挡的,一定会被深耕;同时监管很有必要。

当下,很多交易都是在网络上完成,如果没有大数据和计算能力,很难获得这些痕迹和数据,这是一种势不可挡的趋势。“因为这个事情中国人不做,国外也会推进。中国要想在金融领域国际化、全球化,必须掌握过硬的金融科技”。

在变革的过程中,可能会触碰到一些既得利益者而遭遇阻力。但整体而言,在大数据推动下,金融业的适当转型和改革能够降低生意的成本,能够创造更大利益。在初期,我们有足够的时间去讨论法律的建立和保障制度。

谈话间,姚期智多次强调人工智能系统和理论重要性,那么现在看来,可能最早实现落地的系统将会出现在哪个领域?

“医疗系统,类似IBM的Waston。严谨地说,它算不上原始的技术突破,更多是整合,同时吸取了非常多的数据。”医疗领域,一年会产出数千本的学术杂志,作为一个普通医生不可能有机会阅读所有文章,但Waston一天就能做到,将读取到信息融入到它需要诊断的疾病案例里。这其中需要整合大数据、自然语言分析、图像识别等人工智能技术,本质上是将已有的知识点按照需求进行整合。

“这是一个系统工程,团队需要各种专长不一样的人”,面对这样一个庞大的工程,只有大机构才能推动。类似IBM这样的大公司,因为有着非常深厚的信息处理基础,同时与美国的大学建立了密切的合作,所以他们能把这个项目落地。“这样一套机制会使得系统越来越完善,这是其他国家或者公司很难通过竞争实现的。”

“在中国,也应该有人来推动这件事”,姚期智谈到。一是,在国务院规划中已明确在2030年前,人工智能核心产业规模超过1万亿元的目标;二是,在人工智能系统领域,中国已经落后于美国,如果不迎头赶上,差距会进一步拉大。

后记

在这场自下而上推进的工业AI浪潮中,姚期智虽未参与其中,却在冥冥之中成为了诸多中坚力量的领路人,也正因为站在旁观视角,他对于当下“人工智能”的诸多评判才颇具价值。

采访结束后,一个问题仍在我脑海中徘徊着,在人工智能背后的商机召唤下,人才流失的趋势是否无法挽回?像姚先生等老一辈,还能怀着赤子之心的科学家是否会越来越少?

金秋九月,正逢高校招新。采访前一天,我在中科院计算所的电梯口,恰听到两位教授关于招收博士生的对话。“那个小伙子不是挺好,可以推荐去呀”,“他女朋友希望能早点工作。现在房价太高压力大,怕念完博士回来还不如直接工作”,“那真是可惜了……”