近日，田淵棟受地平線曾經(jīng)在Facebook的同事邀請(qǐng)，赴中國(guó)做了一期大牛講堂，分享了關(guān)于游戲和增強(qiáng)學(xué)習(xí)等的話題。分享會(huì)后，AI科技評(píng)論采訪了田淵棟，就他為什么離開(kāi)Google無(wú)人駕駛團(tuán)隊(duì)去Facebook人工智能研究院，現(xiàn)在正在做的工作，如何平衡工作中理論和應(yīng)用的比率，怎么看待絕藝和AlphaGo的棋藝水平，怎么看待智能?chē)宓膶?shí)用價(jià)值，接受了AI科技評(píng)論的采訪。以下是采訪正文。

　　1. AlphaGo目前是世界第一的圍棋選手，在此之后，研究智能?chē)暹€有什么意義？

 

　　我覺(jué)得圍棋是很有意思的游戲，AlphaGo雖然把它做出來(lái)了。但很多東西的做法和人是不一樣的。人在學(xué)圍棋的時(shí)候有很多概念，按照概念做判斷，但是機(jī)器解決他還是比較暴力的。

 

　　一方面，你可以說(shuō)人用概念來(lái)做推理局限了他的計(jì)算能力，體現(xiàn)出人本身有一個(gè)高度抽象的能力，就是用非常非常局限的計(jì)算能力，能達(dá)到那么強(qiáng)的棋力。而AlphaGo就是用非常多的計(jì)算能力去彌補(bǔ)這些不足，所以恰恰是互補(bǔ)的，我相信還是有意義的。

 

　　另一方面，聯(lián)系到后面那個(gè)問(wèn)題（目前你的研究團(tuán)隊(duì)，對(duì)圍棋AI的研究進(jìn)展到何種地步？相比AlphaGo如何。），我們這邊在開(kāi)源之后就先放在那兒了，可能等到以后我們有新想法再拿過(guò)來(lái)試一試。我們這邊是七八十人的研究機(jī)構(gòu)，要讓我們花二十人做圍棋，這個(gè)是不可能的。我們這邊都是很有名的研究員，這些研究員每個(gè)人都有自己的方向，像計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理等等，不可能把自己的方向放棄掉來(lái)專門(mén)（搞圍棋）。

 

　　最后，從本質(zhì)上來(lái)說(shuō)，我們的風(fēng)格跟其它公司不一樣。我們研究員的一個(gè)目標(biāo)是說(shuō)在大家不做這個(gè)東西的時(shí)候，在比較冷門(mén)或者大家不相信它能做得更好的時(shí)候去做它，證明這條路能走通。比如說(shuō)我們?cè)谧鯠arkForest的時(shí)候，圍棋還是很冷門(mén)的方向，大家都不認(rèn)為圍棋可以做出來(lái)。我們的文章比AlphaGo早了三個(gè)月出來(lái)，證明這個(gè)東西確實(shí)有效果，而且能提高挺多的，這就是我們的貢獻(xiàn)。我之前在采訪里面說(shuō)過(guò)，好的研究就是“于無(wú)聲處聽(tīng)驚雷”。

 

　　像星際這樣的游戲，大家都不知道怎么做，研究員們的任務(wù)就是要想辦法找到一些突破口，這個(gè)突破口可能沒(méi)有人想到，或者是沒(méi)有人覺(jué)得能做成，我們的目標(biāo)是在這兒。我回到第一個(gè)問(wèn)題，就是說(shuō)智能?chē)逯筮€有什么意義，就是我剛才說(shuō)的，如果有人愿意想要做下去的話， 就看能不能自動(dòng)從里面學(xué)出一些概念來(lái)，學(xué)出一些有意思的東西，比如說(shuō)人有大局觀或者是大勢(shì)，或者是各種下棋時(shí)候的概念，概念是不是能從這里面自動(dòng)學(xué)出來(lái)。像這些，目前大家都沒(méi)什么辦法。

 

　?。阏f(shuō)大局觀嗎？）

 

　　對(duì)，像這樣的東西其實(shí)對(duì)于我們?nèi)绾卫斫馊说乃季S方式是更重要的。職業(yè)棋手是很厲害的，人腦的神經(jīng)傳導(dǎo)是毫秒級(jí)的，這點(diǎn)時(shí)間機(jī)器可以干很多事情，但人就是用這么慢的處理速度達(dá)到了這么強(qiáng)的水平。

 

　　2. 絕藝和AlphaGo有差距么，差距是多少，是什么造成了這種差距？

 

　　這個(gè)我稍微看了一下，我覺(jué)得絕藝肯定是比Zen要強(qiáng)挺多，200手不到就讓Zen認(rèn)輸了。我之前看新聞是它對(duì)職業(yè)棋手可以戰(zhàn)勝80%甚至更高，所以我相信它已經(jīng)是做得非常好了，我相信它肯定是超過(guò)了或者是相當(dāng)于AlphaGo之前Paper（AI科技評(píng)論注：2016 年 1 月 28 日，Deepmind 公司在 Nature 雜志發(fā)表論文 Mastering the game of Go with deep neural networks and tree search，介紹了 AlphaGo 程序的細(xì)節(jié)。）的水平，但是它跟現(xiàn)在的Master相比，可能還是有差距。

 

　　3. 跟AlphaGo 3月份比賽的水平比如何？

 

　　跟3月份（對(duì)戰(zhàn)李世石）的時(shí)候這個(gè)我不好說(shuō)，我只能說(shuō)和Nature那篇論文相比做得好， 當(dāng)然了跟Master比是有差距的，現(xiàn)在Master所有對(duì)戰(zhàn)是全部都是贏的，沒(méi)有輸?shù)?，勝率?00%，而且都是贏的莫名其妙。Master贏了你，你都不知道什么地方出錯(cuò)了，好像下得挺好的，然后就輸?shù)袅恕Ｋ跃褪且呀?jīng)到了不知道錯(cuò)哪兒的程度了。我相信他們應(yīng)該用別的方法做訓(xùn)練的，而不是單純拓展之前的文章。像我是聽(tīng)說(shuō)他們最近把訓(xùn)練好的值網(wǎng)絡(luò)單獨(dú)拿出來(lái)，根據(jù)它再?gòu)念^訓(xùn)練一個(gè)策略網(wǎng)絡(luò)。我覺(jué)得這樣做的好處是會(huì)發(fā)現(xiàn)一些看起來(lái)很怪但其實(shí)是好棋的招法，畢竟人類(lèi)千百年下棋的師承形成了思維定式，有些棋在任何時(shí)候都不會(huì)走，所以按照人類(lèi)棋譜訓(xùn)練出來(lái)的策略網(wǎng)絡(luò)終究會(huì)有局限性；而用值網(wǎng)絡(luò)作為指導(dǎo)，從頭訓(xùn)練一個(gè)策略網(wǎng)絡(luò)的話，確實(shí)會(huì)發(fā)現(xiàn)很多新招。

 

　　（AlphaGo用其他的方法迭代的？）

 

　　我相信他們也用了別的辦法，但是細(xì)節(jié)我也不知道，因?yàn)槲易罱矝](méi)有做，所以我也不知道他們用什么樣的辦法，我覺(jué)得這方面需要?jiǎng)?chuàng)新。

 

　　4. 絕藝這次是跟電腦圍棋比賽，跟下一次的真人比賽區(qū)別在哪？

 

　　電腦圍棋我們之前也參加過(guò)，就是大家坐著，連上之后讓計(jì)算機(jī)自己下，下到什么地方就說(shuō)我輸了你輸了，然后就結(jié)束了，有可能說(shuō)我們看看剩下好像不行了，但是機(jī)器誤判，就讓人去認(rèn)輸。 基本上是這樣的過(guò)程。

 

　?。俏铱梢赃@樣理解嗎？跟電腦圍棋比賽的是兩個(gè)既定程序的對(duì)戰(zhàn)，比如說(shuō)電腦圍棋絕藝跟真人，比如柯潔對(duì)戰(zhàn)的時(shí)候，是變動(dòng)性更大一點(diǎn)，是嗎？）

 

　　我相信是的，因?yàn)殡娔X圍棋至少在之前都是有些明顯的風(fēng)格，比如說(shuō)有些喜歡在角上和你拼，不愿意去外面搶大場(chǎng)。人可能能看出來(lái)這個(gè)風(fēng)格，就會(huì)擊敗它，特別是水平不是很高的兩個(gè)AI下的話，很明顯能看出問(wèn)題，比如我們DarkForest就有死活的問(wèn)題，我們自己會(huì)說(shuō)，你看這里下得不對(duì)，肯定是這里下錯(cuò)了，這個(gè)地方他可能判斷有問(wèn)題，以為這塊棋是活的，其實(shí)是死的，所以會(huì)有各種各樣的問(wèn)題。當(dāng)然了，如果是達(dá)到絕藝或者是AlphaGo這樣的水平的話，我肯定是看不出來(lái)，我需要計(jì)算機(jī)輔助幫我下到后面才能看到，但是我相信職業(yè)棋手還是能看出來(lái)，但Master我不知道，我不是特別清楚。

 

　　5. 以DarkForest為例，除了圍棋，這種完全信息博弈的游戲智慧要應(yīng)用在其他領(lǐng)域需要解決哪些問(wèn)題？

 

　　我覺(jué)得現(xiàn)在這個(gè)系統(tǒng)是針對(duì)于某個(gè)問(wèn)題做特別優(yōu)化，我之前在 talk里也說(shuō)了，那么多方法，要依照不同的游戲用不同的方法，沒(méi)有那么通用的。比如說(shuō)你在國(guó)際象棋上用蒙特卡洛樹(shù)搜索肯定是不行的，你可能漏搜了某一條特別重要的分支，然后導(dǎo)致一個(gè)殺王的走棋序列沒(méi)有看到，這是非常有可能的。所以整個(gè)AlphaGo是一個(gè)大的系統(tǒng)工程和框架結(jié)構(gòu)，它需要有幾個(gè)人每天花時(shí)間在上面，還得每天不停地調(diào)啊調(diào)。所以說(shuō)，現(xiàn)在所謂的 “人工智能” 還是比較弱的，還是需要人去監(jiān)督，然后把它做出來(lái)。

 

　?。ㄈ绻且槍?duì)某一個(gè)特定領(lǐng)域呢？）

 

　　就是我剛才說(shuō)的，你先要對(duì)這個(gè)領(lǐng)域有了解，然后去設(shè)計(jì)。比如說(shuō)圍棋和國(guó)際象棋就不一樣，國(guó)際象棋每步的可能性比較少，對(duì)局面的判斷相對(duì)容易，因?yàn)檫@個(gè)原因，你要換一個(gè)方法做，而不是用原來(lái)的方法做。所以對(duì)于方法的選擇，其實(shí)是完全依賴于這個(gè)問(wèn)題本身的，所以這個(gè)是需要大量的人工智能相關(guān)知識(shí)才能做出來(lái)的。

 

　　6. 你剛才講PPT的時(shí)候，講到你們的圍棋理論可以應(yīng)用在游戲方面，還有其它現(xiàn)實(shí)生活中的應(yīng)用場(chǎng)景嗎？

 

　　一個(gè)問(wèn)題就是說(shuō)像完全信息博弈游戲，你知道你下完這步后局面會(huì)變成什么樣子，你心里非常非常清楚。但到了現(xiàn)實(shí)世界的時(shí)候，有時(shí)候并不那么清楚，沒(méi)有一個(gè)現(xiàn)實(shí)世界給你玩，你做完決定之后你得對(duì)這個(gè)決定的后果負(fù)責(zé)，所以對(duì)這個(gè)世界在你下完決定之后變成什么樣子，你要有一個(gè)大概的估計(jì)。

 

　　所以你在現(xiàn)實(shí)世界做規(guī)劃的時(shí)候，其實(shí)需要一個(gè)前向模型（forward model）, 就是你對(duì)將來(lái)會(huì)發(fā)生什么事情的一個(gè)預(yù)計(jì)，前向模型是一種規(guī)劃，是對(duì)將來(lái)會(huì)發(fā)生什么樣事情的預(yù)計(jì) 。比如說(shuō)你下完這步之后，可能整個(gè)情況變成什么樣子，之后你再做下一步的計(jì)劃。所以這個(gè)其實(shí)是很大的問(wèn)題，是游戲和現(xiàn)實(shí)生活中是不同的。

 

　　7. 能詳細(xì)介紹一下前向模型？

 

　　前向模型就是你要對(duì)現(xiàn)實(shí)世界的運(yùn)行規(guī)律做一個(gè)模型。比如說(shuō)你這個(gè)房子過(guò)了幾年會(huì)變成什么樣子，比如說(shuō)這朵花過(guò)幾年會(huì)變成什么樣子。你當(dāng)然不可能能預(yù)測(cè)所有細(xì)節(jié)，要找到關(guān)鍵性的方面，才能讓你的蒙特卡羅樹(shù)之類(lèi)的搜索產(chǎn)生效果。比如一個(gè)國(guó)家30年后會(huì)怎么樣，和現(xiàn)在這束花是不是會(huì)枯萎沒(méi)什么關(guān)系，但可能和大家的收入統(tǒng)計(jì)有關(guān)系。所以關(guān)鍵就是怎么對(duì)現(xiàn)實(shí)世界來(lái)做出抽象的建模。

 

　　8. 我們看到絕藝那邊，騰訊的副總裁姚星說(shuō)他們可以把其 “精準(zhǔn)決策” 能力用在無(wú)人駕駛，量化金融，輔助醫(yī)療等，這個(gè)是不是說(shuō)得太早了？

 

　　長(zhǎng)遠(yuǎn)來(lái)說(shuō)，通過(guò)在絕藝上投入的人力和物力，這些工程師的思考本身可以變成經(jīng)驗(yàn)。比如說(shuō)它在人工智能上通過(guò)對(duì)于絕藝的提高，他知道了蒙特卡羅樹(shù)的適用范圍，知道了增強(qiáng)學(xué)習(xí)算法的適用范圍，對(duì)這些算法有一個(gè)切身的理解。這樣之后，如果去從事其它方向的AI，就更加得心應(yīng)手 。

 

　　我不知道“絕藝”是怎么做的，如果他們用的是Alphago相似的（原理）的話，要用到其他領(lǐng)域上，就不是特別容易 。比如說(shuō)像輔助醫(yī)療，可能更多的是去識(shí)別圖片，去怎么樣去找到病變組織，這個(gè)其實(shí)更多的是圖像識(shí)別的問(wèn)題，而不是說(shuō)關(guān)于決策的問(wèn)題。所以這個(gè)其實(shí)關(guān)系不是特別大，但是不好說(shuō)，說(shuō)不定他們有方法。

 

　　9. 李開(kāi)復(fù)之前說(shuō) “AlphaGo 其實(shí)做了相當(dāng)多的圍棋領(lǐng)域的優(yōu)化，除了系統(tǒng)調(diào)整整合之外，里面甚至還有人工設(shè)定和調(diào)節(jié)的一些參數(shù)，因此還不能算是一個(gè)通用技術(shù)平臺(tái)，不是一個(gè)工程師經(jīng)過(guò)調(diào)動(dòng)API就可以使用的，而且還距離比較遠(yuǎn)。”假如要應(yīng)用在其他領(lǐng)域，以金融為例，這套系統(tǒng)大概需要改動(dòng)或調(diào)整多少？

 

　　這個(gè)我也不知道多少，感覺(jué)是完全不一樣的。你說(shuō)金融領(lǐng)域，關(guān)鍵是你想要解決什么問(wèn)題，你想預(yù)測(cè)股票價(jià)格，還是想要預(yù)測(cè)什么？

 

　?。ū热缧庞皿w系一般比較多。）

 

　　根據(jù)不同的具體問(wèn)題可能又是完全不一樣的方法，所以你沒(méi)有辦法說(shuō)把這套框架用在某一個(gè)很大的領(lǐng)域，因?yàn)檫@個(gè)領(lǐng)域有很多問(wèn)題，你得列出來(lái)，對(duì)應(yīng)每個(gè)問(wèn)題去想這個(gè)方法能不能用，所以我覺(jué)得這個(gè)問(wèn)題其實(shí)很難回答。

 

　　（這個(gè)是要靠AI加某個(gè)垂直應(yīng)用場(chǎng)景的實(shí)踐，是吧？）

 

　　嗯是的。目前為止現(xiàn)在還不存在一個(gè)強(qiáng)人工智能，像人一樣什么都可以學(xué)會(huì)，現(xiàn)在沒(méi)有這樣的東西，所以現(xiàn)在對(duì)應(yīng)具體的問(wèn)題我要具體分析，根據(jù)這個(gè)問(wèn)題再分析，決定用什么樣的模型去做它比較好，所以現(xiàn)在是處于這樣的狀態(tài)。所以說(shuō)機(jī)器還不能自己決定用什么模型，還是需要人的輸入 。

 

　　10. 你除了圍棋還有其他的研究領(lǐng)域嗎？

 

　　我們現(xiàn)在主要在做增強(qiáng)學(xué)習(xí)在游戲上的應(yīng)用。比如說(shuō)我在Talk里面講了圍棋和最近在第一人稱射擊游戲上的應(yīng)用。另外我也做理論，比如說(shuō)對(duì)于二層神經(jīng)網(wǎng)絡(luò)做一些收斂性分析，像這個(gè)非凸優(yōu)化問(wèn)題，要怎么分析才是好的。

 

　　(現(xiàn)在最主要的哪一部分是重點(diǎn)？是理論還是偏應(yīng)用。)

 

　　重點(diǎn)當(dāng)然是偏應(yīng)用。理論這個(gè)是我以前讀博的方向，也是我個(gè)人愛(ài)好，我自己比較喜歡，覺(jué)得深度學(xué)習(xí)之所以效果好，肯定有其背后的原因，這個(gè)是很重要的問(wèn)題，需要人去理解，不能放棄。當(dāng)然純做理論風(fēng)險(xiǎn)比較大，這個(gè)大家都知道。

 

　　11. 其實(shí)之前看你知乎的文章，好像是講過(guò)目前深度學(xué)習(xí)在復(fù)雜推理的一些，還有今天的分享里面你也講了有一些進(jìn)展和挑戰(zhàn)，在這么多挑戰(zhàn)里面，最大的一個(gè)挑戰(zhàn)是什么？

 

　　其實(shí)有很多點(diǎn)是挺關(guān)鍵的，沒(méi)有特別重要的，說(shuō)我們就差這個(gè)點(diǎn)了，不是這樣的 。其中一個(gè)就是你怎么樣去像人那樣有高層的建模能力，人可能對(duì)一件事情會(huì)有比較整體的把握。什么是戰(zhàn)略上的。什么是戰(zhàn)術(shù)上的，什么是具體執(zhí)行上的。人在處理問(wèn)題時(shí)很自然就會(huì)有這樣層次式的思考方式。目前為止很多人想做這個(gè)。雖然你可以設(shè)計(jì)很多模型，但沒(méi)有看到特別穩(wěn)定的，很多模型聽(tīng)起來(lái)很好，但是訓(xùn)練的時(shí)候，效果會(huì)有問(wèn)題，會(huì)有很多實(shí)際的問(wèn)題，沒(méi)辦法做到跟你想象中的那么好，這是一個(gè)問(wèn)題。另外比如說(shuō)，如何讓機(jī)器能在外界監(jiān)督信號(hào)極度稀缺的情況下學(xué)習(xí)，如何做無(wú)監(jiān)督學(xué)習(xí)，如何把傳統(tǒng)符號(hào)推理和深度學(xué)習(xí)結(jié)合起來(lái)。

 

　　12. 你剛才說(shuō)的目前研究的領(lǐng)域來(lái)說(shuō)，能透露一下你最近一段時(shí)間比較重要的進(jìn)展？

 

　　我覺(jué)得，理論上來(lái)說(shuō)有一些小小的進(jìn)展，我之前做了一篇文章研究了兩層神經(jīng)網(wǎng)絡(luò)的動(dòng)力學(xué)系統(tǒng)，神經(jīng)網(wǎng)絡(luò)它是怎么收斂的，需要什么條件。 像這個(gè)就是更偏研究類(lèi)型的。實(shí)踐上來(lái)說(shuō)，有一些東西我們?cè)谧?，不方便說(shuō)。另外就是多看文章，現(xiàn)在還處在一個(gè)積累的過(guò)程，多看點(diǎn)兒文章，多理解一些別人做的工作，就會(huì)有一些更多的想法。

 

　　下一步工作也是圍繞上面說(shuō)的那些，繼續(xù)往下進(jìn)行？

 

　　對(duì)。

 

　　13. 你目前負(fù)責(zé)項(xiàng)目和研究領(lǐng)域在整個(gè)Facebook公司的架構(gòu)里面，是處于一個(gè)什么樣的位置，起什么樣的作用？

 

　　其實(shí)現(xiàn)在是這樣的，我們組是比較偏研究的，所以我們組的東西不一定要跟產(chǎn)品組有直接聯(lián)系。我們做的東西都會(huì)比較前沿一點(diǎn)，不一定會(huì)有直接的應(yīng)用，這是我們這個(gè)組很好的地方。我們公司也賦予這樣的自由度。你想，你做的東西完全跟產(chǎn)品掛鉤，每隔幾個(gè)月就要求匯報(bào)進(jìn)展，那這樣的話最后的結(jié)果就是大家只找最容易做的那些方向，在原來(lái)的系統(tǒng)上修修補(bǔ)補(bǔ)。這樣大家就不會(huì)愿意去想更多的東西了。

 

　　（像您剛才說(shuō)的做研究，需要把一個(gè)現(xiàn)在還冷門(mén)的東西鉆進(jìn)去。）

 

　　對(duì)，比如說(shuō)訓(xùn)練圍棋，當(dāng)時(shí)沒(méi)有多少人知道這個(gè)東西。做研究最重要的是能夠在那么多方向上，你能看到一個(gè)方向是對(duì)的，愿意花時(shí)間把它做出來(lái)，證明它是對(duì)的，這個(gè)是很重要的。

 

　?。ㄖ翱催^(guò)您那篇在谷歌和Facebook的一個(gè)比較，在谷歌是沒(méi)有這種自由度的？）

 

　　不能這么說(shuō)。因?yàn)樵诠雀钑r(shí)我在無(wú)人車(chē)組，這是個(gè)產(chǎn)品組，決定了必須要有一個(gè)非常清楚的脈絡(luò)和將來(lái)的走向。我當(dāng)時(shí)其實(shí)也是想做一些開(kāi)放性的東西，但是覺(jué)得環(huán)境也不是特別適合，所以就走了，這是原因之一，我并不是說(shuō)這個(gè)組不好，這個(gè)組挺好的，確實(shí)是因?yàn)槲覀€(gè)人的志向和組里的發(fā)展方向不一致，所以我就走了。

 

　　14. 你其實(shí)特別喜歡寫(xiě)博客和雜文，甚至我還看到有古文，我想問(wèn)寫(xiě)作不管是中文的還是英文的，對(duì)于你研究來(lái)說(shuō)有什么幫助？

 

　　這個(gè)我覺(jué)得是一個(gè)思考的方式，東西要寫(xiě)下來(lái)之后你才知道什么地方出問(wèn)題了，一個(gè)典型的例子就是做數(shù)學(xué)證明嘛，你覺(jué)得好像是對(duì)的，但是你寫(xiě)下來(lái)才能證明，很有可能一落筆就發(fā)現(xiàn)錯(cuò)誤了，這個(gè)是司空見(jiàn)慣的事情。

 

　?。ǖ瞧鋵?shí)寫(xiě)博客和寫(xiě)論文還是兩種東西嘛，因?yàn)閷?xiě)博客可能不會(huì)寫(xiě)得那么深。）

 

　　論文當(dāng)然摳得細(xì)得多，但大方向都是一樣的 。寫(xiě)博客的時(shí)候一樣要有邏輯，很多話當(dāng)時(shí)想的是這樣，但是寫(xiě)下來(lái)發(fā)現(xiàn)這兩句話不連貫，或者是邏輯不通，所以你在整理的過(guò)程中其實(shí)就是在整理你的思路，這個(gè)是挺重要的。

 

　　15. 經(jīng)?？匆?jiàn)你說(shuō)表達(dá)的重要性，它在你不管是做研究還是之前在谷歌做產(chǎn)品的時(shí)候，它扮演了一個(gè)什么樣的角色？

 

　　這個(gè)對(duì)研究來(lái)說(shuō)非常重要，研究者的一部分工作是要把自己的成果公諸于世。要以清楚的語(yǔ)言概括在做什么，所以這個(gè)其實(shí)是我作為這個(gè)職位的要求之一，所以這個(gè)重要性就不用多談了。

 

　?。ū仨氁熏F(xiàn)在這個(gè)事情給別人說(shuō)清楚，得到別人的認(rèn)可？）

 

　　對(duì)，你要跟別人說(shuō)清楚，當(dāng)然公司里面還好，但你在學(xué)校里邊的時(shí)候，你在團(tuán)隊(duì)里面作為技術(shù)帶頭人，必須出去跟其他公司談，或者說(shuō)跟上層說(shuō)我需要資源做這樣的事情。這樣表達(dá)能力就非常重要了，如果你沒(méi)有辦法表達(dá)清楚你想要做什么的話，別人不一定能相信你，也不會(huì)給你各種資源。另外比如說(shuō)你遇到的人才，覺(jué)得你做的東西他沒(méi)聽(tīng)懂，或者是不知道你在做什么，他也不會(huì)愿意跟你一起共事。作為一個(gè)研究員來(lái)說(shuō)，或者是任何在研究這條路上愿意走的后輩人來(lái)說(shuō)，這個(gè)很重要。

 

　　16. 對(duì)于AI領(lǐng)域的后進(jìn)者們，比如說(shuō)學(xué)生、創(chuàng)業(yè)者或者是研究者們來(lái)說(shuō)，你作為一個(gè)過(guò)來(lái)人，當(dāng)然還在繼續(xù)往前走，對(duì)他們有什么建議？

 

　　第一點(diǎn)，我不是什么過(guò)來(lái)人，我還要往前走，我也覺(jué)得我也只是很多方向剛開(kāi)始的人，我也不覺(jué)得我是一個(gè)非常資深的研究員。你之前說(shuō)我是高級(jí)研究員，我們組沒(méi)有高級(jí)研究員這個(gè)頭銜。

 

　?。悻F(xiàn)在在Facebook的頭銜是什么？）

 

　　頭銜就是研究科學(xué)家，其實(shí)就是研究員。我也不覺(jué)得我自己做得有多好，只能說(shuō)很多事情盡力了 。如果你要翻一下我兩三年前的文章，我之前是做非凸優(yōu)化在圖像扭曲上的理論分析的，很榮幸地拿了馬爾獎(jiǎng)提名。我都不是做這方面（深度學(xué)習(xí)）的，我也不是做強(qiáng)化學(xué)習(xí)的，這些方向都是我最近覺(jué)得很有意思，然后自己學(xué)并且嘗試做的。所以從這方面來(lái)說(shuō)，我對(duì)目前我的工作覺(jué)得還行，想想只有一兩年時(shí)間，會(huì)有這樣的知名度和曝光率，這已經(jīng)是出乎我的意料了。但是不管怎么樣，曝光率再高，我覺(jué)得我自己還是要往前走的，我有很多東西不懂的，前面的路還很長(zhǎng)的。所以要說(shuō)對(duì)于其他人的建議，我覺(jué)得是就靜下心來(lái)做事情，文章該看的要看，該學(xué)的要學(xué)，程序該寫(xiě)的要寫(xiě)，該調(diào)通的調(diào)通，一步一步往前走。

 

　?。ň褪前蜒矍暗氖虑樽龊?？）

 

　　對(duì)。當(dāng)然方向還要看清楚的。做為一個(gè)研究者，要自己看文章定方向，不能人云亦云，這個(gè)是身為科研人員最重要的特質(zhì)。然后做自己想做的事情，重要的就是要做自己想做的事，并且花時(shí)間在上面。不要說(shuō)今天公司有很多錢(qián)，我就去了，這樣的話對(duì)將來(lái)的發(fā)展不是特別好的，希望大家能找到自己想做的方向，主要是這一點(diǎn)。還有就是珍惜時(shí)間吧，大家的時(shí)間都是很寶貴的，如果愿意做一些事情，就早點(diǎn)行動(dòng)，把事情很快地做好。另外要不斷地提高自己。

 

　　小結(jié)：

 

　　AI科技評(píng)論在采訪田淵棟的時(shí)候，

 

　　在問(wèn)到DarkForest現(xiàn)在的進(jìn)展時(shí)，他表示 “我們這邊其實(shí)目前還沒(méi)有繼續(xù)做，在開(kāi)源之后就先放在那兒了。”。

 

　　在說(shuō)道人工智能有什么意義的時(shí)候，他表示“就是我剛才說(shuō)的，如果你繼續(xù)做下去的話，我們想能不能自動(dòng)從這里面學(xué)出一些概念來(lái)，學(xué)出一些有意思的東西……像這樣的東西其實(shí)對(duì)于我們?nèi)绾卫斫馊说乃季S方式是更重要的。”

 

　　在問(wèn)道你現(xiàn)在在Facebook的頭銜是什么時(shí)，他表示我的“頭銜就是研究科學(xué)家，其實(shí)就是研究員。”

 

　　類(lèi)似這樣的風(fēng)格的回答很多很多，給近在遲尺的AI科技評(píng)論展現(xiàn)了一個(gè)直白坦率，嚴(yán)格待己，謙虛待學(xué)的生動(dòng)形象。這跟我們采訪AI業(yè)界公司大佬時(shí)他們覺(jué)得他們能解決這個(gè)問(wèn)題，他們沒(méi)遇到什么困難，他們即將所向披靡的那一面然不同，眼前的這個(gè)年輕科學(xué)家體現(xiàn)的是學(xué)界人士低調(diào)，謹(jǐn)慎，求是的另一面。但值得一提的事，AI科技評(píng)論看到那張謙遜卻帶了一點(diǎn)點(diǎn)桀驁不馴的臉的背后，的是一個(gè)對(duì)自己有極高要求，對(duì)理想有極高追求的，不愿意人云亦云，卻希望真的在人工智能領(lǐng)域有所作為的科學(xué)家的心。在孤獨(dú)和庸俗，在跟著心走和大流之間，他選擇了孤獨(dú)和跟著心走。