本文關鍵詞：鄂維南，由筆耕文化傳播整理發(fā)布。

飛象網(wǎng)訊（文頤/文）7月14日消息，今天“首屆中國大數(shù)據(jù)應用大會”在成都世紀城國際會議中心召開，飛象網(wǎng)作為合作媒體做全程直播：

鄂維南：首先感謝大會主辦單位邀請我參加這個會議，我今天的演講是一個命題作文，因為林秘書長談這個會的時候就給我定了一個題目，這個題目我本人也沒有真正地想太多，，但是卻也是值得大家思考的，所以我今天就在這里拋磚引玉。

我首先從AlphaGo這個說起，AlphaGo這個人機大戰(zhàn)發(fā)生之前，應該說大部分人尤其是行家對機器都是不看好的，這個是大數(shù)據(jù)已經(jīng)熱了好幾年了，在這種一個前提下AlphaGo給我們?nèi)匀粠砹苏痼@，以前我們沒有想過有這樣的事發(fā)生。業(yè)外的人說圍棋太復雜了，可以走的策略比宇宙里的原子還要多，這個是不可能的，國際象棋97年機器就戰(zhàn)勝了人。剛剛這個思維模式和這個是一樣的，其實這樣的問題在我們學術界尤其是統(tǒng)計物理和量子物理已經(jīng)處理過很多次了，我們不是用窮據(jù)（  音譯）  法，處理這種問題我們使用蒙特卡羅樹的方法。

第二個行家是怎么說的？他們說看到了那個之前AlphaGo和歐洲冠軍的打法，他們覺得我從這個可以看出它的水平離我們圍棋九段的水平差的很遠，這里面最重要的一點是AlphaGo是一個會學習的機器，幾個月之間自己已經(jīng)學習了很多遍了，就是說它的水平已經(jīng)提高了很多了，這是我們AlphaGo帶來的一個震驚，就是它是會學習的機器，它的前提就是大數(shù)據(jù)的數(shù)據(jù)，跟我們統(tǒng)計物理使用的蒙特卡羅不一樣，它是用大數(shù)據(jù)解決的這個問題。還有一個是學習是采用了強化學習的辦法。

我想強調(diào)的是它的基本原理，就是AlphaGo的基本原理就是馬爾科夫決策過程，我這里有一些技術詞可能是比較專業(yè)性的，我要強調(diào)的是AlphaGo背后的原理，都是它可以應用于一般的智能決策系統(tǒng)，它背后的數(shù)學模型都是馬爾科夫決策過程，很多方面包括醫(yī)療、健康和我們政府的決策系統(tǒng)，軍事上的決策系統(tǒng)，機器人在很多不同領域數(shù)學模型都可以適用。當然，并不是說AlphaGo已經(jīng)把所有問題都解決了，在圍棋這個方面，它跟別的其他很不一樣的地方是，它的對手作為一個博弈系統(tǒng)，它跟對手的角色是對稱的。剛剛提到的金融問題，醫(yī)療健康問題和領導決策問題，比如金融問題要采用的是個人和市場的博弈，這兩者之間顯然是不對稱的。盡管剛剛我提到AlphaGo背后的數(shù)學模型是通用的，但是并不是說AlphaGo已經(jīng)把所有問題都解決了，要解決其他的問題我們還需要作進一步的努力，還需要解決角色不對稱的前提下怎么把AlphaGo推廣的更好。

但是這里需要強調(diào)的一點是，AlphaGo作為標志，使得人工智能進入了新的時代，人工智能這個領域已經(jīng)有了幾十年的歷史，到80年代人工智能在走下坡路，很多人工智能企業(yè)都開始做跟人工智能沒有關系的業(yè)務了。但是以AlphaGo作為標志，我們看到人工智能進入新的時代，這里面主要的原因，它的核心技術有一個改進，就是以大數(shù)據(jù)為學習尤其是深度學習，使得人工智能進入新的時代。這樣一個新的時代，智能化的時代意味著什么？

人類已經(jīng)完成了非常大的改變就是工業(yè)化的時代，這是因為我們?nèi)祟愒斐隽藭⻊趧拥臋C器就是機械化，它對我們產(chǎn)生了什么影響？

第一把我們?nèi)祟悘姆浅７敝氐捏w力勞動力解放了出來；

第二勞動的機器勞動的效率比人類的勞動效率提高了很多倍；

第三我們的生產(chǎn)進入了專業(yè)化的模式，就是說我們生產(chǎn)出來的東西都是標準化的，大規(guī)模的去做，由此給國際社會產(chǎn)生了很大的影響，包括國際貿(mào)易、商業(yè)化，甚至我們現(xiàn)在的社會制度，都跟工業(yè)化、機械化有直接的影響和關聯(lián)。

現(xiàn)在我們面臨著的就是下一個突破，也就是智能化的時代，中間可能會插入一個信息化，我們正在完成的所謂信息化時代，但是我認為信息化只是一個過渡期，真正要面臨的是智能化時代這樣一個新的轉(zhuǎn)變。智能化時代就是以會學習的機器作為代表，我們?nèi)祟愒斐隽藭䦟W習的機器，你試想我們?nèi)烁鷻C器，跟其他的有什么不一樣？就是因為我們會學習，通過學習我們積累了很多經(jīng)驗，我們可以處理機器不能處理的問題，我們有直觀，直觀是從經(jīng)驗來的，為什么在座領導可以做領導其他人不可以做領導？就是因為我們在座領導有很好的經(jīng)驗可以做很好的決策，是通過工作經(jīng)歷和學習經(jīng)歷學習過來的。

現(xiàn)在我們造出了會學習的機器，這個會學習的機器它學習的效率離我們?nèi)祟悓W習的效率是要高很多倍的，AlphaGo我們已經(jīng)看到了，通過自己和自己下棋積累經(jīng)驗的速度遠遠超過人類，這樣的情況下會給我們這個社會產(chǎn)生什么樣的影響？

首先我們可以想像的是機器可以幫我們?nèi)祟愖鰶Q策，把我們從一些我們不大喜歡的，比較繁重的體力和腦力勞動里解放出來，使我們?nèi)祟愖龈挥袆?chuàng)造性的勞動。

其次，跟工業(yè)化相對比，工業(yè)化我們的產(chǎn)品和東西都是標準化的，下一步可能有智能化個性化的產(chǎn)品，我們喜歡什么就造什么。

從社會管理的角度，因為我不是作管理的，我是作數(shù)學的，我還是想談一點我自己的看法，因為現(xiàn)在很多都在講智慧城市，智慧城市是一個什么事？大家想過沒有？不僅僅是純數(shù)據(jù)搞一些物聯(lián)網(wǎng)的傳感器，而是它有更深刻的背景。剛剛提到專業(yè)化，我們現(xiàn)在的社會管理也是專業(yè)化的模式，比如說成都市、四川省下面有很多的部門，像環(huán)保部門、農(nóng)業(yè)部門和水利部門，不同的部門都是由專業(yè)人員在管他們專業(yè)范圍內(nèi)的事，他們在自己專業(yè)范圍內(nèi)做的非常好，專業(yè)化的管理模式。但是比如說環(huán)境，環(huán)境涉及到不僅是環(huán)保部門，還有工業(yè)部門的污染，交通部門的污染、農(nóng)業(yè)、林業(yè)、水利等等是一體化的事。我們想想人是怎么做決策的？我們?nèi)送ㄟ^眼睛、鼻子、手采集信息，采集完了以后，我們都把它送到大腦，由大腦作決策，再通過手、腳執(zhí)行，這是人類決策的模式。大數(shù)據(jù)驅(qū)動下的智能時代的決策模式，應該跟人的決策模式是很類似的，決策是中心化的，平臺化的，而部門起到的作用是信息采集和執(zhí)行這樣一個作用。這樣的決策模式可以更系統(tǒng)化，可以把不同的重要的因素都給考慮進去。比如說我們的數(shù)據(jù)孤島，將來可能就是數(shù)據(jù)平臺，數(shù)據(jù)平臺下的執(zhí)行模式就一定是中心化的。

我們怎樣衡量社會的發(fā)展程度，現(xiàn)在我們衡量也是專業(yè)化的模式，比如說我們講GDP，我們有各種各樣的指標，我們關心的并不是GDP，我們關心的是個人的滿意程度和我們社會發(fā)展的和諧程度，這些在過去是很難來實現(xiàn)和描述的，在未來我們可能對社會進步的標準要逐步地變成個人價值、個人滿意的幸福感和社會的和諧程度。

要做到這一點還面臨很多挑戰(zhàn)，尤其是我國人才缺乏，人才是一個嚴重的問題，這方面我不多言。

還有一個很現(xiàn)實的問題，我們各個相關領域的知識結構非常落后，不要說非常落后，應該是還有一點落后。跟剛剛我談到的大數(shù)據(jù)和人工智能、智能化比較相關的有哪些領域？首先像人工智能、機器學習、數(shù)據(jù)挖掘、計算方法、統(tǒng)計，這些在我國都有，而且做的人還很多，但是我們的知識結構和概念、理念還比較落后，還沒有到剛剛提到的水平。比如說人工智能，我們多少人是做新的人工智能這個模式的人工智能，有多少人做的是過去那種模式的人工智能，比如說我們的計算方法，我們這個學會做計算方法的人有多少人在做我們需要的新的算法，多少人在做過去的傳統(tǒng)算法，這樣的情況在我國是非常普遍的，知識結構尤其是概念的落后。

還有一個困難就是基本概念的混淆，尤其是政府部門或者是我們領導部門在推動一項新的措施的時候常常看到，比如把云計算和大數(shù)據(jù)混合在一起，這是對我們推動大數(shù)據(jù)和人工智能以及智能時代發(fā)展是非常不利的。

還有一個是體制機制的制約，剛剛提到政產(chǎn)學研，產(chǎn)學研在我國已經(jīng)提了很長時間，各個學校都有產(chǎn)學研的部門，是不是真的做到位了，是不是可以滿足智能化時代新的需求？尤其是大數(shù)據(jù)提出的新的需求。

在這一定上北京大數(shù)據(jù)研究院還是作了一些新的構想和舉措，我們很早開始討論去年才成立，反映出北大做事的風格，但是說的不好聽一定就是起大早感晚集，但是說的好聽一點我們是踏踏實實地做工作，我們不跟風，我們經(jīng)過六年醞釀成立北京大數(shù)據(jù)研究院，為什么去年我們沒有再等了呢？因為我們看好了大數(shù)據(jù)幾個重要的特點，一個是大數(shù)據(jù)學科建設和發(fā)展以及產(chǎn)業(yè)化和市場之間的無縫連接，大數(shù)據(jù)的科研創(chuàng)新可以非�？斓禺a(chǎn)業(yè)化，而大數(shù)據(jù)學科最前沿的問題也來自于市場和企業(yè)界，我經(jīng)常強調(diào)的一點，尤其是我國，我國因為我們?nèi)丝凇⒁?guī)模、文化、語言各方面的特點，我們國家的大數(shù)據(jù)市場提出的問題就是學術界最富有挑戰(zhàn)的問題，如果把我們的實際問題解決好了，我們的大數(shù)據(jù)學科自然而然就走到前面去了，這跟其他學科是很一樣的，其他學科不可避免地看文獻，看別人做什么我們再做什么，大數(shù)據(jù)在這方面是有很多獨特的地方。

基于這些特點，我們成立了北京大數(shù)據(jù)研究院，它不僅有學科建設和人才培養(yǎng)，我們有本科、研究生、博士，一體化培養(yǎng)體系，還有我們也孵化了很多的企業(yè)，我們的目標就是把我們打造成國際一流的人才培養(yǎng)，產(chǎn)業(yè)創(chuàng)新的孵化平臺，關鍵的關鍵就是要有一個體制來吸引一流的人才到我們這個平臺上來工作，這個挑戰(zhàn)是非常大的，不僅僅是要在國際上和其他國家爭人才，還要和國內(nèi)BAT這樣大的互聯(lián)網(wǎng)企業(yè)爭人才，這是非常具有挑戰(zhàn)性的。我想強調(diào)的是，就國內(nèi)的情況來看，大的互聯(lián)網(wǎng)企業(yè)在大數(shù)據(jù)方面做的非常領先，它們也吸引了一批非常好的研究人員到他們企業(yè)去，比如百度的張桐（音譯）等等，他們都是在學術界有很高的成就，現(xiàn)在在企業(yè)界工作，他們本身就有非常好的資源，所以我也希望未來這種活動里面可以把他們這些人也邀請過來。當然，如果人才都流到企業(yè)界去了，這對未來的發(fā)展也很不利，從人才培養(yǎng)的角度來說企業(yè)界缺乏造血功能，人才培養(yǎng)還是在研究機構、高校來做比較好，這就是為什么必須有像北京大學大數(shù)據(jù)研究院這樣的平臺來參與到大數(shù)據(jù)的學科建設和產(chǎn)業(yè)、行業(yè)發(fā)展當中來。我們也經(jīng)過了很長的時間思考，找到了目前這樣一個運行模式，個人感覺這還是非常好的模式，不僅順應了產(chǎn)業(yè)化的需求，也照顧到了人才培養(yǎng)和學科建設等等方面的需求。

  本文關鍵詞：鄂維南，由筆耕文化傳播整理發(fā)布。