港科大教授、第四范式首席科学家杨强 人工智能寡头终结者

今天，引领AI潮流的第四范式发布了全新的人工智能开发平台——“先知”。这一平台不仅是AI领域首个面向开发者的工具，更是通过自动化算法参数和机器学习基础架构的搭建，打破了传统模式。它的最大亮点在于降低了人工参与的特征工程和模型训练过程，同时提供自动或半自动的特征工程工具及模型选择调参功能，从而大大减少了对数据科学家的依赖。

先知平台面向实际问题提供了更优质的应用型解决方案。基于此平台，从业人员只需短短几个月的时间就能迅速成长为数据科学家。第四范式创始人戴文渊幽默地表示：“我们的愿景就是让科学家失业。”而第四范式一直以来坚持的“AI for everyone”理念更是彰显了其打破AI界限的决心。戴文渊进一步阐述：“我们不是要局限于小圈子里的AI精英游戏，而是要降低AI的门槛，让每个人都能轻松参与。”

此次发布会星光熠熠，众多行业领袖齐聚一堂。创新工场创始人李开复、第一财经首席执行官周健工等重量级嘉宾纷纷发表主题演讲。还有第四范式首席科学家杨强教授，他不仅是香港科技大学计算机与工程系主任、美国人工智能协会首位华人Fellow，还是国际顶级学术会议的主席，为“先知”平台的发布带来了更多学术色彩。

在发布会后，杨强教授接受了记者的采访，详细解释了“先知”与迁移学习之间的关系，并深入探讨了AI领域的未来趋势。当被问及关于数据的重要性时，他表示：“数据确实是新时代的石油，是AI发展的基石。”但与此他也强调了大公司在数据收集上的优势可能会带来“富者愈富”的现象。对此，第四范式的理念是打破这一界限，实现真正的“AI for everyone”。他提到：“我们希望通过新的技术和平台，使得没有大公司背景的公司也能享受到人工智能的益处。”

谈及深度学习时，杨教授承认其存在的局限性。他表示，深度学习在描述现实世界的复杂性和数据的深度广度方面仍有不足。但他也坚信，随着技术的不断进步和新方法的涌现，深度学习的局限将被逐渐突破。在被问及是否有独角兽公司正在崛起时，他提到了Google、滴滴和阿里巴巴等公司是如何利用大数据和人工智能结合取得成功的例子。他认为未来会有更多的独角兽公司涌现，特别是在人工智能领域。对于未来的人工智能发展充满期待。杨强教授对人工智能领域的深度洞察

杨强教授强调，当前人工智能（AI）在某些领域如人脸识别、语音识别方面表现出卓越的性能，但在某些具有延迟反馈的领域，如机器人行动方面仍需努力。正如AlphaGo在下围棋时不仅仅依赖于深度学习，还需结合强化学习。尽管深度学习在许多任务中表现优秀，但它并不适用于所有场景。正如杨教授所言：“还有很多其他的学习任务并不一定是深度学习才能完成的。”我们应积极探索新的方法和策略。

关于数据分析和预测的问题，杨教授表示，尽管数据分析技术不断进步，但预测世界杯或欧洲杯等赛事的结果仍然具有挑战性。尽管有团队尝试预测赛事结果，但缺乏足够的数据和科学依据。预测的准确性受到多种因素的影响，包括球队、对手、裁判的表现以及历史数据等。预测结果的科学性仍然是一个待解决的问题。

对于无监督学习领域的研究进展，杨教授指出，尽管无监督学习在学术界被视为一个热门话题，但在工业界成功的案例并不多。这并不妨碍学术界继续探索这一领域。相反，学术界应该积极攻克这些难题，推动工业界的发展。目前，许多深度学习任务在有监督的情况下完成得较好，但无监督学习的成功案例仍然相对较少。

杨教授还介绍了其在人工智能情绪领域的研究进展。他与实验室团队研究如何通过计算机图像、语音和人的姿态识别人的情绪。他们也在探索如何为机器人设计情感反应机制，以应对人类产生的情绪反应。虽然目前AI本身不具备情感能力，但我们可以设计和为其编程以产生特定的情感反应。情感识别技术仍处在发展阶段，需要更多的数据收集和研究来完善和优化。

杨教授还提到了知识迁移的问题。他解释说，知识迁移可以解决数据少和个性化问题。例如在新领域缺乏数据的情况下，我们可以利用在其他领域的模型进行迁移学习来做出预测或推荐。知识迁移也可以帮助我们让手机等设备更加个性化地适应我们的习惯和需求。对此领域的更多研究进展和应用状况将在即将在深圳举办的CCF-GAIR人工智能与机器人峰会上进行详细讨论和分享。目前购票参会可以享受优惠折扣和团体票优惠福利。杨教授的见解和研究成果为我们揭示了人工智能领域的广阔前景和挑战性。