哥伦比亚大学数据科学研究院主任周以真：做AI不能追求短期回报

AI已经从感知智能、认知智能进入决策智能，这意味着数据技术对决策影响的速度和深度不断增加。产业互联网中企业数据被无限丰富，高效化、智能化响应密集需求的决策类AI开始占据人工智能的“食物链”顶端。

前微软全球研究院资深副总裁、哥伦比亚大学数据科学研究院(DSI)主任、美国计算机协会(ACM)会士、IEEE院士周以真对经济观察网表示，AI数据在经济、营销领域的应用价值大大提升，数据科学是从数据中提取价值的研究，但价值最终取决于用户的解读。

进入决策智能

经济观察网：您如何看待国内AI行业的发展速度？ 为什么对AI的投资热潮有所回落？

周以真：目前许多人工智能企业面对的都是利用技术来解决问题的早期阶段，不过这些企业的发展速度很快，比如深度学习已经在各个领域都有应用，也取得了不小的成效。

对于AI行业来说，都在努力在一件事情，就是让人工智能可以真正解决某一项特定问题，或者完成某个特定任务，也就是从感知智能、认知智能进入决策智能。这需要投入大量的人力来建设模型，让模型具有决策力或者预测力。

这个过程需要的工作量非常繁重，因为必须进行大量的数据收集，再通过这些数据反复训练算法，这样才能让算法的结果准确。实际情况经常是，花费几周的时间，最后只是解决了一个很小的问题，而这个问题如果是人来做的话很容易就能解决。

因此，我们的任务是建造比人更胜一筹的AI模型去解决简单任务。目前学术界正在致力于让这个过程自动化，也就是自动机器学习，这样建立模型所需要的人工成本就会更少。现在虽然有许多人工智能科技取得了成功，但却无法规模化。

企业需要有足够的耐心，要把模型建立起来，有模型才能真正实现决策智能。如果追求短期回报，想要立刻取得成功的话就会很难，这也是目前人工智能领域的投资热情减退的原因。

经济观察网： 建立模型的最大困难在哪里？

周以真：我们需要许多领域的专家来帮助建立模型，每个模型都是针对某项具体任务而量身打造的，之后才能对模型进行训练，解决实际问题。

现在有一种模式叫做转换学习，但目前仍然没有正式推出。我的建议还是企业要有足够的耐心，人工智能领域的每一个进步背后都有大量的工作要做，实际上现在的人工智能可以完成的任务已经有了大幅进步。

经济观察网：人工智能如何区分精准推荐和个人隐私的边界？

周以真：我也从事过隐私领域的研究，实际上每个人都有自己关于隐私的底线，要判断怎么做才能不逾越这条底线很难，因此就没有办法给出一个通用的解决方案，所以坚持数据向善很重要。

数据偏见

经济观察网：人工智能会不会产生数据偏见？

周以真：实际上还没有进展到那个程度。学术界目前形成共识的是：对于人工智能模型的公平性，并没有一致的定义，存在的形式各不相同，但预测结果却差距颇大，技术上很难让所有客户都满意。

如果从实用性的角度来讲，目前学术界认为AI存在偏见性的现象实际上是越来越多了，每种人工智能模型都有自己的偏见性，并非是模型或者算法的问题，而是不断提供给算法进行计算的数据就是存在偏见的。

从学术的角度来看，在某些情况下，建造一个完全正确的模型是不可能的。

我想特别强调这一点是因为最近对一个新的研究领域非常有兴趣，就是AI的可信性。如果AI模型是用在无人驾驶技术上或者是用来诊断病人是否患有癌症，那么当消费者明知道AI模型可能会犯错，可能会存在偏差，他们是不会相信这个模型的。

经济观察网：基础研究和产品落地之间还存在哪些鸿沟？

周以真：其实人工智能和深度学习技术最早的应用是解决人很擅长的一些工作，比如语音识别、物体识别、人脸识别以及机器翻译，这些都是人类天生就擅长的领域，不过现在我们可以让机器替我们完成这些工作，所以人工智能技术已经有了一定的发展基础，不只是用于商业，也包括各种细微的工作。

不过，建立一个能够翻译语言的机器和建造一个能够替人类做出决策的机器是完全不同的，所以在这当中是有着很大差距的。虽然目前深度学习已经有了很多成功应用，但并没有对这项技术很深的了解，比如深度学习的工作原理到底是什么，尽管已经有了数不清的应用案例，但从科学的视角来看，这项技术仍然缺乏科学理论的根基，所以早晚将会碰到发展的壁垒。

经济观察网：哥伦比亚大学数据科学部跟企业有哪些合作？

周以真：哥伦比亚大学的数据科学部和企业界有着广泛合作，目前已经与各个不同领域的25家企业建立了合作伙伴关系，8月底与深演智能在AI技术顶层技术力量和研发能力方面展开合作。在纽约有着许多新兴的金融公司和IT企业，其中就有阿里巴巴、百度和滴滴，此外我们也跟IBM的研发中心进行合作。滴滴正在制造自己的自动驾驶汽车，我去过滴滴在加州的研发中心，滴滴目前掌握了海量的数据和非常先进的算法，所以是有很大发展潜力的。

（文章来源：经济观察网）