极客公园：人工智能的应用在由专业领域向通用领域过渡的过程中，哪些是最需要解决的困难？未来多久我们才能迎来在这方面的突破？

　　杨强：在通用领域我们已经取得了一些突破，比如亚马逊出了一款叫 Echo 的硬件，可以满足人们在某些场景下的需求，比如在家庭场景，可以让它帮助放音乐，问它今天的新闻是什么，这个产品已经有几百万的用户。Echo 成功的原因是它找到了一个特别好的场景，在家庭中，大家有获取知识和音乐的需求，抓住需求后就把家庭这个场景运用起来了。这种人工智能的做法就是从一个或几个垂直领域的成功，往外扩展，再把它们连成一片。我认为以后类似场景很多，比如工作、开车、出行、教育等。下一个人工智能的突破，应该是在几个场景下有限的通用性，而不是没有限制的通用性，可能先达到的就是这样一个阶段。

　　极客公园：人工智能如果想进入更高级的水平，您觉得下一个要做的工作是什么？比如说我们人类比较重要的是处理一些隐性的知识，还有情感的问题，下一步人工智能在这个方面会不会有更多的提高？

　　杨强：情感问题也可以按理性的方式来处理，我们可以去检测处理的效果是否符合人的情感。但其实情感问题并不是机器学习目前的首要问题，首要问题是建立一个通用的机器学习系统。现阶段还没有出现非常强的通用系统，主要原因是现阶段机器学习的成功主要集中在大数据上面，我们知道，大数据比较多的地方是比较垂直的领域，这些领域的特点是范围比较窄，远远没有达到通用性。所以机器学习包括情感计算的瓶颈是，我们如何能把通用领域里用户在系统里的交互行为用数字化的形式留下来。这个瓶颈的解决办法需要传感器网络或者物联网的普及，带来更多的数据的流通。

　　极客公园：您觉得目前国内人工智能领域的发展情况如何？最大的不足是什么？您对国内人工智能科研人员及创业公司有哪些建议？

　　杨强：国内目前人工智能发展还是相当乐观的，很多大学都在研究人工智能。但与国外相比，国内的不足之处也比较明显，国内过多去做机器学习，而忽略了人工智能的其他领域，比如逻辑推理、智能规划、机器学习的可解释性和多智能体等前沿领域。

　　如果是对人工智能科研人员的建议，我觉得国内的人工智能研究不能太跟风，要对自己的研究领域有信心、不断创新，尤其是在大学的研究者，每个大学的教授应该是独树一帜的，自己领先一个子领域，而不是跟着别人去做。其实在科研和工业界都是需要持续创新力的，不过对公司而言，还是要首先考虑生存，也不要以为人工智能可以包罗万象。

　　极客公园：您目前担任人工智能初创企业第四范式的首席科学家，作为一家人工智能技术提供商，你们提到自己是「全球第一个商用人工智能系统的架构、中国最大的人工智能系统研发和运营」。同时，你们也称自己的产品「先知」也是人工智能领域第一个平台级产品。如何理解「平台级产品」这个概念？

　　杨强：以前基于云端的机器学习在大众化的应用不多，机器学习大部分都是单机的，缺点是需要客户把大批数据上传，这对于客户来说是一个隐私流失，是很多客户所不希望看到的。为了避免数据流失，一些有条件的客户会做本地的数据中心，这需要非常大的投入，包括资源、资金和人力的投入。但很多客户、尤其是互联网公司，他们真正关心的其实不是建立这样的 IT 小组或者数据中心，而是怎么利用人工智能来提升自己的业务。那么如何帮助他们解决数据上传问题、满足机器学习在业务方面的需求呢？「部署即可用」的平台级产品就变得非常重要。在云上就可以快速完成从问题定义、数据接入、特征工程直至上线应用的整个机器学习流程。第四范式的先知公有云版就是这样一个平台，利用先知公有云版企业不需要再重建机器学习团队，现有团队一个月内就能搭建出自己适用的 AI 系统。这极大降低了机器学习的门槛，同时能使得大家把精力放在自己的业务上。