人的大脑皮层的活动，大约70%是在处理视觉相关信息。视觉就相当于人脑的大门，其它如听觉、触觉、味觉那都是带宽较窄的通道。视觉相当于八车道的高速， 其它感觉是两旁的人行道。如果不能处理视觉信息的话，整个人工智能系统是个空架子，只能做符号推理，比如下棋、定理证明，没法进入现实世界。所以你刚才问到的人工智能和计算机视觉的关系，视觉就相当于说芝麻开门。大门就在这里面，这个门打不开,就没法研究真实世界的人工智能。

　　到80年代，人工智能，连带机器人研究就跌入了低谷。那时候，很多实验室都改名字了，j2直播，因为拿不到经费了。客观来说，80年代，一个微型计算机的内存只有640K字节，还不到一兆（1MB一百万字节；我们现在一张图像，随便就是几个兆的大小），根本无法读入一张图像，还谈什么理解呢？等到我做博士论文的时候（1992-1996年），我导师把当时哈佛机器人实验室最好的SUN工作站给我用，也就是32兆字节。我们实验室花了25万美元构建了一个图像采集系统，因为当时没有数字照相机——可以这么说，一直到90年代中期，我们基本上不具备研究视觉这个问题的硬件条件和数据基础。只能用一些特征点的对应关系做射影几何，用一些线条做形状分析。因为图像做不了，所以80年代计算机视觉的研究，很大部分是做几何。

杨：90年代后，就是数字照相机大量生产了。

朱：在90年代的末期，发生了一个叫做感知器的革命，带动了大数据和机器学习的蓬勃发展。

杨：那机器学习与计算机视觉的关系呢？

朱：计算机视觉是一个domain， 它有很多问题要研究，就像物理学。而机器学习基本是一个方法和工具，j2直播，就像数学和统计学。这个名词的兴起应该还是最近的事情，在我看来，是来自于两股人马。 一是80年代人工智能走入低谷后，迎来了人工神经网络的一个高潮， 所谓的从符号主义到连接主义的过渡。在中国80年代与气功、人体科学一起走红，但这基本是昙花一现。到了90年代初退潮之后就开始搞 NIPS这个会议，引入统计的方法来做。二是做模式识别的一些工程人员EECS背景的。 按道理来说，这个领域应该叫做统计学习 （Statistical Learning），因为它的方法都是由概率统计领域拿来的。这些人中的领军人物很有商业头脑，把统计和物理的数理模型，改名叫做机器，比如**模型（model）就叫**机（machine），把一些层次模型（hierarchical model）说成是“网”（net）。这样，搞出了几个“机”和“网”之后，这个领域就有了地盘。另一方面，我那些做统计的同事们也都老实、图个清静，不与他们去争论，也大多无力去争。当然，统计学领域也有不少人参与了机器学习的浪潮。简单说，机器学习中的 “机器”就是统计模型，“学习”就是用数据来拟合模型，是由做计算机的人抢占了统计人的理论和方法，然后应用到视觉、语音语言等 domains。 我在计算机和统计两个系当教授，看得一清二楚。这个问题我以后可以专门讨论。

这个机器学习的群体在2000年之后，加上大量数据的到来，很快就成长了，商业上取得很大的成功。机器学习和计算机视觉大概有百分之六七十是重合的。顺便说一句，2019年我们两个领域会在一起在洛杉矶开CVPR 和 ICML年会，我是CVPR19的大会主席。因为学习搞来搞去，最丰富的数据是在视觉（图像和视频）。现在这次机器学习的一些大的动作和工程上的推广工作，还是从计算机视觉这边开始的。

杨：谢谢你讲述人工智能、计算机视觉和机器学习的关系。下面我们回到本次访谈的主题。刚才说了这个感知器革命是90年代以后，出了很多的数据要处理了。那为什么马尔（Marr）在70年代末思考的问题，在面对我们当今处理这个数据的时候还有意义？就是说马尔用了什么方法、什么思路框架，使它有生命力？