任何工作都有近期和远期。近期人工智能的发展，我很认同李飞飞讲的，和深度学习有关。机器学习和以前的专家系统有一个非常不同的地方。专家系统是用软件把人的知识写到系统里。机器学习输入的是算法+知识，输出的是程序，用这个程序来做你要做的应用。

大多数人在算法上做，而我和李飞飞则觉得应该发展知识。知识就相当于上学时候的教科书。总要有人写教科书。如果没有人写教科书的话，学习方法再好，老师再好，你学的是一年级的教科书，也永远不可能成为博士。所以我觉得很多领域都需要有人写教科书。

这个领域里有些人的目标不是产生巨大的贡献和影响力。有人想要的是写很多文章，这样可以拿到很多资金。有做算法的研究室通过发表文章，也可能拿到很多科研基金。而我和李飞飞的合作项目做的时候没有资金——申请的时候被拒绝了。

我们申请两次都被拒绝了。也就是说，做很多有颠覆性的事情是很多人不认同的，但是我觉得近期内人工智能要想发展，必须得有足够的人来做这些知识的积累和总结，也就是写这些教科书。

长远来看，我认同两位的意见，对人的大脑，人的智力是怎么工作的，要有更多的了解。这样才会帮助整个 AI 向前走。

　　沈向洋：先定个小目标，用人工智能治愈脑疾病

　　我很赞同张老师说的，现在是人工智能的秋天。从工业界来看，人工智能技术可以应用到很多商业的应用上，毫无疑问，接下来三到五年，会看到越来越多人工智能技术帮助人们解决很多的问题。但是秋天过了，冬天我们要做什么呢？

可以做的东西其实有很多，但是我想和大家分享两点。

第一点，我和张老师稍微有一点不同的地方，张老师觉得数据、算法和计算资源是永远取之不尽的。我觉得数据很多、算法互通，确实是取之不尽的。但是在计算能力这件事上，我们应该更加重视。几十年下来的摩尔定律，让我们把人工智能做到了今天，这是非常了不起的飞速增长的五十年。但是工业界基本同意，计算能力会慢慢降下来。这也是大家为什么都在非常认真地去做量子计算的问题。我个人的看法是，量子计算可能还要十年、十五年才能看到突破。今天我们 AI 向前走必须要考虑的问题是：计算能力的瓶颈。

第二点，我们要考虑为什么做AI。是不是计算能力的增强，就一定会产生智能。从人脑的结构来看，我们应该定一个小目标：希望在脑科学和人工智能的结合上，解决几个了不起的问题。我自己想要解决三个和人脑息息相关的疾病：儿童自闭症、中年忧郁症、老年痴呆症。

人工智能如果能解决这三个问题，将会是相当了不起的成就。

　　张钹：计算机的空间结构极其简单，大脑的空间结构极其复杂

我对沈向洋说的，有关计算能力的方面想做一下补充。

同样的一个题目，在我们脑袋里解决一点不费劲，为什么在计算机里面就要这么多的计算资源来处理？我们要思考的是这个问题，而不是拼命加快计算机。

我觉得，正是因为我们过去走的这条路，迫使我们必须加快计算力。我的观点是，我们过去做的计算机，atv，从空间结构来讲是最简单的冯·诺依曼结构。而大脑的空间结构是最复杂的，是一个网络。你想用一个空间结构最简单的东西去做空间结构复杂的工作，它花去的代价就是计算时间的增加。世界上没有免费的午餐。

过去我们使用大量的计算时间来换取同样的结果，现在能不能改变思路，把计算机做一下改变？例如 IBM 公司正在做的，让神经网络的复杂度提高，换来能耗和时间的降低。

因此我们的研究还是得立足于计算机的现状上进行改进。这是我的补充。

　　你也许还想看：

洪小文： 直到AI可以自己编程 它才有资格跟 “路人甲” 比智能

　　感谢你关注“微软研究院AI头条”，我们期待你的留言和投稿，共建交流平台。来稿请寄：[email protected]。

　　微软小冰进驻微软研究院微信啦！快去主页和她聊聊天吧。