专访新智元AI年度人物周志华：不负责任的夸大渲染是人工智能最大阻碍

新智元2016中国人工智能年度人物评选昨晚22时公布投票结果。南京大学教授周志华以55票的得票数当选年度学术人物，得票率高达48%。 

新智元2016中国人工智能年度人物的评选由新智元于12月底在新智元智库专家群中发起，提名阶段向专家征集10名候选人及提名理由，拟分学术和企业选出2016中国人工智能年度人物各一名。正式投票于2016年12月29日晚22时启动，投票截止日期为2016年12月31日。本次评选活动面向专家群体全程公正公开，所有专家都是实名投票（详细名单见文末）。

12月31日晚22时，新智元在专家群发布了本次评选结果，在114张有效票数中，周志华拿到了55张，成功当选。消息一出，原本正在互相祝贺“新年快乐”的微信群忽然“歪楼”，众位专家纷纷发言，祝贺周志华当选。

有专家表示：“祝贺周教授，众望所归”，也有专家说：“祝贺，实至名归”。粗略估算，至少50名专家在微信群中对周志华表示祝贺，形成“刷屏”之势。

在一片“祝贺”的欢呼声中，周志华老师也亲自露面，用“红包”回应大家的支持，他保持了一贯低调谦虚的风格，写道：“惭愧，谢谢大家的厚爱！”

票选结束后，在2016年的尾巴上，新智元第一时间联系周志华并进行了采访，他谈到了目前中国人工智能的发展情况、遇到的最大阻碍和短板所在：

专访周志华，谈中国人工智能的最大阻碍和短板 

新智元：如果让你总结你的2016年，你认为关键词是什么？

周志华：努力。侥幸。

新智元：你认为2016年人工智能整体发展情况如何？

周志华：技术上，正常，稳步前进。媒体上，过热，乱象丛生。

新智元：哪件事最令你印象深刻？

周志华：AlphaGo所掀起的社会大众对人工智能关注的热潮。

新智元：你认为目前中国人工智能学术研究水平在国际上处于什么位置？

周志华：某些方面已经达到国际前沿甚至局部领先，总体上已经成为国际上受到尊重、不容忽视的力量。但与领头强国相比，在厚度和广度上仍有很大差距。

新智元：你认为一年以来，中国人工智能的最大阻碍是什么？目前短板在什么地方？

周志华：部分媒体不负责任的夸大渲染，造成“人工智能威胁论”等无聊说法对社会大众造成负面影响。

（目前的）短板是如何提高社会大众乃至政府部门对人工智能技术发展现状与前景的客观认识。

新智元：展望2017年，你认为人工智能最有可能突破的方向？

周志华：机器学习技术将在更多行业带来更大价值。

理性的科学家

在采访中，可以看到，周志华对人工智能的发展有着非常清醒的认知，希望媒体能够更专业客观地向社会描述人工智能的发展。这是以新智元为代表的人工智能垂直平台的责任所在。在对新智元年度回顾文章——《【2016新智元TOP10热文】AI简史一起回顾，这了不起的366天》进行点评时，他写道：

这个平台体现了新媒体行业的高速发展。希望它能够成长发展得更专业，为人工智能向社会传递专业信息和正能量。

在人工智能如此火热的今天，周志华对技术的发展也始终保持高度理性和清醒的认知。对于近年来最火热的技术——深度学习，以及人工智能未来的发展走向，周志华在多场报告中都提到过他的观点，主要概括如下：

关于深度学习与人工智能：

1.深度学习可能有“冬天”，它只是机器学习的一种技术，总会出现更“潮”的新技术。

2.机器学习不会有“冬天”，只要有分析数据的需求，就会用到机器学习。

关于未来的思考：

1、技术上：一定是能有效利用 GPU 等计算设备的方法（未必是深度学习）。

2、任务上：开放环境的机器学习任务特别重要（鲁棒性是关键）。

3、形态上：希望是从现在的“算法 + 数据”过渡到“学件”的形态。

周志华2016 新概念：学件（Learnware）

“学件”（Learnware）一词是周志华的原创，在今年6月份前后首次提出，此前新智元曾对这一概念进行过报道。具体说来：

学件（Learnware）= 模型（model）+规约（specification）

根据周志华在报告中的介绍，学件致力于解决当下机器学习面临的几个局限。他说：“我们可以看到机器学习的技术局限性仍然很多，当然，我们可以针对每个问题一一解决，但这难免进入一种“头疼医头，脚疼医脚”的境地。所以我们是否可以跳出这个框架，从整体上来解决这些问题呢？”

很多人可能在自己的应用中已经建立了这样的模型，他们也很愿意找到一个地方把这些模型分享出去。那以后一个新用户想要应用，也许不用自己去建立一个，而是先到“学件”的市场上找一找有没有合适的，可以拿来使用修改。

比如说，要找一把切肉的刀，可以先看看市场上有没有这样的刀，不会说自己从采矿开始重新打一把刀。如果没有合适的刀，也许会选择一把西瓜刀，然后用自己的数据重新“打磨”一下，让它满足自己应用的需要。

所以，这个想法就是希望能够部分地重用他人的结果，不必“从头开始”。

有了“学件”的框架以后，很多之前提到的局限可能都会迎刃而解：

• “可重用”的特性能够获取大量不同的样本；

• “可演进”的特性可以适应环境的变化；

• “可了解”的特性能有效地了解模型的能力；

• 因为是专家基础上建立的，所以比较容易得到专家级的结果；

• 因为共享出来的是模型，所以避免了数据泄露和隐私泄露的问题。

除了解决了原有的问题，“学件”很有可能会催生出一个新产业，类似于软件产业。因为大家可以把自己的模型放到市场上，提供给别人使用，如果被使用得很多，又很好用，用户很广泛，那么可以对这个“学件”定价使用，创造出经济价值。

一本风靡人工智能圈的畅销书：西瓜书《机器学习》

提到周志华，对于大众来说，一个不得不提的话题就是被称为“西瓜书”的机器学习入门教材《机器学习》。

周志华所著的机器学习入门教材《机器学习》，俗称“西瓜书”，已经成为人工智能入门必读物。

《机器学习》一书由周志华撰写，清华大学出版社出版，2016年1月1日第一版发行。根据亚马逊的统计数据，新书上市仅仅三个月销量便突破3万册，是人工智能领域绝对的畅销书。

全书共16章，大致分为3个部分：第1 部分（第1～3 章）介绍机器学习的基础知识；第2部分（第4～10章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3 部分（第11～16章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等。 每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步钻研探索。

如果要评选人工智能领域的“年度图书”，这本《机器学习》应该有一席之地。

2016——周志华的大满贯之年

2016年周志华在国际学术会议和组织中获得了广泛的认可，当选多个组织的Felllow，成就了AI领域“大满贯”会士中国第一人。

今年年初，周志华教授因其在机器学习领域，尤其是集成学习与多标记及部分标记数据学习上的卓越贡献当选 AAAI Fellow，也是首位唯一在中国大陆取得博士学位的 AAAI Fellow——用周老师的话说，“是在中国大陆取得所有学位，在海外最多只连续呆过两个月，彻头彻尾的‘本土学者’”。

加上最新的ACM 会士，周志华已经拿下了AI 领域多个学会的会士。据不完全统计，其余的包括：国际人工智能学会 (AAAI) 、国际电气电子工程师学会 (IEEE) 、国际模式识别学会 (IAPR)、国际工程技术学会 (IET/IEE)、中国计算机学会等学会的会士。可以说，跟人工智能相关的领域基本都齐了。

根据南京大学官网 11 月 24 日报道，周志华教授日前还被美国科学促进会（AAAS）宣擢升为该学会的 Fellow。AAAS 成立于1848年，是世界上最大的综合科学学术组织，下设24个学部，拥有超过12万名会员，服务于1000万以上的科学家，是著名学术期刊 Science 的主办方和出版者。Fellow （会士）是该学会给予会员的最高荣誉，颁给世界范围内对促进科学及其应用进步做出卓越贡献的人士。2016年，“信息、计算与通讯”学部全球共有19位学者入选，周志华教授是该学部最年轻的，也是唯一入选的中国大陆学者。

提名周志华的专家和理由

【周志华】教授因其在机器学习领域的杰出成就，尤其是集成学习与多标记及部分标记数据学习上的卓越贡献而获此殊荣（"For significant contributions to ensemble methods and learning from multi-labeled and partially-labeled data."）。周志华教授成为历史上第3位华人AAAI Fellow，也是此次入选的唯一来自美欧之外的学者，并且是唯一在中国大陆取得博士学位的AAAI Fellow。

推荐人：华为传感器首席专家丁险峰

【周志华】中国目前最顶级的世界知名机器学习专家，几大国际组织的Fellow，大满冠。其著作机器学习已成为经典著作。

推荐人：中科院计算所研究员张云泉

【周志华】中国目前最顶级的机器学习专家，在国际上有重要影响力和知名度，在国内为人工智能学科建设和人才培养作出了重要贡献。

推荐人：上海阡寻白硕

【周志华】中国本土培养成长起来的世界著名机器学习专家，囊括几大国际组织的Fellow。中国Al年度人物当之无愧。

推荐人：北京大学教授封举富

【周志华】对机器学习多个方向的理论研究做出了重要的贡献，也在实际场景中取得了多项有效应用。同时在学校潜心科研，著书立说教书育人，在当今社会尤为难得。今年取得相关领域国际顶级学术组织fellow大满贯，称得上实至名归。

推荐人：肖京

微软研究员郑宇、新泽西州立大学熊辉、360首席科学家颜水成、自动化所王亮附议。

文章转自新智元公众号，原文链接