“AIR的目标就是使用AI技术促进行业的增长，推进社会的进步。它创造了一个开放又具有全球性特点的中心，并且它也是一个应用研究的中心，而不是一个纯粹的学术中心。它跟一般的行业中心有所不同，因为它是基于两者之间的，我们想解决一些基础性的技术问题，并确保我们所做的一切对行业有所影响。”

张亚勤 清华大学智能产业研究院院长

“我们打造一个规模庞大的系统时，更需要具备系统思维，同时拥有动手能力、喜欢搭系统的人才……诞生至今，智源一直肩负着三项重要任务：一是构筑一个社区。二是打造一个真正适合青年科学家成长的平台。三是专注于一些可能产生原始创新与长期影响的领域。”

张宏江 北京智源人工智能研究院理事长

3月27日，清华大学智能产业研究院（AIR）院长张亚勤与北京智源人工智能研究院（BAAI）理事长张宏江受邀出席由康奈尔中国中心举办的人工智能对话会。

两位人工智能学界与产业界响当当的老将，再次同时成为中国人工智能科研创新的先锋践行者，他们会如何看待人工智能的现状与未来、如何思考构建面向未来的科研生态系统，与青年科学家的培养？同时，他们也结合清华大学智能产业研究院（AIR）与北京智源人工智能研究院（BAAI），这两座极具代表性的创新型人工智能研究院的构建与发展， 阐述了创新的科研理想与思考正如何在今天的中国落脚。

会议聚焦于人工智能，在未来，AI逐渐成为解决方案中的重要元素，将贯穿生活和产业的方方面面。与此同时，AI的巨大潜力也引发了担忧与争议。本次教育与科学专家小组将针对AI领域重要话题和机遇发表观点，思考教育项目如何应对关键挑战，并探讨AI领域的产学研协同模式。

作为中国人工智能科研创新的先锋践行者，张亚勤就人工智能的现状与未来、科研生态系统的未来发展，以及新一代科学家的培养，与参会的学者开展了一场高峰对话。参会的学者还有康奈尔大学康奈尔科技校区院长、副教务长Greg Morrisett以及康奈尔大学计算与信息科技学院院长、计算机图形学专家KavitaBala。

人工智能新浪潮下的学术科研界

过去几年来，人工智能在云（Cloud Computing）、数（Big Data）、物（IoT）等多轮技术浪潮的洗礼之下，再度成为引领创新的关键力量——正如Kavita Bala所说：“我们都知道人工智能将要产生的影响。无论你的研究领域是什么，这都是一个令人兴奋的时刻。”

但人工智能相关技术的进一步发展仍面临诸多问题。特别是对研究者、教育者而言， 人工智能不仅是一个无比庞大的课题集，而且技术变革的自加速效应尤为明显，几乎每隔一段时间，都能看到相关领域出现激动人心的技术突破：像 GPT-3 、AlphaFold2和智源刚刚发布的“悟道1.0”超大规模预训练模型，都在不断吹响技术革新的号⻆。学术界、科研界该如何面对人工智能技术催动下的、变革越来越频繁的世界？

在参与对话的学者们看来，主动的转型进化似乎是应对技术变革的正确方法。Kavita Bala甚至将计算与信息科技学院（CIS）和康奈尔科技校区的建立形容为康奈尔大学的两次“赌注”。她相信，超越同时代其他高校的跨学科结合的科研尝试，让康奈尔大学在特定研究领域始终引领变革、保持领先。

清华大学智能产业研究院成立初期锁定的三大研究方向同样具备跨学科的特点。张亚勤指出，人工智能作为重要的赋能型技术，将为各个产业创造出重大机遇。一，在IT行业，以人工智能技术支持新的研究、新的技术、新的产品、新的架构，这已是常见的现象。二，人工智能正在改变甚至颠覆许多传统行业，像教育、卫生与健康，以及工业自动化和交通等等，几乎每个行业都面临着颠覆式的变革，也都需要主动拥抱变革。三，人工智能还会创造一些新的产品、模式甚至于产业。而清华大学智能产业研究院，亦可看作是“以变应变”的结果。

张宏江则认为“未来，或许很多‘传统’的知识和技能都会被AI所掌握”，需要挑战传统方法，帮助新一代人工智能⻘年学者和学生更好地成长。他说：“当前，在一些研究领域，智源也在和一些来自产业的AI团队进行研究合作。我们过往的传统中，经常人为地将团队划分为研究员和工程师两部分。但我相信，面向未来的研究机构更需要的是具备系统思维， 同时拥有动手能力、喜欢搭系统的人才，对于人才的发展更应不设限。”他认为这样的变化对于一向看重文凭而忽略动手能力的中国科研界来说，可能有着⻓远意义的新变化。

Greg Morrisett也认为，新的技术形势下，在创建科研生态系统的过程中，需要既有科技素养、又有商业洞察的人才参与。他说：“一些科技工作者，他们经历过创业，即使创业未能成功，但他们能从失败中学习，继续创办其他的企业，或是回到学校、回到教室，来把他们的经验分享给下一代的学生，这才是良好的生态循环。”

应对产业与学术研究界的合作模式的“妙招”

在AIR，所有人的工作目标，是确定我们的研究和技术能够对产业有影响力，或者赋能现有产业 或者孵化新的企业。在数据和AI的世界里， 研究员和工程师的界限更加模糊， 我们会给拥有大量数据和真实场景的企业合作。

而北京智源人工智能研究院正试图以独特的方式来刷新产学研的合作模式——与传统的由学校或企业掌控的实验室、研究院不同，智源打造了一个高水准的平台，让来自多所国内顶尖院所、拥有不同背景的研究员，可以在一个平台上、为同一些项目努力——张宏江说：“诞生至今，智源一直肩负着三项重要任务：一是要构筑一个社区，将人工智能研究人员与行业工作者汇聚起来，释放出更大的合力。二是要打造一个真正的适合⻘年科学家成⻓的平台，通过打破学校和企业的界限，让他们可以在这个平台上，实现思想和灵感的交流、碰撞。三是专注于一些可能产生原始创新与⻓期影响的领域，包括了过往投入不足、重视度不够的领域。”

作为全球顶尖学府之一，康奈尔大学科技校区也在积极探索强化产学研联系的途径。Greg Morrisett介绍了学校的两个特色项目——一是初创企业工作室，主要是培训学生如何创办企业，通常学生都来自跨学科的团队。另一个是创新性博士后项目，主要是针对一些希望从科学家转型为企业家的学生来提供培训和帮助。从2014年到今天，这两个项目已累计孵化了70家公司。

人工智能VS道德伦理

谈论到人工智能，伦理是无法避之不谈的问题。几乎所有的新技术在实际运用的过程中，都会伴生出一些新的社会性问题，例如伴随数字化所出现的安全、隐私挑战等等。

对此，张亚勤在过去的几年里，为强化行业领导人、政策制定者对于使用数据中可能产生的道德伦理问题的意识，做了不少努力。他认为，科技可以帮助决策的制定，但是使用数据所带来的隐私问题也不得不重视：“我们的技术要能保护大家的隐私，即使是分享数据也要保护隐私，比如说同态加密技术、联邦学习、多方安全计算，以及差分隐私，所有这些技术都可以应用到数据安全的管理上。”他提出技术人员不应该只关注算法，在研究算法的同时，也要考虑到数据是如何被使用的，要让算法变得不具有偏⻅，并且更加透明、更加灵活。

另外，早在成立之初，智源研究院便设立了人工智能伦理与可持续发展研究中心（AISD）。2019年，智源AISD联合了多家高校、院所和产业联盟，发布了《人工智能北京共识》，确立了15条用于指导AI研发的基本原则。张宏江认为，在产学研各方加速推进人工智能技术创新的同时，也必须要考虑一些基本原则，也就是团队产出的技术是不是有助于社会的可持续发展，是不是有可能造成巨大的负面影响——他希望这些原则未来不止是原则，还能给决策者、创新者乃至用户的思维方式带来一些变化。

（原文来自智源研究院，AIR在此基础上删改）