一文回顾大会 DAY 2 精彩内容！

丹棱君有话说：“二十一世纪的计算“大会进行到第二日，在一场计算机科学人才培养专题论坛后，三位重磅嘉宾带来了精彩的演讲，他们是图灵奖得主、清华大学交叉信息研究院教授兼院长姚期智，卡内基梅隆大学计算机科学系杰出教授 Lenore Blum，和深度学习大神、蒙特利尔大学计算机科学系教授 Yoshua Bengio。

在开场的圆桌论坛中，微软全球资深副总裁 Peter Lee 主持了一场“计算机科学人才培养”的讨论，图灵奖得主、康奈尔大学计算机科学系教授 John Hopcroft，图灵奖得主、微软新英格兰研究院技术院士 Butler Lampson，以及延世大学计算机科学系教授 Seung-won Hwang 分享了各自成长中的故事，为同学们的求学与职业生涯给出了建议。

结合自己早期职业生涯的经验，John Hopcroft 建议即将毕业的同学多关注自己感兴趣的研究，只有这样才可能做出真正的有影响力的研究。Butler Lampson 则建议大家建立扎实的基础，因为未来变化很快，最重要的是以长期的方式思考。

从左至右：Peter Lee、Butler Lampson、Seung-won Hwang、John Hopcroft

许多学生在毕业前会面临进入学术界还是产业界的选择，John Hopcroft 认为这个选择取决于学生自己，大学的根本使命是要培养下一代的人才，如果你享受帮助别人学习的过程，那你可能适合学术界，如果你喜欢做产品，改变行业，那你更适合产业界。Seung-won Hwang 认为产业界最大的优势在于团队，周围会有一群有类似专业知识的同事互相分享想法，而在学术界，很多时候都是孤军奋战，优点是时间安排相对灵活。

姚期智：量子计算的来临

量子计算是一种和传统计算完全不同的方式。1981 年物理学家理查德·费曼提出，抛开传统的计算机原理，使用量子材料可能可以创造出一种新的计算机，获得一种新的计算模式，这就是量子计算机。有别于经典的计算机使用比特级别和字节的输入，在量子计算机当中，输入可以是传统的二进制的字符串，也可以是量子输入。

图灵奖得主、清华大学交叉信息研究院教授兼院长姚期智

量子计算无疑是强大的。传统计算机需要一百万年完成的计算，量子计算机可能只需几个小时就能完成。这是因为在量子世界中有一个平行叠加的概念，在平行叠加的状态下，一个物体可能不处于某个特定状态，而是一群可能状态的集合。我们能够在平行叠加的量子空间里做大规模并行计算，传统的计算机很难在短时间内完成这种量级的计算，但在量子世界里，对不同路径的探索可以同时进行，这也就解释了量子计算强大的计算力。未来，强大的量子计算机可以完成很多领域现在无法完成的任务，比如密码破解，模拟量子物理系统，模拟材料学、化学和生物学，解决人工智能中的很多问题。

在实现量子计算的道路上我们看到了希望与挑战。好消息是越来越多的科学家开始对这一领域感兴趣，学界对这一领域的相关奖励机制也越来越健全，会有更多聪慧的科学家在这个领域钻研深耕。坏消息是量子计算的发展在每一个阶段都非常困难，想要增加量子比特数需要大量的努力和时间。而且我们过去已发布的研究结果都没有纠错，我们还需要花很多的时间解决这个问题。

目前，量子计算在世界上多个国家都得到了关注，以微软为代表的众多科技公司也在相继研究，因为在未来，量子计算将产生巨大的影响，每个国家、每家公司都想追赶这一潮流。我们完全有理由说未来“量子计算+AI”将成为新的时代主题，这两大主题的交织中将产生怎样的新应用，是值得我们期待的。

Lenore Blum：受认知神经科学启发的计算架构

过去四十年，对人类大脑意识的研究经历了从禁忌到科学的转变，不同学科的研究者通过不同的研究视角对意识进行解读。卡内基梅隆大学计算机科学系杰出教授Lenore Blum 从认知神经科学出发，提出了一种全新的计算机架构原理，为设计拥有快乐、痛苦等多种感知能力的 AI 提供了新的可能。

哲学家查尔莫斯区分了意识研究的简单与困难两类问题，对于人工智能来说，简单问题就是设计一个能模拟人类情感的机器人，困难问题就是要使机器人真正感受这些情感。受认知神经科学中的大脑全球工作空间模型（GWM）启发，Blum 教授介绍的新的计算机架构是一个可验证的为 AI 加入认知因素的模型。根据神经科学的观点，大脑中的意识包括长期记忆（潜意识）和短期记忆（意识）。在这一模型中，输入的信息由潜意识进行处理，再用语言或其他形式表达出来，呈现出有意识的输出内容。

卡内基梅隆大学计算机科学系杰出教授Lenore Blum

在现实生活中，人们对同一事件可能产生多种感知，这些感知又会分别呈现出不同的强度。对应到计算机架构中，不同感知有不同的传递模式和优先级，每一层级的处理器在接受信息时选取不同的权重，由阈值来决定最终哪些情绪能够被表达。针对潜意识直接转化为短期记忆和无意的暂时性盲点问题，机器学习可以提供一个更优化的算法：将现实反馈融入到机器学习的算法中，不断调整每一个感知的权重来做出反应。

未来，随着对人类认知的了解不断深入，为 AI 注入认知的研究将在情感、注意力研究、医学、人机协作等领域得到更多的应用。

Yoshua Bengio：让 AI 接近人类认知水平，深度学习所面临的挑战

今天我想跟大家分享的是下一个阶段的深度学习研究方向和我们的一些探索。人工智能发展到今天已经有很多进展，但 AI 的智力仍然远远不及人类，无法像人类一样拥有高度抽象的意识和能力。我们希望设计一种学习机制，让机器拥有更高层级的抽象层面的认知。

这要求我们抓住用于产生意识的信息之间的关系。我们将信息解构成变量来去了解它们之间的关系，近年研究热点之一是注意力机制，我认为机器的认知架构还可以分成两层表达，一层是高维度的潜意识，另一层是低维度的有意识的思考。

蒙特利尔大学计算机科学与运筹学系教授Yoshua Bengio

人的认知就可以分为两个系统，一个是直觉性的潜意识，另一个是意识。以自然语言处理为例，为了能够真正理解语言，我们所做是两个系统的融合。现在的自然语言处理通常需要通过大量的语料库进行训练，这是不够的，它们会出现很多错误。

仅仅通过文本无法真正解决自然语言理解的问题。除了对语言进行建模，还要对所处的环境进行建模。想一想人们在婴儿时期，会在理解环境后产生语言。因此给我们启发是，可以将语言学习和对世界运行方式的学习结合起来。理解世界运行方式的一大关键是理解信息之间的因果联系，我认为机器学习要花更多的时间做因果联系的研究，我们要研究一些新的学习理论。这是很难的，因为世界非常复杂，我们要做出更好的机器学习算法，充分利用机器学习去进行研究。

我们最近进行的一项工作是 Baby AI 平台。在这个平台中，我们为 Baby AI 提供一个场景或者一个游戏，像指导一个婴儿认知世界一样，人类通过与 Baby AI 的互动帮助它理解周围的环境，学习它应该学到的内容。我们设置了从容易到困难的不同关卡让 Baby AI 进行不同程度的学习，这一平台在提升训练中数据效率上取得了很大的进展。

第二十届“二十一世纪的计算”大会已在今日圆满落幕，我们会陆续发布大会部分精彩演讲的内容整理与录播视频，敬请期待。

后台入驻微软小冰

如果你很萌，请跟她一决高下！