Local EPUB Text
避开中国新年的国际会议
美国人工智能促进协会（The Association for the Advancement of Artificial Intelligence, AAAI）在长达30年的时间里每年都举办大型的人工智能国际会议，是全球人工智能界最重要的会议之一。但在2017年，他们差点儿办砸——那年会议的举办在时间上与中国的春节撞了车。放在几年前这根本不是问题，历史上美国、英国和加拿大学者一直统治着这一领域，有论文产出的中国研究人员屈指可数。但是2017年的国际大会，提交论文的中国研究人员和美国研究人员人数不相上下。“没人会在重大节日举办如此重要的国际会议，”AAAI理事长告诉《大西洋月刊》，“我们花了好大力气，才将会议推迟了一周。”(1)
无论是现有模型的微调，还是构建世界级的新神经网络架构，中国的研究者都在做出源源不断的贡献，他们对人工智能的贡献是全方位的。从学术研究成果的引用次数就能看出中国研究人员日益增长的影响力。创新工场分析了2006年至2015年间，所有人工智能研讨会和人工智能期刊被引用次数前100名，发现在此期间由中文名字研究人员冠名的论文数量从23.2%激增到了42.8%(2)，增长了将近一倍。对这些作者所属的研究机构的调查表明，除去部分作者在国外进行的研究（如没有使用英文名字的美籍华裔研究人员），大多数的论文内容确实是在中国得出的成果。
最近对全球研究机构的引用记录统计也印证了这一趋势：2012年至2016年，人工智能领域的研究机构被引用次数前100名中(3)，中国仅次于美国。前沿研究机构中，清华大学甚至在人工智能被引用次数上超过了斯坦福大学等老牌人工智能院校。值得注意的是，这些研究大多还聚焦于前AlphaGo时代，也就是中国在该领域投入更多研究资源之前。相信在不久的将来，一大群年轻的博士生将引领中国的人工智能研究达到一个新的高度。
除了被广泛引用的论文之外，自深度学习出现以来，中国的研究人员还为神经网络和计算机视觉等领域带来了长足进步。这中间，许多研究人员都来自我在1998年创立的微软中国研究院（之后更名为微软亚洲研究院），这里培养了超过5000名人工智能研究人员，包括今天在百度、阿里巴巴、腾讯、联想和今日头条任职的技术或人工智能负责人。
微软亚洲研究院：中国AI黄埔军校
2015年，微软亚洲研究院的一支团队在图片网络（ImageNet）的全球图像识别大赛中一鸣惊人。这个团队带来的精妙算法叫作残差网络（ResNet），它对10万张照片进行了识别，并列入1000个不同类别之下，而其错误率低至3.5%。2年后，谷歌的DeepMind研发出了AlphaGo Zero，即能够自学的新一代AlphaGo，残差网络就是它的核心技术模块之一。
研发了残差网络的发明人离开了微软亚洲研究院。残差网络论文的四位作者，一位加入了Facebook的扬·勒昆研究团队，而其他三位或是创立，或是加入了中国的人工智能创业公司。带领残差网络的孙剑加入了旷视科技——一个全球人脸识别及图像识别技术领域的领军企业。2017年的COCO图像识别大赛，旷视科技团队在四大领域中勇夺三个冠军，打败了来自谷歌、微软和Facebook的众多团队。
2017年，在人工智能和全球安全峰会上，前谷歌CEO埃里克·施密特提醒与会人员，不要小看中国在人工智能领域的潜能。他预测，中国的人工智能将在5年内赶上美国：“这些中国人很厉害……如果你认为他们……无法培养我说的这种人才，那可就大错特错了。”(4)