5月30日，新闻说，Tsinghua大学任命周·鲍恩（Zhou Bowen）博士为电子工程系校长，惠恩大学（Hui Yan）主席Tsinghua University教授在该行业引起了关注。

另一个行业的AI巨头参与了学术界，工业AI才能转向学术界变得越来越普遍。关于这一趋势的特殊之处在于，它强调了行业，学术界和研究创新的整合，并且对来自来源的结果的工业化非常重要。

根据公开报道，周·鲍恩（Zhou Bowen）以前创立了西亚扬技术。查看一家专注于建立领先的人工智能技术平台的技术公司Xianyuan Technology网站，并为蓬勃发展的工业数字和智能轨道蓬勃发展。

周·鲍恩（Zhou Bowen）最近告诉《论文》（Paper）（）关于加入Tsinghua University的最初意图，探讨了该行业中基于AI Teacents反流和对话的三个局限性，并提出了“药物信息”，以供年轻学生学习人工智能。

20多年来，周·鲍恩（Zhou Bowen）长期以来从事了关于人工智能的基本理论和最先进技术的研究。周·鲍恩（Zhou Bowen）在发音和自然语言处理，语音机器翻译和深厚的语义理解领域取得了杰出的成就。国际学者引用了许多论文。

他在对本文的独家采访中说，他在过去几十年中一直在做同样的事情，即扩大技术最前沿的现有知识，现有能力，现有模型，并将这些创新应用于解决实践问题。过去的积累和降水也使他决心进一步探索和巩固大学的科学研究团队，这些大学在下一个阶段将行业和学术界整合和创新，并努力在学术意义，经济利益和社会价值的三位一体中真正创造最先进的成就。

“一方面，应该受到过去几年人工智能的进步的鼓励和启发。另一方面，我们确实提出了许多潜在的问题。为什么我愿意回到此时的尖端研究中，我认为在近年来，尤其是在近年来遇到的“艰难的人”，我认为仍然有许多问题。周鲍恩说：“近距离生产，研究，学术，试验和应用的协作工作机制。” “平夏大学是中国在合作创新中最活跃，最深远的大学。我在Tsinghua建立的科学研究团队不仅致力于将行业的核心问题带回实验室，以克服实验室，以便更好地克服产品，而且还可以更好地计划实现这一目标，并在实验中获得了最大的范围，这是在学术中的最大差异。我们在学术上的最大差异。促进基础研究和创新产品，并更加有机地结合技术研究和工业研究和发展。”

周·鲍恩（Zhou Bowen）现有的学术成就反映了与行业实际情况的密切相结合。 2017年，他曾担任JD集团副总裁，JD人工智能部总裁，以及JD人工智能研究所的创始董事。后来，他被提升为JD Smart Cloud总裁（负责云计算，人工智能，物联网和企业信息化业务），该集团技术委员会主席和该集团高级副总裁。

在加入之前，他曾担任IBM研究所基础人工智能研究所的主任，IBM Watson Group的首席科学家和IBM的杰出工程师。他负责IBM关于人工智能和深度学习基础研究的战略计划和研究，并且还深入参与了人工智能技术的生产和商业化。

早在2003年，他就开发了世界上第一个嵌入的大型词汇双向语音翻译系统，并成功地促进了其随后的生产力并实现了成功的市场应用。他带领团队开发了IBM Watson平台，定义和启动JD NeuHub人工智能开放平台，其核心技术被广泛用于大规模的互联网应用程序中，例如跨模式搜索，语音翻译，智能客户服务，购物指南助手，内容指南，内容助理，内容生成，数字虚拟人员，数字虚拟人员，以及智能供应链，智能链，智能质量质量质量设计，智能设计，智能设计，智能设计，智能设计，智能设计和组织。其中，在2019年，Neuhub被科学技术部授予了国家人工智能开放式智能供应链的开放式平台。他和他的团队还创建了一个数字展览平台，为包括2020年和2021年中国国际服务贸易展览会（包括2020年和2021年）的许多重大活动支持在线和离线综合会议。

随着人工智能战略的深入实施，中国目前拥有许多人工智能公司，可以很好地解决一个问题，并且拥有世界一流的单项人工智能技术。 “加强人​​工智能产业链是在实际经济的各个方面投资人工智能技术。实际上，这取决于AI和真实行业的整合和创新。”周·鲍恩（Zhou Bowen）说：“今天，人工智能在真正的行业中的大规模应用刚刚开始。学术和工业正在迎来'黄金时代'。”

AI人才的回扣

在中国，行业中的AI才能“返回”越来越普遍，而技术公司的AI领导者可能会改用或返回学术界。

去年11月，福丹大学正式宣布，蚂蚁集团的前首席AI科学家齐恩（Qi Yuan）加入了Fudan，并担任“ Fudan-Haoxqing”的杰出教授和Fudan人工智能创新和工业研究所的院长。在加入阿里巴巴之前，齐恩是美国普渡大学计算机科学与统计系的终身副教授。

去年8月，Bytedance AI实验室的前董事Li Lei宣布他将加入加利福尼亚大学圣塔芭芭拉分校。早些时候，百度前总统张Yaqin于2020年成立了Tsinghua大学智能工业研究所，并担任Tsinghua University研究所的院长和智能科学教授。

Ma Weiying是前副总裁兼人工智能实验室主任，他于2020年加入Tsinghua大学智能工业研究所，担任首席科学家。2019年3月，香港科学与创新工程宣布建立了计算机感知和智能控制的联合实验室。离开Tencent AI实验室的张汤（Zhang Tong）曾担任联合实验室主任。目前，张汤（Zhang Tong）还在香港科学技术大学数学系任教。

实际上，在过去的几十年中，学术界与工业之间的国际互动是一个非常明显的趋势，而且还有许多成功的案例。

周鲍恩在海外工作时，他周围有很多案件。在回到家之前，他在IBM TJ Watson Research Center工作了15年。 “我一直在中心有很多同事。在行业长期以来进行科学研究之后，他们加入了CMU，耶鲁大学，jhu，哥伦比亚和其他大学。”

“学术研究不仅是关于论文的，而且许多希望解决该行业的实际问题的研究人员，他们也具有很大的影响力。无论是从学术界到工业，还是从行业到学术界，这都取决于每个学者所关心的当前研究问题。”

周·鲍恩（Zhou Bowen）说，从全球角度来看，这种行业，学术界和研究的结合并不是近年来才发现的新兴事物。经常是行业，学术界和研究的成功结合，改变了我们的生活。将最先进的理论转变为划时代的应用需要深入了解技术，产品和市场，尤其是对于强调实施，与实际问题相结合并进行更多探索性学术研究的人工智能等学科。

在结合行业，学术界和研究的过程中，学术研究和工业化具有不同的特征。学术研究的目的是探索新知识。在具有广泛的视野的基础上，有必要集中精力。从文学和审查以了解前任的工作，它需要大量的知识构建过程。然后，研究人员需要提出一个非常具体的研究方向，这是一项从简单到传统的作品。

工业化更倾向于解决问题，尤其是通过创新的技术成就来解决许多实际限制的问题。这里的重要任务之一是技术的生产化，也就是说，有必要设计符合技术成就能力界限的产品，适合清晰的用户和具体情况，并在工程中进行足够的测试，测试和验证以确定是否可以以合理的成本量表进行复制和应用。最终目标是产品的市场化和大规模交付产品。

任何可以成功设计，开发，集成和生产的产品在其设计，开发，集成和生产过程中都非常精益。所有复杂性都隐藏在产品后面，从而使用户拥有可靠，简单且易于使用的体验，从复杂到简单。 “因此，我们看到大多数深远的行业 - 大学研究结果的实施都需要从简单到传统到传统到简单的过程。”

在实际工作中，工业研究和发展往往是面向市场的问题，并强迫要考虑哪种类型的用于解决业务问题的方法，以解决可保证的可控成本和用户经验的实用问题，然后寻找可以扩展产品并有效地解决产品问题的技术。

通常，对市场问题的技术理解是一个过程。行业的研发需要“一层逐层抽象问题”。 “首先是对市场需求和机会的洞察力，而后者则在技术和产品问题中进行了具体反映。技术界限中所需的突破最终被总结为学术研究中的基本问题。”

周·鲍恩（Zhou Bowen）认为，工业，学术界和研究的新融合不再仅仅是科学研究的单一链转换，从学校，公司到市场的综合转变，而且还需要从市场开始，以形成对可以真正改善国民经济和人民生计的重大问题的认识，从而提高国家硬性科学和技术水平，并提高市场效率，并提高市场竞争力，并提高公司的竞争力，并提高公司的竞争力，并提高竞争力，并提高公司的竞争力，并提高公司的竞争力，并提高了公司的竞争力，并提高了竞争力，并提高了市场的竞争力，并提高了竞争力。在将其提炼并抽象为学术问题的同时，应该更好地将这个问题抽象的能力传递给学生和年轻的学者，以及一种良好的生态学，可以将行业和学术界互相吸引，并与双螺旋同时增加。

必须做真正的问题

2007年，iPhone诞生了。即使比此更早，在2003年，在手持设备上使用大型词汇的双向语音翻译系统已经出现。两个使用不同语言的人可以使用手持设备在语音中实时互相交谈。这项技术背后的开发人员是周·鲍恩（Zhou Bowen），他当时仍在IBM工作。

“我记得当时最好的商业手持设备的PDA只有32兆赫兹和具有206兆赫兹的固定点CPU，没有浮点计算能力。现在，其计算能力和存储看起来像恐龙。此外，它是语音识别，机器翻译，机器的转换，还是较大的驱逐于较大的计算机，这些都超出了计算的范围。用户的自由通信，所需的模型越大，计算就越复杂，因此，当我仅开始研究这个项目时，每个人都认为挑战是非常伟大的，几乎是不可能的。”

在出现大型手持设备的大规模双向语音翻译系统之前，Zhou Bowen和其他同行开发的先前系统已经证明，较大的计算设备可以实现实时翻译。

但是，一个现实的问题是，语音翻译系统的用户无法随时随身携带笨重的计算机。在2000年代初期通信条件和云计算远非流行的时代，该系统无法随时连接到服务器。 “因此，很明显，只有将这项技术放在手持设备上，我们才能真正为用户带来价值，并在语言障碍的情况下解决信息交换问题。”

从学术研究的角度来看，已经开发了语音翻译系统的技术。 “以前的项目已经成功完成，我做出了贡献，并发表了书面论文。我可以选择进行下一项热门的学术研究。”如果我将宝贵的科学研究时间花在手持语音翻译系统的研究上，可以证实这必须需要大量的优化和工程工作。这些工作量很大，但是很难根据这些工作发表论文。不确定这个想法的可行性，因为以前没有人做过。因此，许多人会发现这是一个不太有趣的项目。

但是周·鲍恩（Zhou Bowen）当时非常确定，“这东西确实可以带来价值。”

“非常感谢。我在IBM的领导者也非常支持我尝试一下。所以我花了将近一年的时间。基本上，我在整个周末和夜晚都在实验室中编写了代码并调试了硬件设备。”当时没有Android或iOS系统。当时，由于人工智能系统的开发环境和操作系统，几乎所有手持设备上使用的Windows CE都非常困难。 “这对于分析并不方便，也很难进行调试。”

周·鲍恩（Zhou Bowen）必须从最低的操作系统设计他的语音翻译系统，根据基础硬件调整驱动程序，从头开始编译嵌入式的Linux系统，用自己编写开发工具链，重新设计了架构并重写语音翻译系统的代码，并更重要的是，找到了新的Algorithms。 “事实证明，每个人都建立的一般建筑是瀑布式的，即首先是语音识别，然后是机器翻译，然后是语音综合。但是，这样的'daoyuan'建筑像手持式设备一样将'daoyuan'建筑放在'蜗牛壳中。第一，第一个是太慢了，第二个是不够的，第二个是不够的记忆，第三个是语音识别的准确性，它会影响机器的准确性，这将影响机器的准确性。

为此，他提出了一种新的模型和一个新的体系结构，以重建语音识别系统。创新之一是在联合搜索中语音识别和机器翻译的结合。多次创新使语音翻译的速度提高了100倍以上，其精度不变。 “因此，到2003年底，我们确实改变了许多人的想法。后来，在研究和成就竞争的领域，许多公司和大学（例如CMU）开始朝着手持设备发展。”在许多应用程序方案中，基于IT推出的便携式语音翻译产品也取得了商业成功。后来，这项工作的一部分发表在有关IEEE Journal会议论文集的评论文章中。

回顾过去，如果纯粹是为了最大程度地提高论文的影响，那么周·鲍恩（Zhou Bowen）在那时做了这件事，他在生产化上花费的能量实际上可以用来撰写更多的新论文。但是他的选择是坚持使用技术创新来解决实际问题，并选择帮助解决实际问题指导研究方向。这是当时在实验室中的价值。周·鲍恩（Zhou Bowen）说：“我们需要解决用户实际需要的问题。”

基于对话的AI的三个限制

“在过去的几十年中，我一直在做的事情是如何扩大技术最前沿的现有知识，现有能力，现有模型，系统和算法。我很高兴我在学术界取得了一些独特的成就。”

周·鲍恩（Zhou Bowen）的研究方向涉及多模式（语言，发音和其他）以及知识的代表，理解，互动和推理，依靠人工智能等的新方法等。他和他的合作者是第一位提出自我关注以及多跳跃机制的研究人员。这种新机制使用语言内部的结构，并使用多次自我注意力来学习单词和词语之间的依赖性，并大大提高了计算机理解和表达自然语言的能力。包括变压器在内的论文引用了相关工作超过1800次。他提出的两种新模型结构在AI一代领域分别被引用了1,700次以上和近1000次。

无论他是在IBM Watson，领导领导的智能客户服务，还是在2030年主持主要的特殊科学研究项目，他都在研究基于对话的AI。周·鲍恩（Zhou Bowen）认为，基于对话的AI不仅是一种应用程序，而且是AI学习的手段。

就像人类之间的对话一样，良好的AI对话系统不仅可以帮助用户，而且可以使AI更快地学习。 “对话过程本身是一种非常好的学习方法。不仅将对话AI作为应用程序，而且还将其作为一种学习机制进行研究。这是对话AI接下来需要扩展的对话。”

提示AI是自然语言处理（NLP）的新分支，是研究人员为下游任务设计的输入形式或模板。它可以帮助预先训练的语言模型“记住”他们在预训练期间“学习”的内容。提示给了预验证的模型提示。一旦验证的模型“看到”了它，它将知道要完成的任务。

“提示AI是一种非常简单的方法，它将对话性AI用作学习方法，它已经开始吸引许多人的注意力。但是，从长远来看，如何使对话成为AI的学习方法是一个非常重要的研究主题。”

在语言理解和人类计算机对话领域中，最令人印象深刻的事情是超级训练的语言模型的出现。对话AI目前正在取得长足的进步。一个重要的原因是，大型培训模型允许AI在预训练中“查看”大多数上下文，因此它可以更好地预测基于上下文的下一步说法。

但是目前，基于对话的AI仍然有三个限制。周·鲍恩（Zhou Bowen）认为，首先，基本机制没有改变，AI系统缺乏常识，缺乏世界认知模型，并且对演绎机制的理解。 “人们之间的对话，明确的内容只是整个对话的一部分，对话中隐含的另一部分是关于您和我的世界的共同理解。”

“例如，在对话中，我们都知道Tsinghua大学，人工智能和IBM及其含义的概念……但是在AI对话中，我们没有一个很好的模型来整合常识的作用，而常识的作用在对话中没有呈现在理解和预测对话中的对话内容中。这是一个巨大的问题。”

周·鲍恩（Zhou Bowen）提出，有必要建立一个场景驱动的知识表示机制，在每一轮对话中，对话的相应扩展应以作为核心的对话的内容实时构建。 “涉及或不参与对话的实体应通过其关系和逻辑来构建，并将知识的结构化和可区分的衍生性表示作为对话模型的一部分。”这也是他目前的工作指导之一。

其次，基于对话的AI缺乏实时推理能力，因为当前的大型模型培训仅根据大量数据的背景而建模，并且缺乏可解释的逻辑关系推理。

第三个限制是，基于对话的AI缺乏控制对话的能力。人之间的对话是充满活力的。在对话中，对话的有效性，对话参与者的感觉以及达到目标的差距，从而调整了对话。基于对话的AI“要么很容易收敛，而且不会扩展对话扩展；或者只是对话是由另一方领导的。”也就是说，它通常表现为没有公开的对话能力，狭窄的对话范围，并且无法积极有效地指导主题。如果在复杂的以任务为导向的对话中，对话AI缺乏对话策略的自学和对游戏理论的更多研究。

尽管在过去几年中取得了巨大进展，但目前基于对话的AI的缺陷也很明显，它也包含巨大的学术研究机会。 “我个人对这个领域感到非常兴奋。”

良好的AI必须是扎实的

谈到转向学术界时，周·鲍恩（Zhou Bowen）说，另一种重要的驱动力和未来的工作重点是培养复合人工智能才能。

近年来，国内大学已经建立了建立人工智能学科的浪潮。由于全国35所大学在2019年3月获得了第一批新的人工智能专业的资格，因此人工智能已连续三年成为“热门产品”。

教育部最近发布的一般高等教育机构本科专业的申请和批准结果表明，有95所大学已有新注册的人工智能本科大满贯，包括北京大学，汤吉大学，中央南部金融大学和经济学，西南西南大学等。

“我个人认为，随着我国越来越多的年轻人，无论是学习，学术还是研究能力，人工智能人才的短缺肯定会大大减轻。我也相信我们将产生许多原始的科学研究结果。”

人工智能是解决实际问题的学科。它不仅需要尖端的技术研究，而且更重要的是，要实施实践工业问题来创造价值。在DeepMind使用人工智能计划AlphaFold2展示他在蛋白质结构预测方面的技能之后，他使用人工智能来控制核融合，而核融合能量也是世界各地能源发展的最前沿。

我们必须让研究解决实际行业情景中的问题。周·鲍恩（You Bowen）说：“正如Tsinghua University电子工程部成立70周年纪念日所提倡的研究结果应在学术上和行业上放在书架上。”这些概念的建议非常令人兴奋。 “真正具有创造性影响的人工智能必须是“肤浅”。

周·鲍恩（Zhou Bowen）说，人工智能需要复杂的才能，当前的人工智能教育应特别注意以真正面向问题的工业观点，以及与行业的人工智能良好整合。

这种人才需要具有抽象的能力和抽象的实际场景，以使其具有学术口味的尖端问题。在解决问题的过程中，我们可以在学术领域的最前沿扩大新的认知，并且在扩张完成后，行业的转型将是自然的。

“我们需要鼓励学术和行业之间的更多双向联系，鼓励更多的学术界的教师和学生帮助该行业实施更好的技术方法，并鼓励行业中更多的同事为学校带来更多真正的问题。”

关于综合人工智能才能的培养，周·鲍恩（Zhou Bowen）建议，首先，学生应进行学术追求，并同时关注实际应用。 “一个好的人工智能必须是脚踏实地的，所以我也希望学生能尽快扎根，不要纯粹以论文为导向。”

其次，对于学生而言，学习人工智能必须奠定坚实的基础，以及诸如概率统计，随机过程，线性代数，微积分，图理论，编程能力，计算机体系结构等诸如概率统计，线性代数，计算能力等。

“我建议，杰出的本科生可以进入实验室，同时在数学和科学领域奠定坚实的基础，研究科学研究方法论并试图解决一些问题。”周·鲍恩（Zhou Bowen）建议在导师的指导下进行研究和应用，以培养兴趣和好奇心，尤其是学习如何提出好问题。

此外，随着人工智能研究的加深，人工智能子领域（例如机器学习，数据挖掘，自然语言处理和计算机视觉）之间的障碍较低。 “二十年前，那些从事人工智能的人不了解自然语言处理在做什么，而那些自然语言处理的人不了解言语识别在做什么。”因此，我们必须在研究生阶段尽快将其整合，形成有关不同学科的见解，并进行跨融合创新。