推薦序
從科學思考到科學思維
吳軍
計算機科學家，《智能時代》作者
我非常榮幸能有機會為圖靈獎獲得者楊立昆博士的新書《科學之路：人、機器與未來》撰寫序言。
楊立昆博士因為在深度學習方面的傑出貢獻獲得了2018年度的圖靈獎，他的大名在中國的計算機科學界和企業界幾乎是家喻戶曉。他的這本結合了自傳和科普的新書非常值得一讀，無論是學術界，工業界的人士，還是普通讀者，讀了之後都會獲益良多。
在《科學之路》一書的自傳部分，楊立昆博士介紹了自己求學和科研的經歷。他的求學經歷和對教育的理解在當下對中國家長非常具有啟發意義。楊立昆是法國人。在法國，如果要想成為任何一個領域的精英，通常要進入招生人數非常少的高等專科學院（grandes écoles，也被稱為大學校），比如做科學家和工程師就需要進入巴黎高師或者巴黎綜合理工這樣的精英學校學習。而為了考入這些錄取率極低的學校，又要花兩年左右的時間先學習大學預修課程備考。我想如果一個中國家長在法國，會讓孩子去走這條路。但是楊立昆卻走了一條與眾不同的求學道路，他高中畢業後就直接進入了一所名氣不算太大的大學——巴黎電子工程學院（ESIEE）學習。楊立昆做出這樣的決定有兩個原因。其一，這所大學不需要參加預科課程的學習和考試就能直接申請；其二，在這所學校他可以獲得更多的學習自主權。楊立昆講，他用自己的經歷證明了通過激烈的考試競爭進入名校，不是科學成功的窄門。
楊立昆在人工智能領域的研究生涯，可以追述到他在大學時廣泛地閱讀課程之外的經典科學著作。在他讀書的年代，人工智能是一個熱門但是發展並不成熟的研究領域。楊立昆對此有非常大的興趣，並且閱讀了包括喬姆斯基等人在內的很多科學家的論著，特別是前蘇聯偉大的數學家、公理化概率論的奠基人柯爾莫哥洛夫等人的著作，這為楊立昆打下了堅實的數學基礎和計算機科學理論基礎。從大學開始，楊立昆就沉溺於人工神經網絡的研究，並且敏銳地注意到這個研究領域一個新的技術方向——神經網絡的反向訓練。後來他進入到當時的巴黎皮埃爾-瑪麗-居裡大學（今天的索邦大學）攻讀博士學位，並且反向訓練上取得了卓越的成績。他的成果很快就有了法國一家公司買單，而且讓他得以進入當時學術氛圍非常自由的貝爾實驗室工作。楊立昆用自己的經歷告訴我們，接受教育重要的是獲得知識本身，而不是獲得名校的光環。在以後的學術生涯中，楊立昆一直保持這種特立獨行的做法，特別是在全世界都不看好人工神經網絡這個研究領域的時候，投身到這項研究當中。
楊立昆進入貝爾實驗室時，正趕上那個曾經的世界科學殿堂後的輝煌時期，但是很快這個龐大的實驗室就解體了。所幸的是，楊立昆得以在紐約大學擔任了教職。不過，當時正趕上人工神經網絡研究的低谷，雖然楊立昆堅信這項技術會在圖像識別大放光彩，並且設計出一個簡單的人臉識別繫統，但是他的成果並沒有引起太多科學家的重視。在從2003到2013大約十年的時間裡，楊立昆和他曾經的領路人辛頓等人一直在默默地從事著各種人工神經網絡算法特別是卷積網絡算法的研究。他們的成果當時並不引人矚目，但是正是這些研究成果，奠定了今天深度學習算法的基礎。2013年之後，隨著並行計算的進步和數據量的增加，以人工神經網絡為基礎的深度學習突然在很多應用領域顯示出巨大前景並且在一個又一個應用中，比如人臉識別，語音識別，機器翻譯，計算機博弈，取得驕人的成績，楊立昆等人的工作一下子被全世界所矚目，並且讓他和辛頓，本傑歐一到獲得了計算機科學領域的獎——圖靈獎。
如果要總結楊立昆的成功經驗，可以用這樣四句話來概括：
1. 求學是為了知識本身，而不是文憑；
2. 廣泛地閱讀高水平的專業著作，培養科學的品味；
3. 特立獨行，做自己感興趣的事情，即便那件事在短時間裡不被人看好；
4. 長期的堅持。
《科學之路》一書的第二部分講述了基於深度學習的人工智能的原理。雖然楊立昆博士使用了一些公式，但這部分內容依然通俗易懂。
楊立昆博士用幾個例子講述了今天人工智能的本質，就是數學公式 計算能力 大量的數據。
首先，我們要將模式識別等問題轉化成數學公式。今天計算機的智能從實現的方式上講完全不等同於人的智能。但是，從結果上講，和人的智能等價。你可以認為這是兩種道路殊途同歸。楊立昆博士用了一些典型的模式識別的例子告訴我們人工智能是如何實現的，讀著朋友即便對裡面的公式細節不感興趣，也能體會到人工智能和人的智能之間的不同。不過，計算機在獲得智能的方法上，有一點和人是相同的，那就是從觀察到的現像中總結出規律，然後用規律再來預測現像。楊立昆在書中舉了伽利略研究速度的例子，他通過觀察找到了物體運動的規律並且將它變成了數學公式，然後再把這個公式應用於計算各種運動物體的速度。機器學習也是如此，隻不過機器學習的公式不那麼直觀。
接下來，就需要獲取數據，供計算機進行學習。在任何人工智能的應用領域，原始的數據，比如圖像本身是無法直接提供給學習，這中間要進行一個轉化。這個轉化的過程被稱為特征提取，簡單地講，就是講真實世界的目標對像轉化中計算機能夠讀懂的數據。楊立昆博士用模式識別的例子說明了特征提取是如何進行的。當然，如果讀者朋友不想關心具體的步驟，至少需要明白一點，那就是計算機學習需要大量的數據。
當數據量大了之後，就需要數學模型足夠復雜纔能反映出大量數據之中所包含的各個細節。雖然奧卡姆剃刀原理通常很有效，但是在機器學習領域並非如此。事實上，過去基於人工神經網絡的機器智能水平之所以不高，就是因為那個網絡過於簡單。因此，楊立昆等人提出了更為龐大而復雜的深度學習人工神經網絡。於是這就有遇到了第三個問題，計算能力的問題。楊立昆博士對這部分內容沒有做太多的論述，畢竟這部分工作主要是由Google，Facebook和亞馬遜等公司工程師完成的，而非是科學家關注的重點。
《科學之路》一書的第三部分講述今天人工智能的各種應用，從語音和圖像識別、自然語言對話繫統，到無人駕駛汽車和醫學影像識別。這些名詞大家都不陌生，但是如果想了解其中的細節，楊立昆博士的講述既權威，又直白。
《科學之路》一書的第四部分，也是後一個部分講述今天人工智能的局限性，這包括技術上的不足之處，以及人工智能所帶來的社會風險。這部分內容是各種介紹人工智能的書籍常常忽略的。楊立昆博士提醒我們所有技術革命都有其陰暗面，但是他堅信這些問題都能夠得到解決。他在書的後還談了一些有趣的話題，比如機器人是否該擁有權利，又該遵守什麼樣的法律。
總的來講，這是一本全面介紹人工智能技術，兼顧科普和專業論著特點的宏篇大作。其中有價值的部分是楊立昆博士作為深度學習算法的發明人之一，講述他如何思考機器智能的問題，如何將這種現實世界裡的具體問題，轉化為計算機能夠處理的問題。從這個角度上講，它又是一本教科書，教大家如何思考科學問題。我相信通過閱讀這本書，各個層次，不同背景的讀者朋友都會有巨大的收獲！
