2月的亚布力仍是一片冰雪世界。
上周，包括李彦宏、雷军、杨元庆、王石、冯仑、沈南鹏在内的一众企业家，齐聚这个东北小镇，共同探讨经济转型与企业家创新。毫无疑问，人工智能是大佬家们谈论最多的话题之一。而对于这个话题，余凯可能是现场企业家中最有发言权的一个。
余凯，地平线机器人CEO。曾经的百度深度学习研究院(IDL)创始人，还曾在斯坦福讲授研究生课程《CS121: 人工智能概论》。
“热度不减”，余凯用这四个字来形容企业家对人工智能的关注。而且他明显感觉到，无论是投资界还是企业界，都对人工智能有了更深入的了解。“对这个产业的方向，对这里面技术的关键点和壁垒在什么地方，我觉得大家都有蛮多的思考”，余凯说。
既然大家都在进步，那么余凯这位中国人工智能领域的旗帜性人物，对AI又有什么样的思考呢？量子位以特殊的方式，围绕这一主题在亚布力与余凯展开对话。
余凯指出，深度学习不是人工智能领域唯一的技术，未来AI的发展应该把多种技术结合应用，让神经网络从不可知的黑盒状态，逐渐变成一个相对的白箱。
“深度神经网络其实更加适合做感知”，余凯表示过去十年人工智能在感知领域突飞猛进，而感知的种种进步皆是为了后续进一步作出理性的决策。在感知-推理-决策的过程中，余凯指出以推理为核心的贝叶斯网络正好可以大行其道，“我非常看好这个方向”。
尤其是未来人工智能的发展趋势之一，是小数据学习。这就需要一个完全不同的思路，不是盲目的灌数据，而是基于小数据做出决定。“就是在很多的状态空间里面，去找到风险最小的一个路径。这里面其实是各种的因果推理，不是识别”，余凯解释说。
上面已经强调深度神经网络的作用是识别，如果要进行因果推理，人工智能就需要一个新的框架。“因果推理的这个框架衍生出来的就是贝叶斯网络”，余凯强调因果推理的理论“现在应该被提上议事日程”。
余凯表示应该以一个更高的视角来看待人工智能额发展：不仅仅是当前热什么咱们就做什么，因为当时热的东西一定会过去。
以下是对话的文字实录
量子位：神经网络一直被批评是黑盒，一旦出了问题，可能无从查找原因。您怎么看待这个问题？黑盒能被揭开么？
余凯：这是一个蛮深入的问题，我们不光要谈深度学习它的优势，我们也要看到它的劣势、它的边界，这样才能找到正确前进的方向。
深度神经网络确实有这个问题，相对来讲是一个黑箱系统。所以我们也觉得在自动驾驶这个领域，其实是面临一些挑战的。因为大家希望自动驾驶是可控的、可以debug，在安全方面能得到保障的一个系统，我们不希望它出现异常的行为。
怎么去达到这一点呢？地平线其实是很早就开始意识到，深度学习不是人工智能惟一的技术，我们必须把深度学习跟其他的一些框架，比如说跟增强学习、跟网络结合在一起，使得整个系统是一个相对的白箱，这个是我们一直在研发的方向。
量子位：所以如果说现在有一些技术去取代神经网络的话，您看好的是哪个？
余凯：深度神经网络其实更加适合做感知，而贝叶斯理论的核心是推理，只有从感知到推理才能到决策。所以最终来讲，你希望达到一种理性的推理、理性的决策，这里面正好是贝叶斯网络一个大行其道的地方，所以我是非常看好这个方向。
未来汽车的自动驾驶，应该是深度学习跟贝叶斯网络结合的这么一个思路。
量子位：神经网络需要大量的数据训练才有成效，回到无人车领域，比方撞车、紧急情况等情况，就很难有大量的数据让网络学习，您怎么看待这个问题？
余凯：没错，这面临到未来的一个趋势，是一个小数据学习的问题。这个趋势要有一个完全不同的思路，而不是盲目的灌数据，因为大量采集的数据都是正常路况的数据，而这种紧急情况的数据是没有的，所以这对深度学习是一个挑战。
这就要加入更多的因果推理，因果推理的这个框架衍生出来的就是贝叶斯网络，这个是加州大学洛杉矶分校Judea Pearl教授，在80年代就已经很著名的成果，曾经在人工智能这个领域是非常主流，后来由于神经网络的发展大家淡忘了。
但是历史总是回旋往复的往上去发展。就像80年代的时候，深度神经网络其实当时也非常主流，但是90年代就被人给淡忘了。我认为80年代被Judea Pearl提出来的“因果推理”，现在应该被提上议事日程。
过去十年深度神经网络发展，让我们在感知这个领域突飞猛进。但是所有的这些人工智能，包括自动驾驶，其实感知都是为了决策来服务，所以最终要走到决策。
一旦走到决策的话，所谓这些小数据、这种紧急情况，实际上是要根据这个情况然后做一个决策，就是在很多的状态空间里面，去找到风险最小的一个路径。这里面其实是各种的因果推理，不是识别。
深度神经网络是识别，如果是因果推理，就需要有一个因果推理的框架来做这个事情。
地平线的核心团队，包括我自己的背景，都是在人工智能这个领域工作了很长时间，所以我们能够以一个更高的视角来看这个问题，不仅仅是当前热什么咱们就做什么，因为当时热的东西一定会过去。
量子位：刚刚结束的AAAI17上，大会收录的论文，来自中国的投稿数量第一次超过美国，这个数字能说明什么？以前也有统计说人工智能领域中国人很厉害。
余凯：中国整个来讲对人工智能的关注度越来越高。但论文中虽然有很多从名字能看出来是中国人，但大部分估计还是在美国的留学生或者华裔学者。数字还不能说明问题。因为中国本土的科研这块其实还是有差距的，有蛮大差距的。
我们整个创新的土壤，相对来讲还比较偏急功近利。
量子位：您之前也批评过说有一些AI企业有抄袭或者比较急功近利的情况。
余凯：对，真正愿意平心静气，去做比较长远的、创新性研究的人和企业在中国还比较少。华人学者在这个领域的规模越来越大，这也是正常的，因为我们的人口基数大，但是有没有更多的创新性的东西在这里面出来。
好像据说今年Best Paper什么之类的其实并不是华人，所以我们还是有空间继续去努力。未来我还是很乐观，华人在整个人工智能领域的影响力，最后会变得非常领先。
量子位：很多企业都说，人工智能的专业人才不好招。您在实践中，也会遇到这样的困扰么？您又是怎么解决的？
余凯：我们去年在9月份有一次大规模的巡回校招，收了一批顶尖的学生，我对这个还是比较满意，我们会进行内部培训。
包括我以前在百度的时候，当时成立深度学习研究院，那个时候中国大学没有培养什么人工智能、深度学习方面的人才，基本上很多都是我们自己培养，后来很多人在百度或者其他公司里成为顶尖的中坚力量。所以我们可以去培养。
我们有个计划，所有我们今年校招录取的学生，夏天的时候把他们全带到硅谷去，进行为期半个月的一个培训，我会请世界顶尖的专家来给他们讲课。
量子位：您是看中什么样的条件去招这些应届生、去招这些未毕业的学生的话，是需要他的逻辑好或者是工程能力强、还是就是得数学好？
余凯：我看中的，还是所谓德才兼备。
德，就是合作的能力，还有对整个使命感，对未来世界的好奇。人工智能改变世界的这么一个使命感跟好奇心，不断学习的这种愿望，我觉得这个是这个人的一个基本面。其次的话，在数学、在编程这些方面，应该有相当不错素养。
基本上是这两个方面，我们还是比较强调综合能力。比如说德这块，其实也包括学生的这种人文素质。最近我越来越觉得，好的工程师往往有很好的人文素养跟人文关怀。
量子位：现在在人工智能领域，您的公司来讲，最缺的是哪方面的人才，产品经理或者算法高手是哪方面的一个人才是比较缺的？
余凯：我觉得都需要。只是做一个研究的话，其实有的时候是需要有一个创意，而且要非常非常的出众，但是做企业的话，实际上你会发现，需要把好多不同的方面都组合在一起，最后成为一个很优秀的产品或者是技术。
企业强调的是综合能力，而学术界的技术创新是一个想法的突破，这个很不一样。所以驾驭一个企业的复杂度远比学术研究要高。