正文
过去十年的人工智能发展，特别是算法、计算力和大数据三要素中的后两者——计算力和处理大数据的能力，都到了一个相当惊人的地步。深度学习则帮助我们在算法上实现了突破，但这波潮水还没有充分发挥，在各种重要的领域，人工智能还在不断产生科学、经济方面的效益，所以还有不小的热度发挥出来。
那如果说这三个核心要素中，最有可能在下一波人工智能浪潮中跃迁的，我认为一定是算法。因为数据量归根结底还是有限的，计算力也会有一个差不多的极限，但算法上空间还很大。
我们现在把机器学习看做一个很高端的算法，但实际不是。机器学习的算法，我们大学二年级姚班的学生，一学就会，一个学期之后就基本能在外面承担不错的工作。
我们人类现在所拥有的智慧，基本只是使用了少量数据、少量计算力后的结果，而就在这样的条件下，也能跟以前的机器在很多领域打平手。所以人类一定有一些“算法”非常精妙，值得我们进一步研究。
这样看起来，现在的机器学习还很粗糙，我们不要期望人工智能可以发现很好的机器学习算法，因为人工智能没有那个本领。所以现在对于机器学习的推动，还是人类优先，这也是一个从事理论研究的最佳时机，这对我们国家来讲也是一个非常重要的时机。
另一个我认为很好的消息是现在存在两种不同的学习系统，一种是人类的智能，另一种是宇宙里的智能、生物进化方面的智能，我觉得也是一个好机会。
我们现在研究人工智能，核心方法是参照人类智能，但由于我们大脑太复杂，所以不太容易搞清楚。但生物学习进化、宇宙内的智能，是不是可以给我们提供一个更大的视野、空间，让我们在机器学习进化方面可以作为参照方向？我觉得是可以研究的。
中国AI缺“系统”
具体到中国当前的人工智能研究和发展，我觉得可能存在两个方面的缺陷。
一个是系统方面，我们中国现在还没有出现一个大的AI系统，可以实现不同领域的广泛应用，这样的系统比如IBM就有，在1997年它用深蓝打败了象棋冠军，然后又进一步用这个做了知识类答题方面的应用，现在他们又把这个系统用到了医疗医药方面，沃森能够对于医病的诊断，达到和最优秀的医生一样的程度。
所以未来国家与国家在人工智能方面的竞争，中国公司跟外国公司的竞争，中国大学与外国大学之间的竞争，这样系统的缺失可能会带来劣势，而且我们中国对于计算机系统工程一向重视不够，我们在计算力、硬件方面很强，有全世界第一的超级计算机，但系统工程会是下一个阶段的重要壁垒。
如果你问我最认为最有可能出现“系统”的AI领域，我觉得是医疗。你看IBM的沃森，在目前的技术上整合吸收了非常多的数据，然后一天读完上万篇医药杂志论文，进而把其中的信息融入到它想诊断的疾病中——这里面还涉及到一些自然语言分析技术的应用。
但概括来讲基本就是把现在已经有的技术、数据，统统可以整合到它的系统工程中，好比你结合各种专长不一样的人。我相信我们也有人在考虑这样的事情，但需要更多的学界、工业界参与进来。
另一个缺陷是算法和背后的理论方面。下一步人工智能的突破，一定在算法方面，一定会从理论着手，这方面国外已经有了非常深厚的基础，但我们相对而言还处于弱势，需要我们这个时候多关注。
现在中国的优势是在应用层面，比如在各种比赛中，中国都拿下各种奖项。但这些全世界都已经在应用的技术，壁垒不大，可能需要一些经验，但不关乎核心。真正起到壁垒作用的是那些瓶颈问题上的话语权，我们能不能率先拿出解决方案，拥有理论基础到应用层面的优势。
人才问题
理论基础和应用结合就可能涉及到人才方面的话题。现在计算机相关的行业如此热门，所以从理论研究上看，很难雇到非常好的人，很多优秀的人才，都被高薪雇到大公司里了，对于学术理论的研究，问题会非常大，这不止是中国的问题，对美国也是同样的。
这样的问题也没有办法避免，但好在二者之间还有平衡的空间。在大公司研究院中研究，最后还是会有一些限制，不像学校里面，能够完全从事一个自己完全自由的研究，我觉得这是学校吸引人的地方。
但同时我们也要意识到平衡这件事的重要性。如果没有一个好的研究队伍在大学里，将来中国在这方面的发展就难以为继了。
不过我个人来讲也只能号召，没有特别好的办法。或者有两件事情是可以做的，一是现在我们这些在学校里做人工智能的人，做出非常耀眼的工作，吸引到年轻人，让他们加入这个行列。二是大学里对于不同的领域，能够在待遇、安置方面增强吸引力，更加务实地去解决问题。
当然，产学研结合也是一种产生理论方法论的方式。比如楼天城他们在做的无人驾驶[1]，在实际应用中肯定面临很多新问题去解决，就有可能产生突破，这时候大学和工业界的合作就显得更合理。
