數據科學的積累：海平面下的冰山

清華大學語音和語言技術中心主任鄭方

鄭方，清華大學語音和語言技術中心主任、研究員，博士生導師，清華大學信息技術研究院副院長，博士。從1988年開始，從事語音和語言處理方面研究，在國內外知名刊物和學術會議上發表了210餘篇學術論文，出版專著11本，擁有9項發明專利和1項實用新型專利。

人工智慧、大數據、雲計算是技術發展的新趨勢。這三者既有相互的聯繫，也有相互的支撐。人工智慧研究的是如何用計算機對人的智能進行模擬、延伸和擴展，進而讓機器幫助人類做更加複雜的工作。大數據關心的則是如何從海量數據中挖掘出有價值的知識，而這些數據用傳統方法難以找到規律，需要用新方法來分析，比如通過例子學習（learning by examples），就像人小時候學習語言，雖然不會語法，但能通過一個個例子學會說話。

通俗地講，大數據提供「訓練的數據」；人工智慧提供「訓練的技術」；雲計算提供「訓練的平台」，既提供底層技術的支持，也有超算的能力，還提供安全的存儲。

從AlphaGo出現之後，人工智慧和數據科學變得非常熱，然而現在的「熱」屬於外部的熱。其實在很早的時候，內部（學術研究者們）就一直在積累，一直在發熱。以前，人們在懷疑AI為何研究了六十多年，一直沒有成果；AlphaGo出現之後，人們又覺得AI無所不能，這是從一個極端走到了另一個極端。其實現在AI的發展水平，一直都在按照科學的規律在螺旋式地逐步發展，一點一點積累，AlphaGo並沒有使其在技術層面出現突變，其貢獻在於把AI拉進人們的視野。

人工智慧有很多不同的分支，諸如自然語言處理、計算機視覺，還有我的研究方向語音信號處理，每個分支都有不同的特點，規律並不完全相同。然而現階段並沒有一個能夠解決所有問題的通用的理論和工具，因此比較理性的做法，是具體問題具體分析，以應用為驅動，從問題出發，用合適的理論、模型、方法等，才能找出比較好的解決辦法。

在人工智慧和數據科學前進的路上，我認為清華人一直是一個開拓者的形象。清華人做事有一種情懷，為了解決一個實際問題，可以十年如一日、非常專註地做研究，而不受外界的誘惑和影響。人工智慧的很多問題，靠大量的資金不一定能解決，靠市場上的經驗積累也不一定能解決。

那麼憑藉什麼？從根源上講，無論是數據科學還是人工智慧，其發展必須有深厚的基礎研究作為支撐，而清華在這一點很有優勢，有很多老師在基礎研究方面耕耘了至少二三十年。市面上的一些產品和應用，背後是清華這座「海平面下更巨大的冰山」，不斷地為這些應用提供原動力和技術積累。

而在這個過程中，數據科學研究院則處在一個紐帶的角色，連接校內研究者和校外產業界的紐帶。數據院既了解老師們的輸出，也知道社會的需求，既能為老師創造成果轉化的條件，又能幫助企業和社會解決實際的問題。這就是產學研的融合，不僅僅局限在表層的合作，而是更緊密的耦合，我把它稱作「化合態」的「產學研」。

剛才講到清華人的情懷，老師們在這個研究方向深扎幾十年，無問西東，所以才有很多的成果、有很多的輸出。我們需要給他們一個契機、一個平台、一個機制把它們成功地轉化出來，落地到社會服務上面。「得意音通」就是一個例子，為什麼它在語音這個領域競爭力特彆強？這跟資金沒關係。很多國際公司包括國內的上市公司，遠遠比它有錢。「得意音通」的競爭力就體現在「技術積累」方面，這個不是僅僅靠錢能砸出來的。這個才是關鍵。

說到技術積累，我想談一談「實踐教學」，教學中很重要的環節，當然這也是數據科學研究院在人才培養方面的一大特色。實踐課我也認為很有必要。信息社會發展迅速，一定不能關在象牙塔中不接觸外界，要適當地進行實踐，從而更深入地理解所學的知識，從而進一步理解和體會學習的目的。把基礎打牢，有紮實的能力，畢業後即便做新東西也得心應手，後勁非常強。諸如人工智慧發展的新技術、大數據發展的新技術，其中很多技術的基本原理是一樣的，數學、物理、信息領域等很多基礎都會用上。

隨著大數據和人工智慧等技術的發展，相信清華將在行業中扮演越來越重要的角色。肩負著責任感和使命感，師生們也將共同在學科交叉、技術融合的舞台專註耕耘，解決新時代的問題，更好地服務社會。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！