下载掌阅APP，畅读海量书库
立即打开
2014年，我供职的谷歌大脑（Google Brain）团队在计算机视觉领域著名的标准测试比赛ImageNet上，用一个22层的深度神经网络获得了第一名。在给这个网络起名字的时候，我们玩了一个小小的文字游戏：将Google的l大写，即写成“GoogLeNet”。比较“极客”的读者可能会马上发现，这是在致敬1989年出现的，也许是那个年代最著名的神经网络LeNet。在计算机还处于刀耕火种的年代，LeNet就已经被用在全美国的邮政系统中，来读取每一封信件上面的邮政编码。而LeNet的作者，就是今天为大众所知、图灵奖的获得者，也是这本书的作者杨立昆。
30年前，神经网络走过了非常崎岖的道路。最初的成功过后，神经网络因为本身训练的复杂性、结构的不确定性、对数据量的依赖性、理论的不清晰性等，在2000年年初的一段时间之内逐渐被更加有理论依据的凸优化、核方法、概率图模型等取代。杨立昆和其他两位同获图灵奖的大师约书亚·本吉奥和杰弗里·辛顿回忆起自己在这段时间的坚持的时候，笑称这是“deep learning conspiracy”（“深度学习的阴谋”），而他们自己是Canadian Mafia（“加拿大黑手党”），在各自所在的学校中，他们坚持自己所相信的神经网络研究。
学术界对于神经网络的负面观点是比较普遍的。例如，2010年，我和奥里奥尔·温雅尔斯（Oriol Vinyals，谷歌子公司DeepMind星际项目的首席科学家）在加州大学伯克利分校捣鼓神经网络的时候，我们的前系主任笑称“扬清和奥里奥尔在搞mumbo jumbo（大而无当的东西）”。当然他让我们继续自己喜欢的研究，这也是学术界的开放精神之所在。
但是从ImageNet的成功开始，神经网络，或者说“深度学习”，开始以摧枯拉朽之势在各个领域展示出它的优势。感知领域是最先被征服的：让计算机看懂人看得懂的图片，听懂人听得懂的声音，读懂人读得懂的文字。基于此，人工智能算法迅速开始在其他领域崭露头角，例如棋类［AlphaGo（阿尔法围棋）］和游戏、自动驾驶、人工智能医疗、公共服务等领域。可以说，今天人工智能已经成为一门“显学”，成为任何技术领域都值得了解的一个称手的工具。
从2013年加入脸书开始，杨立昆就一直领导着它的研究部门FAIR在人工智能的前沿无人区创新。FAIR集聚了大量人工智能的优秀学者，其中不乏华人的面孔，例如计算机视觉专家何恺明、增强学习和理论研究专家田渊栋等。我在脸书工作期间，一方面构建Facebook AI（脸书AI）的工程底座，一方面也参与和见证了Facebook AI给社区带来的各种成果，例如ResNeXT、Detectron、FAISS等算法，以及PyTorch通用人工智能框架、ONNX业界模型标准等。Facebook AI多年的成就，和杨立昆一直以来对于人工智能的孜孜追求是分不开的。
作为一位人工智能先驱，杨立昆对人工智能的未来也有着非常深刻的思考。他的思考一些是技术上的：如何通过自监督学习等方式，让人工智能走出数据依赖，使之更像人一样学习和进化？一些是伦理和社会学上的：如何保证人工智能服务于人类的福祉，而不被用到错误的道路上去？只有了解科学的人，才能更加深刻地洞察科学背后的社会意义和风险，杨立昆在这本书中所分享的思考，值得我们每一位感兴趣的读者细细咀嚼。
最后说一些和技术无关的小事情。杨立昆在生活中是一位非常风趣，又带着一点极客风格的人。在他的主页以及脸书页面上有各种风趣的小吐槽，例如他和SVM（支持向量机）的创始人之一弗拉基米尔·瓦普尼克（Vladimir Vapnik）一起创作的带有二次元风格的笑话，“All your bayes are belong to us”（“你所有的贝叶斯都属于我们”）
。他在2017年造访中国，来之前有朋友和他说在中国人工智能很热，“有可能走在路上就有人认出你哦”。他回到美国之后很开心地说，他在上海博物馆门口果然遇到两位学生，很兴奋地拉着他合影。杨立昆评论道，既然我真的被路人认出来，那中国一定有无数的人对人工智能怀着无比的热情。
科技改变生活，我有幸在国内见证着人工智能的蓬勃发展；科学无国界，我也有幸为杨立昆的这本新书写序。希望这本书能够给我们带来更多面向未来的思考，希望读者朋友能把这份热情转化为人工智能蓬勃发展的下一个世纪。