坚持8年，砸钱千万！“被选中”的中国AI学霸们，到底多不简单？

金错刀 2021-05-26

487

文/ 金错刀频道张一弛

早几年前，当AI 技术还处于理论阶段的时候，无数人对AI技术充满了各种美好的幻想。

然而，只用短短几年，AI就以意想不到的速度走出了实验室，挽起袖子走进车间厂房，提起裤腿下了田间地头，从自动驾驶到人脸识别，从无人工厂到机器人送快递...

来源：极果网

火热的AI，正在成为各个国家竞争中的关键一环。而在AI人才方面，中国面临的挑战，十分严峻。

在全球范围内，AI顶级人才数量稀少，在各产业层次的分布极不平衡。

据清华大学-中国工程知识智能联合研究中心发布的《智慧人才发展报告》显示，中国高层次AI科研人才与世界顶尖机构相比差距甚远。

顶尖AI科研人才如何培养？

中国的高校在努力。2018 年，全国还没有高校开设人工智能专业，2021年，开设相关专业的高校数量已增至 345所。

中国的企业也在努力。

早在2013年，很多科技公司还没有涉足AI领域时，百度干了一件事——

设立面向全球顶尖AI领域在读华人硕博生的百度奖学金，每年评选8-10名致力于AI领域的优秀学生，每人提供20万元人民币奖金，以及后续的数据、平台、专家等资源支持。

这件事一干就干了八年。

这些获得百度奖学金嘉奖的AI学霸们，身上到底有怎样的特质？八年来，百度究竟在奖励什么？

这次，刀哥采访了三位历届百度奖学金的获得者，看看这些被百度“选中”的学霸们，到底在用AI改变些什么。

1

浙江大学计算机系研二任意：

让每个企业都能轻松拥有AI的声音

刀哥采访的第一位获奖者，是浙江大学计算机系研二在读生任意，虽然在百度奖学金得奖者里年龄很小，但冲劲儿十足。

2015年，任意凭借自主招生和优异的高考成绩保送浙江大学竺可桢学院，这个以浙大前校长的名字命名的学院，是国内著名的本科学霸养成基地之一。

浙江大学计算机系研究生二年级任意

大三结束，任意拿到了微软亚研院的实习offer，研究方向是机器翻译。

在合作完成相关的一些项目后，任意认识到，技术上的突破和提升，与现实中应用的效率、效果并不完全正相关。带着这样的思考，他在保研之后机缘巧合又开始了智能语音技术的研究。

任意师从浙江大学计算机科学与技术学院副教授赵洲，在导师的带领与指导下，任意参与到智能客服机器人的智能语音研发当中。他很快就发现语音技术在产业应用中的两大痛点：

一是成本太高，大部分的语音技术都在大厂手上，对很多小公司来说研发成本难以负担。

二是实践困难，传统的电话机器人机械音重，用户体验差；使用了深度学习技术的智能电话机器人虽然效果很好，但一般的公司很难部署。

能不能研发出效率又高、体验又好、应用部署又轻松的语音合成技术模型？

这是一件很有意义的事儿，而且当时研究语音的人很少，任意觉得这是一个大好机会。

在正式转向语音方向之后，任意尝试了很多方法来提升语音合成的速度、降低模型部署难度，时常感到迷茫。

在一次和导师、从事语音合成的业界朋友聚餐聊天之后，他茅塞顿开。“有时闷头在实验室里想不出来，与身在产业里冲在一线的人交流沟通后，不仅能开拓眼界，还能启发岀一些新的想法。”

很快，任意想到了在语音合成中引进更高效、可落地部署的神经网络，导师赵洲也非常看好，并给予了许多建议。

目前，任意跟团队合作研发的FastSpeech模型不仅能够在许多场景下直接进行部署使用，还提高了语音合成的速度，已在微软等多个国内外互联网公司和跟语音相关的小型创业公司实现了部署，帮助企业大大节约了语音合成的计算成本；相关论文在国际顶会中稿，收获许多媒体与知名语音项目的关注和收录。除了语音合成，思维活跃的任意还在从事歌声合成等相关研究。“它更有趣，更偏娱乐化。”

凭借在语音技术方向上的突破，25岁的任意获得了第八届百度奖学金。

拿到奖励，任意设想要做的事仍离不开产业应用、落地。“情感化的中文语音合成、歌声和音乐合成的公开数据太少了，现有的数据质量也不高。”想要在实际应用中实现更好的效果，任意计划用奖学金去更好地收集、处理需要的优质数据。

“这次获奖，对我来说最重要的是对我科研的认可和激励。”在自己选定的AI之路上付出努力，解决问题、创造价值，勤奋的任意释放出了更大的能量。

2

清华大学计算机系博四庞天宇：

让AI变得更安全

很多人关心，AI够不够聪明；但也有人关心，AI够不够安全。

清华大学计算机系四年级的直博生庞天宇，就是一个充满发散思维，不愿意给自己设限的人。他在高一就获得了清华保送资格，是典型的“别人家的孩子”。

师从清华大学计算机科学与技术系教授朱军，庞天宇的研究方向为机器学习，特别是深度学习以及其鲁棒性的研究。

清华大学计算机系博士四年级庞天宇（左）

鲁棒性，就是系统的健壮性，它是在异常和危险情况下系统生存的关键。比如，前两年在中国关注度很高的AI大事件——在张学友的一场 60000 人的演唱会上，AI 成功锁定了一位逃犯。

但如果当AI受到了干扰，就会让AI做出错误的判断。

比如，可以基于你的声音产出篡改后的声纹数据，欺骗AI完成支付转账；甚至可以通过学习你的行车道路纪录，在自动驾驶系统中输入“中毒”的数据，控制车辆直接威胁人身安全。

演唱会现场视频（图片来自中国日报）

而庞天宇所做的事儿，就是让AI更安全：“AI系统要更皮实，要能够更经得起对抗，普通人数字生活的安全才更有保障。”

实际上，对AI安全性的关注直到这几年才逐渐被重视起来。对于大三才接触AI的庞天宇来说，从没想过自己一上手的研究就进入了当时AI的“无人区”。

对抗鲁棒性研究在几年前还很小众，庞天宇甚至难以找到同行交流。不同于研究路径成熟的计算机视觉，探索明确的研究路线成为他首要面对的问题。

针对对抗鲁棒性容易被误导干扰的缺陷，庞天宇和合作伙伴选择了偏防御的研究方向，由于这一方向十分发散，试错在所难免。攻击算法、迁移学习、可解释性学习……多次尝试之后，对抗训练已逐渐保证了防御的可信任范围。

虽然在“茫茫大海”里寻找正确航向的过程很辛苦，庞天宇却觉得乐在其中。

“我的思维也比较发散，这个领域的研究也恰巧处于需要发散思维去探索的阶段，两者很契合。不限制，就是这个领域最大的魅力。”

在为AI安全探明一种技术可能的同时，庞天宇的研究成果也获得了各方肯定。他参与的团队在多个国际对抗攻防竞赛中均获得第一名，并且以第一作者身份在机器学习顶级会议NeurlPS、ICML、ICLR上发表了8篇论文，所发表论文至今获得超1800次引用。谷歌、微软相关落地的产品也使用了对抗训练技术，取得显著效果。