研究院|专访张宏江：撑开深度学习瓶颈，中国也有做出国际顶尖研究的环境( 二 ) 研究院

文章插图
2010年张宏江（右）荣获IEEE技术成就奖，表彰其在多媒体内容分析系统方面开创性的贡献。来源：IEEE.org
但被问及如何才能找到或者解决这类能够产生长期影响的问题时，张宏江却表示这其中并没有什么秘密。「只要将优秀的人聚在一起，建立一个开放和自由的环境，他们自然会发现有价值的问题并产出有影响的成果，甚至开创新的领域。」他说：「如果不然，那就是恰好领域发展慢，条件尚未成熟，我们要遵循学科发展的规律。」
当然，智源研究院并非简单地将优秀人才聚在一起。
首先，是他们对「优秀」的定义。在人才筛选方面，智源主要通过小同行推荐和评议，把北京的 AI 人才都捋了一遍。因为圈子小，大家对彼此在做些什么很熟悉，「小同行推荐或许会把 8 分说成 9 分，这在一定程度上也是可以接受的，」张宏江表示：「但绝不会出现把有说成无，或者无说成有的情况。」
其次是「跨领域」。集聚不同领域或圈层的研究者并不是一件容易的事。高校和研究院之所以分专业，原因就在于随着学科发展，需要相关人员专注于各自的纵深。尽管互联网和各种通讯工具让（即时）沟通显得异常便利，但相比外地或外校的老师，高校教授和研究人员还是更容易与本地或本院系的同事合作。再者，将不同领域的研究人员聚在一起，虽然有了更多研究问题的思路、工具和方法，但如果不去尝试理解对方看待问题的视角和沟通术语，反而会导致效率降低。
智源研究院应对这一问题的方法是「目标导向，自由探索」。在智源聚集起来的研究人员，至少在其各自形成的小组内，都在为共同的目标而努力，并且这些目标是其中至少一个领域已经被认可的问题。例如，在悟道 2.0 的研发过程中，关于训练用平台架构和芯片的使用，模型团队与系统团队有过深入的探讨。最终，悟道 2.0 在全国产 CPU 上完成训练，模型团队的成功自不必多言，而对于系统团队，他们也在其领域高度关注的大模型分布式训练、适应性计算等方面取得了重要进展。
最后，或许也是最容易被避而不谈的，就是团队合作与个人名誉之间的矛盾。对此，张宏江非常豁然，毕竟，归根结底，大家都愿意加入最终能出成果的团队。赢的队伍里没有输家，况且团队合作也能出多个明星，就像当初在微软亚洲研究院一样。

文章插图
2007 年第 15 届 ACM 国际多媒体会议，张宏江（右二）等人的「Correlative multi-label video annotation」获得最佳论文奖，合作者 Guo-Jun Qi、华先胜、芮勇、唐金辉和梅涛，如今都已是国际知名教授和企业高管。来源：blog.kie.org
智源研究院的初衷，是以资助「人」为核心，「让北京市科委和海淀区政府将足够多的资源给到这些年轻科学家」，同时营造开放、自由和健康的环境，然后放手让他们去探究。
「我愿意将悟道 2.0 视为北京乃至中国人工智能发展的一座里程碑，它的成功表明，在中国同样有能够做出全球顶级研究的环境。」张宏江说。「欢迎大家加入智源，」他补充道：「不能加入的，可以先合作起来。」
用「大模型+大算力」把深度学习的瓶颈撑开
目前，由深度学习催生的这一波 AI 发展在理论上已经遇到瓶颈，但工程上却大有可为。张宏江表示，悟道团队在做的，就是用「大模型+大算力」不断把深度学习的瓶颈撑开，让更多工程上马，更多技术落地。
在这种不断撑开的过程中，会出现许多有待解决的理论问题，以及工程上的优化，而这将为学术界和产业界都创造更多施展的空间。