猎云注：眼下，人类正在经历一场计算机取代人类的变革。人工智能对人类生活产生越来越重要的影响，人脸识别、智能算法、大数据等应用在各行各业中，关于人工智能善恶论的辩论声音也一直未停止。然而就行业趋势来看，类人AI有趣，但突破仍需40年。文章来自微信公众号：创新工场chuangxin2009。
今天下午，创新工场来了一位贵客。
当他走进创新工场的大门时，门口的人脸识别机器瞬间就辨认出了他——约翰·霍普克洛夫特（John Hopcroft），享誉世界的计算机专家，图灵奖得主。这已经是他第二次走进工场了。
John生于1939年，在西雅图大学获得学士学位后，进入斯坦福大学研究生院深造，随后在普林斯顿大学、康奈尔大学等高校和研究机构工作。
1986年，由于在算法及数据结构设计和分析方面的成就，John被授予图灵奖，该奖项被誉为计算机界的诺贝尔奖。
由于贡献杰出，1992年到1998年，他被美国总统布什任命为监督国家科学基金会的委员会成员。
John对这一代的计算机科学家影响颇深，创新工场董事长李开复在学生时期就阅读了他的著作，让他在随后37年的AI研究生涯中，受益良多。
John来到工场后，与人工智能工程院以及DeeCamp训练营的同学进行了饶有兴致的对谈。他分享了自己在教育、技术、科技发展等方面的看法，并在互动中碰撞出不少有趣味的观点。
以下是问答实录。由创新工场（微信ID：chuangxin2009）整理发布。转载请联系场工（微信：1023396007）。
世界将只需要25%的人口
这场变革会对社会产生多么重要的影响？
举例来说，当我走进创新工场大门的时候，大家都对我打招呼，因为摄像头已经通过脸部识别认出了我的身份。当我走进一家商店，计算机甚至能够判断我会对什么商品感兴趣。如果我给一家公司打电话，我甚至无法判断对话的是真实的人还是电脑。
以美国的一些数据为例。美国有350万卡车司机，以及550万货物装载工人，这些职业都将面临消失。
在生鲜商店，大部分商品都带有条形码，只要把商品放进篮子，就可以用信用卡结账，收银员变得可有可无。
如果这样下去，或许只要25%的人就能生产满足我们所需的所有物品。
但如果75%的人口将不再从事生产，那就会成为严重的不稳定因素，要如何引导他们做有意义的活动呢？这是一个严峻的挑战。据我所知，有一些国家已经意识到了这一点，开始考虑如何安置可能失业的人口。
但我相信，科技的发展带来的是更为美好的未来。我小时候还有电梯员这样的职位，随着电梯的进化，这一岗位已经消失了。这是发展的规律。
行业趋势：类人AI有趣，但突破仍需40年
Q：中国虽然重视教育，却鲜有诺贝尔奖获得者。针对这一点，中美教育有何不同，您对中国学生有什么建议？
John：我来中国的主要目的就是希望帮助中国教育的发展。我认为，今天的中国有很多机会，能够推动高校的建设，并影响到千百万人的生活。
20年前，中国的大学生数量大约是600万人，目前已经上升到了2000万人。教职工的人数也从30万上涨到了100万。相当于每年新增50所规模在3万人的高校。
起初，高校关注的重点是数量扩张。但现在，目光已经逐步转向了质量。问题在于，高校希望通过数字来衡量质量，比如发表论文的数量或者是研究项目的数量。
这是因为，大学校长的任期通常是5年，亮眼的科研指标会为校长以后的发展提供更多机会，但这加重了青年教师的科研压力。
高校应该调整导向，加重对教学的考察。这一转变并不容易，不过目前已经意识到了问题所在，只是改变仍然需要循序渐进。
Q：目前，AI影响的主要还是计算机科学有关的专业，对其他专业的教育会有什么影响？
John：或许AI会对教育产生很大的影响，但是更多情况下，重要的并不是教育者的知识，而是教育者对学生的关怀。如果教师不再参与教育，那么教育也就失去了一个十分重要的因素。
我曾经总结，都有哪些科技发展对教育产生了深刻的影响。结果发现，尽管我小时候曾以为电视会改变教育，但实际上，真正产生了深远影响的只是黑板和印刷机构的出现。科技的进步无法替代人的作用。斯坦福也曾经进行过相关研究，发现当有人陪伴时，学生能从观看视频中获取更多知识。
虽然有十分有趣的类人AI想法，但出现依旧需要时间。目前的AI浪潮只有短短几十年时间，深度学习技术还称不上“智能”，只能识别物体的外在，而非背后的机能，远远达不到人类的智能水平。所以我想，所谓的变革可能起码还要四十年左右的时间才会发生。
Q：未来一段时间内，AI研究的哪个发展方向将是较为重要的？
John：目前，深度学习领域的AI研究已经取得了许多成果。就我个人来讲，我比较感兴趣的新话题在于，深度学习的作用机制到底是什么？
莱特兄弟在不清楚飞机作用机制的情况下发明了飞机，但后来的科学家发现了背后的原理。之前，我们的研究重点在于让程序运行，我想以后可以更多关注深度学习背后的原理。
个人发展：青年学者不要只盯着薪水
20世纪40年代末，美国将研究细分为了基础研究（basic research）以及应用研究（applied research）两类。划分的依据不在于学科和课题，而在于研究目的。如果是政府或者企业赞助的研究，会被认为是应用研究；相反，如果只是研究感到好奇的现象，就属于基础研究。在美国，应用研究多在国家或者企业级实验室中进行，讲究时效；而基础研究则在高校中进行。
如何取舍取决于你的意向。如果想要看到实际产品，希望得到各种资源支持，那就投身产业实践；如果你只是对某些方向感到好奇，在高校做基础研究可能更适合你。
Q：对于有意从事AI相关职业的研究生来说，进一步深造是必须的吗？
John：正如我前面所言，在美国，这取决于你的研究意向，你是想从事学术研究还是投入产品研发。就我个人而言，获得研究生学历以后投入工作，不一定逊色于继续进行博士学习。
Q：您对我们这些AI后辈有什么建议？
John：我经常告诫学生以及青年学者：如果你想要成功，就必须选择自己真正热爱的事业，而不仅仅是为了谋生。在康奈尔大学，我对求职的学生的建议是：不要只盯着薪水。
一周只有168个小时，抛弃吃饭、睡觉、工作的时间，其实只有15个小时能够用来做自己想做的事情。但是如果你的工作就是你的爱好，那么这段时间就延长到了55个小时。
