主张建设性对抗，支持风险性创新，鼓励探索性试错，这是英特尔中国研究院的创新文化。走在以数据为中心的创新之路上，英特尔中国研究院不断探索和实践，通过开放式创新和多元化的人才培养，奠定未来的创新基石。

沙龙嘉宾畅谈在开放式创新的大环境下如何推进多元化的人才培养

在英特尔中国研究院2018年媒体开放日上，一场聚焦“数据洪流中的开放式创新及多元化的人才培养”的主题沙龙展开思想碰撞。在英特尔中国研究院技术合作与战略总监王鹏博士的主持下，复旦大学计算机科学技术学院教授姜育刚，慧拓智能CEO、中山大学数据科学与计算机学院教授陈龙，北京邮电大学信息与通信工程学院教授张琳与英特尔中国研究院院长宋继强博士结合各自研究领域，分享了自己的观察与思考。

开放式创新推动前沿突破

人工智能、自动驾驶、5G、机器人……嘉宾们的研究方向涉及多个领域，并在沙龙上分享了各自领域的创新趋势。

慧拓智能CEO、中山大学数据科学与计算机学院教授陈龙在沙龙上进行精彩发言

陈龙教授的研究领域为无人驾驶，聚焦的应用场景为矿山开采。在他看来，有很多互联网公司、创业公司投身于无人驾驶领域，但是现在最重要的是解决无人驾驶的落地问题。他在研究过程中发现，如果只是在高校里做无人驾驶的研究，是做不过企业的，比如常见的现象就是学生被企业高薪挖走，因此便开始了产业化落地的道路。而在矿山开采这个领域，对无人驾驶存在“刚需”，一方面能够避免尘肺病、胃下垂等矿山里的职业病，另一方面又能解决矿车司机匮乏的突出问题。他表示，就无人驾驶目前的发展阶段而言，“一方面企业会走得更快，因为资本推动的原因；另一方面要找到应用领域去切入，把它做成实实在在的应用”。陈龙教授也专门提到了英国历史上的“红旗法案”1，溯古及今，无人驾驶将全面超越人的驾驶能力，而“好比现在人去赛马场骑马一样，未来可能有专门的赛车场供人来开车”。

复旦大学计算机科学技术学院教授姜育刚在沙龙上进行精彩发言

姜育刚教授主要从事图像和视频，特别是视频内容识别方面的研究，目前主要是基于深度学习的方法。人工智能在近几年的蓬勃发展，就是得益于深度学习的兴起，但他观察到，“这两年的进展并不是那么明显，已经有点缓慢，而且我们很少看到一些新的方法出来，大部分还是属于修修补补的东西，甚至有的人成为了只会调整模型和参数的‘码农’”。此外，姜育刚教授比较关注人工智能系统的安全问题。随着人工智能的普及和应用，安全问题至关重要，“就像操作系统会遭到病毒攻击，将来的AI系统我觉得也是这样。希望有更多的人关注，尤其是我们国内大力推广AI，但很多人不太注意安全的问题”。他也进一步谈到，“人工智能不是人的智能，它能够取代人做一些事，大部分情况下取代的都是我们不愿意做的事情”。

北京邮电大学信息与通信工程学院教授张琳在沙龙上进行精彩发言

张琳教授从事信息通讯领域的研究，着眼通讯和计算融合的形态，主要是智能网联驾驶和混合媒体等场景。他分享了对两个方面的观察：一是雷达感知，相比于目前常用的视频、图像处理，有助于更好地保护个人隐私，但技术本身的发展还存在很多挑战；二是人工智能将在移动通信领域一展拳脚，特别是对于信道的理解。张琳教授也着重谈到了人工智能与就业的关系，“人工智能如果要很有用，大家一定要想想哪些人会失业，人工智能一定不会抢另外一种机器的能力，一定是动人的饭碗或者人的位置”。他举例说，在语言翻译，以及在理工科比如公式的学习上，人工智能有着很大优势，“这也是我们理工科老师特别担心的事情，会不会再过十年，学生不用上大学，一个东西插进去，一觉醒来，脑子里什么都会了”。

英特尔中国研究院院长宋继强在沙龙上分享关于创新人才培养的洞察

宋继强院长分享了对人工智能人才与发展的洞察。他表示：“在人工智能领域，调整参数的前提是要数据科学家来配合。如果只会‘调参’，那可能是有问题的。但如果结合数据科学家的输入，构造合理的网络结构去综合使用AI的话，可能会更好。这将给学生和研究人员更好的思路。”他进一步表示，人工智能发展的前两波浪潮已经基本成型：第一波由符号学派主导，从感知、学习、抽象、推理四个维度讲，第一波人工智能的推理能力比较强，其他方面都比较弱；第二波人工智能由深度学习驱动，感知、学习能力比较强，其他方面比较弱。宋继强院长认为，要把人工智能真正落地，产生商业价值，人才和资金才能聚集，相关的研究才能继续。同时，这是一条长期的赛道，需要有人不断探索，去解决目前的短板问题。“一是用现有好的技术实现商业落地，让大家都看到商业上的价值；二是要有一波人才真正具备技术积累，有能力去突破。这两点都很重要。” 宋继强院长强调。

多元化的人才培养是创新之本

人才是创新的根本。在开放式创新的大环境下，如何推进多元化的人才培养？嘉宾们就此阐释了自己的看法。

“今年进行招生宣传的时候，我们对培养目标进行更新，定位为来大学重新学习ABC，A是人工智能，B是大数据，C是云计算。从信息通讯这种大的人才培养的角度来看，人工智能、大数据、云计算的确至关重要。”张琳教授说。他进一步表示，人才培养和就业是不同的两个朝向，“在培养当中，把他内心那种想干事的想法真正挖掘出来是最重要的”。同时他谈到，在人才培养过程中，比如论文的发表，现在提倡“可呈现性”，以及在科研工作中的开源共享，也是值得大家去坚持和践行的。

陈龙教授结合实际研究进展表示，从矿山开采到物流行业，再到整个开放场景，在无人驾驶领域的研究将逐步拓展。这不仅仅是技术本身的挑战，更考验着高校和企业对于这件事情的理解，“无人驾驶领域的人才空缺已经有点难以想象，基本上学生到达很皮毛的程度，就被有的公司抢走了，现在就是这样的状况”。

“将来，人工智能渗透到各个行业、各个领域，就像现在的专业，这个学科还在，但是每个学科都会用到，所以人工智能人才的培养肯定是跨学科的”，姜育刚教授表示。在他看来，跨学科分为两个层次：一是人工智能的教育和研究与基础学科结合，从而形成方法、理论上的突破；二是“AI+X”，从应用的角度出发，给各个领域和行业带来革新和突破。

产、学、研各界嘉宾齐聚英特尔中国研究院

宋继强院长体会深刻的，是英特尔中国研究院多学科的平台一起做事，并与来自学术界、产业界的伙伴推动开放式创新，这对人才培养非常重要，“跨学科的搭配是非常有帮助的，有助于形成T字型人才（横向：多通；纵向：一专），既在某个领域继续成长，又在不同的领域都有涉猎”，而英特尔中国研究院就拥有非常适合人才成长与创新的土壤。

“我们在研究院形成了很好的机制，希望有好的项目和团队，可以通过前期的实习或者加入我们一段时间的工作，体会到这样的平台对他是非常有帮助的”，宋继强院长最后表示。英特尔中国研究院拥有完整的垂直领域人才和行业资源，掌握了覆盖硬件、软件、算法及全面的跨学科整合能力，培养了大量具有全球化视野的高端科研创新人才，将充分结合英特尔核心优势和本土的人才与技术特色，与合作伙伴一起引领智能科技研发的潮流。

备注：

1、“红旗法案”： 19世纪，汽车在英国开始流行。1865年，英国议会通过了《机动车法案》，其中规定，每一辆在道路上行驶的机动车，必须至少由3个人驾驶，其中一人必须在车前50米以外步行作引导，还要用红旗不断摇动为机动车开道，并且速度不能超过每小时4英里（每小时6.4 公里）。该法案后被人嘲笑为“红旗法案”。该法案的出台，主要是作为既得利益集团的马车制造和运营商们精心运作的结果。