關於 類神經網路演算法英文 ，我們在網路上蒐集到這些相關的討論、資訊與評價

分享好文，中學生要學電腦嗎？
作者：創新工場CTO、人工智慧工程院執行院長 王詠剛

文章来自半轻人微信公众号（ban-qing-ren）
………………………………

朋友的孩子高中剛畢業，已拿到美國頂尖大學（非電腦專業）的錄取通知。疫情影響，不知何時才能去學校報到。孩子想抓緊學習一下程式設計，為大學打好基礎。這孩子找我聊了一個多小時，從如何學程式設計，聊到非電腦專業和電腦專業的路徑差異，又聊到如何從不同角度認識電腦與程式設計。聊得比較寬泛，不知是否對這孩子有用。

回想我自己的高中時代：那時雖迷戀程式設計，卻完全沒有懂行的人指導。在我們那個四線城市的廠礦中學裡，開設電腦興趣課的老師知道的資訊還沒我多。我高一時跑到北京中關村逛街，卻完全沒意識到中國第一代頂尖程式師當時就在我身邊的低矮辦公樓裡寫代碼（這話說得並不準確，比如求伯君那年就主要是在珠海做開發），鼎鼎大名的UCDOS、WPS、CCED就出自他們之手……我在當時街邊的一家書店（位置似乎就在今天的鼎好大廈對面）買到了許多種印刷品質極低劣的電腦圖書。用今天的標準看，那就是一批盜版影印或未授權翻譯的國外圖書。可那批書竟成了我高中時代最寶貴的程式設計知識來源。

顯然，我在高中時根本就是野路子學電腦。現在後悔也沒用，當時我的眼界或能觸及的資源就那麼多。如果能穿越回30年前，我該對喜歡程式設計的自己說些什麼呢？這些年，我與世界上最好的一批程式師合作過，也參與過世界上最有價值的軟體系統研發——我所積累的一些粗淺經驗裡，有哪些可以分享給一個愛程式設計的中學生？

【問題1】中學生要不要學電腦？

當然要！

每個中學生都要學。只不過——建議大部分中學生使用“休閒模式”，小部分（不超過10%）中學生使用“探險模式”。

啊？兩個模式？那我該進入哪個模式？⟹請跳轉至【問題2】

【問題2】選哪個模式？

你癡迷電腦嗎？比如，你玩遊戲時會特別想知道這遊戲背後的代碼是如何編寫的嗎？再比如，就算老師家長不同意你學電腦，甚至當著你的面把電腦砸了，你也要堅持學電腦嗎？如果是，恭喜你進入“探險模式”⟹請跳轉至【問題200】

你對數學有興趣嗎？比如，你看到街邊建築的曲線，就會在腦子裡琢磨曲線對應的函數或方程嗎？每當手裡攥著幾粒骰子，你就會不由自主地計算概率嗎？如果是，歡迎進入“探險模式”⟹請跳轉至【問題200】；當然，如果有些猶豫，也可以先進入“休閒模式”⟹請跳轉至【問題100】

即便你對電腦和數學興趣不大，家長、老師還是強烈建議你學電腦嗎？就算你一百個沒時間一千個不願意，家長、老師還是會逼著你學電腦嗎？如果是，建議你主動進入“休閒模式”並向家長、老師彙報說“我已經按照前谷歌資深軟體工程師的專業建議在認真學程式設計了”⟹請跳轉至【問題100】

其他情況，一律進入“休閒模式”。⟹請跳轉至【問題100】

【問題100】休閒模式 | 主要學什麼？

“休閒模式”將電腦視為我們生活、工作中的必備工具，主要學習如何聰明、高效、優雅地使用計算設備。這裡說的計算設備，包括所有形式的電腦、手機、遊戲機、智慧家電以及未來一定會進入生活的自動駕駛汽車。

什麼什麼？你已經會用電腦、會玩手機、會打遊戲了？別著急，慢慢往下看。

【問題101】休閒模式 | 我會用搜尋引擎嗎？

我知道你會用百度搜習題答案。但，習題答案不是知識。你會用搜尋引擎來搜索和梳理知識嗎？請試著用電腦和你喜歡的搜尋引擎來解決如下兩個問題：

（1）圓周率𝜋的計算方法有多少種？每種不同的計算方法分別是由什麼人在什麼時代提出的？借助電腦，今天人們可以將圓周率𝜋計算到小數點後多少位？將圓周率𝜋計算到小數點這麼多位元，一次大概需要花掉多少度電？

（2）全球大約有多少個廁所？在發展程度不同的國家，分別有多少比例的人可以享用安裝了抽水馬桶的衛生廁所？為什麼比爾·蓋茨曾大力推動一個設計新型馬桶的研發專案？比爾·蓋茨的公益組織在這個專案上大約花費了多少資金，最終收到了多大的效果？

如果你沒法快速得到上述問題的全部答案，那就給自己設一個小目標：一個月內，學會用搜尋引擎系統地獲取、梳理一組知識點的全部技巧。

【問題102】休閒模式 | 接下來學什麼？

建議學好典型的工具軟體。比如，我知道你會用Office了，但用Office和用Office是很不一樣的。對生活、學習、工作來說，學好、學透一個工具軟體比鑽研程式設計技巧更實用。

 你會用Excel來管理班級公益基金的預算和實際收支情況嗎？
 你會用Excel做出過去20年裡全球大學排名的演變趨勢圖嗎？
 你會用Word排版一篇中學生論文嗎？論文中的圖表和最後的參考文獻部分該如何排版？
 你會用Word編排一份班級刊物，包含封面、扉頁、目錄、插圖頁、附錄、封底等部分，可以在列印後直接裝訂成冊嗎？
 PowerPoint呢？你有沒有研究過蘋果公司發佈會上那些幻燈片的設計？當約伯斯（多年以前）或蒂姆·庫克站在幻燈片前的時候，他們的演講思路是如何與幻燈片完美結合的？

還有哦，別忘了學學如何為數碼照片做後期，如何用電腦或手機剪視頻，如何為剪輯好的視頻配字幕，如何將照片、音樂、視頻等素材結合起來，做出一段吸引人的快手/抖音短視頻。

最後，抽空玩玩那些設計精妙的遊戲吧，比如《紀念碑穀》、《塞爾達傳說：曠野之息》之類；同時，遠離那些滿屏廣告，或者一心騙你在遊戲裡充值花錢的垃圾。

【問題103】休閒模式 | 不學學知識嗎？

當然要學知識。下面每種實用的電腦知識都夠大家學一陣子了。

（1）色彩知識：你知道同一張數碼照片在不同品牌的手機螢幕上、不同的電腦螢幕上、不同的智慧電視上顯示時，為什麼經常有較大色差嗎？你知道有一些色彩只適合螢幕顯示，不適合列印輸出嗎？你知道軟體工具裡常用的RGB、HSL之類的色彩空間都是什麼意思嗎？如何在設計PowerPoint幻燈片時選擇一組和諧美觀的色彩？

（2）字體知識：你知道什麼是襯線字體，什麼是無襯線字體嗎？你知道網頁中常用的英文字體都有哪些嗎？你知道商務演講時最適用于幻燈片的英文字體有哪些嗎？你知道電腦和手機常用的黑體、宋體、仿宋體、楷體等中文字體分別適合哪些實際應用場合嗎？你會將不同字體混排成一個美觀的頁面嗎？

（3）網路知識：你知道5G是什麼嗎？你知道5G和4G在通信頻寬、通信距離上的具體區別嗎？你知道什麼是路由器，什麼是防火牆嗎？你知道如何配置路由器，如何配置防火牆嗎？微信或QQ聊天時，對方發的文字、語音或視頻是如何傳送到你的手機上的？

（4）應用知識：淘寶中搜索得到的商品資訊是從哪裡來的？商品是按什麼方式排序的？為什麼購物APP經常會推薦給你一些曾經買過、看過的商品？你知道如何為自己建立個人網站嗎？你知道如何管理微信公眾號嗎？

（5）安全知識：你知道網路上的釣魚攻擊是怎麼回事兒嗎？你知道什麼是電腦漏洞嗎？你知道駭客為什麼想把一大批受攻擊的電腦變成可以遠端操控的傀儡機嗎？你知道為什麼現在很多手機APP都要通過短信發送驗證碼嗎？如果驗證碼被壞人截獲，你會面臨哪些風險？

這裡只是舉例。實用的電腦知識還有很多。大家可以自己發掘。

【問題104】休閒模式 | 我需要學程式設計嗎？

可以學，但不是必須。即便學，也只需要根據自己的需要，學那些最能幫你解決現實問題的部分。

【問題105】休閒模式 | 我該學什麼程式設計語言？

在“休閒模式”裡，電腦就是工具，程式設計也是工具，夠用就好。學什麼程式設計語言，完全看你想要電腦幫你做什麼。

• 如果你想對資料處理有更多自主權，那不妨學學Python；
• 如果你想做簡單的交互演示程式，那就先把JavaScript學起來；
• 如果你想更好、更快地寫論文，那不妨學學LaTeX（什麼什麼，LaTeX不是程式設計語言？你太小看LaTeX了）；
• 如果你想學做簡單的手機APP，那麼，Android手機就學Java，蘋果手機就學Swift好了；
• 如果你只想知道程式設計是怎麼回事，那……從Python或JavaScript開始就行。其實，跟五六歲的小朋友一起學學Scratch圖形程式設計也不錯。

【問題106】休閒模式 | 我需要學人工智慧嗎？

在“休閒模式”裡，最需要學的不是“人工智慧的實現原理”，而是“什麼是人工智慧”，以及“人工智慧能做什麼，不能做什麼”。

• 在手機上試一試，人工智慧做語音辨識時能做到什麼水準？哪些話容易識別，哪些話不容易識別？
• 打開機器翻譯軟體，試一試哪些資訊翻譯得好，哪些資訊翻譯得不好？
• 手機上的拍照軟體一般都有人臉識別功能。試一試人臉識別在什麼場景下做得好，什麼場景下做得不好？
• 找一部講人工智慧的科幻電影，用自己的判斷解讀一下，電影裡哪些技術有可能成為現實，哪些技術存在邏輯矛盾。

【問題107】休閒模式 | 推薦什麼參考書、參考文獻？

書不重要，豆瓣評分7分以上的電腦應用、程式設計甚至科普類圖書都可以拿來翻翻。

直接在知乎裡搜索你想瞭解或學習的知識點可能更有效率。

如果你意猶未盡，覺得自己剛活動開筋骨，還想挑戰更高層次，歡迎進入“探險模式”。⟹請跳轉至【問題200】

否則，“休閒模式”到此結束。⟹請離開此問答

【問題200】探險模式 | 主要學什麼？

“探險模式”需要有挑戰精神。電腦科學的世界技術演進快，脈絡複雜，要想在探索時不迷路，你得通過有順序、有系統地學習電腦知識，慢慢構建出一張可以在未來幫你走得更遠的思維地圖來。

在“探險模式”裡，電腦就不止是一件能快速計算的工具了。電腦更像是我們大腦的一種延伸。這既包括認知能力的延伸，也包括認知邏輯的延伸。隨著學習深入，大家會逐漸體會到電腦所具有的多維度能力：

 電腦是一種可以表示不同類型資訊（數、符號、文字、語音、圖像、視頻、虛擬空間、抽象邏輯）的“資訊管理機”；
 同時，電腦也是一種可以連續執行指令以完成特定的資訊處理任務的“指令處理機”；
 同時，電腦還是一種可以在知識與邏輯層面完成特定推理任務的“知識推理機”；
 同時，電腦也是一種可以從人類給定的資料或自我生成的資料中總結規律，建立模型，自主完成某些決策的“智慧學習機”。

“探險模式”的目標就是盡可能準確地認識電腦，掌握有關電腦運行的最基本規律。有了這些基礎。未來在大學期間或工作中，你就能更容易地設計電腦軟硬體系統，或是設計出碳基大腦（人類）與矽基大腦（機器智慧）之間的最佳協作方案。

【問題201】探險模式 | 我的英語水準足夠嗎？

蘋果每年秋季的新品發佈會，不加字幕的話，你能聽懂多少？

 能聽懂大部分：建議在學習電腦的過程中，盡可能使用英文教材、英文文檔。
 能聽懂小部分：建議將原來準備學電腦的時間，分出一部分來學英語。
 只能聽懂“你好”“再見”之類：⟹請離開此問答。然後，把原來準備學電腦的時間用於學英語，六個月後再回來。

【問題202】探險模式 | 我的數學水準足夠嗎？

 如果你是數學和數學應用小能手——較複雜的數學問題總能快速找到核心思路，或快速簡化為簡單問題；很容易就能將抽象概念映射到具體的數學圖形，或將數學問題與相應的現實問題關聯在一起：請繼續探險之旅。
 如果你應付正常數學課程感到吃力：建議將原來準備學電腦的時間，分出一部分來學數學。
 如果你還搞不清楚什麼是方程、函數、集合、概率……：⟹請離開此問答。然後，把原來準備學電腦的時間用於學數學，六個月後再回來。

【問題203】探險模式 | 為什麼強調英語和數學？

（1）統計上說，最好的電腦參考資料大都是英文寫的，最好的電腦課程大都是用英文講的，最新的電腦論文大都是用英文發表的。

（2）函數、方程、坐標系、標量、向量、排列組合、概率這些中學數學裡會初步學習到的數學知識，是電腦科學的基礎。

【問題204】探險模式 | 電腦知識那麼多，正確的學習順序是什麼？

最重要的順序有兩個。建議先從順序一開始，學有餘力時兼顧兩個順序。

順序一：自底向上，即，自底層原理向上層應用拓展的順序。

 電腦原理的基礎知識：
 為什麼每台電腦（包括手機）都有CPU、記憶體和外部設備？
 （馮·諾依曼體系結構的）記憶體中為什麼既可以存儲資料，也可以存儲指令？
 CPU是如何完成一次加法運算的？
 程式設計語言的基礎知識：
 資料類型，值，變數，作用域……
 語句，流程控制語句……
 過程、方法或函數，類，模組，程式，服務……
 編譯系統的基本概念：
 電腦程式是如何被解釋或編譯成目標代碼的？
 演算法和資料結構的基礎知識：
 陣列，向量，鏈表，堆，棧，二叉樹，樹和圖……
 遞迴演算法，排序演算法，二叉樹搜索演算法，圖搜索演算法……
 應用層的基礎知識：
 為什麼電腦需要作業系統？設備驅動程式是做什麼的？
 網路通信的基本原理是什麼？流覽器是怎麼找到並顯示一個網頁的？
 資料庫是做什麼用的？
 虛擬機器是怎麼回事？
 人工智慧系統的基礎知識：
 先熟悉些線性代數、概率和數學優化的基礎知識。
 什麼是機器學習？從簡單的線性回歸中體會機器學習的基本概念、基本思路。
 什麼是神經網路？什麼是深度神經網路？為什麼神經網路可以完成機器學習任務？
 如何使用PyTorch或TensorFlow實現簡單的深度學習功能？

順序二：自頂向下，即，自頂層抽象邏輯向下層具體邏輯拓展的順序。

• 電腦的本質是什麼？
• 什麼是圖靈機？什麼是通用圖靈機？
• 什麼是讀取﹣求值﹣輸出迴圈（Read–eval–print Loop，REPL）？
 如何用自頂向下的方式理解（解析、解釋、編譯）一段程式碼？
• 靜態語言和動態語言的區別？
 如何理解變數與資料類型之間的綁定關係？
• 什麼是函數式程式設計？
 程式設計語言中，函數的本質是什麼？
 函數為什麼可以像一個值一樣被表示、存儲、傳遞和處理？

• 什麼是物件導向？
 類的本質是什麼？
 如何用物件導向的方式定義個功能介面？
 如何依據介面實現具體功能？
• 什麼是事件驅動？
 什麼是事件？事件如何分發到接收者？
 如何在事件驅動的環境中理解代碼的狀態和執行順序？

【問題205】探險模式 | 如何提高程式設計水準？

在掌握基本知識體系的基礎上，學好程式設計只有一條路：多程式設計，多參加程式設計比賽，多做程式設計題，多做實驗項目，多找實習機會——其中，能參與真實專案是最有價值的。

【問題206】探險模式 | 該從哪一門程式設計語言學起？

 我個人推薦的程式設計入門語言（可根據情況任選）：
 Python
 Java
 Swift
 C#
 JavaScript / TypeScript
 Ruby
 ……
 可能不適合入門，但適合後續深入學習的語言：
 C
 C++
 Go

 Objective-C
 組合語言
 機器語言（CPU指令集）
 Shell Script
 Lua
 Haskell
 OCaml
 R
 Julia
 Erlang
 MATLAB
 ……

【問題207】探險模式 | 如何選參考書和參考資料？

（1）強烈推薦的參考書和參考資料：

• MIT、Stanford、CMU、UC Berkeley這四所大學中任何一個電腦專業方向使用的教學參考書或參考資料。網上可以查到這些學校電腦專業方向的課程體系，有的學校甚至公開了課程視頻。其中往往會列舉參考書和參考資料連結。
• 維琪百科（英文）上的數學、電腦科學相關條目。
• Github上star數在1000以上的開原始程式碼和開來源文件。

（2）強烈推薦但須小心辨別的參考資料：

 知乎上的數學、電腦科學相關條目。使用時需要格外注意三件事：
 儘量只看高贊答案或高贊文章；
 辨別並避開廣告軟文；
 辨別並避開純抖機靈的故事或段子。
 Stack Overflow上的程式設計問題解答：
 自己動手實驗，辨別解答是否有效。
 CSDN上的程式設計問題解答：
 自己動手實驗，辨別解答是否有效。

（3）其他推薦的參考書和參考資料：

 國內專業作者寫作的專業技術書籍（豆瓣評分7分以上的）。
 大廠（Google、Facebook、Microsoft、Amazon、阿裡、騰訊、百度、頭條等）資深工程師的技術公號、專欄、博客等。

 著名圖書系列：如O’Reilly的動物封面的系列圖書（請注意最新版本和時效性）。
 國內翻譯的著名技術圖書（譯本在豆瓣評分7分以上的）。

（4）儘量避免的參考書和參考資料：

• 已經過時的圖書或參考資料。
• 作者或譯者人數比章節數還多的專業圖書。
• 百度百科上的數學或電腦科學相關資料。

什麼什麼？你這篇問答居然沒有推薦一本具體的圖書？是，沒錯。如果你覺得即便有了上面的線索，自己還是找不到好書好資料，那也許你還是適合“休閒模式”⟹請跳轉至【問題100】

分享亞勤的精彩演講。這是他上周在哥倫比亞大學工學院2020畢業典禮演講。他稱為是絕對是最大的“熵”的一屆畢業生。

本文來自人工智能學家微信公眾號
……………………………………

張亞勤2020寄語哥倫比亞大學畢業生：引領未知時代

2020年5月18日，人工智慧和數位視訊的世界級科學家和企業家，美國藝術與科學院院士、百度前總裁、清華大學智慧科學講席教授張亞勤博士，在哥倫比亞大學工程學院的畢業典禮上發表了主題演講。

張亞勤說:“面對全球疫情，技術成為最關鍵的變革力量，高速網路、軟體和人工智慧等基礎技術塑造我們生活、學習、工作和娛樂方式。”他提到：“隨著世界進入一個充滿挑戰和不確定性的新階段，年輕工程師迎來了回應歷史使命的決定性時刻，不僅要以技術創新，還要以同理心、勇氣和人文主義精神來迎接使命。”

哥倫比亞大學工程學院院長瑪麗·博伊斯(MaryC. Boyce)表示:“我們很高興能請到張亞勤博士(Dr.Ya-Qin Zhang)給我們的畢業生做演講，以此來紀念這一重要的里程碑。”她談到：“我們的畢業生將進入一個變化的世界，他們也將成為時代變化的締造者。學生們將受益張亞勤博士的觀點，其非凡職業道路也將鼓舞學生們。”（引用哥倫比亞大學新聞報導）

以下為百度前總裁、清華大學智慧科學講席教授張亞勤在2020年哥倫比亞大學工程學院畢業典禮上的致辭全文：

尊敬的Bollinger校長, Boyce院長，家長們，同學們，大家好。
我很榮幸能夠在這個非常時期，以特殊的形式出席這次特別的典禮。首先，恭喜2020屆畢業生，對你們取得的傑出成就表示衷心祝賀。你們做到了！

我也是一名哥倫比亞大學的學生家長。我的兒子現在哥大工學院二年級學生，我女兒是哥大商學院2020屆的畢業生。我想與所有家長分享這份難以言表的喜悅和驕傲，我們都做到了！

這無疑是我們有生記憶以來最具挑戰性和不確定性的一個時期。

我們不僅看到了科技創新的極速進步和第四次工業革命的巨大力量，人工智慧、納米技術、量子電腦和5G通信等等技術不斷突破。

我們還目睹了百年一遇的流行疾病在全球範圍內帶來的突發性破壞和災難性影響，對我們的社會基礎、經濟結構和生活方式帶來挑戰。

對於那些學習過熱力學第二定律的人來說，“熵”這個術語一定不陌生，它表示動態系統中的混沌程度(Chaos)。資訊理論的創始者Claud Shannon將這一概念擴展到了資訊的不確定性和隨機性。可以說，2020屆畢業生是被賦予“熵”值最高的一屆。未來的不可預測和混沌程度都是前所未有的。對你們如此，對我們所有人也是如此。

與你們的交流令我回想起我的學生時代和年輕時的工程師工作經歷。1990年畢業後，我的第一份工作是開發演算法，壓縮圖像和視頻，完成遠端傳輸，對國際標準MPEG和H.26x做出一點小貢獻：MPEG和H.26x也是如今Netflix、YouTube、Skype和Zoom等流行視頻應用程式的重要基礎。在過去的三十年裡，我有幸一直在激動人心的創新技術中徜徉， HDTV、自動駕駛、人工智慧和雲計算等等。在這一路走來，收穫的不僅是無窮的樂趣，也有超凡的艱辛。我想跟同學們分享我的三個體會：

1）在數據爆炸和不斷變化的世界中，成為具備強適應能力的學習者。在瞬息萬變的技術行業中，五年前學到的知識大多已無用處。你們在哥倫比亞大學中學習到最有價值的是學習新知的能力，是從繁雜噪音中分別信號的能力，是從眾多數據中提取“熵”的能力。我有一個行之有效的習慣，每天早上花10分鐘，找出對我而言最新的發現或最重要的3件事情，當天來學習。

2) 要擁有獨特的觀點和視角。當你們進入現實世界，會自然而然的開始被“打磨”，去遵循已有的趨勢，融入他人。我懇請你們保持自己的尖銳、棱角和與眾不同。當我與年輕工程師面聊時，我期待他們的觀點、他們的“熵”、他們鮮活的想法，這些遠比圓滑、打磨、“正確”要重要得多。

3) 無論做什麼事情，要秉承道德和人性。兩千多年前，偉大的希臘思想家蘇格拉底將道德作為追求真理的靈魂。大約同一時期，偉大的中國哲學家孔子把人性的“仁義”作為社會結構的基礎。在截然不同的文化下，兩位偉大思想家所見略同，並非巧合。今天，當我們面臨更多選擇、迷茫和誘惑時，這一點就變得更加重要。技術是中立的，但創新者是有使命的。技術是工具，但技術人員是為人類服務的。院長Mary Boyce對哥倫比亞工學院提出的願景“技術以人為本”是工程學的核心，也是我們工程師和技術人員的宗旨。

年輕的朋友們，對你們而言，這是一個決定性的時刻，請盡情的用你們的才華、激情和創新，更用你們的同理心，勇氣和人性，去展現，去閃耀，回應使命的召喚！

再次恭喜你們，2020屆畢業生！

以下是哥倫比亞大學對張亞勤作為畢業生典禮發言人的報導和過往成就的介紹
https://engineering.columbia.edu/news/class-day-2020-ya-qin-zhang

人工智慧和數位視訊的世界級科學家和企業家，百度前總裁張亞勤於2020年5月18日，在哥倫比亞大學工程學院的畢業典禮上發表主題演講。因為疫情的緣故，演講和畢業典禮將採取提前錄製形式，發送給全球的畢業生及其家人。

百度作為科技巨頭，向全球超過20億人提供包括移動互聯網和雲計算等服務，張亞勤曾負責智慧駕駛、雲計算、新興業務和公司的技術部門。是一位廣受讚譽的科學家和技術專家和創新領導者。他是聯合國、世界經濟論壇和許多公共論壇的領導人和發言人，積極討論新技術對社會變革性的影響以及如何縮小數位鴻溝。2018年，他帶領百度成為第一家加入國際人工智慧道德組織AI (PAI)的中國公司，目前也是全球最大自動駕駛開源平臺Apollo理事會的主席。

張亞勤說:“面對全球疫情，技術成為最關鍵的變革力量，高速網路、軟體和人工智慧等基礎技術塑造我們生活、學習、工作和娛樂方式。”他提到：“隨著世界進入一個充滿挑戰和不確定性的新階段，年輕工程師迎來了回應歷史使命的決定性時刻，不僅要以技術創新，還要以同理心、勇氣和人文主義精神來迎接使命。”

加入百度之前，張亞勤擔任了16年Microsoft的高管，任公司全球資深副總裁和微軟亞州研究院院長。2011年，他在中國創立了微軟風險投資加速器(Microsoft VentureAccelerator)。作為中國最有活力的創業引擎之一，該加速器已經幫助孵化了200多家公司。

張亞勤將在7月加入清華大學，擔任AI科學講席教授，並創立智慧產業研究院（AIR），將專注於第四次工業革命中的技術，包括自動駕駛，人工智慧、物聯網以及神經網路計算。

哥倫比亞大學工程學院院長瑪麗·博伊斯(MaryC. Boyce)表示:“我們很高興能請到張亞勤博士(Dr.Ya-Qin Zhang)給我們的畢業生做演講，以此來紀念這一重要的里程碑。”她談到：“在這個非凡的時代，沒有人能夠更好地講述技術在我們生活中扮演的角色，來描述技術在創造一個更緊密、更安全、更有創造力的人類社會中的潛力。無論工作還是社交，我們比以往任何時候都更加依賴技術來保持聯繫，我們的畢業生將進入一個變化的世界，他們也將成為時代變化的締造者。學生們將受益張亞勤博士的觀點，其非凡職業道路也將鼓舞學生們。”

張亞勤在12歲進入中國科技大學少年班，並獲得電氣工程學士和碩士學位。之後前往美國獲得喬治華盛頓大學的理學博士學位。他畢業于哈佛大學高管商業課程，在職業生涯的早期，曾擔任新澤西州普林斯頓（現為SRI）的Sarnoff Corp多媒體實驗室總監，還曾是GTE Labs（現為Verizon）的高級技術人員。

張亞勤是美國藝術與科學院院士和澳大利亞國家工程院院士。

1997年，年僅31歲的他，成為有史以來最年輕的科學家，被任命為IEEE會士。他撰寫了550多篇論文、12本書，並獲得了62項美國專利，為視頻編碼、流媒體、互聯網服務等領域的演算法和理論制定了全球標準。被IT時報、CNBC、《商業週刊》和全球商務評為亞洲十大CEO、年度CEO、50位全球傑出人物和十大創新者。

張亞勤博士是哥倫比亞工學院2022屆學生和2020屆商學院畢業生的家長，他同時還是哥倫比亞工學院訪問委員會的成員，也是哥倫比亞商學院的高級學者。

張亞勤哥倫比亞大學畢業典禮演講英文原文：

Leading in times ofuncertainty
President Bollinger, Dean Boyce, Parentsand Students:
I am honored to be here at this veryspecial occasion, at a very special time, in the most special form. First, abig congratulation to the class of 2020 for your remarkable accomplishments. Youmade it!
I am also a proud parent of Columbia.My son is a rising junior at the engineering school, and my daughter is also aclass 2020 for the business school. I share the immense joy and incrediblepride with all the parents, we all made it too!
This is undoubtedly the mostchallenging and uncertain time in our living memory.
We see the staggering pace ofinnovation and the transformative power of the fourth industrial revolution,with technology breakthroughs such as artificial intelligence, nano-technology,quantum computing, and 5G advanced communications.
We also see the sudden disruption andcatastrophic impact of the once-in-a-century pandemic at a global scale thatchallenges the very foundation of our social fabric, economic structure, andlife style.
For those of you who have learned the 2ndlaw of thermodynamics, you know the term “entropy”, which represents degree of chaosin a dynamic system. Claud Shannon, the founding father of information theory,extended this notion to measure information uncertainty and randomness. It’s fair to say that the Class of 2020 is the one that is “given” the highest entropy. The level ofunpredictability and chaos is unprecedented for you -- and for all of us.
Talking with you reminds me of my earlyyears as a student and young engineer. My first job after graduation in 1990was developing algorithms to compress imagery and video for remote transmission,essentially to extract the maximum entropy. The work eventuallycontributed in a small way to a set of international standards known as MPEGand H.26x, the base for today’s popular video applications used in Netflix, YouTube, Skype andZoom. Over last three decades, I had the distinct opportunity to work on someof the most exciting technologies such as HDTV, autonomous driving, AI, and cloudcomputing. I have had the wildest ride with not only a great deal of fun, butalso extraordinary hardship along the way. Let me share with you three of mypersonal learnings:
1) Be an adaptive learner in the world of dataexplosion and constant change. In today’s fast changing technology industry, most of what you learned fiveyears ago is irrelevant. The most valuable skill you’vegained at Columbia is the ability to learn new things, to discern the signalfrom the noise, and to extract entropy from the ocean of data. One routine Ifind particularly helpful is to commit just 10 minutes each morning and prioritize3 things – anything new and important to me – to learn that day.
2) Have a unique point of view and perspective. When you get into the realworld, there is a natural tendency to become “polished”, to follow existing trends, and toblend in with the rest.
I ASK you tomaintain your sharpness, your edge, and your differences. When I interviewpeople, particularly young engineers, I look for their point of view, theirentropy, and their flash of ideas, which to me is far more important than beingsmooth, polished or “correct”.
3) Hold Ethics and humanity at theheart of what you do. Over 2000 years ago, the great Greek thinker Ｓock-ruh-tease put ethics as the soul forthe pursuit of truth. Around the same time, the great Chinese philosopher Confuciusplaced “Renyi”, whichessentially means humanity, as the foundation for social structure. It is nocoincidence that two of the greatest minds from vastly different cultures hadthe same idea. This has become even more critical today as we all face morechoices, confusion, and temptations. Technology is neutral, but innovatorshave purpose. Engineering is a tool, but engineers serve humanity. “Engineering for Humanity”, the vision set byDean Mary Boyce for Columbia engineering is the very core of engineering andwhat engineers are all about.
My youngfriends, this is the defining moment for you, for you to rise, to shine andanswer the historic call of duty, with not only your talent, spark andinnovations, but also compassion, courage and humanity.
Congratulations again, Class 2020 !

來自創新工場微信公眾號
…………………………………………

CBS權威新聞欄目60分鐘「AI諭言」，許多人對AI有著錯誤的理解

雖說技術無國界，但各地人們對技術的認知卻往往存在一個隱形的結界。

就像提起時下最火熱的人工智慧技術，可能絕大多數美國人都不會想到在中國這片土地上，人工智慧正以難以想像的勢頭飛速發展。

去年 9 月底，李開復的新書《AI新世界》的英文版《AI Superpowers》正式出版，隨後迅速登上《紐約時報》、《華爾街日報》、《今日美國報》三大指標性排行榜，亞馬遜網路書店還曾一度缺書。一時間，美國引發中國 AI 旋風，借此機會，美國人開始真正瞭解、關注中國 AI。

與此同時，美國 CBS 新聞台「60 Minutes」欄目組在2018年兩度來到中國，走進創新工場和工場的項目公司，王牌主持人 Scott Pelley 跟隨開複老師的腳步深度報導中國 AI 現狀，並在美國引發激烈反響和好評

▌中國是投資人工智慧最好的地方

1988 年，李開復獲得卡內基梅隆大學電腦博士學位，兩年後他加入蘋果公司，開啟了前沿技術研發與產業探索的道路。

在科技第一線沉浸多年的李開復眼中，人工智慧將會帶來人類歷史上的最大改變，這種改變之大甚于電力的發明，而中國是投資人工智慧最好的地方。

據 CB Insights 資料顯示，2017 年全球共用 152 億美元資金流向 AI 初創企業，其中中國的 AI 創業者獲得了 73 億美元投資，占比為 48%，超越了美國的 38％。

2009 年，李開復創立技術投資公司創新工場，至今已投資了近 50 家 AI 創業公司，投資公司中已經有 10 家估值達到十億美元級別化身為行業獨角獸，也有百億美元級別的公司。

Face++曠視科技就是創新工場投出的 AI 獨角獸之一，公司研發的識別系統可以識別街上所有移動物體的外貌特徵，包括性別、年齡、服飾等。

構建這樣的人工智慧系統離不開三大要素:演算法、算力與資料。

「過去，我可能會寫程式去測量眼鏡、鼻子的大小，臉的形狀，如果這些資料符合要求那就可以確定這兩個人就是 Larry 和 John。但是在今天，你只需要把所有 Larry 和 John 的照片輸入給系統，系統就可以自己處理，分辨到底誰是 Larry 誰是 John。」李開復解釋道。

人工智慧在中國還有一個非常價值的重要應用場景，就是教育。

「人工智慧系統可以説明創建個別的學生畫像，讓老師知道學生會在哪些地方發生困惑，就能針對不同學生出現的問題進行專門的解答。」李開復說道。

在四川省大風鄉，一班留守兒童們正在通過直播技術接受千里之外的英語老師的知識傳授，這也是創新工場投資兩個優秀的專案公司小魚易連、高思教育合作的雙師課堂解決方案。

李開復希望人工智慧技術可以讓這些孩子擁有和他年少從中國臺灣移居到美國時一樣的教育機會。

「我剛到田納西州那年，校長每天中午都會跟我一起吃飯、教我英語，這種關注是我在之前多年的學習生活中都不曾感受過的, 同時也被鼓勵獨立思考，擁有批判性思維，這對於我而言是一筆寶貴的財富。」他回憶道。

▌中國的優勢在於海量的資料

在新書《AI Superpowers》（中文版：《AI·新世界》）中，李開復曾提到「矽谷的壁壘並沒有想像中那麼高」，因為他認為，中國的人工智慧水準已經逐漸接近矽谷了，但矽谷似乎尚未意識到這一點。

「中國的優勢在於所採集到的海量資料，資料量越大，人工智慧水準就越高，這與『懂得越多越聰明』是一個道理。」他說道。

事實正是如此，中國擁有美國人口的 4 倍，人們習慣於通過手機和網路，完成生活中的所有事物。與此同時，中國政府也設定了花 10 年讓 AI 技術達到世界領先的目標。

當然，AI 為人類帶來利好的同時，也有不少 AI 威脅論的聲音，其中，AI 取代人類工作成為人們的最大隱憂之一。李開復也預測，15 年後全球將有 40% 的人類崗位將被自動化取代。

「某種程度上來說，人類在面對科技革新時總會有克服其不利影響的大智慧，比如當初的蒸汽機、縫紉機、電力的發明，它們也都取代了某些工作，我們也即將面臨相似的困境。人工智慧所帶來的挑戰其實在於，無論是未來 15 年還是 20 年，它取代那 40% 工作機會的速度會比之前的技術革命更快。」李開復解釋道。

儘管如此，但其實我們要清楚的重要一點是，現在大家口中提及的 AI 並非通用人工智慧。

「當我還在念本科時人們總是說，如果機器能自主駕駛一輛汽車那就是智慧化了。雖然這已經指日可待了，但還遠遠不夠，門檻在提高，我想這就是讓我們更努力工作的動力所在。但如果你說的是通用人工智慧，我敢斷言，在未來 30 年內都不會出現，甚至可能永遠都不會出現。因為我堅信，人類的靈魂是崇高獨特的，我們對自身還欠缺通透的理解，在神經網路和電腦演算法中有很多愛意和同理心是沒法解釋的。」他笑著說道，「目前而言，我不認為有解決之道。」