金榕：计算力和数据的增长是人工智能发展的必要条件。AI的发展还要感谢Hinton，LeCun, Bengio（编注：这三位被学术界誉为是人工智能、深度学习领域的三巨头、权威学者）等研究者的长期坚持。当然统计学也在发展，但由于深度学习的迅速发展，它们反而变得没有以前那么重要了。

除了统计学，对现在人工智能发展起到举足轻重作用的，神经网络的一些研究工作，也是在50年前进行的，但它被广泛应用是从2010年后开始的。在2010年前，许多上一代机器学习成果的确是基于统计学的，他们被归类于统计机器学习。但技术是持续进步的，近几年推动人工智能进入发展快车道的深度学习技术，并不能归因于统计学。

澎湃新闻：这一波的人工智能发展浪潮绕不开AlphaGo的出现，它的开发和统计学有直接关系吗？

金榕： AlphaGo使用了蒙特卡洛树搜索、神经网络、增强学习等方法，因为算法规模大，所以采用了分布式计算来实现。棋力更强的AlphaGo Zero没有使用人类数据，而是从自我博弈中学习。所以这更说明AI远比统计学来得广泛。所以推动这一波AI浪潮的正是神经网络的迅速发展，以及能够让大量数据发挥作用的算法和算力。

澎湃新闻：下一波大的AI技术跃迁，您觉得会有赖于哪些领域、学科的交叉研究成果？

金榕：我认为首先可能来自于AI芯片、量子计算这些全新的计算基础设施对算力的巨大提升上。此外还有神经科学的一些重要突破，可能将揭示大脑中神经元如何处理信息与做出决策的，这对人工智能的发展也有重要意义。

澎湃新闻：那么如果要跟大众普及人工智能概念的话，你会如何定义？

相关报道: