首页 最新 热门 推荐

  • 首页
  • 最新
  • 热门
  • 推荐

专访图灵奖得主John Hopcroft:中国必须提升本科教育水平,才能在AI领域赶上美国

  • 24-03-05 04:01
  • 3461
  • 7088
blog.csdn.net



记者 | 周翔


总有一些这样的人,他们不惧艰辛,奔赴万里,来到一个陌生的国度,为一群陌生人奉献余生。



1986 年,由于在算法及数据结构设计和分析方面的基础性研究成就,康奈尔大学计算机系教授 John Hopcroft 被授予图灵奖。

 

21 年后,John Hopcroft 受邀来到南昌大学,发表了主题为“Future Directions for Computer Science”演讲,翌年,John Hopcroft 成为北京理工大学的荣誉教授。

 

翻看 John Hopcroft 的个人简介,你会发现,自 2007 年以来,“China”  已经逐渐成为其个人履历中最常出现的词汇。

 

2011 年初,受到中华人民共和国外国专家局的邀请,John Hopcroft 开始投身于帮助中国高等院校计算机学科建设以及人才培养的相关工作,并先后成为重庆大学、上海交大、华中科技大学、吉林大学、苏州大学、北京大学、哈尔滨工业大学等多所国内知名高校的名誉教授。


而在这些中国大学中,与 Hopcroft 缘分最深的当属上海交大。2011 年 12 月中旬,刚刚结束了在康奈尔的授课,Hopcroft 便飞抵上海,为上海交大致远学院计算机科学方向学生讲授《信息时代的计算机科学理论》课程。自此之后,他每年冬季学期为致远学生讲授《信息时代的计算机科学理论》,夏季学期讲授《自动机理论》。此外,Hopcroft 目前唯一的博士生便是毕业于上海交大的 Yixuan Li。

 

就在近期的微软亚洲研究院与哈工大共同举办的第十九届“二十一世纪的计算”国际学术研讨会上,AI科技大本营有幸采访到了这位将近耄耋之年的老教授。在采访过程中,这位教授言辞恳切,直指中国教育的弊病,值得我们警醒。

 

以下是采访实录,AI科技大本营整理:



中国教育的最大问题

 

AI科技大本营:当初为什么会来中国开设 CS 课程?

 

John Hopcroft:在职业生涯早期,一个人可能只想建立个人的职业声誉。但是随着年龄的增长,你会想做一些能够让更多人变好的事情,而到中国授课这样的机会可能是人生中绝无仅有的。


如果你帮助中国改变教育系统,那么这将会让几千万学生受益,也会让数百万的个体受益,进而提升经济和人们的生活水平。而我也希望能够做一些事情,让这个世界更美好一点。


AI科技大本营:和您当初来到中国相比,中国教育有哪些变化?


John Hopcroft:变化不大。但是我相信,未来几年将发生很大的变化。中国政府知道需要改变,他们并不需要外国专家来告诉他们,中国教育到底哪里出了问题,因为他们已经知道,而且比外国专家知道的多得多,但是他们需要帮助来改变现状,因为这很大程度是文化的原因。


AI科技大本营:您觉得中国的 CS 教育目前最大的问题在哪?


John Hopcroft:首先是文化问题,也就是人们评判成功的客观标准。大学校长以及一些政府雇员,他们的任期往往是五年一轮,然后他们会想要升职,这无可厚非,那么他们可能就会在初级教员上施加压力,让他们争取更多的研究资金,并发表更多的论文。


但是问题在于,研究基金和发表论文实际上和大学机构的关系并不是很大,他们的任务在于培养下一代人才。而那些初级教员背负了太多申请研究资金和发表论文的压力,以至于没有时间放在教育和学生身上。但是我认为中国政府正在致力于改善这一现象,开始用大学生的质量作为评价大学机构的标准。


AI科技大本营:您觉得在线教育(MOOC)会是未来吗?有哪些缺点?

 

John Hopcroft:教育学家认为,一个好老师最重要的特质就是关心学生能否成功,但是 MOOC 却让这种师生关系丢失了,我认为 MOOC 最主要的作用还是将信息传递给大众。

 

其次,很多行业的从业者每隔 5 年左右就要进行 2 周的培训,以延长从业证书的有效期,因此 MOOC 在培训领域非常有用,但并不是在教育领域。



给中国学生和老师的建议


AI科技大本营:您觉得中国学生最需要注意的是什么?


John Hopcroft: 首先,目前的中国教育系统,比如在基础教育阶段,都是以通过考试进入好大学为目标的。学生们每天上课的时间很长,而且放学后还有家庭作业,因此学生基本上所有时间都专注在“学习”上。


在我上学的时候,每天早上 9 点上学,下午 3 点放学,而且没有家庭作业,我可以在课后时间做我想做的任何事。实际上,很多教育其实是发生在课堂以外的,比如和其他学生交流,探索世界等等。


亚洲学生解决问题的能力往往不是那么好,他们需要挖掘更多的创造力。中国需要减少基础教育阶段的家庭作业,将更多的时间花在真正的教育上。


AI科技大本营问:您觉得中国老师最需要注意的是什么?


John Hopcroft:我们要意识到,中国的整体生活水平还不够高,人们的大部分时间都花在“living”上。通常学生的父母双方都需要工作,他们需要将时间花在赚钱上。但是我相信,一旦中国的生活水平提高了,那时候老师和家长可能就会专注在学生教育的成功上。此外,老师和家长不应该告诉学生他们应该去做什么,而是让学生发现自己的兴趣所在。


我之前跟一个中国学生交流,他的指导老师创办了一家创业公司,这位老师既是学生的老师,也是学生的老板,而这在美国是决不允许的,因为这涉及到利益冲突。比如当这名学生去咨询老师问题的时候,那么后者给出的回答可能是以公司利益而不是学生利益为先。


我为什么会走上学术的道路?其实就是受到小学和中学老师的影响。我也希望将这种影响传递给下一代人才。我相信,随着生活水平的提升,中国将会逐渐改变。


AI科技大本营:对于其他领域想转行 CS 的学生,您有什么建议吗?(需要哪些编程基础和数学基础)


John Hopcroft:在我看来,未来 CS 将会影响每一个学科。但是,生物专业的学习 CS 要比 CS 专业的学习生物更加容易。


AI科技大本营:您觉得年龄对 CSer 的事业有影响吗?


John Hopcroft:作为一个程序员,刚开始的时候可能很兴奋,但是说实话,写了 20 年代码之后,肯定会厌倦,因此我认为是有影响的。但是我们正在让越来越多的工作自动化,未来需要人力完成的工作将会越来越少,或许未来人们 25 岁才开始工作,45 岁就可以退休,而且社会生产依然能够满足所有人的需求。



成功的秘诀


AI科技大本营:在这几十年中,CS 最大的变革是什么?


John Hopcroft:有这样几件事情:


首先,我们正在进入信息时代,在工业革命时代,我们让机械任务自动化,如今我们正在智能任务自动化,比如驾驶汽车、语言翻译等等,其中部分原因就是大量可用数据的出现,特别是近几年以来,这样我们就可以利用这些数据来训练计算机去做以前不能做的事情。


此外,在过去的 40 年中,计算机科学一直在研究如何让计算机更有用,如今则更加专注于计算机能用来做什么,因此计算机科学开始在应用领域发挥作用。计算机科学家开始与其他领域的研究人员相互交流,这也是 CS 领域里非常大的一个变化。


AI科技大本营:您目前的研究方向以及关注的重点是什么?


John Hopcroft:我目前的研究方向是深度学习,目前深度学习已经被应用于很多领域,而且效果很好,但是我们不知道深度学习为何效果这么好,而我个人的兴趣是研究深度学习的内部机制。


AI科技大本营:您是如何一直保持学习的动力的?


John Hopcroft:我一直有一颗好奇的心。当我对某件事感兴趣时,我就会跟进,我的职业生涯也因此受益颇多。这让我意识到,有些教育其实是发生在课堂之外的。


AI科技大本营:作为学者,如何找到适合自己的研究方向?


John Hopcroft:研究可以分为两种,一种是应用型研究,一种是基础型研究,但是重要的不是哪种研究更重要,而是你为什么要做这个研究。如果是应用型研究,那么可能是因为公司需要,如果是基础型研究,那么可能因为你自己感兴趣,而且这种研究并不一定要多么实用。这取决于你做那种研究,如果你选择做基础型研究,那么你只是想探索,当你发现了有趣的事情的时候,你就会跟进。


AI科技大本营:您觉得是什么原因促成了您今天的成就?


John Hopcroft:非常幸运,我出生在一个良好的家庭。我的父母非常恩爱,家庭稳定,但是他们都没有读过大学,因此他们希望我未来能够比他们过得更好,而且他们知道教育非常重要。而且,在我读小学和中学期间,有很多非常关心我的老师。我相信,与其他的小孩相比,我要幸运的多,机会也更多。


实际上,那些研究儿童早期教育的人发现,如果一个人越早干一件事情,那么对其一生的影响就越大,而且他们认为,小孩刚出生的前三年可能是最重要的。


为什么这很重要呢?因为不是每个人都是生而平等的。试想一下,一个小孩出生在稳定、富裕的中产阶级之家;另一个小孩出生在单亲家庭,母亲还是个瘾君子,成长环境复杂,我不认为这两个小孩未来有同样的成功概率。

 


AI 的局限和潜力

 

AI科技大本营:您觉得深度学习的局限性在哪?


John Hopcroft:首先,深度学习本质上是模式识别以及高维空间,在这一范围内,我们可以做一些特定的事情。比如,我们现在训练一个深度网络来识别自行车,做法就是看图片并比较两张图片,当你看到一辆自行车的时候,你会将它的功能信息提取出来,比如车位坐垫可以坐,可以骑着它回家等等,但深度学习的方法并不能将这种功能信息提取出来。因此我们还需要一次大的革命,来提取功能信息以及完成更复杂的事情。


AI科技大本营:如何看待 Elon Musk 等人的 AI 威胁论?未来 AI 会取代哪些工作?


John Hopcroft:我现在谈论的是未来 10 年会发生的事情,而他们谈论的是数百年后的事情。


在我小时候有一种工作叫“电梯服务员”,但是现在这种工作已经消失了,未来卡车司机、出租车司机、收银员等工作都将会消失。很明显,未来只需要少部分人就可以提供大众所需要的服务,因此我们需要重构社会。


需要指出的是,为一家公司工作这样的概念其实是最近的现象,只有 150 年的历史,在 150 年以前,世界上绝大部分人都是在家工作(自己为自己工作),然后进行货物交换,而公司直到近代才开始成为社会运转的支柱。因此,我们必须重构社会,让人们即使在不工作的情况下也能够有基本收入,目前德国政府正在考虑这个问题。不仅如此,他们还在考虑,当大多数人都不工作之后,要做些什么,如何参与到有意义的活动中去。因为当大众无所事事的时候,国家将会变得非常不稳定。



中国与美国在 AI 领域的差距

 

AI科技大本营:中国和美国在 AI 领域的最大差距是什么?


John Hopcroft:我认为美国对 AI 的研究更早。首先,很多(美国的)教员都在这个领域做自己感兴趣的研究,但是在中国,往往是高级教员对初级教员说,“让我们来解决这个问题”。我想中国首先需要修正教育体系里面存在的问题,然后中国将会在 AI 领域迅速赶上美国的水平。


目前中国缺少基础性研究,很多都是跟随美国做的东西,这一点是中国需要改变的地方。当中国还是发展中国家的时候,它可以先看看其他国家是怎么做的,然后 copy 过来。但是中国正在成为世界的领导者,那么就不能再跟随了,而是要领导,中国在未来的 5~10 年中将发生这种变化。


AI科技大本营问:中国要如何赶上美国?


John Hopcroft:主要问题还是处在教育上,中国必须改善大学教育中存在的问题。中国顶尖大学有很多 lead program,毫无疑问,他们培养出来了很多世界顶尖人才,但是这只是一小部分,剩下的绝大部分大学生呢?这才是问题所在。中国需要让那些平均水平的学生也能接受世界级水平的教育。

 

AI科技大本营问:中国应该怎样提升基础研究的水平?

 

John Hopcroft:中国想要提升基础研究的水平,有很多工作需要做,但是我觉得当务之急是提升本科教育的水平。为什么不是研究生教育,而是本科教育呢?在我看来,除非中国先改善本科教育,否则研究生教育不会改善,因为 lead program 出身的顶尖学生都去美国念PHD了。

 

如果你提升本科教育,那么就会培养出很多顶尖学生,而研究生的质量也会大大提高。因此我建议只专注一件事,那就是改善本科教育,而且不仅仅是针对那些优秀的学生,而是中国几千万的大学生。

注:本文转载自blog.csdn.net的AI科技大本营的文章"https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/78425891"。版权归原作者所有,此博客不拥有其著作权,亦不承担相应法律责任。如有侵权,请联系我们删除。
复制链接
复制链接
相关推荐
发表评论
登录后才能发表评论和回复 注册

/ 登录

评论记录:

未查询到任何数据!
回复评论:

分类栏目

后端 (14832) 前端 (14280) 移动开发 (3760) 编程语言 (3851) Java (3904) Python (3298) 人工智能 (10119) AIGC (2810) 大数据 (3499) 数据库 (3945) 数据结构与算法 (3757) 音视频 (2669) 云原生 (3145) 云平台 (2965) 前沿技术 (2993) 开源 (2160) 小程序 (2860) 运维 (2533) 服务器 (2698) 操作系统 (2325) 硬件开发 (2492) 嵌入式 (2955) 微软技术 (2769) 软件工程 (2056) 测试 (2865) 网络空间安全 (2948) 网络与通信 (2797) 用户体验设计 (2592) 学习和成长 (2593) 搜索 (2744) 开发工具 (7108) 游戏 (2829) HarmonyOS (2935) 区块链 (2782) 数学 (3112) 3C硬件 (2759) 资讯 (2909) Android (4709) iOS (1850) 代码人生 (3043) 阅读 (2841)

热门文章

101
推荐
关于我们 隐私政策 免责声明 联系我们
Copyright © 2020-2025 蚁人论坛 (iYenn.com) All Rights Reserved.
Scroll to Top