雷锋网AI科技评论报道：中国计算机学会（CCF）举办的中国计算机大会（CNCC 2017）已于10月28日顺利结束。此次会议规模空前，会议组办方邀请了国内外的许多著名学者，包括丘成桐、沈向洋、李飞飞等人，同时还有十多位院士以及数百名国内外计算机专家学者。这次大会除了14场非常值得关注的特邀报告外，还有2场大会主题论坛、40余场学术论坛、30余场特色活动以及3个颁奖大会，同期还将有80余家企业举办科技成果展。据了解此次参会人数多达6000多人。雷锋网AI科技评论对这次大会做了全程报道。
在大会的40多个技术论坛中，有一个论坛——“未来计算—CCF会士论坛”——可以说是规格极高：四位讲者分别为李国杰院士、高文院士、林惠民院士和北航的陈小武教授；连论坛主持人都是清华大学吴建平院士和这次大会特邀嘉宾中科院计算所的陈熙霖研究员；此外在互动环节，还有2017年度“罗摩克里希纳·劳奖”获得者（该奖项目前全球只有七位获奖者）特拉华大学终身教授高光荣。
所谓“姜还是老的辣”，几位院士以及知名学者，就计算机科学的未来发展给出了非常深刻且独到的见解。
在论坛中，首先由李国杰院士做了一场非常精彩的报告，主题为《计算的新时代——关于未来计算的几点思考》。李国杰院士以他几十年的研究经验，给出了许多非常有价值的思考。李国杰院士认为大数据和人工智能不是计算机科学的掘墓人，而是为计算机科学的发展开辟了一片新的空间。以前我们认为知识就是力量，但现在在某些领域AI已经不再需要人类知识了，对一些规则清楚的结构性问题，计算的力量有时候比知识的力量更强大。有人认为人工智能是一个新的学科，但李国杰院士通过对计算机发展历史的回顾和思考，认为人工智能本质上仍是计算机技术，从基础研究来看，人工智能是计算机科学的前沿研究；从应用来看，人工智能是计算机技术的非平凡应用。
图灵奖得主霍普费尔德最近指出，计算机科学的发展可以分为三个阶段：早期的研究重点是开发程序语言、编译技术、操作系统以及研究支撑它们的数学理论；中期的重点是研究算法和数据结构；第三个阶段的重点已从离散类数学转到概率和统计。李国杰院士认为到目前为止计算技术的红利已经用的差不多了，靠提升算法和硬件来发展已经走到了尽头，所以我们需要计算科学的第二春，机器学习已经成为计算机科学的核心。人工智能经过60年的培育，已经成长成为硕果累累的大树，但是对于深度学习为什么这么有效，至今没有科学解释，我们应当重视这一类跨学科的带根本性的基础研究。（丘成桐先生也提出这个观点，可见“英雄所见略同”）
基于对图灵机模型的思考，李国杰院士认为图灵机有它自身本质上的局限性。图灵机的提出主要是用于说明某些数学问题的不可能性，它不能提供所有计算形式的完整模型，图灵机的算法的前提都是假定输入和输出都是确定的，如果输入可随机选择，那么就会突破图灵机的界限。所以在以后的研究中要重点研究非确定的计算。
随后中科院软件所的林惠民院士做了《计算与软件》的报告，报告分为两部分，分为探讨了“计算是什么”和“软件的问题”。林惠民院士首先回顾了对“计算是什么”这个问题的历史思考。对于这个问题，数千年来一直没有人真正认真地思考过，直到希尔伯特在他的23个希尔伯特问题中提出“是否存在一个数学公理，能够将所有数学定理推导出来”和“给定一个定理，能否在有限步数范围内推出这个定理”（第2、10问题）。基于对这两个问题的思考，哥德尔、Alonzo Church、图灵分别提出了递归函数、Lambda-演算和图灵机模型，随后丘奇证明这三个看起来完全不同的模型所定义的可计算函数概念彼此是等价的，并且得出一个“丘奇-图灵”论断：一个函数是可计算的当且仅当它是图灵可计算的。一部图灵机描述了一个计算过程，这个过程就叫算法。任何人都可以按照算法的规则，机械地进行计算，并且得到同样的结果。但是这样的计算本质上不能产生新的知识，因为结论已经蕴含在前提之中，没有增进人类对客观世界的认识；但是从另一方面，计算机在机械计算方面大有用处，我们可以用他们产生有价值的东西。
在软件的问题上，林惠民院士同样回顾了软件的历史发展，并提出当前软件工程所面对的问题和困难。软件的开发源于冯·诺伊曼结构，通过硬件+软件的方式实现通用计算机，相比之前通过硬件来实现运算的方式，软件更容易修改。不过这样结构导致的结果就是软件数量极多，因为使用计算机解决多少问题，就需要多少软件，当然也需要特定领域的知识。对于当前软件工程，依然面对着诸多问题，包括免责条款、安全漏洞等等，此外如何通过严格的数学符号和理论来保障软件的安全是一个很重要的问题。
林惠民院士之后，北京航空航天大学的陈小武教授做了关于《萃取视觉大数据，驱动智能生长力》的报告。陈小武教授认为人类从古至今的变化，其本质就是大脑、眼睛和手的一个变化，是这些变化促成了我们人类今天的发展。现在人类对世界的认识不仅仅是物质世界，还包括信息空间的世界。通过类比，陈小武教授认为我们应当去思考信息空间中的脑袋、眼睛和手分别是什么。现在随着大数据（尤其是视觉大数据）越来越多，陈小武教授以自己的研究为例向听众说明，我们可以通过挖掘可视大数据的信息，例如构建可视数据的知识图谱等，来构建信息空间的大脑；通过这些可视大数据以及知识迁移等技术，我们可以生成图像，重建3D场景等，以此来构建信息空间的眼睛。在智能的世代，把人的智能与计算机的智能结合起来，可能要大于单纯人或者机器的智能，因此如何将人与机器协同起来（例如现在的AR、VR）是一个重要问题，也即如何去做信息空间的这只手。
陈小武教授认为在构建信息空间的大脑、眼睛和手方面，还有很多任务要去做。首先，现在普遍比较迷信大数据，认为数据越多越好，但其实小样本更重要，如何通过小数据来寻找属性与计算对象之间的关系是一个需要琢磨的事情。其次，如何在数字空间做跨域和跨类的映射是一个比较困难的事情，只有实现这点，数据才能实现自生长和自演化。第三个困难时怎么实现人的智能和机器的智能进行互动和协同，实现人与机器之间的融合，从而实现智能的生长。
经过短暂的茶歇，北京大学的高文院士简单介绍了他正在推动的两件事情：首先，是数据视网膜。现在城市的各个角落都密布着视频监控系统，但基本的摄像头只负责编码然后传到服务器存起来。但是在“智慧城市”中这类摄像头几乎没法用，因为它无法做到实时反应。“数据视网膜”其本质就是在传输数据的时候将元数据一分为二，一方面进行编码存储，另一方面去提取识别特征。虽然技术简单，但这是一个工程问题，将传统摄像头完全取代也许还需要一些时间。其次，高文院士针对在座的院士、教授们介绍了一些他在基金委的工作情况，鼓励大家要表现出自己的竞争力。
(互动环节后的合影，从左至右分别为：陈熙霖教授、高光荣教授、李国杰院士、高文院士、陈小武教授。)
在互动问答环节，特拉华大学的高光荣教授认为，要小心deep learning，任何东西一过热就会跌入低潮，科学的事情没有巧，年轻人要扎扎实实地从基础做起，不要忽悠；随后高光荣教授特别强调了李国杰院士报告中“图灵机什么事情不可做”的重要性（雷锋网随后将全文报道李国杰院士的演讲），希望做人工智能的学者对这个问题要认真思考。
在这场CCF会士论坛中，几位院士和教授基于历史对计算机科学未来的发展做出了非常深刻的思考，他们提出的许多观点都值得当前的学者，特别是年轻学者，认真思考。说真的，姜，真的是老的辣。
相关文章：
丘成桐演讲全文：工程上取得很大发展，但理论基础仍非常薄弱，人工智能需要一个可被证明的理论作为基础 | CNCC 2017
正在生成分享图...
我在思考中