01
今天的AI，是一个巨大的、有效的、却没人真正看得懂的"黑箱"。它能写诗、能编程、能通过律师考试，可连造它的人都说不清：它为什么有效？什么时候会突然失灵？它"理解"了什么，还是只是在精巧地模仿？整个行业默认了一件事——黑箱是AI不可避免的代价，我们只能在外面调参、祈祷、打补丁。
马毅不接受这件事。这位香港大学计算与数据科学学院的创院院长、伯克利讲席教授，三十年只追一个问题：智能，到底有没有可以被数学写下来的"第一性原理"？而他的答案近乎挑衅——有。智能不是玄学，是数学；深度网络不必是黑箱，可以是"白盒"。更惊人的是，他不只这么说，他真的从第一性原理出发，把一个完全可解释、可推导的深度网络给造了出来。
这篇文章想讲清楚：在一个崇拜"大力出奇迹"、把AI越做越大越做越黑的时代，马毅这套"求简、求白、求可知"的洞见，为什么是这场革命最稀缺、也最关乎其成败的一块拼图。
一、为什么是马毅
在AI的喧嚣里，马毅是一个罕见的"双重身份"者：他既是顶级的科学家，也是顶级的"伯乐"。在UIUC，他参与招聘的第一位华人助理教授，是后来定义了整个领域的李飞飞；在微软亚洲研究院领导视觉组时，他招的第一位助理研究员，是后来发明ResNet的何恺明；他的博士同门里，坐着大疆的李泽湘。一个能在别人还看不清时就认出未来的人，他对"什么是真问题"的判断，本身就值得认真对待。
而他自己三十年只盯着一件事——高维数据背后的低维结构、智能的数学本质。当深度学习在过去十年靠"更大的模型、更多的数据、更猛的算力"狂飙突进、效果惊人时，马毅是少数几个始终在追问的人：我们到底懂不懂我们造出来的东西？
0
评论 (0)