李飞飞，一位专注于计算机视觉和人工智能（Artificial Intelligence, AI）的知名学者，之前并没有预料到中国对于人工智能的热情。在对北京的一次访问中，这位来自斯坦福的教授得到了中国学术界和工业界的极大关注。借此机会，《国家科学评论》对李飞飞教授进行了专访。
李飞飞指出，尽管人工智能在过去10~15年中已经有了很不错的进展，但前方还有很多挑战。
一方面，人工智能的计算模型还有理论瓶颈需要克服；另一方面应提供更多帮助解决社会问题和加速工业创新的道路上更加实际的发展方向是实现通用的人工智能（Artificial General Intelligence, AGI）保有兴趣但持谨慎态度从斯坦福到谷歌NSR我们了解到你在早些时候加盟了谷歌能给我们透露更多细节吗？
实际上这并不意味着我会离开学术团体我将利用学术假期在谷歌云计算担任首席科学家在这段时间里我也会继续与同事博士后研究生一起工作如果我们回顾过去20年特别是机器学习自然语言处理计算机视觉的发展可以看到以互联网为基础的数据成为越来越强大的推动力因此现在是时候让人工智能开始帮助其他更广泛的垂直领域去转变升级我认为促进进步最实际的方向在于打破瓶颈解决可解释性的缺失建立知识框架以及提高神经网络训练灵活性总的来说我们对AGI还没有很明确的定义我不清楚在现阶段是不是真的需要做出这样的划分汽车比我们跑得快起重机能提起重物没有必要去害怕我们有情感这是独一无二的他们是否进行了神经相关性实验磁共振成像可能太粗糙了无法证明这一结论是的他们正在做进一步实验来支持这一观点ImageNet是一个很重要的项目启动初衷是重新审视方法论因为当时出现了相当长时间的瓶颈只要确实享受研究过程就足够幸运的是六年后一篇里程碑式的论文证明了其价值这篇论文预示着另一个春天的到来我很敬佩他的坚持热情的确如果你想追求科学就必须追求自由真理自由选择方向听起来很美但这有时会让人害怕因为没有经验可供借鉴你需要靠你自己并承担失败的风险基础科学的突破性工作是中国长期以来的诉求结果不是那么令人满意我的建议是中国有很多聪明人研究资金也稳步增长也许宽容失败是全社会都应该关注的一个事情这意味着科学家可以自由地做热爱的事情终身教职制度的发明就是为了保护好奇心并支持对未知领域的探索这是一个好兆头如今大受吹捧如果一家初创公司声称自己是一家人工智能公司它就会更容易吸引投资也可以招聘到更多人才许多研究者一再呼吁要在论坛中进行均衡合理的讨论事实上目前需要将双倍的精力投入到基础性研究中去未来几年中最重要挑战有哪些有很多关键问题是理解学习过程模型架构是手工设计的缺乏深度交互式对话的能力虽然基于此的产品正在涌现但距离实现最终目标还很遥远