以下为“GMIC广州2019暨科学复兴节全球领袖峰会”中高峰对话“人工智能、机器学习与未来”的精彩分享实录，由云现场整理。
嘉宾：土耳其科学院院士、安兹耶因大学教授 埃塞姆·阿培丁
嘉宾：华南师范大学教授 叶颀
叶颀：欢迎来到GMIC广州2019年会议，非常荣幸能够跟您交流，这本书是《机器学习》是我的AI课程的第一本教科书，现在我还是用它来教我的学生。
我想问您为什么会写这本书？
埃塞姆·阿培丁：我首先还是要感谢一下叶教授和主办方邀请我来到这个会议，获益很多，再次感谢你们的热情招待。这本书我是在90年代中期开始写这本书的，那时候对机器学习还没有教材，我在教机器学习的课程在伊斯坦布尔，一开始是我的教学笔记，一开始的教学笔记整理出来输入电脑发给出版社，这不是机器学习第一本课本，我更多从统计学的角度来表达的。
第二版是2009年出版的，绿色是第三版了是2014年出版的，很高兴的是三个版本都已经翻译成中文了，这代表有中国人喜欢看我的书。
叶颀：因为AI机器学习发展的非常快，AI是关键的技术，加上5G的技术又给AI的应用带来了更多的动力，根据您的经验，目前对机器学习的热点和方向是什么？
埃塞姆·阿培丁：我们谈到“计算机科学”的时候，实际上有了机器学习整个计算机科学的方向都变了，因为以前的计算机做的是智能化的事情，但是在机器学习出来之前，取决于程序员的职能，以前主要是基于算法的，需要有聪明的人发明程序，现在不再从算法开始了。
现在通过数据之上可以做出有意思的程序，提供有意思的服务，这是一个变化，我们不再是考虑算法，而是更多地考虑数据，这是一个关键的区别。
机器学习还是有一些重要的有待于解决的问题，比如视觉方面可以做面部识别，但是我们还是没有能够像人类那样识别图像或者是做一些翻译，但是不能像人类那样做翻译。
现在人工智能机器学习下午也会谈到一个重要的课题，解释性的AI，一个计算机做出决策的时候，可以解释为什么做出这样的决策，这就是现在很重要的一个课题。
所以，我们这个叫“X AI”解释性AI，现在简单地给出一个输出已经不够了，还要给出为什么给出这样输出的解释，这是很关键的机器学习的点，下午也会进行这方面的探讨。
叶颀：在机器学习方面如何有更好的算法？大多数用机器学习替代算法您认为怎么样？
埃塞姆·阿培丁：这是一个很好的问题，现在人们谈到AI的时候，大家马上就想到机器学习，谈到机器学习马上会想到深度学习，在人工智能方面不仅仅是只有深度学习，或者是机器学习的一个课题，还有许多其他的课题。
大家有时候会看到某个课题热门，会忽略别的学科，大家过于机器学习而忽视了还有其他有意思的课题，其实有很多有意思的应用，如果做机器学习的研究，不能只知道深度学习，还要知道很多其他的算法，许多其他的算法不直接用，也会提供一些参考，如何预处理数据，如何看待未来的问题，如何重塑问题，所以我认为不应该把自己的思路限制于只限于深度学习当中。
叶颀：我建议大家读读这本书，不仅仅是可以读到深度学习，这本身也是非常有趣的。
今天，我们看到几乎所有的机器学习和算法，都引起了很多的疑虑，如何消除人们的疑虑？您认为是不是现在的风水学？
埃塞姆·阿培丁：关于人工智能如何解释？深度学习仍然是一种黑匣子模式，我们要打开大脑的黑匣子，我们要采取一些手段让大脑进行回应，同时会解释这些回应，当然这种做法其实是有一些风险的，如果你在一些无人驾驶，还有医学诊断方面用这些手段，其实还是有一些风险的，万一不够准确，会出现一些安全的事故。
同时，现在我们可以看到深度学习还有一些问题，人们也发现有时候输入输出，如果你稍微调整了一点点变量，比如噪音的大小，如果有一些调整，实验的结果会立马不一样，如何控制变量，如何控制很好的输入的一些东西，来取得更加准确可靠的结论，这个是非常不容易的，这也是我们需要花更多的时间来解释，我们现在已经进入到一个大数据和AI的新的时代。
在机器学习的方面，我们如何能够在算法方面、神经系统方面加强人们的信心，美国数学学会发表了一篇新的论文，这篇论文大概有两百多页，非常地深奥，但提出了一些有意思的新想法。
现在人工智能已经在教育这个方面得到了更多的应用，也吸引了人们更多的关注，在机器学习入门和教育方面，我们怎样更好地发挥人工智能的作用？这个问题也非常地好，我觉得可能不把它叫做“机器学习”叫做“数据服务”可能更好一些。
当今的数据越来越重要，但是数据有一些随机性，所以在教育中给孩子们发挥数据的作用，挖掘数据的意义，可以教他们一些基础的数据和统计的理论和方法，所以我觉得孩子们可能可以学习一些基本的如何抽样，如何阐释数据，我认为应该尽早地开展教育，要在学校里面就给孩子们教一些这方面的知识和方法，这样他们就懂得怎么识别数据使用数据，数据有一个很重要的特点是，现在的数据和很多年前的信息是不太一样的，在我的课上，我们也谈到以前人们在做一个决策的时候，他们可能会猜拳、抛硬币，但是现在会基于数据做出一个决策，这是一个更多的维度，所以如何去识别应用数据，也会带来更大的复杂程度和以前我们的样本抽取和一些选择是完全不一样的一个程序，更加地复杂，所以我们需要更多地了解数据的特征。
同时，我们还需要知道一些高性能运算的特征，谈到大数据既是一个垂直的数量的“多”，也是横向的范围的“广”，所以现在的年轻人，比如计算机科学家，他们也不断提升硬件和软件，可以更好地利用实时的数据。
我们要考虑到数据的一种“社会效应”，我们也知道如果一切都基于数据，所有的这些伦理、法律的问题，都随之应运而生了，比如用别人的数据有没有一个隐私的问题，在学习数据的时候，也应该让他们学会怎么负责任地使用，怎样更好地保护自己的数据。
所以，我讲到几方面，第一个是基础的运算知识，第二是高性能的运算，第三个是数据的社会层面、伦理法律方面的意义。这应该都成为教育的内容。
叶颀：您有没有什么计划再编写这方面的教科书，我读过您一本机器学习的教材非常好，有没有计划给中国的学生写教科书？
埃塞姆·阿培丁：您提到的教科书是2014年的时候出版的，我现在的计划是要出一个“再版”，我想把里面的内容做一些与时俱进的更新，计划写另一本书关于机器学习的，这本书可能体量更小一点，针对于普通大众的读本，是一种科普性的作品，可能没有变成的内容，就是给普通人读的，已经翻译成了日语、韩语，但还没有翻译成中文，如果大家感兴趣可以考虑翻译成中文。
叶颀：谢谢，非常荣幸地与您对话，谢谢埃塞姆·阿培丁教授，也希望您这次来广州一切顺利，喜欢广州、喜欢广州的美食，您能不能在这本书上为我签名？非常感谢教授的签名。谢谢，也谢谢主办单位，也谢谢在座各位的参与。
