從一個人的狂歡到一群人的狂歡，到除了我以外其他人的狂歡，我其實是越來越冷靜了。——陳光

陳光算得上是地道的北郵人。從本科到博士，一直到留校任教，剛滿 40 的陳光超過一半的時間都是在北郵度過的。

2010 年，陳光的女兒在北京出生，小名「可可」。同年，陳光註冊了一個名叫@愛可可-愛生活的微博帳號。

8 年後，@愛可可-愛生活已經變成擁有接近 34 萬粉絲的大V，在人工智能領域算得上小有名氣。畢竟，吳恩達的 Twitter 粉絲也才剛剛突破 30 萬。

陳光說，自己就是一個 Nerd，一個技術「呆子」。然而，就是這樣一個「呆子」，卻成了微博大V。

▌@愛可可-愛生活成長記

2010 年 2 月，陳光發布了第一條微博，「做個準爸爸可真不易啊」，10 個月後，陳光發布了第二條微博，「謝謝，老婆」。

對陳光來說，@愛可可-愛生活這個微博一開始不過是為了記錄生活。在開始的幾年里，@愛可可-愛生活 記錄的基本就是陳光的生活「流水帳」。

直到 2014 年，陳光才開始重新定位，在微博上分享的學術資源逐漸多了起來。2015 年之後，機器學習的論文也慢慢多了起來。

當你覺得市場上所有產品都無法滿足你某方面需求的時候，可能你的機會就來了。我的微博，最早就是想做符合我自己需要的推薦頻道，這些年，其實我一直在打磨能真正「懂我自己」的推薦系統。

作為一名大學老師，看論文是必不可少的，論文的甄選是很耗時耗力也很考驗「功底」的工作，而推薦系統一直是陳光最感興趣的領域，可以說，@愛可可-愛生活 就是一個推薦系統，只不過這個系統的背後不是計算機，而是陳光。

多年來，陳光一直堅持早上 4、5 點起床發微博的習慣。他說，自己的「勤奮」都是被女兒「訓練」出來的。畢竟，既要照顧三四歲的小朋友，又不誤工作，就只能早睡早起了。因此，陳光每天發微博最頻繁的時間都是在 5~7 點。

另外，也因為中國與美國之間十幾個小時的時差，早上 4、5 點正好積累了國外一整天的消息，陳光剛好可以利用這個時間差，篩選出有價值的新聞和論文，通過微博進行分享。也正是因為這一點，反倒讓陳光先人一步，畢竟不是所有人都能堅持 5 點起床。

如果沒有特殊情況，陳光每天都要發幾十條微博，其中大部分都是論文和技術文章，然而這麼多內容，就連陳光自己也不可能一篇篇精讀，但是為什麼陳光依舊要發這麼多內容？

我一直在倡導大家，一定要大量地泛讀，哪怕你光看一個標題。有些東西實際上光看標題就足夠了，尤其是新聞。技術性的東西，其實就是看角度，看思路，非常快速的。如果是你確實很感興趣的，再去精讀，一旦精讀了就不要抱著泛讀的心態。我們一直在倡導，包括我們自己的學生，一定不要在精讀、泛讀之間的層次上去徘徊，你要是精讀的話一定要每字每句都能理解，都去思考。如果是泛讀的話一定要快快地去掠過，別看的半懂不懂的，整篇看了，又好像整篇都沒看，那個狀態是最差的。

實際上，一直關注@愛可可-愛生活的人應該有注意到微博風格的變化：

最早的時候就是自己喜歡什麼發什麼，但逐漸的你會發現，大家的反應是不一樣的，做微博就像在做一個社區，原來是你自娛自樂，但逐漸就成了一群人在歡樂，再往後可能就成了你要讓大家歡樂，你會發現這種責任感會越來越強。

一開始我是一個對技術很著迷的人，因此主要就是和大家分享在技術領域自己覺得比較好的東西，逐漸的會形成自己的一些思考。其實原來思考很少，大家看到我現在會逐漸地寫一些東西，有一些自己東西的思考。越來越多地，大家也想看到更多的有思想性的東西，現在我也更喜歡分享這些，這些我覺得更值得去討論。

其實也是我越來越希望在技術之外去影響大家，尤其是學生朋友，包括思考的角度，選問題的角度，看待問題的角度。因為我發現，你要彌補技術上的缺陷或者漏洞，或者說不足，其實還是相對容易的，因為這些東西你都很好找，技術上的東西其實沒有特別多需要探討的，因為它就在那兒，它是一個客觀的東西。反過來現在特別提倡元思考，問題背後的思考其實更重要。批判性思維是現在的年輕人最需要的。

▌如何評價 AI 媒體？

@愛可可-愛生活的粉絲除了學生、科研工作者之外，其實還有一個很特殊的群體，那就是 AI 媒體人。

和其他領域不太一樣，AI 領域學術界和產業界的結合非常緊密，因此國內外的最新論文，大家都會第一時間報導。

因此，雖然@愛可可-愛生活分享的絕大部分都是技術文章或者論文，但是對於很多 AI 媒體人來說，不管是話題選擇還是內容時效，@愛可可-愛生活都是一個非常好的消息源。

於是，很多人早上起來的第一件事就是刷@愛可可-愛生活的微博，找選題。

雖然國內外的 AI 媒體在近幾年蓬勃發展，然而兩者之間有仍然存在很大的差異。由於 AI 領域的論文大部分都是英文撰寫的，因此國內的 AI 媒體經常做的一件事——翻譯。

然而，陳光卻對此並不讚同，「我覺得技術論文不但不應該全文翻譯，連摘要都不應該翻譯。」

如果他想做研究的話，看這個東西絕對是走了一條更長的路，看原文一定是最好。我的觀點是，如果你做學問想繞開英文，你還是趁早轉行，這個東西是繞不開的，不但要看，你將來還要自己寫，如果你看都不想看，怎麼寫？所以我覺得從某種意義上來講，把中文版的這些論文交給他們，其實是害了他們。

除此之外，在陳光看來，相比國外的媒體，國內的媒體更側重於技術和論文本身的介紹，而缺乏對這種技術可能帶來的影響的思考。

你看國外的報導，（以及）一些作者在博客上寫的這些文章，都是很有思想性的文章，他一定是一個技術領域有廣泛了解，但是沒有那麼深入，他是一個真正記者的存在。國內我感覺還沒有找到哪一家媒體，不管是自媒體，還是大媒體。這些記者我感覺可能角色還沒有到位，更多的還是純媒體人，對技術感覺不夠到位，只是英文的直譯。

我覺得國內媒體對於最新的論文，應該從一個更廣闊的視野去看，擴展性的東西應該是更重要的。技術突破本身很重要，但是這個突破能給我們的產業、生活帶來的變化和更加深入的思考，我覺得這個可能更重要。

在陳光眼里，中國的 AI 媒體更多地扮演的是搬運工的角色，而且在標題黨泛濫的情況下，媒體本身的職能並沒有發揮出來。

AI 媒體非常重要的一個作用在於要讓大家認清目前技術發展的真相，不僅僅是告訴大家這個能幹了，那個能幹了，這兒打敗人了，那兒打敗人了，而更重要的是告訴大家，AI 發展能給我們的未來帶來些什麼。

另外一個層面，我覺得（AI 媒體）有責任和義務去倡導一種正確的 AI 觀，不僅僅是把這些華麗的好的東西，業界的發展告訴大家，另外也要告訴大家哪些是泡沫，哪些是炒作。

大家現在對人工智能的喜歡和恐懼，其實都來自於未知，因為你不知道它具體能發展什麼樣，所以你想像的好像它將來什麼都能幹。所以我覺得 AI 媒體的做強做大，是非常好的現象。但是反過來，我覺得大家冷靜下來去考慮這件事，AI 媒體是有很大的責任和義務，它擔負著讓所有的大眾對 AI 的發展前景有一個正確的認識的重大責任。

▌如何評價 AI 炒作？

從 AlphaGo 開始，很多公司和機構出於公關的需求，開始誇大 AI 的能力，而很多媒體也在知情或者不知情的情況下成為了幫兇。比如大家都知道的 ImageNet 圖像分類挑戰賽，每年的成績都會創新高，這個比賽的評價標準其實是 Top-5 錯誤率，然而大部分的報導都非常容易造成誤解。

Top-1 就是你預測的標籤取最後概率向量里面最大的那一個作為預測結果，你的預測結果中概率最大的那個類必須是正確類別才算預測正確。而 Top-5 就是最後概率向量最大的前五名中出現了正確概率即為預測正確。

顯然，兩者有很大的不同。然而你很少會在標題甚至正文中看到「Top-5」的字眼。一位業內人士曾告訴AI科技大本營，在圖像分類任務中，如果沒有特別說明，其正確率或者錯誤率默認的都是「Top-5」，但是沒有專業背景的普通讀者如何去分辨？這算得上是一種變相的誇大。

誇大、炒作……這種現象已經屢見不鮮，而且有時候手法隱秘，陳光也深有感觸。

比如說像翻譯或者打遊戲，動不動就說超過人，我們其實都很反對這種說法，離人還早著呢。像翻譯，我們現在爭議最大的就是怎麼樣來評價它是一個好的翻譯？我們也看到 BLEU（Bilingual Evaluation Understudy） 指標很高的系統，真正拿出來翻譯作品的時候，看起來其實挺費勁的。所以一旦脫離了技術本身去做比較，去做評判，或者做渲染的時候，那就是炒作了。

當然，目前爭論最大的還是 AI 這個詞本身是不是就包含了炒作的成分。機器學習大牛麥克·喬丹在今年初的 SysML 大會就曾表示，「我討厭把機器學習稱為 AI」，引發了學術界的大討論。

作為學術界的一員，陳光對此也非常反感：

我們最開始的時候都是模式識別、機器學習，學術圈子的人原來很少說 AI，但是現在是不得已，你不說 AI 大家不知道你說的是什麼，所以你必須要用通俗的語言跟大家交流，那就是要用 AI。

學術界的 AI 和大家現在所說的 AI 其實不是一回事，學術界的 AI 更多的是科普書里介紹的人工智能的發展歷史。喬丹為什麼說他不喜歡這個詞？實際上大眾認知里面的 AI 已經科幻化了，像原來人工智能電影里所說的 AI，它恨不得復制人腦的智能。它應該叫人工心智了，現在大家腦子里面的人工智能，遠還沒有發展到這個階段。目前大家做的真正 AI 的應用，都是某種意義上的自動化。

現在的人工智能其實一大塊都是智能增強，拋開智能增強以外就是自主控制，自主控制的東西其實非常少，包括我們現在說的打遊戲，其實都還算不上自主控制，它只是一個特別窄的領域的機器學習算法。現在我們所說的炒作，是因為（這些炒作）讓大家對通用智能有太多的幻想。

為什麼會有這麼多炒作？為了讓投資人看到，讓政府看到，以此來獲得更多的支持。然而，很多時候一旦過熱就很難收場。

現在一個共識是，為什麼以前老是寒冬寒冬的？就是因為過熱，因為你告訴大家你能做到什麼樣的東西，但是最後你又做到不了的時候，投資就撤了，緊接著就是真正做研究、真正搞學問的這些人得不到足夠的支持，這時候它就下坡了。

▌如何評價 AI 教育？

陳光的身份不只是微博網紅，還是北郵的一名老師。而就在昨天（7 月 19 日），北郵也宣布成立人工智能研究院。

為什麼要用「也」？

2017 年 7 月，國務院發布《新一代人工智能發展規劃》；今年4月，教育部發布《高等學校人工智能創新行動計劃》。

在政策的支持下，僅在今年 5 月，南開大學、天津大學、南京大學、吉林大學四所高校就相繼成立了人工智能學院。此外，哈爾濱工業大學和清華大學分別在今年 5 月和 6 月成立了人工智能研究院。

可以說，各大高校相繼成立人工智能學院或者研究院已經成了最新的風潮，種蜂擁而上的現象真的好嗎？

至少陳光認為這是一個必要的過程。

我覺得它是一個過程，還是有必要上的。我們看到國外高校也在開人工智能專業，但是到底什麼樣的專業真正能培養出好人才，其實全世界的人都不知道。從積極的角度來講，人工智能這個領域，尤其在教育這個領域我覺得是值得去探索的。

其實我們研究院更多的想做和企業的對接，只有在應用環境下面才能接觸到實際的問題，他（學生）才有實際的分析問題、解決問題的感覺。

在具體的教學形式上，陳光也在不斷嘗試。

大家逐漸會發現，這些（人工智能）課程的質量也參差不齊，而且也沒有特別好的教材，都是從國外找一本書，就這麼上。最終學生達到教育的效果可能就和他們自己看完這本書也差不多，只是老師可能理解得更深入一些。

現在網路上內容這麼多，國外這些好的課這麼多，我們到底還有沒有必要講？我們講的又比不上人家，唯一的好處是我們講的是中文。這時候我們怎麼辦？我們也一直在思考。現在有一句話叫你要和學生一起成長，要發自內心地和學生站在統一的戰線上。網上這些資源有，我們一起看，它重點講的東西我就不重點講了，但是我知道有一些東西它沒講到，或者在它講的之外的一些擴展、延伸性的內容，這種東西我們作為重點來講，真正把現在所謂的翻轉教學推行起來，而不僅僅是在形式上。大家下面去看網路教程，課上大家隨意討論，這不叫翻轉課堂。

（編者註：翻轉課堂譯自「Flipped Classroom」或「Inverted Classroom」，也可譯為「顛倒課堂」，是指重新調整課堂內外的時間，將學習的決定權從教師轉移給學生。）

在最近一年的時間里，陳光做了不少改變，包括怎樣去貼近學生，怎樣讓學生保持上課的注意力，而不僅僅是對著 PPT 照本宣科。

我覺得有一句話很好，就是和學生共同的成長，就是怎麼樣的過程算是和學生共同成長？其實一直在體會這句話。

▌陳光的堅持

一天發幾十條微博可能很容易，但是數年如一日，這就變成了一項艱巨的任務。一直有人懷疑，@愛可可-愛生活其實是一個團隊，但是陳光告訴AI科技大本營，一直就是他一個人。

而讓陳光堅持下來的一個重要原因，卻是奇虎 360 的創始人——周鴻禕。

2014 年的時候，周鴻禕是第一個關注@愛可可-愛生活的大V，當時的陳光還是一個「小草根」，並沒有什麼名氣。周鴻禕給陳光發了封私信，建議陳光在微博中加上一些中文介紹，並告訴他怎樣跟粉絲走的更近一些。

那個時候陳光發的東西並沒有什麼人看，純屬自娛自樂，周鴻禕的關注讓陳光信心倍增。雖然兩人至今未在現實世界中碰過面，但是周鴻禕對陳光的承認卻是他堅持下來的重要原因。

從 2014 年到現在，我基本上沒有間斷，每天都會去發。逐漸你會有一種責任感。一開始是覺得今天不發點兒什麼，好像少幹了一件事，但逐漸的好像覺得如果不發的話，好像很多人還希望能看到一些東西，你應該發一些東西讓他們能看見。

這四年不僅僅是在給大家發東西，我自己也在看東西，反過來對我也有挺大的促進，它也會幫助我改進注意力，幫助我改進對於問題思考的方向。

除了周鴻禕之外，沒有商業化的純粹也是陳光能走到現在的重要因素。

我當初沒做商業化運作還是對的。如果我把微博這個當一個創業項目來做，現在可能就黃了，我可能堅持不下去了，就是因為我一直自己一個人在做，所以才能做到今天。

一旦你有商業目標，一旦你有考核指標，你肯定不能堅持你原來的想法，我覺得我現在最大的一個優勢，也是最大一個劣勢，就是沒有什麼想法，完全可以自由自在地去做，就是堅持做我自己覺得好的事。

我的導師說的一句話，我一直都記在心里，做事情，尤其是做學問，一定要耐得住寂寞，在背後默默堅持，你如果是為了出名，為了讓大家知道而讓大家知道的話，你做的事一定不是出自本心的。

如果有一天我停止做這件事，那一定是因為我已經不是我自己了，我不希望做那樣的事。

浮誇當道，衷心希望這個 Nerd 保持本心，不負「呆子」之名。