按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
的话题是“哪个学生要被请出学院”。那些学习成绩
不好的、研究项目毫无进展的，都有可能在“黑色 星期五”被淘汰。卡内基·梅隆大学每年培养一个 博士生的经费大约是两万美元，而一个拿不到博士 学位的人，对大学来说是一种浪费。
在卡内基·梅隆大学的 El 子里，大家每天都投 入地学习着。大家都知道，这里有许多世界一流的 教授做伴。除了我那充满激情的导师瑞迪教授，还 有一位每一门课程都能教的华人教授，他是华人中 顶尖的计算机天才，对专业的研究非常精深，不过 他有点结巴，有的时候一个音节拖了半天也说不出 来，因此上他的课，学生们总是不敢坐第一排，唯 恐 他 一 结 巴 ， 就 口 水 横 飞 。 比 如 他 说 parallel processing（并行处理）的时候，两个 P 会拉得很长， 第一排的学生又能感觉到，“天啊，又下雨了！”
语音 识 别
“什么是做博士的目的？”在我选定研究方向，
正准备 挽起袖 管大干 一番 的时候 ，我们 的院 长尼 科·海博曼问了我这个问题。我想都没想，脱口而 出，“就是在某一个领域做出重要的成果。“”不对。” 尼科·海博曼教授不假思索地否定了我。他告诉我， “读博士，就是挑选一个狭窄并重要的领域作研究， 毕业的时候交出一篇世界一流的毕业论文，成为这 个领域里世界首屈一指的专家。任何人提到这个领 域的时候，都会想起你的名字。”
海博曼教授的“做世界某一个领域的一流”的 观点，让我十分震惊，我从未奢望在 20 多岁时走到 某个领域的顶峰，但是这种“要做就要做到最好” 的激励，我始终铭记在内心深处。
看到了我的兴奋，海博曼教授问我：“你懂了吗？” 我说：“懂了，我从卡内基·梅隆大学将带走的就是 这份改变世界的、顶尖的博士论文。”他又说：“不 对，你从学校带走最有价值的不是这份论文，而是 你分析和独立思考的能力、研究和发现真理的经验， 还有科学家的胸怀。当你某一天不再研究这个领域
的时候，你依然能在任何一个新的领域做到最好。”
这番话引起了我深深地思索，也再一次印证了“沉 淀下来的才是教育”这句话的意义。学习成绩只是 一种表象的结果，而学习能力才是伴随一生的能力。
1983 年 10 月，我走进语音识别的世界。开始 和瑞迪教授一起探讨语音识别领域里现有的成果以 及如何突破的可能性，瑞迪说，“你来做一个不特定 语者的语音识别系统吧。”当时这在世界上是一个无
解之谜。
所谓不特定语者的语音识别就是说让电脑能够 听懂每一个人说出的话，并且识别出来，最后希望 达到的最理想状态就是让机器对人的语言有所反应， 最终达到“人机对话”的理想程度。在我当时所处 的年代，人们所做的语音识别系统研究，还只能识 别一个人的声音，也就是“特定语者”的研究。因 此，瑞迪教授对我的期望就是让我把这个研究成果 扩展出来，形成突破，让机器对更多的人的语言识 别率提高。
瑞迪告诉我，“我觉得专家系统是解决不特定语
者问题最好的方法，这也是最火的新技术。希望你
试试。去吧，小伙子，尽情做你的研究，我这里有 科学基金的研究经费，因此你不用担心钱的问题。” 在巨大的期望下，瑞迪把课题的接力棒交给了我。
经过数月的钻研，我把整个研究过程写了篇论 文发表出来，得到了正面的回馈。第一次，人们知 道，在有限的领域和单一的语者身上，专家系统研 究出来的机器语音识别率可以达到 95％。这意味着， 人和机器可以进行简单的对话了。那段时间，瑞迪 开心得不得了，并且更加坚信“专家系统”的方法 是个正确的选择。
尽管面对一片好评，我却显得非常沉默。其实， 这个时候我内心的担忧早已开始慢慢滋长了。因为， 在研究的过程中，我已经发现专家系统的前景非常 不明朗，因为机器经过很长时间的训练，只能听懂
特定 20 个训练者的语音。而人与人说话的音节和语 调千变万化，只要换了另外 100 人的声音重新检验 原来的研究成果，其识别率立即下降到不能想象的 地步，只有 30％左右。而且，我们仅仅用了 26 个
词作为词汇，一旦增加词汇，整个系统就将崩溃。
1984 年暑假即将来临，我正沉浸在自己课题的 十字路口上，不知道何去何从。这个时候我遇到了 我的一个师兄彼得·布朗（Peter Brown），他看到我 愁眉不展，就把我叫到一间教室里，在黑板上写了 几个统计学公式。彼得·布朗对我说，“开复，我知 道你在做语音识别，并且为之苦恼，但是你为什么 不尝试一下统计学的方法呢，从统计中抽取数据我 想应该能够提高语音识别率，你觉得呢？”
所谓统计学的方法，就是从庞大的数据库中进 行归类，通过特征的归纳使得数据通过“分类器”， 得到结果的一种方法。对于是否能用大量数据库对 声音进行统计，我心中充满了好奇与问号。而用统 计学方法来研究语音识别的想法，开始在心中慢慢
地滋生。
李老 师 的催 眠 术
在课题研究正徘徊不前时，我迎来了 l984 年的
暑假。当时，我在学校论坛上看到了一个暑期工的 项目，内容就是为宾夕法尼亚州 60 个最聪明的高中 生教授计算机课程。教 6 个星期的课程可以得到 3
000 美元，这对于当时每个月只有 700 美元奖学金 的我来说，是一个绝对有诱惑力的岗位。最重要的 是，我不但可以获得一些教学经验，还可以在语音 识别之外涉猎一个新的领域，真是一箭双雕的难得
机会。
我非常享受那段时光。每天 8 点整，我准时出 现在教室里，滔滔不绝，板书从左边一直写到右边， 写到挤不下为止。我热情地帮这些“天才高中生” 设计各种作业，备课时准备了厚厚的一叠笔记，我 要用几个星期的时间，让他们完成大三一年的计算
机课程。
我把 60 个人分成 8 个小队，每个小队开发自己
的奥赛罗（也称黑白棋）下棋算法，然后两两进行比 赛，一直到决出冠亚军。到课程结束，我发现班里 的每一个人都学会了写程序，这个成果后来还展示
给宾州的州长看，并且得到了好评，做教师的成就
感油然而生。
暑假尾期，我去系主任那里拿我的 3 000 美元 “巨款”。结果发现“老板”那里有一叠厚厚的报告， 我随口问了一句，“老板，你那厚厚的一叠东西是什
么啊？”系主任慢悠悠地回答，“噢，就是暑期宾州 学生对老师的评估。”“噢，那可不可以让我看看？” 我立刻对这个报告充满了好奇。系主任的脸色忽然 变得尴尬起来，“开复，你还是不要看的好。”“为什 么？”这个时候，我忽然从系主任游离的目光中感觉 到了什么。在软磨硬泡之下，我还是坚持从“老板” 那里要来了这份报告，而看到学生的打分让我“大 跌眼镜”。
打分是五分制，其他科目的老师得到的一般是
3～4 分，我居然只有 1 分一个学生在评语里写道： “李开复的课程太枯燥了。也许内容并不差，但是 经过他的诠释，实在让我们受不了。”“他上课的时 候，从来没有看过我们的眼睛。只有他一个人在表 演。我们给他的课取了个名字，叫做‘开复剧场’。”
还有学生写道“，李老师的语气单调，就像念经一样，
有着强烈的催眠作用。就算我昨晚睡够了，终究还 是敌不过李老师的催眠术。”
看着这些评语，我脸红心跳，让我觉得这次暑 期课程，如同一场噩梦。我的演讲能力和沟通能力 这么差，我竞全然不知。而他们 60 个人都能学会编 程，并不是我教得好，而是他们本身就是天才。那 些上课睡觉的学生，我以为他们困了，其实是被我 施行了催眠术。
每个读博士的人，都可能把做教师作为一种职 业的选择。我显然不是一个好老师。我忽然感觉， 教师这种职业可能不适合我。我该怎么办？放弃吗？ 不。我决心突破自己的瓶颈，直击软肋。著名的哲 学家伯里克利（Pericles）曾说过，“一个有思想，但 是不能表达的人，如同自己没有思想。”而我欠缺表 达，如同扼杀了自己的思想，这是理 T 科学生不能
忍受的。
我开始向系里知名的教授请教教学的技巧：如 何才能做一个好的演讲者，如何使自己的话更加吸
引人。而他们也给了我很切实的帮助，比如“不要
做你没有兴趣的演讲”“演讲前，练习三遍，一定要 录音，最好录像”“随机地去看观众的眼睛，接触 3～
5 秒”“如果你害怕，就看坐在最远处的观众的头顶， 因为他们也分不清你在看哪里”。当然，这些理论实 践起来，还是“知易行难”。不过，从那以后，我努 力争取各种演讲的机会，克服自己的心理障碍，尽 量做一个好的沟通者。
如今，我在各个学校里作巡回主题演讲，每年
至少 25 场，至少面对 l0 万名学生。当年那个羞涩、 内向、恐惧的小伙子已经不复存在。这还得感谢那 个暑假的尴尬经历。它让我认清了自己，并让我勇 于挑战自己。
战胜 世 界冠 军
1984 年 8 月底，结束了“开复剧场”的表演， 通过这一次的教学，我也开始关注计算机对弈这个
领域了。
奥赛罗是一种类似于五子棋的两人对弈游戏，
棋盘为 8 X 8，开盘时，棋盘正中共有 4 粒棋子， 呈对角线排列，两白两黑，由执黑者先行。写对弈 程序的时候，就是要教电脑往后推算，一般来说， 机器能够分析五六步，就感觉下得不错了。
在我教的天才班里，我认识了萨卓依·玛哈俊 （Sanjoy Mahajan），他是暑期班里的第一名，可以 说是“天才当中的天才”。他设计了很多种不同的算 法，将原来只有 400 行的程序增加到两万行，把五 层的推算搜索增加到了七层，我决定带着他一起继 续在“奥赛罗”上努力。
那一年，我 23 岁，我的“学生”萨卓依·玛哈 俊 16 岁。下课后，他就跟我一起沉浸在“奥赛罗” 的运算里，晚上，我带他到我家去吃饭，吃完饭我 们又冲回学校继续作研究。我们把统计的方法做进 “奥赛罗”里，虽然困难超过了我们的想象，但是 成功也超过了我们的想象：最后，“奥赛罗”的运算 比以前快了 l 000 倍，最多能够完整搜完 l4 层（就
是推算下面所有 l4 步棋的排列与组合，在还有 l4
步棋没有下时就能精确地预测输赢）。
将统计学应用于奥赛罗棋，通俗来说，就是将 过去的棋谱输入电脑，把所有输棋的选择都归纳成 “输”，赢棋的都归纳成“赢”，然后再做一个“分 类器”来分辨输赢。我们共同下出了 4 万盘完全不 同的棋谱，每一谱走 60 步，这样，我们得到了 240 万步不同的走法，每一步都定义成最终“黑赢”或 者“白赢”，还精确地统计出赢的概率。到这个时候， 每走一步棋，机器就能推算出之后 l4 步的走法，并 准确判定赢的概率。比如刚开始你赢的概率是 51％， 再走一步，就可能是 48％，如果走错了一步棋，那 么它会告诉你，赢的概率是 5％。
精确的统计学使得我们的“奥赛罗”机器人无 可匹敌。我把这