从一个人的狂欢到一群人的狂欢，到除了我以外其他人的狂欢，我其实是越来越冷静了。——陈光
陈光算得上是地道的北邮人。从本科到博士，一直到留校任教，刚满 40 的陈光超过一半的时间都是在北邮度过的。
2010 年，陈光的女儿在北京出生，小名“可可”。同年，陈光注册了一个名叫@爱可可-爱生活的微博账号。
8 年后，@爱可可-爱生活已经变成拥有接近 34 万粉丝的大V，在人工智能领域算得上小有名气。毕竟，吴恩达的 Twitter 粉丝也才刚刚突破 30 万。
陈光说，自己就是一个 Nerd，一个技术“呆子”。然而，就是这样一个“呆子”，却成了微博大V。
▌@爱可可-爱生活成长记
2010 年 2 月，陈光发布了第一条微博，“做个准爸爸可真不易啊”，10 个月后，陈光发布了第二条微博，“谢谢，老婆”。
对陈光来说，@爱可可-爱生活这个微博一开始不过是为了记录生活。在开始的几年里，@爱可可-爱生活 记录的基本就是陈光的生活“流水账”。
直到 2014 年，陈光才开始重新定位，在微博上分享的学术资源逐渐多了起来。2015 年之后，机器学习的论文也慢慢多了起来。
当你觉得市场上所有产品都无法满足你某方面需求的时候，可能你的机会就来了。我的微博，最早就是想做符合我自己需要的推荐频道，这些年，其实我一直在打磨能真正“懂我自己”的推荐系统。
作为一名大学老师，看论文是必不可少的，论文的甄选是很耗时耗力也很考验“功底”的工作，而推荐系统一直是陈光最感兴趣的领域，可以说，@爱可可-爱生活 就是一个推荐系统，只不过这个系统的背后不是计算机，而是陈光。
多年来，陈光一直坚持早上 4、5 点起床发微博的习惯。他说，自己的“勤奋”都是被女儿“训练”出来的。毕竟，既要照顾三四岁的小朋友，又不误工作，就只能早睡早起了。因此，陈光每天发微博最频繁的时间都是在 5~7 点。
另外，也因为中国与美国之间十几个小时的时差，早上 4、5 点正好积累了国外一整天的消息，陈光刚好可以利用这个时间差，筛选出有价值的新闻和论文，通过微博进行分享。也正是因为这一点，反倒让陈光先人一步，毕竟不是所有人都能坚持 5 点起床。
如果没有特殊情况，陈光每天都要发几十条微博，其中大部分都是论文和技术文章，然而这么多内容，就连陈光自己也不可能一篇篇精读，但是为什么陈光依旧要发这么多内容？
我一直在倡导大家，一定要大量地泛读，哪怕你光看一个标题。有些东西实际上光看标题就足够了，尤其是新闻。技术性的东西，其实就是看角度，看思路，非常快速的。如果是你确实很感兴趣的，再去精读，一旦精读了就不要抱着泛读的心态。我们一直在倡导，包括我们自己的学生，一定不要在精读、泛读之间的层次上去徘徊，你要是精读的话一定要每字每句都能理解，都去思考。如果是泛读的话一定要快快地去掠过，别看的半懂不懂的，整篇看了，又好像整篇都没看，那个状态是最差的。
实际上，一直关注@爱可可-爱生活的人应该有注意到微博风格的变化：
最早的时候就是自己喜欢什么发什么，但逐渐的你会发现，大家的反应是不一样的，做微博就像在做一个社区，原来是你自娱自乐，但逐渐就成了一群人在欢乐，再往后可能就成了你要让大家欢乐，你会发现这种责任感会越来越强。
一开始我是一个对技术很着迷的人，因此主要就是和大家分享在技术领域自己觉得比较好的东西，逐渐的会形成自己的一些思考。其实原来思考很少，大家看到我现在会逐渐地写一些东西，有一些自己东西的思考。越来越多地，大家也想看到更多的有思想性的东西，现在我也更喜欢分享这些，这些我觉得更值得去讨论。
其实也是我越来越希望在技术之外去影响大家，尤其是学生朋友，包括思考的角度，选问题的角度，看待问题的角度。因为我发现，你要弥补技术上的缺陷或者漏洞，或者说不足，其实还是相对容易的，因为这些东西你都很好找，技术上的东西其实没有特别多需要探讨的，因为它就在那儿，它是一个客观的东西。反过来现在特别提倡元思考，问题背后的思考其实更重要。批判性思维是现在的年轻人最需要的。
▌如何评价 AI 媒体？
@爱可可-爱生活的粉丝除了学生、科研工作者之外，其实还有一个很特殊的群体，那就是 AI 媒体人。
和其他领域不太一样，AI 领域学术界和产业界的结合非常紧密，因此国内外的最新论文，大家都会第一时间报导。
因此，虽然@爱可可-爱生活分享的绝大部分都是技术文章或者论文，但是对于很多 AI 媒体人来说，不管是话题选择还是内容时效，@爱可可-爱生活都是一个非常好的消息源。
于是，很多人早上起来的第一件事就是刷@爱可可-爱生活的微博，找选题。
虽然国内外的 AI 媒体在近几年蓬勃发展，然而两者之间有仍然存在很大的差异。由于 AI 领域的论文大部分都是英文撰写的，因此国内的 AI 媒体经常做的一件事——翻译。
然而，陈光却对此并不赞同，“我觉得技术论文不但不应该全文翻译，连摘要都不应该翻译。”
如果他想做研究的话，看这个东西绝对是走了一条更长的路，看原文一定是最好。我的观点是，如果你做学问想绕开英文，你还是趁早转行，这个东西是绕不开的，不但要看，你将来还要自己写，如果你看都不想看，怎么写？所以我觉得从某种意义上来讲，把中文版的这些论文交给他们，其实是害了他们。
除此之外，在陈光看来，相比国外的媒体，国内的媒体更侧重于技术和论文本身的介绍，而缺乏对这种技术可能带来的影响的思考。
你看国外的报道，（以及）一些作者在博客上写的这些文章，都是很有思想性的文章，他一定是一个技术领域有广泛了解，但是没有那么深入，他是一个真正记者的存在。国内我感觉还没有找到哪一家媒体，不管是自媒体，还是大媒体。这些记者我感觉可能角色还没有到位，更多的还是纯媒体人，对技术感觉不够到位，只是英文的直译。
我觉得国内媒体对于最新的论文，应该从一个更广阔的视野去看，扩展性的东西应该是更重要的。技术突破本身很重要，但是这个突破能给我们的产业、生活带来的变化和更加深入的思考，我觉得这个可能更重要。
在陈光眼里，中国的 AI 媒体更多地扮演的是搬运工的角色，而且在标题党泛滥的情况下，媒体本身的职能并没有发挥出来。
AI 媒体非常重要的一个作用在于要让大家认清目前技术发展的真相，不仅仅是告诉大家这个能干了，那个能干了，这儿打败人了，那儿打败人了，而更重要的是告诉大家，AI 发展能给我们的未来带来些什么。
另外一个层面，我觉得（AI 媒体）有责任和义务去倡导一种正确的 AI 观，不仅仅是把这些华丽的好的东西，业界的发展告诉大家，另外也要告诉大家哪些是泡沫，哪些是炒作。
大家现在对人工智能的喜欢和恐惧，其实都来自于未知，因为你不知道它具体能发展什么样，所以你想象的好像它将来啥都能干。所以我觉得 AI 媒体的做强做大，是非常好的现象。但是反过来，我觉得大家冷静下来去考虑这件事，AI 媒体是有很大的责任和义务，它担负着让所有的大众对 AI 的发展前景有一个正确的认识的重大责任。
▌如何评价 AI 炒作？
从 AlphaGo 开始，很多公司和机构出于公关的需求，开始夸大 AI 的能力，而很多媒体也在知情或者不知情的情况下成为了帮凶。比如大家都知道的 ImageNet 图像分类挑战赛，每年的成绩都会创新高，这个比赛的评价标准其实是 Top-5 错误率，然而大部分的报道都非常容易造成误解。
Top-1 就是你预测的标签取最后概率向量里面最大的那一个作为预测结果，你的预测结果中概率最大的那个类必须是正确类别才算预测正确。而 Top-5 就是最后概率向量最大的前五名中出现了正确概率即为预测正确。
显然，两者有很大的不同。然而你很少会在标题甚至正文中看到“Top-5”的字眼。一位业内人士曾告诉AI科技大本营，在图像分类任务中，如果没有特别说明，其正确率或者错误率默认的都是“Top-5”，但是没有专业背景的普通读者如何去分辨？这算得上是一种变相的夸大。
夸大、炒作……这种现象已经屡见不鲜，而且有时候手法隐秘，陈光也深有感触。
比如说像翻译或者打游戏，动不动就说超过人，我们其实都很反对这种说法，离人还早着呢。像翻译，我们现在争议最大的就是怎么样来评价它是一个好的翻译？我们也看到 BLEU（Bilingual Evaluation Understudy） 指标很高的系统，真正拿出来翻译作品的时候，看起来其实挺费劲的。所以一旦脱离了技术本身去做比较，去做评判，或者做渲染的时候，那就是炒作了。
当然，目前争论最大的还是 AI 这个词本身是不是就包含了炒作的成分。机器学习大牛迈克尔·乔丹在今年初的 SysML 大会就曾表示，“我讨厌把机器学习称为 AI”，引发了学术界的大讨论。
作为学术界的一员，陈光对此也非常反感：
我们最开始的时候都是模式识别、机器学习，学术圈子的人原来很少说 AI，但是现在是不得已，你不说 AI 大家不知道你说的是啥，所以你必须要用通俗的语言跟大家交流，那就是要用 AI。
学术界的 AI 和大家现在所说的 AI 其实不是一回事，学术界的 AI 更多的是科普书里介绍的人工智能的发展历史。乔丹为什么说他不喜欢这个词？实际上大众认知里面的 AI 已经科幻化了，像原来人工智能电影里所说的 AI，它恨不得复制人脑的智能。它应该叫人工心智了，现在大家脑子里面的人工智能，远还没有发展到这个阶段。目前大家做的真正 AI 的应用，都是某种意义上的自动化。
现在的人工智能其实一大块都是智能增强，抛开智能增强以外就是自主控制，自主控制的东西其实非常少，包括我们现在说的打游戏，其实都还算不上自主控制，它只是一个特别窄的领域的机器学习算法。现在我们所说的炒作，是因为（这些炒作）让大家对通用智能有太多的幻想。
为什么会有这么多炒作？为了让投资人看到，让政府看到，以此来获得更多的支持。然而，很多时候一旦过热就很难收场。
现在一个共识是，为什么以前老是寒冬寒冬的？就是因为过热，因为你告诉大家你能实现什么样的东西，但是最后你又实现不了的时候，投资就撤了，紧接着就是真正做研究、真正搞学问的这些人得不到足够的支持，这时候它就下坡了。
▌如何评价 AI 教育？
陈光的身份不只是微博网红，还是北邮的一名老师。而就在昨天（7 月 19 日），北邮也宣布成立人工智能研究院。
为什么要用“也”？
2017 年 7 月，国务院发布《新一代人工智能发展规划》；今年4月，教育部发布《高等学校人工智能创新行动计划》。
在政策的支持下，仅在今年 5 月，南开大学、天津大学、南京大学、吉林大学四所高校就相继成立了人工智能学院。此外，哈尔滨工业大学和清华大学分别在今年 5 月和 6 月成立了人工智能研究院。
可以说，各大高校相继成立人工智能学院或者研究院已经成了最新的风潮，种蜂拥而上的现象真的好吗？
至少陈光认为这是一个必要的过程。
我觉得它是一个过程，还是有必要上的。我们看到国外高校也在开人工智能专业，但是到底什么样的专业真正能培养出好人才，其实全世界的人都不知道。从积极的角度来讲，人工智能这个领域，尤其在教育这个领域我觉得是值得去探索的。
其实我们研究院更多的想做和企业的对接，只有在应用环境下面才能接触到实际的问题，他（学生）才有实际的分析问题、解决问题的感觉。
在具体的教学形式上，陈光也在不断尝试。
大家逐渐会发现，这些（人工智能）课程的质量也参差不齐，而且也没有特别好的教材，都是从国外找一本书，就这么上。最终学生达到教育的效果可能就和他们自己看完这本书也差不多，只是老师可能理解得更深入一些。
现在网络上内容这么多，国外这些好的课这么多，我们到底还有没有必要讲？我们讲的又比不上人家，唯一的好处是我们讲的是中文。这时候我们怎么办？我们也一直在思考。现在有一句话叫你要和学生一起成长，要发自内心地和学生站在统一的战线上。网上这些资源有，我们一起看，它重点讲的东西我就不重点讲了，但是我知道有一些东西它没讲到，或者在它讲的之外的一些扩展、延伸性的内容，这种东西我们作为重点来讲，真正把现在所谓的翻转教学推行起来，而不仅仅是在形式上。大家下面去看网络教程，课上大家随意讨论，这不叫翻转课堂。
（编者注： 翻转课堂译自“Flipped Classroom”或“Inverted Classroom”，也可译为“颠倒课堂”，是指重新调整课堂内外的时间，将学习的决定权从教师转移给学生。）
在最近一年的时间里，陈光做了不少改变，包括怎样去贴近学生，怎样让学生保持上课的注意力，而不仅仅是对着 PPT 照本宣科。
我觉得有一句话很好，就是和学生共同的成长，就是怎么样的过程算是和学生共同成长？其实一直在体会这句话。
▌陈光的坚持
一天发几十条微博可能很容易，但是数年如一日，这就变成了一项艰巨的任务。一直有人怀疑，@爱可可-爱生活其实是一个团队，但是陈光告诉AI科技大本营，一直就是他一个人。
而让陈光坚持下来的一个重要原因，却是奇虎 360 的创始人——周鸿祎。
2014 年的时候，周鸿祎是第一个关注@爱可可-爱生活的大V，当时的陈光还是一个“小草根”，并没有什么名气。周鸿祎给陈光发了封私信，建议陈光在微博中加上一些中文介绍，并告诉他怎样跟粉丝走的更近一些。
那个时候陈光发的东西并没有什么人看，纯属自娱自乐，周鸿祎的关注让陈光信心倍增。虽然两人至今未在现实世界中碰过面，但是周鸿祎对陈光的承认却是他坚持下来的重要原因。
从 2014 年到现在，我基本上没有间断，每天都会去发。逐渐你会有一种责任感。一开始是觉得今天不发点儿什么，好像少干了一件事，但逐渐的好像觉得如果不发的话，好像很多人还希望能看到一些东西，你应该发一些东西让他们能看见。
这四年不仅仅是在给大家发东西，我自己也在看东西，反过来对我也有挺大的促进，它也会帮助我改进注意力，帮助我改进对于问题思考的方向。
除了周鸿祎之外，没有商业化的纯粹也是陈光能走到现在的重要因素。
我当初没做商业化运作还是对的。如果我把微博这个当一个创业项目来做，现在估计就黄了，我可能坚持不下去了，就是因为我一直自己一个人在做，所以才能做到今天。
一旦你有商业目标，一旦你有考核指标，你肯定不能坚持你原来的想法，我觉得我现在最大的一个优势，也是最大一个劣势，就是没有什么想法，完全可以自由自在地去做，就是坚持做我自己觉得好的事。
我的导师说的一句话，我一直都记在心里，做事情，尤其是做学问，一定要耐得住寂寞，在背后默默坚持，你如果是为了出名，为了让大家知道而让大家知道的话，你做的事一定不是出自本心的。
如果有一天我停止做这件事，那一定是因为我已经不是我自己了，我不希望做那样的事。
浮夸当道，衷心希望这个 Nerd 保持本心，不负“呆子”之名。
网友评论