“……我们现在没有足够的师资，最重要的一点，这也是一个最快的办法，让我们达到一流的结果。
我刚才已经说过了，我们在玩围棋的时候，你往往跟你对手的水平是相当的。所以，如果我们有足够的国际交流互动，这些非常具有天才的中国学生，他们为了自己的自尊起见，也会跟他们的对手一样棒的。
作为这个项目的一部分，我们让我们的学生至少有一年公费在国外学习，是我们来出这笔钱，这也是我们吸引学生参加我们的研究生项目的一个卖点，因为我可以问他们，你们是否有信心被斯坦福大学录取。他们会说不。我就告诉他们，如果你们在一年或者是两年，我会把你们送到这些大学，不管你想学哪个专业，我会个人给你做好这些安排，目前为止这些做法是非常好用的。
光有课程本身是不够的，还要有整个环境。
所以，一些比较高年级的学生和研究生，他们在宏观的设计过程中，才能进一步去了解相关的研究性文化。
在中国至少是在计算机科学研究方面，我们的经验告诉我们，要去吸引在西方工作的中国教授再回到中国工作，是非常困难的，可能比物理学和生物学研究人才的留存更加困难。所以，我后来就决定建立起一个非常强有力的团体，也就是博士后的导师。这个团体由在西方工作的博士后的导师组成，其中包括有20多个非常知名的研究人员。有一些也是我的好朋友，他们给我做了个人的承诺，将会提供相关的支持，以及为学生提供导师的服务。
最近我又跨出了新的一步，就像阿尔费罗夫教授曾经指出的，有的时候哪怕在高中着手都不嫌早，越早起步做这样的教育项目越好。
我们还启动了一些有创新性的新型项目……”
~~~~
~~~
“……我们还启动了一些有创新性的新型项目……”
听着姚老的话，此时的章杉已经后悔这么问了！
章杉想了解的是姚老的成长经历，但对于姚老这么一个无私的人。
他说得却全是培养人才的经历~
不过对于章杉来说，现在想要知道一个人的非涉密信息，完全可以依靠贾维斯深度检索获得~
很快章杉就收到了来自贾维斯的深度信息反馈~
不看不知道，看了吓一跳。
说吓一跳有点夸张，但章杉真的有被惊愕道~
谁能想到当代互联网界的大鳄姚老在最早的时候居然是研究物理的~
虽然听起来有点不可思议，但确实是：
姚教授1967年毕业于台湾大学，1972年获哈佛大学物理学博士，1975年获伊利诺大学计算机科学博士……
果然大佬都是日常跨界啊。
再想想起刚才姚老先生所提到的话：
“在中国至少是在计算机科学研究方面，我们的经验告诉我们，要去吸引在西方工作的中国教授再回到中国工作，是非常困难的，可能比物理学和生物学研究人才的留存更加困难。”
合着姚教授之所以说计算机方面研究人才留存要比物理学方面人才留存困难。
完全是因为曾经从事过相关领域，而不是凭借主观揣测。
这些还不是姚老的全部。
还不是最牛的，章杉看见通过贾维斯反馈来的消息，姚老还曾经兼职过数学方面的教授。
章杉又后悔了~
自己和这种巨人级人物聊天居然聊人家的生平，而不是去聊学术！
要知道以姚老这种级别的人随便提出来的一个小问题单拎出去就可能是一个大课题。
其巨大的学术价值是不可估量的。
这并不是夸大其词~
目前各种线上支付纷至沓来，其根本在于对“安全多方计算”问题上实现的突破~
安全多方计算的研究主要是针对无可信第三方的情况下，如何安全地计算一个约定函数的问题。
安全多方计算是电子选举、门限签名以及电子拍卖等诸多应用得以实施的密码学基础。
一个安全多方计算协议，如果对于拥有无限计算能力攻击者而言是安全的，则称作是信息论安全的或无条件安全的；如果对于拥有多项式计算能力的攻击者是安全的，则称为是密码学安全的或条件安全的。
已有的结果证明了在无条件安全模型下，当且仅当恶意参与者的人数少于总人数的13时，安全的方案才存在。
而在条件安全模型下，当且仅当恶意参与者的人数少于总人数的一半时，安全的方案才存在。
之所以提到这个是因为章杉通过贾维斯了解到所谓的安全多方计算就和姚老息息相关。
安全多方计算最早的话题度就是因为1982年姚的百万富翁问题。
姚氏百万富翁问题由华裔计算机科学家、图灵奖获得者AndrewC.Yao于1982年首次提出：存在2个争强好胜的富翁Alice和Bob，他们如何在不暴露各自财富的前提下比较谁更富有？后来该问题演变成安全多方计算（SecureMulti-partyComputation，SMC）。
章杉知道，姚氏百万富翁问题有很多实际应用~
这里举一个例子：假如Alice希望向Bob购买一些商品，但她愿意支付的最高金额为x元，Bob希望的最低出售价为y元，Alice和Bob希望知道x和y哪个大？
如果xy则双方可以继续讨价还价，否则就不必再浪费口舌，但他们都不想告诉对方自己的出价，以免自己在讨价还价中处于不利地位。
这个看起来像是小学应用题，但实际上同时和金融、编程和安全挂钩之后，这个问题还真不是那么容易~
然而，事实是，在1982年，姚启智教授在提出百万富翁问题后就给出了该问题的一种解决方案。
该方案用于对两个数进行比较，以确定哪一个较大。Alice知道一个整数i；Bob知道一个整数j，Alice与Bob希望知道谁的数最大，但都不想让对方知道自己的数。为简单起见，假设j与i的范围为[1，100]。Bob有一个公开密钥Eb和私有密钥Db。
(1)Alice选择一个大随机数x，并用Bob的公开密钥加密c=Eb(x)；
(2)Alice计算c-i，并将结果发送给Bob：
(3)Bob计算下面的100个数：Yu=Db(c-i+u)，（u=1，2，...，100）其中Db是Bob的私有解密密钥。Bob选择一个大素数p(p应该比x稍小一点，Bob不知道x，但Alice能容易地告诉他x的大小)，然后计算下面的100个数：Zu=(Yumodp)，。然后验证对所有的u≠v，|Zu-Zv|=2，并对所有的u验证：0
(4)Bob将以下数列和p发送给Alice：[Z1，Z2，...，Zj+1，Zj+1+1，...，Z100+1]，p；就是所从第j位对Zu数列+1操作；
(5)Alice验证这个数列的第i个数是否与x模p同余。如果同余，她得出的结论是i=j;如果不同余，她得出的结论是ij;
(6)Alice把这个结论告诉Bob。
一时之间，章杉也不禁感慨万千~
感慨归感慨，怎样让姚老接着聊些学术上的事情~
没等章杉想太多，姚老话锋一转，开始询问起章杉了~
“章杉同学，我还听说你打算额外持续投资20亿美元研究人工智能，我不是有意窥探商业上的秘密，也无心于此，只是从我目前来看你想要做的显然不是想研究普通人工智能，而是致力于超级人工智能。”
“目前超级人工智能有很多制约条件……”
章杉听得很认真，姚只提了“鲁棒性”与“可解释性”两大技术瓶颈，以及未来超级人工智能的终极挑战。
章杉对人工智能关注颇多，自然明白姚教授的意思~
关于鲁棒性问题，可以解释成脆弱性、非安全性、非可靠性问题。
人工智能系统设计历来重功能性设计，轻可靠性、安全性设计；或先功能性，后安全性、可靠性。
在早期产品中这一现象尤为严重。在自动驾驭汽车领域，最终制约因素是安全性、可靠性问题，未来，无人驾驶汽车研发会因可靠性、安全性问题，成为“永在途中”的课题。
关于可解释性，可以理解成广义的开源性。
可解释性就是如何让人们深入了解人工智能系统。以汽车为例，在工业革命时代，汽车驾驶者们对汽车原理、结构一目了然；
现在，汽车对于驾驶员而言只是一个黑盒子，只有方向盘、油门、刹车这样一个应用界面。
相比而言，工业革命时代的汽车有高度的可解释性，人工智能的新兴汽车无可解释性。
同样，手机、数码相机、电视机相较于电话机、照相机、电子管电视机而言，无可解释性，对所有使用者都是黑盒子，无人去拆解、修理，去了解其内部结构，这是一种十分现实、十分先进的人工智能产品的傻瓜化应用模式，它将知识创新与创新知识应用彻底分离。
然而，对于人工智能创新领域，不可解释性是一个技术创新的巨大障碍。
硬件的透明、软件的开源，一定程度上解决了技术创新的可解释性障碍。
目前，可解释性障碍突出表现在算法领域（人工智能三大基础之一），它阻碍算法的推广、评价与市场化，算法的碎片化现象会严重阻碍人工智能的发展。
不得不说，姚是一个极有远见、对人工智能有独到见解的大家。
“姚教授，学生记得早年在水木大学的一次演讲中，你便提出了人工智能时代的“大科学”概念。
我记得您在那个时候说：人工智能时代，已进入到诸多强势科学的交叉融合发展时代，各个强势学科都会以自己的视角（自以为是地）诠释人工智能……”
姚教授真没想到章杉记得这个，他怎么会不记得的呢~
事实上，当时，姚提到超人工智能，并提出对超人工智能的三点期望。
过去人们一直把人工智能分成弱人工智能与强人工智能。弱人工智能始于半导体微处理器诞生，是对人类智力的人工仿真；强人工智能始于大脑工程，是人工智能的智力创新时代。由于人工智能超高速度的疯狂发展，人们无法预见人工智能的未来，便有了后强人工智能的超人工智能概念。姚认为超人工智能具有很大的不确定性，人类会面对诸多种潜在威胁。对于超人工智能的未来，姚给出了未来制约智能机器的三个原则：一是利他，即人的利益凌驾于机器；二是谦卑，即机器不能自以为是；三是尽心，即机器能学懂人的偏好。每个原则都要用严格的算法来实现，这样就能有效驾驭人工智能。这是一个对未知时代的理性期望，希望人工智能最终能走向理性化道路。
领先时代一步的是先驱，领先时代两步的就是先烈了。
章杉知道姚教授之所以语重心长地说这些东西给他，完全是怕他在产业上过于激进而惨遭重创。
这是一个长辈对小辈的爱护。
但章杉此时也没有什么选择：
“姚老，AI进入产业落地的深水区：从技术成熟度曲线来看，人工智能正处在“死亡之谷”的泡沫期，不带来真实价值的AI将被淘汰出局。”
“在过去20年里，从互联网到移动互联网，下一个自然延伸下来是物联网时代。AI是物联网里一个核心技术能力，短期内是延续未来技术创新的主轴，但不是产业落地的核心点。[21]AI真正的商业价值的变现，真正能够有规模、商业化落地的公司，大部分是面向线下的，是和实体行业相结合，AI和IoT未来会越来越多关联在一起。
如果把人工智能比作「大脑」，物联网就是「身体」，二者相结合，能够让世界更加智能化。
算法是AI和IoT时代的核心变量。更具象化一点，是基于深度学习的算法。
人工智能创新就是一场无限游戏：它始于几十年前，并终将超越这个时代。有限游戏通常受时间限制，有赢输双方及明确的规则；但无限游戏会一直持续，规则和参与者也会不断改变。”