带着一副框架眼镜，留着杂乱的短平头，穿着灰色T-shirt和牛仔裤，18岁的美国越南裔高中生Kevin Frans看上去和普通的美国高中生没什么两样。

可你想不到的是，Frans其实是一名正儿八经的“人工智能专家”。

去年，17岁的Kevin成功研究出了AI如何能够同时完成不同的任务。他的学术论文刊登在顶尖人工智能研究机构OpenAI的网站上，同时还被业内顶尖的学术会议（ICLR）收录。

今年，Kevin受邀参加一年一度的TED大会(Ted是Technology, Entertainment, Design的缩写)，与全世界来自科学、设计、文学、音乐等领域的杰出人物齐聚加拿大，成为了今年年龄最小的TEDTalk演讲嘉宾。

今天，硅兔君（ID：sv_race）就来讲讲这个18岁少年AI天才的故事。

1

OpenAI里唯一的

高中生研究员

位于旧金山的非盈利性人工智能研究机构OpenAI是许多AI大牛的暖床，这个由埃隆马斯克（现在已离开）和Sam Altman（YC主席）创立的研究机构旨在发展下一代的强人工智能——一个在未来可以完全应付人类大部分工作的完全智能体。

由于OpenAI名声在外，能进入这家研究所的也都是业内的翘楚，包括名声鹊起的谷歌研究员Ian Goodfellow、人工智能之父Geoffrey Hinton的学生&AlexNet的作者Alex Krizhevsky、伯克利的机器人大牛Pieter Abbeel，他们都曾在OpenAI工作过一段时间。

即使是OpenAI的实习生，也都需要一份漂亮的履历，至少得是个在读博士生。

结果，去年17岁的Kevin成为了OpenAI创立以来唯一一位只有高中学历的实习生。

早在Kevin 15岁的时候，他就对AI产生了浓厚的兴趣，这要归功于当时DeepMind研究的AlphaGo以及之后用在Atari游戏上的通关AI引擎，他也因此开始学习机器学习的课程，并训练了自己的神经网络模型。

Kevin第一次接触到OpenAI是因为后者在网站上提供了不少关于AI的教学素材，他在学习并试图解决网站上的问题时遇到了一些阻碍，于是他开始给OpenAI的研究员John Schulman发邮件请教。一来二去，John萌生了惜才之心，当他发现Kevin只是一个在读高中生时非常震惊。

去年夏天，Kevin获得了OpenAI的实习机会，并在John的帮助下开始研究一个有关AI的新命题：

如何用过去获得的知识和技能解决新的问题？

人类可以用相同的技能解决不同的问题，但机器不行。过去，工程师们会针对不同的任务“手把手”地交机器人（写代码，给指令）。

不过在最近的两三年里，一种叫做强化学习的算法在这个问题上提供了一些新的解决思路。

简单来说，如同小时候家长和老师常用的奖惩制度，做对了给糖吃，做错了呼巴掌。强化学习就是这样给机器制定一套策略（policy），在这套策略下不断地反复训练，然后根据奖惩制度（reward）不断地进行自我优化。不用手把手教了，机器自己也能学习新技能。

AlphaGo也因为强化学习算法的加入才能在围棋上有了这么重大的突破。AlphaGo每走一步之前，都会判断这一步下去的胜率是多少，胜率高的棋着被优先考虑。

但这种方法的问题是：效率太低了！！人类看一眼就学会的技能或者动作，机器则需要将它拆解成几百个、甚至上千个小步骤一个个拿来学习，如果每个步骤就拿来“奖惩一下”的话……

Kevin提供了一个新的思路：既然小步骤太多，不如把几百个、上千个小步骤合并成十几个比较复杂的步骤，在完成不同任务的时候，只要在这些大步骤里进行选择就好了。他将这套算法称之为分层强化学习。

他将这套算法在一个虚拟环境里的进行了模拟——让机器人走出迷宫。小机器人从一开始只会在迷宫里瞎转悠、到之后学会了怎么走路或者爬行，以及如何分辨“上”“下”“右”这三个方向。学会了怎么移动，小机器人就能不同的、甚至是更大的迷宫里找到出路。

在不少AI科学家看来，Kevin的发现甚至超越了一些前辈的成果，加上他17岁的年龄，使得这份研究成果更加弥足珍贵。

2

AI少年天才也是普通人

Kevin的世界不止有AI。

他喜欢美食，也喜欢做饭；看上去瘦弱的他却是一个跆拳道黑带；

和许多美国高中生一样，他也喜欢漫画和二次元的玩意儿，还是同人游戏《东方Project》的死忠粉，虽然他最近似乎下定决心戒了这款游戏。

和普通的深度死宅一样，他也会研发一些”黑科技“，比如他做了一个叫做Deepcolor的项目，能够把黑白铅笔画都自动变成调色之后的漫画，像这样：

还有这样：

而他的这种对代码、计算机以及AI的兴趣也都和家里强大的CS基因有关，他的爸爸就是在芯片的领头企业（主要是FPGA）赛灵思里负责芯片设计，而据Kevin介绍，比他小7岁的弟弟也同样是一个代码迷！！

去年，他的经历、家庭和故事被Wired杂志报道。如今，他被看成是对有抱负的AI研究人员的榜样，有人说他是少年天才，也有人通过电子邮件直接向他询问建议。

“我从来没有想过会出现在一篇文章里。这很酷啊！”Kevin说，“如果想研究AI，就去大胆地做吧！”

Kevin用自己的亲身经历向世人证明：年纪轻轻，也能在神经网络和机器学习上有所建树。

3

00后与AI结缘

其实Kevin的故事并非个例，今天1月份，14岁的Tanmay Bakshi被IBM聘为最年轻的人工智能专家。

11岁那年Tanmay接触到IBM Watson人工智能算法框架，他被人工智能的概念深深迷住了。仅仅用了一周，Tanmay就开发出一款名为“Ask Tanmay”的用人工智能APP，可以自动回复用户提出的问题。从此，Tanmay在人工智能的“巨坑”中越陷越深，而真正引起IBM研发团队注意的是Tanmay是第一个发现IBM Documnet Conversion服务漏洞的人。

随后，Tanmay受邀出席了IBM Interconnect Conference大会，在25,000名观众面前发表了主题演讲。虽然只有14岁，但Tanmay对人工智能的见解和取得的成绩令人无法忽视。

硅兔君相信，像Kevin和Tanmay这样年轻的AI研究员，虽然现在稀有，但未来一定会越来越多。

而如果我们希望AI成为未来，那就需要AI教育成为现在进行时。

嗯，看来要做一个合格的AI研究员，要从娃娃抓起了！