Michael Jordan、張潼、牛奎光對話：AI商業化中的技術、隱私與互聯網巨頭

4月26日，在GMIC 北京2018大會的首場峰會——全球人工智慧領袖峰會上，加州伯克利分校教授Michael Jordan、百度研究院副院長張潼、IDG資本合伙人牛奎光、小米雲平台副總裁崔寶秋進行了圓桌論壇，探討AI與商業化。雷鋒網亦來到現場，會後雷鋒網整理和精編了對話內容。

互聯網巨頭如何看AI

互聯網巨頭有數據、有場景，最早將AI商業化。目前，國內外的互聯網巨頭都在談AI戰略、AI布局，他們都是如何思考的呢？這次圓桌會議有來自騰訊的張潼、來自小米的崔寶秋、加入螞蟻金服的Jordan，都可以代表互聯網巨頭來談他們對AI的看法。

張潼講述了騰訊做AI的思路。現在AI非常火熱，各大公司都在陸續建立AI研究院，國外最早是從微軟、Google、Facebook，國內從百度、阿里、騰訊開始。一般有兩種，一種是建立業務部門，另一種是更加偏技術的AI Lab，它基於更長期的考慮，其中的技術並不一定會跟業務相結合。

騰訊AI Lab目前在做三件事情。第一件事情，AI的研發會支持業務，幫助一切底層技術開發，和產品部門合作把技術放到生產中去，比如跟騰訊社交、遊戲、智能硬體結合。大公司如何有一個AI團隊，它一定會基於自己的業務場景去積累去研究。第二件事情是加強前沿研究，通過發文章、與大學和研究院合作去積累研究能力。第三件事情是與產業界結合，產業界提供平台性的API，同時促進學界的產學研合作。

在Michael Jordan看來，國外不是微軟、Google、Facebook在AI技術上領先。在事實經驗上，領先的是亞馬遜。AI此前主要是稱為機器學習，在這件事情上，亞馬遜是最早的。

他分享到，在上世紀九十年代亞馬遜已經用AI和深度學習能夠很好地進行工業鏈的建模。對於亞馬遜這樣龐大的電商來說，必須依賴於整個供應鏈來管理數十億美元產品，需要對整個供應鏈有清晰的了解。他們當時用深度學習和建模就能做到。此外，亞馬遜還做AB測試，對網站每個像素都做了測試，以給出正確的像素、顏色。這都是很多年前的事情了。

雷鋒網了解到，2017年5月，Michael Jordan加入了螞蟻金服，作為智囊團主席和顧問。在他看來，像阿里巴巴這樣的電商平台上有用戶購買商品的數據，就可以在網站上做非常有用的工作，比如社交和搜索。

Google和Facebook意識到搜索和社交網站目前在人類溝通方面還有一些限制，正在努力用人工智慧的自然語言處理和決策能力使其變得更聰明，Jordan認為這些是非常有意思的項目，但是他對這些領域的進展顯然不甚滿意，「我覺得在這方面可能還不是很成功，現在只是引起了一些媒體的關注。」

Jordan對滴滴和Uber的評價很高，在他看來，滴滴和Uber在數據、後端系統、大規模人類互動上面做得很好，它們機器深度學習很快地趕超上來，和很多IT公司相比是非常創新的。

Jordan進一步表明自己對於大公司應用AI的觀點，「我不僅僅關注於研究，我也非常關注那樣的一些公司，它們創建了一些數據流，並且很好的使用。不僅AI，AI只是其中的一面，AI只是簡單的數學，是一種簡單的方式，更有價值的是數據。高質量的數據，它可以使我們的測試達到某一目的，以正確的方式搜集數據，這樣的話才可以生成相應的價值，給到提供數據的人。」

崔寶秋分享了小米做AI的想法。AI在小米公司是無處不在的，兩年前雷軍就把AI定位為小米未來十年的核心戰略。小米吸引了很多AI人才來做研究，但小米還是特別偏重於產品的一家公司，更加註重技術落地。他同意Jordan講的大數據價值，小米擁有大量大數據，AI落地非常容易。

牛奎光從投資界來談了創業公司對AI的看法。他提到了商湯前兩天的大會，商湯作為AI獨角獸創業公司，去年在頂級會議上發表的論文數達到91篇，比BAT都多。對於創業公司來說，AI業務一般是to B的業務，去跟傳統行業做創新。像凱文·凱利講的顛覆性創新，往往是從一個大公司的邊緣部門或者是邊緣業務開始的，to B的業務是支流，也是創業公司能夠不與大公司直接競爭的領域。

技術與商業的分歧

嘉賓們探討的第二個問題關於技術和商業，發展AI是技術優先還是商業優先？很多公司有很多大牛AI教授，研究人員，但是卻無法將技術落地，是什麼原因？

牛奎光首先分享了觀點，AI的發展存在不同的階段，現在的階段以應用為主，而下一個階段還有技術沒有突破。在2014年時，AI的發展本質上是計算能力大大增加、計算成本大大下降的結果。在應用上，機器可以代替人做一些事情，人臉識別、語音識別的能力都有很大的提升，這個時代應該叫「大數據小智能」。

而在以後的「小數據大智能」上，還有很多基礎性的理論沒有突破。現在更多的說應用，以單個地方的應用，例如在視覺、語音、自然語言理解、知識圖譜等方面的應用。如果說前三年是單項技術引領企業發展的時候，經過這幾年的建設之後它慢慢地已經到了一個平台，把各種單項技術組合應用到一個具體的行業里去，這是接下來的一個趨勢或者是很大的機會。

Jordan在這個問題上談得不多，他主要強調了遵循決具體問題的原則。在他看來，AI的技術是工程的技術，需要工程師的參與，所以公司最需要的是招聘到能解決問題的專家。公司發展了一項技術，需要在不同的場景去使用這個技術，而工程師所做的事情就是發揮創意，解決不同場景的問題，他們不會像科學家一樣去尋找真理。

張潼認為技術和商業同樣重要，AI公司的關鍵是怎麼形成壁壘，要有核心的能力，商業也很重要是因為很多技術到達一定程度後要依賴於商業。騰訊做AI都是基於騰訊自己的場景來做，場景和數據非常重要，商業上也才能有壁壘，使別人難以進入。

大數據與隱私

第三個問題，是目前的熱點問題，Facebook的「劍橋分析」激起關於數據和用戶隱私的廣泛討論。崔寶秋拋出問題，目前我們處在AI的春天，其背後得益於深度學習技術的發展，再往後還是靠大數據和雲計算能力。大數據目前在AI浪潮中扮演著不可磨滅的角色，但是比較頭疼的問題是數據共享，如何在不侵犯用戶隱私的情況下，將公司的數據與學術界與其他公司分享。小米目前做的是基本盡量不分享，滴水不漏。嘉賓們都如何看待數據分享與隱私保護的分歧？

Jordan首先闡明，不能孤立地談數據，還是與應用相結合的。在醫療數據方面，病患的隱私一定要保護，但是我們也希望醫療數據能幫助改進醫療。比如基因組序列，是個人數據，個人可以決定數據怎麼被去使用，如果個人基因數據可以治療家人疾病，相信不少人會願意提供。如果收集更多的人的數據能夠找到DNA突變的方法來治療癌症，不少人也是願意提供自己的醫療數據。數據分享並不是總是糟糕的。Facebook的事件之所以是醜聞，是因為數據的分享沒有帶給人價值，而且讓人感覺自己的數據是被迫給被人的。

但是，Jordan也提到，說到網路安全的時候，一些公司意識到數據對自己很有價值，就需要在隱私保護、數據安全性上做好，離開提升自己的競爭力。同時，也讓將用戶對自己的數據使用有知情權，讓用戶感到公司是值得信任的第三方。

牛奎光對數據和隱私的問題特別感興趣，也思考了好幾年。在他看來，現在數據是真正價值的承載著，數據的價值只有在流動的過程中才能更好地發揮它的價值。他曾經設想到「數據交易所」，但是我們目前並沒有這樣的交易所，是因為數據交換後，很容易被複制，數據的加工方式不能被審計。

第二個問題，誰擁有數據的問題。在社交網路平台上，數據是屬於個人的還是屬於平台的？在之前，讓個人去擁有自己的數據，在技術上基本是不可行的，但是今天像區塊鏈這樣的技術，使得這個問題的解決有一定的希望。

目前，他設想了三種解決方案。第一種，從技術的角度講，他請教過一個圖靈獎獲得者，就是數據交易參與雙方在一定可信的情況下可以通過比現在大概複雜度要高100倍的計算，能夠做到數據在計算的過程中，其實是可以不被泄露的。但是這樣的話，成本也可能會提高100倍。第二種，就是數據擁有方並不會把數據彙集到一個中央節點，數據和計算都在本地，把結果拿出來。第三種，牛奎光做了一個實驗，他投資了一個做反欺詐的公司，跟一個物流企業成立了一個合資公司，以業務和能力的方式去輸出數據的融合和聯合，但是並不把數據融合到一塊。雖然有很多探索和想法，目前看起來都沒有結果。

張潼從公司的角度談數據和隱私問題，顯得更加實際。在他看來，如果能帶來價值，數據共享當然很好，但是目前有一些問題，第一，商業上數據是核心壁壘，所以公司不願意分享出來。甚至有時候在公司內部不同的部門都不完全願意共享，需要公司層面推。

現在如果有立法和規定，一些數據是可以分享的，例如政府數據、公益組織的數據。如果醫院有個組織能夠把所有醫院結合起來，然後能夠有一些立法，來分享數據也會產生很大的價值。還有就是物流、交通領域。

本場圓桌討論談了互聯網巨頭如何做AI、技術與商業的分歧、大數據和隱私保護的分歧，都是在大公司的層面。最後大家也簡單聊了一下，如果沒有數據，創業公司如何做AI。幾位嘉賓都表示，創業公司沒有數據的話需要切入比較細的場景，積累技術上和場景上的經驗。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！