全球人工智慧領袖峰會論壇：AI的現狀與未來

編輯 | 呂夢

微信 | ai_xingqiu

網址 | 51aistar.com

在今天的GMIC全球人工智慧領袖峰會上，Facebook人工智慧團隊首席AI科學家Yann LeCun、創新工場董事長兼CEO李開復、加州大學伯克利分校教授Michael Jordan和將門創投聯合創始人兼CEO高欣欣就《AI現狀與未來》展開圓桌論壇。

論壇中，李開復將人工智慧的應用歸納為四波浪潮：第一波是互聯網的AI浪潮；第二波浪潮是誰有大量的價值，誰能來拿來變現或者提升商業價值；第三波浪潮是要收集那些基於視覺、聽覺或者其他感測器收集來過去不存在的數據，然後把這些數據變成一個新的應用，甚至是一個新的用戶體驗；第四波可以稱為自主化、自動化的AI，如科幻片中看到的無人駕駛等。

他認為，鑒於「中國有數據的優勢和強的政策推動，所以以後應該是中美在人工智慧領域領先的狀況」。

Michael Jordan表示，在今天人工智慧發展的過程中，應當搭建一個智能的網路體系，而不是單個個體的「智能」，這套系統需要將數據、決策，包括還可能出現的錯誤都要考慮進去。並且強調，「建立一個自動化體系真的不容易，人們或許可以稱它為AI，這沒有問題，但是千萬不要誇大」。

作為人工智慧神經網路領域的大牛，Yann LeCun2013年加入Facebook AI研究中心（FAIR），同時身兼紐約大學教授一職。今年一月，他宣布離開FAIR的管理崗位，並將轉任Facebook的首席AI科學家（Chief AI Scientist）。聲明中，LeCun表示將把重心移到AI科研以及AI戰略方向上。

對此，LeCun在論壇中談到，「學術界與產業的結合是非常完美的。大家會看到在北美、歐洲、亞洲會出現越來越多的情況，研究科學家他們會在企業或者在學術界都擔任職務，這樣可以更好的實現學術界和產業之間的交流，我覺得這是現在發生的非常重要的一種變化」。

以下是論壇實錄（AI星球整理）：

（主持人）高欣欣：人工智慧經歷了六十多年的發展，隨著計算力演算法的突破，隨著數據的積累。在近幾年，在很多行業都激活了全新的場景，帶來了全新的價值，引起了世界範圍的投入和關注。可是人工智慧作為一個發展中的技術，其實還在演進的過程當中，有所能為，有所不能為，因此還有很多亟待解決的問題。

第一個問題先請問開復老師，先給我們在場的來賓們一個整體的回答，在你看來在當前人工智慧的技術，在一個什麼樣的現狀。而我們中國又在一個什麼樣的位置和機遇之上呢？

李開復：過去五年，我們看到了深度學習和相關的技術滲透各種領域，尤其是計算機視覺。從應用的角度來看，我會把人工智慧的應用歸納成為四波浪潮，這四波浪潮它應用的方式不太一樣。其實在座的每一位每天都在用人工智慧。

第一波浪潮就是互聯網的AI浪潮，也就是說當你每次在淘寶點擊的時候，每次在朋友圈點贊的時候，這些數據都被收集起來，成為巨頭互聯網公司能夠更深度地的了解，然後為他提供更好的服務、更貼切的服務，還有變現，這是互聯網AI。

由於互聯網的數據量是最大的，我們每天都像小白老鼠一樣，幫助這些巨頭在標註巨頭，所以今天的AI巨頭和互聯網巨頭是呈等號的。所以美國的Google、FaceBook、亞馬遜引領第一波浪潮。

第二波浪潮就是誰有大量的價值，誰能來拿來變現或者提升商業價值。比如說一個銀行用用戶的數據降低信用卡的欺詐率或者貸款的還款率，或者是投資的回報率。所以銀行、投資機構、保險公司。當然在各種其他的應用，比如說供應鏈、醫療、學校，其實任何有數據的領域都可以把它商業化，這是第二波商業化AI的浪潮現在正在發生，大部分AI公司都是做商業化AI的工作，也是一個To B的生意。

第三波浪潮就是要收集那些基於視覺、聽覺或者其他感測器收集來過去不存在的數據，然後把這些數據變成一個新的應用，甚至是一個新的用戶體驗。比如說我們看到各種智能音響智能語音交互。比如說我們看到更多的攝象頭，在各個領域裡面。比如說在創新工場的前台我們放著Face++，我們是無前台自動運營的機器。

當然我們可以把這樣一個聰明的計算機視覺加感測器用在各個不同的領域。比如說在無人商店、工廠等等的應用。所以第三波浪潮已經開始來臨，我們會看到更多的感測器、更多的晶元，更多的攝象頭布置在周圍的各個地方。

第四波浪潮我們叫做自主化、自動化的AI，這也就是我們科幻片看到的機器人無人駕駛，還有更聰明的飛機等等都是無人的。那麼這個浪潮會徹底顛覆我們出行的習慣，還有我們今天所有的物流都會被顛覆。

然後我們的工廠會慢慢變成熄燈工廠、無人工廠，我們的商店慢慢會變成無人商店，所以第四波浪潮是巨大的。第四波浪潮已經有一些初級的應用出來了，比如說無人駕駛，這四波浪潮會來得非常迅猛。我們每一天都在使用AI，未來會應用的更多。

這四波浪潮也給中國帶來更多的機會，尤其在互聯網上，我們已經佔了世界的半壁江山。在視覺方面和感測器方面的應用，我們也發展的非常快。因為我們有海量的數據。在那些比較深的科技，像無人駕駛方面還是美國領先的。但是中國有數據的優勢和強的政策推動，所以以後應該是中美在人工智慧領域領先的狀況。

高欣欣：聊了現狀，我們必須要聊聊未來。首先我第一個問題要請教的是Michael Jordan，你在在最新的博客當中提到了很多新的東西，比如以人為中心的工程科學等等方面的主題，你覺得人工智慧的技術將來是什麼樣發展的演化過程呢？

Michael Jordan：我非常高興能夠來到GMIC大會，我的老朋友你的形象非常高大。我是一個學術界的人士，我對整個產業發展也是有很多的關注，對我們來說，我們的原則就是要搭建一個體系，目前我們的原則並不是很多，我們用化學工程的方式來寫我的博客。在四十年代的時候，我們當時就有這樣一個學科。當時建立了很多的準則、原則，使得我們能夠讓很多的化工廠，能夠以非常合理的成本來進行演化和發展。

目前，這樣一些原則並沒有完全的建立，所以體系還不能全面的建立起來。我想我們現在就是這個人工智慧還不能太誇大。現在我們奢望建立的是智能的自動化系統。其實無人駕駛這些並不是我們最終的目標，包括我們的銀行也好或者是物流也好，並不是說目標就是實現無人，而是要讓它更好的實現鏈接。

所以在很多方面，其實智能並沒有完全建立起來。現在我們可能是在地圖，在很多地方可以實現一些功能。但是它的一些語意或者其他背後的背景和引申的含義等等，這種智慧和智能還不存在。

因此我們需要每一個體系，每一個系統都達成這種智能。目前並沒有這樣一個智能的網路，所以我們要實現整個智能，需要整個體系的搭建，而不是單個個體的智能。其實在無人駕駛或者無人商店這些領域，需要它自己自主做出決策。

並且一些決定可能還是有先後順序和優先順序別的。有的做決定是同時做出多個決定，在真實世界當中可能我們要同時做出幾百個、上千個，在經濟、金融、商業方面的各種決策。

因此，我們可以想像一下，有這樣一個提出專家建議的體系，看起來是非常智能，看這本書、看這部電影，然後在全世界進行部署，就像今天的阿里巴巴、亞馬遜做的事情。很多時候亞馬遜向人們推薦一本書的時候，人們感覺到真的非常好。所以這些AI的技術正在不斷的部署。推薦一部電影也沒有問題，向人們推薦很好的餐廳。在手機的應用程序上給你推薦，今晚就去這樣一個餐廳或者在上海帶你去看看很好的餐廳，或者是博物館。

比如說在交通上，人們從我們的機場到市區，哪條路是不堵的。比如說大家都想去投資股票賺錢，向人們推薦同一個股票。很多時候在建立這個體系的時候，如果向人們推薦的都是同一個，可能這個體系就會出現問題，我們必須要負起責任來。我們在做這樣一個體系搭建的時候，我們考慮的並不是單個的個體智能，而是整個體系和網路。包括數據、決策，包括還可能出現的錯誤都要考慮進去。

因此在這個研究當中，它的一些原則性的東西正在不斷的湧現。但是還在過程當中並沒有完全，有很多概念還需要去完善。我想現有的問題是，包括自然語言，包括很多其他的人類已經是非常完善的體系。我們似乎把人工智慧，已經認為它無處不在了。但實際上整個體系還需要時間來建立。

我的目標就是要在無人駕駛汽車當中，雖然沒有人，但是它的這種駕駛要真的像人一樣在駕駛，而不是說只是一個簡單的機器。所以建立一個自動化的體系，真的是不容易的，人們可以用人工智慧這樣一個詞來表述，這沒有問題，但是千萬不要誇大。

高欣欣：下一個問題我想問一下Yann LeCun。我問你的問題是，你講到過讓機器來學常識，這樣它能夠預測一些問題和可能的答案，這方面你可以再進一步的闡述一下嗎？它和監督式學習、無監督式學習和增強式學習，它的關聯度在哪裡呢？

Yann LeCun：在這樣幾個表述之下，其實我在整個人工智慧的領域，在這方面有很多的想法和交流。當然從學術性的到實際的應用，也有很多東西。要讓它們相互之間搭建起這種體系，的確是很重要的工作。

比如說FaceBook有這樣的一些應用，我們希望機器有真正的智能，搭建起這樣一個體系架構。我們希望人工智慧可以很好的實時的做相關的事情，很多技術現在還沒有到位。比如說包括人臉的識別，很多事情進行了幾十年的工作，有些目標還沒有達成。因為機器要獲取大量的知識，它才能夠真正的去實現像人類那樣的智能和智慧做出很多的預測和判斷，來做很多的事情。

剛才我們也聽到了，我們需要有很多基本的原則到位才能建立一個體系，這樣才能真正達到人類的智能水平。

因此，為什麼在我的演講當中，裡面也強調了監督式和無監督式的學習。這個過程當中可以看到的是，機器它需要有預測能力。從不同感官的輸入來進行自我的判斷和預測，它從全世界獲取相應的數據，來獲取類似於人類這樣的嘗試。監督式的學習，它給到機器的數量是非常少的，數據很少，在培訓機器的時候就比較有限。

因此它所獲取這樣一些反饋、信息是不足夠的。在這個過程當中，我們看到人類的區別是很明顯的，這個也是可以幫助我們向下一步進一步的推進。

高欣欣：剛才我們問了這麼多技術的問題，我們要問一下關於人工智慧產業相關的問題。下一個問題問一下Michael Jordan教授，因為Michael Jordan在2017年5月有一個抬頭螞蟻金服科學智囊團的主席，AI賦能產業也是今年特別重要，大家關注的話題。所以我想請問一下Michael Jordan先生關於這方面的問題。

我的問題是，你曾經講過機器學習技術是對整個產業發展和技術價值的生成有一些相關的作用，你能舉例說明一下嗎？

Michael Jordan：感謝Yann博士跟我們之間的一些回應，所以我們的討論是非常有意義的。我們在商業人工智慧當中，人工智慧當中有一個翻譯過來是「眼睛裡面的紅頭髮」，我不知道人工智慧在翻譯的時候會不會誤讀，的確屏幕上有人工智慧翻譯。因為可能是一些同音字的問題，所以在語義方面，人工智慧在理解方面會有一些問題。

的確，在研究當中有六十年的發展，真的可以看到這是一個漫長的歷程，我們必須要理解語言等各個方面在全球的進展。我相信媒體對人工智慧非常感興趣，在這方面我們大家共同在推進它的發展。

其實很多時候，你要搭建一個智能的體系，你並不需要對人工智慧的所有方面都去了解。在整個過程當中，其實人工智慧它本身是一個計算機科學，但是要在跟經濟的關聯方面。其實我們需要搭建這樣一個聯繫。

如果在我們的生產者和消費者之間搭建一個體系，這樣一種體系的搭建就生成了經濟的效益，也關聯到我們前面講的這些問題。如果我們向所有的人都推薦同樣一個餐廳，那麼這個餐廳人滿為患，大家都不想去太擁擠的餐廳了，它的價值在哪裡呢？這是我前面提到的這些問題，我們的計算機科學怎麼樣為經濟服務。所以最好有一個相應的競爭關係。

比如說我想吸引這裡的人過來，我這裡的座位是3%的折扣或者是多少的折扣。因此在這個過程當中，大家都可以去競價，然後實現相應座位合理的分配。

最後經過這樣的方式，我的餐廳也有很好的上座率。我旁邊的競爭對手可以看到這個餐廳已經開了，而且裡面已經滿座了。這個時候競爭對手想，我提供30%的折扣，也許能吸引到相應的客戶來我這裡就餐。

現在我們整個所謂的人工智慧體系，並沒有考慮這麼多，它在做推薦的時候，還是有相應的局限。

我還可以舉一些其他的例子，比如說音樂，現在整個音樂市場並不是很完整。包括有各種各樣的人和一起都在做音樂的創作，像有一些音樂的製作是非常好的。通過目前一些體系很多人都在聽音樂，但是在做音樂的時候，我們可以看到很多人並不能從做音樂當中賺錢，它並沒有真正的經濟效益，怎麼樣去解決這樣的問題呢？如何用我們的人工智慧技術，實現技術到市場化的轉變，使它有商業的價值，能夠從中賺錢，可以有相應的數據流，到底是哪些人在聽。

比如說可能我的音樂在深圳很流行，因為那邊的人既喜歡聽我的音樂，又喜歡向他的親朋好友推薦我的音樂，這樣的數據就很有價值。既然深圳的人很喜歡聽我的歌，我就去深圳開一個音樂會，我就會很賺錢。我一邊是開車的司機，一邊可以賺錢，我可以把唱歌的愛好實現商業價值的轉換。

通過這樣一些數據組創造很多的商業價值，目前很多問題甚至都沒有被深思熟慮的想到過，這個時候可以挖掘它們的商業價值，這就是我們的人工智慧它應該實現的一些功能。因此對我來說，為了更好的實現人工智慧的價值，也就是把我們的計算機科學更好地為人類造福。

因此也需要在一些商業上的人才、經濟方面的人才共同跟科學家協作，讓人工智慧創造更多的商業價值，探索更多的無限可能。在這個過程當中更加雄心勃勃的解決其他的問題。

高欣欣：剛才Michael Jordan談了很多如何用AI建立全新的市場和全新的價值的過程。另外一個緯度在AI裡面，在AI產業和企業裡面經常是產學研結合的特別好，有很多的AI企業都有自己的AI研究院，我想請教一下Yann LeCun，現在你在領導FaceBook的AI團隊，另外你在紐約大學依然有教授的職位，能否請教一下公司的研究到底該如何開展呢？

Yann LeCun：當四年半之前我們在FaceBook開始相應的研究，之前我在ATMT和貝爾實驗室工作過，在公司的研究方面，你通過開展一些研究可以提前進行這方面的鋪設。並不是說所有的公司都可以做到這一點，對於人工智慧而言，因為人工智慧的進展會受到很大的限制，有很多問題仍然沒有得到解決。

我們必須不斷的去進行研究，我們需要去研究自己解決問題。我們會讓機器變的更加智能，可以更好的了解人的思想和人的思維的方式，沒有任何一家公司或者個人能夠自行解決這樣一個問題。

另外，在開源研究方面可以非常容易與大學進行合作，比如說我依然在學術界保留我的職位。我認為對於學術界來說，它是不一樣的，可能學術界的研究，他們並不是說彼此競爭做的都是自己感興趣的研究。而學術界的研究都是非常互補的，所以我覺得學術界與產業的結合是非常完美的。

大家會看到在北美、歐洲、亞洲會出現越來越多的情況，研究科學家他們會在企業或者在學術界都擔任職務，這樣可以更好的實現學術界和產業之間的交流，我覺得這是現在發生的非常重要的一種變化。

關於產業界開源的研究，通過這種方式你可以吸引最好的科學家，你告訴一個科學家到你的公司來工作。但是如果你不告訴科學家你做的是什麼，實際上你就扼殺了科學家的研究。

你必須告訴科學家你要做的是什麼，趨勢是什麼，只有這樣科學家他才願意到這裡來研究。科學家的職業發展，實際上也會影響到整個人工智慧研究的發展方向，所以你必須讓科學家知道你公司裡面正在做的是什麼，只有這樣科學家才可以更好的參與這樣的研究。

另外，像Google、FaceBook這樣的公司，他們投入了很大的精力做人工智慧的研發，對他們的品牌來說是好的，也可以吸引更多工程師的人才。我覺得在這方面可以讓他們變的更有吸引力，這就是他們為什麼投入研究AI方面的原因，通過開源的行業你可以吸引到更多的人才參與到這方面的研究。

高欣欣：最後一個問題，不管你們是做AI技術的發展或者是AI產業的發展，其實都離不開AI人才，其實AI人才特別稀缺。近期，創新工場和教育部、北京大學一起發起了一個項目，預計在2019年培養數萬名的學生。今天上午還有一個專門講AI人才的環節，在這裡我們先拋磚引玉，開復老師可不可以先給我們介紹一下AI人才計劃呢？

李開復：如果我們分析一下中美之間的優勢和劣勢，我覺得美國在教育方面有非常強的優勢。比如說在座的Yann LeCun教授和Michael Jordan教授和很多的大學，甚至美國前一百名的大學都有非常好的AI課程。

在國內雖然有非常優質的計算機人才，如果進入了BAT他們能學到很好的AI。但是畢竟我們要建立起人工智慧的金字塔必須從基層做起，也就是說我們需要在大學畢業的時候就有一定的AI基礎，怎麼做這個事情呢？我們分了三個步驟。

第一個事情，正如欣欣所說的我們和教育部、北大做一個教師的培訓，這樣不僅僅是中國的前十名大學可以有好的AI課程，中國的前一百甚至幾百名的大學都能夠有AI課程，這樣學生在讀本科的時候可以接觸到AI領域。

第二，我們會做一個針對性的培養，把最有潛質成為未來AI金字塔頂尖的朋友做一個培養，我們會請國際大牛和國內大牛對他們進行幫助。經過這些老師的課程，我們今年會教100位老師，明年會更多，他們在三四年之內教幾萬名學生，除了這幾萬名學生，我相信有很多剛開始工作的朋友們，還有一些他的學校還沒有AI的課程，甚至他不是學計算機，而是學數理科或者是文科，我們跟公司成立了競賽的平台，去年有一萬人參加，未來有幾十萬人參加，這樣我們才能把AI教育做的更普及，我覺得中國教育現在有比較大的落差。

經過這幾個步驟，我們希望那些有興趣學AI的同學們，因為AI現在越來越火，希望這些同學無論是經過線上或者是線下，校內或者是校外的渠道，當他們畢業的時候就已經成為有一些經驗的AI人才。

如果你想了解最前沿的AI技術和場景應用

一網打盡AI界前瞻科技和深度報道

如果你想持續拉升逼格

歡迎關注AI星球，並轉發朋友圈為我們打Call哦~~

你們的支持才是我們創造優質內容的不竭動力~送你花花

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！