📖 ZKIZ Archives

AI創業萬億市場和6個坑，李開複的人工智能戰略都說了啥？

李開複 2017-01-12 09:58

當Master在2017年開年狂虐了人類圍棋高手，當CES上各種智能產品和無人駕駛車輛驚艷亮相，人工智能這個在2016年走熱的話題，也露出了落地商用的雛形。而投資機構們對此的關註，更是達到了前所未有的高度。

創新工場就是國內最為關註人工智能領域的投資機構之一。1月10日，一部名為“投資AI生態，共贏智慧未來”的人工智能戰略白皮書發布。創新工場董事長李開複到場，不僅詳解了創新工場在2017年對人工智能的投資戰略，更是將自己對人工智能公司的思考做出了梳理。

在2016年創新工場宣布成立的人工智能工程院也正式複出水面。李開複博士出任院長，兩位副院長王詠剛和王嘉平也正式到任。李開複創新工場將以人工智能工程院為平臺，為國內人工智能創業提供人才、技術、商業、市場、軟硬件平臺、大數據環境等方面的支持。

在李開複看來，人工智能將是移動互聯網之後的下一次革命，而人工智能的體量甚至還將遠超過移動互聯網。“在未來，人類思考需要5秒以下的工作，都將被人工智能所取代。”李開複說。從而，人工智能領域蘊藏著巨大商機。

在過去的時間里，創新工場已投資了近30家人工智能相關的創業公司，如曠視科技、地平線機器人、馭勢科技、第四範式、小魚兒科技等。而李開複進一步提出，在國內，具備獨特的人工智能機會。

目前世界上43%的人工智能的論文作者中，都有華人/中國人的身影；

而在中國，年輕人具備較高的數學知識，願意追尋“熱門行業”，可以快速訓練出大批的“人工智能工程師軍隊”；

同時，在國內也存在著利於人工智能發展的市場機遇，例如傳統企業的“非智能”技術較弱，易於被取代。

中國大市場在過去孕育了大量已經走到C輪的應用，在未來需要人工智能的幫助。

中國對於人工智能的約束較少。

而這次創新工場發布的白皮書中，可以說是創新工場未來的人工智能戰略的具體體現。在人工智能創業和投資走熱之時，白皮書提到，目前的人工智能產業仍面臨6大挑戰：前沿科研與產業實踐尚未緊密銜接；人才缺口巨大；數據孤島化和碎片化問題明顯；可複用和標準化的技術框架、平臺、工具、服務尚未成熟；一些領域存在超前發展、盲目投資等問題；以及創業難度相對較高，早期創業團隊需要更多支持等。

創新工場人工智能工程院高管對話/受訪者供圖

但機會也在挑戰中蘊藏。白皮書中揭示的未來是，在未來10年，將是人工智能發展的關鍵時期。在這一時期內，人工智能產業將呈現6大特點：

機器將成為人類的工具。李開複預測，從事翻譯、新聞報道、助理、保安、銷售、客服等工作的人，將有90%在未來10年內被人工智能全部或部分取代，同時，一些全新的工作機會將應運而生，一部分傳統工作將轉變為人工智能輔助下的全新工作類型，相關人群的再培訓和再就業將變得至關重要。

人工智能將催生數個千億美元甚至萬億美元規模的產業。以金融行業為例，據高盛公司估計，到 2025 年人工智能可通過節省成本和帶來新盈利機會 創造大約每年340億至430億美元的價值。創新工場認為，在金融、醫療、安防、教育、能源、機器人、互聯網產業升級、傳統行業的流程自動化及商業智能等方面，人工智能都具有千億美元以上的市場潛力。而自動駕駛技術對於交通運輸和汽車制造業的顛覆，更具有無法估量的經濟價值。

此外，其他特點還包括：傳統行業將面臨人工智能帶來的重大機遇和挑戰；中國將成為人工智能科研與產業化的中堅力量；而人工智能時代，教育和職業培訓將意義重大。

“最近三四個月，我們看到的頂尖項目已經越來越少了。”李開複說。“人工智能和移動互聯網創業不一樣，人工智能一定需要科學家，而科學家卻不見得有工程師可以帶出來創業。”

這也是創新工場打造人工智能工程院的初衷。李開複透露，由他親任院長的工程院，將打造成面向人工智能的創業人才培養基地和創業項目孵化實驗室。工程院將面向海內外招聘人工智能科學家和駐場創業家（EIR），幫助他們完成科研成果向商業應用的轉化。工程院副院長、創新工場技術副總裁王詠剛此前曾在Google擔任工程師超過10年；在知識圖譜、分布式系統、輸入法、HTML5 動畫/遊戲引擎等技術領域積累多年。副院長王嘉平擁有中科院計算所博士學位，曾就任微軟研究院主管研究員。

同時，李開複稱，創新工場今年還完成了第三期3億美元基金和第二期25億元人民幣基金的募集，目前創新工場管理基金總額超過80億元，投資項目超過300個，涉及人工智能、數字娛樂、消費升級、在線教育、B2B和企業交易等領域，投資階段覆蓋種子輪、天使輪、A輪、B輪及C輪。

以下是李開複演講，經i黑馬編輯：

下面我想再深度介紹一下人工智能。我們重中之重的投資領域，就是我們的人工智能。

10年內90%的人類工作將被取代

最近隨著Master在網上擊潰了60位圍棋的高手，讓我們看到了其實已經不必再討論圍棋人類有沒有希望，人類已經被機器遠遠甩在後面了。這個其實帶來的，是一個特別大的機會。圍棋本身不是最大的商業價值，但是能夠打敗人類，讓我們看到人工智能將在各個領域產生價值。一定的程度上，人類的普通工作將被機器取代。

我們可以說50%的工作將會被人工智能取代，尤其是客服、翻譯、新聞報道、助理、保安等領域的，甚至90%的工作將會被取代，我們任何的工作如果說不經過超過五秒鐘的思考，都是做不過機器的。而且不是說它能不能打過我們，而是它必然把我們遠遠甩在後面。

比如我們做人臉識別，一個警衛有可能識別50萬張臉嗎？一個司機他可能開兩億英里嗎？但是我們投資的公司，機器就可以做到。隨著特別巨大、海量的數據和深度學習發展，在狹窄的領域里面，機器已經把我們拋得遠遠的。

當然，人類還有很多其他的事情機器不會做，但是如果你是挑一個領域做一件事情，然後有巨大的數據量，那麽人將根本不是機器的對手。這些機器不會累，不會罷工，也沒有情緒也不會犯錯，所以它們的這種大量產生價值和取代一些簡單的工作的情況，會不斷發生。從一個投資人的角度來說，每一個這樣的機器都是在創造新的價值。

我們回去看人工智能，其實都可以追溯到六十年前。人工智能這個詞在六十年前發生的，在三十年前就開始有人在做，有一些傻傻的人三十年前就做人工智能，但是做得太早了。但是我們現在可以看到，過去的三五年它有特別多的進步，這里包括無人駕駛，也包括機器人。現在谷歌的E-maill可以自動幫你回複；微軟的小冰，有人跟它曾經聊了九個小時，進步非常大。

因為有了人工智能，我們從圖像識別、人臉識別、語音識別都全面突破人的表現，也突破了過去所有的算法表現。那麽當這樣的一個技術超過人的時候，它就可以取代了我們。所以當人臉識別超過人的時候，保安的一大部分工作就不需要了；當語音識別超過人的時候，客服的工作就不需要了，或者銷售的一部分工作就不需要了。逐漸這些取代和產生價值過程就會開始發現。

無人駕駛將顛覆已有世界

我們看無人駕駛，現在是一個無人駕駛的黃金時代。如果說要挑一個最會顛覆已有世界的技術，和移動互聯網一樣大的，我們都不要說人工智能，因為人工智能領域會比互聯網大多了，人工智能是人類有史以來最大的領域，我們就僅僅挑一個無人駕駛就行了，這個領域就跟移動互聯網一樣。

為什麽這樣說呢？因為我們所有的習慣都會被顛覆。第一個我們可以預測的是，無人駕駛會幫助我們開車，到我們幫助它開車，最後是它開車我們什麽都不避諱，這個過程是一個必然的過程。因為這是一個特別巨大的大數據，然後是可學習的。無人駕駛不是說要等十年才取代人類，而是現在半無人駕駛已經發生了，比如在景區、飛機場、高爾夫球場。那麽在道路上，我們為什麽不可以增加一些傳感器，讓道路變得更聰明？這樣就不會有像以前特斯拉車禍開車發生的事情，因為路會告訴你，我是路、那是車，這個回饋可以告訴汽車。再往後我們談的很多物聯網的功能，無人駕駛都可以達到。比如說，第一我們就不用買車了，車子全部都是靠租賃的，全部都是滴滴型的；第二共享經濟和無人駕駛會同時發生；第三它一旦發生了以後，我們隨時需要車它就會出現在我們面前，而且不會過大，一個人出門就乘一個人的車，兩個人出門就乘兩個人的車，現在就不用浪費錢了，當你需要的時候汽車出現就好了。

然後一旦汽車開始無人駕駛了，那麽彼此之間就可以交談，一輛無人駕駛的車跟另外一輛無人駕駛的車說，我爆胎了，這樣就不會出事了；或者當你急著上班的時候，一輛車就跟另外一輛車說，我的主人急著上班，你讓開我給你兩毛錢，停車場不需要了，所有的車都應該跑起來，我們所有的價值都會被激活，空氣會變得更好，時間也會被節省。

當然像滴滴這樣的公司非常急切想取代司機，它每收入一塊錢要花一塊八毛錢，有一塊二是花在司機身上的。當你拿掉司機以後，它就從一個巨賠錢的公司；變成一個巨賺錢的公司，所以是有特別大的經濟動力讓它推進這個領域。而且全世界汽車公司都在投產，有人聽到任何汽車公司說無人駕駛還要二十五年嗎？

當這一切開始發生，五年、十年以後，新的技術會倒逼各種領域，比如說機器人，當你的汽車能聽能看能動的時候，這些同樣的技術也運用在機器人身上，對我們整個家庭工業等等都會有特別大變革的作用。

人工智能，創新工場的投資可能是四年前開始，因為我個人就是做人工智能的，我們整個團隊是一個非常技術的團隊，但是現在已經不是我們一家在說該做人工智能了，而且最有權威的這個中國政府，美國政府，歐盟，日本都已經推動了，人工智能是最重要的一個技術，它會產生巨大經濟的價值，而且科技巨頭已經匯集在一起討論怎麽樣負責的把人工智能做好，才不會傷害到人類。

谷歌為何要更名為Alphabet，就是一定的程度上，要把它的人工智能技術匯集成一個谷歌大腦，用它來做各種健康、金融、汽車、醫療等等各個領域，然後能產生二十六個像谷歌一樣有價值的公司。

怎樣做好人工智能公司？

人工智能怎麽做好呢？我覺得有幾個要素。

第一個就是說你要挑一個領域，然後收集很大的數據，而且這個數據是有標註的，而且精確的。第二你要買很多機器，第三你要找很厲害的科學家，第四你要教育一批人來使用這個東西，價值就產生出來。

所以人工智能的創業跟移動互聯網的創業很不一樣，移動互聯網的創業是低成本的，人工智能創業的成本則非常貴。

我們在7年前就談到，創業成本在人工智能領域達到了新高。但是中國其實是有很多機會的。我們的工程院的副院長王詠剛做了一個搜索，看到在過去華人在AI領域的貢獻在快速的成長，從十年前的四分之一到現在的幾乎半壁江山，所以我們在中國是有很多機會的，雖然創業成本很高，科學家很稀缺，但是這里中國做人工智能是有長處的。

第一，中國人數學本來就很厲害，論文本來就很多，所以這些專家是可以找到的。第二年輕學生好訓練，你只要給我一個數學天才，半年的時間就可以讓他在人工智能產生價值，做一個有價值的人工智能工程師，所以這種培訓特別重要，但前提是數學要好，但是非常幸運的，中國人數學本來就是好。

第三，中國傳統企業的技術能力比較弱，所以給我們人工智能創業更多的機會。

第四，中國有很多大市場，大市場有很多獨角獸，獨角獸有一天突然發現我從沒有數據變成有數據，我需要人工智能怎麽辦？那麽他們就會雇用大批的人工智能和工程師，成為人工智能公司，所以每個大數據公司都會變成人工智能公司。

第五，美國雖然現在是領先中國，但是美國公司的技術很難引入到中國來。最後，中國對人工智能發展的約束比較少。

人工智能藍圖

我們對於這幾個領域都是非常看好的。

從大數據角度看，我們最看好的、能快速賺錢的就是金融領域，其次就是最有意義、能夠解救人命的醫療領域。如果你已經是互聯網公司，你的數據當然更好用。

從感知的角度來說，我們對一切的這種識別都非常認可，非常的看好。人臉識別，手勢識別，語音識別發展非常快速，而且是顛覆性的超越人類。但是對於自然語言理解，這個還需要時間，估計7到10年吧。

再往下的發展，傳感器是個問題，為什麽無人駕駛那麽貴，那就是傳感器太貴了，但是隨著無人駕駛和機器人的量產，這個是肯定會下來的。

再往下從機器人角度來說，我們覺得家庭機器人會比較慢，但是工業，商業能夠發展較快。

最後對於無人駕駛，我已經表達了非常樂觀的看法。

人工智能工程院啟動

創新工場在過去三個月宣布的人工智能工程院，今天已經初步有一些規模了，我想介紹一下工程院是做什麽的。這里可以看到我們的人工智能布局，分兩個部分，右邊是作為一個VC，做風險投資，這個和其他的風投是一樣的，我們找已經成型的項目，我們幫他們達到更大的成功。

但是國內成熟的創業差不多該創的都創了，最近三四個月越來越少看到頂尖項目，再訓練下一批還需要時間。因為人工智能移動互聯網還不太一樣，人工智能一定需要科學家，而科學家不見得可以有工程師帶出來。

所謂的孵化模式，可能在很多領域是不需要的、不存在的、沒有價值的，誰還需要孵化一個移動互聯網公司呢？但是在人工智能的領域，這些科學家因為他們在他們的領域特別強，但是對於商業的認知，產品的挖掘，工程師的管理，產品化的執行經驗並不足，所以我們認為人工智能存在一個很特殊的孵化機會。簡單來說，就是我們要把頂尖的科學家拉進創新工場的工程院，讓他們來摸索機會。因為人工智能創業很貴，但是我們把貴的東西幫它解決。我們買機器，拿數據，提供商業的認知，幫他們招工程師，讓他們創業的途徑能夠達到更快，這就是人工智能工程院所做的事情。

工程院大概在3個月之前開始啟動，我們逐漸在招兵買馬，那麽我們在找技術型的專家，搭配年輕的工程師，提供大量的數據合作夥伴和行業經驗給他們，讓他們能夠孵化成好的項目。孵化出來項目，工場會占用一些股份，然後再給工場的基金，當然也有行業的友商機會，來投資這些項目。我們相信我們可以經過這樣的孵化機制，讓更多的科學家參與創業。

當然還有就是培訓這些工程師，還有做更多的培訓，讓更多的年輕人也可以參與並且了解在AI方面的創新創業。在人才培育方面，我們在北大、清華、上海交大都開始展開合作，也在吸引學生參與一些暑期工作，包括業余的工作，在讀書的時候就開始參與這樣的一個領域。

文章評論

匿名用戶

發布

全部評論：10

發布

李彥宏：自然語言人機界面是下一方向 AI將影響每一個行業

1月15日消息，第一財經獲悉，百度公司首席執行官李彥宏今日參加極客公園創新大會，在與極客公園創始人及總裁張鵬的對話中，李彥宏表示，自然語言的人機界面是下一個發展方向，比移動互聯網時代機遇更大。

談到為什麽要發展人工智能時李彥宏的回答是，有一天機器學會了人能力的時候，他永遠不可能疲倦，要處理比人多得多的信息，逐步逐步就可以做得比人要好。至少在某些領域可以比人做得要好很多。

他說：“AI會影響人類社會的方方面面，從行業的角度來講可以影響金融、汽車、房產、電子設備，可以影響幾乎每一個我們都能夠想到的行業。從不同的消費者來講，他可以影響很多消費者，從企業的角度來講也可以影響很多的企業。”

具體到應用領域，李彥宏表示，自然語言是繼鍵盤、觸摸屏後的下一代交互方式。此前智能家居、工業物聯網、智能互聯網等概念，背後僅僅是設備連接後用機械的命令進行控制，但其的本質還在於交互。

另外李彥宏認為，確立人工智能為中心的戰略，並不影響百度的使命，李彥宏表示，“百度的使命從成立到現在我們沒有變過，就是讓人們最平等、便捷的獲取信息，找到所求。搜索引擎本身也在進一快速的演進，早期都是關鍵詞的匹配，到人工智能時代很多信息輸入都是語音輸入、圖像輸入，語音和圖像的檢索行為在百度過去一年當中占比一年乘以2。”

以下為對話實錄：

張鵬：我們正在講我們倆今天要有一個新的變化，新的玩法，這個玩法就是我們準備不這麽正經的坐在沙發上，準備換一個方式。就這麽聊，為什麽這麽聊，因為咱們今天開啟的話題特別有新聞性，我知道就在不久前，百度自己的人工智能的一場人機大戰好像贏了。

李彥宏：一勝一平。

張鵬：你覺得後面結果怎麽樣?能贏嗎?

李彥宏：我覺得可能絕大多數人都覺得沒懸念，小度機器人一定會贏的，但是真的不那麽容易，機器人在模仿人的很多能力方面還是有很多工作要做。第二局打平之後，我們很多工程師難過得都哭了，他們下了很多工夫。

張鵬：就是很有可能贏?

李彥宏：對，但是也很有可能會輸。這是機器人一個過程，早期機器人記憶、存儲的能力是無人可以匹及的。我們一步一步在向人的方向努力。

張鵬：這個挑戰其實是挺不一樣的。如果說當時一開始我們看到的人工智能，大家看到的是他在一些計算能力上對人的超越，但是這些超越有的時候在不同領域體現出的難度是不一樣的?

李彥宏：對。

張鵬：我看到人認臉。對人來講人認臉應該是挺簡單的，不應該是挺大的問題。為什麽這件事很複雜，讓人這麽努力只到這個狀況?

李彥宏：這是人相對來說，天生就覺得很自然的事情，但是對計算機來說卻是沒有標準答案的事情。計算機的規則越清楚，越是能夠有限可能性的情況下所有的東西都試一遍，有一個標準答案，它可以做得很漂亮，但是如果說這個東西像什麽，大概是什麽，越模糊的東西人覺得很自然，甚至要求降低了，但是對於計算機來說這個要求很高的，什麽叫像他不知道，計算機只知道零和一，讓計算機知道這個人長得跟那個人很像，這個是有難度的。

我們為了準備度秘背後這套人工智能的東西，他們學習了兩億張人工智能的圖片。其實一個人一生都看不到2億人。但是計算機利用這個特長，我可以處理大數據，迅速處理很多很多數據，可以在不同的人臉當中找到一些共性的東西。這樣才能相對來說有一定的信心說，我覺得這兩個像，這兩個應該差不多，這種越模糊，越說不清楚的東西是機器不擅長，是人擅長的。

但是我們為什麽在這個方向上努力呢?有一天機器學會了人能力的時候，他永遠不可能疲倦，要處理比人多得多的信息，逐步逐步就可以做得比人要好。至少在某些領域可以比人做得要好很多。

張鵬：這件事其實里面涉及到一個問題，你發現人對有些東西無法解釋模糊的概念，比如說我不可能識別一億張臉就可以有認臉的能力。但是機器無法建立，有的時候機器有它優勢的地方，比如說我們在下棋這個層面。

李彥宏：這是規則清晰，它只要找到怎麽有效的方法去找下一步怎麽走之類的。

張鵬：輸贏是明確的。

李彥宏：對。

張鵬：但是人算不過來一下一萬次，但是認臉就沒有明確的。

李彥宏：你說不清楚。

張鵬：這個是很有挑戰的。

李彥宏：對。

張鵬：因為我比較了解這些事，我聽到了傳聞，還有一些圖片，我們看看今年李彥宏參與了一件什麽事。食物鏈頂端的人貝爾邀請你參與了越野千里。

李彥宏：是四川阿壩州爬雪山過草地。

張鵬：這個是有拍攝的?

李彥宏：對。基本上都是老外拍攝，中國人不讓靠近。

張鵬：你當時什麽感覺?因為這件事我們都有沒有經驗。

李彥宏：我一開始還是挺期待的。因為我這個人做互聯網總是喜歡變化和新東西，從來沒有經歷過這樣一個在荒野見到不一樣的東西，我非常期待。但是整個過程又很辛苦，中間甚至有一些後悔。

我說這種話，我幾乎這一生從來不後悔，這次做的過程當中還是覺得幹嘛自己要給自己找這種罪受。

張鵬：為什麽?你當時想去是因為什麽?

李彥宏：想去就是因為沒有經歷過，我想嘗試一下，喜歡新東西，各種各樣的。我覺得任何一個企業家或者創業者在心底里頭都有這樣的沖動，如果是沒見過，如果這里有風險，或者別人沒嘗試過的東西我想看看。

張鵬：這點在當時是驅動你參與了一個這樣的事情，但是真進去之後發現其實水挺深的。

李彥宏：比想象得要難受。

張鵬：有吃蟲子嗎?

李彥宏：到時候看節目。

張鵬：感覺應該是相當相當酷的感覺。這塊我想順便提這麽一個問題，我覺得面對挑戰這件事，你進去以後雖然是以好奇心進入，但是進去之後就是一個重大的挑戰。心里甭管是不是想退也退不了的，就得往前走。

把這件事轉到商業上也是這樣，百度每年都來極客公園大會，你之前談到AI、深度學習，已經是三四年前的事情了，遠遠沒有今年這麽熱。今年這麽熱，這個行業里面已經幾乎沒有一家公司不談AI了。

李彥宏：2013年3月份我們宣布成立全球首個AI實驗室，當時講我們要吸引全球最優秀的人工智能科學家來跟我們一起對未來的探索。現在四年過去了，我自己也確實認為我們的確吸引了一批非常非常優秀的人工智能方面的專家和工程師。我們在做的一些事情主要分為這麽幾個方面，比如語音識別、圖像的識別，自然語言的理解，用戶畫像等等這些東西。我們也開源了深度學習的源代碼，反映還不錯，整個運算的速度還不錯，可以使用大規模的集群計算。

語音識別的能力在安靜環境下達到97%，是超越正常人的水平的個。圖像識別進步也非常快，在百度貼吧里面非常活躍，有植物班。

張鵬：我經常看到你出沒。

李彥宏：除了我之外還有一個人特別活躍，度秘。經常有人拍幾張照片說這植物我以前沒見過，這叫什麽，或者朋友送我一盆花我也不知道是什麽，有人給我指點指點嗎?最先回答的就是度秘，這個東西叫做什麽，原產地是什麽。下面人會說謝謝，接著他又跟你調侃。很多人過一會才能識別出來，我怎麽跟一個機器人說話啊。

機器人的特點很明顯，你說一句話，它馬上就回，秒回，立刻回。人是沒有那麽快的反應，這樣能看出來是機器。

但是它也會錯，有人問一個什麽東西，它會回答錯。在不一定對的環境進去人容易接受，在吧里面說什麽都有，人說話也不一定保證對，這種情況接受程度也很高，正好像對於度秘這樣的機器人又是一個很好學習的過程。如果我錯了，你告訴我對的是什麽，這樣我慢慢就越來越聰明。

張鵬：有沒有可能這種東西不光在植物吧?

李彥宏：其實很多地方已經在弄了，我們想把這個東西開放。比如說你喜歡的是狗，你可以訓練度秘讓它學習寵物狗。

張鵬：我可以在做寵物服務社區里面也有一個隱藏的機器人其實是能夠告訴大家這個狗是什麽種，是不是純種。未來真的有可能有這樣的狀況存在。

李彥宏：我認為未來已來，電影吧里面也有度秘，比如說你告訴我這是什麽電影，你給我推薦一個什麽電影。它已經在若幹個領域已經學的人模狗樣了。貼吧有1000多萬個，每個領域都可以無限的細分下去，每個領域我們都可以把度秘訓練成那個領域的專家。這個需要一個過程，也是需要大家一起努力，這個我覺得是很有意思，很神奇的。

如果1000萬個吧它都是專家，你覺得這是什麽樣的人。

張鵬：這個挺起來挺興奮的。它不像我們現在下棋贏了一個誰，打牌贏了一個誰。你身邊現在成長了一個知識比你多，學習能力比你強的人。

別的家也在做AI，AI是不是有一個循序漸進的過程，什麽時候才能在一個應用里面有隱藏的力量能夠起到這樣的作用，也在學習，未來也可能有服務，這個過程是不是很長的過程?會不會把AI整合到自己的業務里面獲得這種能力呢?

李彥宏：這是一個很大的產業，AI會影響人類社會的方方面面，從行業的角度來講可以影響金融、汽車、房產、電子設備，可以影響幾乎每一個我們都能夠想到的行業。從不同的消費者來講，他可以影響很多消費者，從企業的角度來講也可以影響很多的企業。

所以我們在幾乎每一個領域認真看下去都可以看到很多很多這個領域跟AI的結合的地方。這個就是為什麽越來越多人進入AI這個領域的時候我感到不是威脅而是興奮呢?是因為大家相互激發，最後會有越來越多東西出來，最後我們都會變成一個受益者。如果用風口論來講，你是站在風口上，不管有多少人站在風口上，總比你不在風口上好吧。

張鵬：這一條線上這個風足夠大，這個才是你的感覺。按剛才講，百度已經往前運行了很長時間，甚至在很多領域都已經有了。

李彥宏：我們不是想跟別人公司競爭，我們是想提供基礎的能力，我們是希望提供這些能力到各個行業去，各種各樣的公司讓他們來用，包括度秘自然語言對話的能力。我們也希望跟所有的公司去合作，這次在CES我們跟小魚在家就達成一種合作。

張鵬：他相當於一個陪伴機器人。

李彥宏：他搭載度秘的能力跟你對話，這種能力可以在家庭的場景用，也可以在貼吧的場景用。也可以在其他場景用，我們希望把這種場景開放出來，八仙過海，各顯其能。

張鵬：他其實就是一個能力，不像原來，有自己的智慧，有自己的思想，甚至有不能叫做靈魂，至少他不像原來是一個機器編程的東西。

李彥宏：它會更加的智能也會更加的用戶，因為它用自然的語言跟你對話。過去我們人類發明計算機之後，人一直在學機器的語言。我學一個C語言，學一個java的語言，以後是機器學人。這個是多神奇的東西，我跟桌子、椅子交互的時候說的是人話，這是很有意思的東西。

張鵬：機器應該能聽懂我們說的東西，應該有趣，有趣其實在下一個階段應該是很重要的一點。我們有太多的東西還不能用，在不同用的狀況下我們就先把它用起來。再下一步我們有用了之後，希望它能夠更好用，極致就是希望這件事有趣。

我們剛才聊到對整個商業世界未來百度可能會做一些賦能，你們把AI的力量八仙過海，各顯神通。但是在實踐的領域你們會使用哪些呢?比如說小魚在家，AI在所有的領域會這樣嗎?

李彥宏：會是這樣。把它串起來看就認為它是一個必然，我們認為在PC時代，大家跟機器人交互就認為是鍵盤。我們一開始接觸觸摸屏覺得不精確，不好用，你讓三歲孩子學鍵盤不太好用，但是觸摸屏好學。觸摸屏往下學是什麽?不是觸摸屏，是自然的語言。這是最最自然的東西，這樣的東西我剛才講在任何一個領域都可以起到非常不一樣的這種作用。

張鵬：所以你看CES上咱們說汽車，自動駕駛，好像就是人工智能起來，把自動駕駛重新造車。

李彥宏：無人駕駛當然是需要計算機的視覺的能力，看到這是障礙物，這是人，這是軌道線，這是紅綠燈，它要識別所有的東西。當你是無人駕駛，你要進到這個車里，你要告訴它去哪，這是需要自然對話的。這東西往後一看都是人工智能的東西。

張鵬：人工智能成為新的元素有可能要把這個世界重新制造一遍。

李彥宏：這只是一個產業，醫療行業我也比較了解。我們一開始做互聯網的時候說互聯網怎麽跟醫學結合，我用O2O去掛號，再往下走一步就是智能診療，它學了各種各樣醫生給人看病，把這些東西記錄下來它就學會了，我作為一個機器你問我，我也可以繼續跟你對答如流，最後我可以告訴你你得了什麽病。

這是現在人工智能和醫學領域結合的現狀。再往下是基因測序，它越來越把人體數字化了，基因跟疾病之間有什麽關系，現在我們已知的都是單基因治病，這是很簡單的東西，也都是一些罕見病，未來我們可以知道那些基因的組合會得一種常見病。這些東西也都需要人工智能，需要機器學習的算法搞清楚哪些基因的組合導致什麽病。

再往下走，我們目前已知的化合物，有多少是有可能變藥的，過去制藥工業，靠人工一個一個去試。未來也會像汽車和飛機一樣有一個仿真。哪些最有可能是真正的藥，然後讓生物學家去試。僅僅一個行業，你可以看到從不同的層面，我們想象到是革命性的去改變這個行業。大家不管你在哪個行業，只要下點工夫琢磨，都有機會。

張鵬：這真是讓人興奮的，AI這件事對未來有根本性的重塑。今天來的都是極客群體，做產品的，工程師等等。我們作為極客這麽多年也有一個根本的變化。極客的定義可能現在又有變化嗎，極客的未來也有變化了。我們以前說編程的人有能力通過程序建造一個虛擬的世界，打造新的工具，新的生產力，現在AI起來之後機制不太一樣。包括對怎麽做產品，AI的存在，所有產品都要重新思考，大家下一步怎麽做呢?就像以前我們學一個語言，AI起來之後我們的未來會怎麽辦?

李彥宏：我覺得AI的時代是極客最好的時代，AI處在技術井噴的階段，在很多領域的應用我們都可以看得到，但是還沒有實現。所有的極客在我們看來是在新技術領域是對技術演進最敏感的人，他們也是最願意嘗試新東西的人。

即使這個技術看上去也很爛，一般人一用覺得不好就走了。極客用著不好就把它改好了，我們看到人工智能在很多地方的應用都處在這個階段。我們的極客如果找到自己感興趣、擅長的領域去發掘這些機會，我覺得比移動互聯網時代，PC互聯網時代的機會都要多得多。

它能看到未來它有多大的影響力。

張鵬：極客的精神在這個時代越來越起作用了，這是很重要的變化。

說到這點，我們也要談談人要變化有些東西要發揚，有些技能要改變。百度也是一樣，我記得當年你們在北大資源樓做第一次發布會的時候我也去了，非常非常早。那個年代的環境和現在天差地別，第一數字化的程度，第二，人的連接性。現在是高度數字化，高度連接性的時代。在這個時代，整個社會會就一個新的常態，這個新常態下對每個人可能都有影響，包括百度。

我其實是很感興趣，你怎麽在這麽一個新的環境下定義百度未來的價值，未來的使命?這些東西我們很感興趣。

李彥宏：百度的使命從成立到現在我們沒有變過，就是讓人們最平等、便捷的獲取信息，找到所求。搜索引擎本身也在進一快速的演進，早期都是關鍵詞的匹配，到人工智能時代很多信息輸入都是語音輸入、圖像輸入，語音和圖像的檢索行為在百度過去一年當中占比一年×2。

這兩個叫做多模的搜索，比例一年之內翻了一倍。所以，我們看到它本身在不停的變化，讓我們每天都覺得很興奮，就太多的東西可以去做。而除了搜索之外，百度今天做的很多東西也是基於過去搜索上的積累。我們做的金融方面的東西也是基於我們對用戶的這些畫像，我比別人更了解你的時候才知道該不該給你貸款。或者我知道你該買哪些理財的產品，我們現在做的信息流也是根據每個人看到的信息都不一樣，我怎麽能夠猜出來你最感興趣的是什麽，這些背後全部都是人工智能的，機器學習的技術，用戶畫像的能力。

張鵬：在這個環境下有足夠多的數據，足夠多的連接之後，百度提供的服務也是有變化。是在提升的，原來就是把信息找到，連接給你。好像你們有些能力要打通到現實世界了，自動駕駛，包括未來可能去做很多制造業智能化升級，這個還是蠻讓人期待的。

李彥宏：我們就是想把基礎的東西做好，讓每個企業，每個行業都能夠從中獲益。

張鵬：最近百度發布了一個新的OS，DuerOS。我挺想了解這是什麽?

李彥宏：這個DuerOS其實簡單說就是一個仔細語言的人機界面，是做對話的。我剛才說你要想跟桌子說話，這個桌子要加載了DuerOS，你就可以用語音跟它交互。它背後是這麽一個東西，但是智能家居，工業互聯網、物聯網這些東西講了很長時間，但是這里面最最本質的區別，過去人們只是說我把它連起來了，用機器的命運控制它。將來就了DuerOS，你可以不用任何機器的語言，用仔細的語言就可以跟它聊天，任何的環境下，任何的領域都要具備這種能力，這就是DuerOS的定位。

張鵬：它就是非常典型的說要賦能的能力，給到更多人可以應用，更多的行業可以應用到。

李彥宏：對。

張鵬：最後一個問題，這個比較個人，你現在的時間怎麽分配?我們都感興趣，時間怎麽分配?你對什麽現在最感興趣?

李彥宏：時間上，反正2/3在北京，1/3到處在travel。

張鵬：是找方向、找資源?

李彥宏：找人才。大部分時間都是待在公司里面開會。

張鵬：還是花很多時間在公司內部溝通和推進?

李彥宏：對。

張鵬：還沒有超脫成到處去演講的人?

李彥宏：可能是我本人的興趣吧，我不喜歡到處去演講。極客可能最懂我，我就老來。

張鵬：之前我們做了一個調查，記者們說為什麽老是你，我覺得確實有一群人是有類似的感覺。為什麽我問這個問題，你怎麽花時間，你關註的焦點是什麽，這點也是會對中國的極客群體是一個引領，我們應該在關註在什麽東西上，極客群體應該把自己的力量、智慧、時間放在哪些方向上。

李彥宏：廣義講是人工智能，如果收窄一點就是自然語言的人機界面，這個是未來非常非常令人興奮的發展方向，未來會有更多的產業到這上面來。

張鵬：今天在這，在座的也歡迎加入到李彥宏的站隊繼續往前推進，度秘下一場戰鬥我們非常期待，我們非常期待結果。你賭什麽呢?

李彥宏：我賭贏。

【CFV•2016年度金融風雲人物】德米斯•哈薩比斯：AlphaGo背後的AI超級英雄

2016年春天，AlphaGo與世界圍棋選手李世石的一場世紀人機大戰，標誌著人工智能取得了歷史性的突破，更引發了一波人工智能創業熱。而站在AlphaGo身後，DeepMind創始人德米斯·哈薩比斯( Demis Hassabis)也成為世界人工智能領域最令人矚目的“明星”。

這個曾被互聯網發明者Tim BernersLee稱作“地球上最聰明的人之一”的人在一次接受采訪時坦言，自己的大腦已經完全被人工智能占據。不過，在德米斯·哈薩比斯眼里，如果僅僅把AlphaGo當作一個機器人“圍棋小子”，就太小看它了。

當湖十局，不止求勝，在棋局之外，他稱，在未來，DeepMind主要目的是“用人工智能解決一切問題”，並將進一步探索人工智能在醫療、機器人以及手機等多個領域的應用。

從神童到AlphaGo

德米斯·哈薩比斯稱得上是“少年天才”。他喜歡各類智力遊戲，從4歲開始下國際象棋，13歲時就獲得了國際象棋大師稱號，至今仍然保持著5次獲得“智力奧運會”精英賽冠軍的世界紀錄。

不過，哈薩比斯並沒有走上職業棋手的道路，而是對計算機產生濃厚的興趣。16歲的他就加入Bullfrog Productions遊戲開發公司，負責遊戲《SyndiCATe》的關卡設計;17 歲作為聯合設計者開發出包含人工智能的電子遊戲《主題公園》;並在22歲成立了遊戲公司仙丹工作室。

但此後，德米斯.哈薩比斯選擇回歸學術在倫敦大學學院攻讀神經科學博士學位，並在2010年與人工智能專家同事ShaneLegg、連續創業者Mustafa Suleyman一起創立DeepMind團隊。

2014年，谷歌以4億英鎊的價格收購DeepMind，這是當時谷歌在歐洲進行的最大手筆收購案，而那時的DeepMind還沒公開發布過任何產品，只有20個技術人員。在一次TED大會上，谷歌CEO LarryPage一直對Demis Hassabis滔滔不絕，並把DeepMind稱為是“很長一段時間以來我見到過的最令人興奮的東西之一。”

有了谷歌的“加持”，DeepMind加速對 AlphaGo的研發。AlphaGo的電腦程序最初是從學習通用模板開始的，讓計算機不斷從過去重複的比賽中學習。當學會基本技能後，它開始通過看專業級的比賽來掌握合理的規則和標準套路。然後開始自己下棋，進行“強化學習”，這個階段可以視作千千萬萬次不斷試錯的過程。

德米斯·哈薩比斯說：“它通過和無數個版本的自己下棋，不斷糾正錯誤，每一次水平都有非常輕微然而螺旋式的提升。這也意味著機器在不斷戰勝自我。”直到今年3月，AlphaGo以4：1的成績戰勝了曾經排名世界第一的圍棋選手李世石，被視作是人工智能發展史上的歷史性突破。

在學術領域，DeepMind也證明了它的價值：2015年2月，DeepMind在科學雜誌《自然》上發表論文，介紹了能夠通過學習成為雅達利(現代遊戲機始祖)遊戲高手的人工主體。今年1月，DeepMind再次發表論文，稱他們的新算法AlphaGo在圍棋上取得巨大突破。而哈薩比斯在管理DeepMind之余，還同時在世界頂級科學大會上發表了4篇論文。

AlphaGo

國際象棋一直被認為是“代表著智力挑戰的最高水平。哈薩比斯把它稱作“人類迄今發明出來的最優雅的比賽”。“它規則簡單，卻又無盡複雜，AlphaGo的走法要比宇宙中原子的個數還要多。”

他曾在首爾接受媒體專訪時表示：“我個人認為這次的發明絕對是具有跨時代和突破性影響力的，但它是否會掀起一場革命，還要留給歷史來評判。許多人都預測，我們至少還需要十年才能夠達到現在的狀態，所以對於現在所取得的成就，大家都感到欣喜若狂。”

不過，對於哈薩比斯來說，他的雄心遠不止圍棋。他在此前接受The Verge采訪時透露，AlphaGo僅僅是谷歌人工智能項目的一個分支。在未來，DeepMind主要目的是“用人工智能解決一切問題”，並將進一步探索人工智能在醫療、機器人以及手機等多個領域的應用。

例如，在戰勝李世石後不久，DeepMind已經開始了和英國國家醫療服務體系的合作。哈薩比斯認為，癌癥篩查更像是一個專家系統，是另一種形式的人工智能，這類人工智能所能做到的是進行圖像方面的醫學診斷，自我量化然後進行重要特征的橫向比對以及大量的篩查，從而指導人們擁有更健康的生活方式，“我認為把增強學習技術用於這個領域較為適宜。”

今年夏天，谷歌還把DeepMind人工智能接入谷歌數據中心，來幫助這家巨無霸公司節省能源開支，並將節省下來的開支作為2014年收購DeepMind的部分支付款項。

而哈薩比斯和他的DeepMind 團隊最新的一項重磅研究是：推出了可微分神經計算機的神經網絡模型(Differentiable Neural Computer，簡稱DNC)，這或許意味著，人們離美劇《西部世界》中自我覺醒的機器人更近一步。

對人類、機器人和人工智能在未來的交互，Hassabis的期望是：“我自己對機器人沒多少思考。我自己對人工智能的使用感到興奮的領域是科學，能夠推動它更快地發展。我想看到人工智能未來能夠輔助科學，如果有一個人工智能研究助手，它可以做很多乏味的工作，閱讀有趣的論文，從海量的數據中找到結構，並把它們呈現到人類專家和科學家面前，以實現更快的技術突破。我幾個月前在歐洲核子研究中心做演講，很顯然它們創造出比地球上任何地方都多的數據，我們都知道在它們海量的硬盤中，可能會有某個新的粒子發現，但沒有人能抽出時間做這件事情，因為這里的數據量的確太過龐大。所以我覺得，如果有一天人工智能參與尋找到一個新的粒子，那麽是一件非常酷的事。”

李開複對談MIT實驗室負責人：AI時代的變革比每一次工業革命都快

創新工場 2017-02-08 13:23

1月20日，創新工場董事長兼CEO、創新工場人工智能工程院院長李開複李開複受邀與MIT Media Lab（麻省理工學院媒體實驗室）負責人伊藤穰一，在達沃斯世界經濟論壇閉幕日的“人工智能焦點論壇”上探討人工智能。

隨著人工智能發展的深入，不僅僅只是“職業代替恐慌”這一個問題，李開複和伊藤更深入探討了AI對經濟結構的影響：大型企業壟斷技術和數據，中小企業進入AI領域的難度更大，市場機制如何進行調節？以及對於黑科技的偏見與濫用誤區的問題。以下內容根據現場錄音整理。

對談嘉賓：

李開複博士，創新工場董事長及CEO、創新工場人工智能工程院院長

伊藤穰一（Joi Ito），MIT Media Lab（麻省理工學院媒體實驗室）負責人，曾任Creative Commons CEO、Six Apart日本分公司主席、風險投資公司Neoteny創始人兼CEO

主持人：

蒂姆·布拉德肖（Tim Bradshaw），《金融時報》駐舊金山科技記者

人們的工作必須具備足夠的深度

主持人蒂姆：今年我首次來到達沃斯參與世界經濟論壇，感覺人工智能（Artificial Intelligence，以下簡稱AI）在今年大會已然成為炙手可熱的焦點。現在當人們談及AI和它所引發的生產力進步時，往往會一道談及AI可能引發的倫理和政治議題，甚或爭辯AI的終極價值。我希望今天咱們能換一種觀點來討論AI。

伊藤：我覺得AI確實變的熱門了，這種變化從去年底開始，2016年是非常重要的一年，連許多非計算機領域的科學家都開始提出他們的觀點，而非像過往單純質疑AI。

李開複：的確，如今AI已經被全社會所更廣泛地接受了。人們開始認識到，AI正在為現實生活服務。自2016年初AlphaGo戰勝李世石一役，為大眾揭示了一個無法否認的事實，那就是AI確實能以極高的效能掌握特定垂直領域。AI能夠為我們的生活提供許多超越當前產品與服務水平的解決方案，AI能開始正式為人們提供服務。

AlphaGo VS 李世石

蒂姆：所以，您認為這項變革的動力來自技術領域，還是外在的實體環境？

李開複：我認為它屬於技術引領的變革。數十年來，人們普遍把AI視為一項技術，確實在AI發展的同時，經濟、政治等外在環境也發生了一些改變，但我不認為實體環境的改變和AI技術的發展具有直接相關性。

蒂姆：前不久，IBM與微軟都卷入了一項重大討論，那就是AI技術是否會對人們現有的工作造成威脅，人們是否會因此失業？他們認為，AI的目的是增強人類的智能，而非替代人類。兩位認為上述論點成立嗎？

伊藤：所有事物的價值都需要經過長時間的檢驗，而並非一段短暫時間內的觀察。宏觀角度來看，我們無法否認人們會因“新技術總會導致人們失業”而恐慌，但隨著新技術的發展，某些領域又會誕生新的工作。例如在美國，高中畢業生如果想當護士，就必須就讀社區大學考執照，而AI技術能夠達到護士必須學習的操作流程技能，使得費時且昂貴的職業資格考試變得不那麽重要。護士這一職業還將存在，但將不再受限於繁瑣的操作任務和流程事務，對於想從事護士一行的人來說，這是一大利好。對於許多職業而言，立刻要談立即被AI技術取代還言之尚早。但是顯然，許多工作領域的問題正被解決也正被改變。

主導AI技術研發的各大科技巨頭，如果能為人們樹立一種正確的態度，驅散人們心中對AI技術的恐懼，也將會是一大利好。畢竟人們對AI技術的恐懼，絕大部分來自於對於AI的不解。

要消除恐懼，我們需要在兩個方面努力，其一，是消除人們心中情緒化、非理性的恐慌心理；其二，則是理性解決問題。例如，我們必須對當前的教育體系，以及職業資格認證等體系進行改革，這取決於未來機器發展的速度有多快。

在接下來數十年甚至很長時間內，AI技術都將會不斷發展。但現實是，我們的教育體系和人才市場仍然一成不變。我預見各項既有制度的僵化與缺乏彈性，將成為比AI技術本身更大的阻礙。

李開複：大體上我同意，不過我認為，我們需要更為急迫的喚醒社會集體意識來理解並準備AI時代的到來。

當今時代變革的速度，比以往任何一次工業革命時期都要快。隨著AI技術的不斷完善，越來越多的工作如今開始被AI技術取代。舉例來說，中國有一批AI創業公司正在研究人臉識別，這類技術已能批量辨識20到30萬張人臉，這是一般人類不可能達到的量級和精準度，諸如保安、邊防等從事辨識任務的從業人員，也勢必會被取代。在另外一些領域，AI處理人際和人機關系的能力確實還不如人類，醫療行業是最好的例證，醫療檢測中的某些涉及影像識別的崗位很快也會被AI技術所取代，但那僅僅是醫療專業的一小部分。

曠世科技face++人臉識別自動解鎖

所以大體上來說，人們的工作必須具備足夠的深度，需要讓自己強大到不會輕易被機器所撼動。我不認為現在正在從事這類有足夠深度工作的人們，會輕易被AI取代。

當前有兩項重大的任務等著我們去解決。其一，是思考如何調配未來二十年大量被AI技術替代的工作者；其二，是我們的教育亟待改革。我們需要對我們的子女、下一代子女進行再教育，分析哪些工作不會被輕易替代，而不僅僅去幻想從事目前看似光鮮亮麗的工作。

投身服務業可能是其中一個選擇。我們希望能鼓勵更多人參與人際間的交往互動，建立機器人與人類的交流溝通模式，並不是所有人都能做到這一點，而這些對於服務行業來說至關重要，AI技術能夠使未來的服務業更被人們期待和尊重。

伊藤：日本人對於服務行業的看法就很有意思。日本人認為，服務業是與人打交道的工作。在日本很少有人帶著好萊塢夢，為了將來成為明星而在餐廳打工，他們單純就是喜歡在餐廳工作、熱愛著他們的顧客，這樣的態度完全刷新了我個人對於工作價值的認知。

我們有必要重新設定價值的評價體系。過去我在日本的時候，日本還是一個經濟發展至上的國家。但如今，人們的觀念已經發生了很大轉變。在以前，工作只是為了獲得金錢，而金錢是衡量一個人是否成功的標準。

但如果你基於你對工作技藝的精通程度去評價你是否熱愛這份工作，同時改采你對工作的熱愛程度來衡量成功，那麽很多被歸結為服務行業的職業其實都相當成功，服務本身可能談不上偉大，也不在創造什麽新事物，但這些當下從事的工作讓你明確目標，支撐著你的生活結構，讓你找到人生的意義。

我們應當少關註一點工作產出的經濟效益，而更關註工作的目標和意義。舉例來說，育兒應當是國家GDP的組成部分，而不是像現在這樣只被視為家務，養育下一代對全社會而言至關重要，如果每個父母都能在育兒領域多花些時間，社會將會變得更好。我們在比較人和機器的勞動產出時，多半僅僅用勞動價值和工時長短來衡量人類的產能，卻忽視了工作背後潛在的社會價值。這也是為何許多非計算機領域的科學家自去年起，也開始提出他們的觀點。

李開複：另外一個重點在於，人類的工作進入了一個新的層次。人們在競爭中，將選擇更好的雇主和工作，同時取得工作技能與深度上的提升，逐漸成為各類專業能手和頂尖人才，甚至最後成為特定領域的首席科學家、最有價值的金牌球員、最受饕客追捧的明星大廚等。

但機器也擁有著屬於它的全新定位。我們要做的是去思考在AI時代來臨之際，如何保留一手的經驗，如何為人類提供成長的空間，從而創造更多的就業機會，為人類共同的未來找到更好的解決方案。

蒂姆：那麽隨著AI技術的普及，社會上的職業構成、各類職業對經濟貢獻的性價比會不會隨之改變？例如，一個人周遊世界開另類雜貨鋪，會不會比在辦公室當一名白領賺得多？

伊藤：這正是另一個關乎整體經濟的重要問題。 如果AI真能把整體社會的生產力無限提高到一個極其充沛的程度，那很多人可能根本就不願意繼續從事現在的工作，如今包括政府公務員在內，很多人在崗位上過度勞動，薪水卻巨低無比。這些職業的確需要政策扶持和薪酬相關的補助，才能鼓勵人們考慮選擇那些看似低回報的工作。

古希臘的雅典城邦就是一個例子。當然我們現在沒有那時代的奴隸制，但想象我們處在一個充滿了藝術家、哲學家的社會，那時公民們關心的，會是資源分配是否公平、收入是否均等。這並不意味著我們不再需要工作，否則就太不符合現代的經濟法則。社會仍然需要人類勞動力，但人們將變得更富裕、更能投身內心真正渴求的工作，將會有更多的音樂家能心無旁騖專註他們熱愛的創作、廚師們方能每天精心烹調讓人贊嘆的美食，他們周遭人們的生活體驗，將會因此更為多彩豐富。

蒂姆：說到剛才的音樂家，如今他們掙錢的道路似乎更辛苦了。您覺得該由誰來支付這種額外收入？是政府？還是科技公司？

伊藤：目前的音樂行業，正隨著流媒體技術、更趨完善的數字版權制度蒸蒸日上，可預見的是，數字音樂不會在近期沒落，產業規則和行業規模隨著技術平臺而生了重大變革，整體音樂行業反而是在上升的。但是，我預見音樂產業各種獨家約束制度仍然是個發展瓶頸。上世紀後期，在電視和傳統音頻媒介當道的時候，巨星經濟、高銷量唱片和企業壟斷形成了當時的市場格局。但現在，這種體系已經過於複雜、而且不符合當今以技術平臺為主流的發布體系。

李開複：不僅是音樂行業，其他的行業也存在著明顯的問題。例如，專欄作家和記者們的前途也值得憂慮，他們依循傳統媒體遊戲規則都曾經歷過獲利頗豐的年代，而對於新的技術平臺分發規則、更為AI自動化的媒體模式他們仍未做好準備，記者編輯們的專業地位也需要被重新檢視與定位。未來型的AI技術公司將有機會賺得較高的經濟收益，這些創新公司甚至能和前沿政府緊密合作，共同為未來世界的工作結構和薪酬制度，進行前瞻的規劃和準備。

我們過去專註在培養數理化人才，為了訓練符合上個時代需求的工程師、醫師、會計師、律師等等專業人才，我們已經投資龐大的社會資源，導致很多人打從學習階段其實就開始偏離了他們的核心潛能而毫不自知。在不久的未來，許多工作都能被機器取代，人們將從這種演進中被釋放，真正投入我們擅長、我們熱愛的領域。

未來的“電車難題”

蒂姆：讓我們再來談一下當前AI技術帶來的經濟收益。由於AI技術對於大數據存儲、從業人員技能、輔助設施研發等領域提出了高門檻的要求，是否因而大部分收益都將集中在屈指可數的幾家大型科技公司中？對於其他小型的創業公司，由於缺乏機器、缺乏數據集，AI技術的研發成本無疑是巨大的，您認為AI技術對經濟結構有什麽影響？

李開複：我覺得目前的體系會持續促使大型科技企業不斷發展。他們有能力壟斷資源、壟斷數據，在商業利益和激烈競爭的驅使下，他們會不斷競逐更為精進的技術能力，為公司賺取更大的利益。對於較小企業，進入AI市場的難度的確比移動互聯網時代的創業高出非常多。

我呼籲行業需要大力推動AI生態系的開放性。創新工場北京總部和我們所投的創業公司體系中，已經啟動了全新的AI技術相關研發工作，近期我們成立了人工智能工程院，帶著孵化中國AI生態系的目標投入大量資源，招聘培訓一批年輕工程師入門AI領域，展開可公開數據集的采集和標註，我們也積極尋求在中國和全球資本市場的融資和成長機會。

全球AI競技場上，美國市場有Google、Facebook、微軟，中國市場有百度、騰訊、阿里巴巴等行業巨頭，激烈的市場競爭導致他們的技術極低程度會考慮開放出來，創新工場希望能夠借此成為AI領域開放發展的倡議者和實踐者。

蒂姆：我們之前提到，誰擁有數據上的優勢，誰就擁有敏銳的洞察力和創新能力。那麽非技術型公司什麽時候能夠真正采用AI技術，亦或是只能運用像IBM、Google、微軟等公司的平臺？

伊藤：隨著世界愈發緊密互連，要以“贏家通吃”的玩法去壟斷市場是越來越難。現在，如果某個個體試圖進行壟斷行為，會自動觸發市場機制。市場競爭會形成限制：如果某方采取壟斷動作，對標競爭的另一方會花數百上千萬美元去找到超級優秀的AI博士們來迎頭趕上。現今人才培養的源頭已經到位，但我擔心，當某個企業實現了壟斷甚或做上了寡頭的時候，自然而然能順勢招募AI領域的全球才俊，吸引能夠負擔他們百萬美金酬金的投資人，種種多方因素都正匯聚在一起。市場單方面依賴競爭機制進行調節並不完善，因此，我對開複和創新工場在中國推動的開放做法特別感興趣。

接著我想說下一個經典的“電車難題”，雖然看起來有點偏題，但其實這個跟我們的討論挺相關的。這個研究大概就是詢問人們，如果街上一輛滿載乘客的電車馬上就要撞上一大群人，它應不應該立刻轉向，犧牲車內乘客的生命，還是放任讓車輛撞上人群。結果大多數的人都說，當然應該犧牲車內乘客的生命來保全更大一群人。但如果按照這個標準設計一輛無人駕駛汽車，你們會不會買具備這種人性道德的汽車？我是肯定不買。所以其實這就意味著，當我們只把責任交由市場機制，人們普遍都是自私的。

而且，就像開複所說的一樣，資本主義的市場競爭是不會激勵大家分享數據、資源和市場的。傳統的政府監管方式過去曾經行之有效，但在面對互聯網的開放和動態結構，這種傳統的監管方式將會失效。現在這些AI、比特幣和其他所有領域中的問題，都不是過去十年二十年間學者們研究的題目，而是真正在資本市場能夠快速賺錢的技術。然而相較於開放的互聯網，行業不曾充分在開放場域來探討這些技術衍生的問題和現象，這是我的擔憂所在。

李開複：我們倒是嘗試采用實務並直接一點的方法，用大公司跟大公司來抗衡。比如某巨頭企業說他們能夠提供數百萬美金的資金，另一家巨頭企業便說我們可以提供一個昂貴的開放平臺。我們不知道這個方法是否有效，但畢竟我們都是敢於冒險的資本家，這個策略肯定是值得嘗試的。作為風險投資家，我們理解商場上凡事皆求回報，我們試圖串聯各方利益點，聚合成一條具有共通性的利益鏈條。

蒂姆：現今大家都能看到AI產出已經開始變得極具說服力，那麽投入方面狀況如何？誰在編寫、改進算法，我們又怎麽知道這些算法何時會被使用？AI技術的透明性又如何？市場能否避免AI這樣的黑科技遭受偏見誤區，或者避免AI技術被濫用？

李開複：我覺得目前有些公司采取所謂公開透明的做法，其實是很討喜的宣傳手段。但我也確實擔心，下面這種兩難問題會不會出現：一些公司選擇通過自律或推動立法來限制錯誤發生，但另一些公司不會這麽做。自然而然，比較規範自律的公司由於發展顧慮更為周全，相對發展速度上可能放緩；而較不顧慮錯誤發生的企業，反而可能成為最快速或最成功的那一方？

例如在無人駕駛技術的開發上，Google很小心謹慎，把保護駕乘人員和行人放在了極其重要的位置上，技術不成熟就不推廣；相反，特斯拉的AutoPilot就很激進，會直接把測試版產品拿給公眾進行試驗。然而現在看來，特斯拉造出好無人駕駛車的可能性還要更大一點。所以這個難題對任何規模、任何階段的企業，都是一個道德層面的決策。

伊藤：偏見同樣會影響到產品開發。曾經有某家企業開發面部識別系統的時候，僅用他們自己的工程師作為訓練數據庫的模板，但發布演示產品的時候，這個產品竟然認不出一位黑人女性的臉，正因為他們的工程師全都是白人男性。很多偏見，是你在日常職場中不容易意識到的。

過往許多公司會去搜集信息、理解客戶，然後給出個解決方案。如果要做一個真的對社會有益、解決問題的架構，就只要想著把這個工具做得更好、更有用就可以了。我喜歡舉會計和電子表格的例子，在VisiCalc發布以後，這個蘋果公司自己都不知道該賣給誰的軟件出乎意料獲得會計行業的巨大歡迎，這讓他們欣喜萬分。於是他們在VisiCalc中投入了更多的靈感，VisiCalc 的開發者都沒有設想過它有如此多的可能性。

我們需要的不是企業銷售人員出去收集客戶需求，然後回頭要求工程師做出什麽，我們需要的是賦予人們自己打造這些工具的能力，這不會是目前主導AI領域那些科技巨頭的商業模型和運作方式，反而更可能來自像開複您所投資的實踐型的創業者。

蒂姆：數據和最終的成果歸屬之間是否有條清晰的界限呢？比如說如果某個商業公司使用Google的演算法找到公共部門數據中有利可圖的部分，例如運用某些醫療數據而大賺一筆，會發生什麽？會因為來源是公共數據而把這樣得來的利潤回報給政府呢，還是因為用了Google算法而成為其產品的一部分呢？畢竟沒有公共數據就不會有這一結果，目前這些數據相關的行業規則是如何制定的呢？

李開複：我感覺我們正站在一道門前，正打開去探索一個美麗勇敢的新世界，針對上述問題其實行業還沒有定論，也應該好好充分研究一下這個問題。

伊藤：看來科技巨頭們有一套針對現存數據庫、獲取數據的戰略。Google、Facebook或中國的百度、騰訊當然都會收集大眾的數據、從公共的數據中試圖做出成果。但很顯然個人電子郵件就不是公共數據，想要購買這些數據也是不可能的。也有很多人爭論是算法重要還是數據重要，顯然兩個都十分重要，但不同企業由於其業務屬性的側重，將會有不同的選擇。

蒂姆：我在這星期聽到許多關於人工智能未來是不是真的能帶來巨大收益的相關討論，比如增加稅收，幫助政府能讓所有人都開心地生活還不用工作。你覺得AI能緩解社會焦慮、解決其他情況下可能會出現的不平等問題嗎？它會是我們期待的那個靈丹妙藥嗎？

李開複：應該說這是必然的，在可預見的未來大規模的職業轉移即將發生，人才與人力需要重新部署，在AI驅動的工作形態改變之際，有兩部分我自己特別關註：一是孩童和成人的教育體系，舉例前面提到的音樂家、育兒等都將更能彰顯其價值，目前各項專業教育和技能培訓需要檢視其未來的適切性。二是人們有更充裕的時間來體驗享受更優質的娛樂，娛樂行業比如虛擬現實（Virtual Reality）在未來勢必更為百花齊放。

蒂姆：這是場非常有意義並非常有趣的對談，十分感謝你們參與。

文章評論

匿名用戶

發布

全部評論：10

發布

百度醫療轉向人工智能背後：中國醫療需要怎樣的AI？

去年感恩節時，美國斯坦福大學心血管外科的一位醫生造訪了印度，那次訪問對他感觸頗深：一臺救治同種心臟疾病的手術在美國的花費需要90000美元(約合62萬人民幣)，但在印度，費用卻只需要1800美元(約合1萬2千人民幣)，不僅價格只有美國的2%，就連醫療效率也遠超美國：這里一個月大約要做900臺心臟外科手術，而這幾乎是美國一所普通的大學醫院做一年的量。

如何在保證效率的同時又保證質量?這位美國醫生得出了自己的觀察結論：簡單又實用的智能醫療系統是比個人經驗更重要的東西。

兩個月後，百度撤銷醫療事業部的消息被瘋傳發酵：第一財經記者從知情人士處獲悉，百度已在通過內部郵件宣布對醫療業務進行組織架構調整和優化，撤減以掛號為代表的低端服務部門，轉而重點布局的正是讓上述這位美國醫生感到驚嘆的醫療人工智能領域，當然，他所看到的還只是醫療人口智能的極小一部分。

掛號“剝洋蔥”時代已過​​​​​

兩年前，剛剛興起的移動醫療正處於投融資的最鼎盛時期：動輒幾千萬、上億美元的投資，數幾十億、上百億的估值，讓彼時的移動醫療公司成為互聯網領域最耀眼的新星。

而細數那時絕大多數的移動醫療公司，主營業務幾乎全部指向了同一個門類：依托掛號業務而進行的導流服務。包括掛號網(現更名“微醫集團”)、好大夫、就醫160在內的互聯網醫療公司，以及以萬達信息、衛寧軟件為代表的信息系統服務商，甚至各省級的電信平臺、單獨的醫院主體都在掛號業務上躍躍欲試，互聯網的“野蠻人”期待寄托這一業務撬開消解重資產的醫院大門。

不考慮盈利能力，互聯網掛號的發展的確勢如破竹：六年前，掛號網團隊為上海複旦大學附屬華山醫院免費做了第一個預約掛號平臺，最初華山醫院只提供5%的號源給掛號網嘗試，後來這一比例增長到50%，兩三年後華山醫院的全部專家號都已對掛號網開放。

在這一背景下，BAT巨頭也陸續開啟了在互聯網醫療領域的布局，並購優質標的是主要路線。相比較騰訊和阿里，百度在醫療業務上的布局包括：2015年2月，百度斥資6000萬美金獲得以預約掛號為切入點的互聯網醫療公司“健康之路”(原名醫護網)13%的股權， 2015年9月，百度再次領投，軟銀中國資本(SBCVC)、弘暉資本(HighLight Capital)跟投另一家互聯網醫療企業趣醫網，投資規模為4000萬美元，而這家公司目前的主營業務之一也是掛號。

但幾乎就是在那之後，國內互聯網醫療公司的投融資迎來了“寒冬期”：不少互聯網醫療企業受平臺同質化嚴重、盈利模式尚不清晰等問題的影響，發展進入瓶頸期，甚至於一些紮根互聯網醫療領域十余年的企業也紛紛流出裁員傳聞。

2016年8月，有“互聯網醫療第一股”之稱的“就醫160”率先打響了裁員第一槍：創新事業線被撤銷，公司宣布優化淘汰三分之一員工---接近300人。隨後，在互聯網醫療領域已發展5年的“尋醫問藥網”也被爆出裁員消息，比例達到50%以上。

“對於新興的移動領域的投資有三個要點很重要：第一，項目產品解決什麽問題?第二，項目靠什麽賺錢，即商業模式問題;第三，移動醫療平臺的流量可增長性。其實，從這三個要點，就能看出國內移動醫療和國外的差距。尤其是國內平臺還停留在盲目拉流量、看起來有人氣，實質上沒法應用流量，琢磨透如何賺錢。”高特佳投資集團首席戰略官曾小軍此前接受第一財經記者采訪時表示。

淘汰掛號的並不只是“百度”，在百度以外，包括以掛號出身的微醫集團、好大夫都已經在過去的一年實現轉型，落地互聯網醫院，發展該業務較早的微醫集團甚至借此業務已經實現了年收入8個億的盈利。

 和百度的做法不同，騰訊建立的互聯網+醫療生態，則是和合作夥伴一起，改善患者體驗，提升醫療效率，助力分級診療。

例如，除了推出自主的糖大夫血糖儀和騰愛醫生，實現糖尿病慢病管理和醫患溝通外，去年6月，騰訊與四川省衛生和計劃生育委員會達成全方位的“互聯網+醫療”戰略合作，以及與國內婦幼醫院四川大學華西第二醫院落地建設“互聯網+智慧醫院”。在線掛號平臺、醫保支付等騰訊“互聯網+醫療”服務平臺也在今年陸續上線投入服務。加上與卓健、微醫、醫聯、丁香園、眾安保險、京東醫藥等合作夥伴的合作布局，騰訊在“互聯網+醫療”上的建設版圖逐步成形。

掛號“剝洋蔥”時代過去，線上問診“邊緣革命”的時代又到來了：根據第一財經的不完全統計，截至去年11月，全國互聯網醫院的數量已經超過了40家，其中超過30家互聯網醫院是在去年誕生。

醫療需要怎樣的人工智能?

針對此次百度撤銷醫療事業部，外界引用最多的是李彥宏在今年新年演講中的一段發言：要淘汰沒有競爭力的產品。如果做不出來，就別在那混了，別在那撐著了。該撤就撤，該關就關，該並就並。”

對於百度而言，調整醫療業務部門並不意味著李彥宏不再看好或是放棄醫療業務，而是重新調整發力的方向。

第一財經拿到的這份調整說明中表示：即日起，百度醫療事業部智能小e團隊和拇指醫生團隊，將轉入AI體系;醫療事業部內容建設團隊，轉入搜索公司。醫療事業部其他業務將予以關停。調整之後，原百度醫療事業部總經理李政將轉至AI團隊，充分利用人工智能技術，結合智能小e和拇指醫生的業務方向，加速推進探索利用人工智能在醫療領域的解決方案。

“人工智能時代的思維邏輯、思維方式應該變成什麽樣子，現在還不是很清晰，這對任何公司來說都一樣。百度應該及早地去朝著這個方向做思考和嘗試。”在此前的新年內部演講中李彥宏如此說道，在經歷了魏則西事件、血友病貼吧等事件後，百度+醫療四個字的組合已經變得極為敏感，而對於如何定義百度的醫療事業，這位中國互聯網時代的領軍人物也顯得尤為謹慎。

“第一階段的掛號等服務技術含量並不高，而人工智能時代的來臨，將重新定義醫療行業。例如未來，可以通過智能診療系統幫助醫生來診斷、通過人工智能收集數據進行基因測序、用人工智能的方法進行新藥研發和測試等。能夠改變醫療的最最重要的力量就是人工智能。”李彥宏說。

百度想借“人工智能”彎道超車理想豐滿，但在當下的中國，怎樣的人工智能才是最符合市場需要的?文章開頭那位美國醫生在印度的所見所聞或許給業界啟發。

他在文章中寫道：這里的醫生會使用相當複雜的自主開發的電子健康記錄，並最終保存在iPad上，和美國常用的EHR系統不同的是，這個App非常直白，醫護人員在使用前幾乎不用專門教學。……

床旁監測設備則與一個中央系統相聯，手術負責人通過這個系統了解醫生每天要花多少時間去幹預可能發生的醫療問題。在美國，這個數字往往超過1個小時，但在印度，他們只需要8分鐘——這個設備不僅價格比美國低，而且效果比美國好得多。

如何利用有限的醫療資源、醫生資源來最大限度的幫助龐大的中國患者?在高冷的“黑科技”之外，簡單、高效的人工智能體系可能更為急需，畢竟以癌癥人口來計算，中國的數量占了全球的五分之一。

微軟亞研院副院長馬維英加盟今日頭條 管理AI實驗室

黑智 2017-02-14 21:14

2月14日消息，微軟亞洲研究院的常務副院長馬維英已離職，將加入今日頭條出任副總裁，管理今日頭條人工智能實驗室。今日頭條方面已確認了該消息。

馬維英是微軟亞洲研究院的常務副院長，於2001年4月加入微軟亞洲研究院，負責在信息檢索、互聯網搜索技術、數據挖掘, 多媒體管理和移動信息瀏覽方面的研究。

據了解，馬維英博士於1990年畢業於臺灣國立清華大學電氣工程系，之後於1994年和1997年分別獲美國加州大學聖芭芭拉分校(UCSB)電氣和計算機工程系碩士和博士學位。在他完成博士學習的1994年到1997年間，他參與了UCSB的Alexandria數字圖書館(Alexandria Digital Library)項目。馬維英從1997年到2001年在惠普實驗室工作，從事多媒體自適應傳輸和移動因特網的分布式多媒體服務系統的研究。

馬維英離職後，有消息稱微軟亞洲研究院自然語言計算組主任周明和人工智能方面的首席研究員劉鐵巖將升入高級管理團隊，擔任副院長級別職務。該消息暫未得到微軟方面證實。

這也是繼前Uber中國戰略負責人柳甄後，今日頭條引入的又一位副總裁級別人物。今日頭條創始人張一鳴也曾在2016年11月的世界互聯網大會上稱，今日頭條是人工智能的先行者，並講述了今日頭條關於人工智能的探索和嘗試，比如，頭條尋人，頭條問答等。

文章評論

匿名用戶

發布

全部評論：10

發布

全球十大突破性技術揭曉：刷臉支付等入圍 AI落地還需攻克技術難關

《麻省理工科技評論》（MIT Technology Review）公布了一年一度的全球十大突破性技術。入選這份年度科技榜單的技術，涵蓋了人工智能中多個領域，如強化學習、自動駕駛等，也有涉及新能源、量子計算、生物醫療等領域的重大突破。

 可以看到的是，此次發布的十大突破性技術強調科技的實用性，並重視這些技術對未來人類生活的改變和改善。

其中一些技術已經應用到現實生活中，例如360°全景相機、刷臉支付和基因療法；有些已經近在眼前，如研發出 AlphaGo的DeepMind、以及百度、阿里巴巴等為代表的強化學習，還有一些技術仍尚需時日，如實用型量子計算機、細胞圖譜技術、自動駕駛貨車需要5-10年不等的時間，而無線腦-體電子元件治愈癱瘓、太陽能熱光伏電池等技術實現需要10-15年。

以下為十大突破性技術榜單：

1、強化學習

一種人工智能技術，它能夠使計算機和機器人在沒有更多指引的情況下，像人一樣自主學習。

重要意義：假如機器不能夠自主通過環境經驗磨練技能，自動駕駛汽車以及其他自動化領域的進展速度將受到極大地限制。

去年特別爆炸性的一個新聞是，AlphaGo戰勝了李世石，其實就是強化學習在其中起了關鍵作用。如果沒有強化學習技術，無論是自動駕駛的汽車還是其它自動化領域，一系列發展都會受到重大限制。

MIT 教育委員會中國區主席石嵐表示，強化學習正在迅速發展，並逐步將人工智能滲透到除了遊戲之外的各個領域。除了能夠提升自動駕駛汽車性能，該技術還能讓機器人領會並掌握以前從未訓練過的技能。百度深度學習研究室主任林元慶在接受采訪時表示，在人工智能落地環節，技術仍是首要攻克的難關。

主要研究者： DeepMind 、 科大訊飛、Mobileye 、阿里巴巴、微軟亞洲研究院、 Google、中科院、Uber、百度

技術成熟期：1-2年

2、自動駕駛貨車

高速路上能夠自動駕駛的貨車。它的意義在於，無論是貨主方還是貨車司機們，都能夠更高效的完成他的運輸業務。

主要參與者：沃爾沃、戴姆勒、百度；

技術成熟期：5-10年。

3、360度自拍

消費級360°全景相機，能夠更真實的還原事件和場景。

采用非常低廉的價格——500美元以下——就可以實現360度自拍，以前如果要達到360度的拍攝，要用很多個相機，或者用非常昂貴上萬美元的相機。比如很多記者在海嘯現場的采訪、難民的現場采訪，就非常需要使用這樣的技術。

主要研究者：日本理光（Ricoh） 、360fly 、三星、JK Imaging （柯達Pixpro相機的制造廠商）、IC Real Tech（ALLie相機的制造廠商）、Humaneyes Technologies（全景相機Vuze的制造廠商）

技術成熟期：現在

4、刷臉支付

通過掃描人臉面部特征，提供了一種安全並且十分方便的支付方式，人臉識別技術已經在交通監管、銀行交易、日常生活交易以及公共交通等個方方面面改變人們的生活。

目前中國深耕相關技術的公司主要有三家：FACE++、百度、阿里。

技術成熟期：現在

5、太陽能熱光伏電池

一種可以讓太陽能電池效率翻倍的技術，先將太陽能轉化為熱能，然後再將熱能轉化為光，可能會催生日落後仍然能夠工作的廉價太陽能發電技術。

主要研究者： David Bierman、Marin Soljacic、Evelyn Wang（麻省理工學院）、Vladimir Shalaev（普渡大學）

技術成熟期：10-15年

6、實用型量子計算機

可以制造出穩定的量子比特（量子計算機的信息單位），在運行人工智能程序以及處理複雜的模擬和規劃問題時，量子計算機的計算速度可能是傳統計算機的指數倍，量子計算機甚至能制造出無法破解的密碼。

主要公司： 荷蘭量子技術研究所QuTech、 英特爾、谷歌、微軟、 IBM

技術成熟期：4-5年

7、基因療法2.0

很多疾病都是由單個基因突變導致的，新型基因療法能夠徹底治愈這些疾病。目前，美國即將批準首個基因治療技術。

主要研究者：

SparkTherapeutics、BioMarin 、 GenSight Biologics、 BlueBird Bio 、 UniQure

技術成熟期：現在

8、細胞圖譜

人體中各種細胞類型的完全目錄，通過細胞內部的內容來定義活細胞，超精確的人類生理學模型將加速新藥研發與試驗。

主要研究者：

布羅德研究所（Broad Institute）、桑格研究所（Sanger Institute）、陳—紮克伯格的Biohub（Chan Zuckerberg Biohub）

 技術成熟期：5年

9、治愈癱瘓

全球有數百萬人被癱瘓所折磨，而無線腦體電子元件可繞過神經系統的損傷來實現運動，利用無線電將大腦讀取技術直接連接到身體上的電刺激器，創造出法國神經科學家所稱的“神經旁路”，使人們的想法能夠再次控制四肢。

主要研究機構：巴黎綜合理工大學洛桑理工學院（EPFL）、韋斯生物和神經工程中心（Wyss Institute at Harvard）、匹茲堡大學（University of Pittsburgh）、 凱斯西儲大學（Case Western Reserve University）

技術成熟期：10至15年

10、僵屍物聯網

感染並控制攝像頭、監視器以及其他消費電子產品的惡意軟件，造成大規模的網絡癱瘓。基於這種惡意軟件的僵屍網絡對互聯網的破壞能力將越來越大，也會越來越難阻止。

關鍵人物：Mirai僵屍網絡軟件的創造者、任何使網絡有安全隱患的人

成熟期：現在

上綜藝蹭熱點 AI要當大明星

過去，人類對於“人工智能”的想象來自《黑客帝國》、《機械公敵》，現在則是電視屏幕中應接不暇的“人機大戰”。

這一波的“人機大戰”從2016年春天的AlphaGo與世界圍棋選手李世石世紀之戰拉開序幕，不僅引發了一波人工智能創業熱，也引得一大波人工智能的中國擁躉們在各類綜藝節目中躍躍欲試，與人類一決高低。

從阿里雲人工智能程序小Ai準確預測《我是歌手》，到《蒙面歌王猜猜猜》引入華帝人工智能機器人小V，再到《最強大腦》中百度人工智能險勝人類，以及搜狗機器人站上《一站到底》戰勝哈佛學霸之外，有消息稱，中科院要聯手央視打造大型科學挑戰類節目《人機大戰》，還有一檔有著人工智能節目噱頭的《我愛機器人》據稱也將上線。

一開始，人工智能的角色還只是“打醬油”。比如廚電廠商華帝人工智能機器人小V，是把現場歌手的聲紋與錄入的聲音庫對比相似度，猜測歌手身份。但看上去，它並未以精準的猜測能力取勝，甚至不論男女聽誰唱都像那英，相比之下撒嬌賣萌的本領似乎更勝一籌。

很快，一批與人工智能融合的綜藝陸續登場。《最強大腦》的首場“人機大戰”中，人工智能和人類交鋒的重點除了記憶能力、邏輯推理、計算能力外，還包括人類經過幾百萬年進化的聽覺、視覺等感官天賦。而登上《一站到底》的搜狗問答機器人，則依靠基於人工智能技術的搜狗立知問答系統與人類選手較量。

從結果看，人工智能的戰績都略勝人類一籌：百度人工智能在跨年齡識別的任務上以3∶2的比分險勝“腦王“王峰;搜狗人工智能則在人類選手領先3分的情況下最終以8∶6獲勝。

試想一下：如果讓已經戰勝過人類的小Ai、百度大腦、搜狗機器人、小V和打敗所有圍棋高手的AlphaGo之間比試一場，究竟誰會贏?

事實上，每家“人機大戰”的方向並不一樣。例如，去年AlphaGo出來時，百度正在投入精力造無人車，內部也沒有做圍棋的項目。而小V只是為智慧廚房提供一個測試樣本，背後的數據技術、智慧存儲技術、聲紋識別技術、形象識別技術、雲數據技術才應該是人工智能技術應用於廚電的關鍵環節;至於被吐槽“只是發揮題庫搜索功能“的搜狗，其實其背後蘊含的則是語義分析、問題理解、信息抽取、知識圖譜、信息檢索、深度學習等眾多技術。

不排除“蹭熱點”的意圖，但“人機大戰“背後的主要目的，並不是一味地宣傳人工智能打敗了人類，更重要的是看一看，在經過和人類比較擅長領域的較量之後，人工智能究竟到了怎麽樣的水平?未來如何演化出更好的技術服務人類?

拿語音識別的準確率來說，在技術指標方面，百度、搜狗、訊飛都聲稱自家的準確率達到97%，但要知道，這種準確率是在比較安靜的環境下達到的目標，一旦放到噪音幹擾的情況下準確率就打折扣。如何提升識別率，人工智能還有不少工作要做。

即使在已經戰勝人類選手的人臉識別領域，目前人工智能也遠稱不上完美。百度深度學習實驗室主任林元慶曾提到，百度大腦所用的深度學習的方法，可以從海量的數據里面學到的是共性，但如果說一個人嘴邊長了一顆痣，機器學習就比較難，因為這不是共性。對於那些比較獨特的、個性化的特征，目前人工智能還沒有很好的應對之策。

再具體到實現人工智能廚房，中國的地域飲食習慣差異太大，智能廚房如何能夠做到真正的智能和精準的個性化將是需要突破的關卡。

未來的人工智能，或許既不是來自《黑客帝國》中的幻想，也不只是“人機大戰”。在人工智能火爆、多個玩家入局的當下，將激發出更多的新機會，每個人都有可能成為人工智能的受益者。

至於最終未來人工智能是否將真正顛覆人類世界?事實上，這是科技發展的必然結果，這天遲早會到來，只是早與晚。但如果我們對未來已有預期，更應該思考的是未來如何與人工智能共存。

關於AI的革命，美圖這家公司也參戰了

闌夕 2017-02-24 17:50

本文由闌夕（微信ID：techread）授權i黑馬發布。

2016年3月AlphaGo對李世石4:1的戰果，似乎拉開了人工智能在面對人類時連續斬獲勝局的開端。此後，2016年底AlphaGo披著Master這個馬甲把中日韓數十位圍棋高手陸續拿下。2017年1月，名為Libratus的人工智能在美國大河賭場的德州撲克比賽上，輪流擊敗了4位人類高手，斬獲了177萬美元的籌碼——終於，當時叫囂著要用麻將放倒AI的網友，也開始噤若寒蟬了起來。

從圍棋這種依賴「殘局計算」的模式，到德州撲克這種典型的「不完美信息」遊戲，兩種完全不同類型的勝利之間的間隔時間甚至不到一年。雖然兩項技術分別來自不同的研發團隊，但是這也足以暗示AI的革命浪潮已經進入燎原階段。

早在2016年的時候，就有數據分析公司指出，2015年全球關於AI的投資總額比2014年增長了50%之多。而純AI方向的初創公司初步統計超過900家，總體估值達到87億美元。隨後又有數據預測，2020年AI的全球市場規模會達到183億美元。全球人工智能領域的融資數據可以顯示出，2016年開始，A、B輪投資規模開始上升——雖然天使輪的比例依舊龐大——這意味著更多的人工智能公司活了下來，並且能夠進入新的里程。

然而盡管數據如此令人欣慰，AI在民間的認知程度依舊不高。AlphaGo戰勝人類的新聞曾經彌漫了所有的社交網絡，而絕大多數的網友只是抱著看熱門的心態圍觀起哄，另外一部分人則在憂心人工智能那些並不存在的威脅性。普通大眾對於人工智能的認知，多半來源於聳人聽聞的小道消息，抑或是好萊塢大片，在這些信息中AI是以一種孤立於人類文明之外的形態出現的——甚至可能還會成為人類文明的終結者。

實際上AI並非意味著對人類智力的排除，也不一定都是無人駕駛這種具有顛覆意味的項目。反而，已經有很多AI技術悄無聲息地走入了大眾的生活之中。例如自然語言處理就最常見的一個方向，Google Translate在2016年年中的時候終於引入了人工智能技術，使得翻譯的錯誤率降低了80%。電子商務和廣告對人工智能也有諸多應用，用來優化自己的推送。而醫療行業和金融行業普遍被預測為下一個爆發點，輔助診斷和風險評估是人工智能的下一幕重頭戲。

除此之外還有很多硬件廠商也在布局AI，意圖通過AI在軟件方向的加成提升自己的產品力。例如美圖公司最近發布的新手機美圖T8，就讓自己的拿手本領美顏功能和AI來了一次華麗結合。在美圖T8的拍攝中，除了原有的自帶美顏效果之外，還可以自動識別鏡頭中的人臉，根據不同人臉的年齡、性別等給出不同的美顏方案。而且這種AI美顏功能在合照中也能奏效，男性和女性在合照時只有女性用戶會被深度美顏。

人臉識別已經不算是人工智能里的新鮮話題，也早就出現在諸如自動對焦等和鏡頭有關的應用中。所以這次和美顏功能的結合並不能說讓人意外，但是卻也展現出AI親民而有誘惑力的一面。AI技術通過獨具匠心的設計，的確可以成為硬件配備的極好助力——美圖T8提供了前置雙像素攝像頭並且配上了OIS光學防抖技術，再加上前置補光燈，這毫無疑問會是一臺自拍效果絕贊的機器。

也許有人會覺得美圖T8中的人工智能只是對美顏功能做出了一些微小的改善而已，但是關於AI的布局，對企業其實意義重大。有人調查了英國226家獨立的AI軟件公司，其中有9成表示自己的技術會是B2B的，也就是說預備銷售給企業的。這個數據不難看出目前有多少企業對AI有著自己的野心，而美圖4.46億月活躍用戶提供的數據集，足以支撐這個野心所需要的學習資源。

在今年1月的時候，蘋果終於宣布，要加入去年由微軟、IBM、Alphabet、亞馬遜和 Facebook組建的AI聯盟。由於這個聯盟在成立之初所表達出來的開放態度，和蘋果一直堅守的研究方向嚴格保密作風相悖，所以這次入盟多少有些令人關註。但是很顯然，即便是蘋果也沒辦法否認要在人工智能方向上搶占先機，是值得犧牲一些東西的。技術和數據的互通有無，人才儲備和流動，參與空白討論的話語權，這些都是越早踏足就越早擁有的利益點。很顯然美圖公司，也是有此領悟的。

在未來，人工智能很顯然是會對很多行業有著顛覆性的改變的。但是目前無可否認，AI還處於一種很初級的發展階段中。在2017年的CES「美國消費電子展」上，人工智能是其中很顯眼的主流話題之一。但是無論是智能家電中AI的應用方式和結果，還是單獨的AI創意產品，都還沒有足夠成熟的展現。

而另一個方向上來說，很多硬件設備，比如智能手機，已經進入了同質化競爭的狀態。一邊是尚在探索的新興領域，一邊是已經疲勞的配置競爭，美圖選擇用AI來對自己的軟件進行突破，既是對AI市場的搶先插足，也是對產品布局的一次革新手段。畢竟，「AI」這標簽在手機領域里還無人搶占，如果能拔得頭籌，對企業的未來之路有著不言而喻的巨大利益。

「黑科技」這個詞，在各類新聞頭條中出現得越來越頻繁。還記得當年3D打印技術剛剛問世的時候，驚呼的風浪也是席卷了全球所有的社交網絡。然而熱潮退去之後，3D打印悄無聲息進入民用空間，直到某天牙科醫生拿出3D打印的牙冠之後，可能躺在牙椅上的網友才會感慨原來自己離黑科技已經如此之近。

AI，其實也會走過這樣的步伐。美圖T8中的黑科技只是一個小開始，新的技術會越來越頻繁地出現在生活的某個拐角處。這場革命，聲勢浩大的開始，潛移默化的變成日常的一部分。李開複曾經這樣談論AI對人們以後的影響：可能大家考慮就業的時候，應該嘗試那些不會輕易被AI取代的工作。那麽在美圖越來越強的攻勢下，影樓後期這個職業顯然不是其中之一了。

文章評論

匿名用戶

發布

全部評論：10

發布

2017奧斯卡大獎揭曉，群集智能AI成功預測12項（技術解析）

新智元 2017-02-27 14:42

 本文由新智元（微信ID ：Al_era）授權i黑馬發布，作者胡祥傑。

2017年2月27日，第89界奧斯卡諸項大獎名單新鮮出爐，《月光男孩》戰勝呼聲甚高的《愛樂之城》拿下最佳影片。大獎公布之前，著名的群體智能預測網站的Swarm AI再出手預測，今年它雖然保持著75%的勝率，但是卻預測錯了兩項大獎。這是怎麽回事？群體智能和群體智能預測原理是什麽？本文帶來詳細解讀。

2017年2月27日，第89界奧斯卡諸項大獎名單新鮮出爐：

最佳影片：Moonlight（月光男孩）

最佳導演：amien Chazelle ， La La Land（ 愛樂之城）

最佳男主角：Casey Affleck，（海邊的曼徹斯特）

最佳女主角：Emma Stone，La La Land （ 愛樂之城）

最佳男配角：Mahashala Ali， Moonlight（月光男孩）

最佳女配角：Viola Davis，Fences （藩籬）

最佳原創劇本：Manchester by the Sea（海邊的曼徹斯特）

最佳改編劇本：Barry Jenkins，Moonlight（月光男孩）

最佳剪輯：Hacksaw Ridge （血戰鋼鋸嶺）

最佳攝影：Linus Sandgren，La La Land  （ 愛樂之城）

最佳外語片：The Salesman （推銷員）

最佳動畫長片：Zoopopia （瘋狂動物城）

最佳動畫短片：PIPER (鷸)

最佳藝術指導：La La Land（ 愛樂之城）

最佳服裝設計：Fantastic Beasts and Where to Find Them  （神奇動物在哪里）

最佳化妝&發型設計：Suicide Squad （自殺小隊）

最佳視覺效果： The Jungle Book （奇幻森林）

最佳音響效果：Hacksaw Ridge（血戰鋼鋸嶺）

最佳音效剪輯：ARRIVAL （降臨）

最佳原創配樂：Justin Hurwitz， La La Land  （ 愛樂之城）

最佳原創歌曲：City Of Stars， La La Land  （ 愛樂之城）

最佳真人短片：SING，（校合唱團的秘密)

最佳紀錄長片：OJ：Made in Ameirica （辛普森：美國制造）

最佳紀錄短片：The White Helmets （白盔）

終身成就獎：成龍、安妮·考特斯、林恩·斯塔馬斯特、弗雷德里克·懷斯曼

吉恩·赫肖爾特人道主義獎：黛比·雷諾斯

去年曾經準確預測“小李子”拿下最佳男主角小金人的群體預測AI——Swarm AI再次出手，在大獎公布前先作了一番預測。

來看下它的預測結果：

確定性較強的預測 

最佳女配角：Viola Davis， Fences  ✅

最佳藝術指導獎：La La Land  ✅

最佳攝影獎：La La Land ✅

最佳導演獎：Damien Chazelle ， La La Land ✅

最佳動畫長篇：Zoopopia  ✅

最佳女主角：Emma Stone，La La Land ✅

最佳原創歌曲：”city of star”， La La Land ✅

最佳影片：La La Land ❌

最佳改編劇本獎：Barry Jenkins，Moonlight ✅

確定性中等的預測

最佳服裝設計：Jackie ❌

最佳男配角：Mahashala Ali， Moonlight ✅

最佳紀錄片：OJ：Made in Ameirica ✅

最佳外語電影：The Salesman  ✅

最佳視覺效果：The Jungle Book ✅

最佳原創劇本：Damien Chazelle，La La Land ❌

高度不確定性的預測

最佳男主角：Danzei Washinton，Fences ❌

16項預測中，Swarm AI 預測中了12項，準確率達75%，與去年相比準確率沒有多大變化。但是，今年的預測中，Swarm AI 在最佳男主角和最佳影片上都出現錯誤，也凸顯了一些問題。

預測過程

Unanimous A.I 的研究員集合了近50名電影愛好者群集，來預測2月27日奧斯卡大獎的歸屬。   

用戶註冊後可在Unanimous A.I 參與預測，在做出決定時，每位用戶都有一個可以拖向他們的選擇的虛擬圓盤。每個人都可以看見其他人的決定，也可以隨時改變自己決定。這個集群中的每個個體都可以互相影響。 

最佳外語片的預測過程示意圖

最佳導演獎的預測過程

最佳影片預測過程

什麽是群集智能（Swarm Intelligence）

Swarm AI 的平臺由 Unanimous 公司開發。 

在公司的官網上可以看到，創始人 Louis  Rosenberg 是斯坦福大學的博士。他的博士研究聚焦於機器人、虛擬現實、人機交互。曾在美國空軍阿姆斯特朗實驗室擔任研究員。他創造了世界上首個沈浸式增強現實系統。

什麽是群集智能（Swarm Intelligence）？

以下介紹來自Unanimous （UNU）官網：

群集智能的概念是受到鳥類和蜜蜂的啟發， 從對自然界的學習中，我們發現，社會動物以一個統一的動態系統集體工作時， 解決問題和做決策上的表現會超越大多數單獨成員。在生物學上，這一過程被稱為“群集智能”。這也證明了一句古話：人多力量大。

這帶來了一個問題：人類可以群集嗎？當然，我們並沒有進化出群集的能力，因為人類缺少同類用於建立實時反饋循環的敏銳連接（比如，螞蟻的觸角），這種連接是高度相關的，讓群體行為被認為是一個“超級器官”。通過這麽做，這些生物能夠進行最優選擇，這要遠比獨立的個體的選擇能力要強得多。

但是，人類呢？我們能把個人的思考組合起來，把它們作為一個統一的動態系統嗎？這樣能讓我們做更好的決策、預測、評估和判斷嗎？研究顯示，答案是“yes”。事實上，使用Unanimous A.I.的技術，人類群集已經被證明在預測體育賽事結果、金融趨勢甚至是奧斯卡獎得主這些事上的準確率超過了個人專家。

這一技術被稱為“群集人工智能”（Artificial Swarm Intelligence，簡稱 Swarm A.I.），它能讓群體組成實時的線上系統，把世界各地的人作為“人類群集”連接起來。它是一個人類實時輸入和眾多 A.I. 算法的結合。Swarm A.I. 吸引結合人類參與者的知識、智慧、硬件和直覺，並把這些要素組合成一個統一的新智能，能生成最優的預測、決策、洞見和判斷。

論文：

論文地址：http://unu.ai/wp-content/uploads/2016/10/Crowds-Vs-Swarms-SHBI2016-Final-PDF-confirmed-by-IEEE.pdf

那麽 Swarm AI 的未來是什麽呢？如果我們將單個螞蟻的智能到整個蟻群的智能視為一個智能躍升，那麽我們也可以認為，從單個人到一個大群人也將有這麽一個提升，出現一個高級的“超級智慧”。要出現這樣的超級智能，需要上千人一起思考嗎，還是說上萬、上百萬？這個我們還不知道，但UNU是使人們能將他們的知識和見解匯集到一個高級智能中所邁出的第一步。

為什麽群集人工智能（ASI）很重要？在AI 研究的世界里，各個實驗室花費了數十億美元，試圖用純數字化的東西取代人類智能。雖然我們能夠理解這種為創建超智能所付出的努力，但這也令我們害怕。純粹的人工智能沒有理由和人類共有目標和感情，或者遵循我們的道德和價值觀。

所以，我們要問的問題是，是否有一個更好的方式來構建超級智能？答案是肯定的，那就是建立 Swarm AI 系統，將實時的人類洞察和 A.I.算法統一在一起的智能系統。我們相信，這條路相比創建比我們人類更聰明的系統更加安全，因為它可以確保最終的智能與我們的目標和願望相符合的，擁有人類的情感和共情，最重要的是擁有人類的道德和價值觀。簡單地說，Swarm A.I.技術創造放大的智能，同時將人類納入整個過程中。

群集智能的局限性在哪？

在美國總統大選時，Unanimous A.I.也曾做過預測，並認為希拉里當選。它的方法是直接以人為分析對象，即通過詢問參與的選民一組類似的問題，如：“如果希拉里擔任總統，失業問題將如何改善？”參與預測的選民可從五個答案中選擇，即“大幅改善”、“略微改善”、“大幅加劇”、“略微加劇”以及“沒有任何變化”。此外，可選的答案還有“希拉里勝算很大”、“希拉里略勝一籌”、“特朗普勝算很大”、“特朗普略勝一籌”以及“不相上下”。

在Unanimous A.I.進行的預測中，有45個選民參與，其中46%為民主黨人，24%為共和黨人，30%在黨派上保持中立或屬於其它黨派。

從設計的問題和選取的對象看，由Unanimous AI開發的swarm AI-UNU的預測則明顯傾向希拉里。Unanimous A.I. 直接以人為分析對象並使用了一種所謂的“群集智能”的技術。即在實際預測中，一組隨機選取的適齡參選的公民會被提問，參與者按照自己的回答傾向牽動球體。在這一過程中，參與者往往會根據球位置的變化而不斷變化自己的選擇——當發現多數人也支持自己的選擇時，他可能會更加堅定地牽引；而當發現球大大偏離自己希望的方向時，他可能會放棄或減小牽引力，直至最終達成“共識”。

有專家評論說，Unanimous AI采用“集群智能”技術搜集數據的方法更帶有偏見性，這種偏見通過問題的設定和對象的選取得到了充分體現。

可行的解決方案：意外流行算法

群體智慧有失效的時候。例如，讓一群人回答這個問題——費城是賓夕法尼亞州的首府嗎？絕大多數人會錯誤地回答說“是的”。這是因為他們知道：①費城是賓夕法尼亞州的一座大城市，②首府都是大城市。但實際上，正確答案是哈里斯堡，而往往只有少數人會說出這個正確答案。

為了找出那些不為多數人所知的正確信息，普林斯頓大學和 MIT 的研究者設計了一種新的方法，將其稱為“意外流行”（surprisingly popular）算法。研究人員表示，這種算法能更好地從群體中獲取正確答案，尤其是當大多數人的看法是錯誤的時候。相關論文日前在 Nature 發表。

實驗中，研究人員會詢問接受調查的人他們對某個問題的看法，以及他們認為其他人會如何看待這個問題：①你認為正確答案是什麽？②你認為流行的答案（即多數人會選擇的回答）是什麽？

然後，算法會找出“意外流行”的答案，也就是比大多數人預測中更受歡迎的答案。大部分情況中，這些超出大多數人預計的選擇，就是正確的答案。

“我們以為社會平均意見一般是對的，過往對群體智慧的統計也支持這一看法，”研究負責人、MIT 斯隆管理學院的行為經濟學家 Drazen Prelec 說：“但事實證明並非如此。有像醫生那樣的專家存在。這讓我們意識到了少部分人掌握的知識。”

Nature 論文：單問題群體智慧新解

群體智慧優於任何個人智慧的概念一度曾被視為激進的觀點（provocative），但已經成為一種群體智慧，導致有人猜測在線投票都方式可能很快會使認證專家失業。群體智慧近來被用於政治和經濟預測、評估核安全、公共政策、化學探測質量檢測，以及潛在火山爆發危機應對措施。用於獲取群體智慧的算法通常基於民主投票程序，易於應用並且保持了個人判斷的獨立性。然而，民主方法有嚴重的局限性，容易拋棄那些沒有被廣泛共享的新穎或專業知識，反而側重膚淺、最低的共同信息。基於測量置信度的調整也不能可靠地解決這個問題。在這里，我們提出了民主投票的替代方案：選擇比人們預測更受歡迎的答案。我們表明，這個原則在關於選民行為的合理假設下能夠產生最佳答案，而標準的“最受歡迎”或“最自信”原則在相同的假設下無法實現這一點。與傳統投票一樣，該原則適用於單獨的問題，例如關於科學或藝術價值的小組裁決以及法律或歷史爭端。因此，這一方法的潛在應用領域比機器學習和心理測量方法更加廣泛，後兩者都需要來自多個問題的數據。

文章評論

匿名用戶

發布

全部評論：10

發布