《AI现状与未来》圆桌论坛：技术将不断刷新对美好生活的体验和想象（图）

4月26日消息，一年一度的GMIC今日在北京国家会议中心拉开帷幕，火热的AI话题自然不会“缺席”。在主会场的《AI现状与未来》圆桌论坛环节中，创新工场董事长兼首席执行官李开复、Facebook人工智能团队首席AI科学家Yann LeCun以及美国科学院、美国工程院、美国艺术与科学院三院院士Michael Jordan进行了各自的分享。

李开复将人工智能的应用归纳成为四波浪潮，他认为：“第一波浪潮是基于原有的数据互联网AI浪潮，第二波商业化浪潮正在发生，第三波浪潮基于视觉、听觉传感器收集到的新数据，第四波浪潮是自动化AI，目前已有初级应用落地，如自动驾驶。四波浪潮为中国带来了巨大机会，尤其在互联网方面，我们已经占了半壁江山，在深科技方面，也有数据优势及政策的推动。”

Michael Jordan认为：“人工智能不能被过分夸大，现今我们奢望建立的是智能的自动化系统，无人驾驶不是最终的目标，而是要让技术去更好的连接实现。因此我们需要每一个体系，每一个系统都实现智能。”

Yann LeCun指出：“对于人工智能而言，因为人工智能的进展会受到很大的限制，有很多问题仍然没有得到解决。我们必须不断的去进行研究，让机器变的更加智能。”

以下为演讲实录

主持人：有请创新工场董事长兼CEO李开复、Yann LeCun、Michael Jordan、高欣欣，进行圆桌论坛。

主持人 高欣欣：大家好！今年的GMIC主题叫做“爱生万物，AI生万物”。人工智能经历了六十多年的发展，随着计算力算法的突破，随着数据的积累。在近几年，在很多行业都激活了全新的场景，带来了全新的价值，引起了世界范围的投入和关注。

可是人工智能作为一个发展中的技术，其实还在演进的过程当中，有所能为，有所不能为，因此还有很多亟待解决的问题。

我们接下来这个环节叫做“AI的现状和未来”。我们今天的嘉宾都是在人工智能领域，从学术界到产业界重量级的嘉宾。接下来就让我们一起和他们聊聊。

我第一个问题先请问开复老师，他是在AI产业界重量级的嘉宾，开复老师我要拜托你一件事，先给我们在场的来宾们一个整体的回答，在你看来在当前人工智能的技术，在一个什么样的现状。而我们中国又在一个什么样的位置和机遇之上呢？

创新工场董事长兼CEO李开复：谢谢，刚才讲的非常精彩，他所描述的也是在学术的角度上来说，我们在过去的五年左右看到了深度学习和相关的技术渗透各种领域，尤其是计算机视觉。从应用的角度来看，我会把人工智能的应用归纳成为四波浪潮，这四波浪潮它应用的方式不太一样。其实在座的每一位每天都在用人工智能。

第一波浪潮就是互联网的AI浪潮，也就是说当你每次在淘宝点击的时候，每次在朋友圈点赞的时候，这些数据都被收集起来，成为巨头互联网公司能够更深度地的了解，然后为他提供更好的服务、更贴切的服务，还有变现，这是互联网AI。

由于互联网的数据量是最大的，我们每天都像小白老鼠一样，帮助这些巨头在标注巨头，所以今天的AI巨头和互联网巨头是呈等号的。所以美国的Google、FaceBook、亚马逊引领第一波浪潮。

第二波浪潮就是谁有大量的价值，谁能来拿来变现或者提升商业价值。比如说一个银行用用户的数据降低信用卡的欺诈率或者贷款的还款率，或者是投资的回报率。所以银行、投资机构、保险公司。当然在各种其他的应用，比如说供应链、医疗、学校，其实任何有数据的领域都可以把它商业化，这是第二波商业化AI的浪潮现在正在发生，大部分AI公司都是做商业化AI的工作，也是一个To B的生意。

第三波浪潮就是要收集那些基于视觉、听觉或者其他传感器收集来过去不存在的数据，然后把这些数据变成一个新的应用，甚至是一个新的用户体验。比如说我们看到各种智能音响智能语音交互。比如说我们看到更多的摄象头，在各个领域里面。比如说在创新工场的前台我们放着Face++，我们是无前台自动运营的机器。当然我们可以把这样一个聪明的计算机视觉加传感器用在各个不同的领域。比如说在无人商店、工厂等等的应用。所以第三波浪潮已经开始来临，我们会看到更多的传感器、更多的芯片，更多的摄象头布置在周围的各个地方。

第四波浪潮我们叫做自主化、自动化的AI，这也就是我们科幻片看到的机器人无人驾驶，还有更聪明的飞机等等都是无人的。那么这个浪潮会彻底颠覆我们出行的习惯，还有我们今天所有的物流都会被颠覆。然后我们的工厂会慢慢变成熄灯工厂、无人工厂，我们的商店慢慢会变成无人商店，所以第四波浪潮是巨大的。第四波浪潮已经有一些初级的应用出来了，比如说无人驾驶，这四波浪潮会来得非常迅猛。我们每一天都在使用AI，未来会应用的更多。

这四波浪潮也给中国带来更多的机会，尤其在互联网上，我们已经占了世界的半壁江山。在视觉方面和传感器方面的应用，我们也发展的非常快。因为我们有海量的数据。在那些比较深的科技，像无人驾驶方面还是美国领先的。但是中国有数据的优势和强的政策推动，所以以后应该是中美在人工智能领域领先的状况。

高欣欣：说的太好了，谢谢开复老师。聊了现状，我们必须要聊聊未来。首先我第一个问题要请教的是Michael Jordan，大家可能不知道他在人工智能领域是绝对的奠基者和领袖。你的问题是在最新的博客当中你提到了很多新的东西，你提到了以人为中心的工程科学等等方面的主题，你觉得人工智能的技术将来是什么样发展的演化过程呢？

Michael Jordan：我非常高兴能够来到GMIC大会，我的老朋友你的形象非常高大。我是一个学术界的人士，我对整个产业发展也是有很多的关注，对我们来说，我们的原则就是要搭建一个体系，目前我们的原则并不是很多，我们用化学工程的方式来写我的博客。在四十年代的时候，我们当时就有这样一个学科。当时建立了很多的准则、原则，使得我们能够让很多的化工厂，能够以非常合理的成本来进行演化和发展。

目前，这样一些原则并没有完全的建立，所以体系还不能全面的建立起来。我想我们现在就是这个人工智能还不能太夸大。现在我们奢望建立的是智能的自动化系统。其实无人驾驶这些并不是我们最终的目标，包括我们的银行也好或者是物流也好，并不是说目标就是实现无人，而是要让它更好的实现链接。

所以在很多方面，其实智能并没有完全建立起来。现在我们可能是在地图，在很多地方可以实现一些功能。但是它的一些语意或者其他背后的背景和引申的含义等等，这种智慧和智能还不存在。

因此我们需要每一个体系，每一个系统都达成这种智能。目前并没有这样一个智能的网络，所以我们要实现整个智能，需要整个体系的搭建，而不是单个个体的智能。其实在无人驾驶或者无人商店这些领域，需要它自己自主做出决策。并且一些决定可能还是有先后顺序和优先级别的。有的做决定是同时做出多个决定，在真实世界当中可能我们要同时做出几百个、上千个，在经济、金融、商业方面的各种决策。

因此，我们可以想象一下，有这样一个提出专家建议的体系，看起来是非常智能，看这本书、看这部电影，然后在全世界进行部署，就像今天的阿里巴巴、亚马逊做的事情。很多时候亚马逊向人们推荐一本书的时候，人们感觉到真的非常好。所以这些AI的技术正在不断的部署。推荐一部电影也没有问题，向人们推荐很好的餐厅。在手机的应用程序上给你推荐，今晚就去这样一个餐厅或者在上海带你去看看很好的餐厅，或者是博物馆。

比如说在交通上，人们从我们的机场到市区，哪条路是不堵的。比如说大家都想去投资股票赚钱，向人们推荐同一个股票。很多时候在建立这个体系的时候，如果向人们推荐的都是同一个，可能这个体系就会出现问题，我们必须要负起责任来。我们在做这样一个体系搭建的时候，我们考虑的并不是单个的个体智能，而是整个体系和网络。包括数据、决策，包括还可能出现的错误都要考虑进去。

因此在这个研究当中，它的一些原则性的东西正在不断的涌现。但是还在过程当中并没有完全，有很多概念还需要去完善。我想现有的问题是，包括自然语言，包括很多其他的人类已经是非常完善的体系。我们似乎把人工智能，已经认为它无处不在了。但实际上整个体系还需要时间来建立。

我的目标就是要在无人驾驶汽车当中，虽然没有人，但是它的这种驾驶要真的像人一样在驾驶，而不是说只是一个简单的机器。所以建立一个自动化的体系，真的是不容易的，人们可以用人工智能这样一个词来表述，这没有问题，但是千万不要夸大。

高欣欣：之后我们再进一步的阐述一下，下一个问题我想问一下Yann LeCun。我问你的问题是，你讲到过让机器来学常识，这样它能够预测一些问题和可能的答案，这方面你可以再进一步的阐述一下吗？它和监督式学习、无监督式学习和增强式学习，它的关联度在哪里呢？

Yann LeCun：在这样几个表述之下，其实我在整个人工智能的领域，在这方面有很多的想法和交流。当然从学术性的到实际的应用，也有很多东西。要让它们相互之间搭建起这种体系，的确是很重要的工作。

比如说在脸谱公司，FaceBook有这样的一些应用，我们希望机器有真正的智能，搭建起这样一个体系架构。我们希望人工智能可以很好的实时的做相关的事情，很多技术现在还没有到位。比如说包括人脸的识别，很多事情进行了几十年的工作，有些目标还没有达成。因为机器要获取大量的知识，它才能够真正的去实现像人类那样的智能和智慧做出很多的预测和判断，来做很多的事情。

刚才我们也听到了，我们需要有很多基本的原则到位才能建立一个体系，这样才能真正达到人类的智能水平。

因此，为什么在我的演讲当中，里面也强调了监督式和无监督式的学习。这个过程当中可以看到的是，机器它需要有预测能力。从不同感官的输入来进行自我的判断和预测，它从全世界获取相应的数据，来获取类似于人类这样的尝试。监督式的学习，它给到机器的数量是非常少的，数据很少，在培训机器的时候就比较有限。

因此它所获取这样一些反馈、信息是不足够的。在这个过程当中，我们看到人类的区别是很明显的，这个也是可以帮助我们向下一步进一步的推进。

高欣欣：非常感谢。刚才我们问了这么多技术的问题，我们要问一下关于人工智能产业相关的问题。

下一个问题问一下Michael Jordan教授，因为Michael Jordan在2017年5月有一个抬头蚂蚁金服科学智囊团的主席，AI赋能产业也是今年特别重要，大家关注的话题。所以我想请问一下Michael Jordan先生关于这方面的问题。

Michael Jordan教授，我的问题是，你曾经讲过机器学习技术是对整个产业发展和技术价值的生成有一些相关的作用，你能举例说明一下吗？

Michael Jordan：感谢杨博士跟我们之间的一些回应，所以我们的讨论是非常有意义的。我们在商业人工智能当中，人工智能当中有一个翻译过来是“眼睛里面的红头发”，我不知道人工智能在翻译的时候会不会误读，的确屏幕上有人工智能翻译。因为可能是一些同音字的问题，所以在语意方面，人工智能在理解方面会有一些问题。

的确，在研究当中有六十年的发展，真的可以看到这是一个漫长的历程，我们必须要理解语言等各个方面在全球的进展。我相信媒体对人工智能非常感兴趣，在这方面我们大家共同在推进它的发展。

其实很多时候，你要搭建一个智能的体系，你并不需要对人工智能的所有方面都去了解。在整个过程当中，其实人工智能它本身是一个计算机科学，但是要在跟经济的关联方面。其实我们需要搭建这样一个联系。

如果在我们的生产者和消费者之间搭建一个体系，这样一种体系的搭建就生成了经济的效益，也关联到我们前面讲的这些问题。如果我们向所有的人都推荐同样一个餐厅，那么这个餐厅人满为患，大家都不想去太拥挤的餐厅了，它的价值在哪里呢？这是我前面提到的这些问题，我们的计算机科学怎么样为经济服务。所以最好有一个相应的竞争关系。

我们有一个相应的体系，座位是一座一价的方式来进行相应的竞标。比如说我想吸引这里的人过来，我这里的座位是3%的折扣或者是多少的折扣。因此在这个过程当中，大家都可以去竞价，然后实现相应座位合理的分配。

最后经过这样的方式，我的餐厅也有很好的上座率。我旁边的竞争对手可以看到这个餐厅已经开了，而且里面已经满座了。这个时候竞争对手想，我提供30%的折扣，也许能吸引到相应的客户来我这里就餐。

现在我们整个所谓的人工智能体系，并没有考虑这么多，它在做推荐的时候，还是有相应的局限。

我还可以举一些其他的例子，比如说音乐，现在整个音乐市场并不是很完整。包括有各种各样的人和一起都在做音乐的创作，像有一些音乐的制作是非常好的。通过目前一些体系很多人都在听音乐，但是在做音乐的时候，我们可以看到很多人并不能从做音乐当中赚钱，它并没有真正的经济效益，怎么样去解决这样的问题呢？如何用我们的人工智能技术，实现技术到市场化的转变，使它有商业的价值，能够从中赚钱，可以有相应的数据流，到底是哪些人在听。

比如说可能我的音乐在深圳很流行，因为那边的人既喜欢听我的音乐，又喜欢向它的亲朋好友推荐我的音乐，这样数据就很有价值。既然深圳的人很喜欢听我的歌，我就去深圳开一个音乐会，我就会很赚钱。我一边是开车的司机，一边可以赚钱，我可以把唱歌的爱好实现商业价值的转换。

通过这样一些数据组创造很多的商业价值，目前很多问题甚至都没有被深思熟虑的想到过，这个时候可以挖掘它们的商业价值，这就是我们的人工智能它应该实现的一些功能。因此对我来说，为了更好的实现人工智能的价值，也就是把我们的计算机科学更好地为人类造福。

因此也需要在一些商业上的人才、经济方面的人才共同跟科学家协作，让人工智能创造更多的商业价值，探索更多的无限可能。在这个过程当中更加雄心勃勃的解决其他的问题。

高欣欣：刚才Michael Jordan谈了很多如何用AI建立全新的市场和全新的价值的过程。另外一个纬度在AI里面，在AI产业和企业里面经常是产学研结合的特别好，有很多的AI企业都有自己的AI研究院，甚至有很多AI初创企业都有自己的AI Line，这是在AI领域特别常见的现象。这个问题我想请教一下Yann LeCun，现在你在领导FaceBook的AI团队，另外你在纽约大学依然有教授的职位，能否请教一下公司的研究到底该如何开展呢？

Yann LeCun：当四年半之前我们在FaceBook开始相应的研究，之前我在ATMT和贝尔实验室工作过，在公司的研究方面，你通过开展一些研究可以提前进行这方面的铺设。并不是说所有的公司都可以做到这一点，对于人工智能而言，因为人工智能的进展会受到很大的限制，有很多问题仍然没有得到解决。我们必须不断的去进行研究，我们需要去研究自己解决问题。我们会让机器变的更加智能，可以更好的了解人的思想和人的思维的方式，没有任何一家公司或者个人能够自行解决这样一个问题。

另外，在开源研究方面可以非常容易与大学进行合作，比如说我依然在学术界保留我的职位。我认为对于学术界来说，它是不一样的，可能学术界的研究，他们并不是说彼此竞争做的都是自己感兴趣的研究。而学术界的研究都是非常互补的，所以我觉得学术界与产业的结合是非常完美的。大家会看到在北美、欧洲、亚洲会出现越来越多的情况，研究科学家他们会在企业或者在学术界都担任职务，这样可以更好的实现学术界和产业之间的交流，我觉得这是现在发生的非常重要的一种变化。

关于产业界开源的研究，通过这种方式你可以吸引最好的科学家，你告诉一个科学家到你的公司来工作。但是如果你不告诉科学家你做的是什么，实际上你就扼杀了科学家的研究。你必须告诉科学家你要做的是什么，趋势是什么，只有这样科学家他才愿意到这里来研究。科学家的职业发展，实际上也会影响到整个人工智能研究的发展方向，所以你必须让科学家知道你公司里面正在做的是什么，只有这样科学家才可以更好的参与这样的研究。

另外，像Google、FaceBook这样的公司，他们投入了很大的精力做人工智能的研发，对他们的品牌来说是好的，也可以吸引更多工程师的人才。我觉得在这方面可以让他们变的更有吸引力，这就是他们为什么投入研究AI方面的原因，通过开源的行业你可以吸引到更多的人才参与到这方面的研究。

高欣欣：今天上午最后一个问题，不管你们是做AI技术的发展或者是AI产业的发展，其实都离不开AI人才，其实AI人才特别稀缺。

最后开复老师做了一件事情，我觉得特别伟大，特别有意义。开复老师和教育部、北京大学一起发起了一个项目，预计在2019年培养数万名的学生。今天上午还有一个专门讲AI人才的环节，在这里我们先抛砖引玉，你可不可以先给我们介绍一下AI人才计划呢？

创新工场董事长兼CEO李开复：如果我们分析一下中美之间的优势和劣势，我觉得美国在教育方面有非常强的优势。比如说在座的Yann LeCun教授和MichaelJordan教授和很多的大学，甚至美国前一百名的大学都有非常好的AI课程。在国内虽然有非常优质的计算机人才，如果进入了BAT他们能学到很好的AI。但是毕竟我们要建立起人工智能的金字塔必须从基层做起，也就是说我们需要在大学毕业的时候就有一定的AI基础，怎么做这个事情呢？我们分了三个步骤。

第一个事情，正如欣欣所说的我们和教育部、北大做一个教师的培训，这样不仅仅是中国的前十名大学可以有好的AI课程，中国的前一百甚至几百名的大学都能够有AI课程，这样学生在读本科的时候可以接触到AI领域。

第二，我们会做一个针对性的培养，把最有潜质成为未来AI金字塔顶尖的朋友做一个培养，我们会请国际大牛和国内大牛对他们进行帮助。经过这些老师的课程，我们今年会教100位老师，明年会更多，他们在三四年之内教几万名学生，除了这几万名学生，我相信有很多刚开始工作的朋友们，还有一些他的学校还没有AI的课程，甚至他不是学计算机，而是学数理科或者是文科，我们跟公司成立了竞赛的平台，去年有一万人参加，未来有几十万人参加，这样我们才能把AI教育做的更普及，我觉得中国教育现在有比较大的落差。

经过这几个步骤，我们希望那些有兴趣学AI的同学们，因为AI现在越来越火，希望这些同学无论是经过线上或者是线下，校内或者是校外的渠道，当他们毕业的时候就已经成为有一些经验的AI人才。

高欣欣：太有意义了，时间过的真快，我们这个环节要结束了。而技术的美好就是不断刷新着我们对美好生活的体验和想象，让我们永远保持好奇，永远脚踏实地，一起探寻这个美好的新世界，非常感谢，谢谢两位教授。