近日，北京市经济和信息化委员会发布了《北京人工智能产业发展白皮书（2018）》。数据显示，截至2018年5月8日，全国共有人工智能（AI）行业企业4040家, 其中拿到过风险投资的企业有1273家。另据汤森路透与格林威治联营公司联合发布的《投资研究展望》报告，40％的机构投资者预计将提高其在人工智能方面的投资预算，半数的机构投资者期望在未来5～10年内更多依靠人工智能辅助投资决策。
时代赋予了人工智能众多的期望，近中期它将给各行各业带来哪些变革？在7月3日举办的“2018硅谷高科技创新·创业高峰会（北京）”上，来自企业界、学界及媒体界的专业人士对此进行了深入讨论。
主持人:
Trevor Curwin（RTInsights主编）
嘉宾:
Pieter Abbeel（UC Berkeley计算机系教授、Covariant.ai创始人）
胡郁（科大讯飞执行总裁）
周斌（NovuMind（异构智能）中国总裁）
郑昱（灵犀微光创始人及CEO）
Trevor Curwin（RTInsights主编）：先请大家各花一分钟时间介绍一下自己的背景，并谈谈你们认为人工智能目前发展到什么阶段了？
Pieter Abbeel（UC Berkeley计算机系教授、Covariant.ai创始人）：大家好，我是伯克利大学的计算机教授。我觉得我们现在正处在一个特别有意思的时代，有这么多领域可以让我们去利用和改进人工智能，而且我们可以把人工智能和其他技术结合起来应用，但我对这种结合应用究竟在多长时间内实现是不太确定的。
胡郁（科大讯飞执行总裁）：我是科大讯飞的创始人之一，现在也是中国科技大学的博士生导师和教授。如今在第三次人工智能浪潮下，作为人类真的把AI技术用在实实在在的应用场景上面，我们目前也取得了不少的成就。但是我还是认为未来会有很大的挑战，也就是我们必须要跨越认知智能这样一面高墙的挑战，这对人类来说很难，对机器来说同样也是这样。
周斌（NovuMind（异构智能）中国总裁）：我们是初创企业，是做人工智能芯片的，在硅谷和北京都有公司。我们和合作伙伴一起来提供人工智能解决方案，现在人工智能似乎无处不在，但是各个领域都需要人工智能芯片。人工智能需要进行计算，因此要有计算能力强的芯片——耗能少但是计算力强，以应用所有的人工智能应用场景。我们的人工智能芯片速度高、耗能少，我们相信我们可以在各个方面用人工智能芯片去改变人们的生活。
郑昱（灵犀微光创始人及CEO）：我从北京大学量子光学专业毕业后就创立了灵犀微光。简单地契合今天的主题来说，我们希望人工智能帮助我们实现对信息更好的体验，这是我们想要做的事情。我们专注于做非常接近于普通眼镜的AR眼镜，希望让每个人都愿意戴上它，在戴上它以后还能够很好地完成人工智能相关应用，比如说个人助理、图象识别等。
Trevor Curwin（RTInsights主编）：现在去做类人脑这样的人工智能需要多大的功耗？能实现多快的速度？现在我们到底离真正模仿人脑还有多长的距离？你们认为现在什么是最大的瓶颈？是否在未来一两年或者很短的时间里就能突破这个瓶颈？
胡郁（科大讯飞执行总裁）：其实有很多瓶颈需要突破，因为不同领域都有瓶颈。现在有这样一个机会，我们都清楚人工智能的算法需要大量的计算，所以这些算法必须存在云端。现在有越来越小的人工智能芯片，我觉得在一年时间内我们就可以设计出一个迷你电脑进行算法的存储，包括图像、语音、MLP（Multi-Layer Perceptron，即多层感知器），自然语言处理包括决策机制、影响力等所有内容都可以放在一个微小的计算机芯片里面。可能只有两个智能手机大小的迷你电脑就可以胜任所有任务，所有的资源、服务都可以通过迷你电脑这样的终端设备实现独立完成，而不用再到云端去取用，这是完全有可能实现的。
Trevor Curwin（RTInsights主编）：您觉得现在这个能力我们已经具备了，只是说移动终端能做到多少可能是需要我们努力的。大家能把这个问题再延伸一下吗？
Pieter Abbeel（UC Berkeley计算机系教授、Covariant.ai创始人）：我想谈谈人工智能的训练和影响力的关联。人工智能需要进行的训练涉及很多算法，现在关键还是速度问题。如果我们想要创立一种通用的人工智能，涉及的就不仅仅是一个计算机的事，人类社会和动物界有50亿年的历程可以让电脑进行相应的训练，实现50亿年的跨越和演化，我想我们可以在今天的基础上进行跨越，进行类人脑的计算机神经网路或者神经元系统的训练，这方面需要很多投入，这真的是一个大格局。
周斌（NovuMind（异构智能）中国总裁）：我们就是为大家做计算架构的，可能不用两年后，也许一年后通过我们辛勤努力的工作就会看到一些突破。试错肯定是必要的，要摸着石头过河，并在这个过程当中有所突破。
郑昱（灵犀微光创始人及CEO）：可能在座的许多人都在关注更好的人工智能的推出速度，我们则更加关注如何使普通人能更好地使用到人工智能。现在人工智能的硬件平台一般是智能手机或PC，下一代人工智能的终端会是什么？我们在云端作了很多人工智能的计算，但是切换到普通人身上就得用视觉和听觉的方式，才能使得人们更好地运用云端已经处理好的信息。因此，我认为未来不论PC还是智能手机作为终端都是不够的，比如今天我们要通过互联网打车去一个地方，还需依赖于屏幕、设备等各种终端，但其实我们不愿意每天和机器、电脑打交道。这让我们要思考未来人工智能要如何以更好的方式面向普通人，这可能才是人工智能更好的落地形式。
Trevor Curwin（RTInsights主编）：当我们讲到大企业在市场上的一些尝试和努力时会看到，很多新兴的科技，包括物联网、区块链、机器学习这些技术都在努力前行，试图让企业更好地应用人工智能，它们都有自己的学习曲线，也在不断地思考修正。不管你公司的主营业务是什么，如果未来不用大数据来驱动业务，也许很快就会被淘汰出局。所以你必须去思考，哪些人工智能可以让人们唾手可及，随时应用。
人机接口和人机界面必须是符合人类自然接触的一种方式，未来人工智能设备将会是怎样的呢？我们与一些大公司高管进行交流的时候，他们都表示希望能够切入到人工智能中来，但是不知道从哪里切入。很多人都在思考，人工智能需要通过实实在在的应用场景实现在企业的落地。
RTInsights 主编 Trevor Curwin
郑昱（灵犀微光创始人及CEO）：其实大的公司，不管是苹果还是谷歌都在探索，例如苹果的智能手表、谷歌的机器人。但是我觉得，这种手机和PC的模式更多是呈现屏幕的模式，使得人和机器人要通过一个屏幕打交道，这其实并不是我们最习惯或者说不是人类最好的获取信息的方式，我们希望用一种环境式交互或背景式交互来实现信息的获取。比如说，我们真的需要用Word、PDF等软件来进行创作吗，还是有更好的方式？比如AR眼镜，如果就像戴一副普通眼镜，跟我们日常携带的设备没有什么区别，当我们想要获取信息的时候就可以和它进行交互，这样才是实现人工智能落地的较好方式。
周斌（NovuMind（异构智能）中国总裁）：现在人工智能有三大支撑，即算法、计算能力、大数据。我们是有计算能力的，这一部分我就不多介绍了。首先需要解决的是大数据问题，要看是否有足够多的大数据；二是必须要去雇佣聪明的科学家和工程师去开发算法，因为算法是背后的基础，不同的算法模型会产生不同的结果。如果这三个要素已经准备好了，你的AI系统就会非常成功。
胡郁（科大讯飞执行总裁）：一家大公司或者初创企业如何去处理人工智能？我的看法是，先要看一下你的业务是什么？如果是to C业务，直接和最终消费者打交道，问题就是要看如何满足消费者的需求。我们都知道，算法最开始性能是不佳的，必须要通过收集真正的用户数据来对人工智能进行培训。但是一开始我们是没有用户数据的，因此我们有一个概念称为“涟漪效益”，即如何去培训让人不满意的系统，并让它从坏变好。这就像一滴水掉到水里面会产生一些涟漪一样，最开始你的系统用户量是非常小的；随着一些用户开始使用系统，系统开始获取数据；当用户越来越多，系统就会得到改进和优化，会变得越来越好。涟漪效应对于产品设计非常重要，我们需要通过用户对产品进行改进。
用智能手机的语音输入法来举例说明，2010年我们第一次把语音输入法切入智能手机的时候，语音识别准确度只有55%，根本就没法用；一年之后，大约有3000万人使用了我们的语音输入法，它的准确率因此提升到83%；2012年时大约有1亿用户在使用，语音识别的精准度也提升到了90%。现在我们的语音识别率已经达到98%，我想这是世界上最高的识别率，因此说涟漪效应、连锁反应非常重要。
但是如果你的企业是to B的，数据由很多企业所控制，而不是由最终用户所控制，人工智能公司就必须获得企业、学校、医院这些企业级的数据，必须要和它们密切合作。因此我们推出了“混合正交生态系统”这样一个概念。这样的生态系统与互联网时代、移动互联网时代的生态是完全不一样的，在这个生态里面，每个领域、每个行业甚至每个企业都会有自己的人工智能，这涉及到我们在各个领域如何应用人工智能。
左：科大讯飞执行总裁胡郁
右：UCBerkeley计算机系教授、Covariant.ai创始人 Pieter Abbeel
Pieter Abbeel（UC Berkeley计算机系教授、Covariant.ai创始人）：我想这也是你们实验室工作的核心，问题是这些高管人员是如何看待和思考AI的？他们实际上是希望帮助自己的公司获得一种可防御的优势。过去，建立这种优势的方式是创建好的品牌，还可以通过社交媒体来维护。实际上现在有些算法非常简单，可以特别容易地完成以前的一些复杂工作，比如大家只要有计算机科学的背景都可以去复制谷歌，但是仅有背景又是不够的，你必须成为相关领域里最佳的行业领袖，在周围创建一种可防御的围墙，才可以保持住这种优势。
Trevor Curwin（RTInsights主编）：胡总谈到的这一点非常重要，要明白对公司来说什么是最核心、最重要的内容。我们看硅谷，一切都是颠覆性的。以前公司通过创建品牌来捍卫自己，抵御竞争对手的攻击，现在我们要用AI和机器人，我们需要海量的用户数据。我不太确定CEO或相关人员在十年前是否能够想到这些发展趋势，也许过去花100年时间创建的一个品牌，它的价值在一瞬间就会被摧毁。
现在企业当中一小部分人是要了解机器学习的，我们已经对人工智能建模，我们可以让机器替代一些人工，也可以让人工智能做一些创意的工作。
Pieter Abbeel（UC Berkeley计算机系教授、Covariant.ai创始人）：我觉得有两种AI的技能，一种是拿到一个任务然后把数据放进去就可以把数据分析完成，另外一种是先看一下有哪些新的机会，有哪些可以帮着人类做，这一种不仅涉及到计算机科学，而且关乎找到新的方向。
未来很多公司在人工智能方向是否会取得成就，要看是否有适合的人才，人才是至关重要的。而且当我们谈到这种重要角色时，真的是在讲一种创意角色，涉及到信息技术和顶层设计的内容。公司大都是成本驱动型的，我们可以运用AI降低成本，但是未来成功的最大机会是来自于那些可以发现新方向的人，和我们目前做法完全不同的人。
胡郁（科大讯飞执行总裁）：我补充几点有关于数据的观点。现在大家都清楚人工智能的技术是大数据驱动的，但这个大数据和我们五年前聊的大数据有所不同。在大数据时代，我们所讲的相互关系不是指其在物理上的关系。我们看到一些名人讲大数据，关注的是大数据之间的关系而不是其中的逻辑关系，但其实讲到人工智能的大数据，我们必须要讲逻辑关系而不只是简单的关系。
今天我们用的大数据并没有包括有较深逻辑关系的人工数据，也没有体现多维度逻辑关系的数据，所以我们要从人工智能时代的大数据角度来切入，让人工智能的算法可以从人类的逻辑当中去学习新的大数据。
周斌（NovuMind（异构智能）中国总裁）：像胡博士指出的那样，我们的确要对很多数据进行标记。我们对大数据非常依赖，也相应地用大数据来进行机器训练，但不是说人类就省事了，什么事都不用干了，机器是无法自我学习的，我们需要把很多数据注入到机器当中。最近有来自微软的阿凡达项目，可以和人类进行交互，阿凡达还学会了打保龄球等一些技能，这就是我们说的有监督式和半监督式的机器学习怎样去处理数据，很显然需要非常强的计算力，这就是我们公司的优势所在了。
左：NovuMind（异构智能）中国总裁周斌；右：灵犀微光创始人及CEO郑昱
郑昱（灵犀微光创始人及CEO）：我这边会往应用端挪一步，许多人说人工智能的出现可能会威胁到很多人的工作，大家会紧张在人工智能时代是不是会丢掉原来的工作，或者压根就找不到工作了？有一些案例非常有意思，促使我们思考在人工智能时代怎样更好去利用人工智能，比如说科大讯飞的语音识别技术就做得非常好。
现在世界上有超过1000万的聋哑人，他们无法听到声音，所以没办法和普通人正常交流。如果有一个机器能够接受人类语言，然后通过人工智能系统翻译成视觉文字显示出来，我们就能通过应用语音识别、语音处理技术使得一些聋哑人能够重新和普通人交流，这会是非常利民的一件事。也许人工智能在这方面的准确率不是100%或99%，但是达能到85%这样程度的简单输出就可以让许多聋哑人获得工作。我们发明了很多技术，应该让这些技术更好地为人服务，让我们去更好地找到工作而不是丢掉工作，这就是我想到的。
Trevor Curwin（RTInsights主编）：现在人们对人工智能还有一些恐惧，我想，一项新技术不管其发展情况怎样，都会产生类似的问题。现在大众对人工智能的哪些误读或者说误解是你们想去澄清的？
郑昱（灵犀微光创始人及CEO）：我觉得可能最大的误读在于很多人谈到人工智能时的第一反应是感到威胁或者是恐惧，这可能是我们现在过于夸大了人工智能带给我们的影响所造成的一种结果。我认为要从更加积极的层面去想，现在人工智能还处在非常早期的阶段，在这么早期的阶段我们应该考虑怎样使人工智能更好地帮助我们，而不是考虑威胁。
周斌（NovuMind（异构智能）中国总裁）：我认为今天对人工智能存在误读，今天的人工智能并不是真正的人工智能，只是基于算法的一种识别上的进化，只是一种机器而已。机器当然能执行一些特殊的任务，但是它没有自我意识。人们认为机器可以思考，我并不同意，我们看到机器做的很多思考都是通过人类编程实现的，只是看起来好像机器在思考一样。人工智能的思考其实背后都有人在控制，而不是机器自我意识产生的思考。所以我们不用去担心，离大家担忧的奇点到来还有很长的时间。当然，这个奇点一定会到来，只是迟早问题。
胡郁（科大讯飞执行总裁）：的确，目前人工智能还没有自我意识，一点儿都没有，所以它不会像电影里展现的那样消灭人类。我看到的另外一个误读是，我们都在讲人工智能，认为人工智能可以像人脑一样运转，但事实上它们只是表现得像人脑，其实内部只是算法。人工智能的算法和人脑的工作原理是完全不一样的。人类可以倾听、玩游戏等等，都是同一个大脑来完成，但是对人工智能而言，做不同的事情需要不同的算法。未来的人工智能会是强人工智能或者通用人工智能，但是我们现在拥有的只是弱人工智能，即使目前它们在各个领域看起来很强，但并不是通用的人工智能，完全是两回事。
Pieter Abbeel（UC Berkeley计算机系教授、Covariant.ai创始人）：未来十年可能会发生一些事情，但是这个概率很低，可能有人会担忧这些低概率的事。人工智能可能会比我们更聪明，可能会发展到人类无法控制的程度，但这并不是说五年、十年内就一定会发生，发生的概率是很低的，在这方面还有很多争论。
未来人工智能会创造更多工作还是消灭更多工作，目前这个问题还不明确。当然现在大家很确定有些工作或许会受影响，比如十年以后司机可能不会再作为一个职业存在了。在这个过程当中，还会涉及到许多政治和经济的问题。
閱讀更多 投資圈雜誌 的文章
