人工智能的第三次浪潮使我们对未来社会充满期望。但人工智能的落地也充满挑战，其中一个严重的挑战来源于数据的缺乏：在很多实践中，高质量的大数据并不存在。很多数据是以孤岛形式存在的。同时，最近一些隐私泄露事件发生后，社会对隐私安全的要求也越来越高。本次讲座中，杨强教授回顾了人工智能的最新进展，并对人工智能面临的挑战提出可行的解决方案。
10月26日晚，应巴曙松教授邀请，香港科技大学讲座教授、国际人工智能联合会IJCAI理事长杨强教授做客“北大汇丰金融前沿讲堂”，为大家带来主题为《人工智能和未来社会：挑战与机遇》的讲座。
北京大学汇丰商学院党委书记、副院长任颋教授致开场词，从金融科技的发展出发，谈到了人工智能技术在金融领域的应用。任颋教授还详细介绍了杨强教授。
任颋教授致辞并介绍杨强教授
杨强教授从人工智能的基础知识开始讲起，深入浅出地讲解了人工智能的发展历程、人工智能发展所面临的挑战以及人工智能的商业模式。
杨强教授介绍人工智能
人工智能的发展历程
要了解人工智能的发展史，首先要了解其发展的驱动力、本质、里程碑和应用案例，其次要回答两方面的问题，即这一波人工智能兴起的原因和下一个冬天何时到来。人工智能源于人类对效率和自动化的追求，人工智能的实现要以数字化的实现为前提。从1997年IBM WATSON和美国的CMU大学合作的计算机国际象棋到2017年用于德州扑克的超级计算机，人工智能发展的里程碑大部分都是棋牌类游戏。
杨强教授表示自己开始学习人工智能专业时正是第二波人工智能兴起之初，他也见证了这波人工智能的冬天。杨教授结合亲身体会引发听众对于人工智能兴起于没落的思考。杨强教授还提到了机器学习和强化学习这两个概念，机器学习是Alphago的核心，强化学习则是对行为的优化，他通过医学文献查找和新闻推荐等生动的例子，详细讲解了这两个概念。
讲座现场
人工智能面临哪些挑战
杨强教授依次分析了小数据、数据割裂、隐私、安全和监管。他指出，大数据是一个偶然现象而小数据是一个普遍现象，小数据也很有可能是导致下一个人工智能寒冬的重要原因。杨强教授研究的迁移学习模型恰恰是针对小数据的问题来进行的，通过迁移学习，环境的细微变化不会对模型造成较大影响，能够让机器学习的模型像软件工程一样变得有望。数据割裂则来自于人们对隐私越来越高的要求、安全以及监管，这样所形成的的数据孤岛几乎没有希望合并起来，欧洲最近引入的GDPR（欧洲个人隐私保护法）可能只是一个开端。
杨强教授介绍人工智能面临挑战
人工智能的商业模式是什么
第一，要有清晰的包括领域和边界应用场景的定义，第二，要形成以人为核心的模式。清晰指的是能用数学公式表达，针对特定场景的人工智能算法能够覆盖到一个行业的是更容易成功的。以人为核心的人工智能，人和机器的位置可能会有变化，人可以定目标、收集反馈，以及进行数据标注，以后可能很多人会成为数据标注师，杨强教授表示，这也是我们培养下一代所要关心的。
观众全神贯注听讲
在本次讲座的问答环节，杨强教授就大家提出的“医疗领域人工智能如何进行商业化应用”“智能客服、自动写作和自动编辑有何发展前景”“人工智能应用场景成熟度和市场培育情况” “人工智能时代普通人如何进行自我提高和学习”等问题做了耐心、专业的解答。随后，任颋副院长代表北京大学汇丰商学院向杨强教授赠送了礼物，对杨强教授的精彩演讲表示感谢。
观众现场提问
任颋副院长向杨强教授送纪念品
杨强教授是香港科技大学讲座教授、国际人工智能联合会IJCAI理事长、AAAI执行委员会委员、CAAI副理事长以及AAAI/ACM/CAAI/IEEE/AAAS的fellow。他于1989年在马里兰大学获得计算机系博士学位，曾先后在加拿大滑铁卢大学和Simon Fraser大学任教。他的研究方向为迁移学习及其工业应用。他还是华为诺亚方舟实验室的创始主任，香港科技大学的大数据研究所的创始主任，IEEE Transactions on Big Data和 ACM Transactions on Intelligent Systems and Technology的创始主编。杨强教授还获得2018年ACM SIGKDD杰出服务奖。
此次讲座是“北大汇丰金融前沿讲堂”的第50期。“北大汇丰金融前沿讲堂”由北京大学汇丰商学院主办，北京大学汇丰金融研究院承办，深圳市资产管理学会作为学术支持。“金融前沿讲堂”将继续邀请业界权威人士讲授金融前沿领域的理论知识与实践经验，为北大学子打造聚焦金融市场最新趋势与动态的优质平台。
閱讀更多 北大匯豐EMBA 的文章
