AI與數(shù)據(jù)科學(xué)如何重塑人類社會(huì)？

近日，創(chuàng)新工場(chǎng)董事長(zhǎng)兼CEO李開復(fù)博士與阿萊克斯·彭特蘭教授（Alex Pentland）展開了一場(chǎng)”AI如何重塑人類社會(huì)”的精彩對(duì)話?！哆B線》雜志的資深撰稿人威爾·奈特（Will Knight）主持了這場(chǎng)對(duì)話。

阿萊克斯·彭特蘭教授任教于麻省理工學(xué)院，為全球大數(shù)據(jù)權(quán)威專家之一，現(xiàn)任MIT連接科學(xué)研究所主任、MIT媒體藝術(shù)與科學(xué)教授，擁有“可穿戴設(shè)備之父”、《福布斯》“全球七大權(quán)威大數(shù)據(jù)專家”、《麻省理工科技評(píng)論》“年度十大突破性科技”兩度桂冠獲得者等頭銜，曾參與創(chuàng)建MIT媒體實(shí)驗(yàn)室，是全球被引述次數(shù)最多的計(jì)算科學(xué)家之一。

對(duì)話金句：

李開復(fù)：

“AI最大的機(jī)會(huì)蘊(yùn)藏在與傳統(tǒng)企業(yè)的結(jié)合中，這種價(jià)值的產(chǎn)生極其迅速，只需要幾個(gè)月，甚至短短幾周?！?/p>

“未來突破很難預(yù)測(cè)，對(duì)奇點(diǎn)、超級(jí)智能的爭(zhēng)辯，在我看來都過于樂觀了?！?/p>

“小型AI公司與巨頭競(jìng)爭(zhēng)，我的建議是找準(zhǔn)巨頭沒有平臺(tái)優(yōu)勢(shì)的細(xì)分領(lǐng)域，為某個(gè)針對(duì)性產(chǎn)業(yè)創(chuàng)造價(jià)值，不要與巨頭核心業(yè)務(wù)正面硬碰?！?/p>

阿萊克斯·彭特蘭：

“AI絕非試圖取代人類，而是促進(jìn)多元文化之間的相互連接、團(tuán)隊(duì)合作，讓人們更好的進(jìn)行社交和連接彼此?！?/p>

“最困難的其實(shí)是說服人們改變商業(yè)流程去使用AI，因?yàn)榇蠖鄶?shù)人是墨守成規(guī)的?！?/p>

“人工智能有朝一日可以取代人類所有的能力，但是這個(gè)過程會(huì)非常漫長(zhǎng)，可能需要上百年或更久?！?/p>

李開復(fù)博士在對(duì)話中表示，當(dāng)我們?cè)噲D解決AI問題時(shí)，應(yīng)該用技術(shù)來解決技術(shù)的問題，可以尋求與監(jiān)管部門協(xié)作，而不只是丟給他們，“新技術(shù)會(huì)衍生新的問題，我們應(yīng)該多方嘗試用更進(jìn)階的技術(shù)性解決方案，就像電腦病毒剛出現(xiàn)時(shí)，殺毒軟件隨之誕生?！?/p>

彭特蘭教授認(rèn)為，人工智能的核心，是促進(jìn)多元文化之間的相互連接。不只是工程師或科學(xué)家，連經(jīng)濟(jì)學(xué)家、政治家都必須參與進(jìn)來?！皣?guó)家之間應(yīng)該促進(jìn)合作、制定互通標(biāo)準(zhǔn)，就像TCP/IP互聯(lián)網(wǎng)協(xié)議那樣，避免AI冷戰(zhàn)。”

他們認(rèn)為，AI發(fā)展從來不是單打獨(dú)斗，跨學(xué)科思維、跨領(lǐng)域合作尤為重要。

這場(chǎng)對(duì)話是麻省理工學(xué)院中國(guó)創(chuàng)新與創(chuàng)業(yè)論壇（MIT-CHIEF） 組織的高峰對(duì)話系列活動(dòng)，主題是《計(jì)算與未來： AI與數(shù)據(jù)科學(xué)如何重塑人類社會(huì)》。

麻省理工學(xué)院中國(guó)創(chuàng)新與創(chuàng)業(yè)論壇（MIT-CHIEF）由麻省理工學(xué)院的中國(guó)留學(xué)生創(chuàng)立，至今已有十年，是北美歷史最悠久的、由高校學(xué)生組織的中國(guó)創(chuàng)新創(chuàng)業(yè)論壇。系列高峰對(duì)話邀請(qǐng)了頂級(jí)科學(xué)家、投資人及創(chuàng)業(yè)者，共同探討科技創(chuàng)新及商業(yè)化過程中面臨的挑戰(zhàn)。

Part I 主題演講

李開復(fù)：各方應(yīng)協(xié)作，讓AI 更務(wù)實(shí)

非常榮幸再次受到MIT-CHIEF的邀請(qǐng)，對(duì)于人工智能的看法，這次我主要想講四點(diǎn)。

第一點(diǎn)是我書里的主題，人工智能的超能力。我們已經(jīng)從人工智能的發(fā)明期步入應(yīng)用期階段，從應(yīng)用落地層面來說，正迎來了AI發(fā)展最大的機(jī)遇。

很多科技公司目前已對(duì)人工智能進(jìn)行了多樣化布局，從視覺、語言、觸覺和其他感知技術(shù)，到自動(dòng)化機(jī)器人、無人駕駛等，對(duì)很多領(lǐng)域開啟了深遠(yuǎn)的影響。雖然眼下所見的AI應(yīng)用仍有局限性，但我預(yù)測(cè)未來的格局會(huì)非常龐大，依據(jù)統(tǒng)計(jì)，各行各業(yè)采用AI的程度目前不到5%，AI應(yīng)用的中長(zhǎng)期增長(zhǎng)曲線相當(dāng)可期。

第二點(diǎn)是我很欣喜看到的一點(diǎn)，AI正在和傳統(tǒng)行業(yè)深度融合。隨著人們對(duì)人工智能的了解越來越多，更多的AI公司涌現(xiàn)出來。

AI最大的機(jī)會(huì)蘊(yùn)藏在與傳統(tǒng)企業(yè)的結(jié)合中，創(chuàng)新工場(chǎng)也正在幫助金融、制造、物流、零售、醫(yī)療等行業(yè)的公司進(jìn)行AI變革。

作為AI投資人，我認(rèn)為在這些行業(yè)如果找到正確的AI應(yīng)用方向，就能帶來上千萬的回報(bào)。這種商業(yè)價(jià)值的產(chǎn)生是極其迅速的，通常只需要幾個(gè)月，甚至短短幾周就能看到成果。

現(xiàn)在人工智能在傳統(tǒng)產(chǎn)業(yè)的滲透率仍在個(gè)位數(shù)，仍然有很大的提升空間。然而對(duì)于很多公司來說，它們需要的是高度定制化的方案，而非通用型AI方案，所以融合的過程中，不可避免會(huì)遇到不少挑戰(zhàn)和痛點(diǎn)。

第三，我早年做過很多科研工作，很高興能看到關(guān)于系統(tǒng)一和系統(tǒng)二（System One， System Two）的討論，我們期待人工智能技術(shù)從系統(tǒng)一升級(jí)為系統(tǒng)二，即從識(shí)別、決策、優(yōu)化等能力，升級(jí)到感知、認(rèn)知等進(jìn)階智能的能力。

有不同的學(xué)派都在努力讓人工智能更接近人類智能，其中一個(gè)流派主張回歸經(jīng)典的AI理念，甚至重新構(gòu)建嶄新的模型結(jié)構(gòu)，在深度學(xué)習(xí)技術(shù)的基礎(chǔ)上利用人類的知識(shí)。但我更支持另一個(gè)理論——深度學(xué)習(xí)的潛力還沒有完全釋放。

回看人工智能過去60多年的歷程，最大的突破來自于計(jì)算能力和數(shù)據(jù)量大增而產(chǎn)生的可擴(kuò)展算法。我們看到了卷積神經(jīng)網(wǎng)絡(luò)（CNN）帶來的喜人成績(jī)，還有預(yù)訓(xùn)練自然語言處理模型（Pre-Trained Models for Natural Language Processing）的廣泛運(yùn)用。

預(yù)訓(xùn)練模型與人類語言學(xué)習(xí)的模式類似，不管是英語還是中文，在習(xí)得這些語言之后，再去學(xué)習(xí)編程、藝術(shù)、化學(xué)。在無人監(jiān)督的學(xué)習(xí)環(huán)境中，這種模式比我們想象得還要強(qiáng)大，就像阿爾法圍棋（AlphaGo）一樣。

最后一點(diǎn)我想說的是，如何讓AI變得更務(wù)實(shí)。

AI有很多問題，例如隱私、數(shù)據(jù)安全、治理和監(jiān)管，在此就不一一討論了。當(dāng)我們?cè)噲D解決這些AI難題時(shí)，有人認(rèn)為讓監(jiān)管部門加強(qiáng)管理是唯一辦法，其實(shí)不然，我們是否也可以朝著研發(fā)更厲害的技術(shù)性解決方案去努力？

就像電腦病毒剛出現(xiàn)時(shí)，殺毒軟件隨之誕生;面對(duì)千年蟲難題時(shí)，也迅速找到了技術(shù)應(yīng)對(duì)方案。我們可以通過研發(fā)新技術(shù)，應(yīng)對(duì)DeepFake深度換臉程序的挑戰(zhàn);或者通過聯(lián)邦學(xué)習(xí)技術(shù)，在保證數(shù)據(jù)私密性的同時(shí)，滿足深度學(xué)習(xí)訓(xùn)練需求

作為握有技術(shù)能力的群體，我們需要與監(jiān)管部門一起協(xié)作，而不只是把工作丟給他們。相信有了各方的助力，我們可以讓AI的應(yīng)用變得更有深度，更加務(wù)實(shí)，更高效地克服現(xiàn)在面臨的種種問題。

阿萊克斯·彭特蘭：國(guó)家間應(yīng)建立互通標(biāo)準(zhǔn)，避免“AI冷戰(zhàn)”

我對(duì)當(dāng)前的深度學(xué)習(xí)技術(shù)不太樂觀。

最為主要原因是，深度學(xué)習(xí)不僅需要龐大的數(shù)據(jù)源，而且要求這些數(shù)據(jù)長(zhǎng)時(shí)間恒定不變，以保證模型訓(xùn)練結(jié)果的可靠性，例如人類的面容、語言，就是相對(duì)穩(wěn)定不變的數(shù)據(jù)源。

但深度學(xué)習(xí)卻沒法應(yīng)對(duì)快速變化的真實(shí)情況。亞馬遜在新冠疫情蔓延速度暴增時(shí)，出現(xiàn)了倉(cāng)庫貨物緊缺，不得不停止送貨服務(wù)。這種經(jīng)過深度學(xué)習(xí)高度優(yōu)化后的系統(tǒng)發(fā)生崩潰，就是因?yàn)榭焖僮兓囊咔椋蜕疃葘W(xué)習(xí)對(duì)恒定數(shù)據(jù)源的需求是矛盾的。

另外，我想談?wù)勅绾瓮ㄟ^聯(lián)邦學(xué)習(xí)，促進(jìn)數(shù)據(jù)的流通。

大多數(shù)公司沒有足夠豐富的數(shù)據(jù)，需要聯(lián)合不同的數(shù)據(jù)來源?；谶@種需求，出現(xiàn)了很多新商業(yè)模式，比如“數(shù)據(jù)經(jīng)紀(jì)人”——他們不出售數(shù)據(jù)，而是把數(shù)據(jù)借出去，作特定需求的使用。

“數(shù)據(jù)經(jīng)紀(jì)人”業(yè)務(wù)涌現(xiàn)了很多，他們促進(jìn)了數(shù)據(jù)的流通，也加強(qiáng)了數(shù)據(jù)的隱私性。因此，像聯(lián)邦學(xué)習(xí)這樣的技術(shù)和商業(yè)策略結(jié)合，有效解決了數(shù)據(jù)在合規(guī)性和所有權(quán)方面的難題。

聯(lián)邦學(xué)習(xí)也依賴于新的基礎(chǔ)設(shè)施建設(shè)，為數(shù)據(jù)應(yīng)用和深度學(xué)習(xí)提供基礎(chǔ)環(huán)境，比如區(qū)塊鏈技術(shù)。現(xiàn)在世界上很多國(guó)家在做相關(guān)系統(tǒng)的建設(shè)實(shí)驗(yàn)，新加坡等國(guó)家設(shè)置了一種相互競(jìng)爭(zhēng)的區(qū)塊鏈系統(tǒng)，來解決支付和物流問題。我們最近也幫助瑞士做了類似的實(shí)驗(yàn)，涉及不同數(shù)據(jù)的互通性和連貫性問題。

我們?nèi)栽谘芯咳绾斡帽M量少的數(shù)據(jù)，實(shí)現(xiàn)人工智能的目標(biāo)。少量數(shù)據(jù)是指不斷更新的短期數(shù)據(jù)，這些數(shù)據(jù)能使AI應(yīng)對(duì)迅速變化的情況，并及時(shí)做出調(diào)整。

我們打算將AI與其他基礎(chǔ)科學(xué)結(jié)合，例如阿爾法圍棋（AlphaGo）就是這類結(jié)合的初步嘗試。這些方法不依賴于大量恒定數(shù)據(jù)，可能會(huì)比深度學(xué)習(xí)更加強(qiáng)大。

除此之外，我們?cè)谔接懹肁I保障聯(lián)邦學(xué)習(xí)過程中不同數(shù)據(jù)方的權(quán)益，這是實(shí)現(xiàn)不同國(guó)家之間的互通性、支付信任度、物流運(yùn)輸?shù)确矫婧献鞯年P(guān)鍵前提。

另一方面，我們探索如何將AI技術(shù)應(yīng)用于加密數(shù)據(jù)上。我們和大公司以及政府密切合作，找出解決系統(tǒng)入侵和保障網(wǎng)絡(luò)安全的方法。

我同時(shí)花了很多時(shí)間研究與政府的合作。政府很多時(shí)候不知道如何通過大數(shù)據(jù)做決策，也不知道如何進(jìn)行數(shù)據(jù)優(yōu)化。而AI能夠幫助政府實(shí)現(xiàn)更高的效率，比如聯(lián)合國(guó)現(xiàn)在已經(jīng)有了很多可持續(xù)發(fā)展目標(biāo)的相關(guān)評(píng)估指標(biāo)， 世界經(jīng)濟(jì)論壇也可以為會(huì)員國(guó)提供不同的標(biāo)準(zhǔn)測(cè)算。

基于我們已有的多元數(shù)據(jù)庫，現(xiàn)在可以利用AI實(shí)現(xiàn)全新的數(shù)據(jù)優(yōu)化方式，將貧困、不平等這種之前無法量化的指標(biāo)，通過可量化的指標(biāo)進(jìn)行評(píng)估。

同時(shí)，要真正實(shí)現(xiàn)這個(gè)目標(biāo)，我們還需要制定統(tǒng)一的互通性標(biāo)準(zhǔn)。如果沒有這個(gè)標(biāo)準(zhǔn)，國(guó)家之間就不會(huì)相互信任去合作，就可能出現(xiàn)AI冷戰(zhàn)。

因此我們需要找到促進(jìn)合作的方式，就像TCP/IP互聯(lián)網(wǎng)協(xié)議那樣。而之前我提到的，新加坡、瑞士等現(xiàn)在正在嘗試的區(qū)塊鏈系統(tǒng)，將有希望解決國(guó)家間缺乏互通標(biāo)準(zhǔn)的問題。

Part II 對(duì)話

美國(guó)在線教育發(fā)展難度更大，只在ZOOM上講課是不夠的

Q1：疫情加速了行業(yè)的改變，遠(yuǎn)程醫(yī)療、線上教育開始蓬勃發(fā)展，這只是AI對(duì)人類社會(huì)產(chǎn)生影響的冰山一角。想請(qǐng)兩位談一談，目前看好AI在哪些領(lǐng)域應(yīng)用的未來前景？

李開復(fù)：疫情的確對(duì)整個(gè)社會(huì)產(chǎn)生了實(shí)質(zhì)性的影響，人們行為習(xí)慣發(fā)生了很多改變，更愿意接受線上學(xué)習(xí)和工作了。

這種新的行為習(xí)慣產(chǎn)生了大量數(shù)據(jù)流，為AI應(yīng)用帶來了更多可能性。比如大健康領(lǐng)域以及遠(yuǎn)程醫(yī)療中所產(chǎn)生的數(shù)據(jù)，可以訓(xùn)練更智能的模型。同時(shí)更多人開始在基因組學(xué)、新藥研發(fā)方面結(jié)合新的AI技術(shù)進(jìn)行研究，因此我相信AI在醫(yī)療健康領(lǐng)域的潛能是非常巨大的。

AI與教育的結(jié)合也很值得期待。一方面可以幫助老師處理重復(fù)性的日常事務(wù)，例如批改作業(yè)，讓老師得以將時(shí)間精力投入到更有創(chuàng)造性的事情上，能更悉心地為孩子提供優(yōu)質(zhì)教學(xué)。另一方面可以提高學(xué)生的課堂參與度和積極性，比如設(shè)置卡通版AI虛擬老師，讓課程充滿趣味性。

在中國(guó)，有很多線上教育公司在疫情之前就已經(jīng)發(fā)展迅速，像創(chuàng)新工場(chǎng)投資的VIPKID，讓國(guó)外的純正英語老師在線上教授中國(guó)學(xué)生。目前，中國(guó)的線上教育已經(jīng)擴(kuò)展到了更多科目，包括體育、舞蹈、書法等素質(zhì)教育課程。

相比之下，美國(guó)線上教育發(fā)展的難度會(huì)更大。畢竟只在ZOOM上講課是不夠的，好的線上教育必須要有好的內(nèi)容。

AI核心是增強(qiáng)人際互聯(lián)，應(yīng)注重文化多樣性

阿萊克斯·彭特蘭：李開復(fù)博士提到的教育案例，我不是很認(rèn)同。

MIT大約20年前就在教育中使用AI，重點(diǎn)根本不是內(nèi)容，我們甚至提倡將內(nèi)容免費(fèi)開放給大眾。

AI絕非試圖取代人類的作用，我們更強(qiáng)調(diào)用AI增強(qiáng)人與人之間的互動(dòng)，讓人們更好的社交和連接彼此。比如手機(jī)上人工智能技術(shù)，不是要取代你，而是讓你高效地找到最適合的工作、最正確的人，讓你更容易的獲取信息，并進(jìn)行創(chuàng)新。

我們可以利用數(shù)據(jù)激發(fā)更強(qiáng)的創(chuàng)新力，培養(yǎng)領(lǐng)導(dǎo)力。只有基于這樣的宗旨，才能促進(jìn)更有創(chuàng)造力的教育和學(xué)習(xí)，這比關(guān)注教育內(nèi)容本身重要得多。

在加拿大，有家創(chuàng)業(yè)公司正在訓(xùn)練普通民眾學(xué)習(xí)AI，比如水管工，教學(xué)效果非常不錯(cuò)。他們的教育方式不是簡(jiǎn)單的教授基本知識(shí)，而是以一種能夠激發(fā)人們互動(dòng)思考的方式。

我們之前在中國(guó)調(diào)研了3000多個(gè)孵化器，發(fā)現(xiàn)創(chuàng)業(yè)公司成功的要素里，第一個(gè)是文化多樣性，也就是說創(chuàng)始團(tuán)隊(duì)背景的復(fù)雜性和多樣性。第二個(gè)是團(tuán)隊(duì)成員專業(yè)的多樣性，他們能否發(fā)揮自己所長(zhǎng)，并很好地進(jìn)行團(tuán)隊(duì)合作。

1956年，馬文·明斯基 （Marvin Minsky）提出了人工智能這個(gè)詞。但我們對(duì)于人工智能的理解，不應(yīng)該只停留在“人工”層面，而應(yīng)擴(kuò)展到多元文化之間的相互連接、團(tuán)隊(duì)合作，我把它叫做延伸智能（Extended Intelligence）。這也是我想強(qiáng)調(diào)的，人工智能這個(gè)名詞有一定的偶然性，但它的核心點(diǎn)是增強(qiáng)人與人之間的互聯(lián)性。

AI未來突破難預(yù)測(cè)，奇點(diǎn)、超級(jí)智能過于樂觀

Q2：未來十年AI有沒有可能取得重要突破？比如GPT-3近期展現(xiàn)驚人的能力。兩位認(rèn)為未來的突破方向是什么？

李開復(fù)：過去60多年來，深度學(xué)習(xí)是唯一的重大突破。在這之后，卷積神經(jīng)網(wǎng)絡(luò)（CNN）和GPT-3等都算是重要的改善，我對(duì)于人工智能的漸進(jìn)式改善保持樂觀。

對(duì)科學(xué)家來說，他們更期待著技術(shù)上的突破式進(jìn)展。但我覺得未來十年基礎(chǔ)科研或許不會(huì)有大的突破。但模型相對(duì)容易，只要有大量的數(shù)據(jù)，就可以從實(shí)驗(yàn)室進(jìn)入到行業(yè)應(yīng)用，CNN和GPT-3都是模型加海量數(shù)據(jù)的成果。

我是務(wù)實(shí)派的，雖然持有樂觀態(tài)度，但并不是一位“未來學(xué)家”。未來的突破很難預(yù)測(cè)，對(duì)奇點(diǎn)（Singularity）的爭(zhēng)辯，甚至預(yù)測(cè)超級(jí)智能的出現(xiàn)，在我看來都過于樂觀了。

阿萊克斯·彭特蘭：我同意李博士的觀點(diǎn)。很多生物機(jī)制很難解釋，包括用感知認(rèn)識(shí)事物、理解聲音、尋找食物等，是深度學(xué)習(xí)算法做不到的。但深度學(xué)習(xí)可以研究科學(xué)、制定規(guī)則、研究理論，并進(jìn)行實(shí)踐。

從務(wù)實(shí)的角度來說，我最感興趣的就是聯(lián)邦學(xué)習(xí)。就醫(yī)療而言，我們有這么多醫(yī)院，在新冠疫情期間做了很多的實(shí)驗(yàn)，為什么這些實(shí)驗(yàn)數(shù)據(jù)不能進(jìn)行聯(lián)合呢？

盡管數(shù)據(jù)有不兼容的地方，但這也是一個(gè)很好的機(jī)會(huì)去探究不同的數(shù)據(jù)之間的關(guān)聯(lián)性。在未來，我們對(duì)數(shù)據(jù)的需求也許會(huì)越來越少，外科醫(yī)生或者物理學(xué)家或許不需要太多數(shù)據(jù)，因?yàn)樗麄儗?duì)規(guī)則已經(jīng)了如指掌了。

不要墨守成規(guī)，要跨領(lǐng)域、跨學(xué)科應(yīng)對(duì)挑戰(zhàn)

Q3：人工智能會(huì)有什關(guān)鍵挑戰(zhàn)？對(duì)于想從事這個(gè)行業(yè)的人，有什么是需要了解的關(guān)鍵點(diǎn)？

李開復(fù)：首先，大背景在改變，新科技層出不窮，我們每年都需要學(xué)習(xí)新的東西。

其次，人工智能可能引起各種問題，包括偏見、歧視、倫理道德等，是否危害人類的身體健康，無人駕駛技術(shù)該何去何從等等。

第三，人工智能的研發(fā)需要深刻地理解技術(shù)對(duì)社會(huì)、生活與人類健康會(huì)產(chǎn)生的影響。我非常欣賞斯坦福和MIT這樣的高校，能夠把AI教育擴(kuò)展到各個(gè)學(xué)科，讓研發(fā)人員及早意識(shí)到自己的責(zé)任和價(jià)值。

阿萊克斯·彭特蘭：是的，我朋友做過一個(gè)有關(guān)電的趣味類比，電動(dòng)馬達(dá)最初在工廠里用于生產(chǎn)的時(shí)候，并沒有發(fā)揮出多大的作用，因?yàn)榇蠹也⒉恢廊绾胃脑焐a(chǎn)流程。

AI在一些領(lǐng)域發(fā)揮的作用是顯著的，但應(yīng)用到其他領(lǐng)域時(shí)，就需要改造流程。很多情況下，最困難的就是說服人們改變商業(yè)流程去使用AI，因?yàn)榇蠖鄶?shù)人是墨守成規(guī)的。

而有意思的是，就像李博士提到的，像MIT和斯坦福這樣的高校確實(shí)在認(rèn)真嚴(yán)肅地對(duì)待這個(gè)問題。

比如，我今天早上正好就這個(gè)話題跟G20領(lǐng)導(dǎo)人對(duì)話，大家一致認(rèn)為我們必須從跨領(lǐng)域、跨學(xué)科的角度去面對(duì)這個(gè)問題，不能只是工程師或者社會(huì)科學(xué)從業(yè)者們?cè)谧?，?jīng)濟(jì)學(xué)家，政治家等等都必須參與進(jìn)來緊密合作。

隨著AI的應(yīng)用領(lǐng)域越來越廣，除了必須具備強(qiáng)有力的技巧來建立社會(huì)規(guī)則，還需要對(duì)研究經(jīng)費(fèi)、企業(yè)投入等進(jìn)行各種調(diào)整。

雖然大公司實(shí)力不容小覷，但依舊對(duì)小公司抱有期待

Q4：AI研究會(huì)消耗大量的資源，我們是否應(yīng)該將資源往學(xué)術(shù)界平衡？現(xiàn)在已經(jīng)發(fā)生資源的重新分配和平衡了嗎？

李開復(fù)：就人才而言，現(xiàn)在已經(jīng)有重新平衡的跡象了。

過去，頂尖大學(xué)的學(xué)者基于待遇和種種考量，不少選擇去企業(yè)界工作。而近期，曾任職于百度、海爾、字節(jié)跳動(dòng)等公司的數(shù)位優(yōu)秀AI科學(xué)家已經(jīng)回歸高校。

但像GPT-3這樣的技術(shù)，仍然不是大學(xué)和小公司能支付得起的。支撐GPT-3運(yùn)行的電腦是世界算力第五的超級(jí)計(jì)算機(jī)。每進(jìn)行一次算法訓(xùn)練，就要花費(fèi)460萬美金，只有像騰訊、谷歌、微軟這個(gè)級(jí)別的公司才能負(fù)擔(dān)得起如此強(qiáng)大的算力。

我觀察到，近年的AI創(chuàng)業(yè)公司已經(jīng)和5年前截然不同了。它們一般由AI科學(xué)家和商業(yè)人才共同創(chuàng)建，為了解決特定問題而生，并非紙上談兵做突破性科研，切入的領(lǐng)域也往往是巨頭公司忽略的地方。

例如，為制造業(yè)進(jìn)行AI賦能，不是一件輕松的事，需要去工廠實(shí)地勘查，了解運(yùn)作方式。大公司因?yàn)橘嶅X很容易，不愿意做這些性價(jià)比低的苦活累活。這些小公司的努力一旦有了成果，就會(huì)給產(chǎn)業(yè)界帶來革命性的影響。所以，雖然大公司的實(shí)力不容小覷，但我依舊對(duì)小公司抱有期待。

阿萊克斯·彭特蘭：大學(xué)和公司是一種融合的關(guān)系，不僅體現(xiàn)在人才流動(dòng)上，也會(huì)進(jìn)行信息資源共享，彼此是整體性的合作態(tài)勢(shì)。

當(dāng)然這也不是絕對(duì)，產(chǎn)業(yè)界的保密需求還是存在的，只是從學(xué)校的出發(fā)點(diǎn)來說，我們?cè)敢夂翢o保留地為大家提供更好的研究成果，并與企業(yè)合作，形成標(biāo)準(zhǔn)化平臺(tái)。

人工智能取代人類需要上百年或更久

Q5：兩位認(rèn)為什么是AI不能取代的？

李開復(fù)：一類是創(chuàng)造力、分析能力、邏輯辯論能力，了解自己知道什么不知道什么，這些是人工智能無法取代的。

另外一類是同理心，人類之間的信任、友誼，自我認(rèn)知、意識(shí)等。

阿萊克斯·彭特蘭：人工智能有朝一日可以取代人類所有的能力，但是這個(gè)過程會(huì)非常漫長(zhǎng)，可能需要上百年或更久。

AI創(chuàng)業(yè)建議I：找到小切入點(diǎn)，不要與巨頭正面硬碰

Q6：李博士提到了AI在小企業(yè)中的運(yùn)用，可否再舉例說明是如何運(yùn)用的？

李開復(fù)：這個(gè)問題分兩部分：一個(gè)是小型AI公司與巨頭競(jìng)爭(zhēng)，我的建議是找準(zhǔn)巨頭沒有平臺(tái)優(yōu)勢(shì)的細(xì)分領(lǐng)域，為某個(gè)針對(duì)性產(chǎn)業(yè)創(chuàng)造價(jià)值，并且不要與巨頭核心業(yè)務(wù)正面硬碰。

對(duì)于那些中小型非AI、但想應(yīng)用AI的公司，需要確保有足夠的數(shù)據(jù)，以訓(xùn)練與核心商業(yè)價(jià)值掛鉤的AI模型，并且有愿意變革的開放性公司文化。

所以，早期應(yīng)用AI的公司可能規(guī)模較大，因?yàn)樗麄冇凶銐虼蟮臄?shù)據(jù)，和可兼容變革的商業(yè)模型。每個(gè)例子都不同，不是任何一家公司都要應(yīng)用AI。

阿萊克斯·彭特蘭：如果我們放寬AI的定義，或許水管工、合同工都有數(shù)據(jù)，通過一些簡(jiǎn)單的分析、整合，AI也可以在很大程度上改進(jìn)他們的工作。

這些都是很小的切入點(diǎn)，基于簡(jiǎn)單的AI分析、機(jī)器學(xué)習(xí)，依舊可以產(chǎn)生巨大的潛力。

AI創(chuàng)業(yè)建議II：知曉技術(shù)，同時(shí)理解商業(yè)

Q7：兩位再分享一下最后的建議？

李開復(fù)：我們?cè)诓饺胍粋€(gè)AI開始滲透到方方面面的令人振奮的時(shí)代，我希望所有的學(xué)生們都能參與到這個(gè)改革浪潮中。要深刻地理解人工智能的商業(yè)落地，而不僅僅鉆研技術(shù)本身。

阿萊克斯·彭特蘭：不要太較真于深度學(xué)習(xí)或者冗長(zhǎng)的算法，一切始于要解決的現(xiàn)實(shí)問題。不要止步于技術(shù)本身，要明白數(shù)據(jù)類型、形態(tài)和規(guī)律，關(guān)注商業(yè)流程。

感謝葉樂斐、劉諾、藍(lán)萱、張昊、陳冬杰、劉子昂、張梓煜、錢凌寒、水一方、沈雍在校譯和審閱上對(duì)本文的貢獻(xiàn)。
責(zé)編AJX