人工智慧現狀：普及之路漫漫 需要耐心等待

在近期舉辦的人工智慧主題論壇上，創新工廠董事長兼CEO李開復、第一財經CEO周健工、香港科技大學計算機系主任楊強教授以及第四範式首席執行官戴文淵從投資人、資深媒體人、學者以及企業代表的角度揭開最真實的人工智慧現狀。

被AlphaGo迅速科普的人工智慧一直是當紅話題，隨之而來的是各種機器人、無人車正在「入侵」普羅大眾生活的消息。但真實的人工智慧並非會下圍棋的AlphaGo，也不是科幻電影里顛覆人類的存在。

在近期舉辦的人工智慧主題論壇上，創新工廠董事長兼CEO李開復、第一財經CEO周健工、香港科技大學計算機系主任楊強教授以及第四範式首席執行官戴文淵從投資人、資深媒體人、學者以及企業代表的角度揭開最真實的人工智慧現狀。

黃金時代？

從微軟、谷歌到創新工場，這些年看了太多創業項目的李開復最為「執念」的似乎還是人工智慧。

來自李開復的感嘆是，他已經在人工智慧領域經過了好幾個貌似的黃金時代，然後又進入了黑暗時代。但1980年就開始了自己第一次人工智慧的科研項目的李開復如今堅持現在是人工智慧的黃金時代。

對於大多數普通人而言，人工智慧是被AlphaGo與李世石的五番圍棋大戰推向輿論的風口浪尖。

於是，一時間被各種電影充分演繹過的人工智慧「未來」場景成為討論的焦點，人工智慧威脅論甚囂塵上。

但在李開復看來，作為一個負責任的人工智慧科學家，不應該探討沒有科學證明揣測的未來現象。雖然現在還不能證明上述場景在遙遠的未來絕對不能發生，但它絕對不是我們今天需要關注的現象。「因為人工智慧有很多內容，但人工智慧絕對沒有自我意識、沒有情感，也沒有慾望。」

對於當下的人工智慧熱，李開復關心的是在人工智慧還沒有「統治」人類的時候，人工智慧就是奴隸和工具，應該討論的是怎麼樣好好利用這個工具為人類創造更多的價值，讓更多人免於飢餓，讓我們有更好的生產力，「讓人生活得更快樂，讓我們追求真正有價值的工作，而那些重複性的工作應該讓人工智慧取代。」

因此，人工智慧商業價值的體現也意味著一些從事重複性勞動的人可能會失去工作。畢竟在一些領域，人工智慧是一個遠超人類的存在，因為人工智慧就是不會累、不會休息，可以一天24小時、一周7天進行工作，這是正常人類無法做到的。

隨之而來的問題是，到底有多少領域會被來勢洶洶的人工智慧顛覆？

李開復認為，人工智慧最有價值投資的是大數據領域，應用最快的是互聯網領域，而能在3年或5年後會產生巨大價值的是金融領域。不論是結構化數據還是非結構化的數據，人工智慧可以將多領域的數據進行結合，繼而應用到金融領域投資、保險、銀行等細分領域之中。

不過，作為資深媒體人，第一財經CEO周健工已經清晰地感受到人工智慧技術對媒體的衝擊與重構。

「可以看到信息技術發展的歷史，它的每一次長足的進步，首先影響和顛覆的都是跟媒體有關的行業。」在周健工看來，最近這幾年整個媒體行業產生了很大的改變和顛覆，各種各樣的人工智慧技術對媒體的影響特別多，尤其是機器學習讓機器會變得越來越聰明，它會重新定義知識，如果媒體不考慮這些問題，不理解、不掌握這樣的技術，就永遠處在被動挨打的狀態。

初級階段

儘管AlphaGo成功普及了人工智慧的價值，但是對於在這一領域從事多年研究工作的學者們而言，目前的人工智慧還很初級。

在戴文淵看來，如今大眾對人工智慧的認識可能更多還是來自於科幻電影。不過，科幻電影描述的這個人工智慧叫做「通用人工智慧」，就是說有一個真的像人類大腦一樣的「大腦」，什麼都能幹。而今天的人工智慧其實不是這樣的，今天的人工智慧需要人類告訴「他」要解決什麼問題。

「今天是要下19×19的圍棋這樣的問題，人工智慧就能夠成一個19×19圍棋的高手，但今天如果說讓AlphaGo去下17×17的圍棋可能還下不過我，所以它只能幹這個事情，你讓它去乾和定義的不一樣的事情它是幹不了的。」戴文淵認為，人工智慧的特殊性決定了它是一個大數據的問題，這意味著一個很簡單的方法在大數據場合下可能都是比較困難的方法。儘管過去的十年誕生了很多分布式計算的解決方案，至少目前看到的大多數解決方案都不能解決機器學習的問題。

不過，在戴文淵看來市場教育使得人工智慧的邊界越發清晰，而互聯網解決了大數據的問題，目前頂尖的數據科學家設計各種各樣的演算法來更適合人工智慧的分布式計算框架，既分工又有協作，在外部反饋方面也研發了自學習系統，一邊犯錯一邊自我調整自我修正。

而人工智慧協會首位華人會員、第四範式首席科學家、香港科技大學計算機系主任楊強的觀點是現在的人工智慧只是一個很初級的人工智慧，因為它利用大數據的存在來補足演算法的不足，所以現在如果數據足夠大的話，很多演算法上的補丁都不用去打了。但當數據變小的時候，這些漏洞和補丁就顯得尤為重要，不補就很有可能失敗。「在人工智慧的研究上如何在小數據的情況下也能讓人工智慧用起來，這是技術研究人員責無旁貸的，我也相信我們一定能研究出來，我們研究的遷移學習也是其中之一。」

值得一提的是，機器學習在日常生活的應用中比比皆是，然而看似離生活很近的人工智慧實則與我們頗有距離感。如何將人工智慧的門檻降低，讓更多的人應用人工智慧，這目前對科學家們而言依然是個難題。

楊強的觀點是對於人工智慧的普及需要足夠的耐心，目前可能只是在程序員領域和平台領域推廣，而真的到傻瓜機的程度又需要等上個3到5年。

儘管人工智慧技術目前對於普羅大眾還有著一定的距離，但是李開復已經給出了創新工場投資這一領域的標準，而這裡面最為剛需的是要有閉環、壟斷性的數據，擁有很多深度學習的科學家和架構師，在此基礎上還要有商業計劃和變現計劃。

請您繼續閱讀更多來自 工控中國 的精彩文章:

TAG:工控中國 |

※人工智慧技術的發展現狀
※艱難的活著，伊拉克兒童現狀讓人很揪心
※你所不知道的德國現狀：性別平等狀況依然令人擔憂！
※綠妖：那些溫和的人、沉默的人、安於現狀的人、困守的農人，怎樣才能過得好？
※超暖心 被領養的流浪貓的現狀
※農民工臨時夫妻情感現狀：生理需求大於情感需求
※心理教師的生存現狀，您會關心嗎？
※直擊鄧麗君墓地現狀，細節處彰顯歌迷的愛
※曼谷紅燈區里的性工作者真實現狀
※媒體揭北京房貸現狀：要麼貴 要麼需苦苦等待
※智慧生活何時才能真正到來 智能家居現狀及趨勢
※孟加拉國的童工的真實現狀
※迪拜的農民工現狀，生活非常凄慘，在空地對神祈禱
※純乾貨：我國糖尿病流行現狀及可能原因
※人工智慧現狀：機器日益聰明人類變笨
※尼泊爾的傳統「活女神」的真實現狀
※緬甸佤邦教育現狀及急需解決的問題
※心痛！參戰老兵的現狀
※「土豪」迪拜的農民工現狀，生活非常凄慘，在空地對神祈禱