李开复、张亚勤、张宏江纵论:中国 AI 的前景,未来需要怎样的人才

<div> <p> <img title="李开复、张亚勤、张宏江纵论:中国 AI 的前景,未来需要怎样的人才" alt="李开复、张亚勤、张宏江纵论:中国 AI 的前景,未来需要怎样的人才" src="http://www.iot-online.com/uploads/allimg/170502/132442M61_0.jpg" /> </p> <p> 4月27日,GMIC 2017(全球移动互联网大会)北京站开幕。三位前微软人——<a href="http://www.zishu010.com/z/search.html?searchkey=%e6%9d%8e%e5%bc%80%e5%a4%8d" target="_blank">李开复</a>、<a href="http://www.zishu010.com/z/search.html?searchkey=%e5%bc%a0%e4%ba%9a%e5%8b%a4" target="_blank">张亚勤</a>、<a href="http://www.zishu010.com/z/search.html?searchkey=%e5%bc%a0%e5%ae%8f%e6%b1%9f" target="_blank">张宏江</a>齐聚一堂,主要探讨了 AI 的未来的发展前景、中国在 AI 领域的优势、以及 AI 人才的战略布局等问题。 </p> <p> <strong>AI 未来的前景如何?</strong> </p> <p> 李开复:AI 的主要应用领域是金融、医疗和无人驾驶。 </p> <p> 张亚勤:AI 技术的未来是生物和数字智能的融合。 </p> <p> 张宏江:如今是互联网+,未来是智能+。 </p> <p> <strong>中国靠什么引领 AI 时代?</strong> </p> <p> 张宏江:高质量的大数据,高质量的 AI 人才。 </p> <p> <strong>AI 时代需要怎样的人才?</strong> </p> <p> 张亚勤:需要数学好、编程好、态度好,要比机器学的快。 </p> <p> 李开复:做综合性的人才,学会把 AI 当做工具去使用。 </p> <p> 以下是现场对话: </p> <p> <strong><span>AI 未来前景如何?</span></strong> </p> <p> <strong>高欣欣:</strong><a href="http://www.zishu010.com/z/search.html?searchkey=%e4%ba%ba%e5%b7%a5%e6%99%ba%e8%83%bd" target="_blank"><strong>人工智能</strong></a><strong>对我们的生活产生了这么大的影响,再往后看19年后的未来会是什么样的呢?您又将为这样的未来做什么样的布局呢?</strong> </p> <p> <strong>李开复</strong>:我们现在是一个 VC 投资机构,还有一个是工程院,所以我们看的可能是10年后,19年后的事情还是要让霍金教授和学者们来推测。如果看未来这十几年,我们的机会肯定是把已有的数据拿来用。比如 BAT、滴滴、美团等互联网公司已经用的很好了,但是中国还有很多新的公司,新的独角兽,每年几十个独角兽里可能有一半会有千万级别的用户,他们的千万级别的用户都是需要 AI 的,用 AI 来做运营,用 AI 来了解用户,用 AI 来变现,有 AI 跟没有 AI 的公司是巨大的差别。比如我们最近看到崛起特别快的几个公司,背后都是有 AI 科学家的,比如今日头条、快手。所以我觉得<span><strong>互</strong></span><span><strong>联网公司</strong></span>用户做大了,然后可以使用 AI,这是第一个机会。 </p> <p> 第二个就是<span><strong>金融行业</strong></span>。其实 AI 就是利用大量的数据来做一个推测,金融领域本来就是人类创造的数字游戏,所以用起来特别的顺。而且金融领域是有对错的,你的股票跌了没有,你的贷款还了没有,这些问题的回馈可以帮助 AI 做的更好,甚至取代人类。我们看华尔街的很多交易员已经消失了,未来写报告的、做投资的,做风控的,做征信的,做保险的都会被取代。从商业回报来说,我们可以看到很大的行业机会。 </p> <p> 更伟大的是<strong><span>医疗</span></strong>。如果肿瘤识别、CT 识别、病理切片识别等可以做的更好,这个毫无疑问是对人类最有意义的,甚至可能消灭癌症。这个领域的挑战是数据不聚拢,有各个医院的防火墙,还有病人的隐私问题。 </p> <p> 最后是<strong><span>无人驾驶</span></strong>。今天无人驾驶为什么没有做好?一方面是科技还不够,一方面是还没有足够的数据。我们要想尽办法做无人驾驶,无人驾驶这个事情不能说去撞几个人就有负面的数据了,怎么样去虚拟的学习而不要伤害人命,这些问题需要解决。还有就是成本太贵,但是这些问题终会解决,一旦解决了以后,一辆无人驾驶是可听、可看、可动的,当我们的传感器变得够便宜了,同样的技术会进入到机器人的领域,就进入了一个自动化的时代,这是15年,比你要求的19年差4年。 </p> <p> <strong>高欣欣:感谢。我想请教亚勤老师的问题有两个关键词,一个是落地,一个是战略。对于大公司和创业公司来说,人工智能技术如何在商业世界里面最快的落地?在落地过程中,大公司、创业公司应该注意什么样的战略?</strong> </p> <p> <strong>张亚勤</strong>:刚才讲到 AI 的落地,对大公司小公司确实是需要不同的战略,不同的打法。大的公司有资源,有数据,有规模,有技术能力,可以打一个大仗。创业公司更需要聚焦,开复刚才讲的相当好。比如百度是比较大的公司,我们把未来十年二十年压赌在人工智能上,现在很多公司说我们 AI 公司是讲故事,但是在百度,从李彦宏到陆奇到我本人,未来公司资源技术都压在 AI 上面。 </p> <p> 我们的打法首先是要做一个人工智能时代的操作系统,PC 时代是 Windows,移动是 iOS,我们要做人工智能时代的 Windows 或者 iOS。第二点,操作系统它本身没有应用、没有场景,是没有用的,所以我们会关注个重要的场景,一个是消费者,一个是家庭,一个是车。另外是商业,我们用百度云作为一个平台,上面会有医疗、交通、教育、物流这些垂直的行业。 </p> <p> 做一个操作系统,在上面建立生态,和整个产业去合作,比如最近我们和很多家电企业、很多车厂都有合作。对我们来讲,开放的平台很重要。我们最近有几个开放平台,一个是 AI 的开放平台,里面有很多算法,很多模型,有数据,开发者可以使用。另外是一个智能驾驶的开发平台,这里面有十几种核心的技术,开放给产业,里面有很多数据,有 API,包括有高精的地图和定位技术和数据,希望这个产业能使用这个平台,加快智能驾驶发展的步伐。 </p> <p> 小公司是完全不一样的,小公司不可能做操作系统,或者一开始就做一个平台。这个时候选一个场景,选一个应用,用技术做差异化,真正落地的时候有很多工作要做。我经常讲 AI 是系统工程,从数据到模型到整个解决方案,都需要一个过程,是一个系统工程。可能10%的是算法,20%是平台技术,70%是落地的过程,这个相当重要。 </p> <p> <strong>高欣欣:既然要做一个操作系统,技术永远是手段是工具,您是如何看待 AI 技术发展的未来呢?</strong> </p> <p> <strong>张亚勤</strong>:要很长的时间。我简单总结一下,刚才开复讲到是深度学习,未来是深度的算法,可能会和别的东西相结合。比如人怎么样更好的对大脑有更多的理解,怎样把这个模型用到我们现在的深度学习里面。另外要做一些人不能做的事,比如最近一个网络算法是声称对抗网络,它其实可以做一些大脑做不了的事,如果我们所做的事就是去模仿大脑,也没有意义。我们已经有人类了,我们要做一点新的事情。 </p> <p> 另外一点,如果说未来的趋势,我认为是融合,是生物和数字智能的融合,现在有很多这方面的研究。还有一个是量子计算,量子计算大家觉得是天方夜谭,但我觉得五到十年内会真的变得更加有用。而且量子计算会改变我们人工智能很多的算法,所以说我觉得很多很有意思的事情都会在未来的五到十年内发生。 </p> <p> <strong><span>中国靠什么引领 AI 时代?</span></strong> </p> <p> <strong>高欣欣:接下来要问的是张宏江博士,您最近常说一句话,说AI是中国引领世界的机会,我问您的问题就是在世界大范围下的中国机会,您是如何看待的?为什么您这么强调 AI 是中国引领的机会呢?我们中国的公司有没有机会成为世界级别的独角兽呢?</strong> </p> <p> <strong>张宏江</strong>:刚才亚勤和开复讲到,我们看 AI 看两块,一块就是数据本身,随着互联网二十多年的发展,随着物联网逐渐普及,今天我们能获取的数据是十年前、五年前、甚至三年前都不可想象的。而且这些数据量跟以前不太一样,大部分是通过互联网形态来获取的,有相当好的精准度,可以很好地跟踪。这些数据本身可以作为很好的所谓的燃料,输入给人工智能,这是我想说的第一点,我们谈到 AI 的话,第一点最重要的前提条件是数据,而中国的数据是如此之多。 </p> <p> 第二块就是人工智能其实和其他做任何一个新的技术一样,那就是人才一个核心点。如果你看一下过去十年 AI 这个领域中国的研究人员数量的增长,无论是在中国大陆的还是在海外的中国人的数量,总数已经开始超过其他国家,从14年开始已经超过了美国。也就是说总体的数量已经很大了。所以我们中国有了两个核心点,一个是高质量的大数据,一个是高质量的 AI 人才,这是我说为什么中国在 AI 这个领域是有一个非常好的引领全球的机会。 </p> <p> 在过去的五年里,我们已经看到,在移动这个领域,中国的应用导向在移动互联网已经引领了世界潮流,我相信在 AI 这个新的领域里面,中国如果抓住这个机会,依然可以像在移动互联网一样,引领世界潮流。而且这次跟移动互联网不太一样的地方在于,这次我们在技术上也有课能引领世界潮流,也能抓住这个机会,因为我们人才储备相当丰厚了,这是我为什么对中国在 AI 这个浪潮中如此有信心一个根本的原因。 </p> <p> <strong><span>AI 时代需要怎样的人才?</span></strong> </p> <p> <strong>高欣欣:既然谈到了人才,现在我们人工智能领域很多科学家走出了实验室,进入到了产业,甚至成为了创业者,他们这么做是可以理解的,可是这也引起了行业一个担忧,因为人工智能还有很多需要突破的技术,所以需要做基础研究的人才,大家就特别担心出现断层,您是怎么看待这个问题呢?</strong> </p> <p> <strong>张宏江</strong>:这是一系列的问题,在座的我们三位其实都完成了从科学家到管理者到企业家的转型。我们起了一个大早,赶了一个晚集,做语音识别做的太早,三十年后才开始进行使用,让我们高兴的是我们的学生,我们学生的学生,正在成为今天这个领域的主流。刚才说到的,在 AI 这块其实中国有很大的优势,中国有很多的人才,过去二十年也在很大程度上归功于微软研究院积累了一批世界一流人才,我觉得在我们人才积累这块是非常好的。 </p> <p> 这次 AI 大潮跟以前有一些不同的地方,就是在互联网经过二十年发展以后,我们提出一个概念叫做互联网+,这是今天 AI 在过去热了这几年以后,很快大家认识到 AI 是一个赋能者,未来我们看到的是智能+,AI 会帮助人,会替代人,会超过人。但是它的切入点是从应用开始切入的,在这块我们科学家创业的时候,在完成从科学家到企业家到创业者这个转型过程中,可能要花更多的时间看运用,从运用的角度来切入。这是一个从科学家到企业家中间一个很重要的转变,就是把你的思考从我是不是最新,我是不是对于现有的技术有些突破,转变成我的技术能不能实用,能不能为用户带来便利,能不能创造更大的效率。这是思考的一个转变,完成这种转变,才是真正完成从一个科学家到企业家的转变。 </p> <p> 随着过去三十年的经济发展,科研水平的提高,人们对自己实力的自信,加上中国如此多应用的场景、应用的机会,我们的科学家一定会和商业市场很结合,真正能够做出一些非常好的新公司出来,从这块来讲我是非常非常有信心。而且我觉得我们不需要担心科学家都去创业,因为实际上这些创业成功的科学家,他们会带来更多的数据,带来更多的机会,让很多人能够发现一些更好的问题,从而作出更好的研究。同样也有一些科学家创业两三年,发现自己更喜欢安静,更喜欢做研究,可能回到学术界。科学家出来创立的公司,会给学生提供更好的实习机会,这是非常好反馈过程。 </p> <p> <strong>高欣欣:接下来请教张亚勤博士,我要问的是人才战略。在整个人工智能行业里面,大家都在抢人才,如果你有野心,人才战略已经变成了最重要的战略之一。对于那些有野心的创业公司,或者是大公司,您觉得人才战略应该如何布局呢?</strong> </p> <p> <strong>张亚勤</strong>:当时在微软研究院的时候,我们讲要“三好学生”:数学好、编程好、态度好。我想在 AI 时代也是同样的,可能更加重要。 </p> <p> 数学好,现在 AI 里面用了许许多多的数学基础,包括线性代数、优化的理论、统计学等,我们中国学生其实是很有优势的;编程好的话,刚才讲到要去落地,去实施;态度好也很重要,特别是在技术快速发展的时候,大家要快速的学习,其实在 IT 在互联网这个领域,五年前十年前的知识基本没什么关系了,很多新的理论算法都是在过去这几年,每周每天都要学习。 </p> <p> 我在斯坦福告诉学生们,我说机器在学习,你必须要学得比它快,否则就会被机器所淘汰。刚才宏江讲中国 AI 人才量很多,我在斯坦福去做了一个演讲,这个演讲结果有一半以上的同学,可能80%是中国的学生,其中一半以上都是在做深度学习。这也是个问题,现在大家都去一窝蜂做深度学习,可能也是有一些重复性。我想未来可能研究也好,专业也好,要看重一些交叉学科。比如斯坦福现在有一个学科,把物理学和计算机科学交叉的一个新的专业,还有人脑科学和计算机科学,包括量子计算,这些都是未来要发展的方向。 </p> <p> <strong>高欣欣:接下来要问开复博士了,霍金教授说当技术发展快过了人的发展,快过了社会的发展,必然会激化一系列的问题,很多职位被机器替代的时候,这个时候对人的要求就变得特别高了。您觉得对于我们每个人来说,深处这个巨变的时代,怎么提高自己,快速规划自己,适应甚至享受这个巨变的时代给我们的极致体验呢?</strong> </p> <p> <strong>李开复</strong>:很多人提到 AI 对人类全面超越时,我们就完蛋了,不是这样的,做任何事情必须要知己知彼,我们要了解深度学习是什么事情不能做的,我们人类把时间放在这些方面,还是有很多机会的。 </p> <p> 从最深的开始讲,刚才谈到的人工智能时代起来了,一定要有管 AI 的人,这些顶尖的 AI 科学家他们肯定是要做的很深,做的很棒,因为他们不但要做技术,还要确保 AI 不能失控。 </p> <p> 第二,在任何领域顶尖的人都会存在的,最厉害的医生、最厉害的律师、最厉害的人类学家、历史学家都有机会,即便现在 AI 可以写稿子了,但是他们写的都是那些体育赛事、财报等,真的去写出像龙应台这样的作品,是做不出来的。还有艺术创作,AI 是并不擅长的,因为美不是一个非常客观,要不然就有,要不然就没有的状态,所以这个训练很困难。 </p> <p> 还有综合性人才很重要,AI 学习是一个领域一个领域的学习,学习下围棋,学习买股票,学习风控,并不能综合性的考量各种事情,比如一个地球学的专家加上一个化学的专家,可能会知道以后怎么去处理垃圾。或者是一个非常懂国际政治的人,懂中美关系的人,又懂得经济发展,把 AI 当做工具,他这个人不会被取代。还有善于用 AI 做工具的人,以后的医生只靠自己在医学院学肯定是不够的,他要知道未来的医学工具是什么,就像今天我们不用 Word、iPhone 是不能生存的,未来医生要掌控 AI 的工具。 </p> <p> 但是最大的一批人肯定要走向服务业,因为人与人之间打交道,人与人之间的交心,这些过程中表达的爱是机器学不来的。 </p> </div>

用户喜欢...

制造商和工程师:了解您的仪表放大器以实现准确的物联网数据采集

感知是物联网(IoT)和智能家居开始的地方,也是DIY爱好者,制造者甚至专业设计师遇到他们的第一个问题的地方。许多便宜的传感器,如加速计,力传感器,应变计和压力传感器都是围绕电...


自动汽车设计中的数据分发服务

自动驾驶汽车是一个极度复杂的高度分布的动态系统,其中组件对象基于全系统约束和近似全局状态不断地作出实时局部决策。在自动汽车设计方面,RTI解释了实时和嵌入式系统中最广泛采用,...


物联网三阶段演进 市场、安全、人力与并购均有影响

物联网演进可分为三个阶段,一、串连各系统;二、智能互连的对象不仅将终端设备连网,更让设备之间彼此相连,...


AI和大数据2017“成长的烦恼”

人工智能和大数据在2017年的发展遇到了以下10个成长的烦恼: 1.人工智能无IQ标准 人工智能领域发展最好的一个领域是无人驾驶,而究其原因不外乎其拥有了从L0到L5的全球通用标准。但是在...


大数据和云计算的冲突

最近,IT行业专家在参加相关会议时发现了一个隐藏的主题,那就是虽然很多人将关注的重点转移到基于云计算的架构...


C51单片机是怎么存储程序和数据的

初学51总是会有这样的疑问,从电脑下载程序到开发板后,程序去哪了? C51中,用户或应用程序,系统程序和数据都是存放在哪的? 51单片机从物理结构上,可分为片内,片外程序存储器,片...


无处不在的48V,被谷歌和数据中心大规模采用,究竟优势是什么……

例如服务器中的处理器功耗从不足 100W 增加到了 200W、300W 乃至更高。如果不使用更高电压配电或更大铜母线,这分配...


用友网络李树轩——供应链金融正朝着泛产业链金融、数据化金融裂变

万联导读:12月22日,由万联网主办、西示通协办的“2017产业供应链金融创新高峰论坛”在南京成功举办。本次论坛我...


车子自闭了百年,该让车子“出社会”了

汽车一旦具备物联网的感测能力、网络联机能力后,即成为社会的一员,发挥“分享”、“共有”的各种可能。车与...


恒扬数据携手OpenPOWER多家成员共同推进基于CAPI SNAP框架的FPGA加速应用开发

日前,以“智慧链接新智能 创新加速助中国” 为主题2017年OpenPOWER 中国高峰论坛在京隆重召开,包括IBM、赛灵思、英伟达、浪潮、中太服务器、恒扬数据等在内的联盟成员出席了此次盛会并...


【Cocos2d-x游戏开发】Cocos2d-x中的数据存储技术

一、引言 数据存储和网络功能可以说是一款游戏中必不可少的功能,如果一款游戏不能保存进度那么它的可玩性必然大打折扣(试想一下,玩家辛辛苦苦玩了一整天的游戏,结果退出时告诉...


智能家居为何需要大数据, 大数据在智能家居领域的贡献是什么?

大数据分为大数据存储和大数据分析,属于两种截然不同的计算机技术领域,大数据存储用于大数据分析。大数据存储重点在于研发可以扩展至PB甚至EB级别的数据存储平台;大数据分析关注在...


物联网、人工智能时代来临 五大隐忧不可不提防

随物联网/人工智能时代来临,“弱人工智能”已先渗入人类生活,各界不得不更早审视所有可能影响人工智能范畴,...


2017年云计算和数据中心产业的回顾与总结

如果回溯到2016年,很多大型企业的数据中心工作负载正计划向云端迁移。而2017年则是企业的业务向云端迁移的一年,...


Accolade推出的第三代ANIC-200Ku集成网络数据包分类特性!

Accolade公司推出了第三代双端口100G网络ANIC-200Ku PCIe无损数据包采集适配器,该板卡是基于Xilinx UltraScale FPGA,能够从3200万网络数据流中实时分析每一个数据包,系统正常运行情况下功耗只需要...


精密数据采集信号链上的噪声

在很多应用中,模拟前端接收单端或差分信号,并执行所需的增益或衰减、抗混叠滤波及电平转换,之后在满量程电平下驱动ADC输入端。 今天我们探讨下精密数据采集信号链的噪声分析,并...