李開復：AI最大的機會蘊藏在與傳統(tǒng)企業(yè)的結(jié)合中

近日，我與阿萊克斯·彭特蘭教授（Alex Pentland）展開了一場”AI如何重塑人類社會”的精彩對話。

《連線》雜志的資深撰稿人威爾·奈特（Will Knight）主持了這場對話。

阿萊克斯·彭特蘭教授任教于麻省理工學院，為全球大數(shù)據(jù)權(quán)威專家之一，現(xiàn)任MIT連接科學研究所主任、MIT媒體藝術(shù)與科學教授，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媒體實驗室，是全球被引述次數(shù)最多的計算科學家之一。

對話金句：

李開復：

AI最大的機會蘊藏在與傳統(tǒng)企業(yè)的結(jié)合中，這種價值的產(chǎn)生極其迅速，只需要幾個月，甚至短短幾周。

未來突破很難預測，對奇點、超級智能的爭辯，在我看來都過于樂觀了。

小型AI公司與巨頭競爭，我的建議是找準巨頭沒有平臺優(yōu)勢的細分領(lǐng)域，為某個針對性產(chǎn)業(yè)創(chuàng)造價值，不要與巨頭核心業(yè)務正面硬碰。

阿萊克斯·彭特蘭：

AI絕非試圖取代人類，而是促進多元文化之間的相互連接、團隊合作，讓人們更好的進行社交和連接彼此。

最困難的其實是說服人們改變商業(yè)流程去使用AI，因為大多數(shù)人是墨守成規(guī)的。

人工智能有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

李開復博士與MIT阿萊克斯·彭特蘭教授對話完整視頻（中文同傳） 我在對話中表示，當我們試圖解決AI問題時，應該用技術(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)會衍生新的問題，我們應該多方嘗試用更進階的技術(shù)性解決方案，就像電腦病毒剛出現(xiàn)時，殺毒軟件隨之誕生?！?彭特蘭教授認為，人工智能的核心，是促進多元文化之間的相互連接。不只是工程師或科學家，連經(jīng)濟學家、政治家都必須參與進來?！皣抑g應該促進合作、制定互通標準，就像TCP/IP互聯(lián)網(wǎng)協(xié)議那樣，避免AI冷戰(zhàn)?！?我們都贊同，AI發(fā)展從來不是單打獨斗，跨學科思維、跨領(lǐng)域合作尤為重要。 這場對話是麻省理工學院中國創(chuàng)新與創(chuàng)業(yè)論壇（MIT-CHIEF) 組織的高峰對話系列活動，主題是《計算與未來: AI與數(shù)據(jù)科學如何重塑人類社會》。

麻省理工學院中國創(chuàng)新與創(chuàng)業(yè)論壇（MIT-CHIEF）由麻省理工學院的中國留學生創(chuàng)立，至今已有十年，是北美歷史最悠久的、由高校學生組織的中國創(chuàng)新創(chuàng)業(yè)論壇。系列高峰對話邀請了頂級科學家、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)。

2017年我在波士頓MIT校園參與MIT CHIEF活動留影 以下是我們對話的核心內(nèi)容，由我的同事整理、分享給大家：

PartI 主題演講

李開復：各方應協(xié)作，讓AI 更務實 非常榮幸再次受到MIT-CHIEF的邀請，對于人工智能的看法，這次我主要想講四點。 第一點是我書里的主題，人工智能的超能力。我們已經(jīng)從人工智能的發(fā)明期步入應用期階段，從應用落地層面來說，正迎來了AI發(fā)展最大的機遇。 很多科技公司目前已對人工智能進行了多樣化布局，從視覺、語言、觸覺和其他感知技術(shù)，到自動化機器人、無人駕駛等，對很多領(lǐng)域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性，但我預測未來的格局會非常龐大，依據(jù)統(tǒng)計，各行各業(yè)采用AI的程度目前不到5%，AI應用的中長期增長曲線相當可期。

第二點是我很欣喜看到的一點，AI正在和傳統(tǒng)行業(yè)深度融合。隨著人們對人工智能的了解越來越多，更多的AI公司涌現(xiàn)出來。 AI最大的機會蘊藏在與傳統(tǒng)企業(yè)的結(jié)合中，創(chuàng)新工場也正在幫助金融、制造、物流、零售、醫(yī)療等行業(yè)的公司進行AI變革。 作為AI投資人，我認為在這些行業(yè)如果找到正確的AI應用方向，就能帶來上千萬的回報。這種商業(yè)價值的產(chǎn)生是極其迅速的，通常只需要幾個月，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)的滲透率仍在個位數(shù)，仍然有很大的提升空間。然而對于很多公司來說，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，不可避免會遇到不少挑戰(zhàn)和痛點。

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)一升級為系統(tǒng)二，即從識別、決策、優(yōu)化等能力，升級到感知、認知等進階智能的能力。 有不同的學派都在努力讓人工智能更接近人類智能，其中一個流派主張回歸經(jīng)典的AI理念，甚至重新構(gòu)建嶄新的模型結(jié)構(gòu)，在深度學習技術(shù)的基礎(chǔ)上利用人類的知識。但我更支持另一個理論——深度學習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算能力和數(shù)據(jù)量大增而產(chǎn)生的可擴展算法。我們看到了卷積神經(jīng)網(wǎng)絡(luò)（CNN）帶來的喜人成績，還有預訓練自然語言處理模型（Pre-Trained Models for Natural Language Processing）的廣泛運用。 預訓練模型與人類語言學習的模式類似，不管是英語還是中文，在習得這些語言之后，再去學習編程、藝術(shù)、化學。

在無人監(jiān)督的學習環(huán)境中，這種模式比我們想象得還要強大，就像阿爾法圍棋（AlphaGo）一樣。 最后一點我想說的是，如何讓AI變得更務實。 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。當我們試圖解決這些AI難題時，有人認為讓監(jiān)管部門加強管理是唯一辦法，其實不然，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，殺毒軟件隨之誕生；面對千年蟲難題時，也迅速找到了技術(shù)應對方案。我們可以通過研發(fā)新技術(shù)，應對DeepFake深度換臉程序的挑戰(zhàn)；或者通過聯(lián)邦學習技術(shù)，在保證數(shù)據(jù)私密性的同時，滿足深度學習訓練需求。 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的應用變得更有深度，更加務實，更高效地克服現(xiàn)在面臨的種種問題。

阿萊克斯·彭特蘭：國家間應建立互通標準，避免“AI冷戰(zhàn)” 我對當前的深度學習技術(shù)不太樂觀。 最為主要原因是，深度學習不僅需要龐大的數(shù)據(jù)源，而且要求這些數(shù)據(jù)長時間恒定不變，以保證模型訓練結(jié)果的可靠性，例如人類的面容、語言，就是相對穩(wěn)定不變的數(shù)據(jù)源。 但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時，出現(xiàn)了倉庫貨物緊缺，不得不停止送貨服務。這種經(jīng)過深度學習高度優(yōu)化后的系統(tǒng)發(fā)生崩潰，就是因為快速變化的疫情，和深度學習對恒定數(shù)據(jù)源的需求是矛盾的。 另外，我想談談如何通過聯(lián)邦學習，促進數(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)紀人”業(yè)務涌現(xiàn)了很多，他們促進了數(shù)據(jù)的流通，也加強了數(shù)據(jù)的隱私性。因此，像聯(lián)邦學習這樣的技術(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)邦學習也依賴于新的基礎(chǔ)設(shè)施建設(shè)，為數(shù)據(jù)應用和深度學習提供基礎(chǔ)環(huán)境，比如區(qū)塊鏈技術(shù)?，F(xiàn)在世界上很多國家在做相關(guān)系統(tǒng)的建設(shè)實驗，新加坡等國家設(shè)置了一種相互競爭的區(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驗，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)，實現(xiàn)人工智能的目標。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應對迅速變化的情況，并及時做出調(diào)整。 我們打算將AI與其他基礎(chǔ)科學結(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)，可能會比深度學習更加強大。 除此之外，我們在探討用AI保障聯(lián)邦學習過程中不同數(shù)據(jù)方的權(quán)益，這是實現(xiàn)不同國家之間的互通性、支付信任度、物流運輸?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。

我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大數(shù)據(jù)做決策，也不知道如何進行數(shù)據(jù)優(yōu)化。而AI能夠幫助政府實現(xiàn)更高的效率，比如聯(lián)合國現(xiàn)在已經(jīng)有了很多可持續(xù)發(fā)展目標的相關(guān)評估指標,世界經(jīng)濟論壇也可以為會員國提供不同的標準測算。 基于我們已有的多元數(shù)據(jù)庫，現(xiàn)在可以利用AI實現(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，通過可量化的指標進行評估。 同時，要真正實現(xiàn)這個目標，我們還需要制定統(tǒng)一的互通性標準。如果沒有這個標準，國家之間就不會相互信任去合作，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)，將有希望解決國家間缺乏互通標準的問題。

Part II 對話//美國在線教育發(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，遠程醫(yī)療、線上教育開始蓬勃發(fā)展，這只是AI對人類社會產(chǎn)生影響的冰山一角。想請兩位談一談，目前看好AI在哪些領(lǐng)域應用的未來前景？李開復：疫情的確對整個社會產(chǎn)生了實質(zhì)性的影響，人們行為習慣發(fā)生了很多改變，更愿意接受線上學習和工作了。

這種新的行為習慣產(chǎn)生了大量數(shù)據(jù)流，為AI應用帶來了更多可能性。比如大健康領(lǐng)域以及遠程醫(yī)療中所產(chǎn)生的數(shù)據(jù)，可以訓練更智能的模型。同時更多人開始在基因組學、新藥研發(fā)方面結(jié)合新的AI技術(shù)進行研究，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性的日常事務，例如批改作業(yè)，讓老師得以將時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。另一方面可以提高學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，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)新工場投資的VIPKID，讓國外的純正英語老師在線上教授中國學生。

目前，中國的線上教育已經(jīng)擴展到了更多科目，包括體育、舞蹈、書法等素質(zhì)教育課程。 相比之下，美國線上教育發(fā)展的難度會更大。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核心是增強人際互聯(lián)，應注重文化多樣性 阿萊克斯·彭特蘭：李開復博士提到的教育案例，我不是很認同。 MIT大約20年前就在教育中使用AI，重點根本不是內(nèi)容，我們甚至提倡將內(nèi)容免費開放給大眾。 AI絕非試圖取代人類的作用，我們更強調(diào)用AI增強人與人之間的互動，讓人們更好的社交和連接彼此。比如手機上人工智能技術(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，并進行創(chuàng)新。

我們可以利用數(shù)據(jù)激發(fā)更強的創(chuàng)新力，培養(yǎng)領(lǐng)導力。只有基于這樣的宗旨，才能促進更有創(chuàng)造力的教育和學習，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)公司正在訓練普通民眾學習AI，比如水管工，教學效果非常不錯。他們的教育方式不是簡單的教授基本知識，而是以一種能夠激發(fā)人們互動思考的方式。 我們之前在中國調(diào)研了3000多個孵化器，發(fā)現(xiàn)創(chuàng)業(yè)公司成功的要素里，第一個是文化多樣性，也就是說創(chuàng)始團隊背景的復雜性和多樣性。第二個是團隊成員專業(yè)的多樣性，他們能否發(fā)揮自己所長，并很好地進行團隊合作。 1956年，馬文·明斯基 (Marvin Minsky)提出了人工智能這個詞。但我們對于人工智能的理解，不應該只停留在“人工”層面，而應擴展到多元文化之間的相互連接、團隊合作，我把它叫做延伸智能（Extended Intelligence)。這也是我想強調(diào)的，人工智能這個名詞有一定的偶然性，但它的核心點是增強人與人之間的互聯(lián)性。

AI未來突破難預測，奇點、超級智能過于樂觀 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。兩位認為未來的突破方向是什么？ 李開復：過去60多年來，深度學習是唯一的重大突破。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，我對于人工智能的漸進式改善保持樂觀。 對科學家來說，他們更期待著技術(shù)上的突破式進展。但我覺得未來十年基礎(chǔ)科研或許不會有大的突破。

但模型相對容易，只要有大量的數(shù)據(jù)，就可以從實驗室進入到行業(yè)應用，CNN和GPT-3都是模型加海量數(shù)據(jù)的成果。 我是務實派的，雖然持有樂觀態(tài)度，但并不是一位“未來學家”。未來的突破很難預測，對奇點（Singularity）的爭辯，甚至預測超級智能的出現(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。很多生物機制很難解釋，包括用感知認識事物、理解聲音、尋找食物等，是深度學習算法做不到的。但深度學習可以研究科學、制定規(guī)則、研究理論，并進行實踐。 從務實的角度來說，我最感興趣的就是聯(lián)邦學習。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驗，為什么這些實驗數(shù)據(jù)不能進行聯(lián)合呢？

盡管數(shù)據(jù)有不兼容的地方，但這也是一個很好的機會去探究不同的數(shù)據(jù)之間的關(guān)聯(lián)性。在未來，我們對數(shù)據(jù)的需求也許會越來越少，外科醫(yī)生或者物理學家或許不需要太多數(shù)據(jù)，因為他們對規(guī)則已經(jīng)了如指掌了。 //不要墨守成規(guī)，要跨領(lǐng)域、跨學科應對挑戰(zhàn)Q3：人工智能會有什關(guān)鍵挑戰(zhàn)？對于想從事這個行業(yè)的人，有什么是需要了解的關(guān)鍵點？ 李開復：首先，大背景在改變，新科技層出不窮，我們每年都需要學習新的東西。 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)對社會、生活與人類健康會產(chǎn)生的影響。

我非常欣賞斯坦福和MIT這樣的高校，能夠把AI教育擴展到各個學科，讓研發(fā)人員及早意識到自己的責任和價值。 阿萊克斯·彭特蘭：是的，我朋友做過一個有關(guān)電的趣味類比，電動馬達最初在工廠里用于生產(chǎn)的時候，并沒有發(fā)揮出多大的作用，因為大家并不知道如何改造生產(chǎn)流程。 AI在一些領(lǐng)域發(fā)揮的作用是顯著的，但應用到其他領(lǐng)域時，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，因為大多數(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在認真嚴肅地對待這個問題。 比如，我今天早上正好就這個話題跟G20領(lǐng)導人對話，大家一致認為我們必須從跨領(lǐng)域、跨學科的角度去面對這個問題，不能只是工程師或者社會科學從業(yè)者們在做，經(jīng)濟學家，政治家等等都必須參與進來緊密合作。 隨著AI的應用領(lǐng)域越來越廣，除了必須具備強有力的技巧來建立社會規(guī)則，還需要對研究經(jīng)費、企業(yè)投入等進行各種調(diào)整。

雖然大公司實力不容小覷，但依舊對小公司抱有期待Q4：AI研究會消耗大量的資源，我們是否應該將資源往學術(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：就人才而言，現(xiàn)在已經(jīng)有重新平衡的跡象了。 過去，頂尖大學的學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)跳動等公司的數(shù)位優(yōu)秀AI科學家已經(jīng)回歸高校。 但像GPT-3這樣的技術(shù)，仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級計算機。每進行一次算法訓練，就要花費460萬美金，只有像騰訊、谷歌、微軟這個級別的公司才能負擔得起如此強大的算力。

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)進行AI賦能，不是一件輕松的事，需要去工廠實地勘查，了解運作方式。大公司因為賺錢很容易，不愿意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果，就會給產(chǎn)業(yè)界帶來革命性的影響。

所以，雖然大公司的實力不容小覷，但我依舊對小公司抱有期待。 阿萊克斯·彭特蘭：大學和公司是一種融合的關(guān)系，不僅體現(xiàn)在人才流動上，也會進行信息資源共享，彼此是整體性的合作態(tài)勢。 當然這也不是絕對，產(chǎn)業(yè)界的保密需求還是存在的，只是從學校的出發(fā)點來說，我們愿意毫無保留地為大家提供更好的研究成果，并與企業(yè)合作，形成標準化平臺。

人工智能取代人類需要上百年或更久Q5：兩位認為什么是AI不能取代的？ 李開復：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，自我認知、意識等。 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，但是這個過程會非常漫長，可能需要上百年或更久。

AI創(chuàng)業(yè)建議I：找到小切入點，不要與巨頭正面硬碰Q6：李博士提到了AI在小企業(yè)中的運用，可否再舉例說明是如何運用的？ 李開復：這個問題分兩部分：一個是小型AI公司與巨頭競爭，我的建議是找準巨頭沒有平臺優(yōu)勢的細分領(lǐng)域，為某個針對性產(chǎn)業(yè)創(chuàng)造價值，并且不要與巨頭核心業(yè)務正面硬碰。 對于那些中小型非AI、但想應用AI的公司，需要確保有足夠的數(shù)據(jù)，以訓練與核心商業(yè)價值掛鉤的AI模型，并且有愿意變革的開放性公司文化。 所以，早期應用AI的公司可能規(guī)模較大，因為他們有足夠大的數(shù)據(jù)，和可兼容變革的商業(yè)模型。每個例子都不同，不是任何一家公司都要應用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)，通過一些簡單的分析、整合，AI也可以在很大程度上改進他們的工作。 這些都是很小的切入點，基于簡單的AI分析、機器學習，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)，同時理解商業(yè)Q7：兩位再分享一下最后的建議？ 李開復：我們在步入一個AI開始滲透到方方面面的令人振奮的時代，我希望所有的學生們都能參與到這個改革浪潮中。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習或者冗長的算法，一切始于要解決的現(xiàn)實問題。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。

原文標題：李開復對話MIT彭特蘭：AI不是單打獨斗，應避免AI冷戰(zhàn)

文章出處：【微信公眾號：李開復】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。