作者：雷鳴，百度七劍客之一、北大人工智能創(chuàng)新中心主任
【視頻回放合集】
http://www.xuetangx.com/livecast/live_cast_rengongzhineng2019/index/
2019 年 2 月 20 日，北京大學(xué)“人工智能前沿與產(chǎn)業(yè)趨勢(shì)”正式開(kāi)課。北大人工智能創(chuàng)新中心主任雷鳴作為課程的發(fā)起人與主持人率先開(kāi)講。雷鳴從人工智能發(fā)展，到 AI 對(duì)生產(chǎn)力以及產(chǎn)業(yè)的影響，以及 AI 時(shí)代創(chuàng)造的諸多機(jī)會(huì)等方面，全面剖析了人工智能產(chǎn)業(yè)的發(fā)展現(xiàn)狀。
課程導(dǎo)師：雷鳴，天使投資人，百度創(chuàng)始七劍客之一，酷我音樂(lè)創(chuàng)始人，北京大學(xué)信科人工智能創(chuàng)新中心主任，2000年獲得北京大學(xué)計(jì)算機(jī)碩士學(xué)位，2005年獲得斯坦福商學(xué)院MBA學(xué)位。
以下為 AI 前線獨(dú)家整理的雷鳴老師課程內(nèi)容全文及 PPT。
我的第一講叫做人工智能的革命和機(jī)遇。
在我眼里，人工智能給社會(huì)帶來(lái)了非常大的變化。如果再過(guò)幾十年回頭看，我甚至?xí)X(jué)得，它對(duì)社會(huì)的影響應(yīng)該比互聯(lián)網(wǎng)對(duì)整個(gè)社會(huì)的影響更加深遠(yuǎn)，我把它等價(jià)到工業(yè)革命同級(jí)的層次上，因?yàn)樗鼈兌紝?duì)社會(huì)造成了極其深遠(yuǎn)的影響。
我想從：人工智能影響的深遠(yuǎn)性、人工智能浪潮為什么會(huì)發(fā)生、人工智能對(duì)產(chǎn)業(yè)各個(gè)方面的影響、中國(guó)公司面臨的機(jī)會(huì)，以及產(chǎn)業(yè)面臨的機(jī)會(huì) 等幾個(gè)方面，做一個(gè)相對(duì)全面的介紹。
第一部分我們講一下：AI 會(huì)深刻地改變這個(gè)社會(huì)。
首先我們還是從學(xué)術(shù)上來(lái)講起。人工智能對(duì)很多人來(lái)說(shuō)是一個(gè)老東西了，比如 Neural Network（神經(jīng)網(wǎng)絡(luò)）在很早以前就已經(jīng)提出了，但是一直沒(méi)有什么突破，直到最近才有些進(jìn)展。很多人說(shuō)這個(gè)領(lǐng)域并沒(méi)有新奇的東西，可能就是煉丹術(shù)，或者又是一場(chǎng)泡沫，眾說(shuō)紛紜，想法和觀點(diǎn)都很多。
當(dāng)然，每個(gè)人可以有自己的觀點(diǎn)，我希望比較全面的講解下這部分內(nèi)容。
我是從產(chǎn)業(yè)角度來(lái)看問(wèn)題?；叵牖ヂ?lián)網(wǎng)的發(fā)展，整個(gè)互聯(lián)網(wǎng)的理論體系在互聯(lián)網(wǎng)誕生之前已經(jīng)建立的比較完善了，而互聯(lián)網(wǎng)發(fā)展這么多年，相對(duì)的理論并沒(méi)有什么特別大的調(diào)整，但對(duì)社會(huì)的影響卻是越來(lái)越深遠(yuǎn)。所以，我們不是從純粹的學(xué)術(shù)上去探討問(wèn)題，而是從技術(shù)的落地，以及對(duì)我們的生活、對(duì)社會(huì)影響的深刻性上去探討這個(gè)問(wèn)題。
我們先從計(jì)算機(jī)視覺(jué)講起，這是現(xiàn)在發(fā)展最快的 AI 技術(shù)。
2013 年，當(dāng)時(shí)還是依靠模式識(shí)別來(lái)解決視覺(jué)問(wèn)題的時(shí)代。那個(gè)時(shí)候人臉識(shí)別最好的成績(jī)?nèi)蚴?96.33%，而人類對(duì)人臉識(shí)別的一般識(shí)別率是 99.1%，遠(yuǎn)沒(méi)有達(dá)到人類水平。
而人工智能技術(shù)落地，我認(rèn)為有兩個(gè)重要的階段。
第一個(gè)階段，這項(xiàng)技術(shù)跟人相比，達(dá)到人類的水平了嗎？達(dá)到人類的要求了嗎？沒(méi)達(dá)到，對(duì)不起，我就根本不理睬你。所以，產(chǎn)業(yè)看技術(shù)發(fā)展是臺(tái)階式的，而學(xué)術(shù)看學(xué)術(shù)發(fā)展是連續(xù)、漸進(jìn)的。對(duì)產(chǎn)業(yè)來(lái)說(shuō)，一項(xiàng)技術(shù)達(dá)不到人類要求，那就還是沒(méi)用的。
以大學(xué)的錄取分?jǐn)?shù)線做比喻，某個(gè)學(xué)生差 0.5 分和差 50 分有區(qū)別嗎？其實(shí)沒(méi)區(qū)別，因?yàn)槎间浫〔涣?。同樣的，雖然每個(gè)人在學(xué)校學(xué)習(xí)成績(jī)是有差別的，但是對(duì)于工作的實(shí)用性來(lái)說(shuō)，是沒(méi)差別的。
深度學(xué)習(xí)對(duì)于人臉識(shí)別起到了很大的提升作用，據(jù)了解已經(jīng)在一些測(cè)試集上達(dá)到了 99.7% 的識(shí)別率了。我們看到人臉識(shí)別是落地非常廣泛的應(yīng)用，現(xiàn)在不論景區(qū)、門禁還是網(wǎng)上支付，刷臉就可以了， 為什么？就是因?yàn)樗絹?lái)越準(zhǔn)確了，它的錯(cuò)誤率已經(jīng)大幅度被壓低了，它有了商業(yè)價(jià)值。
接下來(lái)我們講一下 AlphaGo，這個(gè)是造成人工智能領(lǐng)域集體狂歡的一個(gè)項(xiàng)目。在 AlphaGo 之前，人工智能僅僅是極少數(shù)人討論的內(nèi)容，是只有研究和從事相關(guān)工作的人之間才會(huì)有的談資和話題，平常的百姓既不懂也不感興趣。到 AlphaGo 之后，大家都開(kāi)始談?wù)摿恕?/p>
第一個(gè)階段，我們認(rèn)為技術(shù)要跟人比、要超過(guò)人類、要有用。第二個(gè)階段，我們著重講一下人工智能進(jìn)化的速度。
AlphaGo 最早的時(shí)候是在歐洲打敗了歐洲冠軍，一位職業(yè)二段選手，也是個(gè)中國(guó)人；過(guò)了六個(gè)月之后，AlphaGo 跟李世石下棋，只輸了一局，總比分 4：1 取得勝利。在此之后，網(wǎng)絡(luò)上出現(xiàn)了一個(gè)叫做 Master 的棋手，橫掃中日韓棋手，并保持 60 局不敗；隨后 AlphaGo 2.0 與柯潔對(duì)局，結(jié)果人類選手當(dāng)然還是輸了。
AlphaGo 2.0 當(dāng)時(shí)的水平到什么程度呢？讓三子而不敗。后來(lái)聶衛(wèi)平發(fā)表感慨說(shuō)：AlphaGo 2.0 現(xiàn)在已經(jīng)是是 20 段的選手了。AlphaGo 現(xiàn)在變成一個(gè)統(tǒng)一的程序，不論圍棋還是象棋，用一個(gè)程序基本上全部擺平了。后來(lái)，不論是電子競(jìng)技還是德州撲克、橋牌等游戲，人工智能都可以搞得定，前不久 DeepMind 發(fā)表的一篇論文，也是 AI 在游戲里打敗了人類選手。
這幾個(gè)案例想告訴大家的是：AI 一旦有足夠的數(shù)據(jù)，或者 AI 真的適應(yīng)某個(gè)領(lǐng)域的話，它的演進(jìn)速度是非?？斓?/strong>，比如圍棋從二段到九段，到孤獨(dú)就敗，再到現(xiàn)在不知道到幾段，很快就可以達(dá)成。歷史上看，棋圣級(jí)別的高手是鳳毛麟角，但是 AlphaGo 把整個(gè)圍棋界顛覆了。
說(shuō)了這么多，有人或許會(huì)有疑問(wèn)：人工智能對(duì)社會(huì)到底有多大影響？它會(huì)下圍棋，但是不懂圍棋的平常人并不關(guān)心，雖然占吸引到了觀眾的眼球，但是對(duì)生產(chǎn)力真的有促進(jìn)作用嗎？
在此之前，我們先來(lái)看另外一件事兒。這里有一張圖，叫“全球人均收入按年代的數(shù)值圖”，來(lái)源于加州大學(xué)的教授 Gregory Clark，這是對(duì)于全球的經(jīng)濟(jì)歷史做的統(tǒng)計(jì)。
從勞動(dòng)生產(chǎn)力的歷史來(lái)看，公元前 1000 年到公元 1800 年左右，就是在圖中工業(yè)革命的箭頭之前，以中國(guó)為例，秦朝和清朝真的有很大變化嗎？除了穿的衣服有所變化外，房子還是那么高，結(jié)構(gòu)還是那個(gè)樣子，大家還是拿著鏟子鋤地，幾乎沒(méi)什么太大變化。但是，從 1801 年左右，工業(yè)革命開(kāi)始到今天，變化是翻天覆地的。短短兩百年的時(shí)間，一切都變了。我們今天的日常用品，我們居住的建筑、用的電子產(chǎn)品，都是這兩百年的產(chǎn)物。
工業(yè)革命給人類帶來(lái)了前所未有的變化，如果反映到勞動(dòng)生產(chǎn)率上，人均的勞動(dòng)生產(chǎn)率在過(guò)去僅僅兩百年左右的時(shí)間里提升了 10 倍，要知道在之前將近三千年左右的時(shí)間里，勞動(dòng)生產(chǎn)率幾乎沒(méi)有什么改變。
很多時(shí)候我們會(huì)思考，為什么會(huì)這樣？我經(jīng)常講，以史為鑒，通過(guò)分析歷史去了解未來(lái)，我個(gè)人認(rèn)為，人類能有今天的進(jìn)步，主要是人類的勞動(dòng)形式發(fā)生了根本性變化。不同的勞動(dòng)形式效率是不一樣的，在工業(yè)革命之前，人類去改造這個(gè)世界基本都是靠體力，效率是非常低下的，而工業(yè)革命用能源加機(jī)械替代了人的體能。
工業(yè)革命之后，人類改造世界不再靠體力，而是靠技能，勞動(dòng)力發(fā)生了巨大的變化。我們可以認(rèn)為在農(nóng)業(yè)社會(huì)的時(shí)候，務(wù)農(nóng)的人占到社會(huì)總勞動(dòng)力的 90% 以上，這是一個(gè)概數(shù)，不是精確化的統(tǒng)計(jì)，但是量級(jí)上可以這么理解。但是工業(yè)社會(huì)之后，體力勞動(dòng)基本被抹掉了，今天從全球范圍來(lái)看，農(nóng)業(yè)占全球 GDP 的比例是 3% 左右，在美國(guó)，農(nóng)業(yè) GDP 占比百分之零點(diǎn)幾。同時(shí)，務(wù)農(nóng)人口占比也降至百分之一點(diǎn)幾。
所以回到前面的問(wèn)題：智能會(huì)改變什么？
從經(jīng)驗(yàn)來(lái)看，我個(gè)人認(rèn)為：智能依靠數(shù)據(jù)，再加上 AI 的一些算法，叫做智能化，利用智能化去替代人類的技能勞動(dòng)，所有人類經(jīng)過(guò)長(zhǎng)時(shí)間培訓(xùn)可以做好多事情，機(jī)器能做得更好。
現(xiàn)代社會(huì)勞動(dòng)力約有 90% 都是從事技能勞動(dòng)的，不論是司機(jī)、廚師或者是服務(wù)人員，都是依靠技能進(jìn)行勞動(dòng)的。有人提到了醫(yī)生，我個(gè)人認(rèn)為不全是，這個(gè)職業(yè)可以分成兩部分來(lái)看，不僅依靠技能治病救人，做科研的是醫(yī)生的一部分職責(zé)。
最終我認(rèn)為：隨著智能革命不斷的深入，會(huì)替代掉幾乎所有的技能勞動(dòng)，進(jìn)而把人類逼到另外一個(gè)地方，叫創(chuàng)新。
什么叫創(chuàng)新？很多人覺(jué)得創(chuàng)新都是特別高大上，只有做教授的人才搞創(chuàng)新，或者做創(chuàng)業(yè)才是創(chuàng)新，但實(shí)際上創(chuàng)新無(wú)處不在。未來(lái)的社會(huì)的主要價(jià)值體現(xiàn)在創(chuàng)新上，創(chuàng)新是做這個(gè)社會(huì)不存在的東西。創(chuàng)新可以創(chuàng)新是個(gè)產(chǎn)品，可以是一項(xiàng)服務(wù)，可以是個(gè)商業(yè)模式，也可以是個(gè)作品，但是一定要注意后面這個(gè)定義，不論創(chuàng)新的內(nèi)容是什么，一定要對(duì)社會(huì)的發(fā)展貢獻(xiàn)價(jià)值。 它可以是提高了社會(huì)的勞動(dòng)生產(chǎn)率，讓社會(huì)節(jié)省了時(shí)間，效率提升，也可以是讓人得到了一種滿足，比如游戲、電影等娛樂(lè)產(chǎn)業(yè)。所以我認(rèn)為，未來(lái)社會(huì)將走上創(chuàng)新之路。
我們?cè)賮?lái)看一下產(chǎn)業(yè)格局隨著智能發(fā)展會(huì)有什么變化。
在農(nóng)業(yè)時(shí)代，社會(huì)總財(cái)富里面農(nóng)業(yè)財(cái)富占了 90%，雖然過(guò)去也有其他行業(yè)，但是相對(duì)于所有的農(nóng)業(yè)產(chǎn)值來(lái)講，都只是消耗的很小，影響很小。但是在后工業(yè)時(shí)代，比如 2011 年的數(shù)據(jù)，全球農(nóng)業(yè)總產(chǎn)值占全球 GDP 的 2.81%，不到 3%，其他占比高的產(chǎn)業(yè)都是新的，主要是工業(yè)和服務(wù)業(yè)。是農(nóng)業(yè)萎縮了嗎？不是的，農(nóng)業(yè)沒(méi)有萎縮，為什么會(huì)這樣呢？是因?yàn)槠渌漠a(chǎn)業(yè)增長(zhǎng)得快。因此我們按前面的趨勢(shì)去類推，到智能時(shí)代時(shí)候，我們認(rèn)為農(nóng)業(yè)、工業(yè)和服務(wù)業(yè)，這些靠技能、靠體力的產(chǎn)業(yè)，到智能時(shí)代之后，也會(huì)像農(nóng)業(yè)一樣占比下降，而創(chuàng)新型產(chǎn)業(yè)又會(huì)成為社會(huì)的主要財(cái)富的聚集地，慢慢的占比會(huì)越來(lái)越大，最終會(huì)占到 90% 以上，都是創(chuàng)造性行業(yè)提供的社會(huì)價(jià)值，這個(gè)是我個(gè)人觀點(diǎn)。
剛才我們講了智能對(duì)整個(gè)社會(huì)以及對(duì)人類的影響，它會(huì)把我們逼著離開(kāi)技術(shù)性產(chǎn)業(yè)。這里面插播一個(gè)有意思的小故事。
大家知道，計(jì)算機(jī)視覺(jué)在醫(yī)學(xué)影像上進(jìn)展還是比較快的，計(jì)算機(jī)通過(guò)對(duì)患者醫(yī)療影像的掃描，可以直接給醫(yī)生一個(gè)判斷，不是輔助性的，而是可以直接給出結(jié)論的。這東西導(dǎo)致去年美國(guó)的醫(yī)學(xué)院的醫(yī)學(xué)影像專業(yè)報(bào)考率驟降，因?yàn)榇蠹液軗?dān)心：學(xué)醫(yī)讀到博士才可以當(dāng)醫(yī)生，學(xué)這么多年之后，突然失業(yè)了怎么辦？這件事導(dǎo)致了不少人很不安，從社會(huì)層面來(lái)說(shuō)也反映出來(lái)：未來(lái)想靠學(xué)會(huì)一項(xiàng)技能，一直在一個(gè)行業(yè)里工作，就能把自己的一生過(guò)的很好的機(jī)會(huì)可能沒(méi)有了，我們需要不斷的思考與創(chuàng)新。
還是以醫(yī)生這個(gè)職業(yè)為例，我認(rèn)為醫(yī)生不會(huì)失業(yè)，因?yàn)樯厦嬉舱f(shuō)過(guò)：醫(yī)生有兩個(gè)職能，看病與研究。但看看病這個(gè)職能，如果是常見(jiàn)病，現(xiàn)在很多機(jī)器已經(jīng)超過(guò)人了，并且很明確；但是在科研上，讓 AI 研究出某種疾病的解決方法，從算法上來(lái)說(shuō)是完全做不到的。醫(yī)生會(huì)逐漸的轉(zhuǎn)向科研型、研究型醫(yī)生，而不是現(xiàn)在的看病型醫(yī)生。
AI 發(fā)展三要素：算力、算法、數(shù)據(jù)
人工智能有老生常談的三要素：數(shù)據(jù)、算法和算力。我們會(huì)從這三個(gè)方面，分別進(jìn)行講解，這三要素之間也確實(shí)有一些關(guān)聯(lián)性。
第一個(gè)就是數(shù)據(jù)。人類的數(shù)據(jù)，尤其是數(shù)字化數(shù)據(jù)，大致上是以每年 50% 的速度在提升。每個(gè)人電腦上的數(shù)據(jù)、網(wǎng)盤里的數(shù)據(jù)都有了充足的空間，過(guò)去用內(nèi)存卡可能還需要經(jīng)常清理，現(xiàn)在大部分?jǐn)?shù)據(jù)都存到云上了，空間足夠使用，我們每個(gè)人的數(shù)據(jù)也是以每年 50% 的速度在增長(zhǎng)。
我們?cè)倏匆幌铝硗庖粋€(gè)東西——摩爾定律。
摩爾定律告訴我們：算力也是每 1-1.5 年翻一番。那么這兩者之間有關(guān)系嗎？可以這樣理解他們之間的關(guān)系：隨著數(shù)據(jù)量的提升，算力會(huì)有所提升；同樣的，算力的提升，意味著可以處理更多的數(shù)據(jù)，它們之間是交織著在向前發(fā)展。有的時(shí)候是量變到質(zhì)變的過(guò)程，雖然很多算法沒(méi)有本質(zhì)的區(qū)別，但是因?yàn)閿?shù)據(jù)量能力的提升，很多之前沒(méi)法解決的問(wèn)題，現(xiàn)在變得就可以解決了。比如說(shuō)愛(ài)因斯坦寫出來(lái)的公式，在紙上只有幾行，但是應(yīng)用在原子彈的研究上，最后的爆炸效果可能是巨大的。所以算力和數(shù)據(jù)量是一個(gè)交互發(fā)展的過(guò)程。
那么算法呢？算法其實(shí)也在適應(yīng)算力。很多有前瞻性的人會(huì)提出一些算法，但這些算法在當(dāng)年的算力條件下還是無(wú)法解決問(wèn)題，效果得不到最好的發(fā)展，只能停留在數(shù)學(xué)層面，它只能作為一個(gè)假設(shè)而存在。但是一旦它真的能解決問(wèn)題的時(shí)候，研究的人會(huì)越來(lái)越多，這一領(lǐng)域的研究也會(huì)突然蓬勃的發(fā)展。所以算法、算力和數(shù)據(jù)三者之間也是有相關(guān)性的。
接下來(lái)我們簡(jiǎn)單說(shuō)一下算法的發(fā)展歷程。早些時(shí)候，大量的算法是基于經(jīng)典數(shù)學(xué)的，比如決策樹(shù)算法等等。因?yàn)楫?dāng)時(shí)的算力有限，做不出復(fù)雜模型，所以解決的問(wèn)題也非常有限。
在 1989 年左右，自然語(yǔ)言處理領(lǐng)域有一套基于概率的算法出現(xiàn)，包括貝葉斯算法，馬爾可夫過(guò)程等等。因?yàn)樽匀徽Z(yǔ)言比較復(fù)雜，這些算法疊加起來(lái)之后，解決了一些變量數(shù)量的問(wèn)題，利用條件概率的一些方法，引起了一次算法的飛躍。
最近這次算法的巨大進(jìn)步我認(rèn)為就是深度神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)在變量層面上又解決了另外一個(gè)問(wèn)題，也就是函數(shù)復(fù)雜問(wèn)題。什么叫函數(shù)的復(fù)雜問(wèn)題？可以這么理解：一個(gè)函數(shù)做泰列展開(kāi)之后，會(huì)展開(kāi)很多項(xiàng)目，后面的項(xiàng)一直對(duì)函數(shù)的結(jié)果影響都很大，那這個(gè)函數(shù)就極其復(fù)雜。
我舉個(gè)例子，比如圍棋，一共就 361 個(gè)變量，每個(gè)位置，放一個(gè)變量，而且這個(gè)變量只能取三回：黑白和空。從變量上來(lái)說(shuō)，三百多個(gè)變量并不是那么復(fù)雜，而且有取值限制，但這個(gè)函數(shù)很難解出來(lái)，我們只能無(wú)限逼近最優(yōu)解，而現(xiàn)實(shí)世界中的問(wèn)題都不是一個(gè)公式就可以搞定的，只會(huì)更加復(fù)雜。
為什么人類解決問(wèn)題需要依靠經(jīng)驗(yàn)？經(jīng)驗(yàn)就是通過(guò)實(shí)際的情況不斷的調(diào)整大腦來(lái)制作模型，之后再去擬合，才能做得越來(lái)越好。而深度學(xué)習(xí)可以理解為，它也有這個(gè)能力，給它的數(shù)據(jù)越多，它就做得越來(lái)越好。
下面這個(gè)圖正好接上我剛才講的內(nèi)容。
左邊這個(gè)圖是吳恩達(dá)教授在一次國(guó)際會(huì)議上發(fā)表的一篇論文中的內(nèi)容，他認(rèn)為隨著數(shù)據(jù)的增長(zhǎng)，傳統(tǒng)的學(xué)習(xí)算法都會(huì)有天花板。
什么叫傳統(tǒng)學(xué)習(xí)算法？一般傳統(tǒng)的學(xué)習(xí)算法，要么事先假設(shè)的函數(shù)的復(fù)雜性是有限的，要么變量鎖死了。某種意義上來(lái)說(shuō)，當(dāng)它達(dá)到了上限之后，給它再多的數(shù)據(jù)也學(xué)習(xí)不了。但是深度學(xué)習(xí)展現(xiàn)出的學(xué)習(xí)能力，起碼現(xiàn)在來(lái)看跟人類還是可比的，只要不斷的給它添加數(shù)據(jù)，它就會(huì)學(xué)的越來(lái)越好?，F(xiàn)在我們還沒(méi)有看到盡頭在哪，還可以再加數(shù)據(jù)。
所以通過(guò)數(shù)據(jù)量的增加，能夠展現(xiàn)出深度學(xué)習(xí)的無(wú)窮能力。最近這一年自然語(yǔ)言處理發(fā)展的非常迅猛。以前由于算法的理解能力有限，得到的都是特別不如人意的結(jié)果，但是現(xiàn)在做得模型幾乎是顛覆了過(guò)去的所有的方面，比如 OpenAI 近期發(fā)布的號(hào)稱是最強(qiáng) NLP 模型的 GPT-2。所以很多時(shí)候，技巧問(wèn)題是一方面，而狂拼數(shù)據(jù)量與算法，也是可以做得非常好的。
2017 年，谷歌與 CMU 聯(lián)合發(fā)布的論文討論了模型容量的重要性，他們發(fā)現(xiàn)在視覺(jué)任務(wù)上，性能會(huì)隨數(shù)據(jù)量級(jí)的提升而線性提升，這意味著在目前的數(shù)據(jù)基礎(chǔ)上提高 10 倍的數(shù)據(jù)量，整體性能就能夠提高約 10%，而模型可以保持不變。因此，模型容量很重要，模型要大，數(shù)據(jù)要多，這兩個(gè)東西疊加起來(lái)，最后的效果就會(huì)好。
最后，我們講一下人工智能對(duì)于未來(lái)的意義和發(fā)展。
我們觀察到一個(gè)現(xiàn)象：硬件發(fā)展往往比軟件發(fā)展的周期要長(zhǎng)，速度要慢。雖然有時(shí)候理論上的復(fù)雜度并沒(méi)有那么高，但實(shí)際上，因?yàn)橛布耐度氤杀颈容^高，嘗試成本非常高，它的進(jìn)展反而是緩慢的，但是最終都會(huì)走到這一步。
現(xiàn)在有很多領(lǐng)域，尤其是很多工廠已經(jīng)很少使用人工生產(chǎn)了，都是大型的生產(chǎn)線，升級(jí)成為智能化生產(chǎn)線。目前機(jī)械臂、自動(dòng)生產(chǎn)線等技術(shù)都在逐步往前推進(jìn)，最后這些技術(shù)整合起來(lái)，會(huì)不斷的把制造業(yè)、農(nóng)業(yè)等產(chǎn)業(yè)的生產(chǎn)都變得自動(dòng)化。
自動(dòng)駕駛領(lǐng)域現(xiàn)在又有了些進(jìn)展。L4 級(jí)別的自動(dòng)駕駛已經(jīng)可以在一些特定場(chǎng)景下落地，完全的自動(dòng)駕駛被認(rèn)為會(huì)在未來(lái) 5 到 10 年落地。在幾年前，我們講自動(dòng)駕駛的時(shí)候，疑問(wèn)還很多，比如撞了人怎么辦？但今天，包括中國(guó)美國(guó)在內(nèi)的很多國(guó)家都給了無(wú)人駕駛車的試運(yùn)行許可。所以我們經(jīng)常說(shuō)：不用特別杞人憂天。在我的觀點(diǎn)里，凡是對(duì)社會(huì)有用的，終將被證明是有用的。當(dāng)這些東西的安全系數(shù)達(dá)到一定程度，自然就會(huì)推廣開(kāi)來(lái)。
醫(yī)療健康領(lǐng)域，現(xiàn)在 AI 醫(yī)學(xué)影像在中國(guó)已經(jīng)有至少四家，估值在 10 億人民幣以上的 AI 影象公司在推廣。在美國(guó)的話，F(xiàn)DA 已經(jīng)批準(zhǔn)了一些 AI 設(shè)備可以直接商用。中國(guó)的相關(guān)部門也是在在論證這個(gè)問(wèn)題，一些許可也正在路上，因?yàn)楫吘故且粋€(gè)新鮮事物，大家都比較謹(jǐn)慎一點(diǎn)。
我們認(rèn)為，智能醫(yī)療的發(fā)展也是一個(gè)不可逆的趨勢(shì)，并且會(huì)從醫(yī)學(xué)影像開(kāi)始。在過(guò)去一個(gè)月，吳恩達(dá)發(fā)了一篇論文，運(yùn)用人工智能深度學(xué)習(xí)的方法去看心電圖，來(lái)對(duì)患者心電圖做出判定，比如說(shuō)有沒(méi)有房顫或者其他心臟問(wèn)題，準(zhǔn)確率是超過(guò)專業(yè)醫(yī)生的。這類東西我們認(rèn)為都在逐漸的變得可辯駁，實(shí)際效果是好的，剩下就是一個(gè)時(shí)間問(wèn)題，雖然在一些領(lǐng)域走的快的，有些領(lǐng)域走的慢一點(diǎn)，但是最終我們認(rèn)為，所有好的技術(shù)都會(huì)逐漸的發(fā)展落地。
另外就是智能金融方面，金融領(lǐng)域是一個(gè)相對(duì)重要，但是還是比較封閉的領(lǐng)域。從數(shù)據(jù)量來(lái)看，金融很早就進(jìn)行了產(chǎn)業(yè)化，只要有充分的訓(xùn)練數(shù)據(jù)，很多模型還是可以訓(xùn)練出來(lái)的。這個(gè)領(lǐng)域有幾個(gè)特別好的應(yīng)用場(chǎng)景，其實(shí)是可以解決社會(huì)問(wèn)題的，比如中小企業(yè)貸款應(yīng)用場(chǎng)景，因?yàn)橹行∑髽I(yè)貸款量太小，調(diào)查、審核等等流程又非常麻煩，但是現(xiàn)在有了大數(shù)據(jù)時(shí)候就不一樣了。
依靠巨大的數(shù)據(jù)優(yōu)勢(shì)，加上適當(dāng)?shù)乃惴?，?shù)據(jù)只要夠大，算力只要夠強(qiáng)，就相當(dāng)于手握金礦。同時(shí)，由于金融領(lǐng)域在快速的迭代，一些金融分析師、信息采集整理人員可能會(huì)被智能產(chǎn)品替代。
家庭機(jī)器人領(lǐng)域也十分值得關(guān)注。最近非常熱門的智能音響是個(gè)初期產(chǎn)品，它未來(lái)的發(fā)展路徑叫做個(gè)人電子助理，衣食住行、日常消費(fèi)等等都可以經(jīng)過(guò)它，這也注定了無(wú)數(shù)個(gè)公司要在這塊花最大的力氣搶下它，競(jìng)爭(zhēng)是非常激烈的。這類產(chǎn)品做到最后不僅僅是一個(gè)硬件，或者一個(gè)算法的比拼，而又是數(shù)據(jù)的較量。
我們看一下全球的情況。今天全球市值前 10 的企業(yè)有 7 家都是互聯(lián)網(wǎng)公司，試想下，未來(lái) 20 年后，市值前 10 的企業(yè)會(huì)不會(huì)人工智能公司呢？但今天很多公司已經(jīng)聲稱自己是人工智能公司了，但是我們強(qiáng)調(diào)的是，從會(huì)有很多新公司涌現(xiàn)。從軟件時(shí)代到互聯(lián)網(wǎng)時(shí)代，圖中只有微軟和蘋果是超過(guò) 40 年歷史的企業(yè)，剩下那些都是“小朋友”，年齡只有 20 歲左右。從另外的一個(gè)角度也可以看到，這個(gè)世界上的“百年老店”越來(lái)越少了。
AI 的發(fā)展路徑我認(rèn)為有這樣幾個(gè)要點(diǎn)：
低技能行業(yè)到高技能行業(yè)；高數(shù)據(jù)行業(yè)到低數(shù)據(jù)行業(yè)；經(jīng)濟(jì)效益高的行業(yè)到經(jīng)濟(jì)效益一般的行業(yè)。
可以這樣理解：
從低技能行業(yè)到高技能行業(yè)，低技能行業(yè)算法簡(jiǎn)單，于是就可以盡快落地，比如停車場(chǎng)的車牌識(shí)別，但是為了解決更復(fù)雜的問(wèn)題，就要向高復(fù)雜度的技能行業(yè)發(fā)展。
從高數(shù)據(jù)向低數(shù)據(jù)發(fā)展，金融就是個(gè)典型的行業(yè)，因?yàn)閿?shù)據(jù)量大，所以 AI 發(fā)展的速度也比較快，與之相反的是缺乏數(shù)據(jù)的農(nóng)業(yè)，因?yàn)榇蟛糠洲r(nóng)民種地依靠的是經(jīng)驗(yàn)，幾乎沒(méi)有數(shù)據(jù)，計(jì)算機(jī)學(xué)不出來(lái)，所以要向低數(shù)據(jù)行業(yè)發(fā)展。
從經(jīng)濟(jì)效益高到一般行業(yè)，以自動(dòng)駕駛汽車為例，大家這么拼命這么去做？首先因?yàn)榻?jīng)濟(jì)效益太高，你只要能夠訓(xùn)練系統(tǒng)開(kāi)一輛車，就可以開(kāi)所有的車。在中國(guó)也就意味著能夠得到交通、運(yùn)輸、物流三個(gè)加起來(lái)將近 20%GDP 的市場(chǎng)。而中國(guó)的醫(yī)療健康只占了 6% 的 GDP，與交通運(yùn)輸領(lǐng)域相比，經(jīng)濟(jì)效益相對(duì)較低，所以未來(lái)發(fā)展會(huì)向這類領(lǐng)域推進(jìn)。
我們?cè)購(gòu)钠渌嵌戎v一下人工智能的實(shí)用價(jià)值。我們認(rèn)為，人工智能機(jī)器學(xué)習(xí)的水平跟人相比，只有超過(guò)人類，才具備替代人類工作的能力，在 AI 接近人類水平的時(shí)候，產(chǎn)業(yè)價(jià)值很快就會(huì)展現(xiàn)出來(lái)了。
AI 能力發(fā)展要找對(duì)時(shí)間，但是還有一個(gè)特別重要的點(diǎn)，叫成本收益問(wèn)題，為什么呢？因?yàn)橐豢?AI 產(chǎn)品即便做的比人好，但是比人貴還是不能被接受，比如說(shuō)自動(dòng)駕駛汽車，如果同等配置的價(jià)格比一般非自動(dòng)駕駛的車輛要高出很多倍，那也不會(huì)有太多人選擇。
我們認(rèn)為所有智能產(chǎn)品都可以做到，只是成本問(wèn)題，而且 人工智能的成本永遠(yuǎn)都是下降的，同等價(jià)格的算力只會(huì)越來(lái)越便宜，但是人工成本一定是升高的，因?yàn)楣蛡?AI 人才的費(fèi)用一定會(huì)上漲。
我們認(rèn)為，AI 時(shí)代科技公司的機(jī)會(huì)還是很多的。
對(duì)于大的科技公司來(lái)說(shuō)，主要是拿自己的數(shù)據(jù)，做各種各樣的處理，看它的商業(yè)價(jià)值。很多人認(rèn)為，小公司是不是沒(méi)機(jī)會(huì)，因?yàn)樾」緵](méi)數(shù)據(jù)。但實(shí)際上，從人才的角度來(lái)說(shuō)，優(yōu)秀的人，到一定的時(shí)候是愿意去創(chuàng)業(yè)的，他們成功的可能性是很大的；從數(shù)據(jù)角度來(lái)看，其實(shí)并不用比別人的數(shù)據(jù)大，比如農(nóng)業(yè)、工業(yè)、醫(yī)療等等領(lǐng)域，大家都沒(méi)數(shù)據(jù)，都是兩眼一抹黑，那就可以做，比如人臉識(shí)別、醫(yī)療影像識(shí)別等等。
最后，從機(jī)器角度來(lái)看，最關(guān)鍵的就是錢。但是錢這個(gè)事情是最不用擔(dān)心的，你只要證明能賺錢，就一定不缺投資。
傳統(tǒng)產(chǎn)業(yè)還有沒(méi)有機(jī)會(huì)？也有，我們認(rèn)為傳統(tǒng)產(chǎn)業(yè)如果有數(shù)據(jù)，還是可以去做點(diǎn)事情的，跟科研機(jī)構(gòu)合作也好，做投資也好，都可以有所作為。但傳統(tǒng)產(chǎn)業(yè)自己建立一個(gè) AI 團(tuán)隊(duì)是不是合適的？我認(rèn)為原則上是不合適的，因?yàn)楹茈y留住人才，由于企業(yè)文化等各種問(wèn)題，很多 AI 人才或者互聯(lián)網(wǎng)人才到傳統(tǒng)企業(yè)里面都待不長(zhǎng)。因此我認(rèn)為，傳統(tǒng)企業(yè)與科技公司進(jìn)行合作或者投資相對(duì)來(lái)講是更劃算的。
首先，AI 時(shí)代中國(guó)和美國(guó)是兩個(gè)非常有力的勢(shì)力，其他國(guó)家都不是太靠譜。
歐洲生于憂患，死于安樂(lè)。南歐四點(diǎn)鐘以后連商店都關(guān)門了。其次，歐洲現(xiàn)在很多國(guó)家由于各種復(fù)雜的問(wèn)題也變得比較混亂了。
一海之隔的日本在創(chuàng)新的進(jìn)度上，明顯被落下來(lái)。日本是個(gè)典型的精益求精的國(guó)家，它做微創(chuàng)新很好，但日本人活的比較講規(guī)矩，在一個(gè)公司要干一輩子，都不敢跳槽，也不敢創(chuàng)業(yè)，我覺(jué)得不容易，寸步難行。其他國(guó)家基本可以忽略。
美國(guó)優(yōu)勢(shì)還是非常明顯的，我列舉了一些：
美國(guó)的科技積累極其深厚，人才儲(chǔ)備世界第一，并且科技沉淀深厚。其次，它其實(shí)不是美國(guó)市場(chǎng)，而是全球市場(chǎng)，任何一個(gè)科技公司的收入，美國(guó)大部分都占一半，或者不到一半，它在全世界都很有市場(chǎng)。
當(dāng)然，美國(guó)面臨的挑戰(zhàn)也是很大的。一是中產(chǎn)階級(jí)帶來(lái)的政治挑戰(zhàn)，二是美國(guó)現(xiàn)在國(guó)內(nèi)形式也不好。其次，美國(guó)最近在貿(mào)易等各個(gè)方面的一些動(dòng)作，不像以前抱著開(kāi)放的心態(tài)做生意。
中國(guó)也有這樣幾方面的機(jī)會(huì)。首先是廣闊的市場(chǎng)，中國(guó)是全球最大的商業(yè)化市場(chǎng)，叫漢文化圈，市場(chǎng)越大，越支持創(chuàng)新；其次是技術(shù)跨越式的進(jìn)步，由于中國(guó)從現(xiàn)金支付直接跨越到了移動(dòng)支付時(shí)代，在技術(shù)的升級(jí)上也得到了飛躍式的提升；從技術(shù)追趕的角度來(lái)說(shuō)，中國(guó)大學(xué)的提名提升很快，優(yōu)質(zhì)人才的比例也不斷在提升，在論文的貢獻(xiàn)等方面已經(jīng)超過(guò)了美國(guó)；在創(chuàng)新能力上，中國(guó)以前比較落后，靠模仿國(guó)外的軟件發(fā)展，但是最近這些年形勢(shì)發(fā)生了反轉(zhuǎn)，一些國(guó)外的企業(yè)開(kāi)始模仿中國(guó)的技術(shù)產(chǎn)品；另外就是中國(guó)投資，2017 年的數(shù)據(jù)，中國(guó)的 AI 投資大概是在全球是排第一的，占到全球早期 AI 投資的 48%，美國(guó)是 38%。
最后，我覺(jué)得在未來(lái)發(fā)展，尤其是 AI 這一塊，還是有很多的機(jī)會(huì)，無(wú)論是中國(guó)還是全球。https://mp.weixin.qq.com/s?__biz=MzI3MTkwMzM0Nw==&tempkey=OTk4X1V6ZkxaNUswQkJvWDhIWGhMMzdnWlUyOHNFYWM4VlJ5V2VHeVFqS2dlbUh4ZzQyNUV0MWlxbk5qUzBydjZGZXZPcEtSbWM2OFA2ZEQ5em9rNmFUclJxUHRrZDRTQVRFMW1wcWRITGhweWlBbW54MzZCRDNoWTBmalZ5WkFTTEpuLU8teGpMT041elpzcGRmVnZnYkZuUEZTTktxY2xSMjNDX3plV0F%2Bfg%3D%3D&chksm=6b3805b15c4f8ca780bb5817b633787a51d73a92beaa8a42751465b841c1686633dc9044f082#rd
我們處在一個(gè)關(guān)鍵的轉(zhuǎn)折點(diǎn)，我認(rèn)為，在現(xiàn)在這個(gè)社會(huì)變化很快的時(shí)候，選擇比努力更重要，我想說(shuō)的不是努力不重要，是因?yàn)楦阋粯觾?yōu)秀的人基本上都跟你一樣努力，但是選擇定終身，你進(jìn)了什么行業(yè)，就決定了你的未來(lái)，你只有選正確的社會(huì)發(fā)展方向才真正能做出事情來(lái)。
怎么去理解社會(huì)的發(fā)展方向？這個(gè)極其的重要，我個(gè)人認(rèn)為在未來(lái)，AI 在任何產(chǎn)業(yè)都將產(chǎn)生顛覆性的影響，抓住這個(gè)大方向，就跟 20 年前，應(yīng)該不顧一切的加入互聯(lián)網(wǎng)產(chǎn)業(yè)中來(lái)一樣，無(wú)論你是干什么的都挺好，你的能力在有機(jī)會(huì)的地方才可以得到更大的施展和釋放。
這也是我們開(kāi)這堂課的一個(gè)目的，希望大家能了解，或者理解這個(gè)社會(huì)在發(fā)生什么，科技怎么影響社會(huì)。希望大家不僅僅是學(xué)到一點(diǎn)知識(shí)，知識(shí)什么時(shí)候都可以學(xué)，我希望你能學(xué)到一些能影響你的判斷、你對(duì)未來(lái)的理解、對(duì)自己的發(fā)展規(guī)劃的東西，這些東西對(duì)你的人生影響相信會(huì)更大的。
第一節(jié)課就講到這里，謝謝大家。
Q1. 當(dāng)摩爾定律達(dá)到天花板之后，計(jì)算力不能再提升了，人工智能的發(fā)展將會(huì)受到什么限制？（比如無(wú)法處理無(wú)人駕駛在現(xiàn)實(shí)中遇到的復(fù)雜場(chǎng)景）那人工智能的發(fā)展趨勢(shì)又會(huì)變成什么樣？
這個(gè)結(jié)論到現(xiàn)在是不成立的，這個(gè)定律在歷史上被質(zhì)問(wèn)過(guò)很多回，好像又到天花板了。我告訴大家?guī)讉€(gè)潛在的提升：
第一，英偉達(dá)的 CEO 黃仁勛提到，GPU 作為未來(lái)算力主要提供者，在未來(lái)的 10 年不用擔(dān)心增長(zhǎng)，GPU 的復(fù)合增長(zhǎng)是很快的，現(xiàn)在不是單 CPU 的時(shí)代了。
第二，現(xiàn)在在工業(yè)計(jì)算領(lǐng)域，全球有些創(chuàng)新企業(yè)在做，用光的特性能把計(jì)算速度再提升千倍左右，現(xiàn)在這個(gè)還在實(shí)驗(yàn)階段，雖然光芯片還沒(méi)有真正的到實(shí)用階段，但是這個(gè)方向本身理論證明還是可行的。
第三，量子計(jì)算，它徹底顛覆了現(xiàn)在我們對(duì)計(jì)算的所有理解，約 50 個(gè)比特的量子的算力可以達(dá)到世界上最大的超級(jí)計(jì)算機(jī)的算力乘以 2，或許非常難理解，但是理論上就是這樣。這是一個(gè)全新的領(lǐng)域，如果量子計(jì)算真的解決了，那人類計(jì)算的未來(lái)什么樣，我們很難想象，那時(shí)候就不是摩爾定律會(huì)打破的問(wèn)題，或許有個(gè)新的定律冒出，計(jì)算幾乎是跟水和空氣一樣，隨便用。
Q2. 神經(jīng)科學(xué)領(lǐng)域認(rèn)為目前的人工智能沒(méi)有實(shí)現(xiàn)真正意義上的 “智能”，而更多的是人工，人工智能近幾年內(nèi)有望實(shí)現(xiàn)真正的智能嗎？
一般來(lái)講，人工智能分為兩個(gè)概念，強(qiáng)人工智能與弱人工智能。
比如在一個(gè)狹窄的垂直領(lǐng)域內(nèi)只做一件事情，比如只會(huì)聊天不會(huì)下棋，或者只會(huì)下棋不會(huì)開(kāi)車，缺乏泛化能力，這叫弱人工智能。強(qiáng)人工智能是指，這個(gè)程序跟人一樣，什么都能學(xué)，什么都學(xué)的會(huì)。
我認(rèn)為中間會(huì)加一層，就是在由弱到強(qiáng)的過(guò)程中的過(guò)渡，叫做常識(shí)人工智能。原來(lái)我認(rèn)為常識(shí)人工智能可能需要 10 年左右，但現(xiàn)在來(lái)看，或許有可能提前，非常值得期待。
Q3. 創(chuàng)業(yè)要有什么準(zhǔn)備？時(shí)間應(yīng)該花在什么地方？到底應(yīng)該準(zhǔn)備什么？
我的想法是：
如果你不打算出國(guó)深造，學(xué)習(xí)這一塊不一定要真的是自己什么都會(huì)，不求甚解是可以的，真正創(chuàng)業(yè)的話，不需要自己碼代碼，自己做算法，但是你沒(méi)有這些基礎(chǔ)知識(shí)，你在做決策的時(shí)候，會(huì)出巨大的問(wèn)題。在學(xué)習(xí)掌握上，你要知道這個(gè)東西能干嗎，但不一定自己能做什么。
至于時(shí)間應(yīng)該花在什么地方？到底應(yīng)該準(zhǔn)備什么？我個(gè)人認(rèn)為，有幾個(gè)點(diǎn)：
第一，多關(guān)注一些創(chuàng)業(yè)動(dòng)態(tài)，嘗試?yán)斫鈩?chuàng)業(yè)前沿的趨勢(shì)。所有的東西都是有時(shí)間窗口的，比如 BAT 三家公司的創(chuàng)始時(shí)間分別是 1998、1999、2000；蘋果和微軟這兩家巨無(wú)霸大公司的創(chuàng)始時(shí)間分別是 1975 年、1976 年。這個(gè)社會(huì)真的是有窗口的，你得去理解這個(gè)事，你也可以去蒙，也可以去分析。
要去理解某個(gè)技術(shù)對(duì)一個(gè)產(chǎn)業(yè)本身是不是根本地解決了一些問(wèn)題，它的能力到底能解決什么東西，有沒(méi)有實(shí)際用途，而不是什么火了就去盲目地做什么，要根據(jù)社會(huì)的發(fā)展，根據(jù)大家對(duì)社會(huì)的觀察理解，學(xué)習(xí)一些東西。
還有最后一件事情，多結(jié)交一些非本系的好朋友。中國(guó)創(chuàng)業(yè)，最難找的就是合伙人，找自己的同宿舍很好，但是你們太像了，找不同的好朋友挺好的。但是最忌諱的是，因?yàn)樯虡I(yè)走到一起，你是做市場(chǎng)的，我是做技術(shù)的，咱們倆一起干，結(jié)果這個(gè)東西大部分是不歡而散，公司也弄得很慘，也不是說(shuō)沒(méi)有成功的，但是相對(duì)比較困難。
因?yàn)橹袊?guó)沒(méi)有職業(yè)經(jīng)理人的這個(gè)概念，創(chuàng)始人本身對(duì)企業(yè)能力是非常強(qiáng)的，這中間會(huì)產(chǎn)生很多的矛盾。這個(gè)矛盾有一個(gè)堅(jiān)實(shí)的信任基礎(chǔ)就好解決，沒(méi)有的話，最后公司會(huì)變得非常難受，因?yàn)閯?chuàng)始人矛盾導(dǎo)致公司分崩離析的案例太多了。大學(xué)的時(shí)候多交幾個(gè)好朋友，尤其是非本系本學(xué)院的，這樣對(duì)你有好處。
聯(lián)系客服
