AI的現狀和未來發展
創新工場董事長兼CEO李開複：人工智能應用的四波浪潮和中國的機遇
在過去五年中，我們看到了深度學習和相關的技術滲透到各個領域，尤其是計算機視覺方面，這就是人工智能的發展。從應用的角度來看，我把人工智能的應用歸納成為四波浪潮，每波浪潮的應用方式都不太一樣。
第一波浪潮——互聯網AI浪潮。比如你每次在淘寶上點擊商品，每次在朋友圈點贊的時候，這些數據都被互聯網巨頭公司收集起來，讓這些公司更深度地了解你，然後為你提供更好、更貼切的服務。同時，公司也能進行變現，這就是互聯網AI。我們每天都像小白鼠一樣，幫助這些互聯網巨頭在标注數據，互聯網的數據量是最大的，所以今天的AI巨頭和互聯網巨頭是成等号的，像美國的Google、Facebook、Amazon引領了第一波浪潮。
第二波浪潮——數據商業化AI浪潮。比如一家銀行可以進行用戶的數據分析，來降低信用卡欺詐和貸款違約風險，或者提高投資回報率，這就是數據商業化的例子，涉及到銀行、投資機構、保險公司等。其實任何有數據的領域都可以把它商業化，比如供應鍊、醫療、學校等，這是第二波數據商業化AI的浪潮。目前大部分AI公司都是做數據商業化AI的工作，這是一個toB的生意。
第三波浪潮——新數據AI浪潮。第三波浪潮就是要收集那些基于視覺、聽覺或者其他傳感器收集來的過去不存在的數據，然後把這些數據變成一個新的應用，甚至是一個新的用戶體驗。比如，各種智能音箱智能語音交互；比如在各種領域裡面的更多攝像頭。再比如，創新工場前台的Face++，它是一個無前台自動運營的機器。我們可以把這樣一個聰明的計算機加傳感器用在各個不同的領域，像無人商店、工廠等等。所以第三波浪潮已經開始來臨，我們會看到更多的傳感器、更多的芯片、更多的攝像頭布置在周圍的各個地方。
第四波浪潮——自主化AI浪潮。自主化、自動化的AI就像我們科幻片裡看到的機器人無人駕駛，還有更聰明的無人飛機等。這個浪潮會徹底颠覆我們的出行習慣，也會颠覆我們今天所有的物流，之後我們的工廠會慢慢變成熄燈工廠、無人工廠，我們的商店會慢慢變成無人商店，所以第四波浪潮帶來的改變是巨大的。第四波浪潮已經有一些初級的應用出來了，像無人駕駛。
這四波浪潮來得非常迅猛，我們每一天都在使用AI，未來會應用得更多。
這四波浪潮給中國帶來了更多的機會，尤其是在互聯網AI上，我們已經占了世界的半壁江山。在視覺方面和傳感器方面的應用，由于我們有海量的數據，發展的速度也非常快。而那些比較深的科技應用，像無人駕駛等還是美國領先，但中國有數據的優勢和強政策推動，所以，将來應該是中國和美國在人工智能領域保持領先。
螞蟻金服科學智囊團主席、加州大學伯克利分校教授MichaelJordan：不要誇大目前的人工智能
在20世紀40年代的時候，我們當時就有了這樣一個學科，并建立了很多的準則和原則，使得我們能夠讓很多化工廠以非常合理的成本來發展。對我們來說，人工智能産業目前的原則并沒有完全的建立，所以體系還沒有全面的形成，不能太誇大現在的人工智能。
我們奢望建立的是智能的自動化系統，其實無人駕駛這些并不是我們最終的目标，包括銀行或者物流，并不是說目标就是實現無人，而是要讓它更好地實現聯接，所以在很多方面，其實人工智能并沒有完全建立起來。我們現在可能在地圖或者其他方面可以實現一些功能，但是在語意或者它背後的背景和引申的含義等方面，這種智能還不存在。
我們要實現整個人工智能，需要整個體系的搭建，而不是單個個體的智能，我們需要每一個體系、每一個系統都達成這種智能，而目前并沒有這樣一個智能網絡。其實在無人駕駛或者無人商店這些領域，需要它自己自主做出決策，并且一些決策可能還是有先後順序和優先級别的，有的還要同時做出多個決策。在真實世界當中，尤其是在經濟、金融、商業方面，我們可能要同時做出幾百個、上千個決策。
因此，我們可以想象一下，有這樣一個提出專家建議的體系，看起來是非常智能的，這個體系能給你推薦看哪本書、看哪部電影等，然後在全世界進行部署。這就像阿裡巴巴、亞馬遜今天做的事情，很多時候，亞馬遜向人們推薦一本書的時候，人們真的感覺非常好，這些AI的技術正在不斷地部署。在手機的應用程序上，它可以給人們推薦很好的餐廳或者是博物館。但是在交通方面，從機場到市區哪條路是不堵的，或者大家都想去投資股票賺錢，如果系統向人們推薦的都是同一個，可能這個體系就會出現問題。我們必須要負起責任，在搭建這樣一個體系的時候，要考慮進去的不是單個的個體智能，而是整個體系和網絡，包括數據、決策，以及可能出現的錯誤。
在這個研究當中，它的一些原則性的東西正在不斷地湧現，但還處于積累的過程當中，有很多概念還需要完善。我們似乎認為人工智能無處不在，但實際上，整個體系還需要時間來建立。我們的目标就是在無人駕駛汽車時，雖然沒有人駕駛，但是它的這種駕駛要真的像人一樣在駕駛，而不是說隻是一個簡單的機器。所以，建立一個自動化的體系真的是不容易的，人們可以用人工智能這樣的一個詞來表述，這沒有問題，但是千萬不要誇大。
Facebook人工智能團隊首席AI科學家、紐約大學教授YannLeCun：機器學習與預測能力
人工智能從學術研究到實際的應用，也有很多東西，要讓它們互相之間搭建起這種體系，的确是很重要的工作。
在Facebook有這樣的一些應用，我們希望搭建起這樣一個體系架構，讓機器有真正的智能，讓人工智能可以很好地、實時地做相關的事情，但是很多技術現在還沒有到位。比如說包括人臉的識别，很多應用已經進行了幾十年的工作，但有些目标還沒有達成。因為機器需要獲取大量的知識，它才能夠真正地實現像人類那樣的智能和智慧，做出許多的預測和判斷，為人類做很多事情。
我們需要有很多基本的原則到位才能建立一個體系，這樣才能真正地達到人類的智能水平。因此，我在演講當中強調了監督式和無監督式的學習。機器要實現人工智能需要有預測能力，它從不同感官的輸入來進行自我的判斷和預測，它需要從全世界獲取相應的數據，類似于人類這樣的嘗試。而監督式的學習，給與機器的信息和數據是非常少的，在培訓機器時候的作用比較有限。在這個過程當中，我們看到人類的區别是很明顯的，這也是可以幫助我們向下一步更好的推進。
AI賦能産業
螞蟻金服科學智囊團主席、加州大學伯克利分校教授MichaelJordan：共同協作，挖掘人工智能的商業價值
人工智能經曆了60年的研究發展，這真的是一個很漫長的曆程。其實很多時候，你想要搭建一個智能的體系，并不需要對人工智能的所有方面都去了解。在整個體系當中，其實人工智能本身隻是一個計算機科學，但還要跟經濟進行關聯，因此，我們需要搭建這樣的一個聯系。
如果在我們的生産者和消費者之間搭建一個體系，這樣一種體系的搭建就生成了經濟的效益。如果我們向所有的人都推薦同樣一個餐廳，那麼，這個餐廳人滿為患，而大家都不想去太擁擠的餐廳，它的價值在哪裡呢？我們的計算機科學怎麼為經濟服務，最好有一個相應的競争關系。
我們建立一個相應的體系，座位是一座一價的方式來競标。比如說，座位是3%的折扣或者是其他或多或少的折扣。在這個過程當中，大家都可以去競價，然後實現相應座位的合理的分配。最後經過這樣的方式餐廳也就有了很好的上座率。我旁邊的競争對手可以看到這個餐廳已經開了，而且裡面已經滿座了。這個時候競争對手想，如果我提供30%的折扣，也許能吸引到相應的客戶來我這裡就餐。
現在我們整個所謂的人工智能體系，并沒有考慮這麼多，它在做推薦的時候，還是有相應的局限。
我還可以舉一些其他的例子，比如說音樂，現在整個音樂市場并不很完善。有各種各樣的人都在做音樂的創作，其中有一些音樂的制作是非常好的，很多人都在聽他的音樂，但是在目前的體系下很多人并不能從音樂制作中賺錢，它并沒有帶來真正的經濟效益，怎麼樣去解決這樣的問題呢？我們可以用人工智能技術，實現技術到市場化的轉變，使它有商業的價值，讓音樂創作的人能夠從中賺錢。我們可以用相應的數據流，分析到底是哪些人在聽。比如說可能我的音樂在深圳很流行，因為那邊的人既喜歡聽我的音樂，又喜歡向他的親朋好友推薦我的音樂，這樣數據就很有價值。既然深圳的人很喜歡聽我的歌，我就去深圳開一個音樂會，我就會很賺錢。我一邊是開車的司機，一邊可以賺錢，我可以把唱歌的愛好實現商業價值的轉化。
通過這樣一些數據分析可以創造很多的商業價值，目前很多問題都沒有經過深思熟慮，這個時候就可以挖掘它們的商業價值，這就是人工智能應該實現的一些功能。因此，為了更好地實現人工智能的價值，讓計算機科學更好地為人類造福，也需要一些商業、經濟方面的人才來跟計算機科學家共同協作，讓人工智能創造出更多的商業價值，探索出更多的無限可能。
Facebook人工智能團隊首席AI科學家、紐約大學教授YannLeCun：沒有任何一家公司或者個人能夠獨自解決人工智能遇到的問題
我之前在ATMT和貝爾實驗室工作過，四年半前，我開始在Facebook公司進行AI研究工作。科技互聯網公司通過開展一些研究，已經可以提前進行這方面的鋪設，但并不是所有的公司都可以做到這一點。對于人工智能而言，目前還有很多問題沒有得到解決，我們必須不斷地去進行研究、去解決問題，讓機器變得更加智能，可以更好地了解人的思想和思維方式。
沒有任何一家公司或者個人能夠自行解決人工智能遇到的問題，而開源研究方面，公司可以非常容易地與大學進行合作，比如我依然保留着學術界的職位。學術界的研究并不都是公司感興趣的研究，但這些研究都是非常互補的，所以我覺得學術界與産業的結合是非常完美的。大家會看到在北美、歐洲、亞洲等地會出現越來越多這樣的結合，科學家們會在企業或者在學術界都擔任職務，這樣可以更好地實現學術界和産業之間的交流，這是現在發生的、非常重要的一種變化。
關于産業界開源的研究，通過這種方式你才可以吸引最好的科學家到你的公司來工作。但是，如果你不告訴科學家你做的是什麼，實際上你就扼殺了科學家的研究。你必須告訴科學家你要做的是什麼，趨勢是什麼，隻有這樣，科學家才會願意到這裡來研究。科學家的職業發展，實際上也會影響到整個人工智能研究的發展方向，所以你必須讓科學家知道你公司正在做的是什麼，隻有這樣，科學家才可能更好地參與這樣的研究。
另外，像Google、Facebook這樣的公司，他們投入了很大的精力做人工智能的研發，對于擴大他們的品牌影響力來說是很好的，也可以吸引更多的工程師人才。通過開源的行業研究可以吸引到更多的人才參與到這裡，這就是他們為什麼投入研究AI的原因。
AI人才計劃
創新工場董事長兼CEO李開複：AI人才培養三步計劃
如果我們分析一下中美之間的優勢和劣勢，我覺得美國在教育方面有非常強的優勢。美國前一百名的大學都設有非常好的AI課程，而在中國國内，雖然有非常優質的計算機人才，如果進入了BAT，他們能學到很好的AI知識。我們要建立起人工智能的金字塔，就必須從基層做起，也就是說，我們需要在大學畢業的時候就有一定的AI基礎，怎麼做這個事情呢？需要分三個步驟：
第一步，由我們創新工場和教育部、北大做一個教師的培訓，這樣不僅僅是中國的前十名大學可以有好的AI課程，中國的前一百甚至幾百名的大學都能夠有AI課程，這樣學生在讀本科的時候就可以接觸到AI領域。
第二步，我們會做一個針對性的培養，對最有潛質成為未來AI金字塔頂尖的人進行培訓，我們會請國際專家和國内專家對這樣的一群人進行幫助指導。
第三步，除了在學校學習的學生，我相信有很多剛開始工作的人，他上大學的時候沒有讀過AI的課程，甚至也沒學過計算機，隻是學理科或者是學文科的，但他們對AI學習研究感興趣。于是我們在公司成立了競賽的平台，2017年有一萬人參加，未來會有幾十萬人參加，這樣我們才能把AI教育做得更普及。
經過這幾個步驟，我們希望那些有興趣學AI的同學們，無論是經過線上或者是線下，校内或者是校外的學習研究，當他們畢業的時候，就已經成長為有一些經驗的AI人才了。