以下是Jerry Kaplan教授的演讲实录.
来自硅谷的问候, 我自己住在加州, 非常非常荣幸能够借英特尔的邀请, 这次来到苏州参加会议, 非常感谢各位的支持, 我深感荣幸, 能够有这样一个机会, 与大家分享一下人工智能引领产业变革. 不管是作为个人还是作为我的企业, 我们与英特尔合作已久, 如果没有英特尔, PC行业的变革甚至根本不会发生, 今天我为大家介绍一下人工智能, 简称AI. 首先让我们确定一下人工智能究竟是什么?然后 让我们再来去介绍一下人工智能的发展历史. 它现在又处在什么样的阶段?在这两大背景了解之后, 我们为大家简单介绍一下AI领域全新的业务机会, 对我们各个行业有什么样的影响. 我想借此机会为大家提供一点建议, 如何更好地将自己的业务与人工智能相融合. 最后, 我也希望聚焦一下中国市场, 中国政府如何能够帮助企业去更好地迎接AI所引发的技术革命.
首先想问大家一个问题, 那就是人工智能究竟是什么?绝大多数人提到人工智能, 我们都会担心, 机器变得太智能了, 甚至会进化出取代人的能力, 会偷掉我们的工作, 导致大量的失业, 它甚至会直接控制整个世界, 为什么会这样想?因为我们在电脑里面看到的, 例如《终结者》. 剩下的太吓人了, 我就不放了. 不管怎么样, 电影里面都是非常让人恐慌的, 但是我觉得人工智能还是非常光明的. 电影里的不见得就真的成为现实, 我们在这些科幻小说还有电影里面的看的实在是超出想象了, 而且是有点过分, 有点想象过度了. 想想今天的机器人, 人类的最有技巧的工程师们, 再对比一下我们所开发出的机器人, 在美国国防部的一些任务上能够实现多么惊人的成绩?大家可以看一下, 这个机器人到底能做什么事情?今天的机器人实在是太蠢了. 但是如果能够对他们进行优化和升级, 他们真的能发展成终结者那样的智慧机器人吗?他们真的能起来反抗人类, 最终统治世界吗?答案是否定的. 因为机器人他们没有自己的欲望, 没有自己的想法, 他们只会去做人类给他们预先设置好的任务. 哪怕是在他们去实现人类预定的这些目标当中, 他们都是按照规定的程式来进行呈现. 再回到最开始的问题, 人工智能的定义究竟是什么?
一个官方的定义是这样的, 研究和开发与模拟人的智能, 比如像视觉感知, 语音识别, 决策和语言翻译, 来执行任务的计算机系统.
但是, 这个定义我觉得其实很不全面, 我们经常会使用计算机做大量的任务, 比人类的效率要高很多, 我们打造的系统, 也是希望能够远远超过人本身的效率, 并不只是简单地照搬人的能力. 人工智能简而言之, 并不是让系统以及设备像人一样思考, 人工智能的本质在我看来, 是自动化, 而并非是智能化, 这是我对人工智能的一个诠释以及理解. 新一代的设备, 总是可以不断地提高人的效率的, 不管是智力还是体力运动, 以及相关的工作都可以获得大幅的提升. 他们在执行这些任务的时候, 要比人类更好, 更快, 而且成本更低. 否则, 那我们开发出来这些设备就没有什么用了嘛, 但是走向未来, 人工智能能够帮助我们做的会更多. 它将会继续实现自动化, 并不仅仅是因为机器更加智能, 而是机器是人类开发出来的非常重要的工具, 它们让人类更加有价值, 让我们从冗杂的程式化的工作当中解放出来.
下面让我们看一下人工智能的发展史, 它从创始到现在出现了怎样的变化, 为什么人工智能会出现这样的变化?
人工智能的发展, 从逻辑推理到机器学习
人工智能实际上是在1956年达特茅斯会议上诞生的, 一些科学家在这次会议期间进行了专门的讨论, 在达特茅斯大学我们见证了这 个人工智能词语的诞生. 这次会议的与会者认为智能背后的关键是逻辑推理, 因此, 在当时那场人工智能奠定基础的会议上, 大家觉得逻辑推理的基础是什么?我们假设孔子是人, 第二点, 所有人都会死, 都是凡人, 这个逻辑放到计算机的程序当中, 利用这样的声明做出一个结论就是孔子会死, 这是非常简单的例子. 这是基于逻辑的方法, 它有很多的应用, 并且当下仍然有很大的影响, 包括给我们正确的驾驶方向; 在仓储中使用这些逻辑的方法进行更好的仓储, 库存的管理, 与此同时, 对于计算机芯片, 来满足它的规格, 也需要这部分的逻辑推理, 英特尔在这样的技术方面也是一个领先者, 领导者. 而在进入到其他的领域, 光靠整个1956年达特茅斯的会议上所提出的这些逻辑推理能力难以解决, 包括话语之间的翻译, 语意理解, 计算机视觉等等这是 其中的几个例子, 问题到底在哪里?这些问题背后究竟有什么共同点? 它背后需要很多的是非常混乱的, 非结构化的真实世界的数据是没有办法得到很好的解释, 包括我们提到的这些声音, 包括很多的图像语意, 因此需要一种不同的方法能够让人工智能来进行更好的发展. 而现在我们也用这个词, 机器学习来代表.
机器学习背后是一系列的应用, 包括软件技术, 包括选择各种不同的使用模型, 案例, 包括大量的事例来提取模型. 对同一领域的数据进行收集, 如果这个体量足够大了, 大到足以找到一些模型, 但是你能够充分地利用那些模型来进行数据预测或者归类, 特别是对于同一领域的新数据的事例进行预测或者分类. 因此在另一方面, 机器学习也是一个非常好的例子, 对于你的未见的未来进行更好的预测, 假设, 机器学习的程序是用来识别图像, 识别对象, 而图像包括不同的猫猫狗狗的照片等, 它能够找到其中的相关性, 这个相关性也许是任何一样东西例如股价的相关性, 他找到这个相关性之后能够用来做股票, 包括证券的销售等等. 大家是这方面的专家, 大家知道了逻辑推理和机器学习是两种不同的人工智能领域, 不同的两条路.
但是又有一个问题出现了, 逻辑推理为什么在过去的几十年里如此风靡全球, 现在反而机器学习变得大行其道呢?如果要说它背后简单的答案, 也许是有不同的存储, 网络, 计算, 数据正在发生深远的变革. 他们变化的体量不是一点点, 也不是许多, 我想说这个词, 是一个巨大的天量的海量的变化, 而这样的变化也是让许多可能变得有更多的无限的可能. 回顾过去的几十年的发展, 在速度和内存上面差不多每一年提一倍, 它的能力就能翻一番, 这意味着当下的计算机, 现在的能力比过去的三十年里, 应该是翻了二十多倍, 如果看到他的指数, 是2的20次方, 产生的体量应该是超过1百万了, 因此甚至超越了我们直觉的分析和知识, 来理解这巨大的海量, 一百万代表的是速度方面, 就是我们一个蜗牛的步行的速度和一个航天飞机, 如果把它放到同一个阶数下面, 他们的差别是多少?50万. 再看苹果手表, 苹果手表它的计算能力和传统的美国之前的航天项目, 这是最早的, 比1965年登月时候的计算能力要大得多, 同样发生变化的也包括数位化的数据, 所发生的体量也是海量巨大的.
这为什么改变了整个人工智能的发展方向和方法呢?首先第一种方法, 人工智能当中的推理法, 他只要少量的数据就能够完成很多的工作, 只要输入端很少的事实, 能够有很好的推理和演绎, 得出很多有用的用户案例, 而这对于我们现存的技术, 特别是对于20, 30年当时现成的技术而言, 这种方法无疑是有效的. 对比一下, 30年之前, 计算机, 或者说机器学习的算法还缺少数据, 就算有这部分的数据, 它背后的存储处理能力, 在当时也是会限制能够发展的方向和速度. 因此, 再回到20, 30年之前, 这是为什么逻辑推算是主导.
而在那个时候, 人们并不非常关心机器学习, 随着时间的推移, 情况发生了逆转. 机器学习它能够带来的是非常混乱的, 非结构化的真实世界当中的问题, 因为数据量变得大了很多. 他需要大量的计算能力, 需要很强的云存储能力, 而且需要更大量的数据, 数据越多, 结果越好, 越准, 因此, 机器学习是一个非常非常好的一种匹配, 特别是在 一个数据密度非常高的世界当中, 而且是在我们即将进入5G的万物互联的时代. 这是人工智能的发展史.
人工智能一些重要的行业应用
我们也看到了一系列的新的不同的应用, 和人工智能息息相关, 但重要的是, 我们也需要了解这些推动人工智能发展的核心技术, 他们背后有很多的共同点, 可以说所有的和AI有关的应用, 无论是自动驾驶汽车, 还是产品推荐引擎, 或者其他的, 诸如防止我们受到网络攻击的网络安全算法和技术, 其实是代表着数据的收集. 有的时候, 这些数据是来自传统的数据库, 这些传统的数据库有很多的交易, 可能有很多的记录. 有的时候, 这些数据或者数据的洪流是来自实时的像摄头, 麦克风或者是物联网这样的设备终端. 在这里, 机器学习对于业界人士, 商界人士意味着什么?这是取决于你所在的细分产业, 人工智能通过机器学习有很广泛的运用, 我给大家选择其中几个.
首先是非常显而易见的, 也就是代表着新一代的机器人, 它能够在有人存在的空间当中, 配合人类协同工作, 安全工作, 他们其实在工厂当中已经开始得到了使用, 做一些比较重复的, 简单的操作. 之所以这样, 是因为我们现在大部分的机器人对环境的感知能力是有限的, 没有办法达到很强的适应能力, 因此只能在一些管控严密的环境下应用. 但是随着人工智能的引入, 我们现在能够给机器人一个相当于人的眼和耳, 它能够有很强的感知能力, 并且和周围的环境做出相互的作用和反应, 甚至像一些人和动物做出反应一样. 这些新一代的柔性机器人有能力在真实世界环境当中和人一起协同操作, 因为他们有很强的自适应能力, 对于周围的环境有很强的自适应和反应能力. 包括制造业, 施工业, 交通业, 这些行业将由新一代的柔性机器人进行颠覆性的变化. 对于自动驾驶汽车, Sandra Rivera所讲到的, 也是这一代的新的柔性机器人的新的代表, 这是其中的一个例子. 接下来这段视频当中我们能够看到左边是驾驶员人的视角, 右边是车载传感器和车载摄象头看到的, 你在开的路上, 如果有人出现他会自动停下来. 对于自动驾驶汽车, 在整个应用行业的领域当中是非常显而易见的, 但是非常重要的一点是什么?我觉得在这里是自动驾驶的卡车或者车队非常的重要. 在高速公路上, 其实它的情况和条件也许比在非常 繁忙的城市道路当中简单得多, 规则化. 因此自动驾驶卡车在高速公路上的使用也许比在城市道路上, 在我们周围的社区上所驾驶的自动驾驶汽车更早的到来. 这是美国的例子, 自动驾驶汽车, 后面是运啤酒的, 在100万英里的运输当中, 他没有人类驾驶员的干预, 这个人类的观察员, 这个乘客能够在边开边喝啤酒, 他不是自己在驾驶. 背后我们能够看到它释放了驾驶员本身, 而且它所带来的成本也更低, 它能够实现几乎每一件货物的运输装运.
接下来我们继续分享柔性机器人如何变革工厂的. 考虑一下当下的工厂或者车间, 如果你的部件设备没有在合适的时间出现在合适的位置, 结果无疑是灾难性的. 原因很简单, 因为现在大部分的机器没有能力感知周围的环境, 对变化做出快速的自适应的响应, 但是柔性机器人却能够感知周围的环境, 能够以新的方式, 不同的方式来 做出自适应的调整. 越来越多的工厂, 相互内容, 会非常的复杂, 而且它能够有和人类的思考一样相互交织的作用. 在这里以汽车总装厂为例, 根据部件所在的位置, 以及各种不同的变量来使用这些工具, 转换器, 来进行更好的感知和柔性化的生产. 所有工厂的这种变革会不断地发生, 我们在设计的时候也是想要去模仿, 也就是如果那里是人而不是机器的话他们会怎样操作, 这是我们最早模仿的思路. 过去的装配线, 这些组织都是我们想要从 100年之前, 当时是亨利福特, 他是汽车产业的发明人, 缔造者, 福特产业的缔造者. 在那个时候, 汽车装配线就是像这张图上的, 这个装配图上由一个工位到另外一个工位, 每个工位上面有一个装配专家执行他们的任务, 这 些工人他必须要知道在哪个工位在什么时候安装, 另外有管理人员, 要检查装配线, 要到这里看看, 到那里看看, 看看有什么样问题, 在这里每一个工序当中都是根据不同的工位独立开, 大家都是能够看得到, 都是对外的, 能够看到发生怎样的情况, 现在大部分的人工的操作都是由机器取代, 这是现代化的装配线, 它是模仿之前的人类的操作, 这个像我们一个世纪之前亨利福特所做的是类似的, 现在不只是说有一个人, 要有一个非常专业的能力, 也需要有设备, 有柔性机器人在具体特别的地点和场景做一些特别的任务, 事实上如果通过AI的引入, AI 的程序, 能够使用这些机器人他能够动起来, 不仅仅是固定在那个工位做这个事, 他能够在设备中之间进行移动, 如果发现问题, 其他的设备还是能够独立的继续他的操作. 不受其中的一部分的影响. 那如果再放到更为复杂, 但是非常非常高效的一个组织, 我们可以考虑一下亚马逊, 亚马逊也是在美国最大的电商, 零售商, 他们也开始把这样的使用机器人自动化的仓库. 在一个经典的传统的仓库当中, 货物都是放在一起, 要找到它, 必须要非常清楚, 分门别类怎么放, 但是现在最新的亚马逊的仓库当中, 这些不同的事物相互之间可能更多的会放到, 这一部分经常会发货的发货区. 可能看起来非常乱, 因为他们有不同的形状, 不同的堆叠的方式, 不同的数量, 由人来管真的很难, 但是使用AI的这些设备, 可以通过一组柔性机器人的大军能够实现快速的实现货物的进出, 它大大提高我们的工作的效率, 在未来和当下已经真的在仓库里只剩机器人, 他能够带来高度自动化的这些工厂, 他将是制造业的未来. 能够把人工智能的技术充分得到使用. 因此, 这些工厂就算和现在的现代化的自动化的工厂相比, 仍将有巨大的不同, 它能够在不同的设备之间, 在不同的阶段, 包括使用这些传感器, 包括搭载传感器的智能机器人大军来做个工作, 他们有自己识别的能力, 能够及时的在需要的位置实现货物的运输, 交付, 移动. 因此, 柔性机器人的使用, 将是非常广泛的, 它将在建筑施工行业结合人工智能的技术也能够发挥出非常巨大的作用. 这里是砌砖的人, 机器人, 特别是能够感知周围环境的机器人, 能够非常精确地来砌砖, 建造一座座非常坚固的墙, 而且它的定位, 每一个位置是如此的精准.
还有一些其他的人工智能的应用是和客服有关. 我们知道, 这里会影响到我们很多人, 我选择其中一个, 金融服 务业为例. 我们知道, 金融服务行业有一个很大的挑战, 如何快速高效响应客户的问题和需求, 但是在未来几年, 我们非常有可能, 会有一场特别的对话, 机器投顾能够回答客户提出的关于金融理财方面的要求, 带来非常先进的自然语言处理, 包括语意识别, 语言的识别. 也许通过您说出来的话, 进行语音声音的识别, 您说出来的自然语音的处理, 也是有高度的自动聊天机器人的引入在背后, 能够处理的应对的是非常复杂的客户的问题, 包括一些智能聊天机器人在微信上已经得到了使用. 但是它发展的自动化的速度, 成熟化的速度可以通过人工智能的技术的引入而变得更高.
另外, 也许由AI所驱动的, 让我们感到非常激动和振奋的技术就是AR增强现实领域. 这对于AR眼镜中它带来的是半透明的图像, 戴上这种眼镜, 它能够扫描你周围的环境, 他能够引入的是一个得到非常好的渲染的高清地图, 增强现实技术, 将带来的是游戏的未来. 新一代的游戏会和你周围的物体对象进行高度的集成, 而这里是一个最近微软的一个展示, 这里是他们戴上这个眼镜后看到的情景, 它背后是真实的环境, 也就是你所在的环境, 在这里, 他戴上这个眼镜之后, 他能够和你周围所在的墙壁之间有很好的互动的作用, 甚至家里虽有真实的家具, 但是这个游戏玩起来就好像身临其境, 在那个游戏环境当中, 可能个人还觉得有点挺恐怖的.
不仅是这样的行业, AI最为深远变革的是大医疗产业, 在这里能够帮助的是患者, 医生, 它甚至能够在一定程度上取代医生, 我们可能也会想, 因为在这里是非常专科专业的工作, 看起来 要对他们的工作进行自动化是很难, 情况并非如此. 我们举个例子, 对于影像学的医生, 影像学科的医生大部分的时间就是看片子, 像X光片, MRI, CT的扫描, 他们花很多年的学习去解释, 去学习如何看片子, 看这个黑点是良性的还是存在的肿瘤癌症, 只有影像学的专家能够做出这样的决定. 然而这一点非常的重要和相关, 因为我们知道癌症是中国死亡率背后非常重要的原因, 在美国同样也是如此, 而在这里影像学, 放射学的医生, 他们所提到的这个一天可能一年, 有60多万人死于这个疾病. 包括CT扫描的医生, 他们是否能够很好地诊断是不是存在癌症很关键, 我想说无论是在中国还是在美国, 我们非常非常缺少符合资质的影像学医生, 因此他们的工作量太大, 他们有可能, 现在的一些人可能因为技术上的问题甚至还会有误诊, 包括在美国. 但是, 如果他们利用机器学习, 快速诊断很多癌症和其他的疾病, 这是通过影像科医生来做的工作. 这项技术在很多中国的医院还有诊所已经被大幅度的采纳了. 健康行业的变革, 并不仅仅出现在刚才介绍的那一领域, 我们衡量健康管理的方法也会出现巨大的变化, 大家都知道物联网是什么东西, 但是大家可能没有想到的就是我们自己也是那个物品当中的一种. 有越来越多的传感器将会被佩戴在我们的身上, 这些传感器会实时检测我们的健康问题和隐患, 如果出现问题, 会立刻向大家发出信号, 或直接通知你的医生, 在未来并不仅仅是设备, 甚至我们的身体也能够联到互联网之上, 今天的健康行业是要在消费者需要的时候去主动找他们. 在你感觉到病的时候, 你去见医生, 这是现在的一套流程, 但是在未来, 情况会发生变化, 我们将会出现全新的服务供应商, 我们可以实时追踪你的身体健康状态, 通过这种预测的分析能力, 我们可以直接识别潜在的一些健康隐患. 这些服务供应商, 就可以针对你的健康状况进行个性化的调整, 例如你的心跳很快, 你得休息一下, 或者给你更加个性化的治疗方案. 比如说你可不可以再多吃个西瓜当甜点, 或者不能再吃了. 他可以更好地检测病人, 督促你赶紧吃药, 或者在你的症状变得更严重的时候, 比如可能会爆发心脏病了, 这些都是我们在医疗领域可以去做到的. 病人以及医学专家们的关系将会出现巨大的变化, 这会极大颠覆现在医疗行业的服务模式, 我们将有更加精彩的医疗行业.
在我演讲的最后部分, 我想为大家介绍我个人觉得最有期待的领域之一, 那就是人工智能在零售业当中的应用, 它将会多大的程度上颠覆零售服装销售行业. 其实在服装零售行业, 最大的问题就是很多人的品位比较差, 买的衣服很丑, 不管你自己意不意识到这一点, 所以他也知道自己的这个问题, 所以说在接受朋友的看法之前, 我是不敢买这件看起来还不错的衣服的. 当然, 你的朋友或者说是销售, 他们提出的建议也不见得就真的很好. 这些消费者希望能够有一个时尚的专家能够给我有用的看法, 一个全新的人工智能应用就已经搭载到了亚马逊之上. 你要怎么去使用它呢?你可以去试试不同的衣服, 给自己拍个自拍, 然后把这些自拍上传到这个应用上, 这个应用就会告诉你, 哪件衣服让你看起来更漂亮, 大家也许会觉得是天方夜谭, 估计也没有什么用, 但是按照我们实际的测试结果, 我们发现, 应用的计算比那些时尚专家给你的意见有过之而无不及.
这可以说是零售行业巨大的变革, 任何人都可以获得时尚专家的建议, 他们也可以更加自信地去购买自己青睐的服装产品. 这是一个非常简单的方式, 把人工智能与零售业进行结合, 但是我觉得它非常有意思, 也将会颠覆我们的生活方式. 人工智能并不仅仅会改变现有行业, 它也不断地去催生新的业务领域. 我想也最后花一点点时间, 为大家看一下未来可能会出现的创新设备, 它如何会彻底地改变我们的生活方式?
今天现有的设备, 需要我们全部的注意力放在这个设备本身之上, 我觉得这不是一个好的交互方式, 在未来的设备上, 我们会解决这一问题设备会变得更加进入式, 变得更加不可见, 更加隐藏, 我们会戴着这种非常小的耳机, 或者这种透明的隐形眼镜, 甚至是这种设备可以直接与隐形眼镜相整合, 它不会干扰我们的日常生活, 它们会在背后随时提供相关的服务, 这种未来的计算设备将会极大地去改善我们与环境的沟通与交流方式. 这些全新的声音界面已经搭载到现有的设备当中了, 它可以给我们提供非常有用的信息, 包括你在路上该转弯了, 或者收到一封邮件等等, 除此之外它们可以做得更多, 他们可以成为电子化的个人助理, 他会在你耳朵边告诉你该干嘛, 比如说不要忘记带钥匙, 他在餐桌的餐巾下面, 或者你已经3天没有理你的老婆了, 该做点什么事情让她高兴了. 比如说你的血压有点高, 你下午该去散散步了. 再看一下你的隐形眼镜, 你的隐形眼镜将会变得更加棒. 假设我们在去开一场会, 你的眼睛上会自动地识别对面的每一个人, 每一个人, 不需要在桌子上摆那么长的名牌来做介绍了. 它也可以成为非常好的生活助理. 它会自动地告诉你, 你对面坐的这个人会有什么样的兴趣爱好, 比如说它喜欢骑车, 然后这位男士的女儿是你的同学, 然后他去年给你发了生日祝福, 你今天可以对他表示一些感谢.
除此之外, 这些个人助理也可以帮助我们更加擅长体育赛事, 告 诉你这个网球是飞到什么地方, 它的轨迹是哪里, 告诉你你该出去晚 餐了, 它甚至会影响我们的亲密生活.
人工智能如何更好的结合行业应用?
下面我也想为大家提供一点建议, 如何让 AI 与自己的业务进行 更加完美的融合?毋庸置疑, 机器学习就是提取有效信息的一种方式, 可以在数据的汪洋中找到真正对自己有效有价值的数据, 但是把它应用到自己的公司的应用场景也是另外一个重要的环节, 为了做到这一点, 我们必须要在大量的数据当中进行搜寻, 你的数据量越大, 你的机器学习的应用就会更加成功. 它能够给你带来的价值就会更加明显. 我们可能有很多各种类型的摄像头, 你的仓库, 银行的柜台, 绝大多数的摄像头都是用于安防的, 这些收集到的大部分的数据其实都已经是浪费了. 我们可以使用这些数据, 去分析客户的行为, 可以去直接的告诉员工应该到哪里去服务客户, 也可以大量地节省能源, 节省资源的浪费, 简而言之, 机器学习能够让摄像头这类设备收集到的数据发挥它的最大的价值, 也可以更好地为客户实现个性化的服务, 数据的确就是未来的石油.
除此之外我对大家的第二个建议, 要保持谨慎, 精心选择, 我们不要浅尝辄止, 但是一开始一定要做非常好的试点, 人工智能并不是一个万能灵药, 我们要花一点时间看一下这个技术如何进行更加深入的融合, 人工智能必须要提高自己的投资回报率, 我们要做的并不仅仅是吸引眼球而已. 我建议大家, 先从一些潜在的应用环境去做测试, 打造一些原型, 去看一下他们能够带来什么样的价值, 然后再选择是否进行大规模的扩展.
最后给大家的建议, 就是不要太着急了. 如果过分着急的话, 你可能会忽视这背后可能会存在的问题, 现在人工智能领域的专家以及人才还是比较少的, 但是未来这会得到很大的改观, 我们也将会开发更多的软件工具, 让AI系统的部署变得更加简单. 甚至在我们今天的会议室, 就有类似这些设备还有技术的存在, 在未来, 新的机器将会需要更好的训练就能够实现同样的人工智能效率. 现在很多设备都是非常昂贵的, 但是成本将会快速的下降, 我们人才的问题也将会得到解决. 工具也将会变得更加成熟, 更加的普遍可用.
对中国发展人工智能的几点建议
最后为大家介绍一下中国市场对AI如何做好准备, 而中国政府如何能够去迎接AI革命?
中国有着非常好的潜力成为AI领域的领先国家. 中国巨大的一个优势, 就是能够实现非常好的协同, 大家都能够朝一个同样的目标去努力. 但是, 中国实在是太大了, 数据非常的多, 如何进行数据以及机器系统的训练就变得关键. 通过政府的支持, 我们可以更好地去鼓励数据的共享, 去把这种大型的数据库进行聚合, 这是中国可以考虑的一种方法, 能够在AI数据的使用上掌握非常领先的技术优势. 政府也可以提供其他的帮助, 我们可以优化现有的基础设施和法律法规, 也许AI企业去加速试点自己的AI设备以及应用, 很多基础设施并不符合未来的变化, 同时, 像智慧交通, 我们要为未来的自动驾驶和自动出租车做好准备. 在未来我们在路上交通的设计也要符合现代化的生活方式, 人行道以及机器人的道路必须要分离, 这样双方不会产生冲突.
最后简单做一个小结. 我坚信人工智能将会让我们的未来更加的光明. 简而言之, 更加柔性的设备将会去承担人类那些体力工作以及更加程式化的工作, 它将会让人的智力在未来更加宝贵和有价值, 除此之外, 人工智能也将会帮助我们更好地应对挑战. 在这一数字化的世界当中从中受益. 它也可以自动向我们寻找最有价值的信息, 帮助我们做出更加正确的决定. 尽管如此, 归根到底, 美好的未来还是要由人来亲手创造的, 机器只是实现的重要工具, 如何使用这些技术全靠我们, 我也非常期待看到那一天的到来, 希望我们大家共同集思广益, 找到更加创新的方式, 去使用人工智能来服务我们的工作, 打造一个更加美好的世界.