以下是Jerry Kaplan教授的演講實錄.
來自矽谷的問候, 我自己住在加州, 非常非常榮幸能夠借英特爾的邀請, 這次來到蘇州參加會議, 非常感謝各位的支援, 我深感榮幸, 能夠有這樣一個機會, 與大家分享一下人工智慧引領產業變革. 不管是作為個人還是作為我的企業, 我們與英特爾合作已久, 如果沒有英特爾, PC行業的變革甚至根本不會發生, 今天我為大家介紹一下人工智慧, 簡稱AI. 首先讓我們確定一下人工智慧究竟是什麼?然後 讓我們再來去介紹一下人工智慧的發展曆史. 它現在又處在什麼樣的階段?在這兩大背景了解之後, 我們為大家簡單介紹一下AI領域全新的業務機會, 對我們各個行業有什麼樣的影響. 我想藉此機會為大家提供一點建議, 如何更好地將自己的業務與人工智慧相融合. 最後, 我也希望聚焦一下中國市場, 中國政府如何能夠幫助企業去更好地迎接AI所引發的技術革命.
首先想問大家一個問題, 那就是人工智慧究竟是什麼?絕大多數人提到人工智慧, 我們都會擔心, 機器變得太智能了, 甚至會進化出取代人的能力, 會偷掉我們的工作, 導致大量的失業, 它甚至會直接控制整個世界, 為什麼會這樣想?因為我們在電腦裡面看到的, 例如《終結者》. 剩下的太嚇人了, 我就不放了. 不管怎麼樣, 電影裡面都是非常讓人恐慌的, 但是我覺得人工智慧還是非常光明的. 電影裡的不見得就真的成為現實, 我們在這些科幻小說還有電影裡面的看的實在是超出想象了, 而且是有點過分, 有點想象過度了. 想想今天的機器人, 人類的最有技巧的工程師們, 再對比一下我們所開發出的機器人, 在美國國防部的一些任務上能夠實現多麼驚人的成績?大家可以看一下, 這個機器人到底能做什麼事情?今天的機器人實在是太蠢了. 但是如果能夠對他們進行優化和升級, 他們真的能發展成終結者那樣的智慧機器人嗎?他們真的能起來反抗人類, 最終統治世界嗎?答案是否定的. 因為機器人他們沒有自己的慾望, 沒有自己的想法, 他們只會去做人類給他們預先設置好的任務. 哪怕是在他們去實現人類預定的這些目標當中, 他們都是按照規定的程式來進行呈現. 再回到最開始的問題, 人工智慧的定義究竟是什麼?
一個官方的定義是這樣的, 研究和開發與類比人的智能, 比如像視覺感知, 語音識別, 決策和語言翻譯, 來執行任務的計算機系統.
但是, 這個定義我覺得其實很不全面, 我們經常會使用計算機做大量的任務, 比人類的效率要高很多, 我們打造的系統, 也是希望能夠遠遠超過人本身的效率, 並不只是簡單地照搬人的能力. 人工智慧簡而言之, 並不是讓系統以及設備像人一樣思考, 人工智慧的本質在我看來, 是自動化, 而並非是智能化, 這是我對人工智慧的一個詮釋以及理解. 新一代的設備, 總是可以不斷地提高人的效率的, 不管是智力還是體力運動, 以及相關的工作都可以獲得大幅的提升. 他們在執行這些任務的時候, 要比人類更好, 更快, 而且成本更低. 否則, 那我們開發出來這些設備就沒有什麼用了嘛, 但是走向未來, 人工智慧能夠幫助我們做的會更多. 它將會繼續實現自動化, 並不僅僅是因為機器更加智能, 而是機器是人類開發出來的非常重要的工具, 它們讓人類更加有價值, 讓我們從冗雜的程式化的工作當中解放出來.
下面讓我們看一下人工智慧的發展史, 它從創始到現在出現了怎樣的變化, 為什麼人工智慧會出現這樣的變化?
人工智慧的發展, 從邏輯推理到機器學習
人工智慧實際上是在1956年達特茅斯會議上誕生的, 一些科學家在這次會議期間進行了專門的討論, 在達特茅斯大學我們見證了這 個人工智慧詞語的誕生. 這次會議的與會者認為智能背後的關鍵是邏輯推理, 因此, 在當時那場人工智慧奠定基礎的會議上, 大家覺得邏輯推理的基礎是什麼?我們假設孔子是人, 第二點, 所有人都會死, 都是凡人, 這個邏輯放到計算機的程序當中, 利用這樣的聲明做出一個結論就是孔子會死, 這是非常簡單的例子. 這是基於邏輯的方法, 它有很多的應用, 並且當下仍然有很大的影響, 包括給我們正確的駕駛方向; 在倉儲中使用這些邏輯的方法進行更好的倉儲, 庫存的管理, 與此同時, 對於計算機晶片, 來滿足它的規格, 也需要這部分的邏輯推理, 英特爾在這樣的技術方面也是一個領先者, 領導者. 而在進入到其他的領域, 光靠整個1956年達特茅斯的會議上所提出的這些邏輯推理能力難以解決, 包括話語之間的翻譯, 語意理解, 計算機視覺等等這是 其中的幾個例子, 問題到底在哪裡?這些問題背後究竟有什麼共同點? 它背後需要很多的是非常混亂的, 非結構化的真實世界的數據是沒有辦法得到很好的解釋, 包括我們提到的這些聲音, 包括很多的映像語意, 因此需要一種不同的方法能夠讓人工智慧來進行更好的發展. 而現在我們也用這個詞, 機器學習來代表.
機器學習背後是一系列的應用, 包括軟體技術, 包括選擇各種不同的使用模型, 案例, 包括大量的事例來提取模型. 對同一領域的數據進行收集, 如果這個體量足夠大了, 大到足以找到一些模型, 但是你能夠充分地利用那些模型來進行數據預測或者歸類, 特別是對於同一領域的新數據的事例進行預測或者分類. 因此在另一方面, 機器學習也是一個非常好的例子, 對於你的未見的未來進行更好的預測, 假設, 機器學習的程序是用來識別映像, 識別對象, 而映像包括不同的貓貓狗狗的照片等, 它能夠找到其中的相關性, 這個相關性也許是任何一樣東西例如股價的相關性, 他找到這個相關性之後能夠用來做股票, 包括證券的銷售等等. 大家是這方面的專家, 大家知道了邏輯推理和機器學習是兩種不同的人工智慧領域, 不同的兩條路.
但是又有一個問題出現了, 邏輯推理為什麼在過去的幾十年裡如此風靡全球, 現在反而機器學習變得大行其道呢?如果要說它背後簡單的答案, 也許是有不同的存儲, 網路, 計算, 數據正在發生深遠的變革. 他們變化的體量不是一點點, 也不是許多, 我想說這個詞, 是一個巨大的天量的海量的變化, 而這樣的變化也是讓許多可能變得有更多的無限的可能. 回顧過去的幾十年的發展, 在速度和記憶體上面差不多每一年提一倍, 它的能力就能翻一番, 這意味著當下的計算機, 現在的能力比過去的三十年裡, 應該是翻了二十多倍, 如果看到他的指數, 是2的20次方, 產生的體量應該是超過1百萬了, 因此甚至超越了我們直覺的分析和知識, 來理解這巨大的海量, 一百萬代表的是速度方面, 就是我們一個蝸牛的步行的速度和一個太空梭, 如果把它放到同一個階數下面, 他們的差別是多少?50萬. 再看蘋果手錶, 蘋果手錶它的計算能力和傳統的美國之前的航天項目, 這是最早的, 比1965年登月時候的計算能力要大得多, 同樣發生變化的也包括數位化的數據, 所發生的體量也是海量巨大的.
這為什麼改變了整個人工智慧的發展方向和方法呢?首先第一種方法, 人工智慧當中的推理法, 他只要少量的數據就能夠完成很多的工作, 只要輸入端很少的事實, 能夠有很好的推理和演繹, 得出很多有用的用戶案例, 而這對於我們現存的技術, 特別是對於20, 30年當時現成的技術而言, 這種方法無疑是有效的. 對比一下, 30年之前, 計算機, 或者說機器學習的演算法還缺少數據, 就算有這部分的數據, 它背後的存儲處理能力, 在當時也是會限制能夠發展的方向和速度. 因此, 再回到20, 30年之前, 這是為什麼邏輯推算是主導.
而在那個時候, 人們並不非常關心機器學習, 隨著時間的推移, 情況發生了逆轉. 機器學習它能夠帶來的是非常混亂的, 非結構化的真實世界當中的問題, 因為數據量變得大了很多. 他需要大量的計算能力, 需要很強的雲存儲能力, 而且需要更大量的數據, 數據越多, 結果越好, 越准, 因此, 機器學習是一個非常非常好的一種匹配, 特別是在 一個數據密度非常高的世界當中, 而且是在我們即將進入5G的萬物互聯的時代. 這是人工智慧的發展史.
人工智慧一些重要的行業應用
我們也看到了一系列的新的不同的應用, 和人工智慧息息相關, 但重要的是, 我們也需要了解這些推動人工智慧發展的核心技術, 他們背後有很多的共同點, 可以說所有的和AI有關的應用, 無論是自動駕駛汽車, 還是產品推薦引擎, 或者其他的, 諸如防止我們受到網路攻擊的網路安全演算法和技術, 其實是代表著數據的收集. 有的時候, 這些數據是來自傳統的資料庫, 這些傳統的資料庫有很多的交易, 可能有很多的記錄. 有的時候, 這些數據或者數據的洪流是來自即時的像攝頭, 麥克風或者是物聯網這樣的設備終端. 在這裡, 機器學習對於業界人士, 商界人士意味著什麼?這是取決於你所在的細分產業, 人工智慧通過機器學習有很廣泛的運用, 我給大家選擇其中幾個.
首先是非常顯而易見的, 也就是代表著新一代的機器人, 它能夠在有人存在的空間當中, 配合人類協同工作, 安全工作, 他們其實在工廠當中已經開始得到了使用, 做一些比較重複的, 簡單的操作. 之所以這樣, 是因為我們現在大部分的機器人對環境的感知能力是有限的, 沒有辦法達到很強的適應能力, 因此只能在一些管控嚴密的環境下應用. 但是隨著人工智慧的引入, 我們現在能夠給機器人一個相當於人的眼和耳, 它能夠有很強的感知能力, 並且和周圍的環境做出相互的作用和反應, 甚至像一些人和動物做出反應一樣. 這些新一代的柔性機器人有能力在真實世界環境當中和人一起協同操作, 因為他們有很強的自適應能力, 對於周圍的環境有很強的自適應和反應能力. 包括製造業, 施工業, 交通業, 這些行業將由新一代的柔性機器人進行顛覆性的變化. 對於自動駕駛汽車, Sandra Rivera所講到的, 也是這一代的新的柔性機器人的新的代表, 這是其中的一個例子. 接下來這段視頻當中我們能夠看到左邊是駕駛員人的視角, 右邊是車載感測器和車載攝象頭看到的, 你在開的路上, 如果有人出現他會自動停下來. 對於自動駕駛汽車, 在整個應用行業的領域當中是非常顯而易見的, 但是非常重要的一點是什麼?我覺得在這裡是自動駕駛的卡車或者車隊非常的重要. 在高速公路上, 其實它的情況和條件也許比在非常 繁忙的城市道路當中簡單得多, 規則化. 因此自動駕駛卡車在高速公路上的使用也許比在城市道路上, 在我們周圍的社區上所駕駛的自動駕駛汽車更早的到來. 這是美國的例子, 自動駕駛汽車, 後面是運啤酒的, 在100萬英裡的運輸當中, 他沒有人類駕駛員的幹預, 這個人類的觀察員, 這個乘客能夠在邊開邊喝啤酒, 他不是自己在駕駛. 背後我們能夠看到它釋放了駕駛員本身, 而且它所帶來的成本也更低, 它能夠實現幾乎每一件貨物的運輸裝運.
接下來我們繼續分享柔性機器人如何變革工廠的. 考慮一下當下的工廠或者車間, 如果你的部件設備沒有在合適的時間出現在合適的位置, 結果無疑是災難性的. 原因很簡單, 因為現在大部分的機器沒有能力感知周圍的環境, 對變化做出快速的自適應的響應, 但是柔性機器人卻能夠感知周圍的環境, 能夠以新的方式, 不同的方式來 做出自適應的調整. 越來越多的工廠, 相互內容, 會非常的複雜, 而且它能夠有和人類的思考一樣相互交織的作用. 在這裡以汽車總裝廠為例, 根據部件所在的位置, 以及各種不同的變數來使用這些工具, 轉換器, 來進行更好的感知和柔性化的生產. 所有工廠的這種變革會不斷地發生, 我們在設計的時候也是想要去模仿, 也就是如果那裡是人而不是機器的話他們會怎樣操作, 這是我們最早模仿的思路. 過去的裝配線, 這些組織都是我們想要從 100年之前, 當時是亨利福特, 他是汽車產業的發明人, 締造者, 福特產業的締造者. 在那個時候, 汽車裝配線就是像這張圖上的, 這個裝配圖上由一個工位到另外一個工位, 每個工位上面有一個裝配專家執行他們的任務, 這 些工人他必須要知道在哪個工位在什麼時候安裝, 另外有管理人員, 要檢查裝配線, 要到這裡看看, 到那裡看看, 看看有什麼樣問題, 在這裡每一個工序當中都是根據不同的工位獨立開, 大家都是能夠看得到, 都是對外的, 能夠看到發生怎樣的情況, 現在大部分的人工的操作都是由機器取代, 這是現代化的裝配線, 它是模仿之前的人類的操作, 這個像我們一個世紀之前亨利福特所做的是類似的, 現在不只是說有一個人, 要有一個非常專業的能力, 也需要有設備, 有柔性機器人在具體特別的地點和場景做一些特別的任務, 事實上如果通過AI的引入, AI 的程序, 能夠使用這些機器人他能夠動起來, 不僅僅是固定在那個工位做這個事, 他能夠在設備中之間進行移動, 如果發現問題, 其他的設備還是能夠獨立的繼續他的操作. 不受其中的一部分的影響. 那如果再放到更為複雜, 但是非常非常高效的一個組織, 我們可以考慮一下亞馬遜, 亞馬遜也是在美國最大的電商, 零售商, 他們也開始把這樣的使用機器人自動化的倉庫. 在一個經典的傳統的倉庫當中, 貨物都是放在一起, 要找到它, 必須要非常清楚, 分門別類怎麼放, 但是現在最新的亞馬遜的倉庫當中, 這些不同的事物相互之間可能更多的會放到, 這一部分經常會發貨的發貨區. 可能看起來非常亂, 因為他們有不同的形狀, 不同的堆疊的方式, 不同的數量, 由人來管真的很難, 但是使用AI的這些設備, 可以通過一組柔性機器人的大軍能夠實現快速的實現貨物的進出, 它大大提高我們的工作的效率, 在未來和當下已經真的在倉庫裡只剩機器人, 他能夠帶來高度自動化的這些工廠, 他將是製造業的未來. 能夠把人工智慧的技術充分得到使用. 因此, 這些工廠就算和現在的現代化的自動化的工廠相比, 仍將有巨大的不同, 它能夠在不同的設備之間, 在不同的階段, 包括使用這些感測器, 包括搭載感測器的智能機器人大軍來做個工作, 他們有自己識別的能力, 能夠及時的在需要的位置實現貨物的運輸, 交付, 移動. 因此, 柔性機器人的使用, 將是非常廣泛的, 它將在建築施工行業結合人工智慧的技術也能夠發揮出非常巨大的作用. 這裡是砌磚的人, 機器人, 特別是能夠感知周圍環境的機器人, 能夠非常精確地來砌磚, 建造一座座非常堅固的牆, 而且它的定位, 每一個位置是如此的精準.
還有一些其他的人工智慧的應用是和客服有關. 我們知道, 這裡會影響到我們很多人, 我選擇其中一個, 金融服 務業為例. 我們知道, 金融服務行業有一個很大的挑戰, 如何快速高效響應客戶的問題和需求, 但是在未來幾年, 我們非常有可能, 會有一場特別的對話, 機器投顧能夠回答客戶提出的關於金融理財方面的要求, 帶來非常先進的自然語言處理, 包括語意識別, 語言的識別. 也許通過您說出來的話, 進行語音聲音的識別, 您說出來的自然語音的處理, 也是有高度的自動聊天機器人的引入在背後, 能夠處理的應對的是非常複雜的客戶的問題, 包括一些智能聊天機器人在微信上已經得到了使用. 但是它發展的自動化的速度, 成熟化的速度可以通過人工智慧的技術的引入而變得更高.
另外, 也許由AI所驅動的, 讓我們感到非常激動和振奮的技術就是AR增強現實領域. 這對於AR眼鏡中它帶來的是半透明的映像, 戴上這種眼鏡, 它能夠掃描你周圍的環境, 他能夠引入的是一個得到非常好的渲染的高清地圖, 增強現實技術, 將帶來的是遊戲的未來. 新一代的遊戲會和你周圍的物體對象進行高度的整合, 而這裡是一個最近微軟的一個展示, 這裡是他們戴上這個眼鏡後看到的情景, 它背後是真實的環境, 也就是你所在的環境, 在這裡, 他戴上這個眼鏡之後, 他能夠和你周圍所在的牆壁之間有很好的互動的作用, 甚至家裡雖有真實的傢具, 但是這個遊戲玩起來就好像身臨其境, 在那個遊戲環境當中, 可能個人還覺得有點挺恐怖的.
不僅是這樣的行業, AI最為深遠變革的是大醫療產業, 在這裡能夠幫助的是患者, 醫生, 它甚至能夠在一定程度上取代醫生, 我們可能也會想, 因為在這裡是非常專科專業的工作, 看起來 要對他們的工作進行自動化是很難, 情況並非如此. 我們舉個例子, 對於影像學的醫生, 影像學科的醫生大部分的時間就是看片子, 像X光片, MRI, CT的掃描, 他們花很多年的學習去解釋, 去學習如何看片子, 看這個黑點是良性的還是存在的腫瘤癌症, 只有影像學的專家能夠做出這樣的決定. 然而這一點非常的重要和相關, 因為我們知道癌症是中國死亡率背後非常重要的原因, 在美國同樣也是如此, 而在這裡影像學, 放射學的醫生, 他們所提到的這個一天可能一年, 有60多萬人死於這個疾病. 包括CT掃描的醫生, 他們是否能夠很好地診斷是不是存在癌症很關鍵, 我想說無論是在中國還是在美國, 我們非常非常缺少符合資質的影像學醫生, 因此他們的工作量太大, 他們有可能, 現在的一些人可能因為技術上的問題甚至還會有誤診, 包括在美國. 但是, 如果他們利用機器學習, 快速診斷很多癌症和其他的疾病, 這是通過影像科醫生來做的工作. 這項技術在很多中國的醫院還有診所已經被大幅度的採納了. 健康行業的變革, 並不僅僅出現在剛才介紹的那一領域, 我們衡量健康管理的方法也會出現巨大的變化, 大家都知道物聯網是什麼東西, 但是大家可能沒有想到的就是我們自己也是那個物品當中的一種. 有越來越多的感測器將會被佩戴在我們的身上, 這些感測器會即時檢測我們的健康問題和隱患, 如果出現問題, 會立刻向大家發出訊號, 或直接通知你的醫生, 在未來並不僅僅是設備, 甚至我們的身體也能夠聯到互聯網之上, 今天的健康行業是要在消費者需要的時候去主動找他們. 在你感覺到病的時候, 你去見醫生, 這是現在的一套流程, 但是在未來, 情況會發生變化, 我們將會出現全新的服務供應商, 我們可以即時追蹤你的身體健康狀態, 通過這種預測的分析能力, 我們可以直接識別潛在的一些健康隱患. 這些服務供應商, 就可以針對你的健康狀況進行個性化的調整, 例如你的心跳很快, 你得休息一下, 或者給你更加個性化的治療方案. 比如說你可不可以再多吃個西瓜當甜點, 或者不能再吃了. 他可以更好地檢測病人, 督促你趕緊吃藥, 或者在你的癥狀變得更嚴重的時候, 比如可能會爆發心臟病了, 這些都是我們在醫療領域可以去做到的. 病人以及醫學專家們的關係將會出現巨大的變化, 這會極大顛覆現在醫療行業的服務模式, 我們將有更加精彩的醫療行業.
在我演講的最後部分, 我想為大家介紹我個人覺得最有期待的領域之一, 那就是人工智慧在零售業當中的應用, 它將會多大的程度上顛覆零售服裝銷售行業. 其實在服裝零售行業, 最大的問題就是很多人的品位比較差, 買的衣服很醜, 不管你自己意不意識到這一點, 所以他也知道自己的這個問題, 所以說在接受朋友的看法之前, 我是不敢買這件看起來還不錯的衣服的. 當然, 你的朋友或者說是銷售, 他們提出的建議也不見得就真的很好. 這些消費者希望能夠有一個時尚的專家能夠給我有用的看法, 一個全新的人工智慧應用就已經搭載到了亞馬遜之上. 你要怎麼去使用它呢?你可以去試試不同的衣服, 給自己拍個自拍, 然後把這些自拍上傳到這個應用上, 這個應用就會告訴你, 哪件衣服讓你看起來更漂亮, 大家也許會覺得是天方夜譚, 估計也沒有什麼用, 但是按照我們實際的測試結果, 我們發現, 應用的計算比那些時尚專家給你的意見有過之而無不及.
這可以說是零售行業巨大的變革, 任何人都可以獲得時尚專家的建議, 他們也可以更加自信地去購買自己青睞的服裝產品. 這是一個非常簡單的方式, 把人工智慧與零售業進行結合, 但是我覺得它非常有意思, 也將會顛覆我們的生活方式. 人工智慧並不僅僅會改變現有行業, 它也不斷地去催生新的業務領域. 我想也最後花一點點時間, 為大家看一下未來可能會出現的創新設備, 它如何會徹底地改變我們的生活方式?
今天現有的設備, 需要我們全部的注意力放在這個設備本身之上, 我覺得這不是一個好的交互方式, 在未來的設備上, 我們會解決這一問題設備會變得更加進入式, 變得更加不可見, 更加隱藏, 我們會戴著這種非常小的耳機, 或者這種透明的隱形眼鏡, 甚至是這種設備可以直接與隱形眼鏡相整合, 它不會干擾我們的日常生活, 它們會在背後隨時提供相關的服務, 這種未來的計算設備將會極大地去改善我們與環境的溝通與交流方式. 這些全新的聲音界面已經搭載到現有的設備當中了, 它可以給我們提供非常有用的資訊, 包括你在路上該轉彎了, 或者收到一封郵件等等, 除此之外它們可以做得更多, 他們可以成為電子化的個人助理, 他會在你耳朵邊告訴你該幹嘛, 比如說不要忘記帶鑰匙, 他在餐桌的餐巾下面, 或者你已經3天沒有理你的老婆了, 該做點什麼事情讓她高興了. 比如說你的血壓有點高, 你下午該去散散步了. 再看一下你的隱形眼鏡, 你的隱形眼鏡將會變得更加棒. 假設我們在去開一場會, 你的眼睛上會自動地識別對面的每一個人, 每一個人, 不需要在桌子上擺那麼長的名牌來做介紹了. 它也可以成為非常好的生活助理. 它會自動地告訴你, 你對面坐的這個人會有什麼樣的興趣愛好, 比如說它喜歡騎車, 然後這位男士的女兒是你的同學, 然後他去年給你發了生日祝福, 你今天可以對他表示一些感謝.
除此之外, 這些個人助理也可以幫助我們更加擅長體育賽事, 告 訴你這個網球是飛到什麼地方, 它的軌跡是哪裡, 告訴你你該出去晚 餐了, 它甚至會影響我們的親密生活.
人工智慧如何更好的結合行業應用?
下面我也想為大家提供一點建議, 如何讓 AI 與自己的業務進行 更加完美的融合?毋庸置疑, 機器學習就是提取有效資訊的一種方式, 可以在數據的汪洋中找到真正對自己有效有價值的數據, 但是把它應用到自己的公司的應用場景也是另外一個重要的環節, 為了做到這一點, 我們必須要在大量的數據當中進行搜尋, 你的數據量越大, 你的機器學習的應用就會更加成功. 它能夠給你帶來的價值就會更加明顯. 我們可能有很多各種類型的攝像頭, 你的倉庫, 銀行的櫃檯, 絕大多數的攝像頭都是用於安防的, 這些收集到的大部分的數據其實都已經是浪費了. 我們可以使用這些數據, 去分析客戶的行為, 可以去直接的告訴員工應該到哪裡去服務客戶, 也可以大量地節省能源, 節省資源的浪費, 簡而言之, 機器學習能夠讓攝像頭這類設備收集到的數據發揮它的最大的價值, 也可以更好地為客戶實現個性化的服務, 數據的確就是未來的石油.
除此之外我對大家的第二個建議, 要保持謹慎, 精心選擇, 我們不要淺嘗輒止, 但是一開始一定要做非常好的試點, 人工智慧並不是一個萬能靈藥, 我們要花一點時間看一下這個技術如何進行更加深入的融合, 人工智慧必須要提高自己的投資回報率, 我們要做的並不僅僅是吸引眼球而已. 我建議大家, 先從一些潛在的應用環境去做測試, 打造一些原型, 去看一下他們能夠帶來什麼樣的價值, 然後再選擇是否進行大規模的擴展.
最後給大家的建議, 就是不要太著急了. 如果過分著急的話, 你可能會忽視這背後可能會存在的問題, 現在人工智慧領域的專家以及人才還是比較少的, 但是未來這會得到很大的改觀, 我們也將會開發更多的軟體工具, 讓AI系統的部署變得更加簡單. 甚至在我們今天的會議室, 就有類似這些設備還有技術的存在, 在未來, 新的機器將會需要更好的訓練就能夠實現同樣的人工智慧效率. 現在很多設備都是非常昂貴的, 但是成本將會快速的下降, 我們人才的問題也將會得到解決. 工具也將會變得更加成熟, 更加的普遍可用.
對中國發展人工智慧的幾點建議
最後為大家介紹一下中國市場對AI如何做好準備, 而中國政府如何能夠去迎接AI革命?
中國有著非常好的潛力成為AI領域的領先國家. 中國巨大的一個優勢, 就是能夠實現非常好的協同, 大家都能夠朝一個同樣的目標去努力. 但是, 中國實在是太大了, 數據非常的多, 如何進行數據以及機器系統的訓練就變得關鍵. 通過政府的支援, 我們可以更好地去鼓勵數據的共用, 去把這種大型的資料庫進行聚合, 這是中國可以考慮的一種方法, 能夠在AI數據的使用上掌握非常領先的技術優勢. 政府也可以提供其他的幫助, 我們可以優化現有的基礎設施和法律法規, 也許AI企業去加速試點自己的AI設備以及應用, 很多基礎設施並不符合未來的變化, 同時, 像智慧交通, 我們要為未來的自動駕駛和自動出租車做好準備. 在未來我們在路上交通的設計也要符合現代化的生活方式, 行人路以及機器人的道路必須要分離, 這樣雙方不會產生衝突.
最後簡單做一個小結. 我堅信人工智慧將會讓我們的未來更加的光明. 簡而言之, 更加柔性的設備將會去承擔人類那些體力工作以及更加程式化的工作, 它將會讓人的智力在未來更加寶貴和有價值, 除此之外, 人工智慧也將會幫助我們更好地應對挑戰. 在這一數字化的世界當中從中受益. 它也可以自動向我們尋找最有價值的資訊, 幫助我們做出更加正確的決定. 儘管如此, 歸根到底, 美好的未來還是要由人來親手創造的, 機器只是實現的重要工具, 如何使用這些技術全靠我們, 我也非常期待看到那一天的到來, 希望我們大家共同集思廣益, 找到更加創新的方式, 去使用人工智慧來服務我們的工作, 打造一個更加美好的世界.