本文作者：创新工厂，原题目《李开复对话彭特兰：AI不是单打独斗，应制止AI冷战》

克日，创新工厂董事长兼CEO李开复博士与阿莱克斯·彭特兰教授（Alex Pentland）展开了一场”AI若何重塑人类社会”的精彩对话。《连线》杂志的资深撰稿人威尔·奈特（Will Knight）主持了这场对话。

阿莱克斯·彭特兰教授任教于麻省理工学院，为全球大数据权威专家之一，现任MIT毗邻科学研究所主任、MIT媒体艺术与科学教授，拥有“可穿着装备之父”、《福布斯》“全球七大权威大数据专家”、《麻省理工科技谈论》“年度十大突破性科技”两度桂冠获得者等头衔，曾介入确立MIT媒体实验室，是全球被引述次数最多的盘算科学家之一。

对话金句：

李开复：

 

• AI最大的时机蕴藏在与传统企业的连系中，这种价值的发生极其迅速，只需要几个月，甚至短短几周。

 

• 未来突破很难展望，对奇点、超级智能的争辩，在我看来都过于乐观了。

 

• 小型AI公司与巨头竞争，我的建议是找准巨头没有平台优势的细分领域，为某个针对性产业缔造价值，不要与巨头焦点营业正面硬碰。

 

阿莱克斯·彭特兰：

 

• AI绝非试图取代人类，而是促进多元文化之间的相互毗邻、团队互助，让人们更好的举行社交和毗邻相互。

 

• 最难题的其实是说服人们改变商业流程去使用AI，由于大多数人是墨守成规的。

 

• 人工智能有朝一日可以取代人类所有的能力，然则这个历程会异常漫长，可能需要上百年或更久。

 

李开复博士在对话中示意，当我们试图解决AI问题时，应该用手艺来解决手艺的问题，可以追求与羁系部门协作，而不只是丢给他们，“新手艺会衍生新的问题，我们应该多方实验用更进阶的手艺性解决方案，就像电脑病毒刚泛起时，杀毒软件随之降生。”

 

彭特兰教授以为，人工智能的焦点，是促进多元文化之间的相互毗邻。不只是工程师或科学家，连经济学家、政治家都必须介入进来。“国家之间应该促进互助、制订互通尺度，就像TCP/IP互联网协议那样，制止AI冷战。”

 

他们以为，AI生长从来不是单打独斗，跨学科头脑、跨领域互助尤为主要。

 

这场对话是麻省理工学院中国创新与创业论坛（MIT-CHIEF）组织的岑岭对话系列流动，主题是《盘算与未来: AI与数据科学若何重塑人类社会》。

麻省理工学院中国创新与创业论坛（MIT-CHIEF）由麻省理工学院的中国留学生确立，至今已有十年，是北美历史久的、由高校学生组织的中国创新创业论坛。系列岑岭对话约请了顶级科学家、投资人及创业者，配合探讨科技创新及商业化历程中面临的挑战。

 

Part I 主题演讲

 

李开复：各方应协作，让AI 更务实

异常幸运再次受到MIT-CHIEF的约请，对于人工智能的看法，这次我主要想讲四点。

 

第一点是我书里的主题，人工智能的超能力。我们已经从人工智能的发现期步入应用期阶段，从应用落地层面来说，正迎来了AI生长最大的时机。

 

许多科技公司现在已对人工智能举行了多样化结构，从视觉、语言、触觉和其他感知手艺，到自动化机械人、无人驾驶等，对许多领域开启了深远的影响。虽然眼下所见的AI应用仍有局限性，但我展望未来的款式会异常重大，依据统计，各行各业接纳AI的水平现在不到5%，AI应用的中长期增进曲线相当可期。

 

第二点是我很欣喜看到的一点，AI正在和传统行业深度融合。随着人们对人工智能的领会越来越多，更多的AI公司涌现出来。

 

AI最大的时机蕴藏在与传统企业的连系中，创新工厂也正在辅助金融、制造、物流、零售、医疗等行业的公司举行AI转变。

 

作为AI投资人，我以为在这些行业若是找到准确的AI应用偏向，就能带来上万万的回报。这种商业价值的发生是极其迅速的，通常只需要几个月，甚至短短几周就能看到功效。

 

现在人工智能在传统产业的渗透率仍在个位数，仍然有很大的提升空间。然而对于许多公司来说，它们需要的是高度定制化的方案，而非通用型AI方案，以是融合的历程中，不可制止会遇到不少挑战和痛点。

 

第三，我早年做过许多科研事情，很喜悦能看到关于系统一和系统二（System One, System Two）的讨论，我们期待人工智能手艺从系统一升级为系统二，即从识别、决议、优化等能力，升级到感知、认知等进阶智能的能力。

 

有差别的学派都在起劲让人工智能更靠近人类智能，其中一个派别主张回归经典的AI理念，甚至重新构建崭新的模子结构，在深度学习手艺的基础上行使人类的知识。但我更支持另一个理论——深度学习的潜力还没有完全释放。

 

回看人工智能已往60多年的历程，最大的突破来自于盘算能力和数据量大增而发生的可扩展算法。我们看到了卷积神经网络（CNN）带来的喜人成就，另有预训练自然语言处置模子（Pre-Trained Models for Natural Language Processing）的普遍运用。

 

预训练模子与人类语言学习的模式类似，不管是英语照样中文，在习得这些语言之后，再去学习编程、艺术、化学。在无人监视的学习环境中，这种模式比我们想象得还要壮大，就像阿尔法围棋（AlphaGo）一样。

 

最后一点我想说的是，若何让AI变得更务实。

 

AI有许多问题，例如隐私、数据平安、治理和羁系，在此就不逐一讨论了。当我们试图解决这些AI难题时，有人以为让羁系部门加强管理是唯一设施，其实不然，我们是否也可以朝着研发更厉害的手艺性解决方案去起劲？

 

就像电脑病毒刚泛起时，杀毒软件随之降生；面临千年虫难题时，也迅速找到了手艺应对方案。我们可以通过研发新手艺，应对DeepFake深度换脸程序的挑战；或者通过联邦学习手艺，在保证数据私密性的同时，知足深度学习训练需求。

 

作为握有手艺能力的群体，我们需要与羁系部门一起协作，而不只是把事情丢给他们。信赖有了各方的助力，我们可以让AI的应用变得更有深度，加倍务实，更高效地战胜现在面临的种种问题。

阿莱克斯·彭特兰：国家间应确立互通尺度，制止“AI冷战”

 

我对当前的深度学习手艺不太乐观。

 

最为主要原因是，深度学习不仅需要重大的数据源，而且要求这些数据长时间恒定稳固，以保证模子训练效果的可靠性，例如人类的面容、语言，就是相对稳固稳固的数据源。

 

但深度学习却没法应对快速转变的真实情形。亚马逊在新冠疫情伸张速率暴增时，泛起了堆栈货物紧缺，不得不住手送货服务。这种经由深度学习高度优化后的系统发生溃逃，就是由于快速转变的疫情，和深度学习对恒定数据源的需求是矛盾的。

 

另外，我想谈谈若何通过联邦学习，促进数据的流通。

 

大多数公司没有足够厚实的数据，需要团结差别的数据泉源。基于这种需求，泛起了许多新商业模式，好比“数据经纪人”——他们不出售数据，而是把数据借出去，作特定需求的使用。

 

“数据经纪人”营业涌现了许多，他们促进了数据的流通，也加强了数据的隐私性。因此，像联邦学习这样的手艺和商业计谋连系，有用解决了数据在合规性和所有权方面的难题。

 

联邦学习也依赖于新的基础设施建设，为数据应用和深度学习提供基础环境，好比区块链手艺。现在天下上许多国家在做相关系统的建设实验，新加坡等国家设置了一种相互竞争的区块链系统，来解决支付和物流问题。我们最近也辅助瑞士做了类似的实验，涉及差别数据的互通性和连贯性问题。

 

我们仍在研究若何用只管少的数据，实现人工智能的目的。少量数据是指不断更新的短期数据，这些数据能使AI应对迅速转变的情形，并实时做出调整。

 

我们计划将AI与其他基础科学连系，例如阿尔法围棋（AlphaGo）就是这类连系的开端实验。这些方式不依赖于大量恒定数据，可能会比深度学习加倍壮大。

 

除此之外，我们在探讨用AI保障联邦学习历程中差别数据方的权益，这是实现差别国家之间的互通性、支付信托度、物流运输等方面互助的要害条件。

 

另一方面，我们探索若何将AI手艺应用于加密数据上。我们和大公司以及政府密切互助，找出解决系统入侵和保障网络平安的方式。

 

我同时花了许多时间研究与政府的互助。政府许多时刻不知道若何通过大数据做决议，也不知道若何举行数据优化。而AI能够辅助政府实现更高的效率，好比团结国现在已经有了许多可持续生长目的的相关评估指标, 天下经济论坛也可以为会员国提供差别的尺度测算。

 

基于我们已有的多元数据库，现在可以行使AI实现全新的数据优化方式，将贫困、不平等这种之前无法量化的指标，通过可量化的指标举行评估。

 

同时，要真正实现这个目的，我们还需要制订统一的互通性尺度。若是没有这个尺度，国家之间就不会相互信托去互助，就可能泛起AI冷战。

 

因此我们需要找到促进互助的方式，就像TCP/IP互联网协议那样。而之前我提到的，新加坡、瑞士等现在正在实验的区块链系统，将有希望解决国家间缺乏互通尺度的问题。

 

 

Part II 对话

 

美国在线教育生长难度更大，只在ZOOM上授课是不够的

 

Q1：疫情加速了行业的改变，远程医疗、线上教育最先蓬勃生长，这只是AI对人类社会发生影响的冰山一角。想请两位谈一谈，现在看好AI在哪些领域应用的未来远景？

 

李开复：疫情简直对整个社会发生了实质性的影响，人们行为习惯发生了许多改变，更愿意接受线上学习和事情了。

 

这种新的行为习惯发生了大量数据流，为AI应用带来了更多可能性。好比大康健领域以及远程医疗中所发生的数据，可以训练更智能的模子。同时更多人最先在基因组学、新药研发方面连系新的AI手艺举行研究，因此我信赖AI在医疗康健领域的潜能是异常伟大的。

 

AI与教育的连系也很值得期待。一方面可以辅助先生处置重复性的一样平常事务，例如批改作业，让先生得以将时间精神投入到更有缔造性的事情上，能更悉心地为孩子提供优质教学。另一方面可以提高学生的课堂介入度和积极性，好比设置卡通版AI虚拟先生，让课程充满意见意义性。

 

在中国，有许多线上教育公司在疫情之前就已经生长迅速，像创新工厂投资的VIPKID，让外洋的纯正英语先生在线上教授中国学生。现在，中国的线上教育已经扩展到了更多科目，包罗体育、舞蹈、书法等素质教育课程。

 

相比之下，美国线上教育生长的难度会更大。究竟只在ZOOM上授课是不够的，好的线上教育必须要有好的内容。

 

AI焦点是增强人际互联，应注重文化多样性

 

阿莱克斯·彭特兰：李开复博士提到的教育案例，我不是很认同。

 

MIT约莫20年前就在教育中使用AI，重点基本不是内容，我们甚至提倡将内容免费开放给民众。

 

AI绝非试图取代人类的作用，我们更强挪用AI增强人与人之间的互动，让人们更好的社交和毗邻相互。好比手机上人工智能手艺，不是要取代你，而是让你高效地找到最适合的事情、最准确的人，让你更容易的获取信息，并举行创新。

 

我们可以行使数据引发更强的创新力，培育领导力。只有基于这样的宗旨，才气促进更有缔造力的教育和学习，这比关注教育内容自己主要得多。

 

在加拿大，有家创业公司正在训练通俗民众学习AI，好比水管工，教学效果异常不错。他们的教育方式不是简朴的教授基本知识，而是以一种能够引发人们互动思索的方式。

 

我们之前在中国调研了3000多个孵化器，发现创业公司乐成的要素里，第一个是文化多样性，也就是说首创团队靠山的复杂性和多样性。第二个是团队成员专业的多样性，他们能否施展自己所长，并很好地举行团队互助。

 

1956年，马文·明斯基（Marvin Minsky）提出了人工智能这个词。但我们对于人工智能的明了，不应该只停留在“人工”层面，而应扩展到多元文化之间的相互毗邻、团队互助，我把它叫做延伸智能（Extended Intelligence）。这也是我想强调的，人工智能这个名词有一定的偶然性，但它的焦点点是增强人与人之间的互联性。

 

AI未来突破难展望，奇点、超级智能过于乐观

 

Q2：未来十年AI有没有可能取得主要突破？好比GPT-3近期展现惊人的能力。两位以为未来的突破偏向是什么？

 

李开复：已往60多年来，深度学习是唯一的重大突破。在这之后，卷积神经网络（CNN）和GPT-3等都算是主要的改善，我对于人工智能的渐进式改善保持乐观。

 

对科学家来说，他们更期待着手艺上的突破式希望。但我以为未来十年基础科研或许不会有大的突破。但模子相对容易，只要有大量的数据，就可以从实验室进入到行业应用，CNN和GPT-3都是模子加海量数据的功效。

 

我是务实派的，虽然持有乐观态度，但并不是一位“未来学家”。未来的突破很难展望，对奇点（Singularity）的争辩，甚至展望超级智能的泛起，在我看来都过于乐观了。

 

阿莱克斯·彭特兰：我赞成李博士的看法。许多生物机制很难注释，包罗用感知熟悉事物、明了声音、寻找食物等，是深度学习算法做不到的。但深度学习可以研究科学、制订规则、研究理论，并举行实践。

 

从务实的角度来说，我最感兴趣的就是联邦学习。就医疗而言，我们有这么多医院，在新冠疫情时代做了许多的实验，为什么这些实验数据不能举行团结呢？

 

只管数据有不兼容的地方，但这也是一个很好的时机去探讨差别的数据之间的关联性。在未来，我们对数据的需求也许会越来越少，外科医生或者物理学家或许不需要太多数据，由于他们对规则已经了如指掌了。

 

不要墨守成规，要跨领域、跨学科应对挑战

 

Q3：人工智能会有什要害挑战？对于想从事这个行业的人，有什么是需要领会的要害点？

 

李开复：首先，大靠山在改变，新科技层出不穷，我们每年都需要学习新的器械。

 

其次，人工智能可能引起种种问题，包罗私见、歧视、伦理道德等，是否危害人类的身体康健，无人驾驶手艺该何去何从等等。

 

第三，人工智能的研发需要深刻地明了手艺对社会、生涯与人类康健会发生的影响。我异常浏览斯坦福和MIT这样的高校，能够把AI教育扩展到各个学科，让研发职员及早意识到自己的责任和价值。

 

阿莱克斯·彭特兰：是的，我同伙做过一个有关电的意见意义类比，电动马达最初在工厂里用于生产的时刻，并没有施展出多大的作用，由于人人并不知道若何革新生产流程。

 

AI在一些领域施展的作用是显著的，但应用到其他领域时，就需要革新流程。许多情形下，最难题的就是说服人们改变商业流程去使用AI，由于大多数人是墨守成规的。

 

而有意思的是，就像李博士提到的，像MIT和斯坦福这样的高校确着实认真严肃地看待这个问题。

 

好比，我今天早上正好就这个话题跟G20领导人对话，人人一致以为我们必须从跨领域、跨学科的角度去面临这个问题，不能只是工程师或者社会科学从业者们在做，经济学家，政治家等等都必须介入进来慎密互助。

 

随着AI的应用领域越来越广，除了必须具备强有力的技巧来确立社会规则，还需要对研究经费、企业投入等举行种种调整。

 

虽然大公司实力不容小觑，但依旧对小公司抱有期待

 

Q4：AI研究会消耗大量的资源，我们是否应该将资源往学术界平衡？现在已经发生资源的重新分配和平衡了吗？

 

李开复：就人才而言，现在已经有重新平衡的迹象了。

 

已往，顶尖大学的学者基于待遇和种种考量，不少选择去企业界事情。而近期，曾任职于百度、海尔、字节跳动等公司的数位优异AI科学家已经回归高校。

 

但像GPT-3这样的手艺，仍然不是大学和小公司能支付得起的。支持GPT-3运行的电脑是天下算力第五的超级盘算机。每举行一次算法训练，就要破费460万美金，只有像腾讯、谷歌、微软这个级别的公司才气负担得起云云壮大的算力。

 

我观察到，近年的AI创业公司已经和5年前截然差别了。它们一样平常由AI科学家和商业人才配合确立，为领会决特定问题而生，并非纸上谈兵做突破性科研，切入的领域也往往是巨头公司忽略的地方。

 

例如，为制造业举行AI赋能，不是一件轻松的事，需要去工厂实地勘查，领会运作方式。大公司由于赚钱很容易，不愿意做这些性价比低的苦活累活。这些小公司的起劲一旦有了功效，就会给产业界带来革命性的影响。以是，虽然大公司的实力不容小觑，但我依旧对小公司抱有期待。

 

阿莱克斯·彭特兰：大学和公司是一种融合的关系，不仅体现在人才流动上，也会举行信息资源共享，相互是整体性的互助态势。

 

固然这也不是绝对，产业界的保密需求照样存在的，只是从学校的起点来说，我们愿意毫无保留地为人人提供更好的研究功效，并与企业互助，形成尺度化平台。

 

人工智能取代人类需要上百年或更久

 

Q5：两位以为什么是AI不能取代的？

 

李开复：一类是缔造力、剖析能力、逻辑争执能力，领会自己知道什么不知道什么，这些是人工智能无法取代的。

 

另外一类是同理心，人类之间的信托、友谊，自我认知、意识等。

 

阿莱克斯·彭特兰：人工智能有朝一日可以取代人类所有的能力，然则这个历程会异常漫长，可能需要上百年或更久。

 

AI创业建议I：找到小切入点，不要与巨头正面硬碰

 

Q6：李博士提到了AI在小企业中的运用，能否再举例说明是若何运用的？

 

李开复：这个问题分两部分：一个是小型AI公司与巨头竞争，我的建议是找准巨头没有平台优势的细分领域，为某个针对性产业缔造价值，而且不要与巨头焦点营业正面硬碰。

 

对于那些中小型非AI、但想应用AI的公司，需要确保有足够的数据，以训练与焦点商业价值挂钩的AI模子，而且有愿意转变的开放性公司文化。

 

以是，早期应用AI的公司可能规模较大，由于他们有足够大的数据，和可兼容转变的商业模子。每个例子都差别，不是任何一家公司都要应用AI。

 

阿莱克斯·彭特兰：若是我们放宽AI的界说，或许水管工、合同工都有数据，通过一些简朴的剖析、整合，AI也可以在很大水平上改善他们的事情。

 

这些都是很小的切入点，基于简朴的AI剖析、机械学习，依旧可以发生伟大的潜力。

 

AI创业建议II：知晓手艺，同时明了商业

 

Q7：两位再分享一下最后的建议？

 

李开复：我们在步入一个AI最先渗透到方方面面的令人振奋的时代，我希望所有的学生们都能介入到这个改造浪潮中。要深刻地明了人工智能的商业落地，而不仅仅钻研手艺自己。

 

阿莱克斯·彭特兰：不要太较真于深度学习或者冗长的算法，一切始于要解决的现实问题。不要止步于手艺自己，要明了数据类型、形态和纪律，关注商业流程。

 

谢谢叶乐斐、刘诺、蓝萱、张昊、陈冬杰、刘子昂、张梓煜、钱凌寒、水一方、沈雍在校译和审阅上对本文的孝敬。