被AlphaGo迅速科普的人工智能一直是當紅話題，隨之而來的是各種機器人、無人車正在“入侵”普羅大眾生活的消息。但真實的人工智能并非會下圍棋的AlphaGo，也不是科幻電影里顛覆人類的存在。
由第一財經聯(lián)合主辦的人工智能主題論壇上，創(chuàng)新工場董事長兼CEO李開復、第一財經CEO周健工、香港科技大學計算機系主任楊強教授以及第四范式首席執(zhí)行官戴文淵從投資人、資深媒體人、學者以及企業(yè)代表的角度揭開最真實的人工智能現(xiàn)狀。
黃金時代?
從微軟、谷歌到創(chuàng)新工場，這些年看了太多創(chuàng)業(yè)項目的李開復最為“執(zhí)念”的似乎還是人工智能。
來自李開復的感嘆是，他已經在人工智能領域經過了好幾個貌似的黃金時代，然后又進入了黑暗時代。但1980年就開始了自己第一次人工智能的科研項目的李開復如今堅持現(xiàn)在是人工智能的黃金時代。
對于大多數(shù)普通人而言，人工智能是被AlphaGo與李世石的五番圍棋大戰(zhàn)推向輿論的風口浪尖。
于是，一時間被各種電影充分演繹過的人工智能“未來”場景成為討論的焦點，人工智能威脅論甚囂塵上。
但在李開復看來，作為一個負責任的人工智能科學家，不應該探討沒有科學證明揣測的未來現(xiàn)象。雖然現(xiàn)在還不能證明上述場景在遙遠的未來絕對不能發(fā)生，但它絕對不是我們今天需要關注的現(xiàn)象。“因為人工智能有很多內容，但人工智能絕對沒有自我意識、沒有情感，也沒有欲望。”
對于當下的人工智能熱，李開復關心的是在人工智能還沒有“統(tǒng)治”人類的時候，人工智能就是奴隸和工具，應該討論的是怎么樣好好利用這個工具為人類創(chuàng)造更多的價值，讓更多人免于饑餓，讓我們有更好的生產力，“讓人生活得更快樂，讓我們追求真正有價值的工作，而那些重復性的工作應該讓人工智能取代。”
因此，人工智能商業(yè)價值的體現(xiàn)也意味著一些從事重復性勞動的人可能會失去工作。畢竟在一些領域，人工智能是一個遠超人類的存在，因為人工智能就是不會累、不會休息，可以一天24小時、一周7天進行工作，這是正常人類無法做到的。
隨之而來的問題是，到底有多少領域會被來勢洶洶的人工智能顛覆?
李開復認為，人工智能最有價值投資的是大數(shù)據(jù)領域，應用最快的是互聯(lián)網領域，而能在3年或5年后會產生巨大價值的是金融領域。不論是結構化數(shù)據(jù)還是非結構化的數(shù)據(jù)，人工智能可以將多領域的數(shù)據(jù)進行結合，繼而應用到金融領域投資、保險、銀行等細分領域之中。
不過，作為資深媒體人，第一財經CEO周健工已經清晰地感受到人工智能技術對媒體的沖擊與重構。
“可以看到信息技術發(fā)展的歷史，它的每一次長足的進步，首先影響和顛覆的都是跟媒體有關的行業(yè)。”在周健工看來，最近這幾年整個媒體行業(yè)產生了很大的改變和顛覆，各種各樣的人工智能技術對媒體的影響特別多，尤其是機器學習讓機器會變得越來越聰明，它會重新定義知識，如果媒體不考慮這些問題，不理解、不掌握這樣的技術，就永遠處在被動挨打的狀態(tài)。
初級階段
盡管AlphaGo成功普及了人工智能的價值，但是對于在這一領域從事多年研究工作的學者們而言，目前的人工智能還很初級。
在戴文淵看來，如今大眾對人工智能的認識可能更多還是來自于科幻電影。不過，科幻電影描述的這個人工智能叫做“通用人工智能”，就是說有一個真的像人類大腦一樣的“大腦”，什么都能干。而今天的人工智能其實不是這樣的，今天的人工智能需要人類告訴“他”要解決什么問題。
“今天是要下19×19的圍棋這樣的問題，人工智能就能夠成一個19×19圍棋的高手，但今天如果說讓AlphaGo去下17×17的圍棋可能還下不過我，所以它只能干這個事情，你讓它去干和定義的不一樣的事情它是干不了的。”戴文淵認為，人工智能的特殊性決定了它是一個大數(shù)據(jù)的問題，這意味著一個很簡單的方法在大數(shù)據(jù)場合下可能都是比較困難的方法。盡管過去的十年誕生了很多分布式計算的解決方案，至少目前看到的大多數(shù)解決方案都不能解決機器學習的問題。
不過，在戴文淵看來市場教育使得人工智能的邊界越發(fā)清晰，而互聯(lián)網解決了大數(shù)據(jù)的問題，目前頂尖的數(shù)據(jù)科學家設計各種各樣的算法來更適合人工智能的分布式計算框架，既分工又有協(xié)作，在外部反饋方面也研發(fā)了自學習系統(tǒng)，一邊犯錯一邊自我調整自我修正。
而人工智能協(xié)會首位華人會員、第四范式首席科學家、香港科技大學計算機系主任楊強的觀點是現(xiàn)在的人工智能只是一個很初級的人工智能，因為它利用大數(shù)據(jù)的存在來補足算法的不足，所以現(xiàn)在如果數(shù)據(jù)足夠大的話，很多算法上的補丁都不用去打了。但當數(shù)據(jù)變小的時候，這些漏洞和補丁就顯得尤為重要，不補就很有可能失敗。“在人工智能的研究上如何在小數(shù)據(jù)的情況下也能讓人工智能用起來，這是技術研究人員責無旁貸的，我也相信我們一定能研究出來，我們研究的遷移學習也是其中之一。”
值得一提的是，機器學習在日常生活的應用中比比皆是，然而看似離生活很近的人工智能實則與我們頗有距離感。如何將人工智能的門檻降低，讓更多的人應用人工智能，這目前對科學家們而言依然是個難題。
楊強的觀點是對于人工智能的普及需要足夠的耐心，目前可能只是在程序員領域和平臺領域推廣，而真的到傻瓜機的程度又需要等上個3到5年。
盡管人工智能技術目前對于普羅大眾還有著一定的距離，但是李開復已經給出了創(chuàng)新工場投資這一領域的標準，而這里面最為剛需的是要有閉環(huán)、壟斷性的數(shù)據(jù)，擁有很多深度學習的科學家和架構師，在此基礎上還要有商業(yè)計劃和變現(xiàn)計劃。
