|
我们之前在中国调研了3000多个孵化器，发现创业公司成功的要素里，第一个是文化多样性，也就是说创始团队背景的复杂性和多样性。第二个是团队成员专业的多样性，他们能否发挥自己所长，并很好地进行团队合作。
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理解，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连接、团队合作，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，但它的核心点是增强人与人之间的互联性。
AI未来突破难预测，奇点、超级智能过于乐观
Q2：未来十年AI有没有可能取得重要突破?比如GPT-3近期展现惊人的能力。两位认为未来的突破方向是什么?
李开复：过去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等都算是重要的改善，我对于人工智能的渐进式改善保持乐观。
对科学家来说，他们更期待着技术上的突破式进展。但我觉得未来十年基础科研或许不会有大的突破。但模型相对容易，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都是模型加海量数据的成果。
我是务实派的，虽然持有乐观态度，但并不是一位“未来学家”。未来的突破很难预测，对奇点(Singularity)的争辩，甚至预测超级智能的出现，在我看来都过于乐观了。
阿莱克斯·彭特兰：我同意李博士的观点。很多生物机制很难解释，包括用感知认识事物、理解声音、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、制定规则、研究理论，并进行实践。
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，在新冠疫情期间做了很多的实验，为什么这些实验数据不能进行联合呢?
尽管数据有不兼容的地方，但这也是一个很好的机会去探究不同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，因为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：人工智能会有什关键挑战?对于想从事这个行业的人，有什么是需要了解的关键点?
李开复：首先，大背景在改变，新科技层出不穷，我们每年都需要学习新的东西。
其次，人工智能可能引起各种问题，包括偏见、歧视、伦理道德等，是否危害人类的身体健康，无人驾驶技术该何去何从等等。
第三，人工智能的研发需要深刻地理解技术对社会、生活与人类健康会产生的影响。我非常欣赏斯坦福和MIT这样的高校，能够把AI教育扩展到各个学科，让研发人员及早意识到自己的责任和价值。
阿莱克斯·彭特兰：是的，我朋友做过一个有关电的趣味类比，电动马达最初在工厂里用于生产的时候，并没有发挥出多大的作用，因为大家并不知道如何改造生产流程。
AI在一些领域发挥的作用是显著的，但应用到其他领域时，就需要改造流程。很多情况下，最困难的就是说服人们改变商业流程去使用AI，因为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实在认真严肃地对待这个问题。
比如，我今天早上正好就这个话题跟G20领导人对话，大家一致认为我们必须从跨领域、跨学科的角度去面对这个问题，不能只是工程师或者社会科学从业者们在做，经济学家，政治家等等都必须参与进来紧密合作。
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建立社会规则，还需要对研究经费、企业投入等进行各种调整。
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。
过去，顶尖大学的学者基于待遇和种种考量，不少选择去企业界工作。而近期，曾任职于百度、海尔、字节跳动等公司的数位优秀AI科学家已经回归高校。
但像GPT-3这样的技术，仍然不是大学和小公司能支付得起的。支撑GPT-3运行的电脑是世界算力第五的超级计算机。每进行一次算法训练，就要花费460万美金，只有像腾讯、谷歌、微软这个级别的公司才能负担得起如此强大的算力。
我观察到，近年的AI创业公司已经和5年前截然不同了。它们一般由AI科学家和商业人才共同创建，为了解决特定问题而生，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。
（编辑：阿坝站长网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
