Part I 主题演讲

李开复：各方应协作，让AI 更务实

非常荣幸再次受到MIT-CHIEF的邀请，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明期步入应用期阶段，从应用落地层面来说，正迎来了AI发展最大的机遇。

很多科技公司目前已对人工智能进行了多样化布局，从视觉、语言、触觉和其他感知技术，到自动化机器人、无人驾驶等，对很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，但我预测未来的格局会非常庞大，依据统计，各行各业采用AI的程度目前不到5%，AI应用的中长期增长曲线相当可期。

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了解越来越多，更多的AI公司涌现出来。

AI最大的机会蕴藏在与传统企业的结合中，创新工场也正在帮助金融、制造、物流、零售、医疗等行业的公司进行AI变革。

作为AI投资人，我认为在这些行业如果找到正确的AI应用方向，就能带来上千万的回报。这种商业价值的产生是极其迅速的，通常只需要几个月，甚至短短几周就能看到成果。

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。然而对于很多公司来说，它们需要的是高度定制化的方案，而非通用型AI方案，所以融合的过程中，不可避免会遇到不少挑战和痛点。

第三，我早年做过很多科研工作，很高兴能看到关于系统一和系统二(System One, System Two)的讨论，我们期待人工智能技术从系统一升级为系统二，即从识别、决策、优化等能力，升级到感知、认知等进阶智能的能力。

有不同的学派都在努力让人工智能更接近人类智能，其中一个流派主张回归经典的AI理念，甚至重新构建崭新的模型结构，在深度学习技术的基础上利用人类的知识。但我更支持另一个理论——深度学习的潜力还没有完全释放。

回看人工智能过去60多年的历程，最大的突破来自于计算能力和数据量大增而产生的可扩展算法。我们看到了卷积神经网络(CNN)带来的喜人成绩，还有预训练自然语言处理模型(Pre-Trained Models for Natural Language Processing)的广泛运用。

预训练模型与人类语言学习的模式类似，不管是英语还是中文，在习得这些语言之后，再去学习编程、艺术、化学。在无人监督的学习环境中，这种模式比我们想象得还要强大，就像阿尔法围棋(AlphaGo)一样。

最后一点我想说的是，如何让AI变得更务实。

AI有很多问题，例如隐私、数据安全、治理和监管，在此就不一一讨论了。当我们试图解决这些AI难题时，有人认为让监管部门加强管理是唯一办法，其实不然，我们是否也可以朝着研发更厉害的技术性解决方案去努力?

就像电脑病毒刚出现时，杀毒软件随之诞生;面对千年虫难题时，也迅速找到了技术应对方案。我们可以通过研发新技术，应对DeepFake深度换脸程序的挑战;或者通过联邦学习技术，在保证数据私密性的同时，满足深度学习训练需求

作为握有技术能力的群体，我们需要与监管部门一起协作，而不只是把工作丢给他们。相信有了各方的助力，我们可以让AI的应用变得更有深度，更加务实，更高效地克服现在面临的种种问题。
 

而他此前做过的工作虽然不知道工作多少，但是我相信这一定是他工资比较高的一份工作了，他的学历也只是高中学历，但是现在凭借着从培训机构出来，找到了一份好工作，月薪轻轻松松就已经吊打了很多本科毕业的大学生。

“老师让我们造假，不然找不到工作”

现今随着互联网行业的迅速发展，各大互联网公司对于程序员的需求要比想象之中迫切得多，有了需求就会有相应的服务，这也是导致现在培训机构那么多的原因，再加上互联网机构高薪的特点，前人的神话，吸引着很多寻路无门的人渴望在这里寻求到突破点，把希望寄托在培训机构上面。

但是学这个学费并不便宜，最低标准都要2万上下左右，几乎每个机构都是这样，交不起学费也没有关系，因为这类培训机构早就为你“打点”好了一切，可以贷款，他们拿着早就准备好了的贷款APP向你推荐。提到这一点，背后又是一套成熟的产业链，可以说报名IT培训班的人，10个人里面起码有7个人是靠着贷款报名的，要不根本就没有钱交。

学了课程之后，其中有最重要的一课就是，要学会包装自己，一定要造假，不然找不到工作。”老师告诉我们，一定要造假，包装简历“。这是其中一个人告诉我，因为这个行业要的几乎都是有经验的程序员，但是哪里来那么多有经验的程序员?只好造假了，没有办法，如果不造假，根本就找不到工作。

（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!