AI的现状和未来发展
创新工场董事长兼CEO李开复：人工智能应用的四波浪潮和中国的机遇
在过去五年中，我们看到了深度学习和相关的技术渗透到各个领域，尤其是计算机视觉方面，这就是人工智能的发展。从应用的角度来看，我把人工智能的应用归纳成为四波浪潮，每波浪潮的应用方式都不太一样。
第一波浪潮——互联网AI浪潮。比如你每次在淘宝上点击商品，每次在朋友圈点赞的时候，这些数据都被互联网巨头公司收集起来，让这些公司更深度地了解你，然后为你提供更好、更贴切的服务。同时，公司也能进行变现，这就是互联网AI。我们每天都像小白鼠一样，帮助这些互联网巨头在标注数据，互联网的数据量是最大的，所以今天的AI巨头和互联网巨头是成等号的，像美国的Google、Facebook、Amazon引领了第一波浪潮。
第二波浪潮——数据商业化AI浪潮。比如一家银行可以进行用户的数据分析，来降低信用卡欺诈和贷款违约风险，或者提高投资回报率，这就是数据商业化的例子，涉及到银行、投资机构、保险公司等。其实任何有数据的领域都可以把它商业化，比如供应链、医疗、学校等，这是第二波数据商业化AI的浪潮。目前大部分AI公司都是做数据商业化AI的工作，这是一个toB的生意。
第三波浪潮——新数据AI浪潮。第三波浪潮就是要收集那些基于视觉、听觉或者其他传感器收集来的过去不存在的数据，然后把这些数据变成一个新的应用，甚至是一个新的用户体验。比如，各种智能音箱智能语音交互；比如在各种领域里面的更多摄像头。再比如，创新工场前台的Face++，它是一个无前台自动运营的机器。我们可以把这样一个聪明的计算机加传感器用在各个不同的领域，像无人商店、工厂等等。所以第三波浪潮已经开始来临，我们会看到更多的传感器、更多的芯片、更多的摄像头布置在周围的各个地方。
第四波浪潮——自主化AI浪潮。自主化、自动化的AI就像我们科幻片里看到的机器人无人驾驶，还有更聪明的无人飞机等。这个浪潮会彻底颠覆我们的出行习惯，也会颠覆我们今天所有的物流，之后我们的工厂会慢慢变成熄灯工厂、无人工厂，我们的商店会慢慢变成无人商店，所以第四波浪潮带来的改变是巨大的。第四波浪潮已经有一些初级的应用出来了，像无人驾驶。
这四波浪潮来得非常迅猛，我们每一天都在使用AI，未来会应用得更多。
这四波浪潮给中国带来了更多的机会，尤其是在互联网AI上，我们已经占了世界的半壁江山。在视觉方面和传感器方面的应用，由于我们有海量的数据，发展的速度也非常快。而那些比较深的科技应用，像无人驾驶等还是美国领先，但中国有数据的优势和强政策推动，所以，将来应该是中国和美国在人工智能领域保持领先。
蚂蚁金服科学智囊团主席、加州大学伯克利分校教授MichaelJordan：不要夸大目前的人工智能
在20世纪40年代的时候，我们当时就有了这样一个学科，并建立了很多的准则和原则，使得我们能够让很多化工厂以非常合理的成本来发展。对我们来说，人工智能产业目前的原则并没有完全的建立，所以体系还没有全面的形成，不能太夸大现在的人工智能。
我们奢望建立的是智能的自动化系统，其实无人驾驶这些并不是我们最终的目标，包括银行或者物流，并不是说目标就是实现无人，而是要让它更好地实现联接，所以在很多方面，其实人工智能并没有完全建立起来。我们现在可能在地图或者其他方面可以实现一些功能，但是在语意或者它背后的背景和引申的含义等方面，这种智能还不存在。
我们要实现整个人工智能，需要整个体系的搭建，而不是单个个体的智能，我们需要每一个体系、每一个系统都达成这种智能，而目前并没有这样一个智能网络。其实在无人驾驶或者无人商店这些领域，需要它自己自主做出决策，并且一些决策可能还是有先后顺序和优先级别的，有的还要同时做出多个决策。在真实世界当中，尤其是在经济、金融、商业方面，我们可能要同时做出几百个、上千个决策。
因此，我们可以想象一下，有这样一个提出专家建议的体系，看起来是非常智能的，这个体系能给你推荐看哪本书、看哪部电影等，然后在全世界进行部署。这就像阿里巴巴、亚马逊今天做的事情，很多时候，亚马逊向人们推荐一本书的时候，人们真的感觉非常好，这些AI的技术正在不断地部署。在手机的应用程序上，它可以给人们推荐很好的餐厅或者是博物馆。但是在交通方面，从机场到市区哪条路是不堵的，或者大家都想去投资股票赚钱，如果系统向人们推荐的都是同一个，可能这个体系就会出现问题。我们必须要负起责任，在搭建这样一个体系的时候，要考虑进去的不是单个的个体智能，而是整个体系和网络，包括数据、决策，以及可能出现的错误。
在这个研究当中，它的一些原则性的东西正在不断地涌现，但还处于积累的过程当中，有很多概念还需要完善。我们似乎认为人工智能无处不在，但实际上，整个体系还需要时间来建立。我们的目标就是在无人驾驶汽车时，虽然没有人驾驶，但是它的这种驾驶要真的像人一样在驾驶，而不是说只是一个简单的机器。所以，建立一个自动化的体系真的是不容易的，人们可以用人工智能这样的一个词来表述，这没有问题，但是千万不要夸大。
Facebook人工智能团队首席AI科学家、纽约大学教授YannLeCun：机器学习与预测能力
人工智能从学术研究到实际的应用，也有很多东西，要让它们互相之间搭建起这种体系，的确是很重要的工作。
在Facebook有这样的一些应用，我们希望搭建起这样一个体系架构，让机器有真正的智能，让人工智能可以很好地、实时地做相关的事情，但是很多技术现在还没有到位。比如说包括人脸的识别，很多应用已经进行了几十年的工作，但有些目标还没有达成。因为机器需要获取大量的知识，它才能够真正地实现像人类那样的智能和智慧，做出许多的预测和判断，为人类做很多事情。
我们需要有很多基本的原则到位才能建立一个体系，这样才能真正地达到人类的智能水平。因此，我在演讲当中强调了监督式和无监督式的学习。机器要实现人工智能需要有预测能力，它从不同感官的输入来进行自我的判断和预测，它需要从全世界获取相应的数据，类似于人类这样的尝试。而监督式的学习，给与机器的信息和数据是非常少的，在培训机器时候的作用比较有限。在这个过程当中，我们看到人类的区别是很明显的，这也是可以帮助我们向下一步更好的推进。
AI赋能产业
蚂蚁金服科学智囊团主席、加州大学伯克利分校教授MichaelJordan：共同协作，挖掘人工智能的商业价值
人工智能经历了60年的研究发展，这真的是一个很漫长的历程。其实很多时候，你想要搭建一个智能的体系，并不需要对人工智能的所有方面都去了解。在整个体系当中，其实人工智能本身只是一个计算机科学，但还要跟经济进行关联，因此，我们需要搭建这样的一个联系。
如果在我们的生产者和消费者之间搭建一个体系，这样一种体系的搭建就生成了经济的效益。如果我们向所有的人都推荐同样一个餐厅，那么，这个餐厅人满为患，而大家都不想去太拥挤的餐厅，它的价值在哪里呢？我们的计算机科学怎么为经济服务，最好有一个相应的竞争关系。
我们建立一个相应的体系，座位是一座一价的方式来竞标。比如说，座位是3%的折扣或者是其他或多或少的折扣。在这个过程当中，大家都可以去竞价，然后实现相应座位的合理的分配。最后经过这样的方式餐厅也就有了很好的上座率。我旁边的竞争对手可以看到这个餐厅已经开了，而且里面已经满座了。这个时候竞争对手想，如果我提供30%的折扣，也许能吸引到相应的客户来我这里就餐。
现在我们整个所谓的人工智能体系，并没有考虑这么多，它在做推荐的时候，还是有相应的局限。
我还可以举一些其他的例子，比如说音乐，现在整个音乐市场并不很完善。有各种各样的人都在做音乐的创作，其中有一些音乐的制作是非常好的，很多人都在听他的音乐，但是在目前的体系下很多人并不能从音乐制作中赚钱，它并没有带来真正的经济效益，怎么样去解决这样的问题呢？我们可以用人工智能技术，实现技术到市场化的转变，使它有商业的价值，让音乐创作的人能够从中赚钱。我们可以用相应的数据流，分析到底是哪些人在听。比如说可能我的音乐在深圳很流行，因为那边的人既喜欢听我的音乐，又喜欢向他的亲朋好友推荐我的音乐，这样数据就很有价值。既然深圳的人很喜欢听我的歌，我就去深圳开一个音乐会，我就会很赚钱。我一边是开车的司机，一边可以赚钱，我可以把唱歌的爱好实现商业价值的转化。
通过这样一些数据分析可以创造很多的商业价值，目前很多问题都没有经过深思熟虑，这个时候就可以挖掘它们的商业价值，这就是人工智能应该实现的一些功能。因此，为了更好地实现人工智能的价值，让计算机科学更好地为人类造福，也需要一些商业、经济方面的人才来跟计算机科学家共同协作，让人工智能创造出更多的商业价值，探索出更多的无限可能。
Facebook人工智能团队首席AI科学家、纽约大学教授YannLeCun：没有任何一家公司或者个人能够独自解决人工智能遇到的问题
我之前在ATMT和贝尔实验室工作过，四年半前，我开始在Facebook公司进行AI研究工作。科技互联网公司通过开展一些研究，已经可以提前进行这方面的铺设，但并不是所有的公司都可以做到这一点。对于人工智能而言，目前还有很多问题没有得到解决，我们必须不断地去进行研究、去解决问题，让机器变得更加智能，可以更好地了解人的思想和思维方式。
没有任何一家公司或者个人能够自行解决人工智能遇到的问题，而开源研究方面，公司可以非常容易地与大学进行合作，比如我依然保留着学术界的职位。学术界的研究并不都是公司感兴趣的研究，但这些研究都是非常互补的，所以我觉得学术界与产业的结合是非常完美的。大家会看到在北美、欧洲、亚洲等地会出现越来越多这样的结合，科学家们会在企业或者在学术界都担任职务，这样可以更好地实现学术界和产业之间的交流，这是现在发生的、非常重要的一种变化。
关于产业界开源的研究，通过这种方式你才可以吸引最好的科学家到你的公司来工作。但是，如果你不告诉科学家你做的是什么，实际上你就扼杀了科学家的研究。你必须告诉科学家你要做的是什么，趋势是什么，只有这样，科学家才会愿意到这里来研究。科学家的职业发展，实际上也会影响到整个人工智能研究的发展方向，所以你必须让科学家知道你公司正在做的是什么，只有这样，科学家才可能更好地参与这样的研究。
另外，像Google、Facebook这样的公司，他们投入了很大的精力做人工智能的研发，对于扩大他们的品牌影响力来说是很好的，也可以吸引更多的工程师人才。通过开源的行业研究可以吸引到更多的人才参与到这里，这就是他们为什么投入研究AI的原因。
AI人才计划
创新工场董事长兼CEO李开复：AI人才培养三步计划
如果我们分析一下中美之间的优势和劣势，我觉得美国在教育方面有非常强的优势。美国前一百名的大学都设有非常好的AI课程，而在中国国内，虽然有非常优质的计算机人才，如果进入了BAT，他们能学到很好的AI知识。我们要建立起人工智能的金字塔，就必须从基层做起，也就是说，我们需要在大学毕业的时候就有一定的AI基础，怎么做这个事情呢？需要分三个步骤：
第一步，由我们创新工场和教育部、北大做一个教师的培训，这样不仅仅是中国的前十名大学可以有好的AI课程，中国的前一百甚至几百名的大学都能够有AI课程，这样学生在读本科的时候就可以接触到AI领域。
第二步，我们会做一个针对性的培养，对最有潜质成为未来AI金字塔顶尖的人进行培训，我们会请国际专家和国内专家对这样的一群人进行帮助指导。
第三步，除了在学校学习的学生，我相信有很多刚开始工作的人，他上大学的时候没有读过AI的课程，甚至也没学过计算机，只是学理科或者是学文科的，但他们对AI学习研究感兴趣。于是我们在公司成立了竞赛的平台，2017年有一万人参加，未来会有几十万人参加，这样我们才能把AI教育做得更普及。
经过这几个步骤，我们希望那些有兴趣学AI的同学们，无论是经过线上或者是线下，校内或者是校外的学习研究，当他们毕业的时候，就已经成长为有一些经验的AI人才了。