登录×
电子邮件/用户名
密码
记住我
特别策划

来宾跨界交流讨论实录

主持人:边吃边聊,因为今天一位演讲嘉宾曹总,等会还有另外一个活动,需要提前离开,所以我们就把原来探讨的议程稍微改变一下,请曹总先讲,我之前跟曹总交流了一下,他自己在思科跟人工智能相关的研究和应用的工作,有一些心得希望能跟大家分享一下。

曹图强:今天很高兴,特别是在硅谷做了这么多年,非常高兴有这个机会,也谢谢埃森哲今天给大家这个机会。

回到大连非常不容易,因为我是大连出生,大连长大的,所以我觉得大连和这么多企业家和同行们在一起,有这个交流的机会我也非常感谢你们。

谈到AI,我在思科18年,在美国一直做研发,研发云端和数据交换机,也做了一些和安全有关系的。刚才听到贾总谈到AI,让我很想和大家说几句。

AI讲起来公众对它的感觉,让人感觉到非常能够惊讶或者惊叹的地方,比如说道德层面等等,但是今天大家要了解的AI,我们从严格意义上说,叫ANI,(英文),它实际上是非常有专业性,刚才他们很多运营,所以叫ANI。让大家比较害怕的,或者电影上那些叫(英文),那个大概还需要很长的时间,也许是十几年,也许是上百年,很难讲。所以今天我们分享了大部分都是ANI。

谈思科在ANI有哪些想法,刚才谈到了神经网络,讲到了(英文)等等,今天就不讲专业技术的东西,思科当时遇到一个问题,大家在谈到网络的时候,都觉得每个公司每个企业遇到问题的时候,所有问题都是网络的问题,大家都有体验,比如说数据库出问题了,我连不上数据库,数据库调不出来,存储的时候存不上去,永远都是网络问题,更不用说电子邮件收不到的时候,一定是网络的问题。一时间对思科的好处,我们培养了很多的CCI,然后为大家排除这些故障,解决这些问题。随着今天越来越多复杂的问题,让我们网络会变得越来越复杂,实际上不是网络变复杂,而是我们的使用和应用变复杂了,在这种情况下怎么利用AI的想法或者ANI的想法,可以让网络变得更智能呢,这是我们思考的问题。

思科就想到一个办法,谈到了神经网络,可不可以用大数据和机器学习的方式,让网络来自动的学习呢。自动的学习一定要数据,我们想到网络是收集数据最好的地方,可以想像,网络是四通八达的,我可以收集到这些数据,我们想到(英文),思科叫(英文),它的思路就是,我在网络里面,芯片里面,有收集数据和分析数据的能力,但是在所有的节点,和我网络连接了,比如说服务器可以放一些非常小的,类似于软件,像探头一样,可以收集数据。所有的网络和我连接,如果有硬件,放上芯片,也可以收集数据,没有的,可以放一个很小的软件,不占多少CPU,也不用很多的计算时间,但是可以采集数据,通过这个方式可以把网络全学习到了。学习到以后,今天就可以做一个数字模型,所以刚才贾总谈到,可以像培养几岁五岁的小孩一样,这个网络刚开始建立的时候,这个网络是想解决数据中心,比如说建立一个非常大的云平台的网络,按照我的意图建好以后,马上开始机器学习,通过学习就了解应用端到底用哪些,比如说用数据库,该有ACP的应用等等,比如说大家对我的(英文)用多少,这样的数据收集以后就发现,我的网络已经不能适应我的业务发展了,这个时候通过自我学习,知道自己已经不能适应这个发展怎么办呢?我需要去改变。我改变,根据什么标准呢?根据业务的标准,所以业务的策略指导了网络的工作,所以慢慢的网络开始要自我学习,然后有自我保护,同时还有自动的(英文),等于不断的改变它的配置。在这种过程中,网络端应该是自动的,而且是有智能的网络,所以这我们今天谈到的意图驱动网络。

希望有机会和大家能够有更多的分享,谢谢。

主持人:您的时间有限,非常感谢。刚刚大连理工大学的卢老师问我一个问题,FT跟人工智能有什么关系,为什么你们来办相关话题的活动?我想来想去,还真没直接的关系,即不是研究者,也许在我们业务和编辑流程已经开始应用了一些基本的跟人工智能相关的技术,但是也不是特别大的用户。

其实我们是一个连接者,在座有各个领域,刚才贾总说了,从基础研发到各个应用场景具体的专业人士,甚至到相关的文艺作品,我们把各个领域里跟AI相关的人士连接在了一起,在各个平行时空时间,能让大家有一个机会,这就是我们在这里扮演的角色。

刚刚戈扬除了负责把大家请到现场之外,还帮大家设置了一些问题,我们分了一下组,在相关领域分了几个组,给每一个组的演讲嘉宾提供了几个参考问题,下一步就这样进行,每一个组请两三位演讲嘉宾,给大家提出几个我们事先设定好的问题的方向,大家不必拘泥于此,多数时候都是外行,是引导性的问题,按照自己感兴趣的,和其他的嘉宾话题有互动,或者跟AI相关的想法,给我们随便畅所欲言。

首先邀请今晚的两位颜值担当,也是跟媒体行业比较近的两位,科幻作家陈楸帆先生,还有纪录片的制片人赵阳先生,二位从事的跟媒体多少有点关系,陈老师就不必介绍了,是多次获奖科幻作家,而且现在很多作品都即将被改编成其他形式的文艺作品,很快能看到更多的跟他作品相关的作品。AI二位都非常关注,而且在这个领域里有相当的研究,我们可以不妨做一点灵魂之问,AI您觉得究竟是朝什么方向走,大家一提到AI,最基本的恐惧,就是它未来会在多大程度上能够统治我们,在多大程度上替代我们,还是能够在多大程度上为我们所用,在这些基本的哲学领域的想法,您现在有什么最新的体验,跟大家分享一下。

陈楸帆:我先抛砖引玉,今天来到埃森哲跟FT的晚宴非常荣幸。特别巧,因为今年我的一些创作都是跟AI有相当密切的关系,不光是今年年初在中信出的小说集,叫人生算法,全都是围绕人跟AI共生的共识,有生老病死这样的不同面向AI在里面扮演的一些角色。

更有意思的是,今年年初的时候,在上海作协,思南文学会这边,用了AI的算法,把去年的20本主流文学杂志,包括人民文学,大家比较耳熟能详的主流文学杂志的作品全都跑了分,用AI的算法给每一篇作品一个复制,是结构的优美程度有一个曲线,在前面所有的跑分里面,莫言老师排名第一,发表在十月上的作品,诺贝尔奖得主,最后一天,最后一个杂志,上海的小说界,把他的作品提交上来,跑出来一个分,一篇作品以0.0001的差距艳压莫言老师的作品,这是我的,最有意思的是我在这个作品里用了AI写作的部分,因为我在谷歌工作了很多年,我跟王永刚很熟,他在2017年下半年下载了一些代码,技术上没有任何的难度,把我所有写过的语料数据都打包进去,我们做了这样一个放在阿里云上的程序,会输入一些关健词,能自动的生成一些片断。这篇作品,把这些片断放进去,围绕这些东西做一个创作,人跟AI协作的作品。这两个AI是出于什么样的原因,互相认出了彼此,而且认为我带有AI写作的作品,比莫言老师的还要略胜一筹呢?非常有意思,所以今年上半年的时候,很多媒体都做了报道,包括有很多文学评论家发出这样的惊呼,是不是AI写作的时间到了,是不是艺术的领域,以前觉得人类最后坚守的阵地会发起挑战,我觉得这个过程里是非常有意思的思考,所以对于我来说,还远远没有到达那个阶段。对于我来说更像是我为AI写作的东西,我把它写作出来的这些没有什么逻辑性,需要用一种更加开阔的视角去阅读的文本,给它做了更加适合人类阅读的故事,同样我相信,在其他的领域也是面临这样的问题,大众的担忧都是来自于对技术的不了解对陌生未知的恐惧,占了压倒性的位置,包括李开湖(音)老师曾经说过,因为科幻作家让大众一直对AI有恐惧的心里,现在通过科幻电影的展现,将科技与人文进行连接的这种方式,更好的提出一些问题,这些问题可以让大众产生更深度的思考,这些问题可以帮助他们在心里上做好缓冲。

比如说今天我在论坛分享的,(英文)的年度报告,里面有一个情感的冲击,叫做(英文)讲的是,在未来有可能AI比人类更能够准确的是别人的情感波动,包括现在非常多的面部识别技术,对微表情的识别准确度已经超过了人类,现在有很多心理咨询用AI介入,比人类心理咨询师更了解所属的类别,采取更针对性的疗法。会否有这样的可能性,在这个过程中,因为数据的安全性,包括数据的偏差,包括黑客的攻击导致算法会对人的情感状态产生影响,这个东西其实有很大潜在的风险,这个是我这次为论坛所写的小故事所描述的未来的可能性,他们也会把这个跟西班牙画家一起做成作品,在这个月底的年度报告里会呈现出来,所以也是非常希望今天在这里跟大家一起交流,通过各个领域的跨界合作,我们从一个文艺工作者的角度,把这样的一些思考,把这样的一些担忧,以故事的形式表达出来,帮助更多的人理解技术,去做好应对充满不确定性的未来的准备,同时我们也可以反向为技术从业者,因为很多时候我们会从工程学的角度,我们认为工程可以解决很多的问题,但是其实忽略了人,他作为一个个体,他是复杂的,他不是一个数据,一组(英文),我们需要把人的情感,这种连接代入进去,帮助我们做技术的人更多样的去考虑到一项技术,能够在多大的范围内产生各种层面上的影响,这可能是从根源上去进行预防一些可能存在的风险的一些做法,所以我的小小的分享,谢谢大家。

主持人:非常感谢陈老师。刚才我忘了提醒大家,因为大家都难得来夏季达沃斯一趟,听说很多今天的演讲嘉宾后边还有第二场、第三场活动,为了不耽误大家后边的活动,争取尽快,按照原计划20:45左右结束,麻烦每一位演讲嘉宾大致限制在两三分钟左右。下面请赵阳先生。

赵阳:刚才跟大家分享过我的片子了,就两点。第一,包括我个人,包括在座每个人都爱看一些故事,科幻电影等等,我个人更愿意看探索,我们更希望探索更真实的世界,到底这个对我有什么影响。

通过这个片子的探索,大家不需要担心AI对你有什么冲击和影响,我们的出发点就是想知道对普通人,尤其那些存在失业危机的可能性的对他们的影响,大家其实是不需要担忧的,因为不管是AI的发展阶段,还是未来,应该都没有问题。至于怎么制定,如何让AI向健康的方向发展,这个是需要大家以后探讨的问题。

主持人:下一组请FT两位老朋友,首先是钱军老师,还有陈东辉,二位都是跟金融相关的研究,非常资深专业的人士。AI最初现在比较成熟的应用领域也是跟金融相关,尤其是保险、银行业都已经有了成功落地的案例。依据您的研究再和我们分享,下一步从金融行业来看,还有可能看到怎么样更深层次的AI的应用,在目前已经有的应用中已经看到了什么样的挑战和问题。

钱军:说三条,第一个AI在金融里的应用,已经有很多了,下一步很有希望的在投资领域,中国理财市场非常大,各种各样的数据,几百万亿,为什么AI在投资领域很有用呢?因为人在做金融决策的时候,传统的金融学说,因为做钱有关的决定很理性,其实很不理性,所以人在做投资和交易的过程中,重复犯很愚昧的低级错误,各种各样的实证研究,比如说诺奖的教授,把瑞典所有家庭的退休金的账号都做了,比如说交易次数过多等等,这个方面AI不是在创造更好的交易方式,而是很简单的,就是避免常见的错误,我是从这点来讲,避免人为的错误,就可以给投资者带来很高的收益。接下来在金融很有希望。

第二个,不是泼冷水,我对AI的问题,跟我对所有技术的问题是一样的,金融这个领域里面,其实到最后很关键的问题是信任问题,当然人承受也需要信任,谈恋爱也需要信任,金融也需要信任,信任问题在近来学里面的核心是信息不对称,有了大数据以后是有非常多的信息,但是信息多不等于信息是对称的,你知道的东西,你讲给我听的时候我会打个问号,这个心身问题,即使有了区块链,可以99.99%防止伪造,有的海量的数据把你从生下来到任何的数据都掌握的很清楚,有了AI能够全面掌握,还是不能解决这个问题,而且这里有个鸿沟,现在的AI最终决策还是给人做的,比如说金融交易,AI可以把数据做好,最后还是人拍板。AI还是在为人服务,问题是什么,不管是技术也好还是数据也好,哪怕100、1000个基金里面,谁都很好,只要有一个坏人,哪怕区块链应用里面,99%的人都很好,哪怕有一个坏人,只要有一点点的失误,这个信任问题就是一个鸿沟,所以这个方面,我没有看到任何的技术能够朝着解决信任问题上面迈出很实质的一步,虽然有各种各样的办法。

第三个狭隘一点,讲到法律,监管跟AI有关,学术界经常讨论一个问题,现在用AI用程序交易,现在速度很快,而且可以量很大。美国已经发生了闪电崩盘,1%秒里程序下错了以后市场就崩了,杀伤力很大,瞬间万亿就没了,现在有一个问题,以后都是程序交易时候,有一个是坏的,是恶意的,从法律上讲,什么时候应该判它有罪。现在为止尤其西方的法律,犯罪的事实要达成的时候才能判罪,现在的问题是,等到有犯罪事实的时候,几百万亿的钱就没了,能不能判一个人有罪,因为事后就来不及了,就得往前追溯,这是一个挺有意思的话题,人的行为,因为这个程序,一旦被追溯到最后写的人也好,公司也好,您也可以多写点作品,谢谢。

陈东辉:保险是一个非常传统的行业,跟刚才作家和制片人比起来,自己感觉说出来对大家的胃口没有太大的帮助,但是AI确实是非常重要的话题,对保险行业影响也非常关键,所以我想给大家举几个例子,AI现在用到了什么程度。

前面讲信息不对称用AI来解决,特别到位。第一个,我们在寿险承保的时候都会问一个问题,你会不会抽烟,大部分人都说不抽烟,没有人老老实实讲抽烟,因为知道抽烟保费就上去了,保单就更贵,所以没人讲实话。你发一个照片,问你几个问题,做什么工作用机器学习判断,95%的准确率,根本不用问你抽不抽烟,看看你的面相,问几个问题,机器学习判断的非常准。

第二个例子,国内保猪的保险,猪没办法验到底最后索赔的猪是不是当初的猪,现在AI用了以后用了猪脸识别,确保索赔的时候这头猪长的跟承保的那个猪是一个猪,要不然农民以前提几条猪尾巴来索赔,信息严重不对称,所以AI非常简单,也非常有效。这两个例子没有解决模式的问题,未来AI的会不会有新的业务模式,有可能,一个是无人驾驶,如果说推开以后,现在车险就消失了,就变成了汽车生产厂商的产品责任险,设计的无人驾驶系统,会不会出现系统性的风险,这个是保险公司来承担风险,这个业务模式完全不一样了,颠覆性的。

来说妨碍保险,如果说AI的使用能够做预判,可能会彻底从根本上颠覆目前的保险,也就是说目前所有的保险行业赖以生存的最基本的这些商业保险都不管用了。我不太占用大家更多的时间,这两个都是行业研究的重点,AI对于最传统的保险业,这个浪潮已经推了,大家再想不参与已经不可能了,谢谢大家。

主持人:非常感谢陈总提到了猪脸识别。今天还请到的京东集团副总裁,猪脸识别已经非常成熟的业界应用,而且好几家公司都有独创性的研究。

刚才好几位演讲者都强调了,包括片子也都看到了,在人工智能里人是完全不可忽视的因素,归根到底不能让人工智能变成像终结者里边那样的毁灭人类文明的角色,但是另一方面人力资源,人力在目前的确是各个行业里边很多人都感受到了,新闻业界也是一样,腾讯开发了写新闻的机器人,虽然现在以财经新闻体育新闻为主,但是我很多同事其实都已经很紧张了。下面请跟人力和人工智能关系研究有关的几位,首先是(英文)中国CEO陆坚模式,还有埃森哲亚太区李惠红,再有是刚才跟我们提过的大连立功大学卢湖川模式,这组人数比较多,麻烦每位发言时间限制在两分半、三分钟左右。

李惠红:欢迎大家来到美丽的大连,我自己是负责埃森哲亚太区的运营业务,同时也是埃森哲大连公司的负责人,欢迎大家来到大连。

关于人才的问题,大连其实是万人的交互中心,在我们推动人工智能和自动化过程中,给大家一个数字,平均每年自动化1000个人的工作,我才是真正感受到每一天,面对着我平均28岁年龄的小朋友的时候,我会告诉他,明天你的工作就会被替代掉,这个问题怎么解决,刚才谈到的并不是耸人听闻,这个事情就在我身边发生,我们怎么去面对。我想谈的是,让大家重新变化技能,大家失业,因为人工智能可能会失业,但失掉的是当前比较固定化的,比较规则化的职业,取而代之的是我们需要更加有创造力的工作会出现,更加有价值的工作出现,所以其实我会鼓励和所有的员工,能够获取更新的知识,我想分享哪三方面的知识,也是我们平时做的。

第一个学习如何使用机器,不要怕它,今天晚上叫你做主,你要了解它,才能够做主。我们会对所有的员工进行人工智能以及机器智能方面的培训所有人。是白天工作,还是24小时工作,这是培训员工学习培训机器人。

第二点,所有员工都会增加一个叫跨界,每个人多一项技能,有两个职位在公司里出现,一个叫(英文),那些学技术的,要学一些业务,有很多IT同事,现在财务的知识也很厉害,他可以培训一个CPA出来,反过过来,一些业务的人教他做机器人,这个就叫跨界培训和成长,这是第二点。

第三点,我非常欣赏两位作家,让员工充分创造的能力,我通常跟大家分享的,你怎么有分享的能力,我说看科幻电影,看科幻小说,未来对人类产生的影响会怎么样,我想通过看科幻电影,看科幻小说,让大家产生对人工智能无限的向往,让他能够更加积极的变化,这种变化是不能阻止的,那就拥抱它。就分享这三点,谢谢。

陆坚:很高兴今天能有机会跟大家分享。是全球最大的职业社交网络,有6亿多会员,今天能够跟大家分享一些数据,不过在分享数据之前,我想讲刚才钱总讲的人工智能对金融行业的影响,驱动自动化交易等等。我们发现,有一个高危的人群,就是财务分析师。

我其实个人一直是做技术的,很多年了,也是做图象分析,视频分析,应该说是身在其中,包括深度学习对技术的影响,但是实际上我是在两年前读了一本书,让我感到我们在变革中,自己其实没觉得,其实说的是机器取代人的部分,这个时间已经很长了,不知是AI,其实是自动化对人类工作产生的影响,这本书是2015年也是FT商务类最佳的,叫(英文),我还没漫谈中译本,但是我读的是英文的,也是纽约时报的畅销书。

我读到了非常震惊的数据,这个书是2015年写的,很多数据是2010年到2015年之间的,其中讲了一个小故事,讲的是机器改卷子,我们知道改卷子如果是选择性答案就不用说了,这里改的是改作文的间子,用的是美国升学考试,用了大概上百份卷子来训练机器,后来这个机器就能达到跟人的阅卷99.9%的吻合率,而且还能找到,如果是不一样的,觉得机器改的是对的。这件事情仅仅是我们从一个数据上看,还有一个事出现,应该是在2013或2014年,在美国的老师里有一个反机器阅卷的联盟,大家可以看到,老师们感到了机器对他们的威胁,这不是选择新答案的那种,是讲重复性的工作,提升效率的问题,这是从智能的角度上来说,叫作文的卷子。

国内有一个批改网,中文机器改卷子,现在水平什么样我不知道。其实也是去年在天津的夏季达沃斯上我们公布了关于人工智能对就业的影响,我们在2015年到2018年期间,发现我们的的会员,他们都会来标记自己的技能是什么,我们就发现,其实人工智能有关的,我们说都是硬技能,在这段时间里增加了190%,这是一个很有意思的,我们在想,这意味着什么呢?意味着很多的会员,可能是想驾驭机器,学的都是人工智能。

还有一个数据,研究就业的人才上面,我们发现有哪一些工种在过去的五年里,是看涨的,先说哪些是看衰的,分析师是一个,还有行政助理也是所有行业里都在减少。我们说哪些还在继续增加呢?我们归纳了,有一些叫(英文),就是围绕着人的,这些其实包括人力资源、做市场的,这些要对人的习性,人的偏好能够了解的,这些看上去,这些工种的人数量是在增加的,这也挺有意思,如果可能不是我们有太多担忧,但可能更多我们的孩子,下一代,我有担忧的话,让他们去学习什么样的,或者说抢在机器墙面,学一个能够驾驭机器的更好,还有是围绕我们人的强项的,也是为我们出了一点方向。谢谢。

卢湖川:这两天一直在做人工智能的发展状况的报告,在不同层面上。我是做人工智能方面研究的教授,人工智能的发展三起三落,到现在是非常高的水准,特别是2012年之后,人工智能在各个领域不仅仅在互联网,是遍布了所有行业。

刚才大家有点过分担心了,现在人工智能更多的是能够解决一些特定的任务,比如说人脸识别,甚至在保险里对车的自动评估等等,包括我其实也在跟今日头条合作(英文),把一个人的动作穿到我这里,合成我来跳迈克尔的舞蹈等等,都是围绕特定动作做的,真正的发展到机器代替人的时代,我们称之为强人物智能,我觉得还是很远的。

其实现在更多的人工智能是在帮助各行各业提高效率,其实只是开了一个头,还有很多任务是难以解决的,大家看到的打败象棋,这是很简单的事情,很容易做到,但是在很多开放性的数据集里是很难达到很高水准的,其实机器在智能推理等等,认知、总结、归纳还有很大差距,这是第一个方面。

第二个方面,因为我高校的,现在AI的这种企业,对于人才的渴望是极度的渴望。深度学习毕业的学生很少,薪水都是非常高的,特别是在中国很多学生可以直接到美国的硅谷创业,主要是因为掌握这项技术的人很少。因此中国其实在人工智能方面是有先天有时的,因为人工智能第一是算力第二是算法,第三是数据,其实中国人在算法方面是有先天优势的,因此目前中国2017年国务院发布的人工智能发展规划之后,各个行业都发过发展规划,对中国人工智能的发展是巨大的机会,我们希望在这个机会过程中,能够抢占人工智能的高地,能够把科技革命从美国牵引到中国来,这都是未来的中国,要取决于所有行业。

教育部也好,包括全国也好,从今年开始第一次,在9月份招生工作中出现人工智能专业,大量培养人工智能方面的专业人才。这是学校方面。

其实大连市政府和大连理工大学成立了大连理工大学人工智能研究院,也在扶植这件事情。企业对人工智能的泡沫也会迅速的衰退,在产业界的融资投资,实际上是在2014年起始大2018年的时候基本上开始冷却了,要回归到理性,特别是热情进去之后,期待的是产品的一种落地,目前应用场景还差的很远,在座的很多企业有很大的机会,人工智能真正为企业找到落地的产品是不容易的。

大家应该理性的看待这个问题,真正的把泡沫挤出去以后,这个行业才会更快速的发展,同时需要教育界共同协作,推动人工智能的发展。

主持人:前几年采访过程中涉及人工智能人才去哪找,很多中国高科技企业,派自己的猎头,在毕业季提前半年就跑到大学门口蹲点,见了人就问是不是人工智能人才,希望国内人才能够尽早的适应国内不断膨胀的需求,国际顶尖的人才的流动肯定是不可逆转的趋势,即便是当今的环境下,还是希望国内人工智能相关的教育机构,研究机构,能够尽快培养出来自己这些尖端的人才。下一组一位是荣永康先生,还有是京东商城战略负责人凌晨凯先生。

很多政府都在各种各样的给数据建墙,有些是出于隐私,有很多行业开始叫苦,所以想请二位谈谈,在你们看来,数据的流动,未来是会更多的有限制,有限的限制,还是说现在会出现这样一种,从各个层面,出于自己的利益出发,更多的限制数据的流动这样的趋势。

荣永康:AWS客户数据还是客户的数据,现在不同的国家,不同的行业的监管是大势所趋,因为当这些数据跟个人有关的时候,就自然有多疼,你说是人家的数据,人家可能没关注,AWS还是比较支持,但是不要管,管到死的时候,基本上就没办法了。

美国有很多研究是针对乳牙,但是美国人乳牙的分析,跟中国人不一样,中国人在台湾,我们有一个客户,他们研究大概有100多万的数据,其实整合起来的话,其实是一直可以找到有针对性的治疗的方法。让行业管的时候,是不是建起一些壁垒让其他人进不来,如果跟医疗有关,还是应该有限制的把它放开,需要有一些专业,最担心这些数据的管理监管,是一些不太懂技术的去管,那就有点麻烦了,就管的太严了。

我们的看法还是以行业,因为行业知道,怎么去交换,怎么去流动,我们也看得到,如果有一些人也好,团体也好,希望做交换的时候,最少保证这些数据的一些安全,去到哪里去,可以跟踪的,看到这个是比较好的保障。

凌晨凯:我个人觉得,数据对未来的企业,像零售企业价值是非常大的。我们看到的是未来商品的交易价值,是在直线下降,而数据和内容和服务,这个价值是在不断上升的,所以说如果能够确保数据的流动,未来能够带来价值。举一个例子,以前我们说大家刷牙,去买一把牙刷,现在有合作,牙膏也不要钱,牙刷也不要钱,刷完以后,觉得你这哪有问题了,哪有潜在的毛病,我这里有一些其他的方案,可以看到数据对品牌的价值。

第二点,从零售商的角度来说,数据让我们跟品牌商的关系发生了根本性的变化。以前是我们多赚一分钱和少赚一分钱的关系,一旦的数据,摊子一下大了,在京东内部有很多CUM,这个平台上有大量数据,从市场的空白点到消费者的痛点,到消费者的反应,到他们反应以后的决策,到他们决策的流程都有,这也是非常保密的,不会单独透露。如果跟品牌商合作,可以把盘子做大,从零售商的角度我们是希望数据能够流动,数据能够打通,可以有更多的价值。

第二,我们看到数据能把未来的东西产生变化,随着数据的普及,特别对零售来说,我们走进一个店,这是(英文),琳琅满目,未来数据的普及和应用,我们发觉(英文)变成了(英文),走进这个店或者打开这个网页,从这个意义上来说,数据的价值非常大,但是数据要好好利用,谢谢大家。

主持人:最后一组是人工智能领域成功的创业者,好几位都是达沃斯青年领袖,达沃斯的常客。想给各几位准备的问题,现在大家提到人工智能都说大数据,大算力大算法,都是巨头的企业动辄几亿的钱砸市场,但是你们几位创业相关的领域,往往都是侧重于为中小企业服务,甚至为个人消费者服务,所以在需要如此之巨大的投入,有如此巨大的门槛和壁垒的行业,又怎么样能够开发出,能够为中小企业,能够为个人消费者,跟人工智能相关的或者是应用,或者是技术,你们几位的经验大概是什么样的。首先请范凌先生。

范凌:非常高兴,很感谢有这样的机会,来讲一下我们公司做的事情。

当我们讲到人工智能的时候,消费端数据是很充分的,所以在消费端可以再精准的投放,做很多事情。但是在消费端的巨型平台,并不一定有优势,我们自己做人工智能和创业行业相关的,一个人在阿里上买了1000本设计书也不代表他是好的设计师,作为一个创业公司,有可能在供给侧做一些积累,这是我们的第一个机会。

第二个,我们在讲人工智能,这个名称本身带有一定的(英文),60年代的词,现在我更愿意讲人干人的事,机器干机器的事,机器干到现在也应该有自己的思想了。前一段时间有一个朋友跟我讲了一个故事,他说20世纪最伟大的发明就是电,电出现了以后,有了电梯,有了电梯才有摩天楼,本来从6层楼走到100层楼本来就是人干的事,机器智能除了自动化致用,还有一件事情,最近我去硅谷的时候也在讲,能不能让机器帮助人更好的成为更好的作家,更好的记者,更好创意人,过去的数据能不能通过更好的方式帮助每个人更容易达到(英文),这个角度还是看到很多机会的,我们自己一边做公司,另外也做机器集,教机器创意的基础设施,这块也需要更多的时间来做,总结三个点,第一个点是供给侧小公司有机会,更垂直。

第二点,我们应该发现那些除了自动化之外,帮助人更好的干好非标中国的智能的机会,第三个这里有一些垂直的数据积累,需要跨平台一起来建立。

黄鼎隆:作为人工智能的公司,首先要赚钱,所有不赚钱的创新都是耍流氓,人工智能要不耍流氓,要负起责任来,首先是赚钱。因为人工智能已经有那么多的投资人,那么多客户,砸了很多钱,如果是负责任的,现在应该是给投资人给客户提供足够好的财务的回报,所以说能赚钱,或者换一个角度讲是实现商业上的大规模应用是现在的关键点,这个实际上是很难的,因为现在看到那么多概念,真的大规模的商业应用,应该是非常少的,非常难,因为这里面有太多没有解决的问题需要一个一个去解决。比如说刚才贾总说的四维象限的模式,到效率模式到创新模式,看到了我就觉得,应该努力的从效率模式往效力模式转,里面到非结构化的数据,过去五年一直在致力于解决一个问题,人工智能深度学习需要太多的数据去训练,需要那么多数据,使客户应用成本太高,而且需要标注过的结构化的数据,所以开发出一个弱监督式学习算法,不需要那么多标注的数据。只是一个小小的提升,我们是给一些零售企业提供识别商品的人工智能模型,以前识别商品需要上千张图片,现在只需要20张,这就代表了从成本上大幅度的降下来才可以打幅度的商用,而类似的问题非常多,这个路是很漫长的。

再回到刚才那个问题,给中小企业大企业,我们的商业路径,首先不是去服务中小企业,我们首先是服务大型的,尤其是在国际市场上,在各个领域龙头的企业,去年有幸成为埃森哲的投资企业,只是跟埃森哲一起能够给大公司提供AI的解决方案。为什么这样一个策略呢?也很简单,就是赚钱,因为这样的策略,大企业他们的规模的效率的提升,哪怕是一点的提升也足够有商业的空间,所以主要是从这个角度去切入的。

袁辉:我最后一个发言,就很多嘉宾的观点,因为时间有限,抛一些观点,第一个关于大数据的问题,第一今天人工智能,谈的很多是大数据,但是我想举一个例子来引起大家的思考。

人类学习从来都不是通过大数据,我们在从一年级开始的语文,一直到大学语文毕业,所有的语文中文的课本,放在一张桌子上都是不够的,包括数学天文地理化学,人类的学习从来都是用小数据,而不是用大数据,第一个观点,现在人工智能离人类在整个学习的模式上,还差的非常远。

第二个观点,刚才我们谈到关于机器是否取代人类的问题,我分享一个数据。第一个七年是做消费者的应用,七年之后面临今天苹果同样的问题,是没有商业模式的,只是人类的梦想,包括阿尔法狗,只是人的梦想,但是依然是一个巨大的挑战,今天所有的大型企业,包括刚才创业者在谈的,基本上聚焦在(英文),破镜领域的商业问题,怎么样把科技从黑盒子里面变成推动生产力的部分。

另外一个观点,今天的人工智能一定首先在B2B再到B2C,机器取代人类这个上面,今天中国三大运营商,几乎全是我们的客户,举一个例子在客服领域,我们帮建设银行一年取代9000名员工,所以进在中国前五大银行里,我们是数十万的取代,这种数据是真实的商业数据,今天是闭门会,我只是分享给大家,机器取代人类的方面,已经开始了,而且在某些岗位上面。我们在2035年,我们认为比如说机器取代人类的机会可能更多,我说这是时间的问题,是机器取代人类快,还是机器创造快。

第三个,关于今天在第一个七年,我们经常谈科技发展,人工智能怎么先进的问题,我到客户讲关于人工智能机器人,他听我讲的两个小时,他非常兴奋,这是在2010年之前,他非常兴奋,他说能不能把你的机器牵出来看一下,2010年之后,今天不会再谈这样的问题了,今天在谈AI的赋能,但是再早几年就谈怎么把科技转化成生产力。因为我们看到一个很大的局限性,今天所有的算法,所有对AI的思考,都没有离开过去60年以来,人工智能这个框架体系,而这个框架体系在目前是没有被突破的,在未来的五年我的观点,因为各行各业会引入人工智能,所以我们会看到人工智能在过去的积累,会在未来的三到五会爆发,但是离我们所期待的那个部分还差的很远,如果不突破这个理论框架体系,我们所期待的人工智能是很难出现的,所以再回到人类和人工智能的关系的问题,今天的话题很重要,因为今天我们会讲,对人工智能会有很多担心,回到科幻作家的问题上,今天大家有很多恐惧,打个比方,人类关于终极梦想和人类的关系,我不是基督徒,但是我用一个故事,像伊甸园中亚当和夏娃,已经吃了第一口苹果,人类在期待中期待人工智能的出现,人类是带期待和恐惧中等待梦想的实现,为什么科幻作家很有意义?因为人类一直都是心想事成的,没有心想不可能事成,只要心想必事成。人类自己现在标准下滑了,什么意思呢?比如说现在问一个很简单的问题,我们十个人,你是好人吗?十个人中可能有十个人说是好人,随便挑一个人问,你凭什么讲里是好人呢,他说那九个人干的事我不干,这也是今天的主题,AI的未来在哪里呢?是在你我,在人类自己本身,AI的未来是你做主,谢谢大家。

主持人:非常感谢袁总。今天各位跟我们分享,即脚踏实地,又有梦想的远方,让我们受益匪浅,希望明年或者再近一点的时间,随时做交流,大家保持联系,谢谢。

版权声明:本文版权归FT中文网所有,未经允许任何单位或个人不得转载,复制或以任何其他方式使用本文全部或部分,侵权必究。
设置字号×
最小
较小
默认
较大
最大
分享×