「跨界」碰撞！当AI大佬遇上量化对冲基金之王

近日，在加利福尼亚州比佛利山庄举办的米尔肯研究所大会上，围绕人工智能展开了一场主题论坛。

这场讨论汇聚了两位大佬级人物----中国人工智能领军人物、创新工场董事长兼 CEO 李开复博士，以及著名量化投资人 D.E. Shaw 的徒弟、全球量化对冲基金巨头 Two Sigma 联合创始人 David Siegel，接受彭博商业周刊高级执行主编 Joel Weber 的连番发问。

李开复博士在人工智能领域的地位自不用提，他于 2009 年创立领先的技术投资公司创新工场，专注于培养新一代中国高科技企业，管理着 20 亿美元的双币投资基金。

近年来，创新工场投资了许多有助于推动全球经济发展的科技公司，孕育出了 10 余家独角兽公司，其中有 5 只独角兽位于人工智能领域，包括比特大陆、旷视科技、MOMENTA、第四范式、地平线等，李开复博士在人工智能技术创造价值方面发挥了至关重要的作用。

David Siegel 在量化对冲领域地位超然，他在年轻时就被计算机科学吸引，对编程产生了浓厚的兴趣，从而激发了对构建智能计算系统的终生热情。从普林斯顿大学毕业后获得了麻省理工学院的计算机科学博士学位，并在人工智能实验室进行了研究。

2001年，他联合创立了 Two Sigma Investments，相信创新技术和数据科学有助于发现世界数据的价值。今天，通过使用算法和独特的文化，Two Sigma 推动了许多行业的转型，包括投资管理和保险，如今已经成为全球量化基金霸主。

在这场长达 1 小时的论坛中，他们二位从人工智能的发展情况聊到各领域应用前景、从眼下隐忧谈到未来版图，观点犀利，干货十足。

在这里，我们为大家梳理了整场论坛的精华要点，一起领略两位业内顶级大佬的精彩「跨界」思想碰撞吧。

01 AI 初体验

Joel Weber：请问你们对人工智能最初的印象是什么呢？

李开复： 我小时候是《星际迷航》的粉丝，那种无论身处哪里可以与「上帝」对话的机制让我联想到了语音识别。我在哥伦比亚大学读本科的时候，发现有几位研究计算机视觉和语音识别方向的教授，所以我选择了人工智能这个领域。

David Siegel： 我小的时候看《2001太空漫游》，那会我可能还不到十岁，就对 HAL 9000 (超级计算机)非常感兴趣，当时我就认为这将成为未来的一种可能性。

我认定人工智能肯定会在我还活着的时代出现，我当时还很天真，就为了这部电影对计算机产生了很大的热情，所以我把全部功劳都归功于亚瑟*克拉克（英国科幻小说家，《2001太空漫游》的作者）。

02 人工智能命名 之「谬」

Joel Weber：你们认为，人工智能将在什么时候真正成为我们的一种时代潮流？

李开复： 其实我很担心用时代潮流这个词形容人工智能并不准确。有一次，我与 David 跟一些非常聪明的人共进晚餐，其中包括几位记者，于是我让他们用自己的语言描述人工智能，不过答案都是很符合现今技术下人工智能的真实状态。

我觉得问题出在「人工智能（Artificial Intelligence）」这个称谓上。顾名思义，人工智能应该像人类一样，但现在先进技术下的人工智能和人类智慧还不能相提并论，它能比人更好地完成某些任务，但人类在一些其他事情上也做的比人工智能更好。

David Siegel： 我同意开复的观点，确实有点「用词不当」。人工智能做的事情都是真实发生的，所以不能称其为人工、人造的（Artificial），它的智能程度（Intelligence）也不能等同于我们对人类智慧的理解，有点名不副实。

**03 ** AlphaGo引发的AI思考

Joel Weber：2016 年 AlphaGo 给予了人们对人工智能更多的想象能力，我也知道围棋在中国非常流行，二位肯定在持续关注 AlphaGo。那么这场比赛是如何改变我们对人工智能的印象的呢？

李开复： 我在博士期间对电子游戏其实有过研究，当时我做的程序打败了世界冠军，我同学研发的软件打败了国际象棋冠军加里*卡斯帕罗夫，之后人们就对人工智能的未来有了期许。

我们大多数人都认为，围棋软件或是机器的研发会很困难，可能需要 25-30 年的时间，因为围棋的探索空间比国际象棋其实要大得多。而 AlphaGo 出现的如此迅速也让我大吃一惊。

人们也都渐渐发现，如果能开发到围棋的层面，人工智能就也可以解决许多其他问题。而对于中国人来说这份吃惊是双重的，因为中国人以研究出如此繁复的棋类为傲，认为人类的思考和禅性是围棋中获胜的先决条件，而现在这个冷冰冰的计算机却成为了中国最优秀的棋手。

对中国来说，这也是一个觉醒的时刻，政府、企业家、投资机构受到启发，纷纷投身于人工智能这一领域。

David Siegel： 我们思考一下，为什么人工智能非常擅长解决游戏类的问题，包括围棋还是其他项目，其实这也是非常有趣的。

显然，DeepMind 在这个过程中扮演非常重要的角色。围棋中最为重要的突破口就是评估如何去下每一步棋。如今我们需要了解的一点就是，人工智能要想知道怎样下下一步棋最合适，需要用人类的智慧对机器进行编程，而这一步是导向算法走向成功的关键。

而在大多数情况下，这才是最难的一个步骤，人类对机器的编程是人工智能思维的前提，而它本身其实是机械化的。相信很多人听到 AlphaGo 都以为它能够自己想出下棋的最佳步骤，的确也可以这么认为，也确实有很多人都这么认为，但这种想法其实是有些误解的。

李开复： 其实有一个很好的方法可以评估人工智能能做什么和不能做什么，那就是这个过程是不是一个优化问题，是不是为了客观的功能在寻找更优解。

如今，深度学习占据了大部分的数据内容，结果也都是可预见的，那么人工智能就可以对其进行分类、优化，所以可能在某个领域，人工智能能打败人类，而在其他问题上面，人类的做法远远优于人工智能。

David Siegel： 现在自动驾驶技术正在被人们广泛探讨，我觉得一个必提的问题是，在自动驾驶过程中，使用到开复刚刚提及的优化程序来解决方案占比多少，人类创新解决方案又占比多少。

有趣的是，并没有人能够准确地回答这个问题。我们每个人都是凭着直觉开车，没人会思考开车是不是很困难，是不是我们的大脑一直在做驾驶决定。

最近让大家很困惑的一件事，前几天新闻里也有提及，福特公司最近声称，自动驾驶技术比预期中要困难许多。我对他们的这种见解其实毫不吃惊，因为从很大程度上来讲，没人能形容开车到底有多难，所以如果有人说一两年就能实现自动驾驶，这都是完全基于猜测，很可能是不会实现的。

**04 ** 别忘乎所以，「拆解」AI应用

Joel Weber:如何定义人工智能的范畴？

李开复： 我在新书《AI未来》里谈及了人工智能有四波浪潮。

第一波浪潮最为明显，是互联网智能化，Facebook、谷歌、亚马逊等互联网公司就是这一时期快速发展的典型例子；第二波浪潮就是商业智能化，包括商业投资应用，银行、保险、信用欺诈等等；第三波浪潮是实体世界智能化，就是人工智能看和听的能力，而且现在人工智能已经比人类的表现更好了；第四波浪潮就是全自动智能化，也是最难的一个层面，因为需要融合许多感觉输入、嵌入操控能力，需要机敏性等等，这个层面本来就很难，也解释了为什么自动驾驶技术如此困难。

我同意 David 的看法，通用人工智能取代替换人类是非常困难的，我们无法预期何时能够达成，也许需要二三十年，但是也有一些短期的应用可以把整个问题细分化，人工智能就可以处理了。

如果说要把问题细分化，在高速公路上从一个服务区开到另一个服务区，那么自动驾驶肯定是可以实现的，还可以开得比人更好。这就是一种可行的商业应用。还有一种就是自动泊车，我相信你们肯定也有很多人已经在使用这一功能。

作为投资人，我们不会采用大水漫灌的方式，而是把问题细分化到有商业价值的层面，然后先解决这个层面。

David Siegel： 我同意，许多商业领导者错过了资本分配的最佳时期，因为他们想解决的问题过于困难。就像开复所说，有不计其数的应用采用人工智能非常擅长的优化程序、模式匹配，并且商业价值都很有潜力，比如在医疗、教育、金融数据分析等方面，而且人工智能分析金融数据的表现可能比任何金融分析员都更佳，所以许许多多的小目标都是可以实现的。

但是有时候人们也会有点忘乎所以，不是有时，而是经常，所以人们总在试着解决自己能力范围之外的事情。

**05 ** AI+医疗 --数据不是非黑即白

Joel Weber：二位怎样看待 AI 在医疗方面的挑战呢？

李开复： 医疗领域面临的挑战确实很大。理论上来讲，这个领域不会非常繁复困难，也对人类有着积极的贡献。但另一方面，HIPPA（Health Insurance Portability and Accountability Act）法案和其他法律规定让收集数据的过程变得有些困难，包括匿名的数据也很难收集。

假设我们有了一组来自患者 A 的匿名数据，其中包括每个医生的诊断、治疗方案和治疗成果以及患者的后续完整记录。那么整合亿万量级这样的医疗数据将非常了不起，我完全可以想象到人工智能对皮肤癌、几种肺癌患者 CT 和 MRI 的解读分析，会比医生和放射医师更加准确，这是很大的进步。人工智能在药物探索方面有着更快的速度，因为它可以更快地预测到各种可能性，从而提升医生在临床试验中的成功概率。

我相信，随着我们储存以及整合各种诊断治疗的数据，每种疾病的诊断都能达到比全科医生更精准的程度。但现实问题是，是否有国家能够实现保护患者隐私的同时还能够整合数据，以便人工智能进行工作。

David Siegel： 关于这点，我有一个想法。在美国的每一个州，考驾照或者更新驾照的时候，都有一个死后器官捐献的选项可以勾选。所以，也可以有这样一个选项，就是死后医疗的数据会用作研究，也许这些数据在我们还健在的时候需要受到保护，但不幸的是我们每一个人都会死，没有人可以永生，所以我们死后这些数据是没有必要丢弃的。为了大众的福祉，人工智能领域的进步需要基于长期、全面的数据思维。

我个人就不太赞同欧洲的做法，我理解通用数据保护条例是一项进步，那些隐私忧虑也很有道理，我坚信隐私是需要被保护的。但另一方面，我认为保护条例需要更加细致入微，以防止人工智能算法在数据中找到的所有信息都无法访问。

李开复： 人们正在把隐私看成是一个非黑即白的问题，其实这种想法很危险。如果任何人问我们是否需要保护自己的隐私，答案都是肯定的。但其实隐私和方便、安全、社会福祉之间存在交换作用，像 David 给出的例子就是用自己的医疗数据隐私来换取社会福祉，帮助治愈癌症。

我本人就是癌症的幸存者，我愿意在我在世期间就捐献出我的数据。但如今的医院需要遵守 HIPPA 法案，所以目前没有一个能让我达成这一愿望的平台。

关于隐私和便利这点，可能有人会认为，我希望 Facebook 获取我的数据越少越好，但我们必须明白一点，人工智能的运作原理其实就是融合大量的数据。问题的重点其实在于合理负责地使用数据，用科技保障我们的数据安全，如果说我们不提供任何数据，那么所有给我们提供便利的网站、应用程序都将不复存在。

我们现在需要研究的是，应该给出多少数据，何时给出这些数据，如何避免数据的危险使用，而不是说应该收回自己的所有数据，那样的后果是灾难性的。

David Siegel： 如果说现在会场里的每个人都能把自己的医疗数据公开用作研究，我们的平均寿命一定会提高。

**06 ** AI+教育 --无限潜力

Joel Weber：人工智能在教育领域现在表现如何？

David Siegel： 从个性化学习角度来看，教育领域有许多潜在的进步可能。

调查研究显示，大多数国家从幼儿园到高中的教育都是非常线性的，一切以年级为基准。但这种教育方式既不能让学习好的学生以自己的正常速度学习，也不能让学习差的学生赶超上来。

而在个性化学习的环境中，计算机技术可以判定学生和知识之间的匹配度，然后通过计算机工具或直接把这个信息告诉学生的教师的方法，找到最适合这名学生的个性化教育方案。如果能记录下这种教育数据或标准化考试数据，我们就能通过机器学习方法找到更好、更高效的教育方式。

现在我们只能依靠教师的个人判断，虽然大多数情况下教师的判断是没错的，但是一般一个教师要负责 20-30 个学生，如果没有上述这种技术帮助他们管控学生，这种工作是很困难的。

李开复 ：创新工场在教育和人工智能领域都开展了投资，这二者也有一个汇合点。大概两个月前，我参加了美国 CBS 新闻台「60 Minutes」栏目，其中有一部分提到了我们在教育领域投资的公司，以及他们的产品是如何投入运营的。

我完全同意 David 的看法，在一个理想的未来世界，教室应该是「破而后立」的。想想我们周边的环境，我们的工作、交通、吃饭的方式，都和 100 年前大有不同，但是我们的教学环境却没有改变。教学模式的确需要改变，但让任何国家改变现有教育生态和课程其实都是非常困难的。我们也深知，改变教育并非易事，就把投资方向放到了寻找可以为教育"赋能"的机会上去。

我们现在投资的一个项目就是 VIPKID，他们的在线平台能够在美国教师和中国学生之间架起一道英语教学的桥梁，每年有 60 万中国学生能借此讲流利的英语，这就是一个很好的例子。

人工智能可以利用动画和娱乐提升孩子们的学习体验，我们也很乐于看到人工智能在这里的潜力。而且，中国有很多农村教师缺乏经验，我们可以通过直播的方式，让一位专家教师教授 1000 个农村学生，从而提升教学质量。另外，人工智能还可以实现智能考勤，还可以有遥控系统界面，这是一种全新的教育教学模式，专家教师在视频中授课，人工智能做一些辅助工作，本地的教师也可以起到辅助作用。

在这里，人工智能有多种类型和用途，有的可以纠正英语发音，有的可以解决学生的数学问题、适应他们的需要，有的可以留作业、判作业、判考卷。这样一来，教师有更多的时间成为学生的导师、伙伴，而不是一味做重复性的工作。人工智能其实很擅长做重复性的工作，此时教师就可以成为人工智能与人之间的接点。

David Siegel： 人工智能能够基于历史规律和数据做出新的预测，而这些规律对人类来说可能很难发现。在教育应用领域，如果你有大量的数据，比如PSAT（国家优秀奖学金资格测试）分数、提高分数的方法、分数提高了多少，那么机器学习系统就能判定出哪一种方法是最优解，并且把这个最优解给到一个新学生，从而最大化地提高分数。

目前有些学院已经这样做了，这种方法也被证明确实有效果，对比没有用过这个应用的学生，成绩能够提高大概 30%。这已经不存在于假设中了，而是切实在影响着人们生活的事例。

**07 ** AI投资经

Joel Weber：关于人工智能，你们投资的领域和不投资的领域有哪些呢？

李开复 ：其实人工智能已经走过了很多阶段。起初，很少有人理解深度学习、人工智能，当时有一些博士做这种当时来看起来业务繁复高深的公司，我们很愿意投资，实际上我们也没什么其他选择，同时我们也试图帮助他们发展企业，因为他们有着先人一步的优点。现在这些公司很好的带动了各种人工智能的产业，银行人工智能，客服人工智能，人工智能芯片，B2B业务平台等等。

近两年来人工智能其实有一个很大的变化，很多中国、美国学生都想学习人工智能工程，所以这个领域的门槛逐渐下降，谷歌、Facebook开发的一些工具越来越方便人们使用，也有了越来越多的人工智能工程师。虽然人工智能并没有从高深的学科变成普罗大众的消费品，但它也跻身在主流学科之中，我们现在关注的是如何为这个领域继续赋能，而不是培养许多博士生之类。

现在我们希望人工智能能够融入传统企业，创造更多的价值。用人工智能来评估商业计划书是再正常不过的事，它不是什么高新科技了。尽管如此，每年可能还是有一些公司产生非常棒的想法，我们会予以投资，也愿意在这些有风险的机会上搏一搏。相信大家有目共睹的一点是，现在有大量的数据、工程师驱动着人工智能的发展，把它融入传统商业其实是最好的盈利方式。

David Siegel： 我非常同意。我也认为人工智能是一种可以用在企业里的潜在工具。在投资商眼中，很少有投资抱着完全明确的目的，偶尔你可能就想给人工智能方面的技术提供商进行投资，帮他们做好基础建设，比如图形处理器、软件之类的。企业要想成功，有很多种工具，人工智能实际上就是其中之一。

我个人是从另一个角度来看的，看企业是否能从更科学的角度下进行管理，那么人工智能的引入其实就是把商业过程看作科学过程，都是可以由数据和实验指导完成的。很多人认为运营企业靠的是直觉，每个人自己心里都有着仪表盘。其实商业决策需要精准的直觉，如果你能把商业活动转变为一种科学方式，充分利用数据，肯定是一件好事。

**08 ** 平常心看AI从理论走进现实

Joel Weber：人工智能从理论到现实花了很多年，我们现在又看到了它和企业正在结合，那之后的发展又会怎么样呢？

David Siegel： 当一个新的技术出现后，起初的发展通常是非常缓慢的，但如果想法足够好，一段时间之后一切就位，就会进入快速发展时期，这个时期人们极度兴奋，觉得这种发展速度会一直持续，然后就会碰到瓶颈和限制，发展速度又急剧下降。

现在人工智能还处于快速发展阶段，也很难说这个阶段会在何时过去，但可以肯定的是这个阶段确实会过去。我认为，这个趋势可能达不到人们的预期，开复，你同意吗？

李开复： 我觉得现在有许多夸张的宣传，带动了人们的预期。我认为现在是无法达到人们的预期的程度，但是确实有一些容易实现的小目标。我们现在的重点放在相对枯燥的商业应用而不是一些科幻应用，只有科幻功用越发达，自主性才越好实现。我同意 David 的观点，确实需要时间，也需要技术的突破。

David Siege： 从学术的角度来说，我个人也在一些高等院校参与学术方面的工作。我所认识这个领域的学者也没有人认为通过现在的方法，人工智能会发展到和人类智慧很像的程度，它是无法习得我们人类这种非常独特的能力的。

我也不认识有着这种想法，或是认为这是未来可能的突破口的人。但这不意味着今后的 10 年、20 年时间内都没有人发现机器学习以外的突破口，从而把我们的技术提升到新的高度，而这也可能会发生在 50 年后，甚至 400 年后。

值得一提的是，人脑是我们了解最少的身体器官，没有证实的理论说明我们是怎么思考的，我们是怎样有创新能力和智慧的。在我看来，这是最为重要的科学未解之谜之一，我们对人脑的了解甚至不如我们对宇宙诞生的了解多。

李开复： 这也是一个通常会被人们误会的领域。你们可能听过关于奇点的言论，技术的进步会生产出和人类同等的人工智能，甚至还可以和我们的大脑相连。这些其实都非常非常遥远，一些未来主义者不负责任的预测其实也很危险。

所以，我们眼中的人工智能应该是一种能够做一些日常工作、帮助我们提高效率的工具，而不是未来人类的替代品。

David Siege： 我们应该用一种平凡的眼光来看待。要知道，电子表格是一种非常高效的计算工具，并不是人工智能，但它刚出现的时候很多人都认为它将会终结大多会计相关的职业，但实际上它却制造了会计行业更多的就业机会。这是为什么呢？

因为电子表格的出现让人们发现它可以对商业活动做出精细的分析，这样一来就不需要用人动脑增加数据，因为电脑已经很擅长这项工作了，人们就有时间来进行创新思考，思考这些数字对分析的含义、影响。这时，人类的创造力就有了需要。其实我也是在鼓励大家，希望人们可以把人工智能就看成像电子表格一样的工具，可以激发我们的创造力。

**09 ** AI会搅乱一池春水？

Joel Weber：现今人工智能技术对整个劳动市场产生很大影响，甚至可能会引起社会混乱，你们怎么看到这个问题呢？

李开复： 像 David 说的，人工智能可以作为工具让我们更高效、更创新，对于本身就从事创新性、策略性、复杂性工作来说，人工智能就只是一个像电子表格一样的工具。

医生也可以利用人工智能得到一些诊疗建议，而医生本身可以提供人与人之间的沟通连接，对人工智能提出的方案进行监管、批准。这样来看这个问题也是有双面性的，确实有一些工作会受到干扰，比如一些例行工作、后勤工作等。

人们也在争论有多少行业会受到影响，也有观点认为人工智能会带来许多新的工作，我认为这两种预测都不无道理，但是很难说出一个确切的数字。

但有一件事可以肯定，就是一些例行工作的从业者可能会被替代，因为人工智能可以学习例行工作，尤其是一些白领层，可能没有技能去从事新创造出来的就业机会，因为这些机会不是例行的、规律的，如果是的话人工智能本身就会做了。所以不管我们对AI职业替代乐观还是悲观，很大一个问题就是如何重新培训失业群体，让他们在人工智能的新世界中有工作。

David Siege： 我想把这个问题和我们这个时代最具挑战性的经济问题结合在一起---- 工资停滞。我们在创造就业机会这方面是没有问题的，问题出在收入的支配上，这一点是毋庸置疑。

收入不平衡是一个非常复杂的问题，我也不是想要把它简化，但我觉得这种情形出现的主要原因经常被忽视，也是开复刚刚提到的，包括人工智能在内的先进科技已经完全颠覆了市场所需的技能。

知道如何在互联网、人工智能等方面获益的人已经赚了很多钱，而没有这些技能的人就失去了讨价还价的能力，他们虽然还能找到工作，却找不到好一点的工作，他们的技能不那么珍贵，所以雇主也不会给他们太多薪水，这可能和工业革命时候出现的情况有些类似。当社会所需要的技能出现大幅变化时，我们不能指望重新培训，而是要想从幼儿园到高中的教育应该做出何种改变，把学生们教育成将来社会中的精英分子。

在我看来，把重点放在提升教育上会更简单，也会更高效。重新培训也不是不重要，但把下一代培养地更好是我们需要保证的。

李开复： 我们要做的事有很多。比如，现在的职业学校培养的各种人才比例失衡。现在我们可以应用人工智能技术，因此不需要大量培养从事办公室后勤的人才。

我认为，需要同情心、和人打交道的工作不会很快被人工智能取代。医护是一个增长很快的行业，但从事这一行业并不是很有吸引力，因为其薪水低、从业人员地位也不高。所以社会需要做出改变，一方面要给与那些有天赋的人相应的教育，帮助他们从事创造性的工作并有机会取得成功，另一方面对于那些能够接受常规程序性工作的人来说，让他们从事与人打交道、需要同情心的工作。因为这些工作岗位不会被取代，而那些常规的案头工作或是生产线工作则会消失。

所以我们应该在高等教育（就像刚刚 David 说的那样）和职业教育层面都应当采取相应的行动。即便失业率能够保持在较低的水平，我们也应当采取上述行动。我们还是需要解决这些问题。

David Siege： 好的一面是，有很多事情是需要人类去做的，人工智能和机器人在我们有生之年甚至更久远的时间里都不太可能取代我们干这些事情。大部分基础设施建设有关的工作，比如道路、桥梁、房屋重建等，都需要人类去做。

我们人类拥有机器无法匹敌的大脑。尽管波士顿动力公司在机器人研发方面很先进，如果你们看过他们的视频，就会发现这些机器人真的挺酷。而且机器人技术也已经取得了长足的发展。但是我们依然十分灵巧，机器人很难从事基础设施重建的工作。

实际上，比较乐观的情况是，如果我们改变经济运行的方式，通过提高一个行业的经济效率，会使其他行业受益。比如，50 或 100 年前的农业和今天的农业相比，劳动生产率提高了百倍。当时农民数量很多，如今已经大幅减少了。这是坏事还是好事呢？

是好事，因为这释放了经济的其他要素。所以，如果我们通过使用人工智能系统减少某种岗位的需求，比如办公室后勤岗位、或客服代表岗位，当然了这种人工智能系统得比今天的更先进，那么这些岗位的从业人员很快会被安排到人工智能无法胜任的岗位，就像开复所说的医疗行业。

还有教育领域，人工智能也是有缺陷的。我阅读的每一项研究成果都表明，即便技术更先进，教师与学生的互动也是必不可少的。还有任何与建筑相关的岗位和任务，都需要灵巧的手工技能。更不用说人类能够产生各种新点子，我们的经济具有创新的活力，无论美国、中国还是其他国家都是如此。把今天和二三十年前相比，就会发现当时没有人能预测到今天出现的这些创造性的商业理念。

人们经常犯这样一个错误，他们常常来找我，对我说：「David，你很乐观，那告诉我你认为未来会成为风口的 50 个新商业理念。」但是，创业创新不是这样产生的。这不是从我一个人的脑中蹦出来的，而是来源于全世界数亿人的思考。

李开复： 是的，就像我们如果回到互联网早期，预测互联网将产生什么样的新岗位，我想当时没有人能够预测到 Uber 司机这一职业。现在全世界 Uber、滴滴和其他平台上的司机有一千万。没有互联网的话，这些就业岗位就不会产生。但这一过程花了 20 年。我认为人工智能在未来 20 年内也会产生很多有意思的工作岗位。

我认为，人工智能在未来 20-30 年取代常规的程序性工作，这对于人类是一件好事，因为这将把我们从程序性工作中解放出来，去找到更有成就感的事情。可能有人会说这些工作并不理想，但我想问，你为老人提供帮助，看到他们脸上的微笑，每天结束后给他们一个拥抱，这难道不比在生产线上工作、每天进行同样的操作更有成就感？

**10 ** 解读AI大国的发展

Joel Weber：人工智能领域大约有九家很有优势的科技企业，美国和中国都是AI大国，这对其他国家意味着什么？

李开复： 我认为巨头公司会保持强劲的优势，打败谷歌、亚马逊、阿里巴巴或腾讯这样的公司将是很困难的事。因为随着它们收集的数据越来越多，能够更好地了解用户，通过使用人工智能，这些公司能够了解盈亏底线，从而成为最大的受益者。

但我认为，未来互联网不会是唯一的平台。在金融保险领域、医疗和教育领域都会有应用。人工智能最终能够带来的机遇、机会空间会远远大于互联网的可利用空间。所以对于融入或打破传统业务模式的 B2B 企业来说，它们不会因为互联网巨头获取了更多的消费者数据就被打败。

David Siege： 我想补充的是，美国和中国拥有所谓的人工智能优势，这是事实，某种程度上和两国较为强大的创业文化氛围有关。与欧洲相比，硅谷长期以来拥有技术优势。这和人工智能无关，而是因为大的创业生态有利于新技术的快速发展，以色列等其他国家也构建了这样的生态环境。我认为，两国的优势主要还是源于我们所拥有的创新型经济。

**11 ** 下一代AI畅想

Joel Weber：你们认为接下来几年人工智能将取得什么样的进步？下一代人工智能会是什么样的？

David Siege： 我认为深度学习仍然处在早期阶段。人们用这一技术发明的应用程序令人印象颇深，且种类多样，但我认为我们现在收获的只是深度学习的早期成果。尤其是未来会产生更好的工具，让普通工程师能够用很复杂的方式使用这一技术。因此，技术基础设施的实际改进将很快成为一场技术性很强的讨论。

你现在看到的应用，比如谷歌的技术就令人印象十分深刻。这些技术需要成千上万的谷歌博士和其他高技术人才来开发，这一过程实现了民主化。我不久前刚在底特律参加了一个很不错的活动 ----机器人大赛，3 万多名儿童参加了这场大赛。这些孩子用机器学习来控制他们的机器人。有些孩子还在上初中，不少已经上了高中，他们用以控制机器人的东西，正是基于谷歌的工作成果。当他们走上工作岗位后，就会认为机器学习和用电子表格一样平常。

李开复： 嗯，我同意 David 的意见。的确，在很多科技领域，人们正在不断地推动前沿技术发展，从弱人工智能一步步迈向强人工智能。这是很令人激动的。但人工智能技术的平台化是最重要的事情，会产生最大的影响。

虽然人工智能不再是高深技术，但全世界能使用这一技术的可能只有一百万人左右，远远少于可以使用电子表格的人，也少于能在 iOS 或安卓系统上编程的人。什么时候工程师、甚至是普通人都能够使用人工智能了，就是人工智能扩散真正实现的时候。到那时，任何公司都会开始将人工智能作为工具，将产生最大的价值。可以预见，这将在三四年后实现。

**12 ** 最得意的投资手笔

Joel Weber：说一说你们所做的最佳 AI 投资吧

David Siege： 嗯，我得说那是我的公司（Two Sigma）。

李开复： 我们所做的最大的投资是创新奇智，这是一家快速发展的 B2B 人工智能公司，将人工智能融入零售生产。

我认为人工智能公司的一大挑战就在于其高估值，它们接近 IPO 的时候，必须通过合理的财务指标来证明其高估值的合理性。我们为创新奇智打造了一个强大的商业团队，他们创造了巨大的营收，我认为这使创新奇智这家公司拥有十分广阔的前景。

作者暂无likerid, 赞赏暂由本网站代持，当作者有likerid后会全部转账给作者（我们会尽力而为）。


Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: