对话人工智能:AI技术升级下,金融、医疗、汽车行业将最先被突破

2017-11-29 22:28 · 投资界     
   
人工智能是靠数据变得不断智能,它最先突破,一定是在数据最多的几个地方:第一,金融行业。金融行业是AI受到第一个应用的地方,中国大概6000亿的市场。第二,医疗行业。中国大概5000亿的市场。第三,自动驾驶的行业。

 2017年,全球政治经济发展可谓有惊无险。展望2018年,中国如何妥善应对更加复杂的国际国内环境,如何继续平稳推进“一带一路”战略落实,如何保持经济平稳增长,如何通过新一轮结构性改革令中国经济找到可持续新动能,如何在社会保障和环境保护等方面更有作为,均广受关注。

  2017年11月28—30日,由《财经》杂志、财经网、财经智库、海航集团共同主办的 “《财经》年会2018:预测与战略”在北京中国大饭店拉开序幕,多位政界、商界、学界知名人士再度相聚,深入分析全球热点,全面展望2018年全球及中国经济、政治、社会、科技新趋势,共同寻求中国与全球发展新动力。

  11月29日下午举行了以“人工智能:风口与泡沫”为主题的全会论坛。邀请到了香港大学先进技术研究院院长,IEEE机器人及自动化学会侯任主席席宁  、中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃、 北京航空航天大学机器人研究所名誉所长,智能技术与机器人iTR实验室主任王田苗、国机智能科技有限公司总工程师、工信部国家职能制造标准化专家咨询组专家委员郝玉成、科沃斯机器人有限公司创始人兼董事长 钱东奇、旷视科技联合创始人兼CEO印奇进行了相关话题的讨论。

对话人工智能:AI技术升级下,金融、医疗、汽车行业将最先被突破

  以下为论坛演讲实录,经投资界(微信ID:pedaily2012)编辑整理:    

  印奇:非常高兴有机会来做分享,前面几位都是前辈,我讲一些自己的观点。人工智能被套的特别大,所有的都叫人工智能,在我看来,人工智能归为三个大的板块:一是计算机视觉,以人脸识别、图像识别为主。二是LP领域,跟搜索、云交互相关的。三是机器人行业。这一波的人工智能本质的驱动力是深度学习,深度学习正在改造的是相对狭义的图像和语音理解两个范畴,我们是非常专注在图像识别领域里,做了六年时间,一会儿再做细化的分享。

  钱东奇:我是来自科沃斯机器人的,大家知道比较多的是扫地机器人。今年双11,我们一天销售了超过50万台扫地机器人进中国用户的家庭。刚刚过去的美国的黑五,我们的机器人在美国一天销售了52000台,销售金额是850多万。这是什么概念呢?美国的黑五一天是790亿美金(全网),我们的贡献超过千分之一。这个销量,在美国亚马逊创造了很多积累,我们当天销售额是所有品类销售额加起来的总和还要多。昨天刚刚出来的,美国一个杂志测评了21品牌的扫地机器人,我们机器人被推荐为最值得买的一个产品,排在第一位。

  扫地机器人和人工智能是什么关系呢?讲AI和机器人,我们是这样思考的。在今天AI时代,机器人应该是AI的一个最佳的应用场景。反过来,在未来的这条路上,没有AI的机器人,谈不上一个很酷的机器人。为什么要这样看呢?我们认为未来的家用服务机器人,应该从工具到管家,再到伴侣,随着自动化,到物联网,互联网,再到人工智能。在今天我们把AI直接用到家用机器人当中,还是有很多挑战的,挑战一会儿再分享。

  郝玉成:大家非常管写机器人产业的发展,当然我们也非常关注人工智能技术跟机器人产业的高度融合,在十九大的报告里有一段话,叫做发展大数据、互联网、人工智能技术与制造业的深度融合,这个融合带来两个方面:智能制造和智能机器人。对AI、人工智能的预测,11月23日罗兰贝格给中国发展人工智能做了一个预测,题目叫做“中国人工智能发展与研究”,从现在到2030年,将给中国带来10万亿人民币的产业效应。它分析了自动驾驶,分析了金融行业,分析了汽车行业。所以,我们看到,人工智能对未来带来的变化还是很大的。

  跟机器人的深度融合到底是什么样的关系呢?智能机器人有四个方面的智能:感知智能,像传感器、复合传感器、人造皮肤。计算智能,像AI、大数据。AI的发展突破会给智能机器人带来更多的智能化的特征,说的主要是在计算方面。认知智能,将来机器跟人的对话,机器跟机器之间的沟通,是靠认知智能更多的完成。操作智能,无论是工业机器人还是服务机器人,有了智能同时要有动作,它要完成一定的行为。所以,大家就明白,人工智能跟智能机器人的关系非常重要,但它只是其中的一部分。人工智能现在在学术和技术上不断地突破,但走向产业还是有一个过程的。我相信,随着资本的投入跟技术的发展,这个时代也会很快到来,促进中国产业机器人的发展。

  王田苗:关于人工智能和机器人,其实没有一个严格的定义,我们的广义的理解,人工智能就是计算模拟人的智能,应用在家庭、工程和装备上,理解成它就是一个深度学习的有记忆的软件系统。机器人,它是能运动、能操作的一个载体。广义的理解,机器人的大脑就是人工智能。从工业角度理解,中国有望占全球40%,去年已经超过了30%,总共的台头数在10万到12万之间,去年接近9万。有一个变化,就是中国工业集成机器人的设计上有大踏步的进步,在汽车、3C、物流上,成本已经有望突破10万,这个突破造成了中国自主品牌的工业机器人接近40%,去年超过了30%。这是个临界点,这个临界点意味着可以和人的成本来核算,而加速推动智能制造的发展。

  在服务机器人里面,现在是军阀混战,没有一个主线,技术体系也不完善,但有几项,我认为在中国得到了世界的刮目相看。无人机——大疆,扫地机器人——科沃斯,等等,在单列的方面,中国已经出现了世界的独角兽。从我的专业研究角度来理解,除了在移动服务机器人,特别是老龄化服务机器人方面,还有医疗康复机器人方面,最近我对新材料,特别是刚柔偶合,既能感知又能作为操作软体机器人是方向。智能机器人要走向家庭,在机器领域里,除了仿声和感知,人工肌肉、电池等技术突破了,才能大踏步的从2 B到2C。

  王飞跃:机器人是硬智能,人工智能是软智能,到了今天,这两个还没有结合起来。现在的情况是,人工智能的泛化,2014年之前,很少有公司叫什么什么智能,2014年之后很多什么什么智能公司。最近的机器人能翻滚和跳,那是实实在在的物理学和力学,它的智能是零,没有任何智能。所以,这个路还长呢。十九大说了,以后的主要矛盾是人们对美好生活的要求跟发展不充分、不充分,不充分应该是人们努力的事情,我觉得要真正实现更美好的生活,要靠新IT,要靠人工智能技术。人工智能不会对人类造成威胁,说威胁的人,也有大物理学家,也有很有名的企业家,但是你好好想想,二百年前,英国人也怕机器,把机器都烧了。咱们今天的机器,比二百前年更有效了,它夺了我们的工作吗,它让我们的生活更不好吗?没有现在谁离了机器还能工作,机器不但没夺了我们工作,提供了我们差不多百分之百的工作。最初IBM的老总说,全世界只要五台计算机就够了,现在呢。所以,等人工智能起来了以后,将来不是它夺了我们多少工作,而是提供90%以上的工作,你以后去一个公司,不是人工智能的公司你就不敢进去了,或者他是个骗子公司,或者他拿你当机器用了。所以,大家不要怕,应该让它落地,别整天说大话,还没开始呢,学习班就开始办了,这种事情以前有教训。

  OFO起来,立即让街头修车的没工作了,可是它给维修厂产生了多少工作,实时导航让测绘人员失业了,可是以前有多少测绘人员,但现在雇多少人,人不够。肯定会造成很多工作错位,有些人会暂时失去工作,这时候我们国家这种体制的长处就来了,你看看苏州,处理的就非常好。当年是人类驯服了马,才改变社会的生态,才有了村庄,后来有了汽车,大城市的生态起来了,将来无人车,肯定重新改变我们的城市生态,改变我们的酒店行业、餐饮行业。我们这种体制是迎接这种改变最好的时候,工业时代我们已经失去了机会,智能时代我们应该抓住,媒体应该多往这方面宣传一下。

  席宁:各位专家介绍了一下对人工智能的认识,我想讲的是,人工智能很火热,给人工智能下一个严格的定义,还是很难的。而且现在新的技术不断出现,最近十年,机器人很热,大数据又很热,物联网又很热,5G,现在又人工智能。一波接着一波袭来,给社会、金融界等带来了很大的振动,但你说什么是人工智能,人工智能到底能给我们做什么事情?这是很难回答的问题。

  我们要想一想,人工智能跟现在这些技术之间是什么关系,我们对它有一个充分的认识,这样对人工智能的发展和对以后将来提供的机会,都会有一个比较好的认识。

  现在说的人工智能,其实就是一种处理数据的方法,说到底就是一些算法。你有一些数据进来,人工智能通过深度学习进行处理,处理完了以后,产生一些新的数据,这些数据代表了你的决策,代表了对这些数据分析以后提炼出来的知识。人工智能,现在基本上停留在数据进来、数据出来的阶段,当然可以解决一些我们的问题,比如咨询、金融、法律。但对社会上很多问题,仅仅这些是不够的。有了数据进来,通过人工智能的算法进行决策以后,还要作用到世界。比如汽车,要有汽车这个载体,数据才能告诉汽车怎么开,汽车才能完成运输。工厂通过机器人作为一个载体,真正解决问题是需要一些动作。

  人工智能需要数据,数据是哪儿来的?物联网、传感器产生数据。现在的人工智能跟现在新兴学科之间有很多关系,互联网产生数据,人工智能分析数据,做出决策,通过汽车、机器人等作用到社会,作用到工业系统,整个集成起来才是真正解决问题的解决方案。所以,无论是考虑投资,还是考虑发展,以及对行业的作用,都要从整个解决方案的角度看,人工智能本身还是有一定局限性的。

  马克:王飞跃主任讲的我很有共鸣,这几年谁都说自己是智能制造,我也去看了一些工厂,所谓的智能制造就是自动化,但好像不贴一个智能的标签就没法混了。什么叫人工智能?就是说机器有了像人一样的能力,人最重要的能力是什么?我记得学生时代说,人与动物的区别是,人能够使用工具。智人和原始人最大的区别是智人可以制造工具、使用工具,现在的词就是学习能力。机器有了自我学习能力,我认为就是人了。现在有一些苗头,第二代阿尔法狗和第一代阿尔法狗的训练完全不一样。回到人工智能的原点,机器真的能够具备像人一样的学习能力,还有多远?

  印奇:我不太想回答这个问题,但又是一个经常被问及的问题。我能看见和预测的都是在感知智能范畴内,能不能让机器通过摄像头对物理世界做更好的数据化,这个可以给一个时间表。我们认为,跟人相关的这些内容的识别是有高价值领域的,从人脸的识别到人的识别,人的商业社会行为的识别,技术框架相对比较成熟了,后面是在不同场景落地的工作。

  如果说一些更普世的识别,在两到三年左右。我们所在的领域,都还是在认知智能的范畴内,无论是工业界还是学术界,大部分经历都是在解决这个问题。当然这个阶段很有意义,无论是无人驾驶,还是城市大脑,当你把物理世界做感知的时候,很多东西就已经变化了。

  王飞跃:阿尔法狗没有新东西,这版确实比以前好,但是大家想想,棋类里面最早胜过人类的是跳棋,做人工智能的人早就说了,只要规则清楚的游戏,机器一定胜人,因为它全靠计算,人算不过机器,就跟人跑不过车、飞不过飞机一样的道理,它跟智能没有多大的关系。人类面临的游戏是规则包含不了所有信息,硬要凑出一个规则来,太简单了,跟实际差得有太大了。所以,在这种情况下,人还是主导。只要弄成确定的规则,机器一定胜人,所以,以后人是定规则的,机器就是执行规则的苦力,如此而已。至于机器能不能智能胜过人?霍金说过,飞机从天上掉下来,你不能怪万有引力,人类哪天灭亡了,跟人工智能也没有关系。人工智能怎么走向今天?就是当年的哥德尔不完备定理,上世纪初,数学家就想证明一个,我定出规则来,机器就可以把所有的数学定理都能证出来,结果是不可能。人类的理性是有限的,解决不了这个问题,这是个数学定理,叫哥德尔不完备定理。不能因为智能在某一个领域有了重大突破,你就把它一般化了,它开始发展很快,但所有的发展不是线性的,到时候它要折弯,到时候它就发展不下去的,大家不要担心这件事情。

  马克:简单概括他的话,大家不要杞人忧天,机器想具备人的智能还太遥远了。不知道其他的嘉宾也都同意王主任的结论。

  钱东奇:确实现在人工智能主要还是弱人工智能,谈不上强人工智能,但我们还是要对这波人工智能未来的发展抱相对乐观的态度,我不认为那么悲观。人工智能虽然从1956年就开始谈,经过几次高潮和低潮,但这一波驱动整个人工智能的发展,是由于几个客观条件:第一,互联网、物联网大数据驱动的。第二,它的运算能力,这个运算能力是过去完全不一样的。第三,由于深度学习驱动了很多的商业应用,而这种商业应用是实实在在的。由于这些大的环境,它会正反馈的推动整个行业的发展。所以,我们应该这样看,如果人工智能已经在所有的领域都得到应用的话,我觉得相当多的领域还为时尚早。从两年的尺度来看,为时尚早,但从十年或者更长的尺度来看,我们认为还是马蹄声声起的。

  马克:我想问一下郝秘书长,人工智能的概念是最近几年的事,机器人产业很多年了,您觉得人工智能技术对于机器人产业会产生什么影响?

  郝玉成:机器人产业有五十多年了,但任何一个产业的发展都有一个过程,目前看,机器人都是当做机械臂,基本上没有更多的新的人工智能的技术。因为机器人产业的发展过程,随着整个工业的发展不断成熟起来的,德国酷卡最早是做焊接的,为了改变焊接带来的危险,逐步发展机器人技术。我们国家2013年成为全球最大的机器人市场,这一波新的技术在不断成熟,比如数据化的技术、大数据的技术,包括人工智能技术,正在促进这个行业的发展。新技术发展有一个规律,通俗一点讲,叫一边抱怨一边发展。回顾看,任何一个技术都是这样成长起来的。包括人工智能技术跟新的技术,联合国的一个组织做了一个统计,往前追溯260年,这些技术,既让一部分人下了岗失了业,但同时又带来了更多的岗位,发展起来,这就是新技术给我们带来的变化。

  而人工智能技术跟原来机器人技术的深度融合,会带来下一代智能机器的发展,现在苗头已经有了,像双臂、协作机器人、服务机器人,都已经有了这样一些功能,或者说现有的人工智能的技术在机器人中的应用。我想随着它不断的深入,机器人会越来越智能。我前面讲到了机器人智能的几个方面,不仅仅是人工智能技术,还有其他新技术带来的变化。智能机器人会为我们的工作和生活带来很大的变化,有专家做过预测,叫未来是厂厂有机器人,家家有机器人,当然它智能化的程度会不断提高,我们也期待着那一天的到来。

  王田苗:我狭义的理解人工智能对机器人的影响,比如在工业界,目前来看,在视觉方面还是推动很大的。比如手眼协调,3C上的检测。还有,人工智能在服务机器人上,比如对话,当一个人给他提出问题的时候,他根据会话人的习惯,根据语调,去判断,回过头来又来刺激新的问题。狭义的方面,人工智能在这两个方面在加速推进。

  马克:现在工人成本越来越高,普遍有想通过自动化设备来取代人工的现象,富士康说要大规模的用机器人,说了好几年了,从产业界的人来看,什么样的机器人产品或者自动化设备,能让他们比较低成本见效快的解决劳动力不足和劳动力成本日益高涨的痛点?

  印奇:我介绍一下我们的机器人做的事情,核心技术是深度学习,我们在工业机器人领域做了一些工作,跟大家分享两个案例。

  第一个案例,在工业机器人里,我们看到两个最大的市场,仓储物流。刚刚过去的双11,虽然巨头电商们在对外的宣传片里说的是对外仓库里有多么自动化,实际上人拉肩扛还是居多的。今年双11,我们AGV分检量是唯一没有宕机的一家。人工智能,我们既不能过分担忧,也不能全盘否定,这些感知技术出现,确实使得我们这样的公司比较快的进入到机器人行业。

  第二个案例,富士康是我们的战略投资人,Iphone10量产的问题,就在于Iphone10背板精度要求非常高,在Iphone的生产产线里,前30%到40%的环节,人基本上不上手的。在Iphone10的某一个环节里用深度学习替代了人工。

  当我们深入到工厂的不同环节,很多环节是可以通过新的感知技术,通过这波人工智能新浪潮里涌现出的技术,真的对效率有提升的。我们找到一些痛点,从单点出发,不把概念讲的太大,这可能是对整个行业比较快的推动的方式。

  马克:为什么富士康以前解决不了?引入了感知技术就可以解决某一个环节人工的替代?

  印奇:比如机械臂,感知技术在整个机器人行业里还是非常核心的。比如仓储,大家认为仓储是非常标准化的,包括重型仓,日本、德国、瑞士做了很多,但中国电子商务里的仓储有几大痛点,比如不同商品的规格量非常大,富士康的逻辑是类似的,当只有一个单点的环节优化,又没有非常强大的感知技术时,往往很难真的替代这个流程。我认为,深度学习也好,感知技术也好,如果放在相对比较有价值的单点上,还是会把以前的不可能变成可能的。

  郝玉成:今天4月份,我到一个工厂去参观,工厂的董事长跟我说,现在机器换人了,他把我带到一个新的工厂里,机床的旁边都放了机器人。我问他,这就是机器换人吗?他说对呀。我说这不叫机器换人。用机器人的重点目的在于改变它的生产方式,要构建成一个智能单元,或者机器人+的模式,目的是降低成本,提高效率,

  保证产品的质量,通过智能单元的构建,逐步构建成智能工厂,不是把机器人摆在那儿,把人换下来就行了。物流要重新设计,制造环节要重新设计,生产制造系统要重新构建,这样才能降低成本。如果效率提高不了,品质提高不了,没有构建出一个更好的生产方式,只是把一个机器人放在那儿,不叫把机器人用得好。机器人用得好,要在整个系统里用得好,要不断地构建出更好的系统,这样才能把机器人用好。而且在这个基础上,加信息化的系统,加大数据,构建出智能车间和智能工厂,这是我们国家在智能制造方面推荐的一种专项的方式。我们国家工信部在智能制造等专项方面,都在推荐新的智能制造方式的改变。

  智能制造也好,机器人也好,带来的不仅仅是一个设备层面的变化,而是生产方式的变化,才能实现竞争力的提高,投资者也会把更多的资金投到你那儿,推动企业更快的发展,这才是我们做智能制造的真实的含义。

  钱东奇:我们现在面临很多挑战,现在的深度学习还是需要巨大的数据和巨大的运算能力,如果落到家庭,我们面对的另外一个问题,就是消费者到底可以支付多少钱来买这样一个设备,又取决于你帮他解决什么问题。比如扫地机器人,现在的扫地机器人本质上是一个自动化的技术,并不是人工智能技术。进入到人工智能这个点,深度学习怎么样用进去,很大的挑战是,在这个端运算力和数据的储存力是不是直接做到本机端,假定是本机端,即使现在最好的智能芯片也不能解决所有问题。如果做到云端,现在的挑战是数据的传输能力以及延迟,最后回归到消费者的体验是什么。我们看商业应用,还是有一个时间的挑战的,还有很多根本问题没有完全解决。我们企业在尝试深度学习,我们也认为,有机会是可以一步一步做起来的,包括运算能力、芯片,用什么样的芯片,我们在做尝试。一到两年之内,应该有相应的结果。这个结果并不是说把人工智能变成无所不能的人工智能,而是通过人工智能的技术,让扫地机器人变得相对于自动化技术更加聪明一点。

  马克:我昨天看了一份报告,主要是比较中美两国人工职能的产业,三个要素:大数据、算法、计算能力。这个报告的结论是,中国在大数据上明显占优,因为数据获取比较容易,中国人也多,数据量大。算法,美国人占优。最大的差距是计算能力,主要是我们的芯片不行,高端芯片要靠进口。不知道诸位嘉宾是不是同意这个结论?

  席宁:人工智能的差距,泛泛的讨论,说中国的数据比较多,中国的算法怎么样。比较中国和美国的主要差距在哪儿?是在应用上。现在有的人有错觉,好像人工智能是灵丹妙药,用在哪个行业哪个行业就好。我说人工智能孤立的应用是没有多大意义的。刚才讲了几个例子,比如人工智能用于仓储,主要的是跟视觉、传感器连接起来。人工智能要跟传感器,就是跟后面作用的东西结合起来,人工智能只是一个算法,孤立的考虑人工智能,它的作用是相当有限的,必须跟产生数据的方法、组织数据的方法、应用数据的方法结合起来,以后还要跟末端的驱动器结合起来,这恰恰是中国跟美国有差距的一个重大的方面。美国把这几个东西结合的很好,提供了一个整体的解决方案,能够解决实际问题。我们过分的强调算法,深度学习是一种新的算法,但不是一种革命性的算法,深度学习就是多层神经网络,以前是单层,多层也不是没有人提出过,但以前计算不了,计算技术发展了,现在能计算了。它最后真正产生价值,还是要把几个东西结合起来。

  印奇:数据要分行业,总体来说,中国的数据开放度确实有一定的优势,算法上,中美各有优势,中国的算法偏应用,在一些原创的算法上,美国更有优势。在计算力上,今年AI芯片这个词很热,但泡沫也挺大的。在芯片里,我们认为有两层:一是从算法固化成芯片,这方面中国是有机会的。二是平台化的支持并行计算的AI芯片,国内也有不少的初创公司。这两块领域,中国和国外的格局还没有完全确定。基础性芯片,国外的优势还是很明显的。

  马克:2015年很热的词是“互联网+”,国务院也发了文件。这两年下来,确实各种各样的传统行业在使用互联网技术,当然后来又变成各个传统行业+互联网技术,提高了企业的效率。今年出了个新词,叫AI+,AI也是一种技术能力,将来各行各业都会用到AI,用得好的竞争力就上去了。我不知道诸位是不是同意这个看法?

  在人工智能技术的进步、落地过程中,哪些产业是比较好承接人工智能技术的,不知道有没有什么可以分享的?

  钱东奇:个人觉得,很多传统产业是有机会通过AI技术的应用达到升级的。目前,我们国家最缺的人才是这类的产品经理。很大的应用在于,到底有多少产品经理能够真正理解人工智能可以怎么用,真正理解我们的产业,在产业哪个端可以把人工智能用进去,我们国家大量的缺这方面的人才。

  王田苗:原来我们基于传统的服务器,传统的数据库,或者传统的应用软件,过多的集中在内部的流程优化,配送,由于移动互联网,突然这层和上层是隔断的,过去二十年实施的信息化,面对新的需求玩不转了。现在基于租赁性的服务器,云计算和云服务,力图把线上和线下便利店经常购物的东西,再接上物流,来推制造业,或推工厂所需要的东西。这一旦形成一个闭环,自然而然就觉得现在工业体系对于制造来说,变成了C2B的模式越来越清晰。基于这个,我认为它是一个冲击,是一个浪潮。比如航空、酒类、房地产、消费品,全都在重新洗牌。

  另外,我们把人工智能内涵本质的东西抛开,现在人工智能的学习是不是跟人一样,确实是有很大争论的。但是现在以数据驱动的,它的准确率超过人,甚至会引导和预测个人和社会的需求。这个是存在的,所以,我们得出对于数据量比较大的,可能就率先应用,比如安防、金融、医疗,这几个方面在推进的时候可能会快一些。

  马克:能不能说一下更具体的行业,AI技术更可能在哪些行业落地?更可能改造哪些传统行业?是不是教育也算?

  王飞跃:最直接的是金融。我觉得最应该用的就是教育,我去过一些大学,教学质量下降的非常大,慕课也是一种智能技术,虚拟现实用到智能教育里最合适,特别是中小学的教育里,包括幼儿教育。最近刚刚出了红蓝绿的事情,如果实时监控,分布到各个中心里去,放到区块链,谁都改变不了的,你也别说硬盘坏了。我们的人工智能,大学里面的教育,教授凭良心说能教多少东西,包括机器人的课,天苗是专家,我也教了二十多年的课,这个课不好教,好多人没法给学生很深度的讲解,这时候智能方法可以用来解决很大的问题。问题是,现在没有太多人垂直做。

  王田苗:现在的教育,无论中小学还是大学,80%的知识网上都有,正面、反面不同的观点,网上也都有。所以说,面对人工智能和机器人在教育上是个体系性的问题,甚至上升到一些哲学的问题。因为正面的我们理解人工智能和机器人被教育,可以优化,很多的课堂可以翻转,需要的东西可以查阅。但是,目前基于人工智能或机器人的教育,有时候会让人担心,它会退化人的很多的思考和记忆。这种依赖性对于一个个体还好办,如果对于一个群体呢?就变成以后80%的人都没有智商了,自己不需要独立思考自己的建议。

  王飞跃:别担心。当年学工科的人90%以上的时间是放在实验室的,上世纪30年代开始改革,那时候老教师担心,工科学生不去实验室,学这些方程有什么用。后来用方程取代了实验,因为方正都是实验工作的总结。走到了现在,社会确实比以前进步了。动脉是由方程驱动的,大家看看片子就够了,只有少数的人一步步导,因为他是做研究的。

  郝玉成:通俗点讲,人工智能是靠数据变得不断智能,它最先突破,一定是在数据最多的几个地方:第一,金融行业。金融行业是AI受到第一个应用的地方,中国大概6000亿的市场。第二,医疗行业。中国大概5000亿的市场。第三,自动驾驶的行业,4000亿  。这些地方有大量的数据,可以驱动这个事情。另外,市场欢迎它。

  马克:时间多了,我问最后一个问题,好莱坞大片里面出现的跟真人一样的智能机器人,有可能实现吗?如果能的话,要多少年?

  郝玉成:那不就是大片吗。

  席宁:好莱坞大片是想象出来的,人类研究机器人或研究人工智能,功能可能是那些艺术家没有想象到的,所以将来看到的,真正的人工智能和真正的机器人的结合产生的智能体,可能会超过在电影里看到的那种。你说要多少年,还是比较难说的。

  王飞跃:有些能,有些不能。

  王田苗:从广义来理解,我认为不大可能。无论是从认知的本质,还是从未来的成本,把它变成一个科幻的虚拟的人是存在的,而现实走入社会、走入家庭,我认为是不可能的。人工智能也好,机器人也好,正确发展的路径,我的理解,应该是以社会当下形态的痛点,去帮助解决很多现实问题,而不是想去替代人的智能,或改变人的智能,这条路走下去是不对的。它应该是帮助人的,这条路应该会走的越来越远,越来越顺。

  郝玉成:未来一定是人工智能跟人的智能双提高的年代。

  钱东奇:我们永远不要低谷人利用技术发展的能力,如果说50年前,发明计算机还在二进制打孔,永远想象不到今天的计算机、智能手机做到这样的地步。艺术家们所做的结果,是不是将来有可能?如果现在讲不可能,我觉得不一定,我们还是要非常乐观的去相信人类在这方面的能力。我们真的不能低估人类利用技术推动东西的能力,过去N次的案例,都证明了人类在这个地方是有巨大潜力的。

  印奇:我会乐观一点,技术上是能的,可能二十年。人工智能的目标一定不是取代,可能更多是融合,我们会把人的功能分解成很多领域,在细分的领域里,也许五到十年之后比人做的更好,而不是打造一个完整的人工智能,创造科幻片里的那些场景。