2018世界科技創新論壇全體大會:人工智慧標準化革命

　　2018年08月11日 16:39 新浪科技

　　

　　全體大會二

　　新浪科技訊 8月11日消息， 8月10-12日，世界科技創新論壇在北京會議中心舉辦，包括Kip Thorne、Thomas J.Sargent、Michael Levitt、朱棣文在內的20餘位諾貝爾獎獲得者，以及中科院院士曹春曉、美國國家工程院院士陳剛等諸多中外頂級學者專家應邀出席，共同打造史無前例的中國最高級別智慧盛宴，探討全球科技創新成果、描繪未來中國科技創新藍圖。

　　我們這一場主要聚焦在人工智慧。這個題目說的是人工智慧標準化革命，剛才我們感覺可能談標準化革命還太早了，所以我們可能得要來一場非標準化的討論，我想人工智慧的發展最近這幾年確實，不管在學術研究還是產業發展這一塊，最近這幾年可以說是取得了飛速進展，我們最近剛剛發布了一個中國的人工智慧發展報告，在這個報告里我們發現人工智慧的科學家和企業在這一方面確實取得了不俗的成績，在論文總量和專利總量中國和美國是兩個最高的國家，但我們看到中國企業的表現來講，跟很多國外的企業相比，還是有一定的差距。

　　以下是演講全文：

　　薛瀾：歡迎大家來到全體大會第二場，人工智慧的標準化革命。剛才我們把科技革命的經濟圖譜做了一個全面介紹，下面我們這一場主要聚焦在人工智慧。這個題目說的是人工智慧標準化革命，剛才我們感覺可能談標準化革命還太早了，所以我們可能得要來一場非標準化的討論，我想人工智慧的發展最近這幾年確實，不管在學術研究還是產業發展這一塊，最近這幾年可以說是取得了飛速進展，我們最近剛剛發布了一個中國的人工智慧發展報告，在這個報告里我們發現人工智慧的科學家和企業在這一方面確實取得了不俗的成績，在論文總量和專利總量中國和美國是兩個最高的國家，但我們看到中國企業的表現來講，跟很多國外的企業相比，還是有一定的差距。

　　所以我想我們下面的討論，除了我們討論一下中國在學術研究，尤其在人工智慧這個領域，它下一步未來今後的研究進展前景怎麼樣，我們也希望更多的討論一下，未來產業發展會有什麼樣的前景。尤其中國的企業在這方面有些什麼樣的表現。

　　所以今天我們也特別高興，我們這個Panel有兩位非常著名的學者，一位是非常跨界的諾獎的獲得者Michael Levitt，他是做化學的諾獎，但他原來學數學的，而且中間也涉足了很多其它領域。

　　另外一位是中科院自動化研究所的複雜系統管理與控制國家重點實驗室主任王飛躍教授，在人工智慧、自動化系統管理這方面，也是非常傑出的學者，好像也是很跨界，王教授原來是學化工的。

　　還有三位非常傑出產業界的代表，既有傳統產業，也有已經上市的企業，也有獨角獸階級，我們這個討論是非常有意思的一個組合。

　　我想先請幾位每人用5~7分鐘先做一個簡要的陳述，下面再做討論。

　　發言嘉賓，分別是：Michael Levitt，2013年諾貝爾化學獎獲得者、美國國家科學院院士、英國皇家學會會士

　　王飛躍，中國科學院自動化研究所複雜系統管理與控制國家重點實驗室主任

　　顏水成，奇虎360公司集團副總裁、人工智慧研究院院長

　　楊帆，商湯科技聯合創始人、副總裁

　　郝玉成，中國機械工業集團有限公司智能技術研究院院長、工信部智能製造專家諮詢委員會委員

　　Michael Levitt：非常感謝，這是我第一次參加這樣的討論，我是作為唯一的外國人參加這個專家討論。通常來講如果有國外的來訪者，他們往往就會很尊重客人，另外一方面他們也尊重本國專家，所以看今天從台上的構成就體現了中國人既尊重海外思想，也尊重本土專家的意見。

　　做科學工作，我是從1967年開始的，可以說我愛上了電腦，人工智慧是我一直關心的領域而且關心多年了。但是從某種意義上來講，人工智慧的含義隨著時間的變化而變化，當我最早開始研究的科學的時候，當時我還是十幾歲的小孩，大概只有14歲。當年我聽說電腦可以拿來下棋，我覺得真了不起，電腦居然可以拿來下棋，我以為電腦只能拿來加減乘除。我覺得下棋，照理說不是電腦被設計出來完成的工作，可是人工智慧這個領域它的重要性得到了凸顯，出於三個原因使人工智慧變得更加重要。

　　第一個，我們對於什麼樣的演演算法有用，什麼樣的演演算法沒用，了解更多。

　　第二個，我們對數據必要性的認識越來越清晰，每個人都有大量的數據，關於外部世界也有大量的數據。大家可以想像電腦的運算速度也越來越快，很多時候很多行業它的發展變化是由一些出乎意料的因素推動的，電腦使得人工智慧的發展變得容易，以前電腦讓年輕人玩遊戲，現在它有GPU，圖形處理界面，最早是讓年輕人玩電腦遊戲的，但最早是小孩想通過玩遊戲，促進了計算機的發展。

　　我們說到人工智慧領域起名字非常重要，比如在美國沒有人再把它叫人工智慧了，因為50年前當時承諾給他們好多人工智慧的東西，現在多叫機器學習了，現在美國人不把它叫人工智慧了，他們用的是機器學習。今天我們說機器學習也是一個很泛泛的概念，機器學習人們已經開展了很多年了，機器學習就是把數據拿來，在裡面歸納一些東西。舉個例子，我們說孩子的身高是年齡的函數，然後你會得出一個曲線，裡面有很多點點點，畫出一條線，平均一下，如果你是12歲的話應該1.4米，當然這是從數據裡面歸納出一些東西。

　　隨著機器學習的興起，當然你也可以稱之為人工智慧，還有像深度學習、神經網路、隨機森林等等，這些都是新的術語，它是老概念的新名字。像自動化這個名字也存在很長時間了，從數據中學習也存在很久了，有一些非線性的數學等式也存在很久了，其實過去這50年，我們回顧一下是如何讓這些方法發揮更大的作用，這裡有一個很好例子。對於電腦來說，無論是圍棋、象棋都不是很難的事，識別人臉也不是很難的事，今天的計算機已經可以承擔很多過去我們認為很難的任務了。當然不能說電腦變得很聰明，只是讓他們玩的事情不是很簡單了，現在可以拿來翻譯，英文翻譯成中文，中文翻譯成英文，甚至寫一首很美麗的詩，會讓我覺得很了不起，我認為這個也會變成現實。

　　所以我們看到今天隨著機器學習或者人工智慧，機器越來越會歸納了，不再是簡單的從年齡歸納出身高，比如說電腦，不再是你告訴它什麼是好的什麼是不好的，電腦可以自己去歸納來，所以電腦已經可以做歸納了，我們說歸納非常重要。比如自駕駛的車輛，電腦就可以知道我到什麼程度停下來，所以電腦這種歸納的能力也在不斷提升，無論化學、物理學等等，都可以借用這個發展。

　　我們也可以把這種歸納、概括，把數據拿來進行概括，把它用於很多廣泛的領域。假定電腦像人一樣聰明，當然是個抽象的人，可以通過圖靈測試，但是電腦真正做的是什麼？就是從數據來概括，然後來自我學習。它是從數據的概括開始，這是計算機最核心的能力。

　　薛瀾：好，下面請王教授。

　　王飛躍：這個論壇是人工智慧的標準化，我剛看這個題目是嚇了我一大跳，就好像200年前要制定工業標準化一樣，對我來說人工智慧剛剛開始，其實下面怎麼走我是不清楚，我知道很多人比我清楚多了，我是不清楚。我相信這是一個人工智慧的時代到了，但是路還早。現在談標準，也太早了。

　　剛才這位Michael講了很多人工智慧，機器學習之類的，我一個學生說看到百度說Michael還當過一個州長，我就不太相信了。你不僅拿了諾貝爾獎，還是一個州長，這個跨界太大了，政治家跟學者的界不能跨。特朗普當了總統世界已經夠亂了，如果政治家變成學者，學者變成政治家，這個世界就夠難想象了，不管人工智慧，什麼智能都沒救了。有時候跨界不能太大。

　　我為什麼相信是人工智慧的時代？我前20年一直呼籲正視這件事情，你們百度一下可能智能產業這個詞，全世界我第一個提的。那時候沒人提，不到幾年之後，都做智能產業，有時候比基因突變還快。阿爾法GO讓我認識到這個時代到來了。我們完全靠一個假設，就叫測試圖靈，大家可能都知道是師徒兩個人。圖靈大家都清楚就是圖靈機，計算機就是這麼來的，這兩個說的是一回事。諾爾曼就說靠著這個造吧，我們靠著假設有了今天的計算機和信息產業。阿爾法GO出來之後有一個AlphaGo假設，就是說新的智能時代來了。這個時代用一個特徵來說就是平行智能，虛實互動的平行智能。用兩個特徵來說就是從牛頓到莫頓。牛頓都知道，莫頓很少人知道是一個社會學家，他的兒子也得過諾貝爾獎。他在美國最有名的定律是莫頓自我實現定律。牛頓定律是小數據放之四海而皆知是。而莫頓定律是大數據，小定律的時代，用三個特徵來說，就是阿爾法GO假設是小數據、大數據，以後你生產智能產品，你的產品是智能的，你一定要告訴我，你怎麼把小數據炒成了大數據，你怎麼把大數據提煉成解決具體問題的精準知識的小智能。你這個東西不給我說清楚，不告訴我，你的產品的數據原料是什麼，你說是智能就是瞎掰，因為數據部分才可能靈魂出竅，讓你的產品變成智能。阿爾法GO就是做了這件事，人類的80萬棋成7000萬，縮成兩張圖，最後把人類的這個圍棋大師全贏了，從小數據到大數據全贏了。最後來了一個阿爾法GO ZORO，把零從弄成3000，3000弄成一張圖，把阿爾法GO幹掉了。用了多久時間？從無到有用了三個多小時的學習訓練時間。你好好想想，人類圍棋大師一生的心血，再下去不要三小時，三秒都不要，所以意義非常大。所以我說阿爾法GO之後IT不是信息技術了，那是老皇曆，IT是智能技術，縮小都一樣，這是新IT。新IT的時代到了。

　　我們也別忘了200年前IT叫什麼？那是老IT。我不是說新的比舊的好，舊的比老的好。從今之後，老的、舊的、新的一個都不能順。為什麼？IT要平行，因為我們有一個平行的世界，這就是上世紀最偉大的科學哲學家卡爾講的，現實有三個世界組成，我從小就知道兩個物理、心理世界，他說不對，還有一個第三世界：人工世界。我的有世界，IT工業技術開發物理世界，舊IT信息技術開發了心理世界，現在我們需要開發人工世界。所以人工智慧熱了，所以大數據變成石油，變成礦藏，所以我們要用新IT智能技術。上面講經濟的新圖譜，你回憶一下工業時代怎麼來的？為什麼不從荷蘭而是從英文小島開始的，那時荷蘭多發達，航海、製造業非常發達，荷蘭擅長的是食品業。食品有一個問題，糧食有一個問題，吃多了撐死，吃少了餓死。所以有一個馬爾薩斯人口陷阱，英國怎麼開始的工業革命，從紡織品開始，把以前時尚的東西變成商品，紡出來的布又好又細，一見到洋布不要土布了，那是心理世界的開發，工業時代開發。不時尚再買就擴大經濟了。

　　下一個要進入智能產業，我們也要把過去不是商品的東西變成東西，這就是開發第三世界。什麼不是商品？獲得諾貝爾獎的人工智慧的創始人羅伯特西蒙，你信任這麼幾個人，對不起，現在區塊鏈把信用和注意變成批量生產和批發的商品，這就是為什麼360，這些新興的公司起來的原因。這麼一來極大的擴大了商品的範圍，極大的擴大了提高效率的路徑。所以我們就進入所謂我們的第三軸心時代。

　　什麼是第三軸心時代？又有一個卡爾寫過一本書《歷史的起源》，就講軸心時代，他說公元800-200年，這600年期間在世界的兩河流域，人類出來哲學家，古埃及、古希臘、印度、佛教、中國、老子、孔子、孫子全來了，人從哪裡來，我到那裡去，全來了。每一世界都有自己的軸心世界。從哲學到科學具體了吧，但是理性也有一些。這就是我說的司馬赫，他得的就是勾貝爾的定律。這個時代要開發人工了，人工世界了，所以第三軸心，人工世界的軸心時代了，這是覺醒，要有技術和新IT。所有這一切都是全球化造成的，說一匹馬引起來，從高加索一直跑到中原串起來，因為什麼？人的天性是一是恐懼，恐懼要交流，又是貪婪，比較，比比來去。最後懶惰是尋求共識找標準，最後全球化。第一個軸心時代有了古絲綢之路全球化，但是物理世界的全球化討厭在哪兒。你有了我就沒了，所以全球化就變成了侵略壓迫的代名詞。

　　但是心理世界還好，從負和到零和，只有人工世界是一個無中生有的世界，可以你有我也有，所以我相信一個新的全球化要來了，把信用，把注意力變成產品，這一個新的時代要來了，這就是一波智能的全球化，這就是我認為人工智慧重要，我認為還剛開一個頭，還早呢。它將來需要的知識，至少我，我相信大多數人60%、70%都不知道，別急著標準化，先干再說。我們學複雜系統有一個U線，標準化的U線出來了。

　　謝謝大家。

　　薛瀾：非常感謝王教授從歷史的回顧，從科學的演變，最後來告訴我們智能時代的到來，但我覺得對企業家來講，我們怎麼把智能時代的機會抓住，下面請360的顏總談談您的看法。

　　顏水成：我其實是屬於跨界的，因為我本身原來在學術界當教授七年，後來在360已經待了近三年了，以前做計算機視覺。不得不肯定，在過去這些年人工智慧發展的速度非常之快，特別是在學術界，大家可以看到每一年跟人工智慧相關的學術會議發表的文章越來越多。去年我們做過一個粗略統計跟人工智慧相關的會議每年發表的數量有4000多篇，帶來一個很大的問題，我們到底到哪兒去尋找足夠多的審稿人，能對文章進行正確的審核。今天我不想說人工智慧多麼紅火，大家多看到了。今天我想分享兩個人工智慧比較長遠的話題，原創性和安全性。

　　在學術界和工業界，AI技術無外乎三種，一種是非常原創的，我們叫顛覆式的技術創新；一種是微創新。三是沒有創新，技術在一個領域取得了成功我照搬到另外一個領域來。學術界做人工智慧的研究非常有意思，它的研究成果跟數據、應用場景是完全獨立的，意味著在學術界做研究原創性變得非常重要，如果沒有原創性就很容易被大家遺忘。

　　因為AI是一個非常大的話題，比如現在最火的深度學習，我們仔細去觀察在深度學習領域最原創的，神經網路，再比如生成式對抗網路、深度學習的融合，還有不同的理論和應用。可以看到最初的點其實都不在中國，中國在這個領域更多的是說這個理論，這些出來之後大家覺得非常有意思，一窩蜂出來。比如像Gan，大家發現很有意思之後，計算機視覺領域的CTR，就能看到一堆一堆的文章全部干這樣的事。但真正能被大家所記住的還是第一個人GoodFellow提出的Gan。

　　最近深度學習的發展，大家對理論的期望越來越高，也就是說我們不再只是去調調參數或者設計一個網路上稍微做一點調整。昨天晚上我有一個很有趣的事情，跟我一個好朋友，一個做的非常好的教授，我跟他做一個討論，我說我們倆要不要把中國做理論的機器學習的做得比較好的研究者全部列出來，我們倆微信來微信去，最後有一個名單。我是比較保守一點的，我說大概有10個，但那個教授更加保守，他說其實只有5個。也就是在中國做這個領域，人才的儲備是非常少的。

　　這也不要那麼悲觀，現在國家特別新一代人工智慧的戰略出來之後，對大家來說是一個很好的契機，尤其做的比較好的研究者可以留在學校慢慢在這方面做一些比較好的貢獻。

　　

　　薛瀾：下面請郝院長，剛才人工智慧他們兩位都提到了人工智慧在未來的發展，包括風口投資等等這些新的機會。是不是對傳統產業是滅頂之災？還是提供了新的機會？

　　郝玉成：謝謝薛老師，今天非常高興跟大家來分享人工智慧這個話題，剛才楊總講到到底會給我們帶來什麼，他的關鍵詞是帶來價值。站在製造業這個視角，我在想跟大家分享的是，人工智慧的最大的價值，就是引導、促進傳統產業的轉型變革，實現智能製造。為什麼是這樣？我們看我們在關注什麼？

　　第一個，我們在關注人工智慧技術發展的突破在哪些方面，一是技術突破，二是應用突破。

　　技術大家看到演演算法，AlphaGo、視覺等等，這些都是依賴於數據、演演算法、技術能力的提高得來的。我們再看看應用上的突破，工業機器人、金融、交通、法律等等，人工智慧技術已經開始進入這些領域。

　　第二個，人工智慧技術在製造業、產業方面面臨什麼樣的挑戰？我們剛才說AlphaGo典型的這個演演算法，它可以直接拿來用嗎？不可以。舉個簡單的例子，智能機器人，我們大家現在看到的大部分的機器人都是原來傳統上的自動化的機器人，如果我們要說智能機器人現在面臨哪些智能化的突破呢？最起碼四個智能化的技術：

　　1、感測智能。我們說人造皮膚，這個技術突破不了，我們現在所謂的那些智能機器人功能是做不到的。

　　2、計算智能。AlphaGo只是計算智能的一部分，很多的演演算法在演演算法智能裡面，大數據到小數據，剛才講到了。

　　3、操作智能，最後得落地啊，一個機器人要去抓東西，它的有柔性，沒有操作智能怎麼可能實現？

　　4、系統性的智能，包括集成化的智能、感知智能等方面。所以構建一個智能的機器人，不簡簡單單是一個計算智能就能完成的，所以產業界的研究一定在這些技術方面，系統性的研究，把它放到這個裝備裡面去完成它的智能機器人的所有智能化的要求，這是面臨的挑戰。

　　包括我們說的標準化，標準化是對創新結果的一個固化，如果沒有標準化，走不到產業裡面，也走不到產品化，現在這個還有相當大的距離。

　　第三個，當然要通過不斷的創新去加快人工智慧技術的發展。

　　1、融合，一個是這些眾多的新技術在人工智慧方面，進入到一個產業裡面的技術的融合的發展，大數據、雲計算、人工智慧等等，這些新技術在智能製造裡面的融合。

　　2、系統性的技術，光有機器人是不可以的，它有場景有對象。舉個例子，在家庭里，在工廠里，在車間里，這個場景的技術要和智能化的技術結合起來，才有價值。

　　3、平台化的生態運用的技術，這些才能構建出一個完美的我們叫產業發展的鏈條。

　　所以到目前為止人工智慧的技術在學術方面比較熱，在技術方面應該說剛開始走上一個初級的階段，走向產業還有很大的距離。

　　當然我們相信通過不斷地創新，不斷的努力，人工智慧會給我們帶來更大價值的技術，會不斷地走進產業里。謝謝大家。