李开复@GMIC:AI时代科学家该不该创业 | 全文+PPT

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: GMIC 2017 北京大会于4月27日在国家会议中心拉开帷幕。大会以“天·工·开·悟”为主题,领袖论坛上,创新工场李开复为现场观众做了题为《人工智能时代的科学家创业》的演讲,他对人工智能领域的创业充满信心,同时提出了一些需要注意的问题,包括如何平衡人工智能科学家的研究与创业?如何引导人工智能的发展朝更有利于人类福祉的方向前进等内容。


GMIC 2017 北京大会于4月27日在国家会议中心拉开帷幕。大会以“天·工·开·悟”为主题,领袖论坛上,创新工场李开复为现场观众做了题为《人工智能时代的科学家创业》的演讲,他对人工智能领域的创业充满信心,同时提出了一些需要注意的问题,包括如何平衡人工智能科学家的研究与创业?如何引导人工智能的发展朝更有利于人类福祉的方向前进等内容。


人工智能发展中必须考虑的问题

李开复:霍金教授做了非常精彩的演讲,我认为人类有像霍金教授这样有远见的科学家,帮助我们的顶尖天才和世界最重要的政治家来帮我们策划一个更美好的未来是非常重要的。但是他提出的“超级智能”和“未来人工智能”碾压人类和要避免这个状况,我个人认为并不是一个可根据今天科学推测出的必然结果。当然非必然事件不代表我们不要关注它,还是要有聪明的人来想它,但我认为人工智能对于今天在座每一位最重要的意义应该是下面四件事情:

第一人工智能将创造巨大财富,让人类第一次有机会脱离贫困。第二我们要担心今天手中拥有巨大人工智能力量和数据的公司,他们用数据来作恶第三看到人工智能将要取代50%人的工作(在未来10—15年之间),这些人怎么办,还有更重要的是教育怎么办。第四个是非常重要的话题,科学家尤其是人工智能科学家有什么使命有什么机会,是不是都要出来创业还是跟着霍金一起去寻找人类的未来。

我自己也是一个科学家创业,非常早的时候做了人工智能,我记得申请我卡内基梅隆博士时,作文就是申请人工智能+我们未来改造未来的世界,希望参与这个行业。1986年还没有AlphaGo、深蓝的时候,我写了第一篇文章,有关击败世界黑白棋冠军。1988年做博士论文,当时是第一个非语音识别,在《纽约时报》上有所报道。之后我进入苹果,这里可以看到一个很萌的照片,在《早安美国》节目上谈到了语音识别将如何进入主流,也被《华尔街报日报》报道,当天股票涨了2.5毛钱,后来跌回来了。所以我充满的信心,因为我做着各方面顶尖的人工智能工作,认为人工智能和其他技术,比如说虚拟世界即将步入主流,于是就从SGA公司做一个内部创业。当时我们做的是,能不能让每一个网页充满了3D,3D的游戏、动画让网页做得更精彩,让人们浏览的不是网页而是一个一个房间,一定程度上和今天的VR非常相似,这次创业非常失败,2000万美元的投入,100个员工,几乎全军覆没。从这个失败里我得到了一些教训,我想跟大家分享。


科学与创业的结合需要智慧

今年有一次在MIT演讲的时候,要求每一位讲者演讲完后留下一句话,我留下的那句话是——“创新固然重要,但不是最重要的,最重要的是做有用的创新”。科学家们往往会被自己的研究、自己酷的东西所打动,也认为他所看到的酷的东西是全世界人类所需要的。但是事实可能并不是这样。我们想的是3D有多酷,但没有想到3D硬件是否准备好,用户对3D世界有什么需求,为什么VC投资我们,怎么把创业做成有赚钱、有经济价值的创业,我基本错过了所有创业者应该走的路。我当年做的是顶尖研究,进入的是顶尖公司,做出的产品依然遭遇了滑铁卢,人工智科学家应该怎么想?

其实本质上,科学家和创业者有非常大的不同,科学家追求的科研突破,创业者追求的是商业回报,科学家讲究严谨,科学家讲究速度,科学家要慢工出细活,而创业者要快速迭代,这六件事情往往是背道而驰的。


而这6件事情中最重要的一件,是我读博士、做教授过程中,深深体会到在科研领域里每次问的第一个问题是什么,这件事情别人是否做过,是不是全新的,如果有人做过一定要看别人,看自己有没有增加的价值,增加的价值不如突破的价值大,所以每个科学家不断要求创新,所起创新是做前人所未做过的工作,这句话代表了科学、追求科学精神的一种含义。

但是一个创业者,或者一个VC,他更重视的是什么?怎么样打造产品,怎么样产生商业价值。甚至在VC今天投资过程中,想想我们投的每一个团队冒了人才的风险、商业的风险、竞争的风险、执行的风险,我们非常不要再冒科技风险了,所以我们更宁愿看一个团队说:这个技术已经被证明了,只是把它应用在场景里。

刚才两段话让大家看到了科学家本质和创业者、VC本质截然不同,一个仅仅追求做前人未做过的工作不考虑它有没有用,而只需要赚钱不希望冒科技风险,这两个通常走不到一起。而且走到了一起,科学家因为成年累月、在这样的文化和基因之下发展,可能会把公司带到一个不那么务实、或者不那么快速迭代,或者不追求做过,或者不专注的情况。

科学家很聪明,每个人有好多点子,一个创业公司每天出个点子公司会死掉,因为什么都做。所以精益创业之父STEVE  BLANK帮助科学家创业,总结是科学家必须要小心,因为题目往往是冷僻的,没有多大市场;第二,选题跟风口有很大差异;第三,科学家不太愿意承认自己很可能不具备把技术霜叶转换成价值的洞察力和执行力。每个想创业的科学家都一定要真诚的问自己会否面对这些问题,我想你面对大家的时候希望保持自信,但是你自己应该知道,对你来说是不是一个问题。


当然,今天,科学创业大家了一个有史以来最好的时机,可以看到除了今天谈的人工智能之外,在区块链、生命科学、高能电视、细胞扩增、基因编程,几乎每个领域都是创业的机会,我在这里绝对没有打压科学家参与创业的意思,只是参加创业的时候一定要想清楚,过去那么多科学家包括自己碰到的死穴怎么去避免,有成功的案例我的朋友李博士创造了有价值的公司,国内也会看到很多类似的公司。但看到更多的是教授恪守他的岗位,美国谷歌就是典型例子,斯坦福和谷歌两个创始人的教授,没有参与,但技术授权有3.4亿美金,这是一个模式。


AI时代科学家如何大显身手?

 谈到AI创业,为什么AI需要AI科学家?每一个时代的科学公司都有做这样的创业,互联网时代注定是被海龟创业,因为海龟在国外看到了互联网的崛起带到中国。移动互联网应用方面注定是产品经理的创业,因为这个时代我们需要快速迭代产品,因此使那些既懂技术又懂用户和市场的人成为时代的傲儿。在O2O时代,把地面销售和后台技术整合起来,这是我们需要衡量的。美团、滴滴就是这样的搭配。


人工智能时代来到了,最核心的、最需要的一定是AI科学家,因为今天AI技术还没有进入主流,AI平台还没有产生,因此AI应用还不能井喷,只有少数手中掌握着如何把AI应用起来的科学家能够创业。

但这些科学家有刚才讲的所有科学家的特点:追求创新、写论文、不太知道市场。大部分科学家的创业,在中国都是在做人脸识别,做计算机识别,在座的张宏江博士是这方面的是鼻祖,他的徒子徒孙每个人都在做人脸识别工作。这一定程度上看到我们的科学家是缺乏想象力的,人工智能有那么多的应用,人脸识别绝对不是最好的一个,科学家需要一个懂企业销售的人跟他们搭配,这里当然是乱搭,两个没有关系的人,但就是像的李菲菲、胡温马(音)这样的人搭配,才能碰撞出真正的超级独角兽的AI构思。

AI本身不是一个消费者的应用,当然BAT非常幸运的应用在消费者,但我们AI创业不能自带流量,没有流量和数据有什么用?所以做出来的AI还是给企业应用,企业金融、医疗有数据,我们结果他的方案,在他的公司需要企业销售,需要懂AI的解决方案,这才是一个黄金搭配来解决AI创业。所以AI科学家的参与是非常重要的。


浅析AI扩张三部曲

AI最大突破是七年前深度学习。我们可以理解深度学习是一个超级EXCEL表,很多数据丢进去以后,再丢一个数据,就能够做出预测、判断或者分类,很多脸丢进去就认识谁是谁,很多棋盘、一次一次围棋比赛丢进去就知道下哪一步棋,很多淘宝商品和用户丢进去,就知道你想买什么了。所以未来的AI肯定可以知道你今天晚上想吃什么,比你更知道;知道你去哪里度假,比你更知道;甚至在座未婚的可能喜欢什么样的配偶比你更知道。这就是一个先知的、对未来能够做非常强大预测的AI。AI在这个阶段是单领域大数据驱动的引擎,可以把它认为是一个黑核,可以进入各种领域。AI扩张一定会经过下面三个阶段。


第一个阶段,把已有的大数据用起来,BAT在用,今日头条、快手、滴滴、美团都在用。另外,金融领域可以用,比如我们投资的智融集团的用钱宝,一个月放出30亿的贷款,因为可以把已有的数据、用户数据激活做小额贷款,还有医疗。

第二个阶段是把没有的数据收集起来、上传起来,用各种摄像头把人脸收集起来,收集了500亿张人脸,所以随时识别300万张人脸,这不是一个人类的功能,而是超人类的功能。

第三个是无人驾驶的机器人时代的来临,从工业走向商业走向家机器人,从2到3、4,走向全方位的无人驾驶。这是我们投资的聚石科技。

这三步曲大概是未来五年、十年、十五年的蓝图。刚才霍金描述的未来是真实的,不太确定的是AI会否有意识、人类情感、掌控人类、做我们的工具、会否自我重新迭代、自我重新重写等等,这些是未知的,但已知的可以推出这些应用。应用推出来以后会产生巨大结果、产生巨大价值,国家征税,取代大量的工作,这些工作可以用大量的征税补助下岗人重新训练自己,以改造教育。


变革时代顶尖科学家是稀缺资源



所以人工智能时代对经济有巨大改变,50%下岗人该怎么办,未来教育该怎么办都是我们需要解决的问题。(PPT图)从12点这边逆时针转,红色是必然被取代的工作,绿色是被修改的工作,黄色是暂时还不能取代的工作,转到最上面是最难取代的工作,能取代和不能取代很容易解释,能取代的就是大数据可以针对一个目标函数做一个决策,比人更好的决策,那你就可以取代了。大部分工作都是这样的。绿色代表,是当有一天机器比医生可以做更好的诊断,但机器是冷冰冰的,医生可以包装一个人性化的接口,让病人得到安慰,让安慰剂起效应启动,使病人存活和心理感受更好。右边这些是现在人工智能还不能做的,包括艺术、人类学、管理者、决策者,更包括最大的发明家。


所以AI时代的人才结构,我们看到有大量的服务型人才,包括罗辑思维说的叠衣师、爱心陪伴,人的爱是不能被机器取代的。往上是会把人工智能当作工具的人,比如说医师变成AI工具和人的过渡者,再上是发明每一个领域的新技术掌控者,再上是跨领域的工作者,懂很多领域。当然最最顶尖的就是发明新的AI,掌控AI,他们写人不但是最聪明的最懂技术的,而且抱有最大的科学技术革命。


AI怎么参与?有四条路子,从左下角讲起来:第一,自己撸起袖子做创业,这个最困难,因为科学家本质是创新,而不是创造商业价值。往下找个商业合伙人一起看。右上,留在学校,继续做创新,把技术授权出去,让学生或者别人做,这是我大大鼓励的。最后一个是提供开源,发布数据和内容。


今天AI科学家苦于没有BAT手中的数据,希望用更开源的方法把手中的工作做出来。所以真的希望鼓励科学家,看清楚科学家才是科研的净土,不要因为能够赚钱就加入到公司或者创业。顶尖科学家是我们稀缺的资源,希望你们恪守自己的岗位,把技术推到更高的一个层次,深度学习只是人工智能的第一步,未来还有很多机会。恪守自己的科研岗位也会得到商业价值,比如经过技术授权。如果你决定创业,也希望你能够了解,创业的话就要知道客户才是上帝,需要知道怎么样去拿最有价值的VC钱帮助你补足短板,比如创新工场,要能够有纪律、有效率的解决问题,而不是一个又一个问题的提出,不是提出问题,而是解决问题,解决的时候重视效率,做你擅长的事,找合作伙伴,补足你的短板。


作为社会,必须做很多事情让教授既能得到利益,也能得到名声,还能够做有趣的创业。在报酬方面,让整个研究界提高科学家的报酬。在生育和大奖方面,比如图灵奖和科学奖都是很好的支持。资源方面应该给更多的数据,不仅让BAT有最大的数据,教授也有最大的数据。时间上要思考怎解决不浪费时间的问题。斯坦福用技术授权的方式,CMU让教授创业是占股份的方式,这都是非常好的方式,国际上尤其在中国都要好好思考,怎么样把土壤做得让创业者能做他们擅长的事,让科学家做他们擅长的事,让两者有机的结合,而不要强逼每个科学家都一定要出去创业。

所以结论是,科学家挺苦逼的,非常重要,我们应该以珍惜国宝的态度支持顶尖的科学家,谢谢大家。

原文发布时间为:2017-04-27

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
3月前
|
人工智能 监控 供应链
AI技术创业有哪些机会?
本文探讨了AI技术创业的多个机会,包括提供行业解决方案、开发智能产品和服务以及教育和培训,为创业者在医疗保健、金融服务、零售、教育等多个领域提供了丰富的机遇。
105 2
|
12天前
|
人工智能 自然语言处理 JavaScript
Univer:开源全栈 AI 办公工具,支持 Word、Excel、PPT 等文档处理和多人实时协作
Univer 是一款开源的 AI 办公工具,支持 Word、Excel 等文档处理的全栈解决方案。它具有强大的功能、高度的可扩展性和跨平台兼容性,适用于个人和企业用户,能够显著提高工作效率。
82 7
Univer:开源全栈 AI 办公工具,支持 Word、Excel、PPT 等文档处理和多人实时协作
|
4月前
|
人工智能 Cloud Native Serverless
2024云栖大会资料精选,《云原生+AI核心技术&最佳实践》PPT全量放送!
关注阿里云云原生公众号,后台回复:2024 云栖大会,即可免费下载云原生云栖大会核心资料合集。
1426 35
|
2月前
|
人工智能
AI科学家太多,谁靠谱一试便知!普林斯顿新基准CORE-Bench:最强模型仅有21%准确率
【10月更文挑战第21天】普林斯顿大学研究人员提出了CORE-Bench,一个基于计算可重复性的AI代理基准,涵盖计算机科学、社会科学和医学领域的270个任务。该基准旨在评估AI代理在科学研究中的准确性,具有多样性、难度级别和现实相关性等特点,有助于推动AI代理的发展并提高计算可重复性。
60 4
|
3月前
|
人工智能 自然语言处理
召唤100多位学者打分,斯坦福新研究:AI科学家创新确实强
【10月更文挑战第6天】斯坦福大学最新研究评估了大型语言模型(LLMs)在生成新颖研究想法方面的能力,通过100多位NLP专家盲评LLMs与人类研究人员提出的想法。结果显示,LLMs在新颖性方面超越人类(p < 0.05),但在可行性上略逊一筹。研究揭示了LLMs作为科研工具的潜力与挑战,并提出了进一步验证其实际效果的设计。论文详见:https://arxiv.org/abs/2409.04109。
51 6
|
3月前
|
机器学习/深度学习 存储 人工智能
2024年诺贝尔奖:AI科学家的辉煌时刻 | AI大咖说
在今年的诺贝尔物理学奖和化学奖颁奖典礼上,AI科学家分别摘得了这两项殊荣,这无疑为AI技术的发展和应用注入了新的动力【10月更文挑战第5天】
97 0
|
4月前
|
人工智能 数据处理
Nature:AI让抄袭问题更加复杂,科学家该如何应对?
【9月更文挑战第16天】《自然》杂志一篇文章指出,AI在科研领域的应用日益增长,带来了加速数据处理、提升计算效率等益处,同时也引发了对科学标准、数据偏见及研究诚信的挑战。一项针对1600多名研究人员的调查显示,超半数认为未来十年AI将成为其研究领域不可或缺的工具。AI能够显著提升科研效率,但也可能增加对模式识别的依赖,加剧数据偏见,并引发研究不可重复性等问题。尤其是大型语言模型如ChatGPT,虽有助于改进论文语法和翻译,但也可能传播错误信息。此外,部分科学家面临计算资源和高质量数据不足等使用障碍。
56 3
|
5月前
|
人工智能 数据可视化 定位技术
DataV AI助手小技巧-如何制作PPT数据地图
“数据地图”是PPT汇报地区业务数据的最佳形式之一;以往制作数据地图需要用户有一定的编程和数据处理基础,制作门槛较高;随着DataV整合通义千问大模型能力之后,不懂编程和设计的用户也可以借助AI助手“零代码”制作数据地图,真正实现了人人可用的地图数据可视化。 进入大模型AI时代,人人可以变成职场跨界多面手!
11232 2
DataV AI助手小技巧-如何制作PPT数据地图
|
5月前
|
人工智能 数据库
【科研技巧】如何判断某个期刊是什么类别及影响因子?是否是顶会?如何期刊内检索?AI写综述?AI做PPT?
本文提供了关于如何判断期刊类别、影响因子,识别顶级会议,以及在期刊内部进行检索的科研技巧,并探讨了AI技术在撰写综述和制作PPT方面的应用。
170 6
【科研技巧】如何判断某个期刊是什么类别及影响因子?是否是顶会?如何期刊内检索?AI写综述?AI做PPT?
|
5月前
|
人工智能 自然语言处理 文字识别
秒懂全文:盘点13个各具特色的AI智能阅读助手工具
在当今信息爆炸的时代,AI阅读工具正在革新我们的阅读方式,成为了提高效率、优化阅读体验的关键。这类AI阅读辅助工具,只需要上传文件或者输入链接,便可以直接以聊天对话的形式进行一键总结和智能问答,满足用户AI PDF 阅读、AI文档问答分析、AI音视频总结等多种实用需求,高效提炼信息要点精华,建立属于自己的AI知识管理和信息管理工作流。对此,根据阅读场景,精选了 13 个具有代表性、各具特点的高质量 AI 阅读助手助理。 具体如何选择,见文末总结。
511 1
秒懂全文:盘点13个各具特色的AI智能阅读助手工具