毕啸南专栏 | 对话李开复:AI科学家的转型之路

简介:
本文来自AI新媒体量子位(QbitAI)


234e98cde3ed8826085b22c4ce5e73845dd05c64

1988年,27岁的李开复正在卡内基·梅隆大学读计算机博士。他参与开发了一款名为“奥赛罗”的黑白棋人机博弈系统,并于当年秋天击败了当时的黑白棋人类冠军。这是机器第一次真正意义上打败了人类冠军的比赛。

和后来大部分在棋类运动(深蓝、AlphaGo)上取得突破的人工智能系统类似,奥赛罗同样采用了基于统计的机器学习算法。这个经历在李开复的心中埋下了一颗种子,也让他成为了卡耐基·梅隆大学中最早开始研究统计方法的学者之一。

在研发“奥赛罗”的过程中,李开复意识到了这一技术潜在的巨大价值。他将这一技术带入了自己的导师瑞迪教授所领导的语音识别项目中,并成功地将机器的语音识别率提高到了96%。这成为了之后苹果与微软等硅谷巨头研究语音技术的基础,瑞迪教授也因为这项研究获得了1994年的图灵奖。

在离开学术界之后,李开复曾先后服务于苹果、微软与谷歌等知名企业。在担任微软全球副总裁期间,他组建了微软亚洲研究院,并担任首任院长(当时还叫微软中国研究院)。张亚勤、沈向阳、王坚,这些如今“光热辐射至大半个中国科技圈”的名字,都是微软亚洲研究院的早期成员。

值得一提的是,微软亚洲研究院现任院长洪小文与李开复师出同门,两人还曾在瑞迪教授的语音识别项目上展开合作。《数学之美》的作者吴军认为,瑞迪教授的成就离不开李开复与洪小文两人出色的工作。

db72c217cfe0dd3105a152d00c0c680ab335970b

在2009年离开谷歌后,李开复创立了创新工场并担任首席执行官,专注于科技创新型的投资理念与最前沿的技术趋势。旷视、驭势、第四范式,这些中国最具潜力的人工智能创业公司的背后都有创新工场的身影。

从学术界到企业界,从美国到中国,从服务大企业到专注创业公司,李开复经历过数次成功的转型。从某种意义上说,这些转变也正是当前人工智能创业者与创业公司所正在经历的挑战。李开复的经验对于今天的人工智能创业浪潮有着积极的指导意义。

为此,《中国人工智能之路》特意选择了创新工场创始人兼CEO李开复作为我们的下一个对话对象,和他一同探讨人工智能在各领域可能给中国社会,甚至给整个人类社会带来的改变、福祉与困惑。

如果说李彦宏和百度是中国互联网企业中人工智能战略最坚定的执行者,那么李开复和创新工场就是创投领域中人工智能概念最坚定的布道者。产业、科研和教育是这场对话的三个关键词。

李开复认为,数据、算力、算法,是人工智能发展的三大要素。三者互相追赶,彼此推进。而在这一轮的人工智能浪潮中,数据与算力的长足发展使得人工智能达到了可以大规模普及应用的临界点。

作为从技术专家到企业管理者转型的典范——李开复表示,做研究与做企业有着本质的不同,两者在目的性上就存在着巨大的差异。科学家追求的是做前人没有做过的事情,而企业家追求的则是满足用户与市场的需求。一个科学家能否顺利转型成为一个创业者,主要看他能否实现从追求技术创新到追求技术实用的思维模式的转变

李开复还认为,科学家到创业者的转型之路是生硬而艰难的。未来,人工智能企业CEO中科学家的比例会下降,而拥有2B销售经验的人才的比例会上升。这是因为“AI本身是一个2B的生意”,而“一般来说,做2B Sales(销售)的公司,必须要CEO作为最大的Salesman(销售)。”

李开复坦承,中国在人工智能领域的研究上和世界顶尖水平还有差距。但他认为中国拥有世界上最多的也是最年轻的AI研究人员,还有大量的数据和友善的政策,这一切将推动中国成为一个AI大国。

李开复认为我们应该让产业的归产业,科研的归科研。让那些学术大牛继续做新的东西,让中国的产业界来把已知的东西从1%做到50%的价值最大化。而后者“正是中国企业所擅长的事情”。

李开复表示,程序化的、重复性的、仅靠记忆与联系就可以掌握的技能将是最没有价值的技能,可以由机器来完成;反之,那些最能体现人的综合素质的技能,是人工智能时代最有价值最值得培养学习的技能。人工智能对生产效率的大幅改进,对人类劳动的部分替代,对生活方式的根本变革,必然触及社会、经济、政治等人类生活的方方面面。

以下为对话实录:

毕啸南:在这之前,我已经专访了很多AI领域的企业家,有一个很重要的特点——他们大多是科学家或者学者转型,他们那种技术型人才的思维特质还是很明显的。但是在这一波浪潮之中,谁能够率先由一个科技型的人才转变成一个具有领袖级的企业家,也许是他们之间相互竞争的一个很重要的壁垒。这种科技型人才转型成企业家,他们自身或者这一类人群需要突破的壁垒在您看来是什么呢?

李开复:其实要转的地方还很多。最大的一点,就是科学家从读博士到写论文做研究的整个过程中,追求的是一件事情,就是要做前人没有做过事情,差异化越大越好,越新越好,但是不追求其它的。

但是当我们做企业也好,做投资也好,做产品也好,追求的一定是满足用户与市场的需求。当你的终极目标有这么巨大的转移的时候,一个科学家能不能非常成功地转换自己的角色,就看他能不能放下过去追逐的那一个目标,而接纳新的目标。

因为这两个目标,其实经常是相斥的,当然偶尔也可以结合,但是大部分时候是相斥的。因为可能方向性上你要做一个伟大的技术、伟大的产品,取得市场上的成功;但实际上你每天做的每个抉择是我要不要放弃这个功能,我要不要抄竞争对手的某个功能,还是我要抢你的市场份额,挣钱。这些是非常残酷现实的问题。

毕啸南:这里边几乎分了两类人,一类人就是说有人发现我真的是只能做技术类的人才,他会找合伙人,团队作战;另一类就是说他自己能够实现转型。您认为AI的创业者跟其他的创业者其实更需要一些不一样的特质是什么?

李开复:我觉得从计算机技术来说,AI算是比较接近科学的。计算机基本是个工程,在这个工程的领域里面,过去做系统的、做操作系统的、做数据库的、做安全的,他们其实还是工程师思维大于科学家思维,所以他们的转型会相对容易一些。

AI科学家还真的是需要很懂数学,能够发明新的算法,这需要世界上最聪明的大脑去碰撞,去竞争。这一批做AI的人,还有做计算机理论的那些,一般不会成为企业家的。所以,我对于AI科学家转型企业家会抱一个问号。

当然你会说今天我们不是很多都转型成功吗,从科大讯飞到搜狗,再到Face++和其它的一些计算机视觉的公司,这确实没错。那是因为你不让占据这个公司的99%的价值的一个人去做CEO,这讲不过去。所以这些人必须得往前冲,也不断地修正他们的思维。这批人的转型确实很成功,但是这个转型也是很生硬、艰难的。所以,我会预测再下一拨或者两拨的AI公司,它的CEO中科学家的比例会下降。

当然,未来的AI人才还是非常重要,他们也会是重要的联合创始人,也会有很多股份。在业界出来讲话,说不定还是他们继续说。作为科学家,我觉得这些都很好。但是AI也在进入一个新的阶段,因为AI本身是一个2B的生意。它应该是卖给企业,而不是卖给用户的,所以人工智能企业会特别需要的一个领军人物,一个能够做2B销售的人。一般来说做2B Sales(销售)的公司,必须要CEO作为最大的Sales(销售)。

4ca79e453980757373cc86d9a5586d7591c4a76f

毕啸南:现在业界有很多声音说,我们在基础的理论研究和本身的知识创造方面,其实还是不那么扎实的,但是现在似乎投资圈和创业界不提AI,就好像是落伍于时代了。现在国内的人工智能发展是不是存在一个操之过急的心态?

李开复:我相信AI将在接下来的10年、20年对人类产生巨大的影响。今天中国有大量年轻的AI研究人员,加上大量的数据还有非常友善的政策来推动,我觉得中国会成为AI大国。

但是,我觉得有些人对某些方面可能会误解,认为靠这些技术就可以解决未来所有的问题。这其实是不够的。我们的科研还是需要加强。在科研这一块,美国、英国、加拿大是远远领先世界的。所以,中国在科研这里还是有一个落差,尤其是那些特别有智慧、有经验的科学家,这是需要时间来补足的。

至于这个产业有没有一些泡沫,会不会太火了,我觉得其实从产业来说是没有的,因为AI产生的价值才刚刚开始,如果说它能做人类50%的任务,甚至比我们做得更好,那这个红利远远没有见到,1%可能都没有见到。

我的想法是让产业的归产业,科研的归科研。让那些学术大牛继续做新的东西,让我们产业界来把已知的东西从1%做到50%的价值最大化。这是中国企业非常擅长的事情。

毕啸南:所以说其实我们已经完全脱离业余市场的一个范围了,进入职业化状态了,只不过离顶尖其实还是有一定的距离。

李开复:对,但我也不会太担心。因为在这种顶尖高手的切磋上面,AI的科学家是非常开放的。他们想出了新的点子会及时的发表,而且在网上发表,都不经过期刊一两年的审批周期。而这些最新的思想,会在网上快速的传递。比如最近的Alpha Zero,它的结果出来了,一周以后论文就上线了,再过几周,很多模仿它的开源程序也被放到网上了。

当然也有例外,如果是大公司里面,公司可能会限制你不要发表。比如你是在Google、Facebook、微软或者在BAT里边做出了特别突破的创新,这是否会发表,还得看公司批不批准。

毕啸南:我们一直在谈AI发展,人工智能发展能够给人带来无限的想象,科技能够抵达无限的上限。但是我其实最近看您的文章,应该是在《金融时报》发表了一个专栏,我不知道记得准不准,但是观点是这个样子,您提到一段话,人工智能至少在五到十年内取代客服这些基础的工作。

李开复:首先我讲一下,AI它不是万能的,它是在单一的领域里面,能够基于大数据做出一些判断和决策。所以说,比如电话销售、客服,一些这种比较重复性的助理工作,这些人的工作的部分会快速被机器超越。还有一些蓝领的工作,比如检查员和流水线上比较简单的工作,也会很快被机器取代。经过未来的10到20年,这个取代的比例会越来越大。

我觉得未来的10到15年,我们今天工作里面的工作各个任务,50%的任务机器能够做的和人一样好或者更好,但是这不代表50%的人一定要下岗。也许我的工作的30%被取代了,但我可以再补足别的,AI可以作为我的工具。

f97fdf9afc13eb46fedff62068360a0522cfd424

毕啸南:创新工场对这个人工智能领域有着非常大的关注和热忱,你们对AI领域的布局是什么样的?

李开复:因为我自己是做人工智能起家的,37年前就开始接触人工智能领域,在过去的好几个公司——苹果、微软、Google——都有接触。今天我看到的情况是,现在的数据量跟机器的速度终于达到了人工智能可以普及的状态。

当然,还有算法的进步,数据、算力、算法,这三者是彼此推进的。人工智能的时代终于来临了,我们在创新工场一定要能努力的,让它能够尽快地产生价值发光。

我们作为一个投资机构,也希望能够从中得到很好的回报。我作为人工智能的早期参与者,还有我的周围有一批很热爱人工智能的投资人、工程师,我们都希望做一些公益型的工作,让人工智能以及相关知识的普及,能够做得更广。

我们建立了人工智能工程院,帮助传统行业做+AI的转型或提升。因为AI跟互联网不一样,AI真的是对每个公司有潜在的帮助,只要你有数据就可能产生出价值,能够做出更好的抉择。

另外我们还做了教育方面的一些尝试,比如对于实习生的培训,我们还正在考虑开一堂更大的课程。此外,我们还投资了一些人工智能培训的项目。这些领域可能不见得是能够赚什么钱,但是我觉得这对于人工智能的普及有很大的好处。

还有我们做了人工智能的竞赛,叫做AI Challenger(全球AI挑战赛)。不但不赚钱,还给发奖金,就是为了让学生们能够参与,补贴他们来进入这个领域。让那些对人工智能有才华有兴趣的人,可以快点进入、发光发热,让领域做得更大。

另外我个人也会去在国内国外做一些演讲分享。作为一个投资人,我可以畅所欲言,能够非常坦诚地把人工智能能做什么,不能做什么,带来的机会和挑战都呈现出来让大家知道。因为我觉得知识才是力量,大家知道了以后,可能一起来推敲解决方案,会比我们少数做人工智能的人来做会好。

毕啸南:如果用一段很简短的话,让您形容您对人工智能这个时代最大的想象和期望,您认为会是什么?在您心目中人工智能时代应该是什么样子才是最好的?

李开复:我希望人工智能能够取代我们重复性的枯燥的工作,释放更多时间,让我们人类能够真的做自己擅长、爱好的事情。这可以产生巨大价值,让我们彼此关爱。人工智能甚至可以帮助人类找到存在的目的,我觉得这才是它该做的事情。

本文作者:毕啸南
原文发布时间:2018-01-08
相关文章
|
1天前
|
数据采集 人工智能 搜索推荐
DeepSeek告诉你眼中不会被AI替代的职业,打工人可以这样华丽转型
在AI技术飞速发展的今天,职场正经历前所未有的变革。麦肯锡预测,到2030年全球约30%的岗位可能被AI替代,但AI并非终结者,而是转型推手。DeepSeek揭示了教育、医疗、手工艺和创意等难以被AI替代的职业领域,并提供了从“被替代者”到“AI指挥官”的转型指南。生成式人工智能(GAI)认证成为提升自我、适应AI时代的关键工具,助力职场人掌握核心技能,实现华丽转型。未来赢家将是善用AI放大自身优势的人。
|
2天前
|
人工智能
MIT 76页深度报告:AI加速创新马太效应,科学家产出分化加剧!缺乏判断力将被淘汰
近日,麻省理工学院(MIT)发布了一份76页的深度研究报告,探讨AI对科学发现和创新的影响。研究对象为1018名美国科学家,结果显示AI使新材料发现增加44%,专利申请增长39%,产品创新提升17%。然而,AI对高能力科学家的产出提升更显著,加剧了科学家间的分化。AI还改变了科学家的工作内容,减少了创意构思时间,增加了评估任务,导致工作满意度下降,但科学家对AI的信心增强。报告全面分析了AI带来的机遇与挑战。论文地址:https://conference.nber.org/conf_papers/f210475.pdf
28 14
|
13天前
|
人工智能 算法 安全
中国石油大学(北京)与阿里云达成战略合作 “云+AI”助力石油石化行业智能化转型
2023年8月3日,中国石油大学(北京)与阿里云签署战略合作协议,共同推动能源行业智能化转型。双方将成立能源智能计算联合研究中心,结合中石大在油气科学领域的积累和阿里云的云计算、AI技术优势,打造勘探开发领域行业模型算法库,助力缩短勘探时间,提升作业效率。此次合作旨在通过“云+AI”加速石油石化行业的数字化转型,实现绿色化和可持续发展目标。
25 3
|
2月前
|
存储 人工智能 自然语言处理
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
师资研修|AI赋能教师教学能力转型-德阳某教育主管部门
近日,德阳市教育主管部门,面向全市中职院校的骨干教师,开展AIGC赋能教育教学师资培训。TsingtaoAI参与负责本次师资研修的教学。本次师资研修通过系统化、专业化的培训,帮助教师深入掌握AI大模型及生成技术在教学中的应用。课程以实践为核心,以案例为载体,涵盖AI提示词优化、教案与题库生成、PPT高效设计及AI数字人应用等核心内容,全面提升教师的教学效率与创新能力。
131 5
|
4月前
|
数据采集 人工智能 机器人
AMD的CIO谈AI驱动转型和IT的未来
AMD的CIO谈AI驱动转型和IT的未来
|
4月前
|
数据采集 人工智能 搜索推荐
|
4月前
|
数据采集 人工智能 搜索推荐
大咖说|Data+AI:企业智能化转型的核心驱动力
在数字化浪潮的推动下,企业正面临前所未有的挑战与机遇。数据与人工智能的结合,形成了强大的Data+AI力量,尤其在近期人工智能迅速发展的背景下,这一力量正在加速重塑企业的运营模式、竞争策略和市场前景,成为适应变化、提升竞争力、推动创新的核心驱动力。本文将讨论企业采用Data+AI平台的必要性及其在企业智能化转型中的作用。
353 0
大咖说|Data+AI:企业智能化转型的核心驱动力
|
4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。
79 4
|
5月前
|
机器学习/深度学习 人工智能 自然语言处理
探索AI在软件测试中的转型力量###
本文深入探讨了人工智能(AI)技术在软件测试领域的应用现状与未来趋势,通过分析AI如何优化测试流程、提高测试效率与质量,揭示了AI赋能下软件测试行业的转型路径。传统测试方法面临效率低、成本高、覆盖率有限等挑战,而AI技术的引入正逐步改变这一格局,为软件测试带来革命性的变化。 ###

热门文章

最新文章