此次课程开幕式活动上，清华大学理学院院长宫鹏教授、信息科学技术学院朱军副教授、在线教育办公室于世洁教授先后致辞。
宫鹏教授简要地回顾了全球农业、工业和信息革命，指出过去数十年推动社会巨变的主要动力之一就是机器的自动化、小型化和智能化，赞扬了Steve Jobs为代表的一批创新者和发明家把科学、艺术和技术结合起来，通过商业化，深刻地促进了社会进步。他特别致谢了清华大学海峡研究院的王熙先生及其团队为这门课程的设立和运作所付出了努力。他最后也提出了要有人工智能将把人类带往何方的思考。
朱军副教授分享了自己十余年从事人工智能研究的体会，强调了这门课程和清华大学目前已经开设的相关课程的根本不同。于世洁教授分享了清华的学堂在线已跻身全球第三，受众人数超过1000万的发展现状，也指出了本系列课程是清华在线教育希望研究生课程更加面向学科前沿和产业前沿的一次探索。
在本节课，雷鸣与徐小平先后分享了AI爆发的起源、产业机会和创业中的“坑”，干货满满。
首先是雷鸣讲《AI革命和社会未来》。
智能是再次颠覆社会的力量，产业格局将彻底改变
雷鸣首先从从AlphaGo到AlphaGo Zero，来阐述人工智能的演进速度。
人学围棋学到九段的话，要有天赋和机会，即便是一个很优秀的人学到九段需要花很多时间，AlphaGo基本上从2015年的10月份出山，以5：0的成绩击败了专业二段的欧洲冠军。到半年之后的2016年3月，AlphaGo击败李世乭九段；再过了9个月，升级版的AlphaGo完成了60局不败的战绩。到2017年5月，AlphaGo在乌镇对决柯洁，而这个版本的AlphaGo能够在让三个子的情况下稳赢第一代版本，当时围棋大师聂卫平说，这样的水平是“二十段”。
到了2017年12月，Alpha Zero能够在8小时通过深度学习，在围棋、国际象棋、日本将棋三大棋类中战胜人类。
人工智能对社会影响多大？雷鸣先用工业革命的例子来对比。
下面这张图是截取加州大学教授Gregory Clark的全球人均收入按年代的数值图。在第一个箭头的前面，曲线只是上下波动，但箭头之后，是直线上升。这个拐点就是工业革命。
从劳动生产率来看，人类过去3000年是原地踏步，人们的生活方式在秦朝和清朝没有根本性变化。但是过去200年，社会变化翻天覆地，是颠覆性的200年，这是工业革命带来的。
再来看人工智能。
工业革命为什么能够造成直线上升的人均收入？它用能源+机械替代了农业社会的体力劳动，工业社会把90%的体力劳动释放出来做技能劳动，即学习技能后用机械劳动，把效率提升很多倍，并产生很多创新。而人类在农业社会很少看到系统性创新，工业革命之后，产生系统化、迭代式创新，社会进步非常快。
进入智能社会，数据+智能将替代人类社会的技能劳动。现在，社会的劳动主体90%还是技能劳动，这些技能劳动随着人工智能的发展将被替代。例如，自动驾驶会替代司机，人类很可能在15-20年之后不存在司机这个职业。如果不信，想一想以前还有电梯司机，在自动化之后，电梯司机就没有了
不过人工智能把技能劳动都替代的话，会造成失业现象，但如果失业人口经过几代人的教育之后，人类社会将进入创新劳动阶段，社会的进步速度将大幅度加快。
再来看产业方面。
两百年前，最大的产业农业在2010年占GDP的比重仅有2.81%，在智能社会我们可以大胆想象，基于人工智能和创造性的产业占比将达到90%，因此这个社会的财富会再一次被分配，中间的机会非常之多，只有静止不动的企业和静止不动的个人一定会被时代淘汰。
人工智能为什么在这两年爆发？数据、算力和算法遇到最佳时机
人工智能有三个要素：数据、算法和运算能力。
人工智能发展60多年，算法也出现几十年，但是唯有今天的数据和运算能力才促使人工智能突飞猛进。就像爱因斯坦的E=mc^2的公式，很早就提出来了，但只有到了原子弹爆炸和核电站，才实现了应用。
人类的数据以每年50%的速度增长，而根据摩尔定律，运算能力也是每1.5年-2年翻番，数据和运算能力成咬合级、指数级提升，终于爆发出威力。
同时，算法也不断演进。
在有监督的学习上，深度学习的表现可以随着数据可以不断增长（蓝线），而一般学习算法到了一定数据之后增长就停滞了（红线），所以当我们学更长尾更复杂的东西的时候，它没有能力学了。
谷歌去年发表的一篇论文结果显示，在视觉任务上，性能随数据集的量级提升而线性提升。同时，模型容量也很重要，数据量越大，对模型复杂度要求越高，模型复杂度越高，它的提升越有效，这也就是为什么ResNet-152的提升远高于ResNet-50。
以深度学习为基础的一系列的高复杂度、高运算量的学习算法打开了一扇门，让机器对原来复杂的能力可以进行学习了。
以视觉识别为例，过去的模式识别主要是找特征点，特征即便抽取数百甚至上千都不可能完全准确，深度学习就能够避免这种情况，这也就是为什么当复杂度很高的时候，很多经典的算法就遇到了瓶颈，而深度学习在一定程度上可以解决这些问题，只有高复杂性模型才能Hold住高复杂性经验，从而进步。
人工智能带来的产业、创业公司以及国家机会
工业机器人和智能工厂。工厂里工人的岗位已经逐渐在消失掉，留下的是一些工程师，像特斯拉这些现代的工厂里，工人已经很少了。
自动驾驶和智能交通。Alphabet旗下的自动驾驶公司Waymo已经估值700亿美金，已经直接做L4，测试300万英里；百度今年将与金龙客车合作，小规模量产自动驾驶汽车。这些告诉我们，人工智能已经落地了。
智慧医疗。以前谈人工智能，很多医生不认可。但现在医生们也开始以开放的态度来对待、拥抱人工智能，看它的能力到底在哪儿。中国的AI医学影像有超过20家创业公司获得融资；美国的FDA已经开始审批AI辅助诊断产品，有消息说，CFDA也在酝酿对AI的医学产品如何评审，今年应该会有明确的方式方法出台。
智能金融也应用广泛，比如智能投顾、信贷评估、保险等。
上述讲到的是过去产业与AI相融合，AI在其中起到替代作用，并且大量是基层、技术含量不高的职业。AI的新机会在哪儿？
新机会很多情况下是“无中生有”的机会，而服务机器人和人机交互就是这样的机会。以家庭助理机器人为例，这个东西它以前不存在，人工智能的出现让人们拥有了个人秘书，产业机会巨大，因此，谷歌、苹果、亚马逊、阿里、百度等巨头都在做智能助理。
AI改变产业的路径有三个原则：
1、从低技能行业内到高技能行业。
扫地机器人代替的是扫地这种低级技能，但AI想要代替医生就需要走很长的路。
2、从高数据行业向地数据行业
有数据的行业走的会快，没数据的行业走的会慢。以阿里巴巴做金融为例，因为金融业有巨大的数据，无数据则无智能。
3、从经济效益高行业向一般行业
什么是经济效益高行业？比如说一个技术就能通吃的，比如自动驾驶汽车把汽车、出行产业全部颠覆，而中国交通运输包括物流、汽车的产业加起来占GDP20%，这个行业就是经济效益高的行业。相比之下，医疗产业仅6%。一旦某个公司独自将自动驾驶拿下来，绝对是万亿美金的产业
同时，大家很多时候害怕BAT，这是AI创业公司常见的心态。
大公司有数据有机器有钱有人才，创业公司怎么拼？雷鸣说，BAT恰恰是人工智能创业的人才摇篮。不要只盯着互联网公司的数据，医疗有医疗的数据，物流有物流的数据，各种数据藏在民间，BAT公司在找其他公司的时候，经常会遇到对方不想合作的情况，为什么？因为BAT经常说革命，把公司革怕了，“黄鼠狼给鸡拜年”。
再把眼光投向国家层面。AI时代中国的机会在哪里？
先看美国，优劣势很明显：
优势：科技积累雄厚、全球市场运作。
劣势：中产阶级没落引发的政治挑战，所以中产阶级选了特朗普当总统来保护自己的利益；同时，美国现在对关税、移民、贸易等进行限制，造成的封闭市场带来国际影响力下降。
中国的机会：
广阔的市场：中国是全球最大的单一文化市场，统一的市场容易激活长尾需求，市场够大，只要做产品就有大量人在用。
跨越式进步：中国以前很落后，但落后也有“好处”，以支付为例，中国直接跳跃信用卡进入移动支付时代。
技术的追赶：中国在全球人工智能技术发展很快，中国学者在顶会上发paper占世界一半。
创新能力提升：很多东西中国首创，比如视频直播、个性化新闻推荐、共享单车等，中国的创新能力已经爆发出来了。
中国投资的力量：中国是AI创业融资最多的国家。
雷鸣的演讲结束后，徐小平带来《人工智能与创业》，用故事讲述人工智能公司在创业中常见的“坑”。
把管理中的“琐事”交给专人，让技术的做技术，管理的做管理
2015年7月，鲍捷以第一作者的身份在《自然》杂志上发表《基于胶体量子点纳米材料的光谱仪》的论文，轰动学界，这是人们第一次在光谱仪中使用量子点。
鲍捷是清华大学电子工程系副教授、博士生导师。在得知鲍捷的科研成果后，徐小平的真格基金投资了前者创办的公司。“对于科学家来说，你一定找到人管理’琐事’。”徐小平对鲍捷说。
所谓的“琐事”指的是公司的日常管理，在他看来，要让懂技术的做技术，懂科学的做科学，不能让科学家做管理。“无论你有多好的技术，当你想创业的时候，多少跟管理有关，多少跟应用有关要想清楚。”
就这样，鲍捷潜心研究一年后，当徐小平再见到鲍捷时，量子点光谱仪已经做出来了。
“我们还投过一个由6个清华学生创办的公司，但是每个人的分工并不明确，股权也有问题，CTO的股份比CEO还高，最终这个项目还是失败了。”
创始人的背景和专业能力很重要，跨界创业风险大
创业者CEO本人是不是跟创业的项目强相关，包括学历、学识、经历是不是跟创业项目相匹配在徐小平看来非常重要。
去年十月，林元庆离开百度研究院，并创立Aibee。林元庆在机器学习和计算机视觉等研究领域有深厚的背景，而Aibee也将计算机视觉、语音识别、自然语言处理、大数据推荐与预测等多种AI技术进行全方位融合，徐小平从报纸上得到这个消息后，通过各种办法终于联系到林元庆。
“过去的人工智能大多做的ToB生意，比如安防，但是林元庆做得是跟消费者做得最近的ToB。”徐小平说，比如肯德基、麦当劳点餐时，摄像头能够识别用户，并记录用户的消费习惯，最终能把快餐业点单速度从几分钟降到几十秒。并且从顶级消费场所到快餐也，林元庆的公司能解决最大的痛点。“公司还没注册下来，已经有亿元的订单，未来将走进千家万户。”
Q&A环节
雷鸣：现在对人工智能的投资是否变冷？
徐小平：当社会青年都涌向创业的时候，这是社会资源的一次重新配置，是一场真正的革命，投资人把钱给到创业者，让这群社会上最有野心的人发挥创造性，是一件非常好的事情。人工智能走到今天，我觉得投资的钱还不够多。
雷鸣：学生群体创业应该准备点什么？
四年前时候，我遇到了清华陈吉宁校长，陈校长说清华要做X Lab，希望学生创业能达到三分之一，这对学生创业的选择是大力的鼓励，而且这是国家“双创”口号之前的一两年。清华在创业方面是走在前列的，如果要准备的话，建议清华学生在学校期间，除了学好专业，还要增强“来事儿”的能力，想创业的话，学会交朋友、跟人交流、寻找资源。多交一些不同院系的朋友。
徐小平：创业最重要的能力是营销、品牌。而在所有的能力之上是认知能力或叫选择能力。比如北大那么多老师，就俞敏洪一个人出来做新东方了，贝尔实验室那么多人，也就王强放弃了然后回到新东方。
雷鸣：你的工作是否可能被AI替代？
徐小平：不太可能被替代。因为我希望不被替代。（笑）不过现实的情况是，做量化分析是高盛这样投行里面比较重要的工作，通常有几百人在操作，但是人工智能的出现让这些投行只有几个人来做这项工作。也许AI会首先替代数据分析工作，之后才轮到看人、与人性判断有关的工作-也就是我现在所从事的工作。我觉得有一天可能被替代，但是那时候我想我已经退休啦。
至此，清华大学《人工智能与产业趋势》系列课程第一讲结束。整个系列课程将全程在学堂在线平台上直播, 学堂在线目前注册用户量、课程量位列全球第三，希望通过直播可以为更多的学习者提供学习机会。
原文发布时间为：2018-03-10
本文作者：张乾
本文来自云栖社区合作伙伴新智元，了解相关信息可以关注“AI_era”微信公众号
