不要夸大人工智能,AI泰斗Michael Jordan Diss李开复,AI产业发展没你想的那么好

简介:

在我们高捧AI产业的同时,还需给行业人士空间,让他们能够认识行业不足,专心于学习、研发、更新以及应用等,真正做到“AI生万物”!

4月26日,以“AI生万物”为主题的GMIC全球人工智能领袖峰会在北京召开。Facebook研究院院长Yann LeCun,美国科学院、美国工程院、美国艺术与科学院三院院士Michael Jordan,创新工场董事长&首席执行官李开复,百度总裁张亚勤,小鹏汽车董事长何小鹏,华为荣耀总裁赵明,科大讯飞公司高级副总裁、讯飞研究院院长胡郁等的同台激辩,让整场大会高潮迭起,为现场观众带来了一场精彩的科技盛宴。

不要夸大人工智能,AI泰斗Michael Jordan Diss李开复,AI产业发展没你想的那么好

激辩一:AI产业发展没想象的那么好?

和以往一样,李开复的开场依旧是他擅长的“浪潮论”,他将当前的人工智能发展现状和未来分为四波浪潮:

第一波,互联网+AI。淘宝的每一次点击、朋友圈的每一次点赞,都是互联网巨头收集数据的过程之一。也因此,在数据作用日益凸显的当下,拥有数据的互联网巨头就是AI巨头;

第二波浪潮,同样针对拥有大量数据的企业,例如银行,投资机构、保险公司等,这是人工智能应用领域“比较低垂的果实”,任何有数据的领域,都可以进行AI的商业化,例如银行用用户的数据降低信用卡的欺诈率等,这是一个TO B的商业化过程;

第三波,是基于视觉、听觉各种传感器收集新的数据,来创造新的用户体验。例如智能音箱,各个领域的摄像头等。在这方面,已经有很多产品及应用落地;

第四波,是自主化、自动化的AI浪潮,例如机器人、无人驾驶、无人机、无人商店、无人工厂等。而这一浪潮会彻底进行行业颠覆,目前,中国与国际还有一些差距。

不要夸大人工智能,AI泰斗Michael Jordan Diss李开复,AI产业发展没你想的那么好

图 | 创新工场董事长&首席执行官李开复

“我们有海量的数据,在传感器等领域的发展的也特别的快,甚至在某些领域已经处于全球领先地位。这四波浪潮会来的非常凶猛,将为中国带来很多机会。”李开复说。

然而,戏剧性的一幕出现了。就在李开复刚刚说完,Michael Jordan就直接在现场Diss了李开复。

我们不能太夸大人工智能产业,因为我们根本没有建立起一个完整的智能体系。” Michael Jordan说。

作为三院院士,行业人士把Michael Jordan称为“人工智能泰斗”。作为一位学术界人士,他对行业当前的发展并不满意。

“对我们来说,我们的原则就是要搭建一个体系。这个体系并不是只做到‘无人’、自动化就可以了,而是要机器能够真正像人一样。现在大家对人工智能的研究,人工智能领域的研究,有着根本的结构问题。”

不要夸大人工智能,AI泰斗Michael Jordan Diss李开复,AI产业发展没你想的那么好

图 | 美国科学院、美国工程院、美国艺术与科学院三院院士Michael Jordan

Michael Jordan表示,目前的人工智能体系建设,大多是基于单个个体考虑的,也就是局部情况考虑的太多,但整体性考虑不够,而我们需要的是一个有连接的整体系统。换句话说,并不是只做到“无人”就可以了,而是要让机器像人一样,可以从全局去判断和做决策。要做到这一点,还需要很长的时间。

对此,Yann LeCun也表示,机器应当获得来自全球范围内的所有数据,在监督和无监督的情况下,从环境中学习足够的背景知识,并基于原则建立体系,获得和人一样的预测和决断能力。

激辩二:当前的AI应用效果里预期还有很远?

除去Facebook研究院院长,Yann LeCun其实还有另外一个身份:纽约大学数据科学中心的创始人。也因此,Yann LeCun在大数据和机器学习方面,是行业内是公认的“AI大牛”。通常情况下,对于这样一位研究者来说,研究成果最终落地应用是能给他带去极大的成就感。但Yann LeCun其实并不看好当前的大数据和机器学习等AI技术的商业应用。

不要夸大人工智能,AI泰斗Michael Jordan Diss李开复,AI产业发展没你想的那么好

​图 | Facebook研究院院长Yann LeCun(屏幕上)

似乎是为了很好的印证Yann LeCun观点,大会现场的AI翻译就将“red herring AI(AI里的红鲱鱼)”翻译成了“red hair in the eye(眼睛里的红头发)”,以及在李开复说“AI大牛”时将其翻译成了“AI Cow”。

“所以,在语义理解方面,AI还存在一些问题。” Yann LeCun说:“数据是可以创造商业价值的,需要商业、经济人才与科学家一起去挖掘,要先建立起一个系统,才能去探索AI真正可以实用的功能,为人类造福。”

可以看到,目前AI在商业应用确实存在一些问题,如不能精准的认知、判断等,但并不是所有的AI商业应用效果都是不好的,华为的AI芯片麒麟970一个就是典型的例子。

“AI产业,厚积才能薄发。麒麟970就是我们十年磨一剑的产品,它专门的NPU处理器就是为人工智能所打造的。”赵明说。

不要夸大人工智能,AI泰斗Michael Jordan Diss李开复,AI产业发展没你想的那么好

图 | 华为荣耀总裁赵明

在荣耀看来, AI分三个层次:

第一个层次,芯片和硬件的层次,就是针对AI的核心,打造适合于AI算法的硬件;

第二个层次,AI的智慧系统,自我学习、认知以及计算机视觉等都是其中的重要组成部分;

第三个层次,基于AI理念的应用,例如具备了AI的智慧系统、自然语义理解能力、计算机视觉识别等的AI手机。

除去华为用实际行动证明了AI商业应用的可能性,何小鹏更是在今天大会现场,宣布小鹏汽车G3正式开启预订,补贴前售价20-28万,首批预订限量2000个名额,预计今年年底量产交付。

不要夸大人工智能,AI泰斗Michael Jordan Diss李开复,AI产业发展没你想的那么好

图 | 小鹏汽车董事长何小鹏

“到目前为止,全球没有任何L3级别的自动驾驶汽车量产,包括特斯拉。而我们的G3,达到了L2.5级别。除此之外,G3还搭载了智能语音交互技术以及安装了智能大屏等,最大程度保证了其智能化。而为了解决充电问题,我们预计今年会建150个超级充电站,未来三年,这一数量或将超过一千。”

激辩三:AI人才的中坚力量在学校?

“科大讯飞成立于1999年,那个时候,我们都还只是一帮大学生,也不知道全球人工智能正处于第二次的低潮时期,就这么稀里糊涂的创立了公司。” 胡郁说。

不要夸大人工智能,AI泰斗Michael Jordan Diss李开复,AI产业发展没你想的那么好

图 | 科大讯飞公司高级副总裁、讯飞研究院院长胡郁

胡郁还在现场说了一个小秘密,北京做语音技术的人中最有钱的,当年不是研究员出身,而是中科院声学所的一个技工,他叫孙金城。所以,在胡郁看来,对于AI人才培养来说,从学校、科研院所中找到合适的人是至关重要的

可以看到,近年来,国内人工智能研究院数量激增,而为了解决AI人才紧缺的问题,从去年开始,就已经陆陆续续有高校开始成立人工智能学院,将专业人才培养从研究院提前到了高校阶段。

但这其中依旧存在问题,人才的断层,因为刚入门的学生根本不能马上从事研究或实际研发工作。对此,李开复表示,金字塔底层的建设很重要,但顶尖的更为重要,而且还需要把这些人才系统的聚集到一起。在这方面,做的最好的是谷歌,例如吴恩达主导创建的“谷歌大脑”,这一部门几乎奠定了当前谷歌在人工智能领域领先地位。

“但坦白说,与美国相比,中国有多年积累的专家少之又少,就连BAT的顶级人才,也大多是从Facebook、亚马逊、微软挖过来的。而从VC的角度来看,AI领域需要的不仅是学术专家,我们希望能够将科学家、工程能力很强和善于做销售的人结合到一起,一个多元化的AI公司可能更容易成功。”李开复说。

不要夸大人工智能,AI泰斗Michael Jordan Diss李开复,AI产业发展没你想的那么好

​图 | 左:李开复;右:百度总裁张亚勤

值得一提的是,在李开复说BAT顶尖人才都是挖来的时候,张亚勤正坐在他旁边。对此,张亚勤表示,AI人才基本上分为三种:

一、在理论、算法及研发方面能力很强的人,这类人才是非稀缺;

二、做产品的,包括芯片设计等人才。这类人才也很缺乏,但产业本身可以自己培养,如 BAT、小米京东、科大讯飞等,就已经自己培养出了很多这样的人才;

三、实用人才。这类人才的培养没有捷径,可以通过高校或中学阶段的知识普及与培养,也可以通过长时间的市场培育,将人才重心转移至AI领域。

“整体来看,5年后,中国和美国在应用人才、开发人才等方面,会基本持平。但在基础研究和算法理论方面,还会存在较大的差距。” 张亚勤说。

最后

AI产业在发展,但问题还有很多;中国AI在飞速前进,但与国外还相差甚远。

可以看到,无论在体系建设、商业应用还是在人才培养方面,我们都还有很多问题没有解决。更重要的是,这些或许都不是短时间内能有明显成效的。也因此,在我们高捧AI产业的同时,还需给行业人士空间,让他们能够认识行业不足,专心于学习、研发、更新以及应用等,真正做到“AI生万物”!


原文发布时间: 2018-04-26 22:19
本文作者: 伶轩
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
相关文章
|
2月前
|
人工智能 运维 安全
阿里云通过ISO42001人工智能管理认证,引领AI治理推动协同共治
9月19日,在杭州云栖大会「AI治理与安全论坛」上,阿里云宣布通过人工智能技术的全生命周期管理ISO42001体系认证。该项认证由国际标准化组织(ISO)和国际电工委员会(IEC)制定,是第一部可认证的人工智能国际管理体系标准。
127 14
|
11天前
|
机器学习/深度学习 人工智能 算法
人工智能与医疗健康:AI如何改变生命科学
【10月更文挑战第31天】人工智能(AI)正深刻改变医疗健康和生命科学领域。本文探讨AI在蛋白质结构预测、基因编辑、医学影像诊断和疾病预测等方面的应用,及其对科研进程、医疗创新、服务效率和跨学科融合的深远影响。尽管面临数据隐私和伦理等挑战,AI仍有望为医疗健康带来革命性变革。
67 30
|
5天前
|
机器学习/深度学习 人工智能 自然语言处理
1分钟认识:人工智能claude AI _详解CLAUDE在国内怎么使用
Claude AI 是 Anthropic 开发的先进对话式 AI 模型,以信息论之父克劳德·香农命名,体现了其在信息处理和生成方面的卓越能力
|
20天前
|
机器学习/深度学习 人工智能 搜索推荐
人工智能与未来医疗:AI技术如何重塑医疗健康领域###
【10月更文挑战第21天】 一场由AI驱动的医疗革命正在悄然发生,它以前所未有的速度和深度改变着我们对于疾病预防、诊断、治疗及健康管理的认知。本文探讨了AI在医疗领域的多维度应用,包括精准医疗、药物研发加速、远程医疗普及以及患者个性化治疗体验的提升,揭示了这场技术变革背后的深远意义与挑战。 ###
47 6
|
22天前
|
人工智能 自动驾驶 数据安全/隐私保护
人工智能的伦理困境:我们如何确保AI的道德发展?
【10月更文挑战第21天】随着人工智能(AI)技术的飞速发展,其在各行各业的应用日益广泛,从而引发了关于AI伦理和道德问题的讨论。本文将探讨AI伦理的核心问题,分析当前面临的挑战,并提出确保AI道德发展的建议措施。
|
22天前
|
人工智能 搜索推荐 安全
人工智能与未来社会:探索AI在教育领域的革命性影响
本文深入探讨了人工智能(AI)技术在教育领域的潜在影响和变革。通过分析AI如何个性化学习路径、提高教学效率以及促进教育资源的公平分配,我们揭示了AI技术对教育模式的重塑力量。文章还讨论了实施AI教育所面临的挑战,包括数据隐私、伦理问题及技术普及障碍,并提出了相应的解决策略。通过具体案例分析,本文旨在启发读者思考AI如何助力构建更加智能、高效和包容的教育生态系统。
|
2月前
|
人工智能 JSON 数据格式
RAG+Agent人工智能平台:RAGflow实现GraphRA知识库问答,打造极致多模态问答与AI编排流体验
【9月更文挑战第6天】RAG+Agent人工智能平台:RAGflow实现GraphRA知识库问答,打造极致多模态问答与AI编排流体验
RAG+Agent人工智能平台:RAGflow实现GraphRA知识库问答,打造极致多模态问答与AI编排流体验
|
1月前
|
人工智能 算法 安全
人工智能伦理与监管:构建负责任的AI未来
【10月更文挑战第3天】随着人工智能(AI)技术的快速发展,其在社会各领域的应用日益广泛。然而,AI的广泛应用也带来了一系列伦理和监管挑战。本文旨在探讨AI的伦理问题,分析现有的监管框架,并提出构建负责任AI未来的建议。同时,本文将提供代码示例,展示如何在实践中应用这些原则。
242 1
|
1月前
|
人工智能 自然语言处理 安全
Gemini 人工智能:谷歌AI重磅来袭!好消息,国内可用
Gemini 是 Google 🧠 开发的革命性人工智能模型,旨在打造一个功能强大的多模态 AI 系统。
|
1月前
|
机器学习/深度学习 人工智能 数据可视化
深度学习之可解释人工智能(Explainable AI,XAI)
可解释人工智能(XAI)是一个旨在使AI决策过程透明和可理解的研究领域。随着AI和机器学习技术在多个行业中的应用变得越来越广泛,其决策过程的透明度和可解释性变得极其重要。
47 0

热门文章

最新文章