生与研究人工智能

来源:科技日报“现在教育系统也行动起来了，我们的政府、科技界、产业界、教育界等正在形成各具特色、衔接有序、充满活力、人工智能发展良好的中国生态。”6月8日，教育部在浙江大学召开新闻发布会，解读《高等学校人工智能创新行动计划》（以下简称《行动计划》）。曾为《行动计划》制定给出建议的中国工程院院士潘云鹤强调，要加大对人工智能研究生人才的培养力度。“讨论《行动计划》时，我们就提出，整个社会迫切需要人工智能人才，但真正人工智能方向的人才太少。”潘云鹤说，人工智能学科发展的重要环节是研究生人才培养，但若把其他专业研究生名额转给人工智能类专业，难度较大。所以，最好的方式是做“增量改革”，适当增加人工智能类专业研究生名额。这一点也明确写入了《行动计划》。《行动计划》于今年4月份发布。教育部科技司司长雷朝滋告诉科技日报记者，《行动计划》是一份汇集各类政策措施，引导、支持高校提升人工智能领域科技创新、人才培养和服务国家需求等能力的指导性文件。从“优化高校人工智能科技创新体系”“完善人工智能领域人才培养体系”和“推动高校人工智能领域科技成果转化与示范应用”三个方面提出18条重点任务和三个细化专栏，着力推动高校人工智能创新。为加强高层次创新人才培养，《行动计划》从扩大人才培养规模、提高人才培养质量、优化人才培养结构等方面进行系统部署，重点提出“引导高校通过增量支持和存量调整，加大人工智能领域人才培养力度”“深入论证并确定人工智能学科内涵，完善人工智能的学科体系，推动人工智能领域一级学科建设”“鼓励对照国家和区域产业需求布点人工智能相关专业，支持高校在计算机科学与技术学科设置人工智能学科方向”等任务。对此，潘云鹤表示，建议教育部“迅速下名额”，提高人工智能专业人才培养数量，满足社会需求。浙江大学人工智能研究所所长吴飞给出了一组数据。根据2018年4月更新的《学位授予和人才培养学科目录》，我国研究生教育一共有13个大类，111个一级学科，493个二级学科，其中直接出现“智能”二字的仅有一个二级学科，即模式识别和智能系统。“不过，还有很多二级学科与人工智能强关联。”《行动计划》中也指出，要推动人工智能领域一级学科建设。浙江大学是教育部批准的首批可开展学位授权自主审核的高校之一，吴飞透露，他们正在论证人工智能一级交叉学科。要摸索的第一件事，就是“教什么”。吴飞认为，人工智能的特点是“至小有内，至大无外”，可由多个内核向外拓展。浙江大学也根据人工智能的这一特点，设计了研究生课程体系。记者看到，必修课分为数学与统计学、智能与认知科学、计算机和人工智能四大类，方向必修类则有智能教育、智能法学、智能金融、智能农学、智能医学和智能文学等，还特别设置了综合必修类课程人工智能伦理学。“学生学什么，内核一定要清楚。”吴飞认为，新设立的人工智能学院或者人工智能交叉研究中心，其目标是培养前沿性和复合型人才，否则没有必要和计算机学院重复建设。不止是浙大，多所高校已经开设了人工智能相关专业，并在“交叉”上下功夫。为了推动人工智能领域跨学科交叉研究，清华大学成立了学科交叉研究领导小组，出台了多个支持跨学科交叉智能研究的文件。如跨院系的教师兼职制度，计算机系的教授可以到生命学院兼职；还出台了跨学科交叉学位评定制度。“这对于培养人工智能领域的跨学科研究人才起到了推动作用。”中国工程院院士、清华大学副校长尤政说。他也强调，高校要特别重视人工智能基础研究，承担起引领未来发展的责任。(记者 张盖伦)

人工智能是一门新兴的高尖端学科，属于社会科学与自然科学的交叉学科，涉及了数学、心理学、神经生理学、信息论、计算机科学、哲学和认知科学、不定性论以及控制论。研究的范畴包含自然语言的处理、机器算法的学习、神经网络、模式识别、智能搜索。应用的领域包含机器翻译、语言和图像理解、自动程序设计、专家系统等。想研究人工智能的方向，近两年很多大学都开设了人工智能学院。西安电子科技大学人工智能学院、中国科学院大学人工智能技术学院、南京大学人工智能学院三所高校在人工智能领域皆属于顶尖。人工智能专业相关研究方向，有很多的分支学科，包含模式识别与智能系统、计算机应用技术、智能科学与技术、信息与通信工程、计算机科学与技术、控制科学与工程、人工智能与信息处理、计算机应用技术、生物信息处理方向、计算机科学与技术超级计算方向等。对于本科专业的学习，如果有意从事人工智能方向的相关工作，可以尝试选择以下的相关专业：计算机科学与技术。人工智能的工作既需要非常扎实和广泛的数学基础的同时也要求很高的实际操作能力，人工智能专业方向的如Machine Learning，Computer Vision， Natural Language Processing，Data Mining等课程，在计算机科学与技术专业在高年级和研究生阶段都有对应的课程和研究方向。数据科学与大数据技术。既要掌握基础的程序设计语言，也要掌握大数据平台的运用，Numpy、Matplotlib、Pandas,SciPy和scikit-learn等科学计算与机械学习库的掌握，完成技术方案设计及算法设计和核心模块开发，组织解决项目开发过程中的重大技术问题；负责深度神经网络技术平台的架构、开发方案的设计、应用与实现（包括机器学习、图像处理等的算法）。偏向于学术型的理论研究，可选择应用数学等学术应用理论型的专业。机器算法的学习本质上是微分方程、概率论、矩阵分析等等数学领域的一个应用场景。人工智能方向的研究人员需要具备扎实的数学基础才能做好AI的理论研究。偏向于理论研究的方向可以了解传统机器学习的知识、编程语言的掌握，学术型的专业一般就读研究生，通常转到计算机方向或者经济类方向。最不易被人工智能代替行业可能有IT领域行业、对未知领域的探索和发明创造行业，创意、设计领域行业、需要情感互动交流的行业、情况复杂多样，需要随时综合判断的岗位等。随着科技行业日新月异的发展，大数据、人工智能等新兴产业的崛起，大学高等教育开设的数据科学与大数据技术和人工智能专业势必会逐渐发展成为大学的热门专业。

10月23日上午，2018人工智能高峰论坛在苏州工业园区举行。大会由苏州大学主办、苏州大学人工智能研究院承办、江苏省人工智能产业技术创新战略联盟支持，以“从研究到产业”为主题，聚集全球人工智能领域具有影响力的科学家和企业家，围绕人工智能领域的技术前沿、产业趋势和相关热点问题发表演讲和进行高端对话。市委常委、园区党工委书记吴庆文，副市长陆春云，园区党工委委员、管委会副主任林小明等参加活动。苏州大学人工智能研究院于2017年11月成立，近一年来，研究院已引进十几位国内外专家，招收一百多名研究生，聚焦自然语言处理、健康医疗、大数据等领域开展研究，并积极与本地企业开展产业化合作。活动中，苏州大学人工智能研究院学术委员会揭牌成立。“希望通过我们的努力，加速人工智能从研究到产业的进程，使得院校成果真正助力地方经济发展。”苏州大学人工智能研究院院长凌晓峰如是说。让“城市大脑”真正像人眼与脑一样分工合作超大规模人工视觉系统应用被喻为“城市大脑”，已在很多地方得到应用。北京大学教授、中国工程院院士高文认为，它的发展仍处于初级阶段，应该依托“类脑视觉计算”进行下一步的深化。“如果把摄像头比作人的眼睛，那么云平台可以看作人的大脑，在人眼与人脑的分工配合中，并不是所有眼睛看到的内容都会被送到大脑。”在高文看来，人眼与脑的配合机制值得人工智能系统学习。“当前大多数摄像头仅仅做到了信息记录与识别，事实上它还应该有足够的信息处理能力，筛选出云平台真正需要的内容并传输。”高文将之称作数字视网膜，“数字视网膜应该包括摄像头、云平台以及摄像头与云平台之间的连接，真正实现特征实时汇聚和视频按需调取，优化摄像头与城市大脑间的反馈。”谈及人工智能从研究到产业的“落地”，高文坦言这主要取决于土壤、水和肥料。土壤是产业发展环境，水和肥料是地方政府的支持。“我来过园区很多次，这里有良好的产业基础和政府服务，十分适合人工智能创新小苗的成长。”人工智能安全与社会安全一样重要“现在，网络作为一个虚拟社会，已经与物理社会完全重合，物理社会几乎所有的东西都被‘搬到’了网上，从经济到教育，再到医疗，涉及生活的方方面面，网络安全就与社会安全一样重要。”现场，中国网络空间安全协会理事长、中国工程院院士方滨兴从风险视角讨论了AI安全的三个空间。他认为，任何的新技术与安全都存在两种关系，一种是使能安全，指技术用于安全，相当于增加保安来强化安全；另一种是伴生安全，指先有技术再考虑安全。“技术如果不成熟就会存在安全隐患，好比一个孩子，如果他体质弱那肯定经常生病，但还有一种淘孩子，他本身体质不弱，但经常去骚扰和影响别的孩子，让别的孩子生病，这同样也存在安全问题。”在方滨兴看来，人工智能安全包括信息通信技术的芯片、代码、数据、应用四个层面，既要应对人工智能技术系统及其所涉及的数据自身所受到的攻击，也要应对人工智能系统的应用而危及人类等外部世界的安全问题。“比如自动驾驶的汽车，如果在‘停车’的交通标识上贴两个小广告，人眼看还是停车，但机器就可能会误识，人工智能安全的未来还有很多路要走。”编辑 唐晓雯 摄影 张佩雯2018年10月23日

掌握人工智能的科学家，在这种技术下，会获得更多的社会地位。未来的人工智能肯定会走向全民普及的生活。而人工智能不是一个科技公司可以实现，需要政府引导政策。还需要大量的资金和实践。最关键的是人工智能必须结合生活才能发展起来。结合生活才能快速进入市场。就像汽车刚出来市场上都是几百万上千万的，而国家为了促进经济发展支持，才开始规划推广这个产业。真正落地运用才能形成庞大的社会生态。从政府支持到民间创新落地是一个漫长的过程。这个不容易，但这是一个学科基础是要过硬。需要每个人努力。人工智能应该是以后继续深入研究的方向。国家政策是一方面原因，一方面是整个生活水平越来越高对人工智能的需求越来越大。我觉得还是人工智能起码再往像现在程序员那样的方向发展，接下来是人工智能通用化与大规模应用，可以简单考虑自动驾驶的开发。人工智能应该是未来五到十年发展极快的东西，大企业与个人都可以进入，且社会需求量非常大，例如操作系统，游戏引擎等等，大多是名牌高校的学生可以投入这个行业。人工智能虽然火，但现在的入门门槛还是很高的，就像搞cs、搞金融的一样，不是学了就可以搞的，那些搞cs本科硕士和研究生的优秀学生最后都不知道自己是不是入了门，现在的编程门槛也很高，不是会个语法就可以搞自动化，还有那些最先学编程的不一定有现在编程的好，现在编程也需要一些基础人工智能是近几年的词汇。起源于2004年清华大学开始研究人工智能，中国大学现在保有人工智能相关的高等专业。我认为我们首先需要思考的是人工智能必定是一个新兴产业，现在大学开设，专业设置不完善，关注人工智能方向的大多都是名校的学生，成绩好有关系有实力的人才走的渠道相对来说不好。最近国家颁布的一系列政策下，人工智能发展的趋势不言而喻。不过。每年的应用领域也不相同，其中算法优化、分布式存储分布式计算、深度学习等方向是各高校相关的主攻领域。我们工程人员应该关注这些方向，企业开展人工智能相关领域研究要找到需求为主，算法为辅。其次关注关键技术的成熟与否。有利于算法的优化与提升。最后人工智能也可以就业，因为实际上，不做人工智能研究的岗位几乎不存在。关注计算机技术前沿即可！需要掌握，真的需要掌握。我今年刚毕业，学的是电子商务，算是一个半专业的专业，通过自学和自己找工作才慢慢转向人工智能。以前我也没搞懂为什么学电子商务就学人工智能，直到真正接触了人工智能，才明白人工智能的意义是什么。

首先，当前确实很多学科都有与人工智能相结合的细分方向，而且近几年人工智能在传统学科领域的应用和研究也开始逐渐成为一个新的趋势，借助于人工智能来实现创新也是当前很多非计算机专业研究生的选择。从大的技术发展趋势和行业发展趋势来看，人工智能正在构建起一个庞大的创新空间，由于人工智能本身就是一个多学科交叉的研究领域，而且在互联网的推动下，大量传统学科都与互联网有了或多或少的联系，所以在人工智能创新的大厦里也有传统学科的位置，而且传统学科对于人工智能发展的影响还非常大。科研一个重要的目的就是为产业服务，而当前工业互联网、大数据、物联网、人工智能等技术正在成为传统产业创新的新动能，在这个大背景下，传统学科的研究方向必然会与大数据、人工智能等技术相结合，这是一个必然的发展趋势，而立足传统学科来与人工智能相结合不仅会有更多的创新点，同时也会促进人工智能技术的落地应用。当前金融、医疗和教育等领域与人工智能技术的结合案例已经越来越多了，相关的研究方向也在不断拓展，而在工业互联网的推动下，装备制造业的智能化趋势也非常明显，智能装备已经成为了很多传统企业的战略发展方向，相信随着5G通信的落地应用，未来智能化产品会大量应用在产业领域，而相关的科研也必然会推动这一进程。最后，当前国内正处在产业结构升级的大潮下，产业结构升级一个重要的内容就是技术升级、创新升级，这不仅会为新技术的应用提供土壤，同时也会为大量掌握新技术的年轻人提供更大的舞台。我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以私信我！

【环球网科技综合报道】1月15日消息，全球首所培养研究生的研究型人工智能大学穆罕默德·本·扎耶德人工智能大学（MBZUAI）本周举行线上欢迎仪式，正式迎来了首批新生。MBZUAI于2019年10月成立，位于阿拉伯联合酋长国。校内建有智能教室、研究实验室、AI专业知识中心和相关娱乐设施。值得注意的是，学校董事会成员由人工智能领域的多名国际知名专家组成，包括创新工场董事长兼首席执行官李开复。据校方介绍，该大学迎来的首批78名新生由13位博士生和65名硕士生组成，来自全球29个国家。这些新生从近100个国家的数千名申请者中脱颖而出，并将在MBZUAI的机器学习和计算机视觉专业学习。在欢迎仪式上，阿联酋工业和先进技术部部长、MBZUAI董事会主席苏尔坦·贾比尔（Sultan Ahmed Al Jaber）表示：“我很高兴能够迎来MBZUAI的第一批学生，这是我们实现建立AI开发和研究中心承诺的关键里程碑。我们将为来自29个国家的学生提供专业的资源，并共同促进人工智能领域的发展。”据悉，MBZUAI将重点推进以下四个方面的研发：在服务和生活质量方面，改善相关领域的服务质量；在工业和制造技术当面，提高效率与生产力；在新领域方面，培养新兴高价值产业；在资源和环境可持续发展方面，通过人工智能优化水和能源的使用，以此更好保护环境。

随着人工智能技术在各行业的应用越来越广泛，IT领导者需要了解如何采用人工智能技术收集商业见解的秘密。人类一直梦想着有一个无所不知、无所不能的精灵为自己提供帮助。如今需要感谢计算机科学家的不断探索和努力，将在人工智能领域找到这个答案，因为人工智能有可能做到任何人想要做的事情，至少在某些时候和某些地方是这样。人工智能的创新能力是惊人的。采用像Siri、Alexa或Google Assistant这样的虚拟助理对于10到15年前的人们来说似乎是神奇的事物，他们可以通过语音向虚拟助理发布命令或寻求答案，而与上世纪90年代的语音识别工具不同，虚拟助理通常会提供正确的答案。尽管人工智能有其神奇之处，但它们仍然依赖于计算机编程，这意味着其功能方面仍然受到了一些限制，但它们在处理一些重复性的日常工作方面表现更好，但归根结底，它们仍然只是通过计算函数并确定某个数字是大于还是小于阈值来做出决策的计算机。而在其提供巧妙的奥秘和复杂算法的背后，都是来自实现IF-THEN决策的晶体管。那么对于人类来说有什么选择吗?随着人工智能技术在各行业应用越来越广泛，需要了解有关人工智能的一些不为人知的秘密。1.从人工智能中发现的很多东西都是显而易见的对于人工智能科学家来说，最困难的工作就是告知人们其所开发的人工智能技术发现了每个人都知道的常识。也许开发的人工智能应用程序识别了100亿张照片，发现天空的颜色是蓝色的。但是如果没有将夜空的照片放在其训练集中，其应用程序永远不会意识到夜晚的天空颜色是黑色。但是人工智能如何才能避免得出显而易见的结论呢?数据中最强的信号对任何人来说都是显而易见的，而且对挖掘数字的计算机算法来说也是显而易见的。因此，人们需要了解的是，不要期望采用人工智能算法就能得到正确的结果。2.利用人工智能细微差别的见解可能不值得当然，当数据很精确时，良好的人工智能会识别微小的差异。只是有些细微的差别过于微妙，不值得追根究底。而人工智能程序可能一直执着于识别这些细微差别。问题是，有些信号显而易见，有些信号的收益可能很微小甚至没有。3.神秘的计算机更具威胁性虽然早期的研究人员希望人工智能算法的数学方法能够为组织最终决策带来更多的可信度，但是很多人并不相信其逻辑。如果说有什么不同的话，人工智能的复杂性和神秘性使得对答案不满意的人都会怀疑这个过程。人工智能技术越神秘、越复杂，人们就越有理由表示怀疑和愤怒。4.人工智能主要是曲线拟合的问题数百年来，科学家们致力根据所给定的离散数据点绘制曲线(曲线拟合)。许多机器学习算法正在完成这样的任务。它们收集了大量数据，希望通过它们绘制曲线。很多技术都是将问题分解成数千、数百万、甚至数十亿个小问题找到解决方法。有些人发现，人工智能的决策有时并不准确，他们会把注意力集中在这样一个事实上：没有深入的理论或哲学框架来为其给出的答案提供可信度，这只是对某些曲线和斜率的估算值。5.收集数据需要大量的工作数据科学的研究人员意识到，找到数据才是真正的工作。人工智能是数据科学的近亲，它也面临着同样的挑战，收集数据需要处理文件格式、缺少数据字段和字符代码等大量工作。6. 需要大量的数据才能得出更深入的结论有些答案很容易找到，但获得更深入、更复杂的结论往往需要越来越多的数据。有时需要收集的数据量会呈指数级增长。7.被数据偏见所困扰人们都了解其看到和感知的东西会受到一些限制，人工智能也不例外，并且显然会受到训练集的限制。如果数据中存在偏差，人工智能将会继承这些偏差。如果数据有漏洞，人工智能对外部世界的理解就会有漏洞。8.人工智能是电力黑洞人工智能的应用将会变得越来越复杂。只要研究人员愿意，就会不断创造出节点更多、层次更多、内部状态更复杂的模型。也许这种额外的复杂性足以使模型真正有用，也许下一轮可能会出现一些紧急的情感行为。但是也许需要运行大量GPU才能真正捕捉到效果，因此人工智能将会耗费更多的电力。9.可解释的人工智能进展缓慢人工智能研究人员一直花费大量的时间来尝试解释人工智能在做什么。通过深入研究数据，发现训练有素的人工智能模型严重依赖于来自数据集特定的一些参数。不过，可解释人工智能的结果通常并不令人信服，容易陷入“鸡生蛋，蛋生鸡”的悖论中，因此可解释的人工智能进展很缓慢。10.努力做到公平是一个挑战如果研究人员将身高排除在人工智能训练集之外，但是人工智能程序很有可能会找到一些其他的数据来标记身高不同的人，其数据也许是鞋子的尺寸，也许是臂长。人们曾经梦想能够让中立的人工智能做出一个公正的决定，会让世界变得更加公平，但有时现实并不公平，而人工智能算法也无法做得更好。11.有时修复甚至更糟强迫人工智能公平地解决实际问题吗?有些人坚持认为，人工智能一定会产生准确的结果，并重写算法以更改输出。但是人们开始怀疑，如果已经确定了想要的答案，那么为什么还要进行任何训练或数据分析呢?12.人类是真正的问题所在如果将1000万张图片进行分类，那么人工智能应用程序在大多数时候都能产生相当准确的结果。当然可能会出现问题和错误。一些小问题甚至可能反映出人工智能偏见的深层次问题，而这些问题可能需要撰写论文才能进行解释和分析。人工智能并不是问题所在，它们只是按照人类的指令行事。人工智能只是人类的工具，人类希望通过人工智能技术获得优势并从中获利。但人工智能应用的结果取决于人类的目的，如果用于不当的目的，那么人工智能的应用将会带来不利影响。

作者：胡泳，北京大学新闻与传播学院教授、企业管理研究专家、苇草智酷合伙人2019年，百度创始人李彦宏在世界互联网大会提出“智能经济”的概念，数字经济在经历了从PC的发明和普及，到PC物联网，再到移动互联网，将会进入以人工智能为核心驱动力的智能经济的新阶段。李彦宏预测，未来十年智能经济将成为中国经济的新标签。2020年9月，李彦宏新书《智能经济》出版，剖析人工智能、新基建与智能经济的关系，探索新时代经济发展的新动能、新空间、新范式，展望智能经济下的思维转换、经济变革、产业转型、服务治理与社会生活的新图景。11月底，在百度、苇草智库、中信出版集团联合举办的“‘十四五’规划与智能经济远瞻-----智能经济助推高质量发展研讨会”上，北京大学新闻与传播学院教授胡泳发表了主题演讲，分享了他对智能经济发展的理解，以下为演讲稿实录。从与机器赛跑到第二次机器革命AI革命被称作是第四次工业革命，第一次工业革命是蒸汽机，第二次工业革命是电力革命，接下来是以电脑、互联网为主的第三次工业革命，它是一场信息化革命。然后终于来到第四次工业革命。第四次工业革命是什么？我来简单概括一下，第四次工业革命跟前面不同的地方在于技术融合。融合是一个关键词，模糊物理、数字、生物领域之间的界限，所以我们讲数字孪生，在现实世界有一个，在数字世界一定有另一个。接下来不止是一个和另一个的问题，目前最得到大家关注的叫“网络物理系统”，它代表着一系列的技术，不管是纳米、量子计算、生物技术、物联网、工业互联网、第五代5G通讯技术，我们把它们叫做第四次工业革命。但这只是一个分法，其实人类发明各种各样的东西，对我们所面临的现象进行各种各样的划分。我再来引入另一个划分，先不讨论几次工业革命的问题。麻省理工学院的两个教授写的一本书叫《第二次机器革命》，它给了另一种分法。所谓的第二次机器革命一定是对应着在前面有第一次机器革命，这两个作者之前写了一本书叫做《与机器赛跑》，从书名来看，那个时候人还有一种主体性，还有一种动力说让我们和机器赛跑，说不定我们就打败它了。那个时代，我们认为也许可以造出一个击败国际象棋冠军的人，但是不可能有一个程序能够击败围棋。因为围棋比国际象棋复杂太多了，所以我们觉得还可以赛跑。今天我们说“与机器赛跑”肯定过时了，已经没办法跟机器赛跑了。总不能说人工智能程序下一个要攻破的目标是麻将？麻将不仅是一个人、两个人的游戏，是四个人的，所以两个作者现在写的新书叫做《第二次机器革命》。第一次机器革命核心讨论的是人与机器的关系，那个时代人和机器是一种互补的关系，有的事我们干得更好，有的事机器干得更好，两方可以互补。到第二次机器革命的时候，可能不是互补关系，而是替代关系。怎么突然之间形势变得如此急转直下？我们讨论一下逻辑问题。这两个作者认为基本逻辑就三个，第一个叫指数级增长，很多例子证明，今天的东西是指数级增长的，导致一个想象力的极限问题，导致一个敏感的初始值问题。第二个叫数字化进步。我们这么多年来通过数字化把大量的信息积攒起来，到底有没有产生智慧。如果能够把这个智慧挖掘出来会怎么样？这两个作者很有意思，把一些关键词做成一个模型，用这个模型预测三个月之内美国某个地方房价的增长，发现预测的结果精准。其实通过数字化信息转换成智慧，他们叫做数字化的进步。第三个叫做组合式创新。有一句谚语说，路边的果子，为什么低的果子都被摘了。因为人走过去随手就摘了，高处的摘不到，只有爬梯子。有人问是不是创新有一天就终止了？创新并不是摘果子，它是组合式创新，只要把积木的数量不断扩大，积木反复搭来搭去，这才叫创新，这就证明了融合的重要性。这三个点就是他们所谓的第二次机器革命的逻辑，正是因为这个逻辑，我们突然间不能够简单地跟机器赛跑了。底层信仰让精英群体的观点分裂这种情况下，大家非常在意的就是工作的未来。将来可能没有工作，所有人都进入无薪时代，真正有工作的人都是贵族，然后由贵族养活大量的没有工作的普通平民。这个观点是前几年一本极为流行的书中写的，作者是历史学家尤瓦尔·赫拉利，把大家吓得一身冷汗。赫拉利认为，未来的人工智能会导致无用的人类，21世纪最重要的不是反抗剥削而是反抗无用。无用的问题可能比剥削严重很多倍，工作在很多时候是每一个人的尊严所在，是他的价值所在。如果他没有工作，这个人怎样还是一个人？这要划一个很大的问号。我们不能想象一个世界的人都不工作了，尽管你每天都在想象如果不工作会多好，但是如果你不工作一天，会非常不自在，因为我们已经被工作所定义了。当谈到这个东西的时候，有人不干了，代表性的人物就是李开复。李开复就出来说了，赫拉利耸人听闻，赫拉利虽然是一个历史学者，但是他不懂技术。李开复说必须停止煽动人类对于AI的恐慌，而且无用阶级这个说法本身是对人的巨大打击，不可以随便说人是无用的。因为我们是搞AI的，有些事情是AI不能干的，是人能干的。但是李开复仅仅代表争论的一方。当讨论到AI对人类的影响，我们不针对普通人，首先因为普通人对AI也不是真懂；其次我们要看人类的精英，最尖端的精英是怎么看待这个问题，因为是他们在创造未来的世界。但是在这个问题上，人类的精英是分裂的。同样有鼓吹AI的精英出来说AI有非常大的问题，比如霍金。霍金说人工智能有可能会毁灭整个人类文明。霍金去世前特别关心的是剑桥大学的未来研究中心，他说以往的人类研究历史发现的真相只有一个，人类的历史就是一部愚蠢的历史，我们能不能反过来想一下人类在什么时候能够不愚蠢？所以剑桥大学建立的未来研究中心一个非常简单的使命，就是研究人工智能在未来会不会毁灭人类。霍金在中心开幕的时候讲了一段话，他说人工智能的发展可能帮助人类消灭疾病、消灭贫困、阻止气候变化，但也可能产生人们不愿意看到的种种后果，包括产生自主武器、造成经济灾难，包括与人类发生冲突时拥有自己意愿的机器。所以这个未来研究中心给欧洲议会写报告，欧洲议会问到机器人会不会有电子人格，这是一个很严肃的问题。如果机器人有电子人格，我们造机器的时候一定要附加一个最后的开关，就是必须要有一个开关能够让机器人停止做某种事情。如果大家看过克拉克的著名科幻片的《2001太空漫游》，其中的人工智能电脑哈尔因为不能控制那个开关，结果把人类毁灭了。讨论到这里我们发现，如果机器有自己的人格，甚至企图对创造它的人造成伤害，我们该怎么办？这是霍金担忧的问题。 北京大学新闻与传播学院教授 胡泳刚才说到精英群体观点的分裂，还有其他的代表人物，比如埃隆·马斯克。马斯克一边在研究AI，一边在谈AI的危险。他说人工智能的危险大于核武器的危险，为什么这么说呢？这里可以回应李开复的说法“我们是人工智能专家，我们懂。”马斯克说，你真的懂吗？那些所谓的AI专家，他们自以为知道的其实远比他们实际知道的多，他们以为的自己要比真实的自己聪明得多。我们每个人都这样，每个人都认为自己比真实的自己要聪明，人工智能的专家一样，毫不例外。还有比尔·盖茨，他说我不知道大家为什么在现在还对这个问题不担心，我不理解为什么有些人对于人工智能的未来毫不担忧。这是我说的精英的一个阵营，另外一个阵营几乎也同样强大，比如扎克伯格。在人们讨论人工智能可能造成人类末世场景的时候，扎克伯格说这种讨论是毫不负责的。人工智能领域最牛的华人之一吴恩达说“今天担心这些事情，好比如担心火星上的人口会过剩。”我特别喜欢的一个人工智能的专家佩德罗·多明戈斯，他看到马斯克发了推特之后说“我没有什么话可说，只有一个词叫做叹息。”他认为马斯克说得完全不对。这是人类最聪明的一群大脑，如果他们在这个问题上陷入如此分裂的场景，我们作为普通人何以自处？这个问题似乎看上去是无解的，包括刚才讲的人工智能到底会毁灭工作还是创造工作。比如段老师讲到厨师可以做培训机器人的工作，可是工作是有一个量的问题，如果没有大量的工作，有多少人会从厨师转变为训练机器人的厨师呢？有关AI的争论一定是不会休止的，我们普通人应该如何自处，这是一个很严肃的问题。事实上不光是人类的未来，或者说工作的未来，也包括机器会不会有意识等等。当我们产生这些惶恐，问题不能得到解答的时候，其实有一个出路。这个出路就是要意识到，这些专家之所以对未来的前景产生不同意见，不是因为他们知道什么，而是因为他们的底层信仰不一样。为什么我强调这个观点非常重要，我最后主题会落到这里。比如那些预测我们一定会造出有意识的机器人的专家，是因为他相信一个非常基本的假设——人类在本质上是机器。如果人类是机器，我们当然最终可以建立一个有意识的机器人。而那些认为机器永远不会产生意识的人，也不是因为他是意识专家，而是因为他相信人不可能是纯粹的机械生物。我说到这里大家可能会很疑惑，它不是一个意识问题，而是一个信仰问题。如果一旦谈到信仰问题，讨论人工智能问题一定要解构一些最基本的东西，不能就事论事讨论人工智能，而是要回到历史上、回到技术整个的发展历程上去解构一些最基本的东西。人工智能时代必须思考的三个问题我前面试图从技术上提炼，其实最终一定会回到这里，最终要解构的东西就是三个基本问题。第一个问题，宇宙的构成是什么。从古希腊以来就争论不休的一个事情。第二个问题，我们是什么。我们是什么的问题就是人类是什么。第三个问题，不是一个集体概念，是一个个体概念，就是自我的问题，我是什么。为什么这三个问题在今天变得如此重要，为什么我说这更多是一个哲学的思考？其实你会发现有关这三个问题的回答都不是单一答案，全部都是多重选择题。举一个简单的例子，比如宇宙的构成，一直有两种思想流派，一种认为宇宙的构成无他，就是原子，单一的物质。从德谟克利特开始就认为，你作为一个人在这里思考，没有什么高级的，就是原子在运动，这叫一元论。另外一派人坚决不同意，说的确有原子，但是人不止是由原子构成的，总还有点别的东西。科学家几乎都站在第一阵营，科学家认为世界的万事万物都可以还原，如果不还原，这个事就没办法解释。所以必须找到一个解释，通过还原论来讲，就一定能够找到这个事情物质的原因。你的爱情只不过是一些分子运动，你的意识只不过是一些神经元的缠绕，可以通过各种各样的东西来证明这一点。但是二元论者认为这是不对的。当然这里有很多的哲学思考，为什么有的人会相信二元论，有的人会相信一元论，其实本质上我们归结为他们对现实本质的信仰是什么。再次回到信仰问题，我们会说一元论是理性和现代的，但是这个世界上永远有人相信理性和现代的东西是不对的，还有很多东西是精神的，是原子解释不了的。这就是一元论和二元论的矛盾。哪怕我们可以证明你跟石头一样都是原子，我跟这个桌子一样都是原子；但是你可以用一个石头、用一个锤子把这个桌子彻底粉碎，毫无内疚。你可以用一个锤子砸在我脑袋上，你会毫无内疚吗？一元论和二元论在这里会陷入一个巨大的崩塌。因此我想说，以上三个问题是今天人工智能时代必须思考的三个问题，而它的思考方向本质上是要讨论人类的信仰到底是什么。人类信仰的问题以往是哲学家们的专利、是神学家们的专利，但是今天的人工智能把这个问题推到所有人面前，你也得考虑这些问题。那些做人工智能的人尤其需要考虑这个问题，你是秉持着一种什么样的信仰在创造这个东西，因为这会决定这个东西将来会达到什么程度，会怎么样应用。书名：智能经济：高质量发展新形态作者：李彦宏著；张晓峰，杜军主编出版时间：2020-09出版社：中信出版集团页码：422定价：88.00包装：精装内容简介：新一代人工智能技术正在深刻改变我们的经济、社会与生活方式，也在改写生产关系与发展模式。随着以算力、算法、大数据为代表的人工智能成为新基建的“底座”，数字经济正进化到以人工智能为核心驱动力的智能经济新阶段。未来十年，智能经济将成为中国经济的新标签。2019年，百度创始人李彦宏在世界互联网大会上首次提出“智能经济”这一概念，《智能经济》一书是他对这一概念的首次系统阐释。这本书聚焦智能经济，厘清其理论概念与技术基础，剖析人工智能、新基建与智能经济的关系，探索新时代经济发展的新动能、新空间、新范式；描摹不同垂直场景下产业智能化的问题、前景、逻辑与路径，构建中国数字化、智能化转型路线图；展望智能经济下的思维转换、经济变革、产业转型、服务治理与社会生活的新图景。同时，李彦宏在这本书中首次全景式展现了百度的人工智能战略和布局，真实回顾了百度在人工智能领域深耕的10年间，在技术选择、产品方向、商业模式、组织架构、开放生态等重要问题上的思考与决策过程。

（图片来源：全景视觉）经济观察网 记者 饶贤君朱茵饰演的黄蓉在经过AI（人工智能）技术处理后，被“换脸”成了杨幂，面部微表情、五官的运动看起来毫无破绽，这个在社交网络上引发了热议的“高科技”话题，在之江实验室人工智能研究院副研究员单海军博士看来，其实只是AI现有技术的冰山一角。如果运用更先进成熟的AI技术，这段视频其实可以更具“迷惑性”，单海军称，：“现有的技术完全可以做到用杨幂的音色、音调，完美的地配合视频中的嘴型、台词，有些没看过原作的人可能根本分辨不出来，‘咦，杨幂还演过这个？’。”换脸的对象并不局限于明星、名人，AI技术甚至能“无中生有”，创造一个并不存在的面部，而神奇之处在于，其生动的表情和五官，能够让普通人用肉眼完全无法分辨出这其实是一个虚拟的“人造脸”。诸如此类，AI技术的普及和日趋成熟，正在让原本想象中的一切逐渐贴近我们的生活，人脸识别、虹膜认证、实时翻译、智能家居等等AI技术的应用以颠覆性的姿态更新着人们的认知，而在这个充满想象力和科技感的行业里，每一个从业者都是时代变革的见证者。“充满想象力”的职业和电影里白大褂、一脸严肃的科研人员不同，一身休闲西装的单海军坐在经济观察报记者对面时，谈吐幽默、表情轻松，想到一些有趣的回答时，时常会爽朗的地笑出声来。进入人工智能这个行业，对于单海军来说是水到渠成的事，无论是本科学习的自动化专业机械自动化管理，还是美国明尼苏达大学博士生涯对脑机接口的研究，单海军始终在和人工智能打交道，“其实大学里学的东西都是课本上的偏理论，比较很枯燥、很抽象，没有那些很酷很炫的东西，但是到了后来真正入了这行，把以前学的那些枯燥的理论、算法在实践中和产品结合起来了，有时候开始有些兴奋，原来当时学的都是最前沿的东西。”2012年，单海军开始接触人工智能的“机器学习”，2014年，研究更深一步的人工智能“深度学习”，并真正开始进入人工智能行业，“现在，最前沿的风口技术已经是我们所说的‘图神经网络’，人工智能领域的技术革新实在太快，每两三年基本上每几年就是一个大的颠覆。”从机器学习到深度学习，尽管名称上看起来变化不大，实际的改变是革命性的，“就拿人脸识别举例来说，机器学习时代是半自动化的，就是我给AI一千张面孔人脸图片，需要然后人工进行数据处理和特征提取设置好条件，即告诉计算机模型AI，人脸之间最大的脸部特征区别是哪些每个面孔的五官都有哪里不同，这样，AI才能完成对这一千张面孔人脸的辨认，正确率大概在70%-80%之间，而深度学习的进步在于，它是端到端全自动化的， 同样给机器一千张面孔，AI算法模型可以通过海量的数据信息的训练和学习，自己产生相应的识别能力，而且最好的模型识别正确率已经可以达到99%以上。”新的“图神经网络”技术则为AI带来了推理能力，也就是说，在具备人脸识别这样的感知能力之外，还具备推理认知能力，辨认你的脸之后还能判断出你的性别、职业等信息，推理能力跳出了原本的信息束缚同样获取了一千张面孔的数据之后，AI可以辨认出这一千张面孔之外的新面孔，跳出了原本的信息束缚。这其中，每一个阶段的技术革新，对于传统的应用技术都是颠覆性的，甚至是超越想象的。“比如说智能医疗，我们现在的技术可以达到的是，通过海量的病例影像录入，AI能够辅助医生判定患者的病灶在哪里，准确的地判断病情，。更进一步的是，现在已经有能够做手术的机器人达芬奇，或许有一天，机器人帮我们看完病，然后帮我们做手术，医生只需要完全旁观，这些都是完全有可能实现的，我们这个职业永远充满想象力。”在这样一个日新月异、充满想象的行业里，单海军和其他所有的AI行业从业者一样，必须时刻保证自己的知识库存能够跟上技术水平的发展。单海军目前主攻的课题是“跨媒体智能研究”，简单来说，就是对人工智能目前三大领域——计算机视觉、语音识别及自然语言处理的“融合”。这些高大上的专业名词其实很好理解，计算机视觉即指AI可以通过摄像头图像或视频理解，辨认出你是谁，你在干什么；语音识别则可以判断谁在说话，说了什么，并转为文本；而自然语言处理则是指给AI一段文本，它他可以理解这段文本的意思，甚至为这段文本提炼出摘要。这些技术都有映射到现实中的应用，如机场的人脸识别、科大讯飞的语音翻译、今日头条的AI新闻。单海军要做的，就是将这些领域跨“感官”信息融结合起来，使得AI对环境的感知和认知表现得的更加贴近人类，“比如我们坐在这里喝茶、采访，一个人类走进房间，他凭借视觉、听觉以及对我们对话的理解，就知道，‘哦，你们在采访’，现在我们希望，把一个AI放在这样的场景里，它也能明白我们在干什么。”人类听起来能简单理解的事务的理解能力背后，但需要AI需要具备极其复杂的学习、计算、推理能力才能理解。对于目前的AI技术而言，要达成这样的目标或许还有些距离，单海军认为，“其实从AI的发展阶段来讲，它目前还是个婴儿，学术一点的叫法就是弱人工智能时代，它自己其实是无意识无没有智慧的。”梦想照进现实即使是这样一个没有智慧的“婴儿”，对于社会带来的改变已经足以称得上颠覆。在普通人对人工智能的理解还短暂停留于打败李世石的AlphaGo、电影电视中的瓦力、大白身上时，人工智能所带来的“第四次工业革命”已经在引领变革。市场调研机构高德纳近日公布的最新调查报告显示，企业人工智能应用在近年来高速增长。全球采纳人工智能技术的企业从2015年的10%，增长至2019年的37%，增加了270%。而研究机构埃森哲则预估，到2035年时，AI将使包括中美等12个国家在内的16个行业产出增加14万亿美元，相当于现在中国大陆的GDP总额，企业获利能力平均能提高38%，成为拉动经济与企业获利的源头。AI技术的革命性，使其成为了全球各国科技竞赛的主战场，中国也通过推出大量的利好政策推动AI产业的发展。2016年3月，人工智能被正式列入“十三五”重大工程，2017年3月，人工智能首次被写入政府工作报告，从国家的顶层设计，为人工智能产业发展铺路。顶层政策的积极引导下，各地方政府也对人工智能领域投入了大量资源，据介绍，除北上广深等众多一线城市，成都、西安等二线城市也均由政府与企业携手，成立自己的AI实验室。单海军所就职的之江实验室正是由浙江省人民政府携手浙江大学、阿里巴巴集团共同推动建立的“开放型、平台型、枢纽型创新高地”，新一代人工智能、智能制造与机器人、泛信息安全、超级智能感知以及未来网络计算是其主要科研方向。政策推动、政企协作，时至今日，中国在人工智能领域的发展已经获得世界的认可，2019年1月31日，联合国下属的世界知识产权组织（WIPO）公布了一份研究报告，显示在全球人工智能领域的竞争中，中国和美国处于领先地位。报告还显示，人工智能专利申请数量排名前20位的学术机构中，中国占了17个。此外，截至2018年6月，全球能监测到人工智能企业总数达4928家，其中美国2028家，中国（不含港澳台地区）1011家，北京是人工智能企业最多的城市。有着在美国学习经历的单海军也表示，：“从人工智能的角度来讲，中国的发展应该说是最前沿的，业界公认美国是最强的，中国是第二强，现在很多全球顶尖的人工智能行业的人才也都是华人，另一方面来说，中国人工智能行业优秀的创业公司数量也很多。”据记者不完全统计，截至2018年末，国内已经诞生了超过12家估值超过10亿美元的AI独角兽企业，总估值超过350亿美元，其中包括了全球估值最高的AI独角兽企业商汤科技。飞速发展的人工智能行业催生了巨量的相关人才需求，单海军感慨，人才的缺乏是制约全球人工智能领域发展的重要因素之一，“人工智能领域其实火了还没几年，而他的实际落地应用要和各个行业结合起来很多很多领域，虽然有很多人开始从事人工智能那么原先培养的人才就那么一点，但是还肯定是跟不上需求的，。此外，人工智能技术是有很高的技术门槛的，它的背后是复杂的数学理论、技术支撑，所以优秀顶尖的人才其实很缺乏。”行业发展与人才缺失之间的矛盾，使得人工智能行业成为了炙手可热的高薪行业，极高的薪资也吸引着众多不同领域的优秀人才转行、跳槽，“比如说智能医疗，那么他不仅需要从业者具有相关的医疗行业知识储备基础，从自己擅长的领域切入到还要是懂人工智能，具备跨学科的能力储备AI，这是跨行业的一些门槛。”对于人工智能行业的未来，单海军充满了乐观与期待，“如果我的亲朋好友问我，我肯定会推荐他们进入到这个行业，像现在商业化的智能音箱、谷歌的glass，这些其实都只是非常简单的AI技术、AI载体，未来，这样的些载体会越来越多，。整个从整个发展过程时代而言，人工智能还在起步阶段，我觉得未来二三十年，大家继续去学习这个专业、从事这个行业都还很有前景没有问题。”