全球青年大会|杨静对话人工智能领袖:抗衡国际巨头要看中小企业?

2016全球青年大会(GYL)“人工智能的未来”平行论坛7月31日在北京空管科技交流中心举行。本次论坛由新智元创始人杨静主持,出门问问CEO李志飞、碳云智能科技创始人王俊、驭势科技创始人兼CEO、前英特尔中国研究院院长吴甘沙、搜狗公司CTO杨洪涛担任对话嘉宾。杨洪涛表达了对人工智能的未来开源趋势的肯定,他坚信智能医疗等应用将成为产业刚需和创业热点。李志飞认为,随着深度学习平台的开源,创业者也可以很方便地运用到最先进的算法和大数据,这对各领域人工智能应用的垂直拓展提供了更多机会。吴甘沙也表达了类似观点,他说:“人工智能的开源趋势形成技术民主,创业者获得公平机会,有那么多的开源软件,每个人都可以成为这个行业里的专家”。王俊谈到自己创办的碳云智能时表示,人工智能未来十年可能会在脑科学等领域找到跨界突破点,但我们要正确地去使用它为人类健康管理找到最佳工具。

全球青年大会|杨静对话人工智能领袖:抗衡国际巨头要看中小企业?

人工智能,中国的机会在哪里?

从世界范围看,人工智能行业的头把交椅一直被谷歌牢牢占据,并且,Facebook、微软和亚马逊也在持续发力,发展势头迅猛。这些巨头占有世界上最优秀的机器学习人才,拥有海量的数据、先进的基础设施和计算能力,以及,丰厚的资本积累。

中国在人工智能发展上进步很快,近年来在深度学习、自然语言处理和机器视觉等人工智能领域的顶级学术会议上,国内研究机构和学者被录用的论文数量在不断增多。在产业界,中国大大小小的科技公司,包括“BAT”和各个行业的初创企业,都在人工智能上加大投入。

在人工智能的浪潮中,中国能否诞生出一家能与谷歌或者Facebook抗衡的人工智能企业?

氧分子网(www.yangfenzi.com)讯  在7月31日举行的2016全球青年大会(GYL)“人工智能的未来”平行论坛上,新智元创始人杨静与出门问问CEO李志飞、碳云智能科技创始人王俊、驭势科技创始人兼CEO、前英特尔中国研究院院长吴甘沙、搜狗公司CTO杨洪涛就这一问题展开讨论。

全球青年大会|杨静对话人工智能领袖:抗衡国际巨头要看中小企业?

非常一致地的 ,几位中国的人工智能领袖认为,3到5年内,中国如果能出现与世界顶尖人工智能巨头抗衡的公司,一定不是“BAT”这三家。

全球青年大会|杨静对话人工智能领袖:抗衡国际巨头要看中小企业?

王俊认为,中国一定可以出现这样的公司,互联网公司的发展就是一个借鉴。但是如果说具体要猜测是哪一种公司,可以肯定的说,一定不是我们现在看到的这些公司。

全球青年大会|杨静对话人工智能领袖:抗衡国际巨头要看中小企业?

吴甘沙说,未来人工智能的企业会有两类:一类是像谷歌、Facebook和“BAT”这样的大型公司,它们有自己非常擅长的领域,并且能在这些领域孵化出一些非常好的、具有通用能力的技术,通过开源和开放,让技术民主化。

还有更多的中小企业会把这些技术应用在一个一个的垂直领域里面。在这个领域里面,他们非常专,他们不停地往下钻,把这个技术跟产业需求无缝结合起来。最好的人工智能也许未必是数学上最优美,理论上最完美的人工智能,它能够最好解决某个领域特定问题的人工智能,这些可能是通过一大群的中小企业做起来的。

他相信,中国会有更多的中小型的人工智能公司,能够在具体的领域站在历史的潮流之巅。他们(能与世界巨头抗衡的公司)可能会出现在一些特定的领域。

也就是说,吴甘沙的观点是, 一大批中小企业形成的合力,可能会产生足以抗衡的力量。他说:“如果要评一个未来中国的人工智能的领袖人物的话,可以是一群具有创新力、能最好地解决它所在领域问题的这些公司群体”。

全球青年大会|杨静对话人工智能领袖:抗衡国际巨头要看中小企业?

李志飞说,从正面竞争的角度,在3-5年的时间段内,核心算法技术上,中国要有一家公司与谷歌和Facebook抗衡,是完全没有希望的。一个原因是,这些巨头几乎垄断了最优秀的人才。虽然现在“BAT”也有相关技术团队,但差得还很远。

李志飞强调,我们不应该从正面竞争的角度去思考这个问题,正如在某些层面,微信就是比Facebook强,阿里比亚马逊强,百度比谷歌强,比如说商业模式。所以,最后,中国的公司一定是在一些不同的地方跟这些巨头形成竞争,最最底层的技术是完全竞争不过的。

他说,3到5年的时间内,中国在人才和“武器装备”上还落后很多,并且,美国的研究者的“职业性”,即专注研究,也值得中国学习。李志飞认为,说到底,最重要的是商业模式,即,能不能赚到钱,赚到钱就可以把以上的不足补上。中国在技术层面,跟美国的差距越来越小,这是一个趋势。

而王俊则认为,对人类大脑本身和心智的理解,在未来会是人工智能的一个突破点,在这方面,中国有机会。

王俊说:“我们一直在用人工智能这个词,我们做的并不是人工智能,我们做的是机器智能。人的智能是没有被理解清楚的,现在所有人都是用机器的思考逻辑希望能够超越或者替代人。我认为,人工智能未来最有可能突破的机会是对人类智能更深一个层次的理解。对于生命的理解、大脑的理解、大脑智能的理解,会在未来的5—10年之内会有非常大的突破,真正的计算机算法会对人脑本身的理解更深一层的基础上,在计算能力数量级飞跃的可能性的情况下有可能会形成新的智能,那会是一次重新的洗牌。”

他说,现在的这些核心算法并没什么,所有人在那儿搞来搞去,无论是语音识别、图像识别,在应用方面市场上都有机会。但是从核心算法的角度来讲,其实取决于人类对于大脑、对于人类智能本身更深一个层次的理解,而在这些方面在未来的5—10年会有很大的突破。

他还强调,不愿意把科学分成不同类别,比如一个是脑科学,另一个是生命科学。因为一旦分成不同类别,一个领域就是由那个类别的一堆专家做研究,这是有问题的。对人类智能本身的理解,会从根本上改变现在人工智能的格局,这样的发生有可能在10年的时间段上发生转变,我认为那会是重新洗牌的技术,而且我认为中国会有机会。

在本次人工智能为主题的论坛上,几位国内人工智能的领袖还对业界的开源大势进行了讨论。李志飞说,毫无疑问,开源肯定是降低了技术门槛。但是,现在很多初创企业使用了开源技术,但是却不敢大方承认,这种“开源代表没有核心技术”的心态是一个误区。从创业的角度来说,只要算法能起作用就行。一个好的态度是:思考怎么把开源的技术弄明白,另外,要有二次开发的能力。在需要改动开源算法进行使用的时候,能否非常有信心,这才是最根本的。

他强调,对于创业者来说,拥抱开源很重要。

不过,他也认为,最终,一定只有一两个开源平台成为主导。因为,一个工具要得到大规模的应用,需要有基础设施的支撑。真正有能力持续性地投入人才、时间的最后肯定只有1、2个。

全球青年大会|杨静对话人工智能领袖:抗衡国际巨头要看中小企业?

未来3-5年内最看好的AI落地应用

此外,几位专家还讨论了最看好的人工智能应用 。医疗、汽车和智能硬件三个领域最被看好。

杨洪涛说,三大领域,汽车、医疗、硬件跟我都离得很远,在从业者的角度来看,可以看到机器在做决策上有了很大的进步。他对人工智能在医疗领域的应用兴趣会大于在汽车领域。

他认为,从医疗问题的需求紧迫性来看,中国经济落后地区对医生,对高医疗水平的提高需求更迫切,而且这个问题的深度和难度从辅助医生做诊断这个角度来说是更容易实现的。医生对医疗影像识别的精准程度可以做百分之几十的提升,可以把医疗文献检索出来做更好的决策。医疗水平参差不齐比较严重,应该说这个价值不亚于自动驾驶技术的实现。智能汽车在未来3到5年有一个共识, 那就是很难实现理想当中完全替代人的驾驶,只能是在封闭环境里面的工业应用,它给人们幸福指数的提升没有智能医疗领域提升的大。

王俊说,从机会的远近程度来讲,最近的机会显然是能够从各个方面辅助医生做决策。多层次、多维度的数据分析,有清晰的数据输入又有非常清晰的输出,这是很好的深度学习可以发挥作用的地方。他更希望讲生命的数字化,而不是医疗的数字化。他说:“如果能在生命数字化的基础上,把智能医疗推到一个新的层次水平上,我认为会有非常大的机会。智能汽车的机会也非常大,但是从我这个领域来讲,不要局限在医疗,要跟大健康、跟生命相关的各个领域,包括营养、美容联系起来。只要跟人有关的各种领域,相信在未来都会有巨大的机会。”

氧分子网(www.yangfenzi.com)曾报道:

➤ 李飞飞专访:斯坦福人工智能实验室主任谈人生起点与AI梦想

➤ 更多李飞飞http://www.yangfenzi.com/tag/lifeifei

➤ 更多人工智能http://www.yangfenzi.com/tag/rengongzhineng

现场提问

现场提问环节,听众问,智能医疗的发展方向是什么?人工智能什么时候能学会医生的临床思维能力?

王俊说,现在面临的问题很多时候是信息不对称。对于病人,最重要是个人所有信息的数字化呈现。这是医生能做准确判断的前提。人工智能可以具备学习能力,只要有适当的训练和知识体系,所以是可以具备这种能力的。未来5到10年是非常关键的时期,最基础的不是算法,而是针对病人个人的信息的完全呈现。

全球青年大会|杨静对话人工智能领袖:抗衡国际巨头要看中小企业?

杨洪涛补充(邪恶的观点)说,智能医疗在中国的发展,领先世界很多。有两个优势:一个是人多,数据多。二是数据的监管并没有那么严格。

王俊强调,这不是政策法规的问题,而是文化问题。中国的数据监管其实是非常严格的。欧美民众的文化更注重隐私,而中国人更有共享精神。此外,王俊谈到,魏则西事件还值得讨论。免疫疗法对肿瘤的有效性还应该更多论证,不能一竿子打死。

在现场,参与对话的嘉宾给GYL青年领袖们送出了寄语:

杨洪涛:今年的青年大会是第二届,谈的话题是人工智能,希望在座的各位当中能够涌现出在这个方向上的从业者和成功的创业公司或者项目。

王俊:人工智能和数字生命是未来10年最大的方向,希望在座的青年不要在老的时候为没有进入这些领域感到遗憾。

吴甘沙:盗用吴晓波在《激荡30年》里面写的一句话:“这个时代来临的时候,锐不可当,万物肆意生长,曙光与尘埃升腾,江河汇聚成川,无名山丘崛起为峰,天地一时无比开阔。”这就是形容现在“大众创业,万众创新”的时代,各位在这个时代会有很好的未来。

李志飞:任何一个人在创业的时候都会有很多不自信的表现。但是,如果你决定了创业,选择了自己感兴趣的就去做,就去投入,不用担心,一定会成功。

·氧分子网(http://www.yangfenzi.com)原创文章,转载请联系授权。

氧分子网(www.yangfenzi.com)是关注互联网生态圈的科技新媒体

·氧分子网(http://www.yangfenzi.com)延伸阅读:

➤ 科大讯飞刘庆峰:人工智能全球决战未来十年

➤ 为什么说人工智能是业界下一个增长点?

➤ 百度赵世奇:希望7年后人工智能给北京冬奥帮大忙

➤ Diffbot:这家公司用人工智能技术识别网页内容

➤ 白宫筹建人工智能委员会,欲用 AI 实现美国梦

➤ 六大院长:人工智能技术与趋势报告(干货大放送)

➤ 马云对话扎克伯格:人工智能、虚拟现实、梦想和下一代

➤ 雷鸣对话吴恩达:超级大咖深度解析人工智能的发展现状与未来

➤ 除了AlphaGo,Google人工智能公司DeepMind要进军医疗保健领域

分享给您的好友:

您可能还喜欢…

  1. 计算机智能方法为了追求更高的效率,常常会不知不觉符合了生物脑的机制。比如做深度学习的人必定会炫耀下多层神经网络和卷积的做法和人脑视觉加工中大脑皮层的V1到V4的过程是一样的(虽然差的还是很远啦)人脑是经过上亿年自然选择后的高级货,奥秘无穷,许多任务中的效率奇高,计算机界的学者们向往着模拟人脑的计算机,也确实收到了成效。神经网络也只算是初步的尝试,更远的探索需要靠计算机界和认知神经科学两个领域的结合啦~

  2. 除了追求计算效率的人工智能,还有一种追求模拟人脑认知结果的计算神经科学,我认为这个也很有前途yo!人工智能,如果抠掉抽象智能考虑机器学习机器学习的几个顶级会议里面,就得算上NIPS,NIPS的全称里面就包含计算神经科学再看机器学习的大佬,Hinton以前在剑桥读心理学的后来博士去搞认知了,最后才变成的Deep Learning大佬。。很多老牌的大师也都是搞认知出身的。。

  3. 认知的人致力于在猴子脑袋上贴电极什么的,然后看看能不能真的模拟出那样,智的人一般致力于刷数据集。。。。人工神经网络(Artificial Neural Networks,简写为ANNs)或称作连接模型(Connection Model),它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。

  4. 人工智能的早期愿望是模拟神经系统,但是发展到后来,因为神经系统实在太复杂,发现实在是模拟不了,逐渐发展成了两派。一派是以McCulloch and Pitts(1943)为先驱的人工神经网络派,另一派是以Hodgkin and Huxley(1952)为先驱的生物神经建模派,他们研究生物神经系统的种种细节,使用数学模型描述其动态,从生物实验和动态系统的角度出发,对神经的长期/短期可塑性进行建模,提出了spiking-timing-dependent plasticity等有生物基础的学习算法,使其模型具有类似生物神经系统的功能,例如神经震荡,时空模式存储(如工作记忆)。目前这一领域已有不同的名字,叫做计算神经学(或理论神经学)。代表人物有Wolfgang Maass, WulframGernster和Eugene Izhikevich。

  5. 。人工神经网络派靠近实际应用,例如google和百度都投资hinton的deep learning,却远离生物神经系统;生物神经建模派靠近生物神经系统的基本原理,却远离实际应用,公司投资很少见。也有一些神经网络,例如spiking neural network,融合了这两派的优点,目测在未来(10-20年)会有长远的发展。

  6. 到底这是人类盲目自大后的盲目悲观,智能、意识这些本是造物主赋予人类最玄妙的东西,人类在自己都没完全搞清这些东西之前就开始担心自己制造的东西会不会超越自己!人类现在是有能力改变一些东西,但觉得自己可能凌驾于自己的造物主之上本身就是一种盲目的自大,这就跟还没买彩票就担心自己中了头奖钱太多不知道咋花一样的逻辑!

  7. 机器学习里的神经网络是人工神经网络,用来包裹隐式逻辑的玩意,跟神经科学关系不太大…最多说是仿生式的模型构建…难道说蚁群算法和昆虫学有关系?遗传算法和基因有关系?模拟退火跟冶金有关系?一个道理,人工智能发展到今天,主要分为符号主义,连接主义,行为主义三个流派,在过去的几十年里,依靠谓词逻辑表示法的符号主义占据了绝对的主流,但是到了上世纪90年代,符号主义具有的先天缺陷开始暴露出来。符号主义相对于其他方式,更符合人类的思维方式,在逻辑推理方向具有明显优势。但是符号主义的学习能力很弱,添加新的知识需要人类自主添加。

  8. 神经网络是目前人工智能领域最热的研究流派,而神经科学可以看做神经网络在网络建模方面的基础学科,没有神经科学的支撑,神经网络也只能实现聚类,分类,照猫画虎的学习等基础功能,距离实现真正的智能,还有很长的路要走。神经网络是目前人工智能领域最热的研究流派,而神经科学可以看做神经网络在网络建模方面的基础学科,没有神经科学的支撑,神经网络也只能实现聚类,分类,照猫画虎的学习等基础功能,距离实现真正的智能,还有很长的路要走。

  9. 人觉得(真正的)人工知能的基石分三个方向,心理学;医学和基因研究;精密制造。这些方向其实都刚刚起步而已。自己都还不了解自己,就想着MKII会不会出事,太遥远了。人工智能最大的问题在于一旦成功人类就没有选择的机会了。只能被选择,所有人工智能电影为了电影的效果已经把人工智能描写成白痴了。终结者里面费那么大劲连个小男孩都干不掉,就连黑客帝国还玩了把大团结。。。这个世界真的有这么美好?至于吴恩达这种利益相关者的话也能信。。。从人类史上来讲。人类总在不断的犯错,谁能保证人工智能不是人类的下一个错误?

  10. 现在的人工智能确实还差得很远,你可以说对强人工智能的出现不抱有什么希望,其实我也不抱太大希望。但要知道电脑中信号传播速度是人脑的几十万上百万倍,对强人工智能的潜在威胁的担忧并不是杞人忧天如果真要机器能够拥有自我意识并且进化,首先需要能有可以自己写程序的机器,也就是说目前大量程序员可以被淘汰,等到那一天到来的时候,AI自我进化才出现了那么一点点可能。然而?大家没发现程序员的需求越来越多了吗。。嗯,快来学CS吧