今天的IT領袖峰會上， 馬化騰和李彥宏兩位元工程師出身的IT領袖又碰面啦。 這次的主題是：“在人工智慧時代， 我們是怎麼挖微軟研究院的人？”
這當然是一個玩笑， 這次對話的主題是《人工智慧：中國機遇與挑戰》， 對話四方包括百度CEO李彥宏、騰訊CEO馬化騰、微軟公司全球執行副總裁、微軟人工智慧及微軟研究事業部負責人沈向洋， 還有神州數碼控股董事局主席郭為。
不過， 隨著幾大巨頭的人工智慧佈局逐漸深入，
馬化騰還說， 騰訊在西雅圖建了一個研究院， 因為微軟的很多研究人員不願意離開西雅圖。 沈向洋也說， 微軟人工智慧事業部有七千多人， 但還在不斷招人， 因為百度和騰訊一直在挖他們的人。
為何佈局人工智慧？
小馬哥也是越來越重視人工智慧了， 最近騰訊的圍棋AI“絕藝”， 也因為贏得了日本的圍棋大賽爆紅， 而且跟阿爾法狗的負責人黃博士不同， 騰訊做“絕藝”的團隊， 沒有一個人懂圍棋。
所以主持人也問起了小馬哥，
馬化騰非常謙虛地說， 其實百度在人工智慧走得更前， 騰訊還是落後。
一年前， Google阿爾法狗的論文出來的時候， 騰訊的團隊也開始去探索， 後來Deepmind的論文出來之後， 也有很多公司用了深度學習。 他說， “絕藝”的成長， 不同的在於， 它一直得到了很多國家級棋手的支持和陪練， 也得到了很多國家級專家的支持。 “雖然今天絕藝確實獲得了一點小成功， 我們不能太欣喜， 畢竟是站在別人的肩膀上的， 如果這個論文沒出來我們也做不出來。 ”
他還認為人工智慧的可怕之處在於， 它可以利用後臺的雲計算， 自己不斷地快速學習， 現在阿爾法狗可能對圍棋的理解已經超越了人類那麼多人， 就像開車一樣，
同時主持人也問李彥宏， 為什麼會那麼早開始佈局人工智慧？
按李彥宏的說法， 這就跟百度做搜索很有關係了。 他說， 百度從基因上來說， 就是在做搜索， 其實本質上就是一個機器去揣測人的想法的事情。 他回憶， 大概是在2011年， 那時陸奇還在微軟， 他告訴李彥宏， 微軟的深度學習部門已經發展到可以應用的階段了。
百度自己也發現， 深度學習在圖像檢索裡效果很不錯， 他開始在思考， 這究竟是一個僅僅在圖片搜索這個垂直領域， 還是一個趨勢。 他覺得它是代表一種趨勢的，
因此， 他說自己食言了。 本來他認為， 作為一個商業公司， 百度不應該去做研究院， 應該去跟產品和應用部門緊緊結合。 可是人工智慧不一樣， 它需要長遠的佈局， 所以百度開始組建研究院， 吸引和招募人才。
人工智慧是模仿人腦或者仿生， 還是擁有全新的思維方式？
不過說到人工智慧的發展，還記得就在這場高端對話之前，馬雲才提出了一個觀點，認為不應該講Artificial Intelligence，應該是Machine Intelligence，現在的人工智慧，都是在模仿人腦如何工作，但實際連人類自己，對人腦的瞭解和開發都不超過3%。機器應該擁有自己的獨特的思維方式，而不是永遠模仿人類怎麼工作，只有這樣兩者結合起來工作，才會發揮更大的作用。
於是，主持人也觀察到，比如機翼、雷達也好，這些都是一些仿生的設計，甚至是現在深度學習的神經網路。
就此，他問了幾位IT領袖一個問題，他們認為人工智慧是模仿人腦或者仿生，還是要擁有全新的思維方式？
小馬哥說，我們當然是希望有一些新的東西，但現階段，還是應該務實點，現階段還是通過仿生的階段。在某一些垂直的領域嘗試，要做一個通用的AI非常難，包括圍棋也是選一個非常窄的領域，甚至一旦規則變了，幾乎就要重新訓練，之前的訓練全白費了。
李彥宏則並不同意，現在的深度學習是在仿生，因為“其實我們也不知道人腦是怎麼工作的，怎麼去模仿呢？神經網路只是為了讓大眾更明白研究人員在做什麼的一個比喻。”不過，他確實認為，深度學習只是在很初步的階段，我們要達到人腦的程度，還要很久很久。他還解釋，其實這個很久的意思，我認為是永遠不可能的，甚至像之前以為一位演講嘉賓朱民說的，將人工智慧分成三個階段，弱人工智慧到強人工智慧，再到超級人工智慧，第二個我都覺得不行，永遠不可能。
沈向洋很贊同李彥宏的觀點，他認為，目前腦科學的發展還很初級，限制了人工智慧的發展。電腦馮·諾依曼的結構，跟人腦的結構本來就完全不一樣。他相信，隨著人工智慧發展，未來會有越來越多學電腦的人去做研究腦科學。
最後，我們都知道，人工智慧之所以在今天快速發展，有三個基礎：海量資料、強大運算能力和深度學習的發展。
在中國，掌握著最大資料量的，莫過於BAT了，百度做不少開放平臺。主持人突然就順勢問小馬哥，你們騰訊有那麼多社交資料，有沒有可能把資料分享出來，讓創業公司用？
馬化騰依然回答得非常實在。他說，“這個問題我們在內部也有激烈的爭論”，場景對於研究確實很重要，很多研究都需要實際運轉資料的支援，不過，不是有一堆資料就能用，資料還需要清洗和標籤化，才能讓AI去學。這是一個非常龐大的工作量，甚至還是需要人去用很笨的方法打標籤。運算能力對人工智慧也很重要，需要用雲的資源，所以騰訊也在做雲。
更緊缺的，就是人才了，他說，一年前騰訊也很缺人才，如今逐漸招募了不少。為了招賢納士，騰訊還在西雅圖也設立了一個實驗室，“因為很多微軟的人都不願意離開西雅圖，因為我們就在旁邊設了一個研究院”。
設立了研究院之後，騰訊內部也在問各個業務線，資料能不能給研究院做研究用。但是，其實業務部門本身，也希望能招人去處理和挖掘利用自己的資料，而不是全部分享給別人。因此，即便單論公司內部，也會有這個問題。
第二個則是用戶隱私問題，因為騰訊的社交資料涉及大量使用者隱私，如何脫敏是個很關鍵的問題。要清洗到什麼地步才能用，還要看看。最後他總結，資料的標籤化和清洗，業內也有很多人也都在努力，很多公司拿著一堆裸資料，也不知道怎麼辦，所以我們必須先把資料整理過才能用，他說這還是一個很長的過程。
不過說到人工智慧的發展，還記得就在這場高端對話之前，馬雲才提出了一個觀點，認為不應該講Artificial Intelligence，應該是Machine Intelligence，現在的人工智慧，都是在模仿人腦如何工作，但實際連人類自己，對人腦的瞭解和開發都不超過3%。機器應該擁有自己的獨特的思維方式，而不是永遠模仿人類怎麼工作，只有這樣兩者結合起來工作，才會發揮更大的作用。
於是，主持人也觀察到，比如機翼、雷達也好，這些都是一些仿生的設計，甚至是現在深度學習的神經網路。
就此，他問了幾位IT領袖一個問題，他們認為人工智慧是模仿人腦或者仿生，還是要擁有全新的思維方式？
小馬哥說，我們當然是希望有一些新的東西，但現階段，還是應該務實點，現階段還是通過仿生的階段。在某一些垂直的領域嘗試，要做一個通用的AI非常難，包括圍棋也是選一個非常窄的領域，甚至一旦規則變了，幾乎就要重新訓練，之前的訓練全白費了。
李彥宏則並不同意，現在的深度學習是在仿生，因為“其實我們也不知道人腦是怎麼工作的，怎麼去模仿呢？神經網路只是為了讓大眾更明白研究人員在做什麼的一個比喻。”不過，他確實認為，深度學習只是在很初步的階段，我們要達到人腦的程度，還要很久很久。他還解釋，其實這個很久的意思，我認為是永遠不可能的，甚至像之前以為一位演講嘉賓朱民說的，將人工智慧分成三個階段，弱人工智慧到強人工智慧，再到超級人工智慧，第二個我都覺得不行，永遠不可能。
沈向洋很贊同李彥宏的觀點，他認為，目前腦科學的發展還很初級，限制了人工智慧的發展。電腦馮·諾依曼的結構，跟人腦的結構本來就完全不一樣。他相信，隨著人工智慧發展，未來會有越來越多學電腦的人去做研究腦科學。
最後，我們都知道，人工智慧之所以在今天快速發展，有三個基礎：海量資料、強大運算能力和深度學習的發展。
在中國，掌握著最大資料量的，莫過於BAT了，百度做不少開放平臺。主持人突然就順勢問小馬哥，你們騰訊有那麼多社交資料，有沒有可能把資料分享出來，讓創業公司用？
馬化騰依然回答得非常實在。他說，“這個問題我們在內部也有激烈的爭論”，場景對於研究確實很重要，很多研究都需要實際運轉資料的支援，不過，不是有一堆資料就能用，資料還需要清洗和標籤化，才能讓AI去學。這是一個非常龐大的工作量，甚至還是需要人去用很笨的方法打標籤。運算能力對人工智慧也很重要，需要用雲的資源，所以騰訊也在做雲。
更緊缺的，就是人才了，他說，一年前騰訊也很缺人才，如今逐漸招募了不少。為了招賢納士，騰訊還在西雅圖也設立了一個實驗室，“因為很多微軟的人都不願意離開西雅圖，因為我們就在旁邊設了一個研究院”。
設立了研究院之後，騰訊內部也在問各個業務線，資料能不能給研究院做研究用。但是，其實業務部門本身，也希望能招人去處理和挖掘利用自己的資料，而不是全部分享給別人。因此，即便單論公司內部，也會有這個問題。
第二個則是用戶隱私問題，因為騰訊的社交資料涉及大量使用者隱私，如何脫敏是個很關鍵的問題。要清洗到什麼地步才能用，還要看看。最後他總結，資料的標籤化和清洗，業內也有很多人也都在努力，很多公司拿著一堆裸資料，也不知道怎麼辦，所以我們必須先把資料整理過才能用，他說這還是一個很長的過程。