4月26日， GMIC大會在北京國家會議中心召開。 本屆大會主題為“AI”生萬物， 邀請政府官員、人工智慧領域科學家、企業家、投資人等各界人士共同探討最新趨勢。 全球人工智慧領袖峰會作為GMIC大會的首場峰會， 旨在探討在基礎硬體、大資料與開源平臺、深度學習為代表的演算法等人工智慧領域的深度洞見。
首個圓桌論壇的主題為《AI現狀與未來》。 分享嘉賓為創新工廠董事長兼首席執行官李開複、紐約大學終身教授及Facebook人工智慧團隊首席AI科學家Yann LeCun、加州大學伯克利分校教授及美國科學院、美國工程院、美國藝術與科學院三院院士Michael Jordan；論壇由將門創始人兼CEO高欣欣主持。
以下為《AI現狀與未來》圓桌論壇實錄， 由品途商業評論（ID：pintu360）精編整理， 有刪減：
主持人 高欣欣：我們接下來這個環節叫做“AI的現狀和未來”。 我第一個問題先請問開複老師， 他是在AI產業界重量級的嘉賓， 開複老師我要拜託你一件事，
創新工廠董事長兼CEO李開複：謝謝， 剛才講的非常精彩， 他所描述的也是在學術的角度上來說， 我們在過去的五年左右看到了深度學習和相關的技術滲透各種領域， 尤其是電腦視覺。 從應用的角度來看， 我會把人工智慧的應用歸納成為四波浪潮， 這四波浪潮它應用的方式不太一樣。 其實在座的每一位每天都在用人工智慧。
第一波浪潮就是互聯網的AI浪潮， 也就是說當你每次在淘寶點擊的時候， 每次在朋友圈點贊的時候， 這些資料都被收集起來， 成為巨頭互聯網公司能夠更深度地的瞭解， 然後為他提供更好的服務、更貼切的服務， 還有變現， 這是互聯網AI。
第二波浪潮就是誰有大量的價值， 誰能來拿來變現或者提升商業價值。 比如說一個銀行用使用者的資料降低信用卡的欺詐率或者貸款的還款率，
第三波浪潮就是要收集那些基於視覺、聽覺或者其他感測器收集來過去不存在的資料， 然後把這些資料變成一個新的應用， 甚至是一個新的用戶體驗。 比如說我們看到各種智慧音響智慧語音交互。 比如說我們看到更多的攝象頭， 在各個領域裡面。
第四波浪潮我們叫做自主化、自動化的AI， 這也就是我們科幻片看到的機器人無人駕駛， 還有更聰明的飛機等等都是無人的。
這四波浪潮也給中國帶來更多的機會， 尤其在互聯網上， 我們已經占了世界的半壁江山。 在視覺方面和感測器方面的應用， 我們也發展的非常快。 因為我們有海量的資料。 在那些比較深的科技， 像無人駕駛方面還是美國領先的。 但是中國有資料的優勢和強的政策推動， 所以以後應該是中美在人工智慧領域領先的狀況。
高欣欣：說的太好了， 謝謝開複老師。 聊了現狀， 我們必須要聊聊未來。 首先我第一個問題要請教的是Michael Jordan， 大家可能不知道他在人工智慧領域是絕對的奠基者和領袖。 你的問題是在最新的博客當中你提到了很多新的東西， 你提到了以人為中心的工程科學等等方面的主題，你覺得人工智慧的技術將來是什麼樣發展的演化過程呢？
Michael Jordan：我非常高興能夠來到GMIC大會，我的老朋友你的形象非常高大。我是一個學術界的人士，我對整個產業發展也是有很多的關注，對我們來說，我們的原則就是要搭建一個體系，目前我們的原則並不是很多，我們用化學工程的方式來寫我的博客。在四十年代的時候，我們當時就有這樣一個學科。當時建立了很多的準則、原則，使得我們能夠讓很多的化工廠，能夠以非常合理的成本來進行演化和發展。
我們需要每一個體系，每一個系統都達成這種智慧。目前並沒有這樣一個智慧的網路，所以我們要實現整個智慧，需要整個體系的搭建，而不是單個個體的智慧。其實在無人駕駛或者無人商店這些領域，需要它自己自主做出決策。並且一些決定可能還是有先後順序和優先級別的。有的做決定是同時做出多個決定，在真實世界當中可能我們要同時做出幾百個、上千個，在經濟、金融、商業方面的各種決策。
比如說在交通上，人們從我們的機場到市區，哪條路是不堵的。比如說大家都想去投資股票賺錢，向人們推薦同一個股票。很多時候在建立這個體系的時候，如果向人們推薦的都是同一個，可能這個體系就會出現問題，我們必須要負起責任來。我們在做這樣一個體系搭建的時候，我們考慮的並不是單個的個體智慧，而是整個體系和網路。包括資料、決策，包括還可能出現的錯誤都要考慮進去。
我的目標就是要在無人駕駛汽車當中，雖然沒有人，但是它的這種駕駛要真的像人一樣在駕駛，而不是說只是一個簡單的機器。所以建立一個自動化的體系，真的是不容易的，人們可以用人工智慧這樣一個詞來表述，這沒有問題，但是千萬不要誇大。
高欣欣：下一個問題我想問一下Yann LeCun。我問你的問題是，你講到過讓機器來學常識，這樣它能夠預測一些問題和可能的答案，這方面你可以再進一步的闡述一下嗎？它和監督式學習、無監督式學習和增強式學習，它的關聯度在哪裡呢？
Yann LeCun：在這樣幾個表述之下，其實我在整個人工智慧的領域，在這方面有很多的想法和交流。當然從學術性的到實際的應用，也有很多東西。要讓它們相互之間搭建起這種體系，的確是很重要的工作。
比如說在臉譜公司，FaceBook有這樣的一些應用，我們希望機器有真正的智慧，搭建起這樣一個體系架構。我們希望人工智慧可以很好的即時的做相關的事情，很多技術現在還沒有到位。比如說包括人臉的識別，很多事情進行了幾十年的工作，有些目標還沒有達成。因為機器要獲取大量的知識，它才能夠真正的去實現像人類那樣的智慧和智慧做出很多的預測和判斷，來做很多的事情。
高欣欣：非常感謝。剛才我們問了這麼多技術的問題，我們要問一下關於人工智慧產業相關的問題。
Michael Jordan教授，我的問題是，你曾經講過機器學習技術是對整個產業發展和技術價值的生成有一些相關的作用，你能舉例說明一下嗎？
Michael Jordan：的確，在研究當中有六十年的發展，真的可以看到這是一個漫長的歷程，我們必須要理解語言等各個方面在全球的進展。我相信媒體對人工智慧非常感興趣，在這方面我們大家共同在推進它的發展。
其實很多時候，你要搭建一個智慧的體系，你並不需要對人工智慧的所有方面都去瞭解。在整個過程當中，其實人工智慧它本身是一個電腦科學，但是要在跟經濟的關聯方面。其實我們需要搭建這樣一個聯繫。
如果在我們的生產者和消費者之間搭建一個體系，這樣一種體系的搭建就生成了經濟的效益，也關聯到我們前面講的這些問題。如果我們向所有的人都推薦同樣一個餐廳，那麼這個餐廳人滿為患，大家都不想去太擁擠的餐廳了，它的價值在哪裡呢？這是我前面提到的這些問題，我們的電腦科學怎麼樣為經濟服務。所以最好有一個相應的競爭關係。
現在我們整個所謂的人工智慧體系，並沒有考慮這麼多，它在做推薦的時候，還是有相應的局限。
高欣欣：剛才Michael Jordan談了很多如何用AI建立全新的市場和全新的價值的過程。下面的問題我想請教一下Yann LeCun，現在你在領導FaceBook的AI團隊，另外你在紐約大學依然有教授的職位，能否請教一下公司的研究到底該如何開展呢？
Yann LeCun：當四年半之前我們在FaceBook開始相應的研究，之前我在ATMT和貝爾實驗室工作過，在公司的研究方面，你通過開展一些研究可以提前進行這方面的鋪設。並不是說所有的公司都可以做到這一點，對於人工智慧而言，因為人工智慧的進展會受到很大的限制，有很多問題仍然沒有得到解決。我們必須不斷的去進行研究，我們需要去研究自己解決問題。我們會讓機器變的更加智慧，可以更好的瞭解人的思想和人的思維的方式，沒有任何一家公司或者個人能夠自行解決這樣一個問題。
另外，在開源研究方面可以非常容易與大學進行合作，比如說我依然在學術界保留我的職位。我認為對於學術界來說，它是不一樣的，可能學術界的研究，他們並不是說彼此競爭做的都是自己感興趣的研究。而學術界的研究都是非常互補的，所以我覺得學術界與產業的結合是非常完美的。大家會看到在北美、歐洲、亞洲會出現越來越多的情況，研究科學家他們會在企業或者在學術界都擔任職務，這樣可以更好的實現學術界和產業之間的交流，我覺得這是現在發生的非常重要的一種變化。
高欣欣：今天上午最後一個問題，不管你們是做AI技術的發展或者是AI產業的發展，其實都離不開AI人才，其實AI人才特別稀缺。最後開複老師做了一件事情，我覺得特別偉大，特別有意義。開複老師和教育部、北京大學一起發起了一個項目，預計在2019年培養數萬名的學生。今天上午還有一個專門講AI人才的環節，在這裡我們先抛磚引玉，你可不可以先給我們介紹一下AI人才計畫呢？
創新工廠董事長兼CEO李開複：如果我們分析一下中美之間的優勢和劣勢，我覺得美國在教育方面有非常強的優勢。比如說在座的Yann LeCun教授和Michael Jordan教授和很多的大學，甚至美國前一百名的大學都有非常好的AI課程。在國內雖然有非常優質的電腦人才，如果進入了BAT他們能學到很好的AI。但是畢竟我們要建立起人工智慧的金字塔必須從基層做起，也就是說我們需要在大學畢業的時候就有一定的AI基礎，怎麼做這個事情呢？我們分了三個步驟。
第一個事情，正如欣欣所說的我們和教育部、北大做一個教師的培訓，這樣不僅僅是中國的前十名大學可以有好的AI課程，中國的前一百甚至幾百名的大學都能夠有AI課程，這樣學生在讀本科的時候可以接觸到AI領域。
第二，我們會做一個針對性的培養，把最有潛質成為未來AI金字塔頂尖的朋友做一個培養，我們會請國際大牛和國內大牛對他們進行幫助。經過這些老師的課程，我們今年會教100位老師，明年會更多，他們在三四年之內教幾萬名學生，除了這幾萬名學生，我相信有很多剛開始工作的朋友們，還有一些他的學校還沒有AI的課程，甚至他不是學電腦，而是學數理科或者是文科，我們跟公司成立了競賽的平臺，去年有一萬人參加，未來有幾十萬人參加，這樣我們才能把AI教育做的更普及，我覺得中國教育現在有比較大的落差。
經過這幾個步驟，我們希望那些有興趣學AI的同學們，因為AI現在越來越火，希望這些同學無論是經過線上或者是線下，校內或者是校外的管道，當他們畢業的時候就已經成為有一些經驗的AI人才。
你提到了以人為中心的工程科學等等方面的主題，你覺得人工智慧的技術將來是什麼樣發展的演化過程呢？Michael Jordan：我非常高興能夠來到GMIC大會，我的老朋友你的形象非常高大。我是一個學術界的人士，我對整個產業發展也是有很多的關注，對我們來說，我們的原則就是要搭建一個體系，目前我們的原則並不是很多，我們用化學工程的方式來寫我的博客。在四十年代的時候，我們當時就有這樣一個學科。當時建立了很多的準則、原則，使得我們能夠讓很多的化工廠，能夠以非常合理的成本來進行演化和發展。
我們需要每一個體系，每一個系統都達成這種智慧。目前並沒有這樣一個智慧的網路，所以我們要實現整個智慧，需要整個體系的搭建，而不是單個個體的智慧。其實在無人駕駛或者無人商店這些領域，需要它自己自主做出決策。並且一些決定可能還是有先後順序和優先級別的。有的做決定是同時做出多個決定，在真實世界當中可能我們要同時做出幾百個、上千個，在經濟、金融、商業方面的各種決策。
比如說在交通上，人們從我們的機場到市區，哪條路是不堵的。比如說大家都想去投資股票賺錢，向人們推薦同一個股票。很多時候在建立這個體系的時候，如果向人們推薦的都是同一個，可能這個體系就會出現問題，我們必須要負起責任來。我們在做這樣一個體系搭建的時候，我們考慮的並不是單個的個體智慧，而是整個體系和網路。包括資料、決策，包括還可能出現的錯誤都要考慮進去。
我的目標就是要在無人駕駛汽車當中，雖然沒有人，但是它的這種駕駛要真的像人一樣在駕駛，而不是說只是一個簡單的機器。所以建立一個自動化的體系，真的是不容易的，人們可以用人工智慧這樣一個詞來表述，這沒有問題，但是千萬不要誇大。
高欣欣：下一個問題我想問一下Yann LeCun。我問你的問題是，你講到過讓機器來學常識，這樣它能夠預測一些問題和可能的答案，這方面你可以再進一步的闡述一下嗎？它和監督式學習、無監督式學習和增強式學習，它的關聯度在哪裡呢？
Yann LeCun：在這樣幾個表述之下，其實我在整個人工智慧的領域，在這方面有很多的想法和交流。當然從學術性的到實際的應用，也有很多東西。要讓它們相互之間搭建起這種體系，的確是很重要的工作。
比如說在臉譜公司，FaceBook有這樣的一些應用，我們希望機器有真正的智慧，搭建起這樣一個體系架構。我們希望人工智慧可以很好的即時的做相關的事情，很多技術現在還沒有到位。比如說包括人臉的識別，很多事情進行了幾十年的工作，有些目標還沒有達成。因為機器要獲取大量的知識，它才能夠真正的去實現像人類那樣的智慧和智慧做出很多的預測和判斷，來做很多的事情。
高欣欣：非常感謝。剛才我們問了這麼多技術的問題，我們要問一下關於人工智慧產業相關的問題。
Michael Jordan教授，我的問題是，你曾經講過機器學習技術是對整個產業發展和技術價值的生成有一些相關的作用，你能舉例說明一下嗎？
Michael Jordan：的確，在研究當中有六十年的發展，真的可以看到這是一個漫長的歷程，我們必須要理解語言等各個方面在全球的進展。我相信媒體對人工智慧非常感興趣，在這方面我們大家共同在推進它的發展。
其實很多時候，你要搭建一個智慧的體系，你並不需要對人工智慧的所有方面都去瞭解。在整個過程當中，其實人工智慧它本身是一個電腦科學，但是要在跟經濟的關聯方面。其實我們需要搭建這樣一個聯繫。
如果在我們的生產者和消費者之間搭建一個體系，這樣一種體系的搭建就生成了經濟的效益，也關聯到我們前面講的這些問題。如果我們向所有的人都推薦同樣一個餐廳，那麼這個餐廳人滿為患，大家都不想去太擁擠的餐廳了，它的價值在哪裡呢？這是我前面提到的這些問題，我們的電腦科學怎麼樣為經濟服務。所以最好有一個相應的競爭關係。
現在我們整個所謂的人工智慧體系，並沒有考慮這麼多，它在做推薦的時候，還是有相應的局限。
高欣欣：剛才Michael Jordan談了很多如何用AI建立全新的市場和全新的價值的過程。下面的問題我想請教一下Yann LeCun，現在你在領導FaceBook的AI團隊，另外你在紐約大學依然有教授的職位，能否請教一下公司的研究到底該如何開展呢？
Yann LeCun：當四年半之前我們在FaceBook開始相應的研究，之前我在ATMT和貝爾實驗室工作過，在公司的研究方面，你通過開展一些研究可以提前進行這方面的鋪設。並不是說所有的公司都可以做到這一點，對於人工智慧而言，因為人工智慧的進展會受到很大的限制，有很多問題仍然沒有得到解決。我們必須不斷的去進行研究，我們需要去研究自己解決問題。我們會讓機器變的更加智慧，可以更好的瞭解人的思想和人的思維的方式，沒有任何一家公司或者個人能夠自行解決這樣一個問題。
另外，在開源研究方面可以非常容易與大學進行合作，比如說我依然在學術界保留我的職位。我認為對於學術界來說，它是不一樣的，可能學術界的研究，他們並不是說彼此競爭做的都是自己感興趣的研究。而學術界的研究都是非常互補的，所以我覺得學術界與產業的結合是非常完美的。大家會看到在北美、歐洲、亞洲會出現越來越多的情況，研究科學家他們會在企業或者在學術界都擔任職務，這樣可以更好的實現學術界和產業之間的交流，我覺得這是現在發生的非常重要的一種變化。
高欣欣：今天上午最後一個問題，不管你們是做AI技術的發展或者是AI產業的發展，其實都離不開AI人才，其實AI人才特別稀缺。最後開複老師做了一件事情，我覺得特別偉大，特別有意義。開複老師和教育部、北京大學一起發起了一個項目，預計在2019年培養數萬名的學生。今天上午還有一個專門講AI人才的環節，在這裡我們先抛磚引玉，你可不可以先給我們介紹一下AI人才計畫呢？
創新工廠董事長兼CEO李開複：如果我們分析一下中美之間的優勢和劣勢，我覺得美國在教育方面有非常強的優勢。比如說在座的Yann LeCun教授和Michael Jordan教授和很多的大學，甚至美國前一百名的大學都有非常好的AI課程。在國內雖然有非常優質的電腦人才，如果進入了BAT他們能學到很好的AI。但是畢竟我們要建立起人工智慧的金字塔必須從基層做起，也就是說我們需要在大學畢業的時候就有一定的AI基礎，怎麼做這個事情呢？我們分了三個步驟。
第一個事情，正如欣欣所說的我們和教育部、北大做一個教師的培訓，這樣不僅僅是中國的前十名大學可以有好的AI課程，中國的前一百甚至幾百名的大學都能夠有AI課程，這樣學生在讀本科的時候可以接觸到AI領域。
第二，我們會做一個針對性的培養，把最有潛質成為未來AI金字塔頂尖的朋友做一個培養，我們會請國際大牛和國內大牛對他們進行幫助。經過這些老師的課程，我們今年會教100位老師，明年會更多，他們在三四年之內教幾萬名學生，除了這幾萬名學生，我相信有很多剛開始工作的朋友們，還有一些他的學校還沒有AI的課程，甚至他不是學電腦，而是學數理科或者是文科，我們跟公司成立了競賽的平臺，去年有一萬人參加，未來有幾十萬人參加，這樣我們才能把AI教育做的更普及，我覺得中國教育現在有比較大的落差。
經過這幾個步驟，我們希望那些有興趣學AI的同學們，因為AI現在越來越火，希望這些同學無論是經過線上或者是線下，校內或者是校外的管道，當他們畢業的時候就已經成為有一些經驗的AI人才。