中新網3月28日電 3月25日， 在2017雪球中概峰會上， 獵豹移動CEO傅盛， 紫牛基金的創始合夥人張泉靈， 創新工廠AI工程院副院長兼技術副總裁王詠剛， 明勢資本創始合夥人黃明明針對人工智慧話題進行了一場圓桌論壇， 就人工智慧的最新發展及未來挑戰展開精彩對話， 以下是圓桌論壇實錄：
主持人：我想我們的討論可以從三個維度展開， 目的是如何真正聽懂、瞭解人工智慧， 並讓它為你所用。
第一個維度我想請四位來聊一聊在AlphaGo這個事之後， 人工智慧領域發生了哪些事實， 我們大眾不知道， 事實是已經發生的確定的事，
王詠剛：我說一個大家比較關心的AlphaGo給我們樹立的是一個關於技術的標杆， 圍棋本身對技術革命這件事來說太不重要了。 今年1月份CMU的教授做的AI程式在德州撲克的比賽裡， 在一個一對一的無限投入的比賽裡贏了四位世界冠軍， 這件事情很多公眾並不覺得比AlphaGo重要， 可是我們做技術的會覺得這其實是一個蠻重要的事情， 因為AlphaGo給我們界定的是透明規則和場景的問題。 而德撲是有資訊隱藏的有底牌的非透明場景的帶有思維博弈的問題，
傅盛：我最近幾個月都在認認真真地招人做產品， 所以對外面的事情反而看得比較少。 在我眼裡有一個很大的事實是， 獵豹會很快地發佈自己的人工智慧產品， 這是在現實中進展的。 我覺得我們對很多新興的東西有的時候叫過分熱情， 有的時候叫過分悲觀。 我也會經常遇到一些人說人工智慧不是完美的， 人工智慧有很多的缺陷。 我認為其實很重要是起點和趨勢， 我們想一下今天有多少人在做APP， 我估計全球有超過100萬人， 可是有多少人做人工智慧和人工智慧的應用？有1000人了不起了， 有大量的人力沒有投入進去，
張泉靈：說起來挺有意思的， 事實上在三年前如果你是一個矽谷的創業公司， 你說做人工智慧從投資人手裡一分錢都拿不到， 因為這個領域投資曾經熱過一輪， 但是概念沒有到使用的門檻， 所以投資人對人工智慧這幾個字特別地警惕。 5年前， 很多在美國學習的PHD如果寫一個神經網路論文， 估計沒有一個教授能讓你過， 因為你說不清楚這背後的原理是什麼。 這一輪的人工智慧熱， 事實上在工業界比學界早一年多的時間， 大家重新意識到這一撥人工智慧真的到了應用門檻了，
黃明明：我從投資的角度講一下， 全球最牛的投資公司之一高盛， 我們突然發現高盛投了7000萬美金， 做的演算法基本上是做智慧模型生產的一家公司。 直接把他們的交易員從6、7百人降低到只有幾個人。 高盛的人力結構， 他們有將近幾千名技術工程師， 高盛很難界定到底是一家金融公司其是IT公司， 還是人工智慧公司， 只不過是用人工智慧的演算法解決了金融衍生品交易中大量的問題， 在各行各業都有比AlphaGo有實際意義的公司出來。
主持人：第一輪的討論中我們發現一個問題， 大家對人工智慧這個概念的認識上沒有達成共識， 四位元能不能用簡單的語言做一個定義。
王詠剛：每個人心裡都有自己的人工智慧。 可以這樣講，短期、中期來看，我是堅信人工智慧和腦科學和大腦沒有太多的關聯，人工智慧就是一個很純粹的技術，放在我們的投資界來說，人工智慧就是很純粹很純粹的一種技術在商務上的應用，一種技術對傳統已有流程的改造或者是升級；另一方面長期來講，我的觀點也是一樣的，人工智慧這件事可能和人類關係不大，如果人工智慧以它的方向和速度沿著它的軌跡發展下去，人工智慧到底跟人類是什麼樣的關係，是協作還是什麼樣的都不重要了，因為那時候決定權都不在人類了，我強調一點這是長期的事。
傅盛：人工智慧當然是一個技術，我對這個技術最大的理解是，它跟腦科學的原理是不一樣的。以前的技術是你在模擬人，因為A所以B，是基於推理學，但這個推理是很難被窮盡的，尤其是針對感知。人工智慧核心的突破在於它的路徑上更像人認知的方式。我看久了就知道這是貓，我是為了簡化傳遞才告訴你兩隻大眼睛的是貓，可是人本身自我不是這樣的，看多了就是貓，看多了就知道是路，看多了就知道能不能走道。人工智慧技術路徑更像後者，突破了人腦對邏輯的認知，不斷地增加運算量以後就能產生自己沒有預料到的很神奇的事情。因為有點像人，所以叫人工智慧，三五年之內我認為它帶來的最大的好處是什麼，吳恩達有一篇文章說，現在人工智慧幫助解決一秒鐘判斷，仔細想想，細思極恐。
主持人：可是一秒之內我自己都能判斷得了，為什麼還需要人工智慧？我希望它能幫我解決我坐在那想一兩天都想不明白的事。
傅盛：它現在能做到你能做到的事很了不起了，第一是勞動力短缺，第二人不喜歡重複勞動，人都喜歡詩和遠方，把苟且留給機器人。所以我覺得能做到這點就很不錯了，很多細節的應用是可以展開的。
張泉靈：人工智慧有很多種的分類方法，但從大的邏輯上來說，可以分成兩類，一類叫結構派，就是研究人腦子到底是怎麼回事，人的一千億腦細胞是怎麼活動的，看到了這個東西為什麼會反映到那，先研究動物的腦結構是什麼樣的，神經細胞間是什麼樣並聯、串聯和反應的關係。這一類目前不是主流，有人在研究，也有一些突破，特別是大家期望於小樣本的學習，這件事情有一點點的突破，但遠沒有到可以用的程度。更大的一派叫做功能派，是目前人工智慧主流的派別。這個派別下有各種各樣的演算法，來達到功能的目的。在去年AlphaGo火之前，大多數機器怎麼來認定一片葉子的方法是，要交給它很多的標注的方法，它慢慢學會這是一片葉子。現在的方法，更多地變成了大資料的方法，不斷地告訴你這是葉子，再拿一堆長得有一點像的這不是葉子，不斷地學習，最後機器就能夠識別葉子。所以現在理解這一波可以用的人工智慧是基於大資料，你得讓他看足夠多的葉子，各種各樣的，才能知道。他不像人，一個小孩可能只讓他看過一個蘋果是紅色的，下回給他看綠色的也知道是蘋果。這一輪的人工智慧基本上是由大資料來驅動的。
黃明明：我同意人工智慧是一個技術，這個技術解決的核心問題實際上是飛躍性地提升了我們人類的生產力。我們看人類前三次的工業革命，都是在某種程度上由一個新的技術的產生，大量地提高了那個階段人類整個的生產力。主持人說一秒解決問題，這個問題太大了，我們太多的反應都是一秒的決定，可是一系列的一秒的決定就決定了機器能替代人，這對行業的變化是天翻地覆的。所以它本質上是一個提高，我們認為是第四次工業革命的一個基石。
主持人：也許從這個角度達成一個共識，看三五年那些最容易被替代的簡單重複勞動也許會有機會。第一輪完了我們談點大家更感興趣的，人工智慧的機會在哪裡？一個真正的機會很有可能是大多數人還沒有覺察到的。如果這真的是下一個領域的重大機會，這對在場所有的人來講，我們怎麼讓它為我所用，或者說要準備一些什麼？
王詠剛：我個人的意見，三五年內，最重要的人工智慧落地點還是要結合現在的互聯網應用，結合現在的商務解決方案。人工智慧還不大可能以一個特立獨行或者是獨領風騷的領軍人物的角色來帶領一個產業的革命。現在看不到有一個人工智慧單獨做成一個產品的盈利模式，比如說單獨做機器人。我相信人工智慧獨立占到產業革命的頂峰還需要大概5年以上的時間。
主持人：如果大家確認很短時間內不能出現顛覆性產品，為什麼堅信這能成為一個巨大的機會呢？這是不是機會？
傅盛：我認為，作為從業者要堅定不移地跳下去，與其觀察不如置身其中，你不打一仗怎麼可能有認知呢？第二個點我認為正是因為技術不夠成熟，所以很多機會來自於和原有內容的結合。有時候是要逆向思考的，你想想這個東西到底是怎樣的成本構成，反過來找路徑。我讀過一篇文章說當時福特做汽車的時候，不是因為他認為技術可以把它降成300美金，是因為只有300美金的汽車才能大賣，所以想盡所有的辦法把幾千美金的汽車降成300美金。當年特斯拉推出電動汽車的時候，在當時的環境下怎麼可能做成電動汽車呢，出去怎麼加油呢？他們先找到一個電動汽車最大的優勢是加速，再找到不在乎成本的那群人就是跑車購買群體。我認為產品從來不是一個在技術已經完整到拿出來就是一個好產品的時候才能出現的，這樣的話就不需要做產品了。我認為我沒有那麼悲觀，我認為在未來的5年中會找到很多細分點。比如說人工製造的機器人，現在機器人的定義是在20年前、30年前產生的，那時候不是機器人是叫自動化機器，那時候沒有人工智慧。看上去加了感測器，其實什麼也感知不到，只能自動地做東西。第二，當人工智慧出現使得很多便宜的感測器大量感知資料的時候，很多機械化的東西可以被重新思考，有巨大的縫隙的存在。這是我的一些看法。
張泉靈：我們希望奔向商業的方向，我們不是國家的自然科技基金，所以從這個角度上來說，當前的人工智慧所能替代的是一句話“無他唯手熟爾”。需要大量的經驗累計起來的工作，極有可能被人工智慧替代，它替代過高盛的交易員，可能會替代律師，未來一部分能替代一些醫生，這都是覺得未來5到10年能看到的部分。還有一部分是崗位，比如說內容分發，理論上如果放一個人在你身邊每天看你到底看了什麼樣的內容我就會知道你是一個什麼樣的人，可以給你做精准的推薦。但是現在只能用編輯去猜，其實每一個click都會形成一個資料，這中間有多大的差異？我從中央電視臺出來的，大概在十幾年前發生過一次收視率統計的方法改變，最早是髮卡到用戶家裡，說每個月幫我記，你今天看了什麼，昨天看了什麼。10年前改變了一次，不用你記了，改成了一個收視儀，只要超過30秒都會被記錄。結果發現所有的收視統計發生了巨大的變化，那些口碑很好的節目突然收視率掉了一半，類似於《對話》和《東方時空》。因為每個人記的時候是自我美化的，我是一個看《東方時空》的人，我是一個看《對話》的人，顯得很高端。但他其實看《道德觀察》，因為裡面有很多不道德觀察的內容。一個人主動記錄的行為和他真實發生的行為有巨大的差異。這一代的人工智慧因為有了大資料才能特別瞭解你，從而產生更有價值、更有效率的商業模式。因為從投資的角度來說，我們要看哪裡有資料，哪裡是靠經驗累計的。
黃明明：我非常同意傅盛那句話，甭管看不看得清楚，你相信這個事情你先跳下去。我們對這個事情一定是非常樂觀的，雖然AI有很多的泡沫，幾個大牛團隊一出來動輒幾億美金的估值，可是產生價值的領域已經出現了，自動駕駛我堅信是第一個而且是幾十萬億的市場，它對整個出行領域的重構，如果UBer和滴滴的革命是出行革命的上半場，真正的決定者是自動駕駛。
主持人：在人工智慧的哪些領域有比較明確的應用價值？黃總說在自動駕駛的領域裡找標的，找到標的就發了，這個角度來回答會不會讓答案更直接和清晰一些。
王詠剛：醫療是我們非常關注的下一個領域，為什麼是下一個領域，醫療不像金融或者是像互聯網一樣，資料是相對來說比較充足或者說資料平臺已經比較成熟了，醫療現在還是一個離人工智慧很近，但又沒有完全準備好的行業，這個行業裡的想像空間非常大。
傅盛：肯定是機器人，我剛才舉了特斯拉的例子，剛開始切入一定是垂直的，如果你指望著一個機器人人還能跟你談戀愛一定是做不了的，以情感陪護為主是不可能的，主要是聽不懂人的語義，語義是只能被映射的，但它成為生活助理是非常有機會的。亞馬遜的echo在美國大概賣出了800多萬台。我認為我心裡的機器人長遠是一個完美的目標，但開始的時候是一個能幫助你完成具體事情的東西。我覺得這個領域是非常巨大的。
張泉靈：我同意王總的說法，人工智慧+健康和醫療這是非常大的市場，這個市場風不是刮一陣，隨著人工智慧的進步可能會持續很久，而且每一個單病種都是一個巨大的市場，這個是在投資的角度可以遷延很長時間的方向。另外，從一個紫牛基金的角度，我們特別關注的是人工智慧和教育的結合，因為教育特別需要好老師的經驗。
主持人：說到挑戰，說到人工智慧更多人是內心深刻的焦慮，馬斯特也說過人工智慧是潘朵拉盒子裡的危險的東西，從挑戰的角度聽聽各位的建議，如何保住自己的飯碗。投資人會被人工智慧取代嗎？
黃明明：這個問題很多人都問了，我們確實有一個例子。我覺得在一些初級的分析的領域，包括我剛才講的金融衍生品的一些領域，很快我們會看到很多初級的人力工作會被替代，這裡面我為什麼一直拿高盛舉例，他們覺得未來的3年裡，50%、60%的員工會被人工替代，這個事情已經在眼前，而不是在很未來的時間了。
王詠剛：可能沒有具體的答案，要分中短期和長期來看。中短期我覺得對我們真正的挑戰是在社會方面、經濟方面，需要我們理解這件事，更快地制定出相應的政策來適應這件事。長期來看我覺得這件事的問題取決於技術發展的速度和幾個關鍵點的突破，一旦人工智慧能在比如說少樣本的學習、無監督的學習領域，達到了一個實質性的突破，那時候我會非常擔憂人類的未來。
傅盛：當一個技術出現的時候，造成一個工作的變化反正也發生過，也不會有大問題，長期肯定是向好的。原始人每個人都有工作，可是大批的饑餓和死亡。現在很多人都沒有工作，比以前還是幸福很多的。我覺得大規模智慧化的一個最大的好處是生產效率的高度提升。如果人工智慧發展起來，以瞬間的速度就可以超越人類，而不是一個線性的發展模式。生命體不同的呈現，大家都有自己的生存方式。我覺得不是非你即我的過程，我覺得可能會共存。
可以這樣講，短期、中期來看，我是堅信人工智慧和腦科學和大腦沒有太多的關聯，人工智慧就是一個很純粹的技術，放在我們的投資界來說，人工智慧就是很純粹很純粹的一種技術在商務上的應用，一種技術對傳統已有流程的改造或者是升級；另一方面長期來講，我的觀點也是一樣的，人工智慧這件事可能和人類關係不大，如果人工智慧以它的方向和速度沿著它的軌跡發展下去，人工智慧到底跟人類是什麼樣的關係，是協作還是什麼樣的都不重要了，因為那時候決定權都不在人類了，我強調一點這是長期的事。傅盛：人工智慧當然是一個技術，我對這個技術最大的理解是，它跟腦科學的原理是不一樣的。以前的技術是你在模擬人，因為A所以B，是基於推理學，但這個推理是很難被窮盡的，尤其是針對感知。人工智慧核心的突破在於它的路徑上更像人認知的方式。我看久了就知道這是貓，我是為了簡化傳遞才告訴你兩隻大眼睛的是貓，可是人本身自我不是這樣的，看多了就是貓，看多了就知道是路，看多了就知道能不能走道。人工智慧技術路徑更像後者，突破了人腦對邏輯的認知，不斷地增加運算量以後就能產生自己沒有預料到的很神奇的事情。因為有點像人，所以叫人工智慧，三五年之內我認為它帶來的最大的好處是什麼，吳恩達有一篇文章說，現在人工智慧幫助解決一秒鐘判斷，仔細想想，細思極恐。
主持人：可是一秒之內我自己都能判斷得了，為什麼還需要人工智慧？我希望它能幫我解決我坐在那想一兩天都想不明白的事。
傅盛：它現在能做到你能做到的事很了不起了，第一是勞動力短缺，第二人不喜歡重複勞動，人都喜歡詩和遠方，把苟且留給機器人。所以我覺得能做到這點就很不錯了，很多細節的應用是可以展開的。
張泉靈：人工智慧有很多種的分類方法，但從大的邏輯上來說，可以分成兩類，一類叫結構派，就是研究人腦子到底是怎麼回事，人的一千億腦細胞是怎麼活動的，看到了這個東西為什麼會反映到那，先研究動物的腦結構是什麼樣的，神經細胞間是什麼樣並聯、串聯和反應的關係。這一類目前不是主流，有人在研究，也有一些突破，特別是大家期望於小樣本的學習，這件事情有一點點的突破，但遠沒有到可以用的程度。更大的一派叫做功能派，是目前人工智慧主流的派別。這個派別下有各種各樣的演算法，來達到功能的目的。在去年AlphaGo火之前，大多數機器怎麼來認定一片葉子的方法是，要交給它很多的標注的方法，它慢慢學會這是一片葉子。現在的方法，更多地變成了大資料的方法，不斷地告訴你這是葉子，再拿一堆長得有一點像的這不是葉子，不斷地學習，最後機器就能夠識別葉子。所以現在理解這一波可以用的人工智慧是基於大資料，你得讓他看足夠多的葉子，各種各樣的，才能知道。他不像人，一個小孩可能只讓他看過一個蘋果是紅色的，下回給他看綠色的也知道是蘋果。這一輪的人工智慧基本上是由大資料來驅動的。
黃明明：我同意人工智慧是一個技術，這個技術解決的核心問題實際上是飛躍性地提升了我們人類的生產力。我們看人類前三次的工業革命，都是在某種程度上由一個新的技術的產生，大量地提高了那個階段人類整個的生產力。主持人說一秒解決問題，這個問題太大了，我們太多的反應都是一秒的決定，可是一系列的一秒的決定就決定了機器能替代人，這對行業的變化是天翻地覆的。所以它本質上是一個提高，我們認為是第四次工業革命的一個基石。
主持人：也許從這個角度達成一個共識，看三五年那些最容易被替代的簡單重複勞動也許會有機會。第一輪完了我們談點大家更感興趣的，人工智慧的機會在哪裡？一個真正的機會很有可能是大多數人還沒有覺察到的。如果這真的是下一個領域的重大機會，這對在場所有的人來講，我們怎麼讓它為我所用，或者說要準備一些什麼？
王詠剛：我個人的意見，三五年內，最重要的人工智慧落地點還是要結合現在的互聯網應用，結合現在的商務解決方案。人工智慧還不大可能以一個特立獨行或者是獨領風騷的領軍人物的角色來帶領一個產業的革命。現在看不到有一個人工智慧單獨做成一個產品的盈利模式，比如說單獨做機器人。我相信人工智慧獨立占到產業革命的頂峰還需要大概5年以上的時間。
主持人：如果大家確認很短時間內不能出現顛覆性產品，為什麼堅信這能成為一個巨大的機會呢？這是不是機會？
傅盛：我認為，作為從業者要堅定不移地跳下去，與其觀察不如置身其中，你不打一仗怎麼可能有認知呢？第二個點我認為正是因為技術不夠成熟，所以很多機會來自於和原有內容的結合。有時候是要逆向思考的，你想想這個東西到底是怎樣的成本構成，反過來找路徑。我讀過一篇文章說當時福特做汽車的時候，不是因為他認為技術可以把它降成300美金，是因為只有300美金的汽車才能大賣，所以想盡所有的辦法把幾千美金的汽車降成300美金。當年特斯拉推出電動汽車的時候，在當時的環境下怎麼可能做成電動汽車呢，出去怎麼加油呢？他們先找到一個電動汽車最大的優勢是加速，再找到不在乎成本的那群人就是跑車購買群體。我認為產品從來不是一個在技術已經完整到拿出來就是一個好產品的時候才能出現的，這樣的話就不需要做產品了。我認為我沒有那麼悲觀，我認為在未來的5年中會找到很多細分點。比如說人工製造的機器人，現在機器人的定義是在20年前、30年前產生的，那時候不是機器人是叫自動化機器，那時候沒有人工智慧。看上去加了感測器，其實什麼也感知不到，只能自動地做東西。第二，當人工智慧出現使得很多便宜的感測器大量感知資料的時候，很多機械化的東西可以被重新思考，有巨大的縫隙的存在。這是我的一些看法。
張泉靈：我們希望奔向商業的方向，我們不是國家的自然科技基金，所以從這個角度上來說，當前的人工智慧所能替代的是一句話“無他唯手熟爾”。需要大量的經驗累計起來的工作，極有可能被人工智慧替代，它替代過高盛的交易員，可能會替代律師，未來一部分能替代一些醫生，這都是覺得未來5到10年能看到的部分。還有一部分是崗位，比如說內容分發，理論上如果放一個人在你身邊每天看你到底看了什麼樣的內容我就會知道你是一個什麼樣的人，可以給你做精准的推薦。但是現在只能用編輯去猜，其實每一個click都會形成一個資料，這中間有多大的差異？我從中央電視臺出來的，大概在十幾年前發生過一次收視率統計的方法改變，最早是髮卡到用戶家裡，說每個月幫我記，你今天看了什麼，昨天看了什麼。10年前改變了一次，不用你記了，改成了一個收視儀，只要超過30秒都會被記錄。結果發現所有的收視統計發生了巨大的變化，那些口碑很好的節目突然收視率掉了一半，類似於《對話》和《東方時空》。因為每個人記的時候是自我美化的，我是一個看《東方時空》的人，我是一個看《對話》的人，顯得很高端。但他其實看《道德觀察》，因為裡面有很多不道德觀察的內容。一個人主動記錄的行為和他真實發生的行為有巨大的差異。這一代的人工智慧因為有了大資料才能特別瞭解你，從而產生更有價值、更有效率的商業模式。因為從投資的角度來說，我們要看哪裡有資料，哪裡是靠經驗累計的。
黃明明：我非常同意傅盛那句話，甭管看不看得清楚，你相信這個事情你先跳下去。我們對這個事情一定是非常樂觀的，雖然AI有很多的泡沫，幾個大牛團隊一出來動輒幾億美金的估值，可是產生價值的領域已經出現了，自動駕駛我堅信是第一個而且是幾十萬億的市場，它對整個出行領域的重構，如果UBer和滴滴的革命是出行革命的上半場，真正的決定者是自動駕駛。
主持人：在人工智慧的哪些領域有比較明確的應用價值？黃總說在自動駕駛的領域裡找標的，找到標的就發了，這個角度來回答會不會讓答案更直接和清晰一些。
王詠剛：醫療是我們非常關注的下一個領域，為什麼是下一個領域，醫療不像金融或者是像互聯網一樣，資料是相對來說比較充足或者說資料平臺已經比較成熟了，醫療現在還是一個離人工智慧很近，但又沒有完全準備好的行業，這個行業裡的想像空間非常大。
傅盛：肯定是機器人，我剛才舉了特斯拉的例子，剛開始切入一定是垂直的，如果你指望著一個機器人人還能跟你談戀愛一定是做不了的，以情感陪護為主是不可能的，主要是聽不懂人的語義，語義是只能被映射的，但它成為生活助理是非常有機會的。亞馬遜的echo在美國大概賣出了800多萬台。我認為我心裡的機器人長遠是一個完美的目標，但開始的時候是一個能幫助你完成具體事情的東西。我覺得這個領域是非常巨大的。
張泉靈：我同意王總的說法，人工智慧+健康和醫療這是非常大的市場，這個市場風不是刮一陣，隨著人工智慧的進步可能會持續很久，而且每一個單病種都是一個巨大的市場，這個是在投資的角度可以遷延很長時間的方向。另外，從一個紫牛基金的角度，我們特別關注的是人工智慧和教育的結合，因為教育特別需要好老師的經驗。
主持人：說到挑戰，說到人工智慧更多人是內心深刻的焦慮，馬斯特也說過人工智慧是潘朵拉盒子裡的危險的東西，從挑戰的角度聽聽各位的建議，如何保住自己的飯碗。投資人會被人工智慧取代嗎？
黃明明：這個問題很多人都問了，我們確實有一個例子。我覺得在一些初級的分析的領域，包括我剛才講的金融衍生品的一些領域，很快我們會看到很多初級的人力工作會被替代，這裡面我為什麼一直拿高盛舉例，他們覺得未來的3年裡，50%、60%的員工會被人工替代，這個事情已經在眼前，而不是在很未來的時間了。
王詠剛：可能沒有具體的答案，要分中短期和長期來看。中短期我覺得對我們真正的挑戰是在社會方面、經濟方面，需要我們理解這件事，更快地制定出相應的政策來適應這件事。長期來看我覺得這件事的問題取決於技術發展的速度和幾個關鍵點的突破，一旦人工智慧能在比如說少樣本的學習、無監督的學習領域，達到了一個實質性的突破，那時候我會非常擔憂人類的未來。
傅盛：當一個技術出現的時候，造成一個工作的變化反正也發生過，也不會有大問題，長期肯定是向好的。原始人每個人都有工作，可是大批的饑餓和死亡。現在很多人都沒有工作，比以前還是幸福很多的。我覺得大規模智慧化的一個最大的好處是生產效率的高度提升。如果人工智慧發展起來，以瞬間的速度就可以超越人類，而不是一個線性的發展模式。生命體不同的呈現，大家都有自己的生存方式。我覺得不是非你即我的過程，我覺得可能會共存。