隨著人工智慧等話題熱度的瘋漲, 這近日一次會議中, 華為董事長任正非表示:不要太衝動, 不能遍地都是智慧化。 早在今年的兩會期間, 很多互聯網大佬就多次提及有關人工智慧的一些看法, 雷軍今年兩會一共提交了三個議案, 包括把人工智慧列入國家戰略在雷軍看來, 去年AlphaGo擊敗了人類的圍棋高手的突破不亞於一次技術革命, 可以預見在10年之內, 人工智慧會取代超過50%的人工。
而李開複在今日也公開表示:最近我見了一個做內衣的, 也說自己是人工智慧的企業, 這是非常不正常的現象。
為什麼我們不可以統一作業的工具, 和工作的標準。 配個資料獲取聚集器, 員工在現場作業完後, 回到駐地處理一下, 一按鍵就群發出去了, 不必經過辦事處、地區部,
我們有430萬個網站, 每年增加96萬個, 1萬1千個合同, 每個基站報上來的報表這麼厚, 是因為沒有模組化分類。 不抽象不總結就要上報, 我們處理管道就那麼粗, 所以堵得一塌糊塗。 實際上歸納出來可能就一百種, 大不到一千種模組。 我們分類按範本傳資訊給供應鏈, 供應鏈解碼打開、作清單發貨, 我們管理會簡化很多。 現在報表層層上報, 每層增加好多人, 一大堆報表甚至沒人讀過。 要基於目的標準模型建設簡單自動報表體系, 這樣中間的人工就減掉了, 主戰場的員工就增加了。 人人都基於作業給你提供準確資料, 集中起來你的科學性就好了,
人工智慧在投資充分的情況下不要太衝動, 要急用先行小步快跑, 要聚焦在確定性業務、人工消耗大的專案, 寧可做得少一點,
如人工智慧的應用首先要瞄準實現簡工勘, 在此基礎上進而實現自動化設計。 海量重複動作要運用人工智慧技術來替代, 實現文檔自動生成、品質自動審核、遠端驗收及自動開票。 然後再把人工智慧應用的成功經驗擴展至網路維護、網規網優等業務場景, 把被動問題處理變為主動預警預防, 不僅提升了效率還提升了為客戶服務的品質。
要踏踏實實聚焦場景一個個解決, 選擇與場景匹配的相對成熟的演算法, 不要等平臺和資料底座的成熟, 半成品也可以先投入到內部改進的使用,
李開複說,人工智慧的核心是深度學習技術,而2016年AlphaGo打敗了李世石,就是深度學習技術成熟的標誌。因為原來大家都認為機器不可能比人圍棋下得更好,人類有幾千年的智慧,但是它打敗了世界最好的棋手,這件事情顛覆了大家的思維。
在未來十年,人工智慧不僅能聽、能看,也可以做到能理解、能判斷、能分類、能預測,任何一個以大資料為核心的領域裡面,當一個人的工作是10秒鐘以內能作出判斷的,或者做的是重複性的工作,都將會被機器取代。
李開複說,人工智慧想要發展有四個先決條件,第一是海量的大資料,至少千萬級別以上的;第二是這些資料需要標注,標注不見得是人來標注;第三條件是垂直領域,不可以跨領域,因為一次只能懂一個領域;第四個條件就是頂尖科學家的加入,他們知道怎麼樣去用煉丹的方法,一定要有累計,有經驗。
李開複說,人工智慧的核心是深度學習技術,而2016年AlphaGo打敗了李世石,就是深度學習技術成熟的標誌。因為原來大家都認為機器不可能比人圍棋下得更好,人類有幾千年的智慧,但是它打敗了世界最好的棋手,這件事情顛覆了大家的思維。
在未來十年,人工智慧不僅能聽、能看,也可以做到能理解、能判斷、能分類、能預測,任何一個以大資料為核心的領域裡面,當一個人的工作是10秒鐘以內能作出判斷的,或者做的是重複性的工作,都將會被機器取代。
李開複說,人工智慧想要發展有四個先決條件,第一是海量的大資料,至少千萬級別以上的;第二是這些資料需要標注,標注不見得是人來標注;第三條件是垂直領域,不可以跨領域,因為一次只能懂一個領域;第四個條件就是頂尖科學家的加入,他們知道怎麼樣去用煉丹的方法,一定要有累計,有經驗。