奇幻城国际官网

官方微信:   
读完李开复的这篇文章,别人再讲人工智能时,
时间:2017-12-22 10:50  编辑:admin
 

  在李开复阅读这篇文章后,当人们谈论人工智能时,你不会只是“观察者”

  据创新研讨会主席兼首席执行官李开复对“人工智能”进行了简单的解释。在这份数以百万计的演讲回忆录中,第一个关于人工智能,深度学习,Google雄心壮志的“科学基础”展示,人工智能正以前所未有的趋势前进,一方面是风险投资和创业创新都把人工智能作为下一个未开发的宝藏,另一方面,应用比现在的概念更有前途,人车,AlphaGo等都带来了人工智能技术来“看到触摸”的局面。人工智能到底是什么?在这个领域里有什么元素?怎么会改变今天的世界,有什么问题和瓶颈?对于人工智能的应用和商业化,哪个领域会最快出现?在清华大学, “清华大学计算机科学实验班”题为“人工智能黄金时代”的演讲,创新研讨会主席一名首席执行官李开复就“人工智能”做了简单的解释。在他的解释中,博士在机器学习中追踪人工智能的起源,引用众所周知的商业案例,并借助谷歌等巨头的布局和调整,为观众勾画出人工智能的框架,元素,商业领域和条件突显了目前人工智能的瓶颈情报及其对当前互联网市场的影响。另外值得一提的是,中国最知名的创业导师给有志于在人工智能领域创业的企业家提供建议。在这个数以百万计的演讲回忆录中,第一个以“科学为基础”的人工智能演讲,深入学习,Google的雄心壮志等等。以下是李开复的演讲实录:谢谢!非常高兴有机会再次来到清华大学,尤其是我最受尊敬的姚治Professor教授的邀请和介绍。姚教授在瑶族的课程在全世界享有盛誉,从Google到创新工作室,在姚教授的培训下,我看到许多成功的电脑领域的优秀工程师,在谈到人工智能,我想介绍一些我不太熟悉的背景:在进入几家大型国际公司之前,也就是30多年前,我进入了人工智能领域,我是第一个做自然语言处理的人1980年的计算机视觉,1982年的计算机视觉,1983年的语音识别,1985年的人机游戏,以及1996年的VR / AR ......但是现在我们知道,那个时候我这些选择基本上是非常“糟糕”的工作选择,因为我在黄金时代之前,白银时代之前,甚至是铁器之类的事情都涉及到了,在这个问题上呢,其实我也想说在计算机研究领域,当然还有自己的素质和能力是非常重要的蚂蚁,但在适当的时候选择正确的事情。在错误的时间,我太狂热,不敢进入人工智能领域。与此同时,三四十年代的人工智能也起起落落。天气非常热,然后再次陷入低谷。但现在是人工智能的黄金时代。也许你会问为什么这个时代是人工智能的黄金时代。为了说明这个问题,我相信这次我不但会用一些理论说服别人,而且毕竟我过去做了这么多“错误的选择” - 今天我也带一些实际的数据跟你分享为什么我对今天的人工智能充满信心,人工智能有很多分支,其中一个是机器学习,另一个是机器学习的一个分支,是深度学习,今天我将以更深入的个案研究为例人工智能是一种工具近日,人工智能成为世界热门话题,主要是因为AlphaGo几个月前击败了李承时,最近在互联网出来之前挑战了科基的消息。但是在这个消息之下,我感到很可惜每个人都关注这个话题,在于人工智能是否模仿了人脑,“奇点”是否接近,但是人工智能对我们来说,“奇异”认为机器将来会有各种各样的智能,人类必须做点什么来保护自己,我们这里没有人能证明或否认“奇点”,但我个人认为人工智能正在取代人们作为一个非常遥远的事物,我认为我们需要更多地关注人工智能是今天可以使用的工具,它可以帮助人们解决问题,可以代替重复的工作,创造商业价值。我想我们今天正在进入人工智能的黄金时代,仅举几个例子:今天大部分的工作都会在大部分的工作后消失,比如翻译,虽然不是那么完美,但是progre ss每年都很快,在几年内人工翻译可能很难找到已经在工作。记者也是如此,现在美联社90%的文章都是用机器书写的。几乎所有可以合理计算思维模式的工作都会在有足够的数据支持时被替换。有人说十年内一半的工作会消失。有人说15年的一半工作将会消失。我认为这些是合理的猜测。我想你们大多数人都会相信这个理论,如果你仍然怀疑这个问题,你可以想一想,为什么AlphaGo是如此的优秀,因为它可以使用数千台机器每天下载数千台机器。这个人不能做;为什么自动驾驶仪会在以后如此强大?因为它可以用各种传感器在道路上收集数据,所以不是任何驾驶员都能匹配的。所以这些是一个不可避免的过程。什么是人工智能到底什么是人工智能?我想可能有几个部分。首先是感知。其次是感知。其次是感知。其次是感知。其次是感知。其次是感知。其次是感知。其次是感知。其次是感知。其次是感知。它是自动驾驶仪,需要一个反馈,什么是人工智能?从这些例子你可以看出,这个看法可能更有助于识别抱着一只泰迪熊的沙发里面的一个婴儿,在上面的建议中,我给出了一个现在通过一些你现在使用Google来推断你想要做什么的例子,在下面的例子中,你会看到有一个无人驾驶的汽车,它有各种传感器它捕获的信息可以用来做最后的决定如何操作方向盘,油门,刹车等等,其实这三件事的总和就是今天的人工智能。然后从游戏中,感知决策和反馈四个方面回顾人工智能的发展。今天的比赛还没有结束,但基本上我可以看到,从我在大学里做的棋到深蓝棋,经过很长时间,AlphaGo终于击败了围棋冠军。从中可以看出,这是一个长达30多年的漫长旅程。 AI所有阶段的里程碑AI所有阶段的里程碑AI活动各个阶段的里程碑在我看来,从我的博士论文到Nuance成为中国领先的公司,IDF Deep Face在美国诞生,Face ++中国等等,生意越来越好,这些年来进步很多。还有一些非常具体的例子,比如最近看到一些有趣的比较微软Tay开始跟人们一起聊聊,一堆人谈论一堆难以忍受的话,被微软收回了,所以这里有很多成功的例子,有很多有趣的事件。从早期的微软Office工具到Google广告,再到金融行业许多明智的决策公司的出现,决策进程迅速。 Google的自动邮件可能没有见过,但是如果你还在使用Gmail,你会发现有时候你会收到邮件,Google会问你是否不回复,有时甚至会帮你写回复,然后写非常精确。这也是人工智能的体现。也许我们不必事后再谈,助理可以帮助我们。 AI助手绝对是一个方向。最后,从CMU Boss的早期无人机到亚马逊的物流驱动到Kiva,到最近的Pepper,Google汽车,我们都可以看到过去三,四年的特殊热度已经被商业化了的东西已经很不错了深入的科学在这里我想谈谈深度学习的深度深度学习是一个神经网络,但与前一个相比,它具有多层次的网络在学习抽象概念的同时进行自我学习和相对快速的融合,快速融合可能是一种技巧,不一定是一种理论,而是一群人通过它来解决许多重要问题,简而言之,如果我们有很多然后我们把笑脸的像素变成一个神经网络,最后你要让机器认识到这是姚明,那就是马云,但是由于这个深度的学习网络,它可以是很难一次学习,所以你编辑一个更快的收敛技术 - 自学。通过自学,机器逐层抽取大量相关概念样本,进行理解,最后作出判断和决定。例如,它可以有多层的节点和连接,通过这些节点和连接,它将在每个层次上感知到不同的抽象特征,并有一层更高级的层次。这些是通过自学而不是人为的教导来实现的。自学后,从一个脸上,然后从同一个脸上丢失,从内部学习一个人的脸的抽象特征。分层的,无监督的深度学习训练分层的,无监督的深度学习训练在这个学习之后,我继续进行监督培训,看看机器是否可以识别,如果不是,则可以在培训后进行微调,例如,如果我进了马的脸,从王宝强出来,培训系统会告诉你的网络,这是错:这不是王宝强,这是马云。接下来就是要进行微调,这样下次机器看到这张脸的时候,就可以辨别出马的概率更高,走出低宝宝的概率。分层无监督训练分层无监督训练但是这样的语气不能调得太远,否则会出现过度训练的问题,我们对整个数学公式做一些微调,用大量的数据,不断的重复教,微调,那么很多时候很可能会减少识别错误。实际上,这整套理论在二三十年前就已经存在了。当我做博士论文的时候,我的很多同事都在训练神经网络。深度学习从一开始就特别慢,使得它很难进入工业或应用层面,例如,你的手机由于速度太慢而无法做到这一点。但是,经过这么多年,我们的电脑变得越来越快了。此外,培训和鉴定方面还有更多的窍门。深度学习的可能性也发生了变化,其应用领域也越来越广泛。很多年前,我过早地进入了这个领域,但现在是大规模人工智能应用的时候了。你为什么这样说?一个非常简单的评估就是我们的深度学习或任何机器学习,它不超越人类能力的表现,如果超越,可能会出现很多应用。例如,在机场,如果识别人脸的机器的准确度超过人的面部准确度,那么我们在边境的人可能并不需要那么多,这并不意味着机器不会制造错误,但是由于人不能比机器做得更好,所以我不妨用机器来代替。深度学习的应用领域在过去的五年里,深度学习的准确度已经从75%提高到97%左右, ,而人的表现准确率已经达到95%左右,从95%到97%的提高只有2%的提高,实际上错误率降低了40%,这是一个很大的进步,如果这个进展继续下去,未来的人工智能必然会超越人的表现,而且也能够进入一些应用领域,这就是今天我要说人工智能已经进入黄金时代的证明,在很多领域,它包括人脸识别通过face ++完成,包括苹果,谷歌a nd IETF语音识别。他们的认知水平将在未来几年超过人类,一旦超过人类,应用将迅速增加。深度学习应用领域示例深度学习应用领域示例深度学习首先应用于识别,包括面部识别和语音识别,可用于安全性,安全性等。面对语音数据来之不易,但BI,业务流程,互联网数据非常丰富。谷歌,百度早已在搜索,广告和推荐系统中充分利用基于类的机器学习技术来解决推荐商品的问题,一个产品如何定价,在哪个位置卖得最多,应该卖给这样的产品谁在等待这个问题?这类营销可以直接产生经济价值,而社交媒体营销则是整个互联网广告,这些领域每一个都是几十亿甚至更多的市场。用于股票的情报实际上是一个不错的选择。在国外,很多人都在这个领域做生意。有了情报,我可以指望一篮子股票和期货多少次被对冲,以寻求最大的利润。顶尖的财务分析师也是这样做的,但是他不可能想到所有的股票组合,但是机器一天可以休息二十四小时,计算如何每天赚最多的钱。除此之外,深度学习的深度学习技术可以包含多种因素,例如公司的高层管理人员是否已经改变,有什么消息传出,行业是否有任何变化......甚至是你可以一个智能系统说,如果明天巴西发生地震,应该购买什么样的股票,甚至可以说发生地震不要问我,你可以直接购买。银行保险,例如贷款不应该被批准,那么银行贷款或P2P贷款都可以通过机器来判断,但数据不一定来自银行。在医学方面,由于我病了,深受这种病的影响,我也觉得今天的医生判断实在不是最完美的,一方面医生好坏,顶尖的医生很少。第二,在癌症领域,每年都会有新的药物出来,每一个医生每天都在忙着看病,为了研究这些药物,每个国家都没有这些药物,每个人都有他的各种各样的特质,不一定适合用这种药,实际上这些都可以用机器学习来完成,最后一次我遇到美国的一些科学家,他们正在用机器学习的方法来发明新药,当然,我们的科学研究必须要有一个聪明的头脑,一个好的实验,但是它有一个关键的部分,在一定程度上,我们应该安排这个组合:尝试很多事情,再试一次,没有用处,然后用猿猴进行实验,然后进行人体实验这整个过程是由人的大脑完成的,但是把它交给机器可能更准确。甚至有一家公司拥有大量的白老鼠。他所有的实验都是通过机器学习来完成的:每天有多少白老鼠生存,有多少死老鼠和哪些药物可以进入下一步?这是通过机器学习加上一个非常复杂的系统完成的。我们发明的许多新材料不是纯科学的方法,而是试验。如果我们触摸这一个,我们将有特殊效果的材料。这些知识可以输入到我们的信息学习系统中,通过它我们可以帮助发明新的东西。在教育方面也有应用。在学习过程中,如果没有奠定基础,下一个层次根本无法继续下去。一个智能的教育系统可以识别你的学习水平,然后确定你在自己的学习水平。比如你的乘法没有学,机器不能让你学分。当然,学习外语也是我们语音识别今天好的一个很好的例子,为什么我们要学习外语,还是要找外教,为什么语音识别不能进入下一个阶段?所以,当你的技术有所提高的时候,语音识别应用不仅仅是我的讲话,而是文字,也可以用在教育领域。有了这么多的机会,这AI将重塑数十亿的领域。当然,这不会发生在明天,因为我认为人工智能在很多方面还是比较缺乏的。人工智能将重塑数以亿计的人工智能领域,将重塑数以亿计水平的领域。当然这明天不会发生,因为今天我们在很多相关领域仍然有相当的不足。例如,在我们的计算体系结构中,改进和增强算法还需要时间,我们需要研究如何部署云体系结构。另外,深度学习时间过长,也是需要探索的内容,没有标准化的答案。另外,算法框架也是非常重要的。我们可以看到,有一些重要的技术进步,实际上是因为开源或者API或者标准,但是相关标准还有很多方面还没有出现。当然,我们知道谷歌的TensorFlow提供了一些开源的方法,但实际上他们还没有真正的平台,比如说你的TensorFlow输给了一个没学机的机器,即使清华的顶尖电脑学生,他创造价值也很难用。如果清华学生不能,那么其​​受欢迎程度就有问题。为什么iOS,安卓可以做得很好,这是因为它具有平台效应,所以很多人都可以相对容易的介入。然后,我们可以看到像Hadoop这样的东西,七八年前,其中许多人感到如此深刻,现在正在慢慢成为平台。今天,如何使整个系统的机器学习平台,为了让更多的非专业人士使用,这是目前面临的一个很大的瓶颈,需要一定的发展时间才能够有所突破。在一些地区,许多技术问题可以在两三年内解决,但是很多问题并不是很简单,比如语义。我们说语音识别比较简单:声音输入,单词输出,这是非常清楚的,一个API可以调动。但是,很难确定语义出去的上下文。我认为这两三年还远远不够,还需要更多的时间去理解。传感器在一定程度上是价格问题,是如何普及的问题。现在我们看到,尽管Google Car是一款非常不错的Google Car,但正如Yu-Ling Technology的Wu Gansha所言,Google Car的实际商业化的巨大瓶颈在于价格问题:传感器太贵了。所以要做到这一点是一个鸡蛋和鸡蛋的问题 - 降低需求的价格,但如何量的上涨?价格不涨的金额不来。解决这个问题需要一些时间。最后,还有很多机械问题。控制机械运动的算法,硬件运动后给出的反馈等,也需要机械部门的一些发展。总的来说,虽然我认为机器学习和深度学习在打破人类精确度方面做得非常好,但在上述领域需要一段时间的突破。但是这一天肯定会来,我们怎么知道我们会来?Google的雄心壮志我们知道Google最近重组了公司架构,把搜索和其他前沿子公司放在了控股公司Alphabet中。许多分析师表示,谷歌的搜索和其他业务为了优化其股价而与字母分开,其实这个言论是肤浅的,他们不明白一个真正雄心勃勃的公司在做什么。在一定程度上,Google已经因为谷歌已经逐渐形成了一套模式,可以叫GoogleBrain来进行搜索和广告业务,Google Brain其实就是机器学习的大脑,包括平台和专家,如果是搜索引擎,如果可以用在医学上,它可能是一个癌症诊断系统,它可以延续人类的生活和智能家电等不同的领域,所以Google的雄心是以机器学习为核心,然后用它解决非电脑非互联网领域的各种问题。当然,这还不是一个完整的平台,但Google会找到一些非常聪明的人进入这些领域。这个平台有一个平台,平台是不成形的。现在看来,Google这个模式也做了很多有意义的事情。所以,对于Google来说,我们绝不能低估它的能力,因为这家公司可能是未来推广最强大的人工智能平台。如何证明这是真的?从Jeff Dean最近的演讲中,我们可以看到Google内有多少项目正在使用深入学习。在Google内部广泛使用深度学习在Google内部广泛使用深度学习我们可以看到,从2012年到今天,Google在深度学习和广泛应用方面获得了快速发展。从这幅图中我们可以看到谷歌,现在人工智能中的AI是多么雄心勃勃。回到我原来的问题,我们是不是应该在正确的时间选择人工智能?如果我们相信Google是一群聪明的人,而且如果我们相信Google的深度学习逻辑,我们也相信人工智能的应用即将到来。深度学习挑战深度学习挑战深度学习挑战但是深度学习和机器学习也面临着很多挑战,下面是几个问题,刚才我提到的第一个问题是:目前还没有统一的平台,深入学习,现在人们所理解的是理解,不理解就是不理解。最近花了不少钱继续挖掘业内顶尖人才,给年轻人的年薪超过2亿元。这些人二十多岁。与此同时,博士博士。之后不久就毕业了。怎么会这么宝贵?其实这是由于两个原因。首先,进入公司后,这些人将会致力于健康,医疗,预防等各个领域的研究。他们虽然年薪200万美元,但两年后可能会在相关领域创造2亿美元的收入,所以这些人其实并不贵,对于Google来说也是非常划算的。第二个原因是Google雇佣了一个,Facebook将不得不少雇用一个,这不是一个玩笑,因为美国的三家大公司正在疯狂地挖掘AI,Google,Facebook和Microsoft,而且他们竞争激烈,同样具有吸引力第二是深度学习网络过大,需要大量的数据;第三,由于数据量大,计算速度慢,计算量大;第四点有点奇怪但是合理:机器不能说出用人类语言做事的动机和理由,即使机器训练做了很深的学习,人脸识别和语音识别也做了工作,但不能和人类一样,也不能说是怎么做的。虽然也有人在这方面做研究,但是今天如果一个领域不断需要告诉别人该做什么,需要向他人解释为什么,这个领域还是很难深入学习的。比如AlphaGo击败李世石,你要问AlphaGo为什么要走这个举动,这是不可能的。即使有这么多限制,我们仍然认为人工智能可以在很多领域快速应用,并且可以帮助企业创造竞争壁垒。人工智能如何帮助企业创造竞争壁垒?从以下四个方面来看:首先,如果你有垄断大数据,你会有很大的优势。关于数据的要点是,首先,垄断性大数据不是公开数据,不是抄袭的数据,也不是你购买的数据,因为你可以做竞争对手的工作。其次,没有标签的数据不会给你带来任何好处。同样,如果手动标签是手动标签,因为手动标签太慢,所以它不起作用。最好的数据是闭环数据,所谓的闭环数据就是当你申请和知道的时候你可以捕获数据根据数据的正确与否做出最终的决定,我们投资的面子++,与美图,阿里合作,在一定程度上形成了特别大的数据优势;其次,拥有庞大的数据库。重要的是,包括需要处理系统的支持,如何部署,以什么样的计算架构等等;第三,你想有一群对你了解的人,当没有平台的时候,你只能把他们扔进一群人,以便他们解决特别大的问题;第四,当你没有平台的时候怎么办?我们可以找到一群非常聪明的人,不断地调整算法 - 这当然构成了一个短期的竞争优势从长远来看,曾经是一个大型的人造智能ence平台出来,这个优势不存在。所以现在要做人工智能,抓住这个举措就显得尤为重要。如何快速商业化人工智能人工智能如何快速商业化人工智能如何快速商业化首先,不要用人工智能代替人。机器不必替代人,在很多情况下他只能帮助人。我说了很多工作会消失,但医生都会失业?当然不是,应该是创造大量机器人供其他人使用的最辉煌的医生。记者不再需要它?文章的深度仍然是需要的,但简单的零碎文本并不需要。所以这些工具在一定程度上是辅助的,而不是被取代的。其次,聪明地找到一个容错的用户界面。想到搜索引擎,搜索引擎的准确性其实很低,你想一想,当你去百度,Google搜索的时候,他们给出的第一个答案是你想要的情况?我猜不超过50%,但为什么我们说搜索引擎是聪明的,不是愚蠢的?第一个原因当然是因为它的知识渊博,第二个是因为它的界面做的很聪明:它为用户提供了很多的结果,而且只要用户可以找到他满意的那个,他认为搜索引擎是很好,因为没有它,用户可能找不到任何东西。这种类型的容错接口,即使其识别率很低,给你很多的结果,让你在一定的时间内得到满足,其实还是达到了一定的可用性。第三,让用户提供自然的大数据。 Siri被介绍的时候,很多人说:“这是一个玩具。”这是没有实际用处的,但是苹果依靠Siri来收集这么多人的真实声音并收集大量的数据,很多人用Siri作为一个有趣的工具,问是不是很无聊,比如“你是一个男人或者一个女人“,苹果深入分析这些无聊的问题,理解人们最常问的问题,然后考虑Siri是否可以优化,以便正常问题的答案能在一定程度上满足人们的需求。继续问,所以越来越多的问题,苹果将能够获得更多的数据。苹果的数据收集方法非常聪明,值得学习。当我们在一个语音对话中,我们都提出了非常严肃的问题,并在最后的分析中对它们进行分析。然而,固定的数以万计的句子从来没有出现过,取得的结果也不尽如人意。但是,以一种有趣的方式,您可以像“稻草船”一样“借”数以亿计的数据。即使这些数据不准确,无论如何,因为深度学习总的来说是非常聪明的,可以忽略那些不准确和不准确的东西。四是注重有限的领域。 Google很棒。它需要全天候无人驾驶。它想要打败所有的竞争对手。最后,还有一个Google离开了。这个项目是宏伟的,但没有必要?我不这么认为。其实我们可以先做有限的无人驾驶车辆领域,这样的产品先做,然后我们通过数据得到它,汲取教训,不断改进。想想一个无人驾驶的叉车。这台叉车是有价值的,因为它将叉车操作员替换为叉车;它在技术上较不具有挑战性,因为它知道从A到B的路线;它不上路,不需要担心政府的法律法规,也不需要考虑碰到人怎么办,是不是要停下来。 Google Car在高速公路上的表现比99%的人好,但遇到极端的情况,比如暴风雨的黑暗日子,而且它不知道该怎么做,从来没有见过这种情况。只有在这种情况下,我们才能把车停下来,但是在那个站呢?由于Google无法避免这种情况,为什么我们不首先考虑在受控环境下的商业驾驶项目?这也是一个值得考虑的问题。这并不意味着Google有错误的路线,但有两条路线可走。总结:人工智能的未来李开复:人工智能的未来李开复:人工智能的未来上图是我认为人工智能的蓝图,现在我们的创新工作室已经了解了这个领域,并可能发生顺序。大数据应用,现阶段我们已经看到很多互联网应用,商业自动化,商业自动化将在未来几年很快使用相关技术,从近期的资金中,造成用户数量最多,产生最有价值的领域可能是金融,医疗,教育,当然包括有大数据的任何行业。在感知上,今天的人脸识别,语音识别已经做得相当不错了,短期内我们对VR / AR并不太乐观,但是随着五,五年后的一段时间慢慢流行起来,它必须有一个非常大的数字另外,我们大胆预测,一个人工智能平台将在三到五年内出现,我们不认为家用机器人很快就会出现,理由是消费者期望最高的,现在的机器人技术不是够了,错误太多了,有时候看起来很傻,而且价格太贵,传感器不够灵敏。由于这些原因,我们在家庭机器人方面的投资仅限于儿童玩具或通信家用小工具,我认为这样的家庭应用程序是合理的,但是能够在家里帮助您清扫机器人出现,恐怕还是一个很长远的事情,任何一个行业都应该有经济的理由去投资这个领域,不断地对其技术进行迭代优化,然后进入下一阶段,所以机器人应该简单的工业,商业,最后传到家庭,所以今天国内有很多机器人过火的观点,而且我们也不赞成这种做法,用无人机,我们的意见是,虽然Google Car很棒,但还是需要一个因为要适应各种各样的路况,所以很长一段时间要经历应用阶段,我们认为在有限的环境下可以先推进无人驾驶,从长远来看,未来人工智能将彻底改变人类众生中的基因增加更多的价值,取代更多的人的工作,使许多目前的重复工作被取代,然后让人们去做人们应该做的事情。在短期内,人工智能也具有很大的商业价值,短期内在很多领域都会产生价值。清华大学李开复和姚开智院士李开复和清华大学瑶池研究所问答1:我刚刚听到人工智能的介绍,人工智能的确给我们带来了很多方便,我们的问题是,如果很多事儿都可以交给机器来完成,那么剩余的劳动力是否会催生另一个黄金产业,比如服务业等等李开复:?这个问题很好,我曾经写过一篇文章“如果十年之后有一半的人失业了,下面该发生什么”,讲过这个问题悲观的预测是,因为现在的95后,00后大部分成长在虚拟世界里,现实世界只是他们一个小小的补充,所以他们可能深陷其中而不能自拔了。反正人工智能让他们失业,也找不到工作,同时政府也可以养着他们,他们不需要工作,那么干脆每天带着虚眼镜起来就玩游戏,不思进取就好了。这个是我特别担心的,也是可能发生的。乐观的是上天让我们来到这个世界,本来就不是让我们来做中介,助理这类劳力的工作,我们被生为有感知,有大脑,应该是有更高的目标。那么,是不是上天让人工智能来到我们面前,就是让一批有思考能力的人帮人类找到一条新的出路,让我们每个人能够找到自己的更高目标,让一半失业的人找到他们的归宿,有自我实现的机会呢?我对年轻人的建议是做最有热情的事情,要不然机器肯定取代你,要做就要做顶尖最棒最有创意的事情,要不然你肯定会被取代问题二:您讲了很多前景中的事情,我们都觉得美好,但是在实现前景的道路上,最大的几个技术瓶颈在哪里在解决瓶颈的过程中,您看到的大公司解决这些瓶颈的方案是什么李开复:??最大的瓶颈就是人工智的平台。平台化会带来井喷的效应,但这个平台是什么我今天也无法描述。你可以看到的iOS的平台,安卓的平台等等,每一次都造成了井喷式的效应,所以平台化是必然的也是必须的对于无人驾驶和机器人方面,主要是感应器的价格等问题,一旦问题解决,这些领域也会发生井喷效应这些都需要聪明的大脑试着去解决问题三。:第一个问题,您刚才提到人工智能的黄金时代到来了,那么您能举一个到三个导致这种黄金时代到来的创新明星吗?第二个问题,当人工智能呼啸而来的时候,大家很快意识到人工智能第一个急需解决的问题是人,如果人类把持不住,可能人的时代就过去了李开复:今天有四位CEO,分别代表了芯片领域,金融领域,视觉识别领域和无人驾驶领域,这四个公司虽然目前领域不同,但在到达下一个阶段后,一定会做平台,一要扩张。任何一个领域都是先做一个切入的应用,做好了之后再扩大,变成一个平台,最终获利最多的就是那些有上下平台连接的公司。关于你的第二个问题,即人类将面临的下一个挑战问题,不是机器人占领了世界,我们被机器统治这样的问题虽然我不排除这些事情发生的可能性,但是我呼吁大家先要应对一个现实问题。 - 下一阶段50 %的人可能失业的问题。这可能是一个最大的问题,毕竟在过去的工业时代也好,信息时代也好,失业率从来没有这么高过,今天的政治经济体系也不能承担这么高的失业。率所以我觉得聪明的人应该赶快解决这个问题,这个问题可能十年后就要到来了,当这个问题解决完了之后,我们再去想下一个问题问题四:您讲到的人工智能在各个领域都会以极快的速度超过人的领域,但是它是不是只在某些领域做的更好,在某些人类没有开拓的领域,它有没有自我开拓的能力,根据已有的领域和问题,开拓新的领域?“奇点”真的出现,是不是就说明人工智能有跨领域思考学习的?能力李开复:从过去已经发生的事情来看,还不存在人工智能的自我开创,未来有没有可能,这其实是一个蛮有意思的话题我想即便是一些人类未曾进入的领域,只要你能把它量化,变成一个输入/输出,我觉得机器还是可以学成的。但是我也相信大部分人类的伟大创意都不是那么容易量化的。第二个关于奇点的问题,回到刚才讲的,机器学习并不知道它自己在干什么,它只是一个非常聪明的输入/输出而已。另外它没有自我意识。科幻小说和现实生活很大的差别是因为科幻小说里面的机器都有自我意识,所以我觉得,由于机器的自我意识和自我创造力,还有自我解释的行动能力,这三者都存在,奇点来临也就不是那么容易的事情。我相信在未来的一百年,这三点都有可能被克服,也会给人类带来机会和灾难,但是我们现在真正面临的问题还是50 IT时代网(关注微信公众号ITtime2000,常规推送,互动福利惊喜)所有原创文章,保留所有权利。 Genesis 100创业投资基金成立于2015年,领导硅谷,专注于TMT的早期项目投资。 LP来自政府,互联网IT,知名媒体公司和个人。创科100多家IT,通讯,互联网,知识产权等创投基金拥有自己独特的视角和丰富的资源。快速的决策,快速的投资是100个基金制造商最显着的特点。翡翠村有一个年轻的花咀,人们只是设定了一个目标,谁说呢一定要做啊。支持董小姐来自:董明珠:卖5000万块格力手机是目标,不一定要实现 - IT管理员不要告诉我李彦宏是百度老板,老板和公司是不一样的伊琦伊是罗宾莉自己的投资呢。 。 。来自:iQIYI将于2018年上半年召开IPO百度继续持股之后 - 锐利 - IT网络青春村翠花翠每天的信息已经暴露在这个智能时代,没有真正的隐私来自:有没有最安全的产品WIFI WPA2协议漏洞 - 清晰度 - IT时代有没有必要争取年轻的村翠翠什么全屏的战斗,一个手机是她最重要的配置,不要把马车从前:为了全屏和配置成千上万的机器真的需要抢购这个行程时髦吗?锐利 - IT网络