0
| 本文作者： 宗仁 | 2017-11-06 17:06 |
雷鋒網(wǎng)按：今天，在首屆“JDD-2017京東金融全球數(shù)據(jù)探索者大會(huì)”上午壓軸，京東集團(tuán)副總裁、AI平臺(tái)及研究部負(fù)責(zé)人周伯文和哥倫比亞大學(xué)客座教授，Graphen CEO林清詠、中科視托董事長(zhǎng)山世光、微軟亞洲研究院城市計(jì)算領(lǐng)域負(fù)責(zé)人鄭宇、IBM中國(guó)研究院研究總監(jiān)蘇中、360人工智能研究院院長(zhǎng)顏水成進(jìn)行了《探尋數(shù)據(jù)產(chǎn)業(yè)與AI發(fā)展之道》的精彩圓桌論壇，雷鋒網(wǎng)編輯如下。
（雷鋒網(wǎng)注：從左至右依次是周伯文、林清詠、山世光、鄭宇、蘇中、顏水成）
周伯文：首先，我們想來(lái)一個(gè)比較open的開(kāi)放討論，大家知道人工智能在今年非常熱，也有來(lái)自與理論上，技術(shù)上最前沿的發(fā)展，像深度學(xué)習(xí)和大數(shù)據(jù)的資源以史無(wú)前例的速度進(jìn)入了很多的行業(yè)。我想在座的都是研究人工智能的學(xué)術(shù)界和企業(yè)界的杰出人士。所以我想回到學(xué)術(shù)和技術(shù)本身，討論一下從你們的角度來(lái)看
我們目前的人工智能的現(xiàn)狀和不足是什么？
第二點(diǎn)是接下來(lái)的五到十年在技術(shù)上最優(yōu)可能的突破在什么地方？
第三點(diǎn)是把問(wèn)題回到金融行業(yè)來(lái)，有這些預(yù)期的發(fā)展和突破，在未來(lái)五到十年包括現(xiàn)在的現(xiàn)狀，金融方面我們?nèi)斯ぶ悄芫薮蟮臋C(jī)會(huì)是什么？
這三個(gè)問(wèn)題可以在您的發(fā)言中選擇性的回答也可以回答所有的。從我右邊的年輕的教授開(kāi)始，他也是我以前的老同事。
林清詠：謝謝伯文，我在哥倫比亞大學(xué)已經(jīng)教了13年書(shū)了，我后來(lái)開(kāi)始聚焦金融方面，過(guò)去兩年前一直和全球的大佬們討論AI和金融的關(guān)系，去年十月份的我去歐洲的一家銀行，然后又給美國(guó)中央銀行的年會(huì)，談AI在金融方面的應(yīng)用。IBM和全世界各大銀行的CEO和總裁都去討論什么是他們最痛的地方，常常討論完了以后回來(lái)丟給我們的團(tuán)隊(duì)做，所以過(guò)去兩年間累積了很多的經(jīng)驗(yàn)。實(shí)際上在美國(guó)，或者是說(shuō)全世界，大家都在將AI與金融結(jié)合。尤其是在華爾街的話，其實(shí)各個(gè)公司彼此都在競(jìng)爭(zhēng)。軍備競(jìng)賽就是在AI方面的競(jìng)賽。所以其實(shí)這就是現(xiàn)在的趨勢(shì)，等一下我們可以再聊怎么做。我們?cè)阢y行實(shí)踐，一個(gè)禮拜到兩個(gè)禮拜就可以取代以前人做的事情，接下來(lái)兩個(gè)月時(shí)間把AI帶進(jìn)去以后可以做到他們以前沒(méi)有辦法想象，沒(méi)有辦法做到的東西，所以說(shuō)在這個(gè)領(lǐng)域非常的活躍，所以我們決定自己出來(lái)，把這個(gè)機(jī)會(huì)擴(kuò)張，也盡量的回到國(guó)內(nèi)跟大家一起互動(dòng)，跟國(guó)內(nèi)的銀行界和金融界有更多的關(guān)聯(lián)。
周伯文：謝謝林清詠教授，下面山世光研究員有什么看法？
山世光：非常高興今天有機(jī)會(huì)跟各位討論一下關(guān)于AI在金融領(lǐng)域的應(yīng)用，剛才周總的問(wèn)題，我想我重點(diǎn)的談一下自己對(duì)于AI這個(gè)領(lǐng)域的現(xiàn)狀以及存在的問(wèn)題。因?yàn)槲易约罕尘笆亲鰣D像識(shí)別領(lǐng)域的，有大概20年的時(shí)間，可能最激動(dòng)人心的時(shí)間真的是發(fā)生在了過(guò)去的兩三年時(shí)間里。在這兩三年時(shí)間里，得益于深度學(xué)習(xí)和我們能夠擁有的大數(shù)據(jù)量，以及大規(guī)模的高性能計(jì)算的獲得，使得我們?cè)诩夹g(shù)上有了非常大的進(jìn)步。具體來(lái)說(shuō)，一個(gè)簡(jiǎn)單的例子是我們?cè)诮鹑陲L(fēng)控里面非常大量的采用人臉識(shí)別的技術(shù)，人臉識(shí)別技術(shù)在過(guò)去的三四年時(shí)間里，可以說(shuō)在某些特定的場(chǎng)景下，它的準(zhǔn)確率，或者是說(shuō)我們反過(guò)來(lái)來(lái)講它的錯(cuò)誤率，其實(shí)有了我認(rèn)為兩到三個(gè)數(shù)量級(jí)的下降。也就是說(shuō)我們過(guò)去可能會(huì)存在，像四年前五年前的時(shí)候我們的錯(cuò)誤率會(huì)在1%這個(gè)量級(jí)。那么現(xiàn)在很多的運(yùn)營(yíng)商都是萬(wàn)分之一，甚至十萬(wàn)分之一這樣的錯(cuò)誤率的量級(jí)，可見(jiàn)，深度學(xué)習(xí)，大數(shù)據(jù)和高性能的計(jì)算給我們帶來(lái)了一個(gè)巨大的進(jìn)步。當(dāng)然，這是一個(gè)例子，這是正面的例子。反過(guò)來(lái)講的話，以目前這樣一個(gè)大數(shù)據(jù)加上深度學(xué)習(xí)這樣一個(gè)技術(shù)的組合使得我們有這樣一個(gè)大進(jìn)步，很多其他的領(lǐng)域還沒(méi)有像我們想象的，或者是說(shuō)公眾所期待的，所盼望的大進(jìn)步，特別是在一些數(shù)據(jù)量不是那么容易獲得的場(chǎng)景下，AI的技術(shù)是比較小的，我們對(duì)比人做AI的智慧和智能的時(shí)候，我們很多時(shí)候不需要人做大量的數(shù)據(jù)，也可以非常快速的獲得以圖象識(shí)別為例去做固體的識(shí)別，一個(gè)簡(jiǎn)單的例子，小孩兒扔蘋(píng)果，從來(lái)不會(huì)有哪一個(gè)家長(zhǎng)給小孩兒一千個(gè)蘋(píng)果扔，可能幾個(gè)例子就好了。從這里來(lái)說(shuō)的話，我們AI從方法論的角度來(lái)講的話，我們還需要大量的利用，也許是利用我們數(shù)千年來(lái)積累下來(lái)的知識(shí)，再配合某種意義的小數(shù)據(jù)，知識(shí)加上小數(shù)據(jù)和推理等方法才有可能會(huì)有更大的進(jìn)步。尤其是涉及到因果推理，即便是數(shù)據(jù)量非常大，從一個(gè)結(jié)果推導(dǎo)出什么原因產(chǎn)生這樣一個(gè)結(jié)果，應(yīng)該說(shuō)現(xiàn)在的這種因果推理方面沒(méi)有非常大的進(jìn)步。我想我們可以一會(huì)兒做更多的討論，我先介紹這些，謝謝。
周伯文：是的，小樣本學(xué)習(xí)和機(jī)器學(xué)習(xí)人工智能可檢示性是接下來(lái)的熱點(diǎn)和難題，我們看到了很好的進(jìn)程，下面請(qǐng)你分享一下你的想法。
鄭宇：我叫鄭宇，來(lái)自于微軟研究院，負(fù)責(zé)城市計(jì)算各領(lǐng)域的研發(fā)工作，通俗來(lái)講微軟做城市相關(guān)的技術(shù)，由我們組來(lái)負(fù)責(zé)，用大數(shù)據(jù)解決城市里面的交通、環(huán)境、規(guī)劃、商業(yè)問(wèn)題，最主要的例子是全世界三百多個(gè)城市的空氣質(zhì)量的分析和預(yù)測(cè)是我們組來(lái)完成的。我分享三個(gè)觀點(diǎn)。第一個(gè)是AI的機(jī)會(huì)其實(shí)不在傳統(tǒng)的IT行業(yè)，而是在和傳統(tǒng)行業(yè)的結(jié)合，也就是說(shuō)我們把AI和什么加在一起，加上交通、規(guī)劃、金融等爆發(fā)的力量比傳統(tǒng)互聯(lián)網(wǎng)行業(yè)里面發(fā)揮的作用會(huì)更加的龐大，所以第一個(gè)觀點(diǎn)，AI在傳統(tǒng)行業(yè)里面加什么，擁抱傳統(tǒng)行業(yè)和傳統(tǒng)行業(yè)的知識(shí)結(jié)合。第二點(diǎn)是如果AI和金融結(jié)合的話，我們一定從一手高價(jià)值數(shù)據(jù)里面發(fā)現(xiàn)商業(yè)機(jī)會(huì)，很多年前大家做這個(gè)人工智能和大數(shù)據(jù)應(yīng)用金融行業(yè)都會(huì)分析股票和期貨，可是股票和期貨的數(shù)據(jù)已經(jīng)是三手?jǐn)?shù)據(jù)，是別人經(jīng)過(guò)多年沉淀以后的結(jié)果，真正的一手?jǐn)?shù)據(jù)是我們現(xiàn)實(shí)生活中的周邊也好，手機(jī)信號(hào)也好，記錄也好，如何把一手信息進(jìn)行有效的融合，這是在商業(yè)里面通過(guò)的一個(gè)制高點(diǎn)，而這里面需要大數(shù)據(jù)的融合技術(shù)，其實(shí)這個(gè)技術(shù)比較欠缺。第三點(diǎn)，真正AI遇到的瓶頸在哪里，我們覺(jué)得技術(shù)本身不是大問(wèn)題，我們這幫科學(xué)家，未來(lái)這么多人傳承接待總會(huì)做出來(lái)，但是人才的培養(yǎng)是一大困難。現(xiàn)在數(shù)據(jù)分析師不太難找，什么是數(shù)據(jù)分析師呢，他會(huì)用一些工具，你給他明確的數(shù)據(jù)和問(wèn)題，他給你算一些結(jié)果出來(lái)，告訴你這個(gè)報(bào)表。但是真正的數(shù)據(jù)科學(xué)家能夠把傳統(tǒng)問(wèn)題和人工智能算法對(duì)接，最后落地形成閉環(huán)的人其實(shí)非常少。我們做了很多年，感覺(jué)培養(yǎng)這樣的學(xué)生非常困難，這種學(xué)生不是讀五年書(shū)就會(huì)學(xué)會(huì)的，還需要各種實(shí)戰(zhàn)和個(gè)人的感悟。根據(jù)我個(gè)人經(jīng)驗(yàn)判斷，培養(yǎng)這樣一個(gè)真正意義的數(shù)據(jù)科學(xué)家可能需要七到十年，未來(lái)可以想想怎么樣在人才培養(yǎng)的機(jī)制上做突破，如果沒(méi)有這么多人才，說(shuō)得再多，最后也很難真正落地，所以我就是這三個(gè)觀點(diǎn)。
周伯文：非常好，您的主要觀點(diǎn)又懂AI，又懂具體業(yè)務(wù)場(chǎng)景的交叉結(jié)合是一個(gè)有很大需求的領(lǐng)域。所以跟在座的年輕的職業(yè)選擇提供很好的建議。
鄭宇：鼓勵(lì)大家成為數(shù)據(jù)科學(xué)家。
周伯文：當(dāng)AI技術(shù)越來(lái)越強(qiáng)的時(shí)候?qū)I場(chǎng)景的定制化依賴(lài)是不是會(huì)減少，這個(gè)門(mén)檻隨著AI技術(shù)的提高對(duì)應(yīng)用場(chǎng)景的降低，這個(gè)你怎么看。
鄭宇：這是一個(gè)非常好的觀點(diǎn)，為什么難就難在這里，我們懂?dāng)?shù)據(jù)科學(xué)的人對(duì)行業(yè)未必了解，對(duì)行業(yè)了解的時(shí)候，切入到另外一個(gè)場(chǎng)景又有很多新問(wèn)題，需要快速的學(xué)習(xí)能力和提煉的能力，和需要已有的金融行業(yè)里面別人做的，做了什么工作，為什么好，為什么不好，如果東西只是比別人的結(jié)果好，別人不見(jiàn)得買(mǎi)你的賬，知道別的結(jié)果和方法以后，用別人的語(yǔ)言去和別人溝通，這個(gè)東西是相互促進(jìn)的過(guò)程，我們要擁抱傳統(tǒng)行業(yè)，傳統(tǒng)行業(yè)也要接近我們的科學(xué)，最后達(dá)到一個(gè)契合點(diǎn)。我們對(duì)我們自己的要求一定要提高，再提高。雖然我們是做研究的，但是要努力跨出去和企業(yè)合作，去擁抱傳統(tǒng)行業(yè)，AI不是去替換任何一個(gè)傳統(tǒng)行業(yè)，一定要擁抱一個(gè)傳統(tǒng)行業(yè)，AI可以幫助我們降低對(duì)傳統(tǒng)行業(yè)的知識(shí)和門(mén)檻，但是不代表說(shuō)你不需要傳統(tǒng)行業(yè)的金融知識(shí)。所以這是雙方的一個(gè)結(jié)合。
周伯文：謝謝。下面我們有請(qǐng)?zhí)K中講講您的想法。
蘇中：很高興見(jiàn)到伯文和林清詠，都是我以前的同事，今天的話題是AI，周伯文給了三個(gè)話題，一個(gè)是AI的現(xiàn)狀，剛剛講得特別好，AI在這一輪里迎來(lái)了很好的機(jī)會(huì)，我們?cè)诖髷?shù)據(jù)的基礎(chǔ)說(shuō)有了很多的在數(shù)據(jù)上的訓(xùn)練的算法，在圖像和語(yǔ)音和自然語(yǔ)言方面有很大的突破，我們從這個(gè)角度來(lái)講，是在吸收大數(shù)據(jù)的紅利，因?yàn)楝F(xiàn)在的計(jì)算的資源，尤其是存儲(chǔ)和網(wǎng)絡(luò)成本越來(lái)越低，我相信這個(gè)上面仍然有很大的空間要去提高。第二點(diǎn)就是說(shuō)現(xiàn)在來(lái)看大數(shù)據(jù)，或者是說(shuō)AI上面的挑戰(zhàn)，我想剛剛雖然高老師說(shuō)自然語(yǔ)言的理解或者是說(shuō)人機(jī)交互已經(jīng)是AI做得很好的一個(gè)方向了，我相信這個(gè)方向仍然有很大的余地或者是很遠(yuǎn)的路要走，原因是說(shuō)在很多的時(shí)候，我們希望這個(gè)機(jī)器有智能的?，F(xiàn)在大數(shù)據(jù)的智能，就像剛剛我們舉的例子，給他一百萬(wàn)個(gè)蘋(píng)果，讓他識(shí)別，給他很多的東西。但是最終的結(jié)果是說(shuō)它需要和人做自由的交互。那么語(yǔ)言，包括人的語(yǔ)言和書(shū)面的和各種各樣的交流，其實(shí)是非常非常復(fù)雜的。這個(gè)里面，如果我們做得更好，我相信這是可能真正的一種強(qiáng)硬它的方式，就是說(shuō)這個(gè)機(jī)器可以更好的理解人，可以跟人交互，從人的交互中，不光可以帶來(lái)價(jià)值，同時(shí)也給我們心理上各方面帶來(lái)很多的好處。我想這個(gè)方面應(yīng)該有很長(zhǎng)的路要走。最后從技術(shù)角度來(lái)講的話，因?yàn)槲乙彩亲鲎匀徽Z(yǔ)言理解的，我覺(jué)得在這個(gè)方向上，我們其實(shí)有很多的機(jī)會(huì)可走，一個(gè)很重要的點(diǎn)是如何把結(jié)構(gòu)化的知識(shí)和非結(jié)構(gòu)化的內(nèi)容能夠結(jié)合起來(lái)，比如說(shuō)我們看法律行業(yè)的工作，機(jī)器人算法能夠更好的讀懂論文和合同，以及法律文檔。事實(shí)上你會(huì)發(fā)現(xiàn)行業(yè)里面已經(jīng)定義了很好的數(shù)據(jù)描述，我們能夠看到很好的數(shù)據(jù)之間參考，我們?nèi)绾伟熏F(xiàn)實(shí)中海量數(shù)據(jù)，以及包括人在上面的行為數(shù)據(jù)和知識(shí)體系能夠結(jié)合起來(lái)，讓互相之間能夠促進(jìn)，讓結(jié)構(gòu)化和非結(jié)構(gòu)化的知識(shí)能夠進(jìn)行一個(gè)很好的結(jié)合。
周伯文：非常好，您提到一個(gè)觀點(diǎn)我非常贊同，可能也是我本人的研究背景決定的，您提到自然語(yǔ)言的理解對(duì)人工智能的交互很重要，因?yàn)槲乙彩沁@么理解的，我們?nèi)祟?lèi)作為一個(gè)物種，人類(lèi)的智慧和人類(lèi)語(yǔ)言的能力基本上同步進(jìn)化的。我想人工智能要發(fā)展到一個(gè)更好的階段，對(duì)人類(lèi)語(yǔ)言的深刻理解是一個(gè)不可逾越的門(mén)檻，也是下一個(gè)很有希望突破的領(lǐng)域。謝謝。我們下面有請(qǐng)顏總發(fā)表您的看法。
顏水成：好的，謝謝周伯文，我叫顏水成，其實(shí)我原來(lái)在學(xué)術(shù)界做了七八年，一個(gè)偶然的機(jī)會(huì)去國(guó)內(nèi)的一家電子的商務(wù)平臺(tái)公司幫助他們孵化了一個(gè)產(chǎn)品，就是你拍照，然后可以到平臺(tái)上搜索你的衣服。這個(gè)公司很有意思，做這個(gè)產(chǎn)品的時(shí)候，有一個(gè)非常龐大的團(tuán)隊(duì)，很快做出來(lái)了。后來(lái)意識(shí)到在學(xué)校里面做AI的話，在工業(yè)界里面有它非常強(qiáng)的，非常好的產(chǎn)品，恰好360有一個(gè)機(jī)會(huì)，希望組建人工智能的一個(gè)研究院，后來(lái)加入了奇虎360，后來(lái)就正式變成了工業(yè)界的人士。對(duì)于人工智能的話，在過(guò)去這些年的發(fā)展，AI太大了，我覺(jué)得可能縮小一點(diǎn)來(lái)說(shuō)——深度學(xué)習(xí)。深度學(xué)習(xí)在很多的公司來(lái)說(shuō)是它當(dāng)前的主要的驅(qū)動(dòng)力，那么從這個(gè)深度學(xué)習(xí)的事情來(lái)說(shuō)的話，我覺(jué)得當(dāng)前的一種形式是說(shuō)如果是在單模態(tài)的一個(gè)垂直場(chǎng)景的話，我覺(jué)得通過(guò)與工程師一起合力的話，落地和成功變得越來(lái)越清晰，如果我們跨過(guò)這個(gè)數(shù)據(jù)，要想在一個(gè)更通用的場(chǎng)景，現(xiàn)在的屏障是非常大的。
在將來(lái)的五到十年里，我覺(jué)得從深度學(xué)習(xí)的角度來(lái)說(shuō)，在理論層面的話，就像今天高院士提到了一個(gè)行為主義，就是說(shuō)我們可能需要像深度學(xué)習(xí)里面的，其實(shí)還是深度學(xué)習(xí)，但是把行為主義的思想用進(jìn)來(lái)的話，這個(gè)模型的結(jié)構(gòu)應(yīng)該是在你的學(xué)習(xí)過(guò)程中是動(dòng)態(tài)的更新，最后的話，會(huì)根據(jù)你的應(yīng)用需要而智能的訓(xùn)練出它的形態(tài)，也就是說(shuō)深度學(xué)習(xí)會(huì)從傳統(tǒng)的特征學(xué)習(xí)和分類(lèi)器學(xué)習(xí)，變成結(jié)構(gòu)學(xué)習(xí)和特征學(xué)習(xí)，分類(lèi)器學(xué)習(xí)合在一起來(lái)做，這是一方面，另外一個(gè)方面可能會(huì)有更好的優(yōu)化的算法會(huì)迭出，讓我們學(xué)術(shù)界或者是工業(yè)界可以在更短的時(shí)間內(nèi)獲得你希望得到的結(jié)果。我最近有一些反思，應(yīng)用層面在技術(shù)角度來(lái)說(shuō)是圖像、語(yǔ)音、語(yǔ)意和大數(shù)據(jù)，大數(shù)據(jù)區(qū)分前面幾個(gè)場(chǎng)景的特點(diǎn)是我們認(rèn)為數(shù)據(jù)是表現(xiàn)出幾個(gè)向量，有幾句話的信息，不像語(yǔ)意和語(yǔ)音，我認(rèn)為未來(lái)幾年語(yǔ)義領(lǐng)域和語(yǔ)音的領(lǐng)域會(huì)越來(lái)越成熟，原因是幾個(gè)方面，一個(gè)方面是市場(chǎng)上圖像人才的量比較充分的，而且高校里面只看教授的話，有非常多的圖像的團(tuán)隊(duì)，但是另外一個(gè)方面的話，其實(shí)還有兩點(diǎn)，大家思考的不是特別多的，一個(gè)是說(shuō)其實(shí)圖像和大數(shù)據(jù)有一點(diǎn)不一樣的地方是，當(dāng)然都在用一些共性的數(shù)據(jù)，其實(shí)大家的數(shù)據(jù)差不多一樣，沒(méi)有自己獨(dú)特的數(shù)據(jù)。這樣的話比如說(shuō)國(guó)家層面說(shuō)要建立一個(gè)龐大的圖像的庫(kù)，即我要建立起一個(gè)龐大的語(yǔ)音庫(kù)，這個(gè)庫(kù)可以支持所有的圖像和語(yǔ)音的公司。這是一個(gè)方面，從這個(gè)層面來(lái)說(shuō)的話，可能經(jīng)過(guò)一段時(shí)間之后，在圖像和語(yǔ)音領(lǐng)域的話，這些公司就比較難以建立這個(gè)數(shù)據(jù)的壁壘，沒(méi)有私有數(shù)據(jù)，其實(shí)大家都是一些共性或者是少量的個(gè)性化的數(shù)據(jù)。
另外一個(gè)方面是說(shuō)其實(shí)圖像和語(yǔ)音的應(yīng)用也有它的特點(diǎn)就是---它沒(méi)有應(yīng)用的差異性，什么意思？你做一個(gè)模型之后的話，如果這個(gè)公司像沙老師的公司做得特別好，可能會(huì)支持中國(guó)的半壁江山都是可以的，沒(méi)有問(wèn)題。就是說(shuō)從這個(gè)角度來(lái)說(shuō)，圖像和語(yǔ)音的話，可能在五到十年之后，會(huì)變得無(wú)論是人才還是應(yīng)用級(jí)的話，會(huì)越來(lái)越成熟，甚至是在手機(jī)上變成平臺(tái)級(jí)的廠商就可以做了，比如說(shuō)蘋(píng)果會(huì)把它自己的圖像和自己的能力嵌入到他的手機(jī)里面，比如說(shuō)像中國(guó)的華為和小米也很可能自己會(huì)有這種能力在里面。那么，大數(shù)據(jù)領(lǐng)域會(huì)是在后面的五到十年可以越來(lái)越hot，可以越來(lái)越吸引人才。也可以從兩個(gè)維度來(lái)分析，一個(gè)方面是說(shuō)大數(shù)據(jù)的方向的話，其實(shí)有它天然的數(shù)據(jù)壁壘，金融積累了很多的數(shù)據(jù)， 360也有一些私有數(shù)據(jù)是大數(shù)據(jù)方面的，不會(huì)分享給私有公司，這樣的話沒(méi)有辦法建立起數(shù)據(jù)集，每家公司有獨(dú)特的大數(shù)據(jù)，比較容易建立起大數(shù)據(jù)的壁壘。另外同樣擁有私有數(shù)據(jù)，像用戶(hù)行為的數(shù)據(jù)，就比較容易產(chǎn)生一種效果，就是說(shuō)公司會(huì)有這個(gè)應(yīng)用的差異性，如同樣是做金融，京東的用戶(hù)行為數(shù)據(jù)是不一樣的，你需要有你的人來(lái)做這件事，你的模型拿到另外一家公司不是馬上就可以用的。這個(gè)層面來(lái)說(shuō)人工智能經(jīng)過(guò)五到十年的發(fā)展之后的話，圖像和語(yǔ)音領(lǐng)域會(huì)越來(lái)越成熟，人才也會(huì)越來(lái)越完備。但是具體的大數(shù)據(jù)的領(lǐng)域的話，對(duì)于人才的需求和行業(yè)的發(fā)展?jié)摿?，我覺(jué)得會(huì)越來(lái)越大。會(huì)涌現(xiàn)越來(lái)越多的公司。我就分享這些。
周伯文：謝謝大家，大家都是行業(yè)內(nèi)的專(zhuān)家，所以對(duì)于這個(gè)話題我知道你們都非常的有感觸，如果我不限制時(shí)間你們可以一直講下去，我覺(jué)得聽(tīng)得很過(guò)癮，但是還覺(jué)得不夠過(guò)癮，為什么？因?yàn)槟銈冞€沒(méi)有講到具體的跟金融結(jié)合方面的想法。所以我來(lái)推動(dòng)一下。
我們都知道金融行業(yè)里面風(fēng)險(xiǎn)控制可以說(shuō)是一個(gè)永恒的話題?？梢灾v整個(gè)金融是風(fēng)險(xiǎn)控制的一個(gè)主題。從人工智能，大數(shù)據(jù)的角度來(lái)講，過(guò)去的幾年中，包括我們京東金融在內(nèi)做了很多的非常好的，關(guān)于這個(gè)貸前風(fēng)險(xiǎn)預(yù)估的模型的工作，用大數(shù)據(jù)和人工智能可以不用跟人見(jiàn)面就能很好的評(píng)估這些風(fēng)險(xiǎn)。今天換一個(gè)方向，我們貸后的風(fēng)險(xiǎn)，用人工智能和大數(shù)據(jù)能夠做一些什么樣的工作。比如說(shuō)我們貸款貸出去給某一個(gè)客戶(hù)了，我們發(fā)現(xiàn)他失聯(lián)了，找不到了。這種情況下目前人工智能和大數(shù)據(jù)能給我們帶來(lái)什么樣的啟發(fā)和思路，也請(qǐng)大家對(duì)這個(gè)具體問(wèn)題發(fā)表一下意見(jiàn)。有沒(méi)有哪一位嘉賓自告奮勇，可以從林教授開(kāi)始，我知道你在這個(gè)方面研究很多。
林清詠：金融界里面的貸款問(wèn)題，尤其是貸后，這是一個(gè)蠻大的事情，去年單單是第一季度的工商銀行的不良貸款，就達(dá)到了2000億個(gè)人民幣，這是一個(gè)季度很大的虧損，雖然是全世界第一大行，但是也沒(méi)有辦法經(jīng)得起這樣的虧損，所以貸后的問(wèn)題，如何去預(yù)測(cè)一個(gè)企業(yè)會(huì)不會(huì)出狀況，這是全世界銀行都關(guān)心的問(wèn)題，因?yàn)殂y行之所以賺錢(qián)就是因?yàn)橘J款，他們要賭，要知道風(fēng)險(xiǎn)，這是一個(gè)相當(dāng)嚴(yán)重的問(wèn)題。那么，我們?nèi)ツ陮?shí)際上就是我的團(tuán)隊(duì)從紐約到北京和上海，針對(duì)國(guó)內(nèi)的數(shù)據(jù)來(lái)做這樣的預(yù)測(cè)?；旧衔覀兙桶l(fā)現(xiàn)以我們AI的能力，或者是說(shuō)以前我的團(tuán)隊(duì)是美國(guó)政府資助我們幾個(gè)億的資金建立一個(gè)像腦這樣的系統(tǒng)，包括不僅是深度學(xué)習(xí)，還有理解和剛剛托馬斯·桑德霍姆講的訓(xùn)練能力等。我們根據(jù)這樣的整個(gè)全部腦的功能的系統(tǒng)，把它帶過(guò)來(lái)，帶過(guò)來(lái)的話基本上可以把這個(gè)貸后的不良貸款預(yù)測(cè)，可以把原來(lái)不到20%的準(zhǔn)確率提升到大概接近60%。我們可以看到AI還有很多的問(wèn)題是金融界關(guān)心的。比如說(shuō)證券業(yè)，還有國(guó)家最關(guān)心的洗錢(qián)問(wèn)題，因?yàn)橄村X(qián)關(guān)注到國(guó)家安全，以及他們知道怎么樣躲監(jiān)管等等。另外就是說(shuō)在大概兩年前，像摩根、大通銀行最關(guān)心的問(wèn)題是交易員操作的問(wèn)題，你怎么樣去測(cè)，怎么樣去抓里面交易員在想辦法放假消息或者是想辦法操作別人，希望在操作市場(chǎng)中牟利。然后我的團(tuán)隊(duì)兩年前就幫助IBM開(kāi)發(fā)了這個(gè)金融方面的AI產(chǎn)品，想辦法監(jiān)測(cè)交易員如何監(jiān)測(cè)市場(chǎng)，看他們做什么行為。實(shí)際上這也是一個(gè)大數(shù)據(jù)的問(wèn)題，這個(gè)大數(shù)據(jù)就是說(shuō)如何在這么多的行為里面從他們的交易行為和通訊，因?yàn)榻灰讍T本身就有一些網(wǎng)絡(luò)之間的消息，可以看到他們散步消息講一些什么，你可以大概知道這些事。所以實(shí)際上有相當(dāng)大的空間在做。
我也知道鼓勵(lì)，就是說(shuō)事實(shí)上在金融界有兩類(lèi)人，有一類(lèi)人是你跟銀行方面的問(wèn)題，另外是跟證券和股票市場(chǎng)方面的問(wèn)題。事實(shí)上，我們發(fā)現(xiàn)說(shuō)第二類(lèi)的問(wèn)題的話，其實(shí)進(jìn)度障礙比較小，因?yàn)槲乙郧霸谘芯康臅r(shí)候，跟各行各業(yè)的做AI，跟各行各業(yè)做AI的最大痛苦是他們?cè)敢獠辉敢獍雁y行（方面的資料）給你，愿意不愿意討論他們的難點(diǎn)。所以，那個(gè)過(guò)程上都要花好幾年的時(shí)間，并不一定能夠得到雙方都愿意這樣做。但是如果去做，把AI應(yīng)用在這個(gè)股票市場(chǎng)的話，實(shí)際上因?yàn)榇蠹业母?jìng)爭(zhēng)也是公平的，所以其實(shí)這個(gè)進(jìn)度障礙稍微少一點(diǎn)，不用去依賴(lài)已經(jīng)成熟的大企業(yè)，其實(shí)這是一個(gè)蠻好的方向。其實(shí)就是說(shuō)，有一點(diǎn)我想鼓勵(lì)大家的是基本上我們討論AI的話，有一點(diǎn)我觀察到了，是不是有開(kāi)創(chuàng)性的東西，大家有嘗試去做，我看到很多大家去做AI就是跟著后面走。就是說(shuō)他有什么東西，你就拿來(lái)用，然后有多少人是耐著性子想辦法把AI再往前進(jìn)，從最底層起，那么我覺(jué)得如果你真的要解一些很難的問(wèn)題，你要開(kāi)始去看看人家還沒(méi)有去看過(guò)的，這樣的話你才能有突破，這個(gè)方面非常緊缺。另外AI方面的人才也是很多，如果你真的能夠做到這樣的話，就必須差不多在我的團(tuán)隊(duì)，如果沒(méi)有七到十年的經(jīng)驗(yàn)怎么去解析這個(gè)問(wèn)題的話，很多時(shí)候根本做不到，這真的是全世界在這個(gè)方面的人才缺得蠻兇的。我們哥倫比亞大學(xué)其實(shí)很努力的培養(yǎng)這樣的人才，但是就是說(shuō)就很不積極這樣的。所以其實(shí)是鼓勵(lì)往這個(gè)方面去做。真的是機(jī)會(huì)相當(dāng)多，然后在中國(guó)做的經(jīng)驗(yàn)向全世界拓展，其實(shí)是一個(gè)蠻好的機(jī)會(huì)。
周伯文：謝謝，我相信山世光你在視頻方面的積累有很多的想法，你可以不僅僅談視頻，可以幫我們?cè)趺礃釉u(píng)估貸后的風(fēng)險(xiǎn)，如何找到失蹤的人，你有什么好想法和建議。
山世光：我確認(rèn)一下是投后的管控，特別是有一些失聯(lián)的情況，是吧？我覺(jué)得兩個(gè)方面，當(dāng)然這個(gè)貸前的風(fēng)控也許更重要，確實(shí)對(duì)于貸后的失聯(lián)，我覺(jué)得這個(gè)會(huì)有兩個(gè)方面，一個(gè)方面是說(shuō)我們的政策以及我們國(guó)家政策和法律，以及我們的誠(chéng)信體系的建立，我相信會(huì)使得這個(gè)世界失聯(lián)的人越來(lái)越少，因?yàn)槭?lián)以后帶來(lái)的成本會(huì)很巨大。另外技術(shù)上有了越來(lái)越多的可能性把所謂失聯(lián)的人通過(guò)人肉搜索也好，什么也好，找出來(lái)，現(xiàn)在我們?nèi)祟?lèi)生活在這個(gè)社會(huì)上你只要上網(wǎng)，出現(xiàn)在公共場(chǎng)所，和朋友聯(lián)系等等都會(huì)留下痕跡，都會(huì)有各種各樣的線索會(huì)被留下來(lái)。
所以以具體的人臉識(shí)別為例，除了在金融領(lǐng)域里面有非常成功的應(yīng)用之外，像人臉識(shí)別這樣的一些技術(shù)，在公共安全的領(lǐng)域去實(shí)現(xiàn)一個(gè)公共場(chǎng)所的人員搜索的技術(shù)現(xiàn)在也逐步走上成熟，離我們最終期望的每一個(gè)壞人在公共場(chǎng)所里面出現(xiàn)就能夠抓住的話有很遠(yuǎn)的距離。但是隨著我們國(guó)家在各種場(chǎng)所安裝的攝像機(jī)的密度和他的精度的不斷提高，再加上技術(shù)的進(jìn)步的話，無(wú)論是在網(wǎng)吧還是公共場(chǎng)所，甚至是說(shuō)在一些只要能夠有這種攝像的環(huán)境下出現(xiàn)的時(shí)候，都有非常大的概率會(huì)被這樣的系統(tǒng)找到，當(dāng)然了，我不知道金融系統(tǒng)是不是說(shuō)也許假設(shè)5%的壞賬，5%的失聯(lián)人，是不是都值得報(bào)案由公安系統(tǒng)來(lái)做這件事，未必。但是確實(shí)會(huì)有很多的漏掉的，因?yàn)槲覀儑?guó)家除了在逃人員之外，其實(shí)還有很多其它的黑名單，有很多的場(chǎng)合是可以去監(jiān)控的，我想我主要是從這個(gè)角度來(lái)說(shuō)，你失聯(lián)的成本會(huì)特別高，所以的話，未來(lái)我相信很快會(huì)，大部分的人會(huì)意識(shí)到這樣一點(diǎn)，然后很快會(huì)回歸到正常的金融秩序上來(lái)。
鄭宇：我們和金融公司溝通之后我覺(jué)得他們做的很遠(yuǎn)，后來(lái)發(fā)現(xiàn)金融公司里面，特別是京東金融這樣的公司里面，大部分?jǐn)?shù)據(jù)是時(shí)空數(shù)據(jù)，也就是說(shuō)用戶(hù)有消費(fèi)數(shù)據(jù)的時(shí)候他們有一個(gè)位置，什么地方消費(fèi)，什么時(shí)間，這種時(shí)空數(shù)據(jù)的分析和挖掘方法和傳統(tǒng)的AI有區(qū)別。剛剛兩個(gè)問(wèn)題，怎么放貸前做風(fēng)險(xiǎn)評(píng)估和失聯(lián)之后怎么樣做，這是我們研究的問(wèn)題，我們經(jīng)常做銀行貸款的時(shí)候，會(huì)拿一個(gè)抵押，比如說(shuō)房子抵押，舉一個(gè)例子王健林說(shuō)萬(wàn)達(dá)廣場(chǎng)抵押給你，貸五十個(gè)億，銀行說(shuō)值不值呢，現(xiàn)在考慮當(dāng)前的樓面價(jià)格和周邊價(jià)格用一個(gè)均價(jià)做估算，貸款中房屋的價(jià)值在未來(lái)一年兩年是不是有增值或者是貶值，如果泡沫很大就少貸一點(diǎn)，如果是增值的，可以多貸一點(diǎn)，這是我們的真實(shí)案例里面，我們結(jié)合周邊的地鐵、公交、人們出行數(shù)據(jù)和地鐵、公交卡、刷卡記錄等等綜合判斷整個(gè)城市里面各個(gè)小區(qū)價(jià)值的排序。我不是說(shuō)我預(yù)測(cè)具體的價(jià)格，但是如果漲的話，誰(shuí)漲得更多，如果跌的話誰(shuí)跌得更少，我們第一步把整個(gè)北京小區(qū)的房屋價(jià)值排序，誰(shuí)是一類(lèi)，誰(shuí)是五類(lèi)，都有排序，對(duì)明年的漲幅有判斷，另外綜合體現(xiàn)像萬(wàn)達(dá)廣場(chǎng)和soho這種非常復(fù)雜的，有寫(xiě)字樓，商鋪，電影院在一塊兒的價(jià)值評(píng)估也做了一個(gè)判斷，給銀行提供基本面的參考，做貸款的時(shí)候，看看資產(chǎn)評(píng)估本身做多少錢(qián)，再?zèng)Q定放多少錢(qián)，多少年，這是第一步。下一個(gè)地方具體在什么地方，這里會(huì)有不一樣的，之前填資料的時(shí)候會(huì)有信用卡卡號(hào)或者是銀行帳號(hào)，手機(jī)號(hào)提供，但是失聯(lián)以后絕對(duì)不會(huì)再用這個(gè)賬號(hào)，用手機(jī)之后，之前拿出來(lái)，基于時(shí)空大數(shù)據(jù)的分析方法，可以判斷他家在什么地方，常去的幾個(gè)地方是什么地方，雖然換了手機(jī)號(hào)，但是生活習(xí)慣還是符合之前的規(guī)律，可以判斷對(duì)之前常去的什么地方可以找到，另外手機(jī)拿不到的話，可以通過(guò)社交網(wǎng)絡(luò)和微博和微信，他朋友的數(shù)據(jù)，比如說(shuō)他的位置可能是空的，他會(huì)做好所有的準(zhǔn)備把他微博里面的地址信息滅掉，但是沒(méi)有關(guān)系，根據(jù)他朋友的位置可以推斷出他的位置以及他未來(lái)可能去哪里，這是很簡(jiǎn)單的道理，你知道你周邊的朋友在哪里，你們經(jīng)常往來(lái)，位置在什么地方有相關(guān)的分布，可以在模型算法中可以得到。
其實(shí)我們做的工作和金融蠻緊密，就是大數(shù)據(jù)在時(shí)空數(shù)據(jù)領(lǐng)域里面如何用人工智能和大數(shù)據(jù)的方法進(jìn)行精準(zhǔn)的判斷。
蘇中：非常好，如果這個(gè)人已經(jīng)失聯(lián)了，其實(shí)已經(jīng)很晚了，這是公安局的事情了，金融角度來(lái)說(shuō)，他可能失聯(lián)之前會(huì)有一個(gè)很好的預(yù)判，如果企業(yè)也好，個(gè)人也好，作為一個(gè)貸款人，貸后管理來(lái)講，其實(shí)他都有一個(gè)他的一個(gè)信息，比如說(shuō)收入，企業(yè)的收入，上下游行業(yè)和國(guó)家政策走向，以及相關(guān)的材料和原材料的價(jià)格等等的影響。所以這可能是一個(gè)非常復(fù)雜的大數(shù)據(jù)的工程，這個(gè)角度來(lái)講的話，可能是一個(gè)不光是你判斷這個(gè)客戶(hù)的風(fēng)險(xiǎn)情況，還有一個(gè)角度是你要判斷他的抵押品的情況。還有一個(gè)角度是同樣的技術(shù)可以挖掘你的新客戶(hù)，這個(gè)行業(yè)在剛剛很好的時(shí)候可以很好去做。
所以人工智能和大數(shù)據(jù)角度去講的話判斷一個(gè)貸后風(fēng)險(xiǎn)是一個(gè)從一開(kāi)始，從客戶(hù)開(kāi)始，有一個(gè)溝通，貸多少錢(qián)，利率多少，到怎么管理。這里所有的數(shù)據(jù)，如果在上面應(yīng)用更多，在上面有更好的風(fēng)險(xiǎn)模型，不光是企業(yè)的風(fēng)險(xiǎn)模型，也包括關(guān)鍵的人物，法人和社交，以及家族等等的關(guān)系模式，其實(shí)你可以在做到很好的情況下還沒(méi)有失聯(lián)的時(shí)候，甚至是還在的時(shí)候，你可以提供一些建議。剛剛我講的，這里不僅包括結(jié)構(gòu)化的數(shù)據(jù)，也包括非結(jié)構(gòu)化的數(shù)據(jù)的分析，也包括人與人之間的數(shù)據(jù)分析，可以做一個(gè)很好的分析。
顏水成：這個(gè)問(wèn)題其實(shí)蠻有意思的，就是說(shuō)我在金融領(lǐng)域做和人工智能相關(guān)的探索，應(yīng)該還是一個(gè)初學(xué)者，其實(shí)也是從公司的業(yè)務(wù)，以及外邊的創(chuàng)意公司的交流或者是說(shuō)從中得到一些信息。其實(shí)有意思的是當(dāng)前我認(rèn)為在人工智能的征信方面的應(yīng)用，大家還大部分的拼數(shù)據(jù)，其實(shí)在這個(gè)算法層面的話，我覺(jué)得還不算是特別的，也有可能是說(shuō)外面比一些研究機(jī)構(gòu)并沒(méi)有辦法拿到太多的這個(gè)方面的數(shù)據(jù)，進(jìn)行深入的探索。但是對(duì)于大部分的公司來(lái)說(shuō)，數(shù)據(jù)并不全面。如果可以實(shí)時(shí)拿到用戶(hù)動(dòng)態(tài)數(shù)據(jù)的話，對(duì)用戶(hù)的管理是非常有價(jià)值的，另外是做投后管理的話，比如說(shuō)丟失或者是說(shuō)發(fā)生了后面的什么行為，意味著你要跟很多的數(shù)據(jù)源要打交道，在中國(guó)來(lái)說(shuō)的話，不同的數(shù)據(jù)源之間像一個(gè)數(shù)據(jù)的孤島，并沒(méi)有形成一個(gè)聯(lián)盟說(shuō)我可以共享一些數(shù)據(jù)，比如說(shuō)是P to P的，或者是說(shuō)金融貸款相關(guān)的。如果我投了之后發(fā)現(xiàn)金融的公司里面借了錢(qián)，再跑到其他公司借了錢(qián)，這個(gè)方面的數(shù)據(jù)就有價(jià)值了，這個(gè)方面做得還不是非常的完善。數(shù)據(jù)的孤島一旦打通了，和多種數(shù)據(jù)源的數(shù)據(jù)打通的話，投后管理的話就有很多的事情可以做了。
對(duì)于個(gè)人方面，人工智能產(chǎn)品和技術(shù)使用的話，還是比較少，我們會(huì)看到一些個(gè)人，比如炒股的時(shí)候他們寫(xiě)一些程序做事情，但是并沒(méi)有一種平臺(tái)或者是軟件的話去幫助個(gè)人去做這些決策，比如說(shuō)我怎么樣根據(jù)自己的特點(diǎn)，智能的決定我應(yīng)該去拿這些去做，或者是應(yīng)該投資哪些方面，這個(gè)方面是缺失，也許這一塊能夠有機(jī)會(huì)做好的話，應(yīng)該是一個(gè)非常不錯(cuò)的市場(chǎng)。
周伯文：非常好，這是一個(gè)非常具體的金融行業(yè)的問(wèn)題，所以大家的討論可以說(shuō)是給很多的在座者提供一個(gè)人工智能這樣一個(gè)具體落地的一個(gè)建議和思考，現(xiàn)在我把問(wèn)題拉回來(lái)一點(diǎn)，還是聚焦在金融領(lǐng)域，不那么具體，從我作為人工智能的研究者角度來(lái)看，我們很多方面是人工智能聚焦到具體客觀的問(wèn)題，比如說(shuō)語(yǔ)音識(shí)別和自然語(yǔ)意理解都是這么一個(gè)情況。但是人工智能用在金融行業(yè)有一個(gè)比較突出的問(wèn)題，因?yàn)榻鹑谑袌?chǎng)是人的活動(dòng)，有很多情況下有非理性的活動(dòng)，市場(chǎng)過(guò)熱的時(shí)候，個(gè)人投資或者是機(jī)構(gòu)投資有很多非理性的行動(dòng)，人工智能光從大數(shù)據(jù)的角度，每個(gè)人都在買(mǎi)進(jìn)，所以我買(mǎi)進(jìn)的欲望越來(lái)越強(qiáng)，把這種非理性還在往做的方向繼續(xù)推動(dòng)，你們關(guān)于人工智能，金融方面的考慮，有沒(méi)有具體的想法和辦法去處理這種非理性的人類(lèi)金融行為，可能和我們一貫講的大數(shù)據(jù)中的學(xué)習(xí)是一個(gè)根本不同的原則，這是第一點(diǎn)。
第二點(diǎn)，再回到風(fēng)險(xiǎn)控制，我們都知道強(qiáng)化學(xué)習(xí)在金融行業(yè)中很有用，比如說(shuō)智能投顧等各方面，但是強(qiáng)化學(xué)習(xí)一個(gè)很重要的原則是探索和利用這樣一個(gè)平衡。在AlphaGo里面這些強(qiáng)化的例子里面包括了德州撲克，這些都是很具體的應(yīng)用，但是金融行業(yè)里面怎么樣控制這個(gè)風(fēng)險(xiǎn)，有沒(méi)有志愿者討論一下這個(gè)問(wèn)題。
林清詠：剛剛提到了挺有趣的，如何幫助解決這個(gè)人類(lèi)非理性在金融市場(chǎng)后面的問(wèn)題，其實(shí)我們公司現(xiàn)在正在開(kāi)發(fā)一個(gè)蠻大的系統(tǒng)，就是說(shuō)我們讓機(jī)器來(lái)做這件事，然后我們是等于每個(gè)人都有幾個(gè)大師，可以雇傭它，AI機(jī)器人幫助你去做投資。它就變成了你所說(shuō)的奴隸也好或者是說(shuō)，就是代替你來(lái)做這些分析。那么，慢慢的話，就變成了你在股票市場(chǎng)上不是你作為個(gè)人去判斷，而是說(shuō)你的機(jī)器人去跟別人去拼，為什么有這樣的差距。我們發(fā)現(xiàn)一個(gè)最基本的差別是我們的個(gè)人機(jī)器人，幫助你做投資理財(cái)?shù)臋C(jī)器人，他就是24個(gè)小時(shí)一直在學(xué)習(xí)。然后它每三到五秒鐘要做一次判斷，要不要買(mǎi)，要不要賣(mài)，人哪有辦法做到這一點(diǎn)，哪有可能一天從早到晚不要睡覺(jué)盯著股票趨勢(shì)去看，去想，然后你人的那個(gè)自我學(xué)習(xí)的能力，還沒(méi)有辦法做到那一點(diǎn)。
所以，實(shí)際上我們開(kāi)發(fā)這個(gè)系統(tǒng)的過(guò)去幾個(gè)月中的經(jīng)驗(yàn)來(lái)講的話，我們真的覺(jué)得說(shuō)人類(lèi)哪里是對(duì)手，以后比較的話也是機(jī)器人互相的比較。幾年后你談的不是人類(lèi)非理性的行為，而是太多機(jī)器人彼此的理性行為去打仗的時(shí)候，你要怎么樣在里面贏。所以或許一兩年之后，這個(gè)問(wèn)題的討論的重點(diǎn)又會(huì)不大一樣了。
周伯文：還有哪位嘉賓有思考。
鄭宇：其實(shí)每天都有很多人帶著不同的項(xiàng)目找我，我想三個(gè)方面，一個(gè)是幫助行業(yè)營(yíng)利，這是基本的，第二個(gè)幫助國(guó)家和人民的生活，第三個(gè)推動(dòng)研究的進(jìn)展，我舉一個(gè)實(shí)例，有人找我能不能用你AI技術(shù)預(yù)測(cè)一下煤炭?jī)r(jià)格的漲幅，我不幫你預(yù)測(cè)，這個(gè)對(duì)你有利，對(duì)國(guó)家沒(méi)有利，無(wú)非是你的錢(qián)和別人的錢(qián)交換一下，有人讓我預(yù)測(cè)一下股票，我不做，有人通過(guò)技術(shù)來(lái)調(diào)整鍋爐的發(fā)電效率，怎么樣通過(guò)用更小的煤產(chǎn)生更多的電，并且降低更多的污染排放，這是電力行業(yè)的根本，既幫助了行業(yè)的營(yíng)利，也幫助了國(guó)家和行業(yè)的進(jìn)步，也使我們的研究往前推了一步，這是AlphaGo在其他行業(yè)里面能找到著力點(diǎn)的地方，我就講這么多。
蘇中：計(jì)算機(jī)把人的感性做起來(lái)，這是很難的，舉一個(gè)例子，泰國(guó)危機(jī)的時(shí)候，很多的愛(ài)國(guó)者把黃金捐出來(lái)去維持國(guó)家的貨幣等很多的情況，這樣的東西讓計(jì)算機(jī)去模擬的話，計(jì)算機(jī)很難去理解。其實(shí)市場(chǎng)上我們講市場(chǎng)經(jīng)濟(jì)有一看不見(jiàn)的手，其實(shí)可以看到有很多的看不見(jiàn)的手，這些很多看不見(jiàn)的手去建模，對(duì)于不同的人群，有不同的利益和宗教信仰和不同的生活方式，更是很難的方式，這個(gè)角度來(lái)講的話也是一個(gè)很好的研究的話題，計(jì)算機(jī)比人理性得多，這種理性也會(huì)產(chǎn)生一個(gè)很大的問(wèn)題，如果市場(chǎng)上所有的計(jì)算機(jī)交易的話，可能會(huì)發(fā)生股票突漲突高，也許就是因?yàn)槿说睦硇曰蛘呤歉行缘某煞职缪萘耸袌?chǎng)中的一個(gè)阻力的過(guò)程，這種阻力可能像是山坡上滾下來(lái)的小雪球，也有可能變成一個(gè)很大的事情，也有可能停在某一個(gè)地方不動(dòng)了，所以我想金融市場(chǎng)是非常有意思的市場(chǎng)，比德州撲克有意思的多，應(yīng)該講不是一個(gè)簡(jiǎn)單的技術(shù)或者是說(shuō)一個(gè)簡(jiǎn)單的方法可以很好解決的。
周伯文：好，我們?cè)倩氐絼e的行業(yè)，再把視野放大一點(diǎn)，人工智能改變了很多的行業(yè)，除了金融還有一個(gè)最典型的例子是我們京東的零售行業(yè)。我們認(rèn)為AI沒(méi)有辦法改變零售的本質(zhì)，但是可以改變它的形式。大家怎么看待這句話。更具體的說(shuō)，大家如何看待無(wú)論是零售店在這種零售革命中扮演一個(gè)什么樣的角色。在將來(lái)隨著AI技術(shù)的發(fā)展和進(jìn)步，無(wú)論零售和新的零售的將來(lái)是什么樣子，請(qǐng)你們展開(kāi)你們的想象力或者是說(shuō)對(duì)技術(shù)理解，在這個(gè)方面發(fā)表一些意見(jiàn)。
蘇中：我覺(jué)得我們的技術(shù)發(fā)展到今天，很多的技術(shù)越發(fā)展，我們生活越糟糕，我們有了手機(jī)，無(wú)論如何都會(huì)半夜被人吵到，有了網(wǎng)絡(luò)，什么地方都可以工作，你的溝通成本看似降低了，實(shí)際上花在上面的更多了。所以我想AI的技術(shù)能不能讓我們的生活變得更好一點(diǎn)，也許我們的朋友圈從五百個(gè)，變成五十個(gè)，十個(gè)，我們的生活質(zhì)量比現(xiàn)在更高，這可能是一個(gè)很好的發(fā)展方向。
鄭宇：我講一下無(wú)人的零售店，我有朋友做這個(gè)方面的，我覺(jué)得第一個(gè)是打通的線上線下零售業(yè)的通道，以前做很多的電商的時(shí)候，用戶(hù)在線上購(gòu)買(mǎi)行為，很多的東西在線下賣(mài)的，我們并不知道，什么東西線下買(mǎi)呢，像短平快的東西，新鮮水果每天都要買(mǎi)，網(wǎng)上的圖片很漂亮，但是買(mǎi)回來(lái)不一樣，無(wú)人零售的店里面可以看到很新鮮的，就可以買(mǎi)回來(lái)，這是填補(bǔ)了以前的空白，對(duì)人類(lèi)以前的建模和市場(chǎng)分析都是不完整的，只是在互聯(lián)網(wǎng)的線上數(shù)據(jù)做了分析，線下什么樣，這是很初級(jí)的，現(xiàn)在的無(wú)人零售店可以作為一個(gè)觸角深入里面去，可以解決一個(gè)新物種的需求，短平快物流的需求。第二個(gè)其實(shí)是可以去感知很多人們行為的變化?？梢钥焖俚母兄?，你對(duì)這個(gè)線上的東西是很長(zhǎng)的流程，慢慢的過(guò)程，線下的時(shí)候是實(shí)施了攝像頭監(jiān)控，馬上知道什么時(shí)候缺，什么東西少，什么會(huì)走，什么會(huì)調(diào)貨，這比線上的環(huán)節(jié)分析快很多，所以更快捷，更敏銳，就這兩個(gè)方面。
顏水成：現(xiàn)在關(guān)注比較多的是國(guó)內(nèi)的商店，國(guó)內(nèi)有幾家公司在探索這個(gè)方向。我個(gè)人認(rèn)為對(duì)這個(gè)方向是有比較明顯的態(tài)度。有兩個(gè)原因，一個(gè)原因是說(shuō)這件事對(duì)運(yùn)營(yíng)方來(lái)說(shuō)有價(jià)值，對(duì)客戶(hù)來(lái)說(shuō)的話并沒(méi)有帶來(lái)額外的剛需體驗(yàn)。第二個(gè)是一個(gè)重點(diǎn)，就是說(shuō)我覺(jué)得從支付的維度的話其實(shí)是有很大的問(wèn)題的，特別是在中國(guó)，因?yàn)槟阒Ц兜姆矫?，除非我們出現(xiàn)新的sensor在里面，你出去之后的話帶來(lái)什么樣的商品，現(xiàn)在我們搶著用計(jì)算機(jī)視覺(jué)的技術(shù)來(lái)實(shí)現(xiàn)這個(gè)目標(biāo)的話，其實(shí)一定會(huì)存在著一個(gè)屏障，這個(gè)屏障是什么？比如說(shuō)顧客拿了東西，因?yàn)橛?jì)算機(jī)視覺(jué)是不完美，這一點(diǎn)我們必須要承認(rèn)，我們達(dá)到99.9%可能就已經(jīng)到了極限了，甚至可能達(dá)不到，這種帶來(lái)兩種情況，顧客拿來(lái)商品，我們系統(tǒng)上沒(méi)有識(shí)別，這個(gè)其實(shí)無(wú)所謂，這個(gè)數(shù)據(jù)，比如說(shuō)金融系統(tǒng)的風(fēng)控的一部分。我們?cè)谏痰曩u(mài)東西沒(méi)有人買(mǎi)，要壞掉，要扔掉是一樣的。但是如果這個(gè)用戶(hù)并沒(méi)有拿這個(gè)商品讓你識(shí)別成一個(gè)商品，這樣的話意味著你在賬戶(hù)的錢(qián)多拿走了，這件事的話，其實(shí)對(duì)于客戶(hù)來(lái)說(shuō)，是非常不能接受的。他不像信用卡，刷了之后我可以找到你，什么原因我可以把款退回給你，這件事如果發(fā)生之后用戶(hù)會(huì)比較難以接受，難以接受的話就意味著這個(gè)東西的推行，在一段時(shí)間一會(huì)碰到潛在的屏障，為了解決這個(gè)問(wèn)題需要一種可能性，我需要?jiǎng)e的sensor并不強(qiáng)力依賴(lài)于零售的人類(lèi)的sensor這是另外一碼事了，是不是和人工智能有關(guān)系我不知道了，這是我想表達(dá)的，無(wú)人商店往前走的話路程并不是那么平坦。
山世光：如果我們看一個(gè)歷史的發(fā)展的話，從過(guò)去的一個(gè)叫做無(wú)人售貨機(jī)這樣一個(gè)小的機(jī)器售貨發(fā)展下來(lái)到商品更加的豐富，走到更多的地方去，我個(gè)人認(rèn)為是有這個(gè)方面的需求的。比如說(shuō)在晚上或者是說(shuō)很多的，你說(shuō)物流的話，再發(fā)展也不可能半夜，凌晨的時(shí)候給你送一點(diǎn)東西，大部分是非常困難的。類(lèi)似這樣的需求在社區(qū)里面，還是說(shuō)會(huì)存在的。我覺(jué)得我個(gè)人還是蠻看好的，另外從技術(shù)的角度來(lái)講的話，確實(shí)就像剛剛講的，一定會(huì)存在著誤差，有誤識(shí)別的情況，無(wú)論是商品的識(shí)別還是對(duì)購(gòu)買(mǎi)人的識(shí)別這兩個(gè)方面，可能都會(huì)有一定誤差。但是從我們解決這個(gè)問(wèn)題的角度來(lái)講的話，如何去容忍這個(gè)誤差，以及這個(gè)誤差會(huì)帶來(lái)多少的損失。那么其實(shí)有一個(gè)我跟他們聊的時(shí)候，他們的一個(gè)觀點(diǎn)是說(shuō)我即便每個(gè)月?lián)p失多少錢(qián)，把錢(qián)折回去，比如說(shuō)我原來(lái)開(kāi)一個(gè)店，要雇五個(gè)人或者是幾個(gè)人，但是他們的人力成本可能會(huì)完全的超過(guò)了你可能帶來(lái)的損失。另外一個(gè)有誤識(shí)別的情況下，我們會(huì)傾向于不要讓顧客多花錢(qián)，是吧？而是傾向于商家會(huì)寧可損失一點(diǎn)，但是顧客，特別是買(mǎi)完了以后，一看價(jià)錢(qián)不對(duì)會(huì)當(dāng)時(shí)有反應(yīng)的。這個(gè)上面我們形成一個(gè)完整的解決方案的話，是有可能解決這些問(wèn)題的。
顏水成：其實(shí)我是贊同山世光的說(shuō)法，我可能剛剛講的話稍微有一點(diǎn)點(diǎn)偏差。無(wú)人商店這件事有它的價(jià)值，比如說(shuō)在美國(guó)有一些地方，你去超市購(gòu)買(mǎi)東西，晚上去的話，拿了東西去掃一下就拿走了。并不一定要強(qiáng)調(diào)說(shuō)我的人工智能把你拿的商品是什么東西，識(shí)別出來(lái)，然后出去之后就把賬付了。我的意思是重點(diǎn)在后面，人工智能的技術(shù)，當(dāng)前的水平，沒(méi)有辦法去杜絕你的商品識(shí)別錯(cuò)了之后的話，用戶(hù)并沒(méi)有買(mǎi)這個(gè)商品，但是把賬記到上面了，這樣的話對(duì)于客戶(hù)來(lái)說(shuō)反而是一件非常煩擾的一件事，我要經(jīng)常去看看我的，到商店里面買(mǎi)的東西，我的賬是不是對(duì)的，也許我們并不一定要強(qiáng)調(diào)說(shuō)我的智能系統(tǒng)能識(shí)別出你拿了什么商品，通過(guò)掃碼或者是其他的方式去完成這種支付。
蘇中：我還是覺(jué)得去有人的商店，有更多的客人或者是和店員交流，我覺(jué)得人與人之間的交流，哪怕和機(jī)器人交流也比我自己拿完?yáng)|西掃臉出去要好，方便角度來(lái)說(shuō)，是滿(mǎn)足了某一個(gè)人方面的。我支持有人，但是這個(gè)人也可以是機(jī)器人。
周伯文：可能十個(gè)人，現(xiàn)在需要一個(gè)人也是帶來(lái)了大大的成本的降低。
鄭宇：我的觀點(diǎn)比較務(wù)實(shí)，未必把最新的刷臉?lè)旁谏厦?，先刷碼，關(guān)鍵是把實(shí)體店和線上的定位區(qū)別開(kāi)，能不能做到短平快，物流的算法很重要，新鮮的貨物進(jìn)來(lái)，買(mǎi)東西和網(wǎng)上的速度差不多，東西不新鮮了，為什么過(guò)去買(mǎi)呢？定位不精準(zhǔn)的話，這個(gè)就沒(méi)有深度，定位很精準(zhǔn)的話，用AI來(lái)保證物流而不是識(shí)別，識(shí)別不是重點(diǎn)，現(xiàn)在拿刷碼，貼碼，我覺(jué)得用戶(hù)都可以用，而且很好用，沒(méi)問(wèn)題。
周伯文：大家的觀點(diǎn)有不同的地方，我想有更多的是相同的地方，AI對(duì)零售的改變現(xiàn)在正在發(fā)生，將來(lái)有很多的空間可以去做，不光是線上，也有線下，線下對(duì)門(mén)店的改造，用各種各樣的去改造，線上線下結(jié)合，這是一個(gè)非常有發(fā)展空間的領(lǐng)域，也是我們大力探索的方向。
時(shí)間關(guān)系我不再繼續(xù)了，我們把討論上升到新的高度上，在座有政府人員參加我們這個(gè)活動(dòng)，在座各位中也有中美兩地的科學(xué)家，也有長(zhǎng)期生活在美國(guó)的，我也是剛剛從美國(guó)回來(lái)一個(gè)月。我想問(wèn)大家的是站在AI的戰(zhàn)略高度角度來(lái)看的話，中美兩國(guó)是領(lǐng)跑者，無(wú)論是戰(zhàn)略的投資還是技術(shù)的發(fā)展，但是中美兩國(guó)還有很大的不同。我想問(wèn)問(wèn)大家，你們?cè)趺纯创忻纼蓢?guó)目前的AI現(xiàn)狀戰(zhàn)略的不同點(diǎn)。相互彼此學(xué)習(xí)什么東西。還有你大概預(yù)期這個(gè)目前這一撥，我們中國(guó)這撥人工智能大概，因?yàn)槲覀儾煌膽?zhàn)略，不同的發(fā)展方向，五年以后中美兩國(guó)的AI現(xiàn)狀會(huì)有什么樣的不同。從這里開(kāi)始討論一下。
山世光：我覺(jué)得現(xiàn)在我們中國(guó)在AI的應(yīng)用方面，根據(jù)我的觀察，我覺(jué)得是走在前列的，特別是我們各大企業(yè)，包括我們的國(guó)家在政策，在資金的支持和投資界，確實(shí)是從人力物力財(cái)力各方面做了大量的投入。有投入就一定會(huì)有產(chǎn)出。我們有這么大的市場(chǎng)，這顯然是我們確實(shí)走在了應(yīng)用的前列。但是，其實(shí)我在看到這個(gè)，你說(shuō)到這個(gè)題目的時(shí)候，我確實(shí)有一點(diǎn)擔(dān)心，這個(gè)擔(dān)心體現(xiàn)在我們中美差異上，在AI的基礎(chǔ)研究的層面上，我覺(jué)得國(guó)內(nèi)其實(shí)相對(duì)來(lái)說(shuō)要偏弱了一點(diǎn)，這種偏弱又可能因?yàn)槲覀儎偛耪f(shuō)的，從國(guó)家的，從企業(yè)到投資界各個(gè)方面的力量，社會(huì)力量大量投入到應(yīng)用上去，有一定的關(guān)系，無(wú)論從人才的培養(yǎng)角度，其實(shí)我們也關(guān)注到了研究生的心態(tài)，其實(shí)是有變化的。因?yàn)檎夜ぷ魈谜伊?，工資太高了，所以特別優(yōu)秀的頂級(jí)聰明的研究生就選擇了在本科畢業(yè)就出去了，或者是說(shuō)碩士畢業(yè)就出去了，而沒(méi)有去繼續(xù)投入到AI的基礎(chǔ)研究領(lǐng)域。事實(shí)上，像今天早上，無(wú)論是高老師還是楊老師都介紹了AI這個(gè)領(lǐng)域，我們只是萬(wàn)里長(zhǎng)征的才走幾步，大量的問(wèn)題沒(méi)有解決，這個(gè)階段如果我們有一點(diǎn)釜底抽薪的味道，把前面的基礎(chǔ)研究過(guò)早砍斷的話，對(duì)后面的長(zhǎng)期發(fā)展未必有利。所以我自己本人在科研機(jī)構(gòu)和工業(yè)化，有時(shí)候會(huì)反思這樣一個(gè)情況。期望我們工業(yè)界還是要有一點(diǎn)克制，把我們的一部分的優(yōu)秀人才，還是應(yīng)該鼓勵(lì)他們留在基礎(chǔ)研究這樣一個(gè)行業(yè)里面。使得我們不會(huì)后繼乏力，等到后面又冒出一個(gè)，不是深度學(xué)習(xí)，而是其他的方法論，來(lái)解決更多的問(wèn)題的時(shí)候，我們又沒(méi)有跟上，這是值得我們反思和注意的地方。
鄭宇：因?yàn)槲覀冞@么多年來(lái)一直和政府合作，互相大數(shù)據(jù)和智慧學(xué)會(huì)和環(huán)保部，我自己在學(xué)校里面兼職做教授，現(xiàn)在的學(xué)生越來(lái)越貴，一個(gè)月開(kāi)八千塊錢(qián)，做的好的學(xué)生是上萬(wàn)的工資，這么多年感受下來(lái)，到底怎么做？政府、傳統(tǒng)行業(yè)的公司和IT公司和學(xué)校如何分擔(dān)自己的責(zé)任，做到四位一體？政府就是出政策，鼓勵(lì)開(kāi)放數(shù)據(jù)和合作，政府提不出問(wèn)題，大家不要怪政府，政府不是行業(yè)專(zhuān)家，更不是數(shù)據(jù)科學(xué)專(zhuān)家，政府提一個(gè)問(wèn)題，提需求，不現(xiàn)實(shí)，需求是傳統(tǒng)行業(yè)公司，傳統(tǒng)的交通公司和金融公司，傳統(tǒng)的電力公司提出需求。他們提供專(zhuān)業(yè)的知識(shí)和技能，我們IT互聯(lián)網(wǎng)公司提供大數(shù)據(jù)，平臺(tái)，基礎(chǔ)設(shè)施保障，然后學(xué)校跟企業(yè)聯(lián)合培養(yǎng)人才，就剛剛山世光說(shuō)的這一點(diǎn)，你學(xué)校單純靠自己的實(shí)力留學(xué)生是留不住的，而且學(xué)校里面不具備這種條件，沒(méi)有大數(shù)據(jù)的平臺(tái)和數(shù)據(jù)培養(yǎng)不起來(lái)，幾個(gè)案例培養(yǎng)學(xué)生也沒(méi)有什么用，最后是企業(yè)和學(xué)校聯(lián)合培訓(xùn)，最后就是這種方法，我們自己成立企業(yè)，成立公司，各個(gè)部門(mén)不要越權(quán)干自己不該干的事情，雖然我們已經(jīng)有高校了，政府搞研究的話本身不是最優(yōu)的，政府出政策，傳統(tǒng)行業(yè)提需求，提問(wèn)題，學(xué)校和企業(yè)聯(lián)合培養(yǎng)人才才有希望。
顏水成：這件事我也比較樂(lè)觀的，比較積極的看法，美國(guó)在理論層面比中國(guó)強(qiáng)，這是不爭(zhēng)的事實(shí)，中國(guó)慢慢在應(yīng)用層面已經(jīng)趕上或者是超過(guò)美國(guó)的話也是一個(gè)事實(shí)，就是說(shuō)有一個(gè)很好的事情，其實(shí)說(shuō)AI的理論的話，是不是研究透了，它可以對(duì)這個(gè)產(chǎn)業(yè)產(chǎn)生價(jià)值這件事是一個(gè)不爭(zhēng)的事實(shí)，我們并不需要把理論研究得那么透的話，也會(huì)對(duì)社會(huì)的方方面面產(chǎn)生積極的影響。
另外一個(gè)方面，其實(shí)人工智能做法的話，我覺(jué)得非常像醫(yī)藥，美國(guó)的話更像是西醫(yī)，中國(guó)更像是中醫(yī)。并不需要去了解說(shuō)我里面的所有的理論，以及真實(shí)的成分是什么東西，我通過(guò)試驗(yàn)，通過(guò)驗(yàn)證，它有效果，而且是有價(jià)值的。那么美國(guó)的可能會(huì)更多的希望像西醫(yī)一樣去做這個(gè)人工智能，把它內(nèi)在的機(jī)理研究得更加的透徹，這樣的話希望它的長(zhǎng)遠(yuǎn)價(jià)值會(huì)更多。
我們看到的事實(shí)是幾千年歷史里面西醫(yī)和中醫(yī)的價(jià)值，都是非常重要的，所以說(shuō)從這個(gè)層面的話我們覺(jué)得說(shuō)也不要太多的擔(dān)心中國(guó)人工智能的理論的話，可能人力資源的積累并不是特別多。但是它可以給中國(guó)的經(jīng)濟(jì)帶來(lái)積極的價(jià)值，這件事一定是在那的。另外是我們也看到了有更多的在這個(gè)理論層面做得比較好的教授，從國(guó)外歸來(lái)，在中國(guó)的不同的學(xué)校里面或者是研究所里面最研究。
周伯文：我們最后一點(diǎn)時(shí)間談?wù)勄閼?。?wèn)你們一個(gè)比較個(gè)人的問(wèn)題，你們?cè)谧亩际茿I科學(xué)家，在學(xué)校里面還有兼職或者是從教的經(jīng)歷，同時(shí)又在企業(yè)里面或者是說(shuō)學(xué)校里面有兼職，做一些AI的商業(yè)應(yīng)用，從你們的個(gè)人角度來(lái)看，怎么看待AI科學(xué)家和AI企業(yè)責(zé)任這兩種之間的平衡和沖突，比如說(shuō)你更關(guān)心的是算法的進(jìn)步還是某一個(gè)具體的算法的落地的商業(yè)價(jià)值，有沖突的時(shí)候，你們是怎么樣思考的。
林清詠：我在學(xué)校也很久了，十幾年，在企業(yè)界二十年了，基本上來(lái)說(shuō)這都非常重要，基本研究很重要，應(yīng)用很重要，我的策略就是說(shuō)想辦法把我的團(tuán)隊(duì)養(yǎng)大，一部分人專(zhuān)門(mén)負(fù)責(zé)基礎(chǔ)往前提升，另外一部分人專(zhuān)門(mén)負(fù)責(zé)解決當(dāng)前還沒(méi)有解決的問(wèn)題。比如說(shuō)現(xiàn)在我們的基礎(chǔ)團(tuán)隊(duì)利用金融市場(chǎng)和做金融行業(yè)來(lái)把AI的能力往前進(jìn)，把人和AI往前推進(jìn)，利用這樣的AI系統(tǒng)，也幫助我們最近和美國(guó)排名第一的做癌癥的研究中心，把我們的系統(tǒng)帶進(jìn)去，他們就請(qǐng)我們?nèi)椭麄兘鉀Q，如何分析過(guò)去二十年來(lái)幾百萬(wàn)的病例。那就是說(shuō)讓這樣的AI系統(tǒng)同時(shí)可以替人類(lèi)解決癌癥可能帶來(lái)的一線曙光，或者是說(shuō)我們最近學(xué)生在開(kāi)展用這個(gè)做老年癡呆癥的研究等等。所以是有可能找到解決方案的。
山世光：我簡(jiǎn)單說(shuō)一下，我覺(jué)得還是比較好平衡的，對(duì)我們來(lái)說(shuō)做的，至少在AI這個(gè)領(lǐng)域做的大部分，無(wú)論是技術(shù)還是產(chǎn)品的話，更重要的是它可以推動(dòng)這個(gè)社會(huì)的進(jìn)步的，關(guān)鍵看誰(shuí)在用了，從我們做技術(shù)的角度來(lái)講的話，我覺(jué)得一句話非常重要，就是說(shuō)價(jià)值會(huì)決定價(jià)格。無(wú)論是說(shuō)你去做產(chǎn)品，還是說(shuō)你去做一個(gè)從科學(xué)，研究的角度來(lái)講的話，都是要有存在的價(jià)值，或者是滿(mǎn)足科學(xué)進(jìn)步的需求，或者是說(shuō)滿(mǎn)足用戶(hù)的需求，都值得我們?nèi)プ龅摹?/p>
鄭宇：我說(shuō)一下未來(lái)的目標(biāo)吧，之所以沒(méi)有出來(lái)創(chuàng)業(yè)，很多同學(xué)說(shuō)，老師你怎么不出去創(chuàng)業(yè)，外面環(huán)境那么好，有很多人工資給你加一個(gè)0你來(lái)不來(lái)，給你1%的股份，你來(lái)不來(lái)，我對(duì)創(chuàng)意的定義并不一定是自己開(kāi)公司，你能夠開(kāi)創(chuàng)一個(gè)事業(yè)自己樂(lè)在其中并且?guī)椭袠I(yè)和國(guó)家往前推進(jìn)這就是一份事業(yè)，并且持續(xù)做下去，未來(lái)的目標(biāo)我覺(jué)得有兩個(gè)方面，一個(gè)是希望把城市計(jì)算的領(lǐng)域在全球做大并且中國(guó)在里面領(lǐng)先世界，第二個(gè)是和同學(xué)同行老師們一起把這個(gè)技術(shù)做到世界之巔，和這個(gè)吻合就去做，不吻合就不做。
蘇中：做了幾十年的技術(shù)，心理是希望多做底層的技術(shù)，把技術(shù)做專(zhuān)做穿，但是真正說(shuō)，因?yàn)楝F(xiàn)在我在IBM的研究院，希望技術(shù)應(yīng)用在實(shí)際的場(chǎng)合中，所以另外一個(gè)方面的力量拉動(dòng)我去做技術(shù)產(chǎn)生價(jià)值，這兩者之間有的時(shí)候是矛盾的，有的時(shí)候是契合的。所以在這個(gè)矛盾和契合中是一個(gè)螺旋上升的過(guò)程，所以也很幸運(yùn)，AI有一個(gè)很好的年代，所以我想我們做技術(shù)的人有一個(gè)很好的機(jī)會(huì)。
顏水成：我覺(jué)得學(xué)校出來(lái)的教授的話，會(huì)有一個(gè)毛病，產(chǎn)品里面技術(shù)是一個(gè)很重要的，另外通過(guò)自己的幾年實(shí)踐和我的導(dǎo)師在工程原理寫(xiě)了一本書(shū)里面提到了，這件事一定要刻苦，其實(shí)你的技術(shù)在一個(gè)產(chǎn)品里面成功的話，最多能占30%-40%。最好的辦法是把你的技術(shù)嫁接在一個(gè)好的產(chǎn)品上，要相信除了你之外還有其他的維度，這個(gè)產(chǎn)品的成功也是非常關(guān)鍵的，就是說(shuō)不要把自己在這個(gè)產(chǎn)品里面做得太重，大家一起作，一起共贏就可以了。
周伯文：非常好，再次感謝各位嘉賓的分享。我把時(shí)間交給主持人。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
