人工智能正在變得無(wú)處不在。從圖像處理、語(yǔ)音、視頻領(lǐng)域，到傳統(tǒng)的制造業(yè)、通訊業(yè)、醫(yī)療、金融、自動(dòng)駕駛行業(yè)都在大力地追求人工智能。

“當(dāng)前中國(guó)企業(yè)的成本在急劇上升，包括人力、廠房等，運(yùn)營(yíng)成本的上升必然要求企業(yè)找到新的技術(shù)來(lái)提高生產(chǎn)效率、產(chǎn)品質(zhì)量，同時(shí)降低成本。比如隨著未來(lái)機(jī)器取代人力，人力成本將得到有效控制?！倍@種商業(yè)需求也是驅(qū)動(dòng)人工智能發(fā)展的一大動(dòng)力。

在近日昆山召開(kāi)的2018杜克國(guó)際論壇上，昆山杜克大學(xué)和美國(guó)杜克大學(xué)電子與計(jì)算機(jī)工程學(xué)教授、IEEE會(huì)士李昕博士在一場(chǎng)對(duì)話中談到此番觀點(diǎn)。

李昕博士畢業(yè)于美國(guó)卡內(nèi)基梅隆大學(xué)，他曾短暫創(chuàng)業(yè)，在公司被收購(gòu)后回到卡內(nèi)基梅隆大學(xué)任教了十年。2017年初正式加入杜克大學(xué)和昆山杜克大學(xué)。

據(jù)雷鋒網(wǎng)AI金融評(píng)論了解，李昕博士早先的工作主要是將數(shù)據(jù)分析應(yīng)用在制造業(yè)，比如虛擬測(cè)試、產(chǎn)線優(yōu)化等。而隨著各行業(yè)積極擁抱AI，他的研究方向已經(jīng)擴(kuò)展到許多新興商業(yè)領(lǐng)域，包括通訊、自動(dòng)駕駛、商業(yè)決策、醫(yī)療保健等。

同時(shí)，AI應(yīng)用的過(guò)程并非一條坦途，李昕博士指出，當(dāng)前面臨著復(fù)合型人才缺失的挑戰(zhàn)。

“現(xiàn)階段很難找到跨行業(yè)AI人才。這就要求人工智能的專家和行業(yè)的專家必須有一個(gè)非常親密的對(duì)話，但是這個(gè)對(duì)話很艱難。因?yàn)樾袠I(yè)壁壘的存在。兩個(gè)不同的行業(yè)在對(duì)話，行業(yè)術(shù)語(yǔ)以及工作習(xí)慣都不同?！?/p>

雷鋒網(wǎng)還與李昕博士就AI應(yīng)用現(xiàn)狀與未來(lái)進(jìn)行了更深入的探討：

傳統(tǒng)行業(yè)大小公司AI發(fā)展之困

雷鋒網(wǎng)：傳統(tǒng)行業(yè)企業(yè)，比如制造業(yè)，如今大都也在提互聯(lián)網(wǎng)、AI轉(zhuǎn)型，您覺(jué)得可能會(huì)遭遇什么技術(shù)難題？

李昕：首先會(huì)遭遇一個(gè)“先有雞還是先有蛋”的技術(shù)困境。發(fā)展人工智能首先需要有很多的數(shù)據(jù)，但另一方面，在拿到數(shù)據(jù)之前，你不知道數(shù)據(jù)的質(zhì)量，所以很難估計(jì)這些數(shù)據(jù)的價(jià)值。采集數(shù)據(jù)的代價(jià)與應(yīng)用數(shù)據(jù)的價(jià)值很難比較。

不過(guò)現(xiàn)在大公司大部分都是選擇走下去的，要么是出于占據(jù)空白市場(chǎng)，要么是出于狙擊對(duì)手進(jìn)行的戰(zhàn)略投資，即便不能立刻帶來(lái)直接的利益。但這對(duì)于很多小公司來(lái)說(shuō)就很困難。

第二，行業(yè)特別缺乏AI人才。據(jù)我了解，大部分AI相關(guān)專業(yè)的畢業(yè)生都去美國(guó)五大科技巨頭FAAMG.，在中國(guó)就是BAT，很少會(huì)去傳統(tǒng)行業(yè)公司。我一個(gè)朋友在美國(guó)很大的汽車制造廠負(fù)責(zé)自動(dòng)駕駛項(xiàng)目，但他在美國(guó)找不到計(jì)算機(jī)視覺(jué)這些方向的人才，最后只能選擇到其他國(guó)家招收了一些博士生。

總之，優(yōu)秀人才非常稀缺，如何吸收優(yōu)秀的人才是一個(gè)很大的問(wèn)題。甚至包括學(xué)校所在的學(xué)術(shù)界也有同樣的問(wèn)題。很多AI方向的教授都去到工業(yè)界。因?yàn)楣疽馕吨玫挠?jì)算平臺(tái)，科研條件比學(xué)校更優(yōu)越，同時(shí)也包括很好的薪資待遇。

雷鋒網(wǎng)：您提到復(fù)合型人才很稀缺，而您的研究結(jié)合了不少領(lǐng)域，能否談?wù)勀窃趺醋龅模?/p>

李昕：現(xiàn)在通行的做法是這樣的——讓行業(yè)內(nèi)的專家重新學(xué)習(xí)人工智能知識(shí)，同時(shí)讓AI專家學(xué)習(xí)行業(yè)知識(shí)。不過(guò)在實(shí)際場(chǎng)景中，我們發(fā)現(xiàn)AI專家往往不太愿意學(xué)習(xí)行業(yè)知識(shí)。比如說(shuō)，我們發(fā)現(xiàn)汽車行業(yè)中的工程師會(huì)學(xué)習(xí)機(jī)器學(xué)習(xí)課程，自我充電。但是我們很少看到BAT或者Facebook的員工去深入學(xué)習(xí)汽車制造。所以行業(yè)壁壘不是一個(gè)雙向壁壘，更多的是一個(gè)單向壁壘。

雷鋒網(wǎng)：那么中小制造業(yè)企業(yè)目前的狀況如何，技術(shù)發(fā)展必須要依靠大公司嗎？

李昕：中小制造業(yè)企業(yè)做人工智能、大數(shù)據(jù)很難，還是要通過(guò)大公司來(lái)做。大公司的核心競(jìng)爭(zhēng)體現(xiàn)在大規(guī)模生產(chǎn)。其實(shí)這個(gè)行業(yè)的競(jìng)爭(zhēng)是非常不公平的。大公司體量大，成本可以降低，能做小公司干不了的事情。所以一旦行業(yè)成熟以后，小公司很難生存。

雷鋒網(wǎng)：現(xiàn)在AI這賽道上，核心技術(shù)似乎都被BAT大公司掌握，這是一個(gè)值得擔(dān)心的事情嗎？

李昕：BAT的AI是通用的AI，并已經(jīng)取得絕對(duì)領(lǐng)導(dǎo)地位，但是行業(yè)AI就不一定了?，F(xiàn)在我們確實(shí)也看到BAT進(jìn)入到行業(yè)內(nèi)，但總的來(lái)說(shuō)他們對(duì)行業(yè)內(nèi)是持觀望狀態(tài)。一方面就是因?yàn)槭袌?chǎng)還不夠清晰，存在商業(yè)化的顧慮。另一方面，客戶比如大制造商企業(yè)都想自己做，并不想把數(shù)據(jù)分享出去。

如何應(yīng)對(duì)AI商業(yè)化難題？

雷鋒網(wǎng)：最近看到一則未經(jīng)官方證實(shí)的消息，美國(guó)一家AI醫(yī)療的大公司最近準(zhǔn)備裁撤大量員工。真假暫且不論，但這是否又再一次反映了AI商業(yè)化難題？

李昕：我們可以具體分析下醫(yī)療健康在美國(guó)發(fā)展AI落地難的原因：

第一，美國(guó)的數(shù)據(jù)非常有限。關(guān)于癌癥數(shù)據(jù)，我曾記得一個(gè)未經(jīng)驗(yàn)證的調(diào)查說(shuō)，“美國(guó)大醫(yī)院一年病人的數(shù)量，可能跟中國(guó)三甲醫(yī)院一天的數(shù)量相當(dāng)”。還要注意的是，醫(yī)療數(shù)據(jù)量不能看絕對(duì)數(shù)據(jù)量，在看病這件事情上，數(shù)據(jù)量比較豐富，癌癥分為早期、中期、晚期。還有年齡、性別、地域等差異。

第二，數(shù)據(jù)管控非常嚴(yán)。很多數(shù)據(jù)在美國(guó)不能用，因?yàn)榉杀Ｗo(hù)隱私。

第三，美國(guó)醫(yī)療管控嚴(yán)格。如果要做醫(yī)療產(chǎn)品，必須要經(jīng)過(guò)FDA審核，需要花費(fèi)不少時(shí)間。審核通過(guò)后，還有一個(gè)很大的問(wèn)題是關(guān)于保險(xiǎn)公司，是否將新藥或者設(shè)備納入保險(xiǎn)項(xiàng)目，不然病人可能并不會(huì)選擇?？傊?，這幾步是一個(gè)非常漫長(zhǎng)的過(guò)程，可能需要十幾二十年。

雷鋒網(wǎng)：相較而言，中國(guó)AI醫(yī)療進(jìn)程的限制是否更少一些？

李昕：一些問(wèn)題在中國(guó)可以有比較好解決的方案，比如數(shù)據(jù)量本身，中國(guó)的數(shù)據(jù)量很大，能夠滿足研究需求。不過(guò)在管控問(wèn)題上，中國(guó)目前也是非常的規(guī)范化，所以周期也很會(huì)長(zhǎng)。

所以一般的策略是作為醫(yī)療輔助設(shè)備，而不是全方位利用AI代替人類。在自動(dòng)駕駛領(lǐng)域也是，商用的大多是“輔助駕駛系統(tǒng)”，輔助系統(tǒng)所承擔(dān)的責(zé)任更小，審批也會(huì)簡(jiǎn)化。

以新賽道顛覆舊市場(chǎng)

雷鋒網(wǎng)：最近我們聽(tīng)到業(yè)內(nèi)聲音重提基礎(chǔ)科學(xué)研究，包括基礎(chǔ)學(xué)科、操作系統(tǒng)、芯片等。對(duì)此，您觀察到的現(xiàn)狀是怎樣的？

李昕：對(duì)于學(xué)術(shù)界來(lái)說(shuō)，基礎(chǔ)研究分為基礎(chǔ)設(shè)施（infrastructure）和基礎(chǔ)科學(xué)研究。芯片、OS應(yīng)該是基礎(chǔ)設(shè)施。當(dāng)然我覺(jué)得基礎(chǔ)設(shè)施研究非常重要，是一切AI應(yīng)用的基石。

不過(guò)我認(rèn)為，不管是做基礎(chǔ)研究或者應(yīng)用研究，有一點(diǎn)很重要——我們不能一直追趕別人，追趕別人是追不上的。一是會(huì)追趕得很累，二是即便追上了，但是也吃不下已經(jīng)被瓜分完畢的市場(chǎng)。所以我們需要做的是，創(chuàng)新、占領(lǐng)空白市場(chǎng)，比如AI就是一個(gè)很好的機(jī)會(huì)。

雷鋒網(wǎng)：這種思路落到芯片行業(yè)，應(yīng)該怎么做呢？

李昕：傳統(tǒng)芯片行業(yè)我覺(jué)得很難追。但是現(xiàn)在新興的AI芯片領(lǐng)域會(huì)是一個(gè)比較好的機(jī)會(huì)。大家基本站在同一起跑線。實(shí)際上中國(guó)已經(jīng)出現(xiàn)幾家不錯(cuò)的公司。

雷鋒網(wǎng)：在人工智能解放生產(chǎn)力的同時(shí)，社會(huì)上還有一種蔓延的擔(dān)憂是失業(yè)。

李昕：任何一種技術(shù)翻新，必然會(huì)使得生產(chǎn)力結(jié)構(gòu)發(fā)生很大的變化，會(huì)使一些工種需求減少，甚至完全消失。但是同時(shí)又會(huì)創(chuàng)造新的工種和工作機(jī)會(huì)。

計(jì)算機(jī)就是一個(gè)很好的例子。計(jì)算機(jī)出現(xiàn)后，打字員就消失了，但是需要程序員。所以這意味著社會(huì)對(duì)勞動(dòng)力的需求是不會(huì)減少的，只是工作的性質(zhì)和種類有所變化。

而對(duì)于個(gè)人而言，要求人必須有自我學(xué)習(xí)、轉(zhuǎn)型的能力。知識(shí)變化很快，比如人工智能這個(gè)方向，再過(guò)五年知識(shí)可能就不一樣了。等一個(gè)本科生畢業(yè)的時(shí)候，可能他大一學(xué)的東西已經(jīng)過(guò)時(shí)了。所以更重要的擁有自我學(xué)習(xí)的能力，如此才能在職場(chǎng)上處于不敗之地。

雷鋒網(wǎng)：最后一個(gè)問(wèn)題，在市場(chǎng)競(jìng)爭(zhēng)的環(huán)境下，如何把握技術(shù)的邊界？因?yàn)樽罱覀兂？吹交ヂ?lián)網(wǎng)公司的“作惡論”，或許是與KPI掛鉤，百度的醫(yī)療競(jìng)價(jià)、滴滴順風(fēng)車、攜程搭售等行為，大數(shù)據(jù)殺熟；或許是其他更高的目的，Google用ai提高軍事無(wú)人機(jī)的精準(zhǔn)打擊度，韓國(guó)科學(xué)技術(shù)員與軍工企業(yè)聯(lián)合研發(fā)基于AI的自主武器也受到了50多位學(xué)者的公開(kāi)抵制。

李昕：我覺(jué)得AI技術(shù)的發(fā)展必須有相應(yīng)的法制給予管束。任何的技術(shù)，如果沒(méi)有合理的約束都有可能成為人類的威脅。相反，如果合理利用，技術(shù)就可以為人類造福。歷史上有很多類似的例子。AI也不例外。而AI的法制推進(jìn)需要站在全球高度。個(gè)人覺(jué)得，首先需要一些非盈利組織或者國(guó)家去推動(dòng)，最后應(yīng)該會(huì)形成一個(gè)國(guó)際組織共同監(jiān)管。

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。