被AlphaGo迅速科普的人工智能一直是當紅話題，隨之而來的是各種機器人、無人車正在“入侵”普羅大眾生活的消息。但真實的人工智能并非會下圍棋的AlphaGo，也不是科幻電影里顛覆人類的存在。

由第一財經聯(lián)合主辦的人工智能主題論壇上，創(chuàng)新工場董事長兼CEO李開復、第一財經CEO周健工、香港科技大學計算機系主任楊強教授以及第四范式首席執(zhí)行官戴文淵從投資人、資深媒體人、學者以及企業(yè)代表的角度揭開最真實的人工智能現(xiàn)狀。

黃金時代?

從微軟、谷歌到創(chuàng)新工場，這些年看了太多創(chuàng)業(yè)項目的李開復最為“執(zhí)念”的似乎還是人工智能。

來自李開復的感嘆是，他已經在人工智能領域經過了好幾個貌似的黃金時代，然后又進入了黑暗時代。但1980年就開始了自己第一次人工智能的科研項目的李開復如今堅持現(xiàn)在是人工智能的黃金時代。

對于大多數普通人而言，人工智能是被AlphaGo與李世石的五番圍棋大戰(zhàn)推向輿論的風口浪尖。

于是，一時間被各種電影充分演繹過的人工智能“未來”場景成為討論的焦點，人工智能威脅論甚囂塵上。

但在李開復看來，作為一個負責任的人工智能科學家，不應該探討沒有科學證明揣測的未來現(xiàn)象。雖然現(xiàn)在還不能證明上述場景在遙遠的未來絕對不能發(fā)生，但它絕對不是我們今天需要關注的現(xiàn)象。“因為人工智能有很多內容，但人工智能絕對沒有自我意識、沒有情感，也沒有欲望。”

對于當下的人工智能熱，李開復關心的是在人工智能還沒有“統(tǒng)治”人類的時候，人工智能就是奴隸和工具，應該討論的是怎么樣好好利用這個工具為人類創(chuàng)造更多的價值，讓更多人免于饑餓，讓我們有更好的生產力，“讓人生活得更快樂，讓我們追求真正有價值的工作，而那些重復性的工作應該讓人工智能取代。”

因此，人工智能商業(yè)價值的體現(xiàn)也意味著一些從事重復性勞動的人可能會失去工作。畢竟在一些領域，人工智能是一個遠超人類的存在，因為人工智能就是不會累、不會休息，可以一天24小時、一周7天進行工作，這是正常人類無法做到的。

隨之而來的問題是，到底有多少領域會被來勢洶洶的人工智能顛覆?

李開復認為，人工智能最有價值投資的是大數據領域，應用最快的是互聯(lián)網領域，而能在3年或5年后會產生巨大價值的是金融領域。不論是結構化數據還是非結構化的數據，人工智能可以將多領域的數據進行結合，繼而應用到金融領域投資、保險、銀行等細分領域之中。

不過，作為資深媒體人，第一財經CEO周健工已經清晰地感受到人工智能技術對媒體的沖擊與重構。

“可以看到信息技術發(fā)展的歷史，它的每一次長足的進步，首先影響和顛覆的都是跟媒體有關的行業(yè)。”在周健工看來，最近這幾年整個媒體行業(yè)產生了很大的改變和顛覆，各種各樣的人工智能技術對媒體的影響特別多，尤其是機器學習讓機器會變得越來越聰明，它會重新定義知識，如果媒體不考慮這些問題，不理解、不掌握這樣的技術，就永遠處在被動挨打的狀態(tài)。

初級階段

盡管AlphaGo成功普及了人工智能的價值，但是對于在這一領域從事多年研究工作的學者們而言，目前的人工智能還很初級。

在戴文淵看來，如今大眾對人工智能的認識可能更多還是來自于科幻電影。不過，科幻電影描述的這個人工智能叫做“通用人工智能”，就是說有一個真的像人類大腦一樣的“大腦”，什么都能干。而今天的人工智能其實不是這樣的，今天的人工智能需要人類告訴“他”要解決什么問題。

“今天是要下19×19的圍棋這樣的問題，人工智能就能夠成一個19×19圍棋的高手，但今天如果說讓AlphaGo去下17×17的圍棋可能還下不過我，所以它只能干這個事情，你讓它去干和定義的不一樣的事情它是干不了的。”戴文淵認為，人工智能的特殊性決定了它是一個大數據的問題，這意味著一個很簡單的方法在大數據場合下可能都是比較困難的方法。盡管過去的十年誕生了很多分布式計算的解決方案，至少目前看到的大多數解決方案都不能解決機器學習的問題。

不過，在戴文淵看來市場教育使得人工智能的邊界越發(fā)清晰，而互聯(lián)網解決了大數據的問題，目前頂尖的數據科學家設計各種各樣的算法來更適合人工智能的分布式計算框架，既分工又有協(xié)作，在外部反饋方面也研發(fā)了自學習系統(tǒng)，一邊犯錯一邊自我調整自我修正。

而人工智能協(xié)會首位華人會員、第四范式首席科學家、香港科技大學計算機系主任楊強的觀點是現(xiàn)在的人工智能只是一個很初級的人工智能，因為它利用大數據的存在來補足算法的不足，所以現(xiàn)在如果數據足夠大的話，很多算法上的補丁都不用去打了。但當數據變小的時候，這些漏洞和補丁就顯得尤為重要，不補就很有可能失敗。“在人工智能的研究上如何在小數據的情況下也能讓人工智能用起來，這是技術研究人員責無旁貸的，我也相信我們一定能研究出來，我們研究的遷移學習也是其中之一。”

值得一提的是，機器學習在日常生活的應用中比比皆是，然而看似離生活很近的人工智能實則與我們頗有距離感。如何將人工智能的門檻降低，讓更多的人應用人工智能，這目前對科學家們而言依然是個難題。

楊強的觀點是對于人工智能的普及需要足夠的耐心，目前可能只是在程序員領域和平臺領域推廣，而真的到傻瓜機的程度又需要等上個3到5年。

盡管人工智能技術目前對于普羅大眾還有著一定的距離，但是李開復已經給出了創(chuàng)新工場投資這一領域的標準，而這里面最為剛需的是要有閉環(huán)、壟斷性的數據，擁有很多深度學習的科學家和架構師，在此基礎上還要有商業(yè)計劃和變現(xiàn)計劃。