新智元報道
馬雲：AlphaGo 戰勝人，So TM What？
彎道超車十超九翻，我們要換道超車
先上十大金句
1.我剛剛很感動，因為一個經濟學家（指的是清華大學國家金融研究院院長朱民）講人工智能問題可以講這麼久。
2.大家現在說企業難做，其實企業從沒有好做過；大家說實體難做，其實實體從來沒有好做過。
3.未來，重要的不是讓自己變得更好，而是能讓別人變得更好。為別人賦能。
4.未來10年之內會加速五個行業，新零售、新技術、新能源、新制造、新金融等。有人說我胡說八道，我反正一直胡說八道，再多說一遍也無所謂。
5.未來的製造不是標準化，而是個性化定製化。
6.我們不該是彎道超車，而是換道超車。彎道超車，10超9翻。
7.不是互聯網搶了你，而是你對互聯網、對技術的漠視讓你失去了機會。
8.互聯網不是高科技，是所有行業必須都要用的。未來30年，不屬於互聯網公司，而是屬於用好互聯網的公司。
9.阿法狗用人類打敗了人類，我個人覺得，so他媽what？ 機器打敗人不值得誇獎，機器要做人類做不了的事情，機器要做人類創造不了的事情。
10.未來30年不是力量和知識的競爭，而是服務、體驗、感受的競爭。為別人創造價值、為別人賦能的人才能成功
下面是新智元根據現場直播整理的內容。
馬雲首先感謝了朱民關於人工智能的講話，表示在中國，被經濟學家關注的問題成功的機率就會比較大。
馬雲認為，過去20年是互聯網技術的時代，而未來30年是互聯網時代，而未來30年的變化我們無從想像。他認為現在關於線上及線下不公平的討論是個偽命題，實體經濟從來沒有好做過，不要抱怨互聯網對於實體經濟有衝擊，而是應該思考如何利用互聯網讓自己的企業發展更好。
馬雲預測未來十年內會實現加速的五個行業的變革：
新零售，即線上、線下及物流的整合，學會如何服務客戶而非如何賣東西；
新制造，即個性化、定製化，智能化而非標準化的製造，馬雲預測未來廣東製造業受到的衝擊將遠遠超過長江三角洲地區；
新金融，傳統金融解決二八問題，即只服務於20%的大企業，其他不關注，關注了也不能提供專業的服務；而新金融解決八二問題，即關注和解決80%的消費者和中小企業的金融問題；
新技術：未來技術的競爭不會圍繞PC，中國在這一領域參與競爭希望也並不大，彎道超車十超九翻。中國應該換道超車，關注如芯片發展等領域的技術創新；
新能源，第三次技術革命的能源是數據。
馬雲還談到技術變革對就業的影響，認為每次技術變革都是就業變革。工作崗位被搶走是源於對互聯網的無視、漠視，事實上互聯網在創造大量就業。雲計算、大數據這類熱門問題被討論時有人會猜想十年後根本沒有數據分析師這種職業，而三十年後《時代》雜誌封面年度最佳CEO將很有可能是個機器人。
馬雲繼續談到創業問題，認為以前創業靠資源，而未來靠的是技術、數據和創新。未來企業家將從entrepreneur變為netrepreneur。未來三十年時間不是屬於互聯網公司，而是屬於用好互聯網的公司。BAT應該把技術、能源、人才普惠化，否則也無法保持長久發展。馬雲還分享了阿里巴巴內部最常談到的兩句話，即“一切業務數據化，一切數據業務化”，同時表示阿里巴巴比任何一家公司都如履薄冰。
談到未來的視野和戰略問題，馬雲談到，國際化是一種能力，全球化是一種格局。全球化不是在中國以外的地區尋求廉價勞動力，而是要考慮自己的企業能給當地的就業、經濟發展帶來什麼。馬雲認為從現在開始應該高度關注低於30名員工的公司，關注30歲以下的年輕人。
關於人工智能的發展，有關AlphaGo戰勝圍棋大師這類成就馬雲不以為意，他認為讓機器人做人類可以做到的事情不算什麼，機器人做這類事情必然會超越人類，只會讓人類越來越沮喪。機器應該擁有自己的智能，人類應該思考machine intelligence，未來讓機器成為人的合夥人而不是競爭對手。“我有不同的看法，阿法狗打敗了人類，我個人覺得，so他媽what？ 機器打敗人不值得誇獎，機器要做人類做不了的事情，機器要做人類創造不了的事情。讓機器成為人類的合夥人、成為合作伙伴，而不是成為人的對手。”
談到未來競爭的趨勢，馬雲認為二十一世紀最大的能力是服務別人的能力，只考慮自己不是好戰略。競爭在過去是肌肉競爭、知識競爭，而在未來將是體驗競爭，感受競爭。未來女性會蓬勃發展，因為她們更關注體驗和感受。關於虛擬經濟和實體經濟之爭，馬雲認為兩者本就不對立。虛擬經濟的主體應是金融，而互聯網不是虛擬經濟，是虛實結合，這樣才能持久發展。BAT發展的好是因為每家都有自己的核心競爭力。技術是未來真正的紅利。
馬雲還舉了英國汽車工業發展初期，因汽車出現侵害到傳統馬車行業利益而出現的針對汽車限制的例子來談創新，認為任何一次創新，在未來都是監管的創新，制度的創新。
馬雲還談到未來教育的問題，認為過去教育的理念就是搞定老年人就等於搞定年輕人，而現在和未來要關注年輕人。要讓我們的孩子學習藝術、音樂和體育，從而培養想象力，創造力和團隊精神。中國的教育體制未來將遇到重大沖擊。
最後馬雲提出一個他認為有較多爭議的問題，即網民素質的問題。“東亞病夫”的概念代表的是營養不良和貧困落後。馬雲認為一個人在網上表現出知識結構，智慧，文化體系的不良就叫做“網絡病夫”。網絡把過去中國幾十年積累下來的知識、文化的不足放大，目前的網絡暴力、水軍氾濫就是體現。馬雲認為這是應該引發大家深入思考和關注的問題。
高端對話：李彥宏、馬化騰和沈向洋談人工智能
馬雲演講結束後，進入高端對話環節。由吳鷹主持，對話嘉賓：百度李彥宏、騰訊馬化騰、微軟AI領軍人、全球執行副總裁沈向洋，以及神州數碼董事局主席郭為。
由於絕藝亮眼的表現，主持人吳鷹將談話第一棒交給了馬化騰。
馬化騰：騰訊來說AI還是落後不少，Robin 在這方面懂更多。在我們公司內部，結合產品，包括我們的圖片、人臉數據的圖片是高達數十億張。還有很多後臺數據分析，包括廣告匹配，都用上了AI技術。但是大家感受不到，因為在後端。我們當然也希望在前端有這樣的。去年AlphaGo的論文出來，引起了業界的轟動。我們團隊本著一種練手、練兵的心態，去做這樣一件事。很多團隊紛紛使用深度學習，將這種技術融入在原本已經走到瓶頸的圍棋這方面上來。我們公司有3個團隊，分別在不同的部分，也動用了公司很大的資源（比如計算）去做這件事情。更恐怖、更深層的意義在於，它能夠利用數據自己學習、自己跟自己對弈。Mater 出來後，經歷了數億、數十億的交戰的盤數，它自己的去尋找規律。這給我們很大的一起啟示，以後的金融，包括現實中的每一個行業，如果能用這個技術，模擬個現實的環境，可能不用教車怎麼去開，汽車自己就能琢磨出一套規律和經驗，自己找到規律去解決問題。
主持人吳鷹：最有可能在哪裡領域有顛覆性的東西出現？微軟最希望幹掉BAT裡面的哪一個？
沈向洋：我每次在馬雲講完後以後都沒有話可講——馬雲基本上把話都說了。馬雲說彎道超車10超9翻，換道超車才有機會。我在念研究生的時候，深度學習不火，工作都找不到。現在人工智能這麼火，經歷了幾次冬天，現在有了強大的計算能力，剛才pony也講了，很多不能解的問題一下子有了解決方案。未來5到10年，在感知方面AI會超過人。在認知方面，包括情感，還是需要用平常心去對待。
吳鷹：藉著馬雲講的，我問一個仿生學問題。飛機最早是對鳥的模仿。今天的飛機肯定不是這個樣子。飛機的原理最後肯定不是這樣。汽車最後也沒有仿造人腿。憑你的直覺，AI是模仿人的Neural Network，還是有別的設計？從人腦獲得啟發，模仿人的思維方式走的人工智能之路是否可以走得通？
郭為：機器能量消耗很大，無法想象機器能代替人類精神上的東西，完全替代人是不可能，只能在功能上替代。石針的發明和人工智能的發明是一樣的，二者沒有本質區別，都是人類在進化的過程中，不斷髮明新的工具。
馬化騰：現階段還是務實一點，在仿生上很重要，做通用的非常難，包括圍棋也是做有監督的學習。垂直領域訓練需要消耗很大能源，並且稍微改進一點算法，都需要再進行訓練。但是，實應用是不需要的，比如絕藝。人腦學習是不需要消耗這麼多能量的，這方面AI需要去學習。
李彥宏：不認可說現在的人工智能是在做仿生學。人腦目前怎麼工作的我們只瞭解3%（同意馬雲的觀點）。人工智能、深度學習算法還是處在初級階段。我認為，強人工智能永遠做不到。
沈向洋：一定要有數據，要能夠做實驗，做重複的實驗。接下來N年，要有更多人投入到基礎科學，去研究腦科學。接下來，弱人工智能，我們能想象出來，人能做的事情，絕大多數，人工智能都可以達到。比如機器閱讀的能力。未來5到10年，這是人工智能會出現大突破的地方。現在大家覺得激動人心，現在是neruo做法，以前是符號的解法，現在很難去解釋，我覺得接下來研究從符號到神經再怎麼到符號，就是現在很熱門的explainable AI，可解釋的人工智能。
主持人吳鷹：深度學習開源平臺，開放後會不會是在培養對手？
李彥宏：人工智能是非常大的產業，而且會持續很長時間。未來20到50年都是很快速發展的時期。這不是一家公司能夠把所有事情都做下來的。把平臺開放出來，對大家有益。我們能夠在平臺上看到大家在做的事情，哪些發展得快一些，哪些積累了更多數據。剛剛說了，AI永遠無法超越人，但是，在不斷逼近的過程中，就會一點點把行業顛覆掉，比如人臉識別。如果做到成熟，在機場就不需要那麼多安檢程序。語音的識別、NLP、未來不是人學習工具怎麼使用，是發明人寫用戶手冊，未來是工具去學習人的意圖，我希望用人工智能來讓機器理解人，這是未來幾十年的大方向。
主持人吳鷹：大數據是很重要的方面，如果我們在算法上落後於美國，大數據很重要。有沒有可能把微信等的數據分享出來，讓創業公司來用？
馬化騰：這個問題我們在內部也有很多討論。第一是場景，第二個是大數據。場景是落地很重要的地方，如果沒有場景落地和平臺支持，基本上是空中樓閣。我們現在有很多數據，但這裡邊有很多都垃圾數據，因為沒有標籤，沒有定義，數據清洗和標籤化的成本非常高。要讓人去處理，才能讓AI去學習。第三是雲。我們也正在做雲。第四個是人才，一年前就發現的人才，一年以來我們招了很多人，我們在西雅圖設立了實驗室——因為微軟很多人不願意離開，所以我們就在旁邊設（現場笑聲）。AI 大家更多的關心如何落地。我們內部也在討論，微信等數據能不能夠給他們用。還有個人隱私的問題，數據脫敏。要先把這些處理乾淨，才能談下一步。
同時，還有很多數據來自合作伙伴。數據共享需要業界形成標準，形成互惠互利的標準。還有很長的路要走，但是大方向是對的。
沈向洋：關於這個問題，我也想分享我的一些看法。作為成功的大公司，我們對行業是有責任的。現在百度和騰訊都在做研究院——但Pony有一個不太好，就是把研究院開到了微軟的家門口。大公司把數據拿出來給大家，讓初創公司用，其實不是很現實。不過，如果願意花一點時間處理數據，讓研究員去用，則是完全可能的。比如微軟的視覺數據庫MSCOCO和自然語言處理數據庫MSMACO。我們處理搜索引擎的數據，讓大家去用。
主持人吳鷹：在智慧城市上鍥而不捨做了6-7年，與政府合作比較難盈利，公司對於AI上有沒有規劃，是否希望合作？
郭為：今年Intel收購Mobileye，Intel就是為了數據，1000萬輛傳統汽車安裝裝置，可以支撐Intel未來的發展。神州數碼就是希望在傳統行業上挖掘，深網數據，比如ERP，如果BAT不犯錯，很難超越。一樓空，新的企業就長出來了。我們在農業、醫療、製造業、工商總局商標註冊，我們掌握了這些數據那些商標價值最大，我們可以用數據分析的方法。這些這麼做，需要與其他企業挖掘，深網挖掘，脫敏，之後與其他公司合作。
附：馬化騰問答實錄（來自騰訊新聞）
吳鷹：為什麼重視人工智能？有什麼看法？
馬化騰：在公司內部結合業務形態我們已經有一些業務，比如微信朋友圈和QQ空間我們有上十億的人臉照片，在國內有相當長的研究，包括後臺數據分析，都用上人工智能技術，只是大家感受不到，這是在後端，在前端希望做出一些產品。
AlphaGo通過人機對戰的事件讓全世界對人工智能的認知到了新的高潮，團隊也本著練手的心態做嘗試。Google收購的DeepMind團隊論文發表之後，全世界原來做計算機圍棋的團隊走入瓶頸的團隊都用人工智能的方式來做，紛紛採用深入學習的方法融入到圍棋的軟件開發。
我們內部團隊有三個團隊在做，在不同的部門，這個部門剛好可以突破這個瓶頸。更大的特點，和AlphaGo不同的是，我們AI全程得到國內頂尖棋手的指導，我們十幾位研發人員不懂圍棋，一開始連黑先下還是白先下規則都不知道，所以結合計算機原理以及很多專家的訓練。
絕藝贏得比賽是小小的成功，不能過於欣喜，但是也不能說這是一個毫無意義的事情。
過去對AI很多從一些規則或者簡單的訓練得出來能夠改善計算處理的能力，最終發現一個更同步和更深層的意義，能夠在計算機的後臺用雲計算大數據的方式去高速學習，可以自己跟自己對弈。
AlphaGo出來以後經過了十億盤對弈超越了過去人類所有交戰的盤數，自己尋找規律，對人類認知的範圍極大的擴張，這給人類很大的啟示。在很多領域，圍棋以外的，金融、醫療、病理的檢測，如果用計算機後臺做出模擬器，充分的嘗試。就如自動駕駛一樣，模擬做各種各樣的反饋，自然會琢磨出一套理論和經驗，給我們帶來很大的思考。以後在很多領域如果能做出模擬器定義參數自己學習，找到規律的能力遠超我們想象的，這是我們得到最大的啟發。
問：人工智能要取得突破性進展，是模仿人的神經網絡、人腦的效率，通過仿生人腦思維的方式突破，還是完全不一樣的方式？
馬化騰：我們期待有本質性的飛躍，比如說發現飛機的空氣動力學、流體動力學和鳥不一樣的，車輪和人型馬一樣，仿生是某些垂直的領域，包括圍棋是選非常窄的領域，通過各種參數訓練。
郭為剛提到用AlphaGo下一盤棋消耗多少能源，垂直領域訓練消耗能源，但是實際用消耗不了多少。現在訓練出來的單機版本跟職業棋手差不多，訓練需要很長時間，最麻煩的是改一個參數，規則改一點、算法改一點，全部重新來消耗很大，所以這屬於很窄的技能模擬。
未來下一步到通用的，再下一步是不是有更本質性的發現背後的原理，智能其實可以超越現在碳基智慧，是不是有其他的元素可以形成更高級的生命和智慧呢？這是超越人類現在發現的知識，這是有可能的。
有人突發奇想說，現在認識的宇宙是高智能生命用量子計算模擬出來的環節，一切都是模擬起來的，這是發揮大家腦洞大開的想象力吧。
吳鷹：有沒有可能把數據分享出來，讓這些創業公司來用？
馬化騰：這個問題在內部也有討論。首先，人工智能關注哪幾塊：場景、大數據、計算能力、人才。
場景，想把技術應用在什麼情景下？是不是高頻跟用戶接觸，這是落地很重要的地方。我們看到研究院、研發團隊，如果沒有場景落地、平臺業務支持的話，基本上很難往下走。
大數據，也是平臺、業務部門裡面有大量的實際運轉數據產生出來，這裡面很多大數據是垃圾數據，沒有標籤、沒有人規劃定義，用算法也學不出來，學完之後也是走火入魔瘋狂的結果，這裡面數據的清洗標籤化難度相當高，要僱很多人，用比較笨的方法用人腦去清洗乾淨再讓AI去學，這個過程是混合的過程。
計算能力，雲資源，這方面我們也要做雲，要拿幾十萬核的計算能力CPU還是有能力的，而且在雲裡面本身有比較好的調用。
人才，通過一年的時間招了很多人，包括在西雅圖還設了一個實驗室。
我們觀察到很多AI的大佬們，更關注怎麼落地，把畢生的研究成果體現出來。內部BG之間也在溝通微信、手機QQ平臺數據能不能用？大家知道，BG或者部門裡面平臺他們也很希望近水樓臺先得月，數據在身邊流動為什麼不讓人先研究一把，所以現在我們處在內部怎麼把數據分享出來的階段。
還有一個用戶很關注的是個人因素，就是你不要把我的數據都賣了。這裡面有很重要的個人信息安全和個人隱私的問題，如果數據不進行脫敏，我們是絕不能用的，只有先進行脫敏處理，沒有人能夠通過數據倒推到某個人，這樣處理乾淨才可以談下一步。
數據要什麼模式，清理做什麼標籤才能給其他的部門，包括外部合作伙伴怎麼用。同時也有很多的數據是來自於合作伙伴或者業界的其他公司，他們也遇到這樣的問題，拿到一堆裸數據不知道怎麼用，業界要形成一個標準互惠互利，這個路徑還有很長時間，大方向在往前走。
IT峰會上評如何弄潮人工智能
下面介紹一下會議開場環節關於人工智能的討論。
會議首先由工信部副部長陳肇雄、國家發改委高技術產業司副司長孫偉、廣東省副省長袁寶成做開幕致辭。致辭中，幾位領導都對峰會的召開表示了熱烈祝賀，對關心和支持我國IT領域發展的各界朋友表示了感謝，對 IT 領域近年來取得的成就高度認可，同時期望 IT 界同仁在人工智能技術發展的浪潮面前能夠“弄潮兒向潮頭立”，不斷在技術創新和產業創新方面取得突破性進展。
接下來，數字中國聯合會主席吳鷹致辭。在致辭中，吳鷹對歷屆 IT 領袖峰會進行了簡要回顧，並特別指出：當前人工智能發展的形勢不是泡沫太多，而是泡沫不足。吳鷹認為，過去的幾次技術革命，其中都有泡沫推動的成分。最終泡沫擠掉之後，才有了長足的發展。對於目前人工智能良好的發展勢頭，吳鷹認為，其總體原因，是大數據、算法和摩爾定律在起作用。其中摩爾定律是大家共同面對的；算法方面，中國和美國還有比較大的差距；大數據則是我們得天獨厚的優勢。
下一個上場的是清華大學的朱民，他是清華國家金融研究院院長。朱民主要從金融角度看待人工智能和人工智能的發展。朱民提到以色列創業大家的看法：人工智能在中國如此的火熱、非常大的市場和大競爭，在全世界人工智能其實是存在於中國和美國之間的競爭。
3月27日，新智元開源·生態AI技術峰會暨新智元2017創業大賽頒獎盛典隆重召開，包括“BAT”在內的中國主流 AI 公司、600多名行業精英齊聚，共同為2017中國人工智能的發展畫上了濃墨重彩的一筆。
點擊閱讀原文，查閱文字版大會實錄
相關推薦
