新智元報道
2017年6月7日，高考恢復40週年。
2017北京高考作文題其中一個命題是 “共和國,我為你拍照”，題目寫道：“2049年，我們的共和國將迎來百年華誕。屆時假如請你拍攝一幅或幾幅照片來顯現中華民族偉大復興的輝煌成就，你將選擇怎樣的畫面？請展開想象，以‘共和國，我為你拍照’為題，寫一篇記敘文。要求：想象合理，有敘述，有描寫，可以寫宏大的畫面，也可以寫小的場景，以小見大。”
如果新智元參加本屆高考，會寫出怎樣的一份答卷？
巧合的是，5月25日端午節前夕，新智元每月一次的學術產業領袖閉門論壇“新智元百人會”在北京舉行。本次百人會以“2049年人工智能未來展望”為主題，話題的切入點是未來三十年人工智能可能的突破點，以及它將給我們社會生活各方面帶來的變化。
對這一話題，與會嘉賓自然進行了深入討論，話題涉及人工智能相關的技術驅動力、關鍵突破、類腦計算、腦機結合、智能助理以及在醫療、金融、能源、安防、自動駕駛方面的應用等等問題。討論過程不乏思維的碰撞、觀點的交鋒。
開場——AlphaGo再勝；2020 年 60% 的機器學習會被四家公司壟斷；新的歷史時刻已經到來。
王田苗（會議主講人，北京航空航天大學機器人研究所名譽所長、教授）：首先非常感謝在端午節前夕，新智元組織發起，雅瑞資本做東，十分高興邀請到各位大咖參加“2049人工智能未來展望”項目研討會。該項目是由中國科協與中國電子學會嵌入式系統與機器人分會組織，由北航、清華等高校參加，還有兩個重量級的媒體參與。一個是新智元，一個是機器人雜誌社。我們主要是探討三個事情。一，未來30年，也就是2049——新中國建立100週年，人工智能可能的突破點；二，AI 可能在什麼方面會改變我們的產業結構生活；三，法律倫理方面。我們在這三方面暢想一下。
楊靜是我非常好的朋友，我也好，雅瑞資本也好，都渴望和新智元合作，我們已經合作多次。楊靜在學術、技術和理論方面像先鋒一樣，在人工智能還沒有熱的時候，她很早就發起了“新智元”。
楊靜（新智元創始人兼CEO）：這幾天是AI的新歷史時刻，今天柯潔第二盤中盤又敗北，輸給了AlphaGo。據我所知DeepMind CEO 明天就去深圳了，跟騰訊洽談。DeepMind 表面上跟柯潔下棋，實際在販賣谷歌的一整套系統，包括它的 TPU雲和一整套深度學習 AI 的技術體系，想把 BAT、華為、中國移動這些企業都納入到它的體系當中去。新智元有一篇稿子提醒大家注意，2020 年 60% 的機器學習會被四家公司壟斷，谷歌、微軟、亞馬遜、IBM。谷歌的企圖更大，柯潔說“我看到了一個圍棋的上帝”，柯潔在圍棋的專業評分裡面是3260分，AlphaGo 2.0版是 4500 分，而且用的計算力只是原來的1/10，去年打李世石是兩臺機櫃的TPU，那時候TPU已經生產出來了，祕密在用，但是隻不過今年才發論文而已。72個研究者參與這篇論文的寫作，歷史上沒有見過這麼多人合作一篇論文。這就是一個大公司的壟斷優勢。今年中國的主題也是人工智能。對於中國大腦的投入，未來五年要投 100 億或者 200 億，但跟企業的研發投入相比，這就是九牛一毛，華為一年的研發經費600億，BAT 都是 100 億左右的規模。國家未來有很多基金。昨天有一些不好的消息，穆迪給中國降級了，高盛說我們的債務高於公佈債務的60%，地方債的情況還是很嚴重的，人民幣有貶值壓力，但是企業還是挺爭氣的，阿里巴巴也有一個 NASA 計劃。
關於未來20年，估計明天馬雲還會有新的闡述，他們在人工智能方面下了很大力氣，包括阿里雲。還有騰訊，騰訊在6月底有一個騰訊雲未來峰會，請到 Michael Jordan，還有圖靈獎的獲得者。在通用人工智能方面，這裡面是一個最大的分歧。到底通用人工智能會不會實現，多長時間會實現？今年戰勝柯潔的 DeepMind 的 CEO Demis 說10年研發出來，Jeff Dean 說 15 年能實現。到 2049 年還有 32 年，人機融合、人工智能會有什麼樣的發展？希望大家就此話題暢所欲言，展開對未來前景的預測，探討中國的AI+ 會有什麼樣的未來。非常感謝大家在端午節前夕參與這個討論。
幾位嘉賓的自我介紹
魏晨光（中國移動研究院副院長）：人工智能，以前我們覺得它是一個實驗室裡面的技術，而現在漸漸走向實用。中國移動是傳統電信運營商，未來怎麼讓移動網絡更智能地服務用戶需求，這是我們一直在思考的問題。我們非常珍惜今天這樣的學習機會。
何暉光（中國科學院自動化研究所研究員）：我來自中科院自動化所類腦智能研究中心，我的研究方向包括醫學圖像處理，類腦計算，腦-機接口等，目前關注的一個工作是在計算機視覺和生物視覺之中找到一些聯繫。
鄧志東（清華大學計算機系教授）：我一直在清華大學計算機系智能技術與系統國家重點實驗室工作，主要從事人工神經網絡、自動駕駛、機器人等。現在專注於深度卷積神經網絡，還有深度強化學習。在自動駕駛方面，則強調深度學習在自動駕駛中的應用。
馬康煒（新智研究院 戰略合作部 副主任）：大家好。新智研究院隸屬於新奧集團。新奧集團佈局了能源環保、文化健康、互聯網這三大產業板塊，每個板塊中都有自己的研究院。“從數據到智能，從智能到創新產業價值”是新智研究院的企業使命。我們致力於通過領先的人工智能和大數據技術，為消費側和供給側的傳統企業和互聯網企業賦能，是一家推動相關產業或業務實現智慧升級的領先型技術研究與孵化機構。
黃華明（中信建投證券股份有限公司 投資銀行總監）：我們中信建投非常關注人工智能在各個垂直行業的應用，專注於比較前沿技術的公司，這次主要來學習。
鄧侃（大數醫達 CTO）：我叫鄧侃，以前在CMU讀書讀了七年，方向就是機器人和人工智能。我現在做什麼事情？蒐集全國的三甲醫院優質病例，挖掘臨床路徑，用最少的化驗和檢查，最低的成本蒐集足夠的但是最少量的病情分析，然後用於支持臨床診斷。
主題演講——人工智能與機器人發展展望2049
王田苗：這個項目實際是一個展望，由電子學會、北航、機器人雜誌社還有新智元聯合開展，機器人雜誌社偏重智能硬件機器人，新智元更偏重於人工智能，偏重於軟件和思考。
關於框架確實比較難預測，一般來說叫宏觀展望，也不能說是戰略研究、路線圖，這只是一個展望。
首先，AI 的含義很重要，內涵、定義，還有理論和技術上的突破，應用突破、社會可能的影響。
我們很希望我們的“2049展望”分這五部分。其中計算和理論的突破確實不清楚，需要楊靜來牽頭和大家一起探討。理論上的突破可能會在哪兒，會不會在腦科學、類生命體，會不會在整個學習推理以及行為等等，還有生物感知、大數據，還有真有人的情感，以及實現這種技術上的操作系統、芯片、接口。
未來20年、30年人工智能推動這些領域的變化可能是哪些？國家安全、智能製造、金融、汽車、醫療、智慧城市、服務家庭。這種技術和理論突破、社會形態、產業結構、生活的改變情形是什麼？
下面是關於 2049 我自己的思考，不太成熟，跟大家分享一下。
社會形態是怎麼發生變化的？我的理解，社會形態變化，有可能是源於我們的產業變化，也可能是源於產品變化。從蒸汽機、汽車、飛機、計算機、芯片到空間站，都是這樣。為什麼會有這個看法？人的需求和人的內在影響社會變革。
比如說過去，由於安全問題出現了國王，出現了軍隊，因為打獵打不上，飢餓以後引出了農業貿易。最後因為物質產品缺乏出現了工業城市以及商務，工業出現競爭，競爭出現了自動化，出現了機器人。健康也一樣，通信、計算機、航空，娛樂業都是這樣，還有分享。社團組織就是分享，意味著什麼？真是供給側，產品過剩了，工業品弱化了，這麼理解才知道為什麼歐洲工業在衰落，因為它不需要，汽車也有了，房子也有了，電視有了，空調也有了。需要旅遊需要吃飯需要分享需要社區。就像我們說的就業失業，30年後不排除會不會工作只三天，另外兩天在家工作，社會形態就發生了變化。
你不能迴避這個週期，中國很幸運，在90年代初期，華為也好還是聯想也好，用友、TCL、科隆都是那個時代創業的，2001年中國加入WTO，互聯網、房地產和汽車拉起來了，這是世界的，在這個節點上中國每次都搶住了機會，從2010年全球第六名，2015年一下子變成第一名。
現在是低谷，後面整個世界經濟復甦可能會對人工智能其它方面構成很大的變化。導火索：2013年世界各個國家領導人引進顛覆世界的變革，人工智能有知識自動化、有云計算，都屬於這個範疇，當時這裡面沒有人工智能，自動化定義來說是這樣寫的：科技改變世界。
有人覺得未來整個經濟振興其實就是技術革命和全球貿易的自由，企業要市場化自由，國家要自由，才能復甦。
這裡面引出排序一到五名超級的股票，從01年到06年，科技確實在改變著市值，GE、微軟、美孚，花旗銀行、沃爾瑪，後面沃爾瑪就沒有了，2011年美孚上來了，蘋果、中國石油、殼牌、中國工商銀行，又過了五年，全是科技公司。
技術革命和自由的貿易實際貫穿整個發展過程。技術的革命靠科研投入。現在有兩個現象，國家不斷投入，企業投入比國家政府還多。這裡面顯現出中國、歐洲、日本和美國，中國上升還是很快的。這裡是投入的經費在 GDP 中的百分比。
在這樣的前提下，大家覺得這個時代到來了。大家還是有一些爭論的。人工智能由於它是軟件它是智能，它是大數據物聯網造成的，所以它從toB直接進入toC，機器人會很慢，安全、法律、成本都是原因。
高盛對人工智能未來幾大領域和幾大關鍵技術的報告，農業、金融、醫療健康、零售業、能源，機器人，人工智能，從自然語言理解到培訓到語音到網絡到傳感以及到視覺等等，人工智能像電，人工智能將來像付費的電一樣，付費就能買人工智能解決方案，可能會在消費，可能會在產業，可能會在新金融上（應用），這是人們現在所思考的。
我自己學習包括分類包括思考的結果是，近五年、後十年的變化，原來是ERP，現在是商業智能。
工業機器人用的快，特種機器人將來可能是服務而不是銷售，從幹細胞到精準機器人。toC 上手機智能終端，將來就是可穿戴式，不帶手機，無處不在。
底下的這塊是軟件，上面是有形的可以摸得到，現在普遍認為人工智能軟件應用最快的是金融，其次是醫療、監控、零售業還有家庭物聯網、遠程教育，到了後面可能就是變成一個公共的服務內容，從銀行到餐館，從對話到自然語音翻譯，從家庭物聯網到工業物聯網。
從未來看，現在我們理解 AI 的應用已經出現了，比如生活服務祕書、祕書助理、泛娛樂等等。
謝謝！
展開——人工智能目前最成熟的部分是深度卷積神經網絡和深度強化學習；未來三到五年最有可能突破的是半監督的方法。
楊靜：下面我們就2049的議題展開討論。近期人工智能和深度學習的突破點，包括技術上面和學術層面上面可能的突破點，我們先聊三到五年內人工智能學術和產業可能發生的變化，能不能邀請鄧志東教授先來做一個分享。
鄧志東：人工智能的核心是深度學習，包括兩部分，深度卷積神經網絡和深度強化學習。這兩部分目前是最成熟的部分，可以做產品開發和產業發展了。但這兩部分本身也有侷限。
深度卷積神經網絡現在湧現出許多極其成功的例子，包括人臉識別等。什麼叫人工智能？迄今有許多定義。幾十年了，都說自己的方法是智能的，智能這個詞已經說的很大眾化了，誰都說自己是智能的。那什麼是真正的人工智能？這個問題比較大，但還是可以說清楚。
如果說人工或機器智能接近於人類水平——達到或超過就更不用說了，那我們就可以說它是真正具有智能的。把簡單的邏輯判斷稱之為智能顯然是不科學的。在現階段，在所有算法中，只有大數據驅動的深度卷積神經網絡，還有深度強化學習，確確實實達到了人類水平，甚至超過了人類水平。
基於深度強化學習的 AlphaGo 明顯比人類棋手強。應用於垂直細分領域的深度卷積神經網絡也是一樣。現在發現根本不需要LSTM之類的遞歸神經網絡，純粹用深度卷積神經網絡實現的遞歸神經網絡就可超過傳統的語言建模方法和結合LSTM的方法。最近Facebook發佈的神經機器翻譯系統就僅用了純粹的深度卷積神經網絡，比原來的方法速度提高了九倍。深度卷積神經網絡和深度強化學習，這兩個是比較成熟的，實實在在的，確實是智能的東西，接近於人類水平或者超過人類水平。
第三次人工智能的復興不是虛幻的，不是泡沫，是實實在在的進步，至少有上述兩個革命性的進展，其他前沿技術目前還在探索。
前沿技術探索這塊，未來三到五年最有可能出現突破的就是半監督的方法。對半監督的需求很強烈，現在深度卷積神經網絡很好，但是它有缺點，即依賴於完備的大數據，沒有大數據餵食就不可能達到人類水平，這是很明顯的。但是獲得完備的大數據，付出的代價太大，很多應用場景可能得不到，比如把全世界的火車照片都蒐集起來，這是不可能的事。我們希望能夠做一些小數據、小樣本或小標籤的半監督學習，數據不大，但是還能夠達到人類水平。
我們做過很多實驗，人為地去掉一半甚至去掉1/4的標籤數據去訓練深度卷積神經網絡，希望網絡能夠具有舉一反三的能力，通過小樣本或小數據的學習同樣能夠達到人類水平。這部分不管是利用生成式對抗網絡，還是與傳統統計機器學習方法的結合，或者與認知計算方法的結合，總之難度較大。人不完全是基於特徵提取的，我們看到了土狗的照片，從來沒見過藏獒、寵物狗，但通過舉一反三就能夠識別出來。這靠什麼？靠推理。人類靠推理獲得更強的泛化能力。我們現在的深度卷積神經網絡是靠多級多層的特徵提取，如果特徵提取不好，這個識別結果就不好，達不到人類水平。總之，特徵提取要好就必須要有完備的大數據。但不管怎麼樣，具有推理能力的半監督或者無監督的深度卷積神經網絡三到五年會有突破。
通用人工智能這部分需要的時間更長，三到五年能不能突破不知道，但是意義非常重大。
事實上，兩件事情的意義都很重大。如果半監督、無監督（學習）突破之後，很多行業應用包括人工智能場景研發都會快速推進。現在很難得到完備的大數據，付出的代價太大。實際應用時一般通過數據迭代、算法迭代向前推進。從這個角度來說，AlphaGo中體現的深度強化學習代表著更大的希望。因為它也是基於深度卷積神經網絡的，包括以前用的13層網絡，現在用的40層卷積神經網，替代了以前的淺層全連接網絡，它帶來的能力提升是很顯著的。為什麼它更有意義？首先它有決策能力，決策屬於認知，這已經不僅僅是感知智能了。其次AlphaGo依賴的僅僅是小數據的監督學習。3000萬的6-9段人類職業棋手的棋局，對人類來說已經是大數據了，但對圍棋本身的搜索空間來講則是一個小數據。不管柯潔還是聶衛平，一輩子可能都記不住3000萬個棋局，但19x19的棋盤格上，因每個交叉點存在黑子、白子或無子三種情況，其組合數或搜索空間之巨大，超過了全宇宙的粒子數。對如此複雜度的棋局變化，人類的3000萬個已知棋局真的就是一個小數據！AlphaGo首先通過深度監督學習，學習人類的3000萬個棋局作為基礎，然後利用深度強化學習，通過自我對弈、左右互搏搜索更大的棋局空間，是人類3000萬棋局之外的棋局空間，這就使AlphaGo 2.0下出了很多我們從未見過的棋譜或者棋局。總之，深度強化學習有兩大好處，它給出的是決策，跟認知聯繫起來。第二，它不依賴於大數據。這就是前面說的半監督和無監督學習方法。AlphaGo 深度強化學習會非常火，因為它是在認知層面上進行探索，而且不完全依賴大數據，意義重大，魅力無窮。相信深度強化學習非常有潛力繼續向前發展，將大大擴展其垂直應用領域。但是它本身並不是一個通用人工智能。AlphaGo 只能下圍棋不能同時下中國象棋、國際象棋，因此還只是專注於一個點上面的。
實現通用人工智能，把垂直細分領域變寬或者實現多任務而不是單任務學習，對深度神經網絡而言，不知道這部分有沒有什麼樣的技術途徑可以往前走，但是肯定要與符號主義的認知智能結合。
從腦科學的角度去做當然是可能的途徑之一。但短時間之內未必能夠把大腦的高級智能活動搞清楚。現在的人工智能復興，真實的突破不是靠腦科學推動的，完全是因為卷積神經網絡模型，這很早就有了，還有大數據、GPU的發展，這有時代的進步，歷史的偶然。腦科學的發現也帶來了進展，比如IBM利用脈衝神經網絡把類腦芯片的功耗大大降了下來，當然這僅是一個工程問題，而且神經元的脈衝響應，早就寫入了教科書，是常識，不是現在的腦計劃剛剛發現的。總之，未來人工智能是不是靠腦科學推動不知道，因為腦科學本身在短時間之內未必能取得很大的突破。
通用人工智能沒有很好的線索往前走，原因一是因為神經網絡本身是黑箱式的，二是因為傳統的卷積神經網絡不能完成多任務學習。可以考慮跟符號主義的認知智能結合，但必須是在新的起點上，即在已有感知智能的基礎上，利用更高層次的自主學習而非以往的規則設計來進行。
事實上，人類的技巧性規則也是通過自主學習獲得的。一個司機從駕校畢業到開了幾十萬公里變成很有經驗的老師傅，整個過程其實是通過長期訓練得到的，駕駛技巧或規則被模糊分割得越來越細，對緊急情況的處理，也拿捏得越來越細膩與及時，但是這些規則，其實只能意會不可言傳，很難被總結為基於規則的專家系統。總之，這些規則是通過學習得到的，不是靠人工設計的。希望基於深度卷積神經網絡和深度強化學習，與認知智能結合，在更高的層次上進行學習，實現規則的學習以及更高認知粒度的學習推理。從某種意義上說，認知水平的推理或能獲得更強的泛化能力。例如，我們倒車入庫的時候不是都靠感知，如果後面因盲區看不見，我們就靠推理，看車的後視鏡跟側方泊車差不多平行，不用感知智能，靠認知智能也能把車停好。
王田苗：兩個AlphaGo打，這個趨勢是什麼趨勢？是什麼結果？
鄧志東：看誰學的多，誰學的時間長。AlphaGo都出自同一家公司，就靠概率了。如果是騰訊的絕藝和AlphaGo就有的一拼。
王田苗：AlphaGo和AlphaGo打會是平局？
鄧志東：其實就是它們平時訓練時的一次自我對弈而已，可能有勝負，與開始佈局或初始條件有關，靠概率。
鄧侃：不一定平局，圍棋是決定性的，如果你能算出來每一步的話，誰先落子誰贏，按照現在的規則。除非你的規則偏了，因為那是決定性的game，完全是靠規則，規則偏一點那就是決定性。
深化——AI 的壟斷和人工數據的可靠性；
王田苗：AlphaGo完全超過人類了，假設我們把AlphaGO放到金融上，這個世界上最後的炒股師是不是就是一個AlphaGo？
鄧志東：不會，你可以自己做AlphaGo。
王田苗：這種智能會不會快速聚焦到幾個系統？我們現在都是散戶炒來炒去。
鄧志東：有可能，比算法或技術先進，還要比大數據。大數據是基礎，必須要有基礎，然後再做深度強化學習。
楊靜：中國沒有一家能夠跟這四家（指上文提到的谷歌、微軟、亞馬遜、IBM）一個量級，還沒有。
王田苗：對中國來說，只要不開放數據，（它們）就打不過中國？
楊靜：你擁有的數據仍然是小的，我們上個月在阿里開4月論壇，提到一個問題，現在頂級會議裡面1/3的論文都是生成式對抗網絡，這裡面生成式對抗網絡往往要用上億數據，這樣在調數據的時候也非常困難。這裡面指出來，得自己生成數據，現有的數據對它來說不夠用，積累的數據是一塊，未來生成的數據又是更大的一塊。我們所謂說的數據優勢，首先人本來是一個優勢，但是現在恐怕柯潔這個案例說明人也不是優勢。再來說數據有優勢，可以生成新的數據，而且新的生成數據質量可能比人的數據質量要高。
鄧侃：下圍棋可以對抗，這個沒問題，但有一些很難用模擬的數據來教機器學習，醫療就是一個例子，不能模擬給某一個虛擬患者吃什麼藥，模擬他有什麼生理反應，模擬再做一個手術診斷，那沒有意義。
王教授提出一個非常好的命題，如果說到技術壁壘的時候，那對於中國來講，在大數據和人工智能領域裡面，中國的防火牆等等，是不是事實上形成了一種行業壁壘？我的看法，我們可能要換一個說法，不是說我有壁壘，而是說我們中國應該引領全球，為全球的人工智能做出更大的貢獻。DeepMind 跟我講，我的東西非常先進，你這兒的數據有3.7億病例，能不能合作？前提條件是保護中國醫療數據的安全，這個是紅線。我問過衛計委的官員，問過大牌醫院的院長，有沒有可能在保護數據安全的前提之下跟全球的頂級公司合作？當然是可以的。為什麼不可以？“一帶一路”中國要走出國門，“一帶一路”高鐵引領、網絡方面華為跟在後面，如果咱們的中國醫療隊也上去了，這是多好的事情！改一下王老師的提法，不是說壁壘，而是我們正好有這個優勢，我們要引領全球的發展，要“一帶一路”。
鄧志東：現在的方法還是依賴大數據，沒有帶標籤的大數據肯定不行。即使是深度強化學習也是有條件的，AlphaGo2015年跟樊麾，2016年跟李世石，首先把人類三千萬的棋譜基於監督學習表達成深度卷積神經網絡的連接權，相應表現為基礎性的價值網絡和策略網絡，之後的深度強化學習不是完全盲目隨機搜索的，它利用了這兩個深度卷積神經網絡的泛化能力作為啟發式知識，通過降低搜索寬度和深度進行自我對弈，利用深度強化學習進一步完成新的棋局的探索。大數據要求完備性和真實性，其中真實性非常重要。如果是虛擬的數據，就看應用場景了，通常未必能行。
金融領域——在我們這裡，搞金融和搞 AI 的人根本不結合
張瑞君（雅瑞資本創始人）：國與國的競爭，以前靠武器，現在靠金融，金融一旦侵入或者金融壟斷之後，一下子就把國庫搞垮了，比如2008年的金融危機。
我們國家金融方面前不久的股災，一堆人在救，我們政府在救，國家隊在救，其實無濟於事，出現千股跌停、千股漲停、千股覆盤的現象。AI今後對金融影響最大，那麼我們現在非常榮幸，有很多做人工智能的專家在這兒，我們對這塊怎麼思考？一開始的時候，整個信息化在中國應用時，中國是很落後的。有一些覺醒的人做中國的財務軟件，使得這塊應用突飛猛進發展。
特別需要指出，搞人工智能搞信息技術的人往往不去關注金融和產品應用。現在又到了一個時點，搞人工智能的人搞技術的人常常把我們的視角和注意力放在工業等等很多方面，金融是不是需要考慮？怎麼考慮的？這是一個社會問題。
鄧志東：金融安全事關國家全局戰略安全，涉及到經濟社會發展的大局。金融大數據很多是結構化和半結構化數據，表格定製的數據多，數據質量非常好，特別適合於大數據人工智能的應用。
現在的主要問題在哪裡？兩張皮，搞金融的人不懂人工智能，搞人工智能的沒有金融大數據，主要就是這個問題。
張瑞君：我看到，像美國人工智能專家開始進駐金融去研究，取得很多的成果，IBM 的沃森也開始搞這一塊。
在我們這裡，金融和搞AI的人根本不結合，沒有看到我們國家有這樣一些突飛猛進的發展，不知道未來會是什麼。
鄧侃：我給楊老師發了一張照片，瑞銀幾年前的交易大廳和現在的交易大廳，很震撼。人工智能的的確確是能夠在金融行業發揮巨大作用。第二個問題，為什麼在中國還沒有看到這種天翻地覆的變化，雖然有第四範式這樣的公司在嘗試。作為一個創業人，我也跟他們比較熟，說句直白的話，我們的金融業行業壁壘非常高。
人工智能技術本身確確實實在金融業發揮巨大的作用，但在特殊的環境之下，想在金融裡面做人工智能創新確確實實不太容易。
鄧志東：包括上海富國基金等都有人工智能金融團隊，還有初創企業，半年來我至少接觸過好幾個團隊，而且搞得相當深入，諮詢都做到了調結構調參數的程度。
楊靜：證監會有一個金融科技委員會，我也算其中一個成員，目前無論是區塊鏈還是自動交易，我們都在做，而且相關的創業公司也不少，人工智能的金融領域，用深度學習來做金融服務其實是IBM、微軟最大的業務方向。另外，百度做了很長時間。阿里螞蟻金服搞的就是這套。金融是一個天然會用AI的領域，全都是數據，是最標準化的，有很多公開數據。
鄧志東：這方面全世界做的最好的是高盛，是人工智能金融的標杆。
腦科學與AI——深度神經網絡學習好的網絡框架結構是固定的，大腦識別則是一個動態的過程
何暉光：關於智能的本質是什麼？它怎麼測量，怎麼評價，這些問題基本上現在都不是很清楚。
智能目前實現的兩個手段，一個是深度學習+大數據，另外一個是類腦智能。
中科院專門成立了腦科學與智能技術卓越中心，以上海神經所和自動化所牽頭，其目的是想將神經科學家和人工智能的科學家匯聚在一起探索。剛才鄧老師說的，深度學習在很多領域都取得成功，但是它其實還有一些缺陷，比如深度學習依賴於大數據，它不是小樣本學習，而且是專用的人工智能。你用下圍棋的模型去下象棋又得重新學，缺乏舉一反三的能力。包括魯棒性不夠，你學習出很好的模型，把對抗樣本的一個參數稍稍調整一下，人眼都能識別出來，但是它會識別錯。基於這方面的考慮，怎麼從大腦思考的過程中學到一些經驗，通過這個經驗去引導深度網絡的結構建模是一個重要的研究方向。腦科學對計算機領域也有幾個比較重要的啟發。像HMAX模型，還有非經典感受野等，即使拿增強學習來說，也是在生物學中間首先提出來，並得到驗證，在大腦裡面存在獎賞迴路，有多巴胺的分泌，如果做對了的話，大腦會感到興奮。
怎麼從大腦研究當中得到一些啟發，5月8號中科院學部專門組織了一個腦科學與智能技術論壇，討論相關問題。目前深度神經網絡學習好的網絡框架結構是固定的，大腦識別則是一個動態的過程，如果能夠把將大腦的認知過程引入的話肯定有更好的效果。現在的模式識別是在建立一種映射的聯繫，是靜態的映射，我看到一個人遠遠地過來，我可能先看到他的背影，看他走路的姿態，然後逐步去判斷和識別。而不是先去提取一些特徵，然後再做分類，再做識別。其實在很多年前，模式識別和控制聯繫非常緊密，我們要做的這塊確實是要把模式識別和控制包括動力系統等結合起來。
鄧侃老師剛才有一句話，我做一個迴應，鄧老師說“神經網絡生成很多數據，醫學上生成數據沒有意義”。這個我有一點不同意見，你的生成數據，比如手術模擬，能夠更好地去引導你怎麼做手術。即使是製藥，通過一些模型，通過計算藥物的反應是什麼，通過建立一套模型，也是可計算可模擬的。建立一個計算系統或者模擬系統，和人的系統兩者互相啟發，通過大腦研究的模型去引導人工智能的神經網絡構建，反過來通過人工得到生成的數據或者得到一些好的經驗，可以引導更好地去研究大腦，這樣的話就可以促進這兩個學科的發展。
王田苗：泛泛來說，無論是機器還是智能，有兩條線，人的智能和現實中的智能機器，你會發現外在可能實現同樣的功能，但內在大不一樣。計算機深度學習，人腦不是這樣的。我們拿機器來說，人是靠肌肉的，現實是靠電機的。用機器能耗很高，用人腦觸發就很低。這個會匯合，還是現實中走來走去還走不到一起，只是外在相似？
何暉光：目前計算機體系是馮諾依曼體系，計算存儲分開，現在IBM的TrueNorth芯片是模仿神經元突觸的連接，計算和存儲合二為一。
鄧志東：腦科學很尷尬。現代腦科學的研究有四個層次，一是在神經生物大分子層次，也就是從神經分子生物學，從神經細胞中的DNA、RNA、蛋白質這個極微觀的角度研究腦的結構與功能，國外這是一個很火的專業。第二個層次是神經細胞或神經元水平，迄今已發展60年的人工神經元網絡就是在這個層次。第三個層次是功能模塊，例如外側膝狀體（LGN）、V1、V2、V4、AIT、皮層功能柱等。第四個層次是迴路、通路水平，例如視覺通路、聽覺通路、體感通路和運動通路等，特別是多個通路的整合。以前僅在細胞這個層次開展工作，只見樹木不見森林。現在大家都知道不能只走細胞層次，得走功能模塊、迴路、通路及其整合。為什麼比較尷尬？因為通路的底層還比較清楚，一到高層的智能活動就搞不清楚，很多認知機理都不清楚，比如高級視皮層的反饋機制，前額葉的整合機制等，因為它們與其他通路及模塊的連接太複雜了。
王田苗：類腦芯片識別率是不是低於卷積神經網絡？
鄧志東：類腦芯片在應用於識別問題時使用的就是深度卷積神經網絡，只不過芯片本身使用了脈衝或發放神經元，可以有效降低加速器芯片的功耗。神經元產生的是脈衝（spiking），而且還可以用Hodgkin-Huxley神經元動力學方程進行描述，這一工作獲得了1952年的諾貝爾獎，早已成為利用數學模型解釋神經生理學實驗結果的典範。
何暉光：我們最近做的一個工作比較有意思，可以通過掃描大腦的數據，將他看到的圖像重建出來，這個工作被MIT Technology Review頭條報道。相當於你去看一個圖片，你的大腦有一個反應，然後我們通過大腦的反應，將看到的這個圖片重建出來，目前重建只能是簡單的數字或者符號。其實大腦裡面它對這個目標識別的過程確實是層級化的過程，比如說重建的時候拿V1的信息重建得比較好，但是如果重建這個圖片的語義信息那就需要用到IT區的信息，利用IT區的信息，可以較好的識別究竟是一個杯子還是手機。
楊靜：大腦計劃有沒有目標，三年五年達成什麼樣的結果？
何暉光：中國腦計劃已經通過了人大審議，可能到明年3月份（能啟動），這個計劃其實從2013 年就開始提了，現在人工智能2.0走在前面了。
楊靜：原來是說中國大腦計劃和人工智能2.0兩翼齊飛，腦科學和人工智能是軟硬件結合，但是現在腦科學這邊有點滯後了，到現在沒正式啟動。北京的腦計劃已經做了，上海也有，國家的話還沒有。
智能醫療——從體制內幫助體制完善
王田苗：鄧總，關於人工智能在醫療上確實是很大的發展，機器學習識別癌症。你擔不擔心法律、安全的問題？醫療大數據這個事情肯定有侷限性，你剛才說的那句話——最小數據，但是最有代表性的實例，比如對各個醫院來說，突然出現互聯網，一卡不能共享，對醫院打擊很大。會不會？
鄧侃：第一個問題，中國有醫療法，規定醫生必須和患者面對面，才有下處方的權利。第二，合法的場所在診所，不能跑到咖啡店去。第三，你下的處方，你的藥，必須24小時之內到達患者手裡。這個東西和人工智能沒有矛盾的地方，人工智能在學術界稱之為 CDS，Clinical Decision Support，幫助人類提高生產率。
三院有某某醫生，每天忙死了，大概看一百兩百個患者，每星期忙死了，不睡覺也只有24小時，但是想找他的人很多，這是典型的供給側問題。我有一個電腦把他以往的病例全挖出來，經過基本整理，配一個團隊，極大的擴大了名醫工作的能力，這是第一個問題。
第二，中國是極端的醫療資源不平衡。為什麼全國人民跑到北上廣看病？如果供給側極大地提高醫生的水平，這是一個極好的事情。
王田苗：人工智能對於醫學的變革，包括精準度，確實起到很大的作用，這會不會由於法律問題會制約發展？我內部瞭解過報告，GOOGLE 就罵美國衛生部法律不改，其實它掌握最準確的東西。比如吃藥的效果不同，哪個藥的效果好，包括X片的識別，它不敢做應用，法律上說會你的原始數據從哪兒來的，數據是不是合法的？會追溯這個。
鄧侃：第一是臨床診斷臨床決策，第二個是實施的臨床路徑。有兩種方法，馬雲或者GOOGLE這種大腕兒經常會說，七年之內醫生要失業一半，把人都嚇死了。拿業界的話說，這叫體制外顛覆體制內，這是典型的互聯網思維。拿互聯網的新武器，這基本感覺像當年的西班牙人扛著槍跑到南美洲，把印第安人轟走了，這是那種顛覆。我們的看法是，這個路徑是很危險的。裡面有兩個不尊重，第一，我們對人體的瞭解還是有限的。剛才這位老師說能不能模擬人體？我不看好。很多藥廠跟我們談，能不能從病例當中分析療效？很難。到目前為止，用各種探測手段，我們對代謝、藥物吃下去發生什麼過程搞不清楚，剛才說的思路是對的，能不能做一個數字人體來模擬整個過程？原子彈爆炸都能模擬，為什麼人體不能模擬？真的是這樣。核聚變我知道是怎麼回事，人體怎麼吃東西的真不知道。所有體制外顛覆體制內的言辭，我覺得說實話，從我個人角度來講有點傲慢。我們對人體不瞭解，你怎麼能說顛覆？這是第一個事情。
第二個不尊重。人類醫生有很大的問題是所謂經驗，我們到目前為止對什麼叫經驗其實不太清楚，但是有一種直覺，模模糊糊可能是深度學習當中的觸發函數，一種假設。誰能證明這件事情？有一些言論從體制外顛覆體制內，表現出對醫生行醫經驗的不尊重，到底是什麼經驗我們真不知道。
兩個問題之下，比較穩妥的方案，我們從體制內幫助體制完善，而不是一下子把人給掀了。
王田苗：現有的方法會不會替代？
何暉光：為時尚早，我從99年開始做醫學圖象，跟很多醫生打交道，以前醫生看片子拿膠片，我們研發PACS系統去幫助醫生看片，現在我們研發計算機輔助診斷系統，我們所做的工作都只能是輔助醫生診斷，絕對代替不了醫生。
智能醫療——人工智能前進的三個方向
王田苗：體系結構會不會顛覆？我們現在所有的算法還是工程方法，數據和計算是分開的。
鄧志東：一個是大數據智能，一個是生物智能，並行在走的。
王田苗：人工智能走的快一些，生物智能模擬走的慢。
何暉光：芯片上現在也有一些進展。
鄧志東：今天人工智能的成就真是歷史的偶然，遊戲的發展讓我們有了強勁的GPU，移動互聯網與雲平臺讓我們有了大數據，加上以前的算法，都是很偶然的事情。卷積神經網絡算法，也只是從腦科學中獲得借鑑或啟發。
何暉光：神經網絡去代替醫生，我覺得還很遙遠。
鄧志東：腦科學在神經細胞層次做，相當於置身森林裡，對每個樹進行研究，意義不大，必須對整個森林進行研究。細胞層次太低，要努力達到功能模塊和整個通路的層次，甚至是各個通路整合的層次。
王田苗：這個結構出不來，意味著體積和能耗無法替代。人的智能消耗多少瓦？芯片的計算能力沒有可對比性，單項超過人，綜合的不可能。
何暉光：智能的產生有可能是在相互連接神經元的連接過程中間可能產生。
楊靜：柯潔五年3300打到3600，AlphaGo五個月從0打到4500。
王田苗：單項集合，下圍棋的搞一個芯片，下象棋的搞一個芯片，結合起來。
何暉光：這是目前研究的方向，通用人工智能。
楊靜：通用人工智能不僅能下棋，也能看病，也能開車。
何暉光：DeepMind 有一個工作，是把記憶模塊加到神經網絡裡面，他們把記家族譜系作為一個外部的知識引擎，後來把這個模型擴展到倫敦地圖裡。
鄧志東：目前的深度學習方法只有識別能力沒有理解能力，沒有語義是一個很大的問題，這塊也是它有別於人的缺陷之一。
王田苗：假設在人工智能理論上，想突破的三個方向是什麼？未來人工智能的應用，理論上有GOOGLE公開了，學習算法不用了，這個已經沒有門檻了，實際誰有強數據就能佔領制高點，這是第一個結論。這個事情制約了理論，剛才說有了數據、開源分析，多加幾個清華、北大的人才就可以了。
鄧志東：對產業來說確實就是這樣。
何暉光：門檻降低，我們在學術界很尷尬，這些數據基本都是在BAT。
王田苗：人工智能前進的三個方向是哪三個方向？
鄧志東：從人工智能產品開發與產業發展的角度來講，從某種意義上說，“人工智能+”就是“大數據+”，關鍵是怎麼選擇特定的應用場景，方便得到大數據，而且容易對大數據進行清洗和標籤，這是一個方面。對研究機構來講，則是前沿技術的探索，我覺得可以做如下三個方向的研究：
第一個方向，半監督、無監督（學習）。前面說過，一是利用深度強化學習，二是先在其他同類大數據上進行模仿式的監督預訓練，然後再進行小樣本監督學習。那是否還有更好的半監督、無監督深度卷積神經網絡方法？
第二個方向，通用人工智能，也可以叫基於深度神經網絡的多任務學習。
第三個方向，與知識圖譜的結合或者與認知智能的結合，也就是基於學習的連接主義與符號主義的結合。
王田苗：第三個方向，會不會又回到過去的人工規則的老路？
鄧志東：不是，這是建立在新的起點之上。以前完全是懸浮在符號層面進行規則的人工設計，現在有了感知智能帶來的“模式”識別能力，而且即使在符號層面，也都是基於學習進行的，比如使用LSTM等遞歸神經網絡，利用大數據或小樣本。
何暉光：我補充一個——群體智能。
鄧志東：那個目前就是做啟發式全局優化計算。粒子群、蟻群、狼群等各種群體智能方法都寫到教科書裡了，許多方法上個世界90年代就有了，只不過近期一篇Science論文現在又火起來，但怎麼去做“群體”智能而不是優化計算，還需要深入思考。
何暉光：我們討論的過程中會有智能的湧現。
楊靜：這就是我們這個論壇的意義所在了。為什麼不呆到黑屋子裡面想，要開一個會？因為會有智能湧現出來。
何暉光：各人的專業背景不一樣，在交流的過程中間互相啟發。
在開放複雜的巨系統中，解決問題的方法論就是人機結合的體系，但是它是一個方法論。我讀博士的時候，沒有深刻的體會，現在做相關工作 20 年之後，發現我們所做的東西都是在這個體系架構中間。
能源——能源大腦的構建
馬康煒：新奧集團本身是傳統企業，在這個時代下，在快速擴張發展的過程中，必須關注人工智能大數據和行業大數據。我們涉及的產業非常多，除了能源，還涉及到醫療、健康、新能源等，積累了很多數據。以前這些數據固化存在，只是一個記錄而已，並沒有活化起來。現在希望通過人工智能注入到企業把數據重新活化。幫助傳統行業創建新的業務模式。通過新的業務模式，實現對傳統行業的智慧升級。
去年我參加AVS會議，和包括海康威視、清華、中科院的專家探討IoT 相關標準和視頻標準化制訂的工作。相信在不久的未來，IoT標準化之後，更多數據將互聯互通。5G時代的到來，將推動數據互聯的飛躍式發展。
未來方向的主旋律都將圍繞著我們如何利用數據幫助行業進行創新應用或者賦能展開。我相信未來三到五年，在普適性的人工智能出現之前，一定是以行業為主力點。
王田苗：能源問題，拿智能建築來說，人們關心每個屋子的溫度耗能多少，燈開了沒有，這個物聯網五年後大城市是不是能夠鋪完？
田海亭（新智研究院 能源創新業務產品總監）：對於能源和大數據分析，現在是一個最好的發展窗口期，從2010年開始，國家一些大的能源運營商開始摸索著建立一些各自的能源物聯網系統，國家電網公司、南方電網公司、華潤公司等都已經有所嘗試，有了一定的應用基礎和數據積累，比如剛才所說到的建築的能效提升等應用。為什麼說現在是一個最好的時候？從2015年開始，咱們國家從決策層面開始大力推進新的電力體制改革，在“十三五”規劃中指出推進能源與信息、材料、生物等領域新技術深度融合，統籌能源與通信、交通等基礎設施建設，構建能源生產、輸送、使用和儲能體系協調發展、集成互補的能源互聯網。
原來電力系統是包含發、輸、變、配、用整套流程的獨立體系，煤炭是煤炭的體系，油氣是油氣的體系，各自獨立，經過我們國家的改革，它的方向是什麼？把它變成多種能源互補的綜合化的能源運營網絡，我們叫能源互聯網。不管是用戶也好，能源運營商也好，能源輸送商也好，都將能夠參與到能源互聯網中，根據權限分享能源流通的數據，原來單一能源體系的物聯網架構也將變成綜合能源服務的物聯網架構。現在到大數據這一塊。原來電力運營公司掌握一部分電力運營數據，天然氣公司有一部分數據，樓宇有樓宇的數據，區域有區域的數據，經過這種物聯網底層的數據傳輸和信息採集通道打通，能源相關的大數據在能源品類和環節上得到了整合。利用這些數據可以開展對能源用戶的分析，比如在用戶層面可以對用戶的信用進行分析，對未來增值服務的需求進行分析，可以對用戶的能耗曲線進行預測。還能夠對能源運營商的運營情況分析，還有能源相關的設備分析，還有能源交易的分析等等。
王田苗：實現之前需要傳感器，對於 toB 的，沒有傳感器就沒有大數據。從目前發展的進程看，能源的物聯網什麼時候能實現？
田海亭：現在已經在實現中。2010年已經開始，比如國家電網公司的用電信息採集系統，我們每家每戶所安裝的智能電能表的數據已經被集中到國家電網公司的一套ICT系統的數據庫中。現在住建部在推廣的多表採集，也是想把水、氣、電、熱表的數據統一採集，集中到一起。比如這棟樓可以監測所有用戶的用水、用熱、用氣、用電數據，通過人工智能和大數據分析技術，可以分析交費情況、能源運用情況，向用戶推送將來的用能建議，比如建議用戶什麼時候買天然氣、電，怎麼個買法，通過繳費判斷信用有沒有問題，通過人工智能給你一個相應的客戶服務，類似Siri 這樣的技術，輔助用戶在線自動繳費扣費，不用專門跑到營業廳，對於比較差的客戶，可以調用相關信息進行安全監控。此外，智慧能源跟智慧城市、智慧交通、智慧醫療、智慧安防也能夠結合到一起，現在已經在安裝一系列的傳感器，包括智能開關、智能插座、智能插座等等，跟網關聯合到一起實現智能家居的應用場景，包括戶內定位、戶內雙向交互、戶內家居控制、戶內四網融合、多網合一，不只是單一的能源服務，而是一個公共事業服務和智慧化城市一體化的思維來做這件事情。
移動通信——根據用戶情況自動調節網絡組織，以最優的成本提供用戶最優的服務
楊靜：中國移動是1.5萬億市值的巨大企業，每年利潤好幾千億，是一個巨無霸。對通信行業對世界都是非常有影響的企業，我們有請中國移動研究院的魏晨光副院長給我們分享一下，人工智能在移動通信方面的應用有什麼樣的發展。
魏晨光：在這個會議室裡面可能只有我是純粹的外行，真是抱著學習的態度來的。剛才幾位專家的發言給我啟發很大，我先回答楊總給我出的命題，人工智能在中國移動可能有哪些應用？我個人認為應用範圍可能非常廣泛。從給用戶提供服務的角度來講，各位提到的醫療領域、金融領域，以及能源、農業、工業等各個垂直行業相關的信息化服務，中國移動或多或少都有一些涉足。大數據技術是實現人工智能的很重要的技術，引入大數據技術對於增強原有的客戶服務、垂直行業解決方案的質量來講，是非常有幫助的。
另外，運營商自己的網絡管理也可以從人工智能的發展當中獲益，在引入大數據技術之後也可以幫助我們更好地監控質量、提升用戶的驗，為用戶提供更好的服務。
第三，移動網絡本身。近期運營商層面也有一些探討，移動通信網，包括無線網絡、核心網絡、傳輸網絡等，有沒有可能借助人工智能技術變得更智能，根據用戶情況自動調節網絡組織，以最優的成本提供用戶最優的服務。此外，客服系統，如10086，也可以藉助大數據技術為用戶提供更優質便捷的服務。
對於未來，從科幻愛好者的角度來講，我自己很期盼在腦科學方面能夠有突破。我們對人體，對自己的大腦這一很奇妙的系統究竟是怎麼運轉的，還沒有把它真正研究透。當我們把它研究透以後，也許我們不必從算法層面實現人工智能，可能有新的突破性技術出現。仿生的還是人機結合的或者怎麼樣，我個人想象不出來，也許在研究過程中就可能會產生顛覆性的新技術來取代今天的計算機。
楊靜：未來三到五年，人工智能定義其實有兩種，一種是弱人工智能，簡單說就是用深度學習方法來處理大數據。這是產業界現在通用的辦法，能從效益上得到快速提升，無論是圖像還是語音包括翻譯領域，都取得特別大的突破。另一個層面是強人工智能，DeepMind 搞的是這個東西，並不是說五年之內有一個解決方案。未來三到五年這個路徑其實還是挺清晰的，剛才各位專家闡述了，無論在醫療、安防還是金融方面——自動駕駛我們並沒有展開談，待會兒鄧教授可以分享一下自動駕駛方面。這幾個領域裡，未來三到五年弱人工智能可能在產業裡面落地應用，也就是說實現“ AI+”，這可能是未來三到五年最廣泛的也是對整個社會影響最大、產業顛覆最大的作用力。未來三到五年的展望就是深度學習在大數據處理分析上的廣泛應用。
接下來我們來聊聊 2049年的展望，從現在的科學研究看2049年的情況。
展望 2049
王田苗：現實來看，特別是toB來說，傳感器很重要，加上網絡變成了物聯網，物聯網上去以後就給行業做人工智能分析，優化、配置等等。我的問題是，5G 捏在移動手上，5G什麼時候在大城市用？5G是不是以它為核心，其它人是不是不能競爭？
魏晨光：5G是移動通信通用技術，中國聯通、中國電信也一定會上5G的。
王田苗：另外一個事情是量子通信，如果要做的話國家會交給中國移動，不可能交給外國公司、小公司。這個會不會在未來20年、30年部分能實現？
魏晨光：有關量子通信我聽到的消息，現在做的是單光子，離商用的距離稍微有點遠。如果確實能夠做到大容量，而且保密程度又很高的話，大家都會用的。但是具體什麼時候能夠達到這樣一個大規模商用的水平，那得看它自己的進展。
王田苗：30年以內有希望嗎？城市和城市、國外和國外，雖然不能點對點。
魏晨光：我在這方面研究的不多，最好請教一下教授們。
王田苗：我們暢想一下，有時候一談到 30年以後，暢想這個事還是比較難回答的，暢想還好說，如果預測更麻煩。30年後從社會形態來看，泛娛樂是非常厲害的。每個人個性化，現階段泛娛樂理解成遊戲，今後的文化、電影，各種各樣的泛娛樂，通過大數據非常精準能知道哪個熱哪個好，有很大的影響，反過來刺激創造這個內容去完善。這是從人的生活形態來看。
第二，聊天助理出現。社會形態發生的。國外不太願意用手機打電話，用微信，希望保護自己的隱私。國外有統計，單身越來越多，合法的婚姻在疾速減少，每個人都是獨立的，獨立需要聊天需要諮詢，智能助理的影響會滲透到整個社會。
再一個，醫療健康。還是從生活形態來看，幹細胞和基因對美容對健康的影響，每個人都會有私人助理，不是人而是機器，知道你的體溫、睡覺、上次體檢的情況，我們誰知道上次體檢的信息？信息瞬間集成。我們這些人身體條件好的話，有可能活到上百歲。基因幹細胞和人工智能不是分開的，沒有人工智能得不出來。人的長壽、私人助理醫生出現。
交通。除了現在的飛機點到點、火車固定線路以後，無人駕駛出來了。原因是除了我們所說的擁擠、環保、交通事故以外，特別有一點是堵車很枯燥。現在來看假設不考慮成本，防控、避障、安全，技術不成問題，主要是法律問題，有人和無人混在一塊兒會造成很大的問題。至少在上班的時候，大城市裡有 70% 都是無人駕駛了；30%可能還需要人。原因有兩點，比如某人很有錢，會有助理幫她扶一下；還有海邊、山地旅行特殊地形靠人開，特定區域還需要人開。
黃華明：今天機會難得，我是來學習的。我從事金融行業，剛才大家都提到。我最近比較關注未來的信用社會，包括我們做投行、IPO，這個行業也將很快被顛覆。最近區塊鏈、比特幣，將來可能貨幣發行體系都會發生改變，一家公司可以發行自己的信用貨幣。未來30年如果這種情況很普遍，我真的想象不出整個社會信用體系會是什麼情況。
何暉光：我做醫學圖像這塊做了很長時間，技術在進步，X光以前看不到的現在看得到，開始是二維的，後來又有了CT，有了核磁以致分子影像。每一次進步讓你看得清、看得準、看得早。對腦科學的觀測工具上如果能夠有進步的話，肯定會大大促進腦科學的發展。以後有可能在腦機接口方面，各種智能假肢，包括人工視網膜、人工耳蝸都會出現。人工耳蝸現在是很好的應用。視網膜相當於是一個光學系統，它將把看到的影像轉變成電信號，大腦的視覺皮層是一個信息加工系統，當視網膜受損，如果我們可以將圖像所對應的電信號信號傳到大腦皮層的話，那麼就能使其“看到”圖像。在康復領域，腦-機接口可以幫盲人恢復光明，讓耳聾患者恢復聽覺。
如果腦洞再開大一點，如果真的對大腦的信號進行高度解析的話，你在想什麼東西，通過這個儀器就能探測到。目前腦電波的分辨率還達不到，前提條件是要有高分辨率的大腦觀測手段。另外一方面，還要研究控腦，比如有些人有精神疾病，其在大腦的一些地方有問題，如果我們通過光遺傳技術對大腦進行調控和反饋，可以將大腦調節到最佳、最健康的狀態。
無人車智能駕駛這塊，確實是比較好的載體，把人工智能各種技術很好地結合。以後把車聯網也建立起來，交通效率比人開的更高。現在一會兒一個加塞，一會兒並道，如果車和車之間都聯繫起來，大家都很守規矩，那確實讓交通更有效率。無人車的牌照問題怎麼去驗證，這方面涉及到法律上技術上的問題，需要進一步完善。
未來人類身體實現義體化，但區分人類的仍是意識標識
楊靜：腦控到底是機器通過腦機接口控制人的大腦？還是大腦控制機器？
何暉光：大腦控制機器可以叫做腦控，控腦就是反過來給你刺激，通過外界調整大腦的狀態。
楊靜：2049年究竟是人的大腦被機器控制，還是大腦去控制機器？
何暉光：人機協同，機器肯定為人服務。在構造機器人的原則過程中，我們要去討論機器人倫理，機器不能傷害人。如果雙方打仗，我的機器人有可能要去攻擊敵人，這中間也是涉及到倫理和規則怎麼去規範的問題。
王田苗：30年後會不會一天工作6小時，上午3小時、下午3小時？一、三、五上班，二、四在家工作，有沒有這種可能？拿歐洲來說，實際變成了4天半，美國人還加班，歐洲人不加班，星期五下午吃完飯，喝杯咖啡，兩點半下班。兩個星期打不起精神上班。
鄧志東：電影《攻殼機動隊》裡面有很多科幻的東西，有很多30年以後的事。會不會有ghost（意識）分離或植入？會不會有機器人義體假肢？人類身體義肢化，義體化，人的一部分組織器官被替換掉，或者人的四肢甚至大部分身體都被替換掉？
最顛覆的是大腦是不是也可以義體化？腦袋換了之後，把ghost植入進去，人已經不是真正的人了，是生化機械人或稱賽博格（cyborg）。進一步，人的意識空間是否可以跟外部的網絡空間互聯？物理上互聯互通後，那黑客就有可能攻擊人的意識，假如這個人從來沒結過婚，但黑客攻擊你的大腦造成錯覺，讓你覺得有孩子有家庭，還有債務負擔，也就是人的意識有可能被操控。
這時人是否基本都是半機械人了？每個人的後腦勺上都有一個標配的網口？腦控、控腦、人半機械化？人的意識是不是就可以永生？是不是有植入式的記憶？長期記憶是不是就可以上載、下載？或進行記憶增強？有關植入記憶的研究，2015年巴黎的一個科學家團隊，已做出了一個初步的實驗結果。他們通過在熟睡老鼠的大腦中，人為改變海馬體位置細胞與獎賞區刺激的相關性，讓它在回放強化過程中植入新的記憶。
楊靜：把3D打印一個王田苗教授機器人，王田苗教授的記憶複製一下，這個機器人擁有了王田苗教授的記憶、人際關係，誰是王田苗？
魏晨光：到底怎麼區分這個人，是身體標識還是意識標識？
鄧志東：意識最重要。
王田苗：記憶的轉移或者大腦轉移現在看不到路徑。
鄧志東：人腦的記憶包括工作記憶、短期記憶和長期記憶。長期記憶存儲在海馬體裡面。大腦皮層的每一個通路都有一個工作記憶（working memory）。工作記憶通過反覆強化轉化為短期記憶，短期記憶經過反覆強化又可以轉化為長期記憶。近期國外有一個有趣的實驗，既然海馬體與其他功能模塊或通路有聯接，那是否可以通過電極陣列把信號從聯接處截取出來，然後將表達長期記憶的神經發放序列存儲在硬盤裡面，也就是將長期記憶硅基化，這就相當於把你的記憶從“碳基”變成了“硅基”，永生了？神經電信號讀出來一點問題都沒有，關鍵是如何解碼。反過來用計算機編碼的神經發放序列去控制大腦，這個早就有了。例如2007年山東科技大學的機器人鴿子，頭部植入了電極陣列，可以接受計算機的命令，完成起飛、盤旋和著陸。
楊靜：在果蠅、老鼠腦袋裡面插入芯片來操控。
鄧志東：是的，這個叫機器人動物（robotanimal）。
自動駕駛發展前景樂觀，新四化模式清晰，未來傳統汽車製造或許淪為OEM代工廠
楊靜：自動駕駛到了2049年會是什麼樣的情況？
鄧志東：自動駕駛現在比較樂觀，最近有很多很好的消息，包括谷歌Waymo近期已開始在美國鳳凰城地區進行公開路測，也包括特斯拉自去年7月與Mobileye分手後，已經度過了最艱難的時期，不但挺過去了，而且還基於Nvidia的新平臺完全掌握了類似Mobileye的單目視覺技術。2015年10月特斯拉推出的Autopilot 1.0，主要是和Mobileye合作，實現了許多一流的輔助駕駛功能。去年10月份在量產車上推出的Autopilot 2.0，配備了8個攝像頭，12個超聲波傳感器和1個毫米波雷達。已有超過3億英里的路測數據，視覺做成了360度環視，據稱利用深度學習已做到了人的視覺水平。當然，這要看特斯拉今年年底能不能從洛杉磯自主行駛到紐約，即4500公里全程無干預能否如期實現？這是一個值得未來觀察的標誌性事件。
還有谷歌分拆出去的無人駕駛部門Waymo，已有500輛由克萊斯勒Pacifica MPV插電式混合動力汽車改裝的無人駕駛原型車，並已開始在鳳凰城進行社會公測。他們採用激光雷達為主導的環境感知方案，目前自主研發的激光雷達，其成本削減了90%以上，僅7000美金左右。最新的自主行駛路測數據達到了300萬英里（483公里）。從萬公里人工干預數來說，無疑代表了目前世界上最先進的自動駕駛技術。此外正與Lyft合作佈局共享無人駕駛汽車。很多人認為他們2019年就會有性能逐步迭代的自動駕駛產品出來，也有人認為是2021年。自動駕駛功能是不斷迭代的，不是一步到位，而是成熟一個（軟件）升級一個。特斯拉也是走的這條性能迭代之路。特斯拉目前在網站上有一個用戶知情權協議，即由用戶授權公開使用你車上的攝像頭數據了，這就是從大數據看商業化進程。特斯拉軟件升級之後，功能逐步開放，一個一個開放，成熟一個開放一個。整個OTA無線傳輸準備好了，軟件定義升級也準備好了，測試一個功能，成熟以後就往上面放。現在Autopilot 2.0的軟件已經升級到8.1版本。商業化進程不斷加快。
國內做封閉環境下的低速車較多。專注於機場、港口、園區等，當然也能找到商業模式落地。特斯拉和谷歌做的是開放環境下的高速無人車。總之，自動駕駛真有可能是人工智能最具商業價值的垂直應用領域，是萬億美元級別的巨大市場，可以顛覆人類的出行方式。2049年肯定是共享無人駕駛汽車時代。現在汽車產業的發展有所謂“新四化”，即電動化、信息化、智能化和共享化。這個商業模式已經很清楚了。未來北京或許只需要幾萬輛共享無人駕駛汽車，通過汽車絕對量的大幅度減少，從根本上解決目前的交通擁堵問題、安全問題、環境汙染問題和節能問題。傳統汽車廠家不會全部消亡，但可能會變成OEM代工廠，就如同現在的上海鳳凰自行車廠。
楊靜：英特爾和Mobileye 也是一個體系。
鄧志東：主機廠不是內燃機汽車，而是新能源汽車，關注“三電”系統就可以了。內燃機汽車2049年可能會消亡，極有可能會變成新能源汽車，即基於新能源汽車的共享無人駕駛汽車。
2049最了不起的事情也許是人類的機器人化身導致社會分工協作發生變化
王田苗：機器人家庭助理會有嗎？
鄧志東：應該會有。消費類機器人。
王田苗：帶有認知的對話，還有自然交互。
楊靜：明天AlphaGo和古力，另外是AlphaGo和連笑比賽。未來您那個助理也叫AlphaGo，我也有AlphaGo，助理之間就把我們的日程排定了，這個助理很智能。
鄧侃：人的助理、替身、化身阿凡達，我們在做一個什麼事情？如果我的機器閱讀把所有的病例都提取，可以給每個患者畫像，接下去幹什麼？有沒有一個阿凡達或者健康管家，對你的情況非常熟悉？簡單的事情，比如提醒你下個星期要去洗牙了；今天晚上東坡肉很好吃，助理馬上提醒你別吃，你三高。如影隨形提醒你的日常起居，這是管家。
和5G有什麼關係？5G完全網聯化。每個人會有一個家庭助手，這件事情促成另外一個大的問題，整個人類的社會協作方式發生變化。我們工作是不是四天？更大的問題是說我們怎麼協作？今天在一個屋子裡面開會，網上會議室可能就不在一起開會了。以後辦公室還要不要？我能不能在海邊寫寫程序？完全可以。如果溝通足夠方便，為什麼不在海邊寫程序？為什麼需要辦室？因為需要溝通。2049年最了不起的事情是個人的阿凡達導致社會的分工協作發生變化。
楊靜：個人的阿凡達是不是仍然屬於幾個brother出品（指前文出現的谷歌、微軟、IBM和亞馬遜）？
鄧侃：這是一個很好的問題，剛開始討論這個問題，人工智能是不是寡頭的東西？坦率講，這個事情上我比較悲觀，將來可能真是幾個寡頭壟斷。
楊靜：哪幾個寡頭？
何暉光：三十年河東三十年河西。沒準兒過一陣都出來別的，以前諾基亞那麼厲害，被蘋果乾掉了。
鄧侃：我非常看好中國，我們出去老外很怕中國。去年11月份美國國會邀請五個人工智能專家，我的導師是其中之一，他說了一個很大的問題，中美之間的人工智能競賽問題。在CMU已經是1/3的中國學生。今年的大會第一作者是中國人的多不得了，以前很少的。算法這個東西一夜之間可以變成中國人的了，而且現在還開源，更快。第二，訓練誰有好處？大數據來了，中國人多，中國的大數據就相當於沙特石油一樣的地位，撼動不了。
楊靜：為什麼DeepMind CEO說是算法驅動的？
鄧侃：他不可能說你好，總要說他自己好。
鄧志東：強化或再勵學習本身已研究了30多年了，是經典的行為學習方法，只是DeepMind將其與深度卷積神經網絡結合起來，就產生了AlphaGo。騰訊絕藝組建研發團隊也就只有一年多，就發展起來了。
鄧侃：不是今天拍腦袋明天就出來了，谷歌內部跟蹤很多年了，不是一夜之間出來的。
楊靜：2049年無論是未來有幾個雲端的超腦，無論是中國還是美國，總之有幾個超腦雲。那些虛擬的機器人阿凡達是超腦雲控制的，人是不是在超腦雲的控制之下？
鄧侃：真的很難講，各種可能都有。像《星球大戰》裡面克隆出來沒有疼痛感的戰士，完全有可能。是不是可以克隆一個我？這個事我不知道了。
未來聚焦的幾個元素：3維信息傳輸、能源新形式、碳基存儲媒介、量子學發展、自動化程度提高後的社會問題
田海亭：2049年比較遙遠，1996年左右是2G出來，2007年、2008年3G出來，2014、2015年4G出來，2020年要出5G，按照這個迭代定律，2049年通信技術可能會有一個很大的提升，涉及到泛域的物聯網。我猜想2049年將從信息通信發展到物質通信，現在3D打印做同物質或者多種物質的，複雜的複合性結構做不了。當通信帶寬足夠寬以後，3D甚至4D打印技術發展成熟，只要本地材料供應得上，預計可以實現可能能夠傳輸的不僅是一個一維度上的信息和二維度的圖像，可能是一種三維立體的物質，通過在發送端掃描要傳統的物體，在接收端能夠再造出一個同樣的副本。這樣可能會帶來對物流業的顛覆，我要一瓶可口可樂，打印出來一瓶可口可樂。
第二，信息量越來越大以後，基於人工智能，是不是能做到對行為的規劃，阻止意外？現在傳統的算命是基於神學，到2049年，能夠採集的數據量、數據頻度、傳感器數量已經十分豐富，計算速度也會十分快，通過對所採集的大數據進行實時分析，利用通用人工智能技術，是不是可以實現對人們日常生活行為的預測，預測目標對象下一步做什麼，會有什麼危險，如何該處行為的優化建議，避免意外的發生？或者對你的人生做一個最好的優化？這是我的一點初步的猜測，歡迎一起討論。
關於能源，到那時候要做到便捷、可靠、低耗、智能、環保，理想的狀態是用戶感受不到能源供應的存在，不用為能源的供應操心。現在說電要花錢，燃氣要花錢，時不時還會停電停水停氣，讓用戶還難受，未來的能源供應將以家庭或者建築能源中心的形式存在，達到自給自足，本地平衡，多能互補，你不需要再去外面去購買能源，用戶大部分的用能是用戶自己本地就解決了，一些者臨時的需求才需要外購。比如通過室內餘熱的採集、太陽光發電、低速風能發電，就能滿足建築的用能需求。每個房間有一個路由器一樣的能源中心控制，精準的控制多種能源的供應和消耗。在交通工具上，未來將有更多選擇，比如個人外部骨骼、單人飛行器等，這些交通工具將由一個能源模塊來提供能量，類似於變形金剛的能量塊一樣，個人感覺能量最終會以電能的方式輸出，能量塊中的能源用光以後，用戶可以更換一個新的能量塊，舊的可以回收回去補充能量。2049年理想的狀態是用戶不再去考慮能源供應的問題。
馬康煒：上週參加第一頻道的“技術與創新大會”。聽阿里雲講的內容，跟我們今天講的會議內容有些類似的地方。阿里雲本身也在關注5G時代的來臨對無人駕駛的推動。另外，現在存儲媒介主要以硅為載體，現在也有人在研究從硅載體轉變為碳載體，人腦的主要成分也是碳。基於以上觀點，我認為或許可以解決鄧老師提到的人的記憶如何通過腦機接口進行Ghost導入的問題。
阿里現在投資了一批科學家團隊，聚焦在量子計算方面的研究與探索，相信2049年，這幾個元素一定會對AI的發展有巨大的推動。
楊靜：還是這個問題，那個助手是CEO還是你是CEO？到2049年，你的大腦是被AI控制，還是大腦控制AI？
魏晨光：受大家啟發，大開腦洞。我對2049年比較樂觀。10年前、20年前、30年前什麼樣？變化太快，2049年一切皆有可能。對技術發展不太好預測，也許有一天會出現一個顛覆性的技術，這個技術會改變人類的生活。即便是顛覆性的技術不出現，依據現在技術路線的發展，我想人工智能在30年後也會深刻地改變我們所身處的世界。我們的衣食住行，涉及到各個方面都會和現在有很大的不同。最後變成什麼樣？我想象不出來。自動駕駛也好，家庭服務機器人也好，都有可能出現。只是完善程度的問題。由此引發的問題是，當人工智能滲透進各個方面，自動化程度越來越高，有一些社會問題需要提前思考，比如將來的職業規劃往哪個方向引導，未來那種狀態的社會需要什麼樣的人，這些也需要思考。
中國目前缺少學術界愛因斯坦式的領軍人物以及產業界的領軍企業
楊靜：有一些專家今天有事沒有來參與我們的討論，上週日北京天文館60週年的時候，在天文館有一個科學之夜的研討。我也把這些問題問到現場的專家，包括中科院計算所的陳雲霽研究員，北大計算機系的黃鐵軍主任，他也是北京腦計劃的負責人，我問到他們通用人工智能以及2049年預測的判斷和推理。
陳雲霽研究員研究類腦芯片、寒武紀，是海思、龍芯國家腦計劃、中國人工智能2.0比較核心的成員。他跟大家今天總的評價是差不多的，認為未來十年還是處於專用人工智能，特別類腦芯片是不是要對現在的CPU和GPU的架構做優化，做深度學習或者神經網絡優化的動作。至於十年之後，不好預測情況的發展。
黃鐵軍教授屬於樂觀派，現在腦計劃實施的情況雖然沒有正式作為國家的戰略來宣佈，但實際上在北大和中國的其它研究中心已經對很多大腦切片進行了掃描。其實神經原對人類現在的科研手段來說是一個很大的物質，不是不能研究的結構。研究獲得了很多的成果，包括歐洲腦計劃和美國的腦計劃等等。人類基因組計劃，原來認為是不可能實現的，實際十年內完成了。他們認為人類的大腦計劃15年之內應該是可以完成的，很樂觀。現在很多的掃描手段已經把大腦切成很薄的片，而且能夠在大腦活動的時候無創探查腦電波的情況。研究不是說沒有渠道，從物理上來講，對大腦的還原是完全可能實現的。大腦的情況研究清楚，怎麼進行大腦神經活動的模擬，對於人工智能或者計算機科學來說也不是什麼難事，不過是一種模擬的途徑而已。總而言之，他認為到2049年可以完成強人工智能，跟人類匹敵的智能實現。
徐偉也是研究通用人工智能。他講在全球人工智能的專家中做過一個調研，有 50%左右的被調查者認為有超過 50%的可能性 AGI 在2050年前實現，他提醒大家注意這個概率比車禍高得多，這個概率是很高的，在自己有生之年也許能夠看到這樣一種場景。
我們那天討論的情況，黃教授認為一旦機器超過了人類的智能，你很難去控制它。比如說三原則這種，何暉光說在戰爭中不賦予機器殺人的權利，它不知道怎麼行動，其實智能體在複雜環境中必須有決策和行動能力。殺不殺人，對於它道德的約束還是很多的。我個人相對來講還是比較同意他們的看法。
我們現在有人才優勢，有數據優勢，在國際上僅次於美國，但是在最傑出的領軍人才裡面我們沒有領軍人物，沒有特別原創性的愛因斯坦這樣的人。DeepMind發明AlphaGo，騰訊在追，什麼時候能跟它對弈？不知道。我們缺少領軍人物和領軍的企業，光靠政府可能還是不行的，我們缺產業領軍的企業和學術上領軍的人物，真正敢挑戰通用人工智能。不挑戰這個，等於別人有原子彈你沒有，人家有AlphaGo，你沒有。
王田苗：我想說兩句話。第一個問題，教育問題，教育40%的知識是靜態的，從網上可以直接獲得，可是卻花了很大的時間。
關於楊靜剛才說的人工智能所帶來的安全、威脅、法律倫理還是非常有意思的話題，我們應該更早重視，涉及到經濟、政治。
對於 2049 帶來的倫理問題，簡述如下：
壟斷性：人工智能國際巨頭對大數據和高端人才的聚集，使得部分企業和地區佔據人工智能寡頭優勢，是否會對中小型創新型企業帶來制約和碾壓。
安全性：隨著人工智能技術的迅猛發展，信息和數據傳輸量突飛猛進，如果沒有數據協議和法律的制約，國家、企業、個人的數據傳輸是否會受到保護？
替代性：隨著人工智能的發展，機器的精度變得越來越高，自適應學習和深度學習讓機器越來越能夠替代人類的某些工作，例如工人、保安、銀行統計員、教師、記者等，將來是否會有更多的職業被替代？但隨著人工智能發展所改變的社會形態和分工的變化，是否會派生出更多的新職業？
社會性：新的人工智能情感伴侶可能會顛覆已有的婚姻形態，涉及到個人隱私等問題有待解決，人機混合體的權利和定義，行為的界定，如何控制恐怖事件和非正義行為，控制社會不穩定等因素。
最後再次感謝各位專家，特別是楊靜女士把大家召集起來，雅瑞做東，感謝大家分享了很多東西。 。