0
| 本文作者： 李诗 | 2018-04-27 15:09 | 专题：GMIC 北京 2018 |
4月26日，在GMIC 北京2018大会的首场峰会——全球人工智能领袖峰会上，加州伯克利分校教授Michael Jordan、腾讯AI Lab主任张潼、IDG资本合伙人牛奎光、小米云平台副总裁崔宝秋进行了圆桌论坛，探讨AI与商业化。雷锋网亦来到现场，会后雷锋网整理和精编了对话内容。
互联网巨头有数据、有场景，最早将AI商业化。目前，国内外的互联网巨头都在谈AI战略、AI布局，他们都是如何思考的呢？这次圆桌会议有来自腾讯的张潼、来自小米的崔宝秋、加入蚂蚁金服的Jordan，都可以代表互联网巨头来谈他们对AI的看法。
张潼讲述了腾讯做AI的思路。现在AI非常火热，各大公司都在陆续建立AI研究院，国外最早是从微软、Google、Facebook，国内从百度、阿里、腾讯开始。一般有两种，一种是建立业务部门，另一种是更加偏技术的AI Lab，它基于更长期的考虑，其中的技术并不一定会跟业务相结合。
腾讯AI Lab目前在做三件事情。第一件事情，AI的研发会支持业务，帮助一切底层技术开发，和产品部门合作把技术放到生产中去，比如跟腾讯社交、游戏、智能硬件结合。大公司如何有一个AI团队，它一定会基于自己的业务场景去积累去研究。第二件事情是加强前沿研究，通过发文章、与大学和研究院合作去积累研究能力。第三件事情是与产业界结合，产业界提供平台性的API，同时促进学界的产学研合作。
在Michael Jordan看来，国外不是微软、Google、Facebook在AI技术上领先。在事实经验上，领先的是亚马逊。AI此前主要是称为机器学习，在这件事情上，亚马逊是最早的。
他分享到，在上世纪九十年代亚马逊已经用AI和深度学习能够很好地进行工业链的建模。对于亚马逊这样庞大的电商来说，必须依赖于整个供应链来管理数十亿美元产品，需要对整个供应链有清晰的了解。他们当时用深度学习和建模就能做到。此外，亚马逊还做AB测试，对网站每个像素都做了测试，以给出正确的像素、颜色。这都是很多年前的事情了。
雷锋网了解到，2017年5月，Michael Jordan加入了蚂蚁金服，作为智囊团主席和顾问。在他看来，像阿里巴巴这样的电商平台上有用户购买商品的数据，就可以在网站上做非常有用的工作，比如社交和搜索。
Google和Facebook意识到搜索和社交网站目前在人类沟通方面还有一些限制，正在努力用人工智能的自然语言处理和决策能力使其变得更聪明，Jordan认为这些是非常有意思的项目，但是他对这些领域的进展显然不甚满意，“我觉得在这方面可能还不是很成功，现在只是引起了一些媒体的关注。”
Jordan对滴滴和Uber的评价很高，在他看来，滴滴和Uber在数据、后端系统、大规模人类互动上面做得很好，它们机器深度学习很快地赶超上来，和很多IT公司相比是非常创新的。
Jordan进一步表明自己对于大公司应用AI的观点，“我不仅仅关注于研究，我也非常关注那样的一些公司，它们创建了一些数据流，并且很好的使用。不仅AI，AI只是其中的一面，AI只是简单的数学，是一种简单的方式，更有价值的是数据。高质量的数据，它可以使我们的测试达到某一目的，以正确的方式搜集数据，这样的话才可以生成相应的价值，给到提供数据的人。”
崔宝秋分享了小米做AI的想法。AI在小米公司是无处不在的，两年前雷军就把AI定位为小米未来十年的核心战略。小米吸引了很多AI人才来做研究，但小米还是特别偏重于产品的一家公司，更加注重技术落地。他同意Jordan讲的大数据价值，小米拥有大量大数据，AI落地非常容易。
牛奎光从投资界来谈了创业公司对AI的看法。他提到了商汤前两天的大会，商汤作为AI独角兽创业公司，去年在顶级会议上发表的论文数达到91篇，比BAT都多。对于创业公司来说，AI业务一般是to B的业务，去跟传统行业做创新。像凯文·凯利讲的颠覆性创新，往往是从一个大公司的边缘部门或者是边缘业务开始的，to B的业务是支流，也是创业公司能够不与大公司直接竞争的领域。
嘉宾们探讨的第二个问题关于技术和商业，发展AI是技术优先还是商业优先？很多公司有很多大牛AI教授，研究人员，但是却无法将技术落地，是什么原因？
牛奎光首先分享了观点，AI的发展存在不同的阶段，现在的阶段以应用为主，而下一个阶段还有技术没有突破。在2014年时，AI的发展本质上是计算能力大大增加、计算成本大大下降的结果。在应用上，机器可以代替人做一些事情，人脸识别、语音识别的能力都有很大的提升，这个时代应该叫“大数据小智能”。
而在以后的“小数据大智能”上，还有很多基础性的理论没有突破。现在更多的说应用，以单个地方的应用，例如在视觉、语音、自然语言理解、知识图谱等方面的应用。如果说前三年是单项技术引领企业发展的时候，经过这几年的建设之后它慢慢地已经到了一个平台，把各种单项技术组合应用到一个具体的行业里去，这是接下来的一个趋势或者是很大的机会。
Jordan在这个问题上谈得不多，他主要强调了遵循决具体问题的原则。在他看来，AI的技术是工程的技术，需要工程师的参与，所以公司最需要的是招聘到能解决问题的专家。公司发展了一项技术，需要在不同的场景去使用这个技术，而工程师所做的事情就是发挥创意，解决不同场景的问题，他们不会像科学家一样去寻找真理。
张潼认为技术和商业同样重要，AI公司的关键是怎么形成壁垒，要有核心的能力，商业也很重要是因为很多技术到达一定程度后要依赖于商业。腾讯做AI都是基于腾讯自己的场景来做，场景和数据非常重要，商业上也才能有壁垒，使别人难以进入。
第三个问题，是目前的热点问题，Facebook的“剑桥分析”激起关于数据和用户隐私的广泛讨论。崔宝秋抛出问题，目前我们处在AI的春天，其背后得益于深度学习技术的发展，再往后还是靠大数据和云计算能力。大数据目前在AI浪潮中扮演着不可磨灭的角色，但是比较头疼的问题是数据共享，如何在不侵犯用户隐私的情况下，将公司的数据与学术界与其他公司分享。小米目前做的是基本尽量不分享，滴水不漏。嘉宾们都如何看待数据分享与隐私保护的分歧？
Jordan首先阐明，不能孤立地谈数据，还是与应用相结合的。在医疗数据方面，病患的隐私一定要保护，但是我们也希望医疗数据能帮助改进医疗。比如基因组序列，是个人数据，个人可以决定数据怎么被去使用，如果个人基因数据可以治疗家人疾病，相信不少人会愿意提供。如果收集更多的人的数据能够找到DNA突变的方法来治疗癌症，不少人也是愿意提供自己的医疗数据。数据分享并不是总是糟糕的。Facebook的事件之所以是丑闻，是因为数据的分享没有带给人价值，而且让人感觉自己的数据是被迫给被人的。
但是，Jordan也提到，说到网络安全的时候，一些公司意识到数据对自己很有价值，就需要在隐私保护、数据安全性上做好，离开提升自己的竞争力。同时，也让将用户对自己的数据使用有知情权，让用户感到公司是值得信任的第三方。
牛奎光对数据和隐私的问题特别感兴趣，也思考了好几年。在他看来，现在数据是真正价值的承载着，数据的价值只有在流动的过程中才能更好地发挥它的价值。他曾经设想到“数据交易所”，但是我们目前并没有这样的交易所，是因为数据交换后，很容易被复制，数据的加工方式不能被审计。
第二个问题，谁拥有数据的问题。在社交网络平台上，数据是属于个人的还是属于平台的？在之前，让个人去拥有自己的数据，在技术上基本是不可行的，但是今天像区块链这样的技术，使得这个问题的解决有一定的希望。
目前，他设想了三种解决方案。第一种，从技术的角度讲，他请教过一个图灵奖获得者，就是数据交易参与双方在一定可信的情况下可以通过比现在大概复杂度要高100倍的计算，能够做到数据在计算的过程中，其实是可以不被泄露的。但是这样的话，成本也可能会提高100倍。第二种，就是数据拥有方并不会把数据汇集到一个中央节点，数据和计算都在本地，把结果拿出来。第三种，牛奎光做了一个实验，他投资了一个做反欺诈的公司，跟一个物流企业成立了一个合资公司，以业务和能力的方式去输出数据的融合和联合，但是并不把数据融合到一块。虽然有很多探索和想法，目前看起来都没有结果。
张潼从公司的角度谈数据和隐私问题，显得更加实际。在他看来，如果能带来价值，数据共享当然很好，但是目前有一些问题，第一，商业上数据是核心壁垒，所以公司不愿意分享出来。甚至有时候在公司内部不同的部门都不完全愿意共享，需要公司层面推。
现在如果有立法和规定，一些数据是可以分享的，例如政府数据、公益组织的数据。如果医院有个组织能够把所有医院结合起来，然后能够有一些立法，来分享数据也会产生很大的价值。还有就是物流、交通领域。
本场圆桌讨论谈了互联网巨头如何做AI、技术与商业的分歧、大数据和隐私保护的分歧，都是在大公司的层面。最后大家也简单聊了一下，如果没有数据，创业公司如何做AI。几位嘉宾都表示，创业公司没有数据的话需要切入比较细的场景，积累技术上和场景上的经验。
相关文章：
LeCun、Jordan、李开复圆桌全文：AI的现状与未来 | GMIC 2018
Yann LeCun图文演讲：如何让 AI 学习常识， AI 未来趋势又在何方 | GMIC 2018
李开复、胡郁、张亚勤对话：中美AI战略、AI人才培养有何不同 | GMIC 2018
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
专题
