TVP尖峰對話李開復(fù)、沈春華：AI 未來式與技術(shù)的發(fā)展、價值

　　從1956年的達(dá)特茅斯會議至今，AI已經(jīng)走過了近70年的歷程。這70年間，對于AI的期待有之，對于AI的恐慌有之，資本對于AI的追捧此起彼伏，技術(shù)人對于AI的探索應(yīng)用也從未停歇。

　　千禧年時的我們，未曾暢想過移動互聯(lián)網(wǎng)的繁盛，2022 年的我們，又該如何暢享未來 20 年的AI 發(fā)展進(jìn)程?AI + 醫(yī)療會讓我們活到 100 歲嗎? AI 將如何讓元宇宙變?yōu)楝F(xiàn)實? AI 可以幫人類找到幸福嗎? AI 會加深偏見嗎? AI 會搶走人類的工作嗎? 傳統(tǒng)企業(yè)是否能享受到 AI 紅利?

　　5月8日晚，騰訊云TVP尖峰對話創(chuàng)新工場董事長兼首席執(zhí)行官、創(chuàng)新工場人工智能工程院院長、《AI未來進(jìn)行式》聯(lián)合作者李開復(fù)，浙江大學(xué)教授、騰訊優(yōu)圖實驗室高級顧問、杰出科學(xué)家沈春華，第四范式副總裁、騰訊云 TVP 鄭曌擔(dān)任主持，邀請了 50 位來自 AI 領(lǐng)域的 CTO 與技術(shù)專家參與論壇討論，碰撞出關(guān)于 AI 的未來火花。

　　李開復(fù)：《AI 未來進(jìn)行式》與技術(shù)發(fā)展的動向

　　《AI 未來進(jìn)行式》的創(chuàng)作起源

　　《AI未來進(jìn)行式》這本書的創(chuàng)作起源主要有兩方面原因，首先我認(rèn)為 AI 是一個特別重要的技術(shù)，每個人都應(yīng)該去了解它能創(chuàng)造什么機會，和自己有什么關(guān)聯(lián)。父母可以幫助孩子做學(xué)習(xí)規(guī)劃，年輕人可以為自己做職業(yè)規(guī)劃，然后也會看到未來AI可能帶來很多新的工作機會，我希望用講故事的方式，把這本聚焦 AI 技術(shù)的科普書籍寫得讓每一個人都能讀懂，目前來看反響還是不錯的，讓很多完全不了解 AI 的人大概搞懂了 AI 是什么意思。

　　另一方面，我自己作為一個理工科出身的技術(shù)人，在本科、博士的時候研究的就是機器學(xué)習(xí)，我深深地感受到技術(shù)人普遍欠缺場景想象力，這也是為什么 AI 在語音識別、自然語言、計算機視覺這些領(lǐng)域做了近 40 年，卻還在關(guān)注類似的問題。很多新的場景落地是需要更有想象力的，所以我也希望用跟科幻作家合作的方式，把故事描述清楚，讓我們這些做技術(shù)的人可以看到未來 AI 可能的應(yīng)用場景，帶來的挑戰(zhàn)，又將如何化解，給大家一些靈感與建議。

　　所以這次和科幻小說作者陳楸帆合作創(chuàng)作《AI 未來進(jìn)行式》的兩個重要的目的，一是把難的技術(shù)給所有的人講懂;二是希望給一些技術(shù)很強，但是場景想象力不是那么強的理工人，或做 AI的技術(shù)人，也讓他們對未來的這種愿景和未來的場景能有一些靈感和建議。

　　AI 領(lǐng)域的投資經(jīng)歷與 AI+ 云的模式分析

　　得益于很多投資的經(jīng)歷，我也在其中學(xué)會了一些跨領(lǐng)域的知識，我個人認(rèn)為 AI 創(chuàng)造的最大價值，一定是和場景的結(jié)合。在相關(guān)投資經(jīng)歷中，可以總結(jié)出三個 AI 創(chuàng)業(yè)的發(fā)展階段：第一個是在比較早期的階段時，因為 AI 技術(shù)人員很厲害，選擇了先創(chuàng)立公司，再做應(yīng)用;第二類是在某些領(lǐng)域，AI 已經(jīng)可以創(chuàng)造很大的價值，比如我們當(dāng)時投的第四范式、創(chuàng)新奇智、極飛科技等等，都有非常強的商業(yè)應(yīng)用和落地場景。它們先靠場景落地，之后再做平臺。而今天 AI 已經(jīng)進(jìn)入了第三個階段，  AI 會和其他的科學(xué)交叉，也就是說 AI + Science，AI 可以被用在發(fā)明新藥、基因編輯、新材料新能源等方向�！禔I 未來進(jìn)行式》這本書里包含了這三種方向，比如說在智能交通、無人駕駛就是一個重要的領(lǐng)域，比如說剛才說的 AI 制藥，AI 在新能源方面的應(yīng)用，這本書都會涉及，因為我們投資也要關(guān)注和了解這些產(chǎn)業(yè)領(lǐng)域，所以我們也嘗試在書中描述出這些場景，而我們調(diào)研出的趨勢則會給寫作帶來一些新的靈感。

　　創(chuàng)新工場投資的初創(chuàng)企業(yè)大多都會用到云，很多公司也有跟騰訊云在內(nèi)的一些云廠商合作，在私有云領(lǐng)域嘗試更快速地構(gòu)建一個 AI 解決方案，這其實是跟云平臺非常好的結(jié)合點。我們也投資了一些幫助云在算力方面加速的項目，當(dāng)然包括 AI，也包括普通的 workload，我覺得這也代表了云的未來會快速提升。一個很有意思的現(xiàn)象是，中國的 AI 技術(shù)從創(chuàng)業(yè)公司、使用率、產(chǎn)生的價值等方面，并不輸于美國。雖然美國的科研能力更強，但中國的落地成果也并不落后。在云計算領(lǐng)域，美國的領(lǐng)先優(yōu)勢比較大，但中國的成長空間很充足，美國的云計算雖然已經(jīng)完成了部署，但到現(xiàn)在才開始把 AI 能力放進(jìn)去，而中國的云計算已經(jīng)在做 AI 的解決方案了，這是很有意思的現(xiàn)象。

　　在《AI 未來進(jìn)行式》這本書里沒有描述 AI+云，不是因為云計算不重要，恰恰是因為云太重要了，它已經(jīng)成為了必須有的一個平臺型的(技術(shù)服務(wù))，就像操作系統(tǒng)、數(shù)據(jù)庫一樣，已經(jīng)不需要刻意去強調(diào)它的重要性。比如在無人駕駛領(lǐng)域中，我們假設(shè)的云和帶寬都比現(xiàn)在大和快很多，包括 5G、6G 發(fā)展以后，對于云上數(shù)據(jù)調(diào)動的挑戰(zhàn)，跟邊緣計算的融合，這些在書中都有描繪。

　　NLP 技術(shù)的發(fā)展與應(yīng)用

　　《AI未來進(jìn)行式》書里有一個「雙雀」的故事章節(jié)，在這個故事里，AI 成為了孩子成長的陪伴助手。在人類老師的主導(dǎo)下，AI 化身為一個長期陪伴的助教角色，將孩子的學(xué)習(xí)與興趣相結(jié)合，變得更有效率與主動性。雖然在 AI 時代，我認(rèn)為人類老師的教育工作 AI 是替代不了的，但是 AI 可以做很多有益的補充，因此在這樣的場景下，NLP(自然語言處理) 的技術(shù)就是其中的關(guān)鍵點。

　　在我大二的時候，我剛開始接觸的第一個 AI 技術(shù)就是NLP(自然語言處理)。與早期 NLP 的發(fā)展相比，最近幾年很多技術(shù)正在發(fā)揚光大，深度學(xué)習(xí)是其中的一個重要核心。我們看到一個很大的突破就是自然語言處理的領(lǐng)域正在用自監(jiān)督學(xué)習(xí)的技術(shù)去做海量數(shù)據(jù)的標(biāo)注，這解決了一個巨大的瓶頸。從這個模型做出來以后，帶來了包括 bert、transformer、GPT3、LaMDA 在內(nèi)的諸多 NLP 領(lǐng)域的技術(shù)突破。

　　我認(rèn)為 NLP 在未來三到五年應(yīng)該會有非常多的發(fā)展，一方面是在過去已有的應(yīng)用，比如語音識別、機器翻譯等方向有更多突破;另一方面是在還沒有發(fā)生的場景下得到很多嘗試，比如語音對話型的終極搜索引擎等等。NLP未來的發(fā)展，既會把已有的應(yīng)用從不可用變成可用，從可用變成好用，也會把過去不可能做的應(yīng)用變成可能做，這是我們現(xiàn)在重大的投資方向，也非�？春眠@個領(lǐng)域。

　　沈春華：優(yōu)圖實驗室與騰訊AI的產(chǎn)業(yè)布局

　　優(yōu)圖實驗室的技術(shù)投入

　　優(yōu)圖是騰訊旗下最頂級的人工智能實驗室之一，過去多年一直專注于計算機視覺領(lǐng)域的基礎(chǔ)研究和落地的探索。優(yōu)圖的 AI 能力，比較具有代表性的有大家耳熟能詳?shù)奈⑿潘⒛樦Ц丁⒆詣?AI 美顏等等消費互聯(lián)網(wǎng)領(lǐng)域的應(yīng)用; 同時，實驗室在工業(yè)質(zhì)檢、金融、教育等產(chǎn)業(yè)領(lǐng)域也有非常廣泛的落地。

　　因為騰訊是做消費互聯(lián)網(wǎng)產(chǎn)品起家的，非常擅長洞察用戶的需求，這種能力現(xiàn)在在產(chǎn)業(yè)互聯(lián)網(wǎng)領(lǐng)域也正在進(jìn)行驗證。我個人理解 C to B 肯定是產(chǎn)業(yè)互聯(lián)網(wǎng)非常重要的一環(huán)，這個可能也是騰訊獨特的優(yōu)勢，因為騰訊長于通過連接器類型的產(chǎn)品如公眾號、小程序、企業(yè)微信等等，幫助 B 端伙伴更好地服務(wù)下游的客戶。

　　產(chǎn)業(yè)互聯(lián)網(wǎng)向縱深發(fā)展的過程中，更多考驗的是綜合解決方案的能力，騰訊在這些垂直行業(yè)有很多年的深耕和非常多的技術(shù)落地的應(yīng)用場景，在幾個垂直領(lǐng)域也梳理出了一些標(biāo)準(zhǔn)化解決方案，可以得到快速的復(fù)制，這是騰訊做 AI 應(yīng)用和其他公司比最大的優(yōu)勢。

　　騰訊如何用 AI 技術(shù)助力實體經(jīng)濟(jì)發(fā)展

　　一方面，云和 AI 的深度融合將語音識別、圖像識別、NLP 等基礎(chǔ) AI 能力封裝成了適用不同場景的 API 或工具性軟件，讓 AI 成為各行各業(yè)優(yōu)化生產(chǎn)、提高效率的工具。比如在工業(yè)制造領(lǐng)域，騰訊工業(yè)云結(jié)合計算機視覺的經(jīng)典技術(shù)，加上云端 GPU 強大的算力，可以為工廠提供超高準(zhǔn)確度的基于 AI 的質(zhì)檢方案系統(tǒng)，將人工需要二十分鐘才能完成的質(zhì)檢工作壓縮到幾秒鐘，帶來了質(zhì)的飛躍，每年能節(jié)省數(shù)千萬成本。

　　另一方面，云和 AI 的深度融合也將非常高深復(fù)雜的統(tǒng)計機器學(xué)習(xí)/深度學(xué)習(xí)的算法和理論，轉(zhuǎn)化成了普通開發(fā)者也可以輕松調(diào)用的 API，極大降低了 AI 應(yīng)用的門檻，讓 AI 成為中小企業(yè)和普通開發(fā)者都可以輕松使用的工具，使得各行各業(yè)人才把AI帶到更多的產(chǎn)業(yè)落地場景，從而產(chǎn)生更大的經(jīng)濟(jì)和社會價值。

　　騰訊通過騰訊云，為各行各業(yè)的行業(yè)伙伴和開發(fā)者提供了數(shù)百項 AI 原子能力，覆蓋了機器視覺、NLP、模式識別等眾多領(lǐng)域，打造了面向不同行業(yè)場景下的 AI 解決方案，讓更多中小企業(yè)可以快速地部署、應(yīng)用 AI，讓 AI 產(chǎn)生價值，幫助產(chǎn)業(yè)進(jìn)一步數(shù)字化發(fā)展和轉(zhuǎn)型升級。

　　AI 的價值與技術(shù)的雙刃劍

　　如何看待 AI 的社會價值與意義

　　李開復(fù)：在《AI 未來進(jìn)行式》這本書里，我對 AI 的價值采取的是比較有建設(shè)性的思考態(tài)度。業(yè)界對 AI 的負(fù)面作用討論已經(jīng)比較多了，但我個人認(rèn)為技術(shù)本身是中性的，對技術(shù)的應(yīng)用正確與否才是造成不同影響的原因。我們可以看到，從長遠(yuǎn)來說 AI 肯定會持續(xù)創(chuàng)造巨大的經(jīng)濟(jì)價值，同時能夠更精準(zhǔn)、便宜、有效地把事情做好。

　　同時，AI 也是一把雙刃劍，它可以幫我們省去很多重復(fù)性的任務(wù)和工作，但在這個過程中必然會有一部分人的工作崗位被 AI 所取代。但從正面的角度來看，當(dāng)這些工作崗位的取代發(fā)生時，也必然會創(chuàng)造一些新的工作機會。我認(rèn)為 20 年以后會達(dá)到一個非常美好的狀態(tài)，這個狀態(tài)就是人類會有更多的時間去做只有人類能做的事情，符合個人的興趣和能力來做的事情，讓每個人的工作更有趣更滿意。

　　同時，伴隨著 AI 和其他多種技術(shù)的成熟，未來我們有可能將生產(chǎn)的成本降到非常低的程度，這就可能有機會把貧窮和饑荒徹底消滅，這也是一個重大的人類歷史里程碑。當(dāng)然，達(dá)成這些目標(biāo)還有很多挑戰(zhàn)，但至少從技術(shù)層面來看是有機會的。

　　雖然目前 AI 的應(yīng)用還有推薦算法的信息繭房效應(yīng)、隱私保護(hù)等等問題，這都是 AI 技術(shù)應(yīng)用后的一些普遍社會現(xiàn)象。不過我認(rèn)為，一個新技術(shù)推出的時候一定會對社會產(chǎn)生沖擊，但最后的解決方法都是技術(shù)人發(fā)明了新的技術(shù)來解決了這些負(fù)面影響，今天來聽直播的這批人可能就是未來化解 AI 大部分問題的工作者。

　　沈春華：AI 理想國到底是什么樣的，沒有統(tǒng)一的答案，但我相信「科技向善」是其中的一種解讀。AI 最大的價值就是服務(wù)于人，服務(wù)于社會。

　　一方面 AI 已經(jīng)能夠讓社會更便捷，比如 Siri 語音助手、微信刷臉支付，現(xiàn)實生活中已經(jīng)隨處可見。另一方面 AI 也在攻克社會領(lǐng)域中一些以前解決不了的問題。優(yōu)圖之前利用 AI 技術(shù)協(xié)助尋人，幫助很多走失多年的兒童找到了自己的父母。去年，優(yōu)圖聯(lián)合了國家天文臺發(fā)布探星計劃，利用優(yōu)圖的計算機視覺技術(shù)幫助中國天眼 FAST 大大提升了脈沖星的搜索效率，把以前一年甚至更長時間才能處理完的數(shù)據(jù)，現(xiàn)在用機器學(xué)習(xí)的技術(shù)可能幾天就處理完了，這是幾個數(shù)量級的提升，可以極大加速科學(xué)探索的效率。

　　另外，我自己剛剛開始接觸一點 AI For Science 的研究，比如利用人工智能的算法，來做蛋白質(zhì)序列的分析，據(jù)我所知優(yōu)圖實驗室、以及浙江大學(xué)上海高等研究院等機構(gòu)在這些方向上都取得了比較好的階段性的成果，這都是非常好的例子，我相信我們會看到越來越多這樣的例子。

　　AI 與醫(yī)療的美妙結(jié)合

　　李開復(fù)：我們認(rèn)為從現(xiàn)在到未來的十年，甚至二十年間，醫(yī)療都會是一個非常好的投資領(lǐng)域。具體有幾方面原因，一是傳統(tǒng)的醫(yī)療行業(yè)現(xiàn)在正全方位數(shù)字化，包含醫(yī)療流程信息化、可穿戴設(shè)備記錄全程健康數(shù)據(jù)、以及新技術(shù)產(chǎn)生海量生物學(xué)數(shù)據(jù)等帶來的大量數(shù)據(jù)將成為 AI 的“養(yǎng)料”，產(chǎn)生有價值的算法，在疾病預(yù)警、診斷、治療、監(jiān)測、長期管理等方面輔助醫(yī)生進(jìn)行診斷和治療。二是醫(yī)療不僅僅是海量數(shù)據(jù)的 practice 和 science，比如每種癌癥樣本可能很多醫(yī)學(xué)院一年也沒有太多，醫(yī)療的數(shù)據(jù)是用來教學(xué)的，我們的數(shù)據(jù)是用來教 AI 的，當(dāng)教學(xué)數(shù)據(jù)只有很少樣本的情況下，海量數(shù)據(jù)訓(xùn)練后的 AI 能力領(lǐng)先性就產(chǎn)生了。三是醫(yī)學(xué)知識太多了，醫(yī)生不可能做到全知全能，他看一個病人能夠了解病人的背景和病例的時間也是有限的，看病的時間更是有限的。

　　因此，我認(rèn)為 AI 在醫(yī)療行業(yè)的優(yōu)化迭代，的確可以做得更好，但是還要綜合考慮各種利益、道德、法律的問題，所以在落地實際診斷方面，還是會需要更多的磨合和訓(xùn)練。我認(rèn)為在診斷方面更易被業(yè)界接受的是人機協(xié)作模式：以醫(yī)生為主，他是 AI 的老板，AI 協(xié)助他做診斷，這樣的話，在醫(yī)生的基礎(chǔ)之上，AI只會提高他正確診斷的概率。

　　從投資的角度看，我們認(rèn)為其實在醫(yī)療行業(yè)，做新藥研發(fā)是一個非常好的領(lǐng)域，這也與 AI 的目標(biāo)高度一致。因為在這樣的場景下，人的想法和 AI 的想法是一致的，都是如何用最低成本、最短時間研制一個最有效的新藥，這樣的方向上，做 AI 的技術(shù)人群與真正的業(yè)務(wù)方訴求都是一致的，可以用合力把事情做好。這方面我們也有一些投資的案例在跟。

　　最后我想講的是，醫(yī)療行業(yè)背后有很多生物學(xué)、化學(xué)、制藥等領(lǐng)域人員，他們處于電腦模擬之后、臨床之前的實驗室工作階段，這其實也非常適合 AI 去做。它帶來的價值不是取代了人力成本，更重要的是機器本身可以 24 小時不間斷地做實驗，研發(fā)的進(jìn)程指數(shù)級提升。最終 AI 理想的效果是讓新藥研發(fā)更快，成本更低，讓很多罕見病，不可醫(yī)的并都變得可醫(yī)，讓人享受更長久的健康，這是我們可以期待的，也是 AI 能做出的最大且沒有爭議的貢獻(xiàn)。

　　沈春華：過去這幾年我在澳洲的大學(xué)工作的時候，也做了一些醫(yī)學(xué)圖像方面的研究。我非常贊同剛才開復(fù)老師提到的一點，就是對醫(yī)學(xué)圖像的從業(yè)者來說，AI 的目標(biāo)，至少從現(xiàn)階段來看，不能取代醫(yī)生來看病。 所以我們應(yīng)該去做工具，去幫助醫(yī)生去看 X 光、CT 圖像，更好更快地輔助醫(yī)生做診斷。

　　AI 本身如果要徹底取代醫(yī)生的話，我覺得還有很多的問題要解決。比如說現(xiàn)在的 Deep Learning 算法的可解釋性。這個可解釋性問題如果不解決的話，沒有人敢直接拿 Deep model 預(yù)測出來的診斷給到病人，因為你都不知道算法的決定是怎么做出來的。

　　騰訊有一個醫(yī)學(xué)圖像的團(tuán)隊開發(fā)了一個系統(tǒng)叫做 “騰訊覓影”，這是個通過 AI 輔助診斷新冠肺炎的一個解決方案。這個系統(tǒng)利用患者的 CT 圖像，可以在一分鐘或者更短的時間里給醫(yī)生提供一個輔助的診斷結(jié)果，從而幫助醫(yī)生更準(zhǔn)確地來判斷患者肺炎的嚴(yán)重程度以及發(fā)展過程。

　　大家都知道一次胸部的 CT 掃面往往可以會產(chǎn)生幾百張的影像，如果完全依靠人眼來看的話，要十幾二十分鐘，現(xiàn)在用 AI 的算法，可以把醫(yī)生的檢查效率提高一個數(shù)量級，這樣可以讓患者得到更及時的治療。

　　所以我個人覺得， AI 是一個用來幫助醫(yī)生做快速診斷，提升效率的助手，這可能是未來幾年發(fā)展的一個方向。

　　如何做好科技向善，避免數(shù)據(jù)隱患雙刃劍?

　　李開復(fù)：數(shù)據(jù)隱患的這些問題，已經(jīng)造成了很多人對 AI 的認(rèn)知是負(fù)面多于正面，這是一件很不幸的事情。正如前面所說，AI 確實帶來了一些問題，但也會隨著時間、新技術(shù)去化解，包括一些相關(guān)法律法規(guī)的健全和完善，Web 3.0 把數(shù)據(jù)還給個人等等方式。這些都是可以探索的方向，而且解決方案并沒有我們想象的那么難。

　　比如隱私保護(hù)的問題，如何確保數(shù)據(jù)不被濫用，就涉及到很多隱私計算的算法，比如聯(lián)邦學(xué)習(xí)。以聯(lián)邦學(xué)習(xí)為代表的隱私算法，可以讓我們魚與熊掌兼得，既能把數(shù)據(jù)授權(quán)去做訓(xùn)練，又能確保對訓(xùn)練模型中的數(shù)據(jù)構(gòu)成脫敏的作用，不至于產(chǎn)生隱私問題。

　　從大數(shù)據(jù)到推薦算法，這其中的確產(chǎn)生了很多不好的社會現(xiàn)象，這引出了 AI 領(lǐng)域一個很有趣的題目，我們?nèi)绾文茏屢粋�目標(biāo)函數(shù)去衡量一個相對長遠(yuǎn)、比較困難的事情。商業(yè)化落地的 AI 算法，最大化的是大公司的利益，但我們也應(yīng)該考慮個人對 AI 千人千面的需求。有沒有可能將個人的需求作為目標(biāo)函數(shù)參考進(jìn)來，去訓(xùn)練 AI 的模型，兼顧企業(yè)和個人的需求，這是非常值得去思考、突破的技術(shù)方向。

　　而另一點，偏見的問題其實主要來自于數(shù)據(jù)的不平衡，這些問題是做 AI 的技術(shù)人應(yīng)該警惕的，我們做產(chǎn)品之前要確保數(shù)據(jù)有合理的覆蓋度、平衡度，除了個人的觀念，也需要有一些工具的提醒校正。這背后涉及到的可解釋性相當(dāng)困難，一方面我們可以做一些可解釋的機器學(xué)習(xí)模型，另一方面可以試著對已有的標(biāo)準(zhǔn)模型做可解釋，但不要對結(jié)果的精確性、細(xì)膩度過于吹毛求疵。

　　最后我想說的是，我們批評 AI 這么多，人難道就會做得更好嗎?人會比 AI 更沒有偏見嗎?其實不然，以色列做過一個實驗，法官在午餐之前做出的判決會比午餐之后更苛刻，代表他不爽了以后就不顧工作的公平了。人的偏見是很嚴(yán)重的，而且人會隱藏、拒絕承認(rèn)自己的偏見。AI 是一個客觀、公平、透明、基于數(shù)據(jù)的領(lǐng)域，所以我們有更大的希望把 AI 做成一個低偏見的決策者，遠(yuǎn)遠(yuǎn)比人的偏見來得低。我們不要因為外部的力量放大一些個別的案例，但其實我有信心在這四點上都能做的比現(xiàn)在好很多，而且跟人相比做得更好。

　　對技術(shù)人來說，怎么看待AI技術(shù)的兩面性?

　　沈春華：Deepfake 這樣的技術(shù)最早開源出來的時候，有些人用來它去替換、生成人臉圖片�，F(xiàn)在偽造出來的人臉圖片越來越逼真，已經(jīng)到了人眼都難以區(qū)分真假的地步。這確實會帶來很多風(fēng)險。這些偽造的圖片、視頻信息在網(wǎng)絡(luò)上傳播，會帶來挑戰(zhàn)。Deepfake 實際上是基于過去幾年的 GAN 的技術(shù)。

　　據(jù)我所知，至少針對 GAN 生成的圖像，即使人眼看不出真假的差別，但對于算法來說還是能夠捕捉到細(xì)微的差別，因為生成的數(shù)據(jù)和真實的數(shù)據(jù)之間，它們的分布存在一個 domain gap。就是說你用大量的數(shù)據(jù)去訓(xùn)一個深度學(xué)習(xí)的判別真假圖像的模型，目前是很容易判斷這個圖像到底是生成的，還是真實的。至少目前是這樣。

　　如果說，我們哪一天發(fā)明了一個算法， 不管是基于什么樣的生成模型，可以是 GAN，可以是別的生成模型，如果說它生成的合成數(shù)據(jù)，算法也分辨不出真假。那么對于深度學(xué)習(xí)的研究人員來說將是重大的好消息。為什么?因為我們現(xiàn)在訓(xùn)練深度學(xué)習(xí)模型，比如分類器做識別的模型，往往需要大量的人工標(biāo)注的數(shù)據(jù)。如果說模型生成的合成數(shù)據(jù)和真實的數(shù)據(jù)之間已經(jīng)沒有domain gap，數(shù)據(jù)分布一模一樣，那么我們就可以利用這樣的技術(shù)去得到大量的訓(xùn)練數(shù)據(jù)，不需要去做人工標(biāo)注了。這將極大降低數(shù)據(jù)成本。

　　TVP 大咖發(fā)問關(guān)于 AI 的那些事兒

　　傳統(tǒng)企業(yè)如何使用AI技術(shù)，難點何在？

　　李開復(fù)：據(jù)我觀察，國內(nèi)很多傳統(tǒng)企業(yè)數(shù)字化并沒有做得很好，當(dāng)開始使用 AI 的時候碰到的問題是需要海量的資源和時間先把數(shù)據(jù)整合好，然后才能進(jìn)入到 AI 的落地環(huán)節(jié)。許多傳統(tǒng)企業(yè)的企業(yè)家或是沒有意識到這樣的挑戰(zhàn)，或是下面的數(shù)字化團(tuán)隊沒有做好信息同步，最后發(fā)現(xiàn)做了很多努力 AI 還是不能起作用。其實數(shù)據(jù)的儲存、整理、分析是最難的部分，一旦做好了，落地 AI 反而是相對較小的問題。

　　還有很多其他的挑戰(zhàn)，比如每個行業(yè)需求都不一樣，沒法做到一個平臺解決所有行業(yè)的問題。我們投資的很多公司目前都還是在做解決方案，從長期來說，我們當(dāng)然是希望能解決一切問題，但這背后需要很多的時間和技術(shù)探索。整體來說，未來五年國內(nèi)大部分的 AI 應(yīng)用還是需要一個解決方案提供商，它可以是云，也可以是垂直的 AI 企業(yè)。同時我們?nèi)耘f需要繼續(xù)探索如何能誕生一個更標(biāo)準(zhǔn)化的 AI 能力或者平臺，可以覆蓋大部分行業(yè)場景下的用戶需求。

　　沈春華：對，我覺得這可以說是所有的云計算的提供商他們正在做的一個事情, 目的就是使應(yīng)用 AI 技術(shù)的門檻大大的降低， 然后能夠快速的去鋪開，但是這還有很長的路要走。我相信隨著技術(shù)的發(fā)展，我們有一天是會達(dá)到那一步的，這個過程可能會比較長。

　　AI 的理論是否遇到了實際應(yīng)用的天花板？

　　李開復(fù)：我覺得其實在深度學(xué)習(xí)的平臺上還有很大的機會，尤其是考慮到應(yīng)用的場景的話，其實問題不是在我們沒有發(fā)明足夠多的好算法，而是我們沒有能夠想出方法把它更快引入應(yīng)用，所以我覺得應(yīng)用還有很大的紅利空間。

　　也有人提出，深度學(xué)習(xí)本身是一個黑盒為主的技術(shù)方向，背后的理論基礎(chǔ)不夠強，希望能夠推進(jìn)，這是可以理解的。也有人提出一些想法，認(rèn)為深度學(xué)習(xí)本身能不能像人一樣做可解釋化、可分析地發(fā)展，需要有辦法把人腦、人的思維特點與深度學(xué)習(xí)相結(jié)合，產(chǎn)生 1+1>2 的發(fā)展，這也是一個方向。我覺得做理論的多參與 AI 是好事，但至少從應(yīng)用的角度來說，我們現(xiàn)在并不是因為欠缺理論基礎(chǔ)讓我們碰到了應(yīng)用的瓶頸。

　　沈春華：我補充一點。我一直在做計算機視覺相關(guān)的算法。我個人理解，不管是計算機視覺也好，還是 NLP 也好，在過去幾年有人覺得深度學(xué)習(xí)的技術(shù)發(fā)展是不是到了一個瓶頸了，下面就很難發(fā)展了。但是，過去幾年我們看到的是，突然一下子就又出來一個突破性的算法，帶動整個領(lǐng)域的發(fā)展。這樣的例子在過去幾年非常多。這一次的人工智能發(fā)展起來到今天算的話可能也就 10 年時間， 如果從 2012 年 Hinton 的那篇 ImageNet 的圖片分類的論文開始算，剛好 10 年時間。

　　你看它的發(fā)展過程就是從 AlexNet 開始，從各種各樣的卷積神經(jīng)網(wǎng)絡(luò)到了一個瓶頸期， 大家都覺得是不是好像沒得做了，發(fā)展到了一個瓶頸，突然 Transformer 被發(fā)明出來， Transformer 又大大地提升了很多任務(wù)上的性能。然后剛才提到的 GAN 技術(shù)， GAN 到現(xiàn)在也沒幾年時間。GAN這樣的生成模型現(xiàn)在能達(dá)到的效果放在短短幾年前也是很難想象的：生成模型怎么能得到這么漂亮的結(jié)果?

　　三年前 GPT3 技術(shù)被發(fā)明出來，GPT3 顛覆了過去幾十年的 NLP 的研究成果。我個人覺得 AI遠(yuǎn)沒有到天花板，或者是到瓶頸期這樣的程度。AI 這個領(lǐng)域的發(fā)展非常快。

　　分享最后，本場主持人鄭曌感慨良多，他表示李開復(fù)老師長期對AI領(lǐng)域的研究和探索給了我們非常多新鮮的觀點和視角，沈春華老師作為AI領(lǐng)域的頂級學(xué)者，也帶領(lǐng)我們領(lǐng)略到人工智能技術(shù)的深度魅力。

　　結(jié)語

　　通往未來的道路從來不是一片坦途，這要求創(chuàng)造未來的這批先驅(qū)能夠堅定自己的信念，秉持科技向善的原則去應(yīng)用并無好壞之分的技術(shù)本身。20年后的AI發(fā)展將是怎樣的，本次討論所勾勒出的僅僅只是冰山一角，還有更多的場景等待每個從業(yè)者去想象、去突破。

　　TVP 自成立之初，便希望能夠“用科技影響世界”，讓技術(shù)普惠大家，踐行科技向善的初心與本心。未來的路上，愿我們一路攜手并肩，共同前行。