邹昊：人工智能是第四次工业革命的一个最大的支撑技术，将引领未来产业变革

本篇文章3931字，读完约10分钟

最近，中国国际软件博览会在北京展览馆举行。在由中关村(000931) M&A母公司基金主办、深圳证券交易所中关村创新创业培训基地和北京华盛天成(600410)科技有限公司联合举办的2017中国道路软件产业投融资趋势论坛上，硅谷abundy科技公司创始人、美国斯坦福大学客座教授、清华大学讲座教授邹昊发表了主旨演讲..

硅谷创业科技有限公司创始人，美国斯坦福大学客座教授，清华大学邹昊教授

以下是这次演讲的记录:

邹昊:谢谢大家。人工智能是一门非常古老的学科，已经有70年的历史了。当我第一次开始在斯坦福学习时，我遇到了一位在20世纪50年代从事人工智能研究的老学者，并和他谈论了20世纪50年代人工智能神经元的第一章。当时，人工智能的发展并不完善。他们花了大量时间设计模拟电路，模拟人类神经元触发一种状态。虽然这是在70年前完成的，但意义重大。

随着人工智能的发展历史，有几波特殊的火，它也遇到了低谷。正如我们常说的，人工神经网络不是最新的概念，它在20世纪90年代被广泛使用。但当时，由于软件的计算能力和算法都不是特别成熟，包括我们公司和学校团队的成员，他们几乎在2000年就获得了神经网络博士学位。虽然他们获得了博士学位，但没有成功。继摩尔定律之后，神经网络连接算法有了很大的改进。2012年是神经网络发展的最新浪潮，它是由深度神经网络或深度学习带来的。

简单谈谈深度学习，深度学习和以前的算法有什么区别？首先，我们必须深入模拟人脑。过去效果不是特别好，以前的算法也不是特别高。现在我们已经做了一些研究，或者一些应用是100层或150层神经网络。与人类相比，这种神经网络相对初级，在神经元和连接的数量上已经超过了蚂蚁的连接数量，达到了蜜蜂的水平，但是蜜蜂离人类还很远。可以想象，从蚂蚁到蜜蜂的角度来看，个体的能力是弱的，有很多功能可以通过网络连接和大的蜂群和蚁群来完成。在许多领域，人工智能通过分布式计算将许多小的独立机器连接起来，并且可以处理大量的工作。

另外一点，最新的学习结构和我们过去几十年所做的有什么不同？因为我们以前使用的人工智能基本上是由硅谷定义的，或者说是一个专家系统。举个很好的例子，差不多在2001年，ibm的深蓝打败了象棋大师，这在当时是一个公认的效果，就像现在Alpha Dog打败了李世石和柯杰一样。Ibm深蓝使用一个算法专家和一个超级象棋大师来做决定。这个系统与我们在金融、医疗保健和教育领域建立的系统非常相似。改变一个团队中成百上千人的系统是非常麻烦的。战斗中，一位象棋大师发现了一个漏洞。如果你想改变它，找到这个漏洞并做出一些决策改变意味着研发成本很高，自衍生能力很弱。这也是深蓝赢得象棋大师的比赛后的3: 2。象棋大师仍然不相信，想玩一个游戏。当他有了这个想法，ibm宣布了他的退休。阿尔法狗也退休了，但柯杰没有打败它。整个系统的神经网络，其中研究小组的研究人员是兼职6，可以击败20阿尔法狗，也退休。击败60位大师和柯杰后，他退休了。两次退休是不同的。

目前，人工智能还不是一个用搜索方法制造出来的人体模拟专家。人工智能是通过对人类专家判断的一些标准进行规范化而成的，它具有自动学习能力和自动推导能力，相当于以前的系统。这对我们的科学家来说是一个黑匣子。作为一个发明家，在黄博士发明了Alpha Dog之后，他无法打败它，这相当于一个自学系统。

现在我们来谈谈人工智能的最新进展，我想谈谈人工智能是如何引领产业转型的。我刚从大连夏季达沃斯回来。达沃斯的主题是第四次工业革命。人工智能实际上是这场工业革命的最大支持技术。我们可以想象，在工业革命之前，蒸汽机被发明，它把人们从非常艰苦的体力劳动中解放出来。电气化将人们从装配线上解放出来。后来的信息化。这场工业革命解放了人们的脑力。现在制造的一些机器人(300024，诊断股票)在进一步学习后可以击败高考状元。那时，去哪里会引发思考。当我在小学的时候，我学习算术。那时，算盘是一门非常严肃的课程，我一直在那里工作，包括心算。目前，算盘在小学是卖不出去的，当前的改革比我们以前经历的聪明的变化有更大的影响。

那么，在引领产业转型时，哪些产业能够最快、最先颠覆和改变呢？我认为，在单一的主要行业中，我对人工智能在这方面的应用非常乐观。我曾经是一名投资者，在金融行业有相当多的重复性工作，比如高薪工作或低薪工作，它们是分开的。在二级市场投资时，高盛制造股票或数百人。现在有几个人、几台计算机、程序员和管理员维护这个系统。其他的已经消失了，在成本和稳定性方面没有办法打败机器。在许多二级市场中，我们发现机器在由大数据支持的二级市场中扮演着非常重要的角色。欧美一些新发行的基金在一定程度上是量化基金。一些主观基金变得越来越少。当然，在我的一级市场有很多交易，很多资金需要核实。就一级市场的投资而言，人们已经主宰了几十年。在二级市场，我们慢慢看到机器人已经发展得越来越多。

还有一点，让我谈谈科技公司的快速发展。例如，就金融技术而言，人们认为金融技术领先世界，美国公司很难撼动大银行。例如，蚂蚁金服在交易量和整体专业水平方面对传统金融业提出了巨大挑战，包括计算机人才的构成，包括文化体系。还有许多金融行业已经实现了自动化。每个人都使用许多贷款，包括许多贷款验证。现在，小额贷款是机器制造的。客观而准确地说，在一定程度上，它们将在未来几年里被机器慢慢取代。我们与国内外大型机构进行了大量的研究和系统规划。我看到了效果和趋势。在接下来的几年里，最初的手工流程将成为一个完全自动化的系统。

我想谈的另一点可以被人工智能改变或颠覆，其中之一就是医疗卫生行业。这个行业在中国的发展比在美国要快得多，并且在一定程度上会领先世界。当我在斯坦福和清华的时候，我没有做过医疗卫生工作。一些医学和健康老师和同事来找我，希望计算机人员能参与进来。让我们看看。中国的医疗体系已经经历了巨大的改革，允许优秀的医生沉沦，去地级市和城镇的诊所看病，解决了所有人都涌向北京的三甲医院就医的问题。初衷很好，但很难实现。然而，中国的好医生和好医疗资源都集中在北京和上海。第二，一个真正好的医生和平均水平之间有很大的差距，或者几乎相同的水平。我国是世界上严重疾病误诊率第二大的国家，社会发展程度之高，包括一些严重疾病在内的误诊率远远高于世界其他国家。这实际上与我们医生的收入、整个医疗体系和过去几十年积累的一些问题有关。我国患者数量远远超过发达国家，医生培训水平亟待提高。这是一个缺点，也是一个优点。几周前，我和上海的一家医院谈过话，那家医院也是一位在中国乳腺里带刀的医生。我非常震惊。当我到达医院时，医院的大厅里有数百人，他们挂了两个小时的号码，这可能是不可用的。其次，外面有成千上万的人。整个诊所被很多人包围着。几个保安把他们拖了进来。是时候谈几分钟了。一些病人登记了几个月，火车一两天后就到了医院。我情不自禁。一些病人说他们等了几个月，一两天后坐火车，一两分钟后就被送走了。他们经常叫保安，在下一个病人进来之前坐在担架上。当医疗资源极其匮乏时，如果在这个时候进行改革，可能需要10年或20年来培养好医生。然而，中国的医疗短缺问题是一个非常紧迫的问题。事实上，我们所做的一些实验已经超过了一般的普通医生或排名前三的医院的普通医生，达到了相对较高的医生水平。通过医生的合作，我们可以达到国内最好的三甲医院的水平，这是更快解决当前医疗体系中一些系统性问题的最有效的方法。

最后，现在所有的分级诊断和治疗都完成了，所有的变化都很大。无论是分级诊断和治疗，还是技术安排，一个真正好的医生很难下到县级。如果病人得不到最好的治疗，他们必须来北京，这可以证明人工智能设备已经达到最好医生的水平，并且已经在全国范围内普及，整个社会已经发生了变化。我们和最好的医生合作做了很多相应的研究。

最后，另一个大环境改变了我们的教育体系，包括如何培养医生、金融从业者和学生教育者。随着人工智能的发展，出现了一个新的概念——g点理论。从摩尔定律的角度来看，它并没有消失。根据目前计算机的能力和进展，到2050年左右，整个计算系统，甚至单个计算机系统和神经元的数量将基本达到一个人的数量。也就是说，当一台计算机拥有人脑、强大的计算能力和神经元结构时，它会对人类社会产生什么样的影响？我们不会马上学到新东西。当我们学习数学和语文时，我们有计算的能力。一台配有眼睛和大脑的电脑可以从幼儿园水平达到人类水平。目前，人工智能的初级阶段，大数据是一个非常重要的领域，人工智能需要大数据的支持。

事实上，柯杰比阿尔法狗好得多，而柯杰从一开始就一直在玩围棋，大约5万套围棋。然而，为了达到柯杰的水平，阿尔法狗实际上读取了数千万的象棋分数，每天有数百万和数千万的象棋分数。去是规则。让阿尔法狗打50，000盘，更别说打败柯杰了，连我都打不过它。人们为什么关注大数据？因为他们需要大量的数据，人们学会了加倍，人工智能需要一百倍。训练人工智能的系统，比如有上亿张图片的人脸识别系统，比人类更重要。我们做了一些最新的研究，事实上，这些数据越来越像人们的学习过程，包括一些新的算法，不是看几百万或几千万，而是描述它一次又一次，以便计算机系统捕捉到相应的数据和相应的模式。在接下来的几十年里，最近将会有一个大的突破，在接下来的几十年里也会有一个大的突破。在整个大趋势中，仿生学和内脑的研究已经进行了几十年，用计算能力和人工智能解决初步的脑功能是非常重要的。我认为第四次工业革命已经发生，在未来的五年、十年甚至二十年，它将对我们整个舆论社会产生前所未有的巨大影响。

谢谢大家。