从 1956 年的达特茅斯会议至今，AI 已经走过了近 70 年的历程。这 70 年间，对于AI 的期待有之，对于 AI 的恐慌有之，技术人对于 AI 的探索应用也从未停歇。

千禧年时的我们，未曾畅想过移动互联网的繁盛，2022 年的我们，又该如何畅享未来 20 年的AI 发展进程？AI + 医疗会让我们活到 100 岁吗？AI 将如何让元宇宙变为现实？AI 可以帮人类找到幸福吗？AI 会加深偏见吗？传统企业是否能享受到 AI 红利？
近日，受腾讯云邀请，创新工场董事长兼首席执行官李开复博士携新书《AI未来进行式》，在腾讯云 TVP 直播间与浙江大学教授、腾讯优图实验室高级顾问、杰出科学家沈春华博士，进行了一场尖峰对话， 50 位来自 AI 领域的 CTO 与技术专家参与论坛讨论并在全网直播，碰撞出关于 AI 的未来火花。
以下为部分实录：
—1—
《AI未来进行式》创作起源
李开复：
《AI未来进行式》这本书的创作起源主要有两方面原因，首先我认为 AI 是一个特别重要的技术，每个人都应该去了解它能创造什么机会，和自己有什么关联。父母可以帮助孩子做学习规划，年轻人可以为自己做职业规划，我希望用讲故事的方式，把这本聚焦 AI 技术的科普书籍写得让每一个人都能读懂，目前来看反响还是不错的，让很多完全不了解 AI 的人大概搞懂了 AI 是什么意思。

另一方面，我自己作为一个理工科出身的技术人，在本科、博士的时候研究的就是机器学习，我深深地感受到技术人普遍欠缺场景想象力，这也是为什么 AI 在语音识别、自然语言、计算机视觉这些领域做了近 40 年，却还在关注类似的问题。很多新的场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，让我们这些做技术的人可以看到未来 AI 可能的应用场景，带来的挑战，又将如何化解，给大家一些灵感与建议。
所以这次和科幻小说作家陈楸帆合作创作《AI 未来进行式》的两个重要的目的，一是把难的技术给所有的人讲懂；二是希望给一些技术很强，但是场景想象力不是那么强的理工人，或做 AI的技术人，也让他们对未来的愿景和场景能有一些灵感和建议。
—2—
AI创业发展的三个阶段
李开复：得益于很多投资的经历，我也在其中学会了一些跨领域的知识，我个人认为 AI 创造的最大价值，一定是和场景的结合。在相关投资经历中，可以总结出三个 AI 创业的发展阶段：
第一个是在比较早期的阶段时，因为 AI 技术人员很厉害，选择了先创立公司，再做应用；
第二个是在某些领域，AI 已经可以创造很大的价值，比如我们当时投的第四范式、创新奇智、极飞科技等等，都有非常强的商业应用和落地场景。它们先靠场景落地，之后再做平台。
而今天 AI 已经进入了第三个阶段，AI 会和其他的科学交叉，也就是说 AI ＋ Science，AI 可以被用在发明新药、基因编辑、新材料新能源等方向。
《AI 未来进行式》这本书里包含了这三个方向，比如说在智能交通、无人驾驶就是一个重要的领域，比如说 AI 制药，AI 在新能源方面的应用，这本书都会涉及。因为我们投资也要关注和了解这些产业领域，所以我们也尝试在书中描述出这些场景，而我们调研出的趋势则会给写作带来一些新的灵感。
—3—
NLP技术发展与应用
李开复：《AI未来进行式》书里有一个「双雀」的故事章节，在这个故事里，AI 成为了孩子成长的陪伴助手。在人类老师的主导下，AI 化身为一个长期陪伴的助教角色，将孩子的学习与兴趣相结合，变得更有效率与主动性。
虽然在 AI 时代，我认为人类老师的教育工作 AI 是替代不了的，但是 AI 可以做很多有益的补充，因此在这样的场景下，NLP（自然语言处理） 的技术就是其中的关键点。

在我大二的时候，我刚开始接触的第一个 AI 技术就是 NLP（自然语言处理）。与早期 NLP 的发展相比，最近几年很多技术正在发扬光大，深度学习是其中的一个重要核心。我们看到一个很大的突破就是 NLP 的领域正在用自监督学习的技术去做海量数据的标注，这解决了一个巨大的瓶颈。从这个模型做出来以后，带来了包括 transformer、GPT3 在内的诸多 NLP 领域的技术突破。
创新工场孵化和投资的澜舟科技就是 NLP 领域非常优秀的公司。首先，澜舟科技证明了轻量的预训练大模型在一些权威榜单里面比如CLUE也能问鼎第一；其次，一般来说大模型需要很贵的机器，这样的话很多创业公司或者学者或者应用是用不起的，澜舟科技能用缩小 1000 倍的模型训练出相当好的效果。澜舟科技的技术在语音识别、机器翻译，还有针对性广告等多个领域应用，而且每次就花几周的时间就能调出一个模型出来。
我认为 NLP 在未来三到五年应该会有非常多的发展，一方面是在过去已有的应用，比如语音识别、机器翻译等方向有更多突破；另一方面是在还没有发生的场景下得到很多尝试，比如语音对话型的终极搜索引擎等等。NLP未来的发展，既会把已有的应用从不可用变成可用，从可用变成好用，也会把过去不可能做的应用变成可能做，这是我们现在重大的投资方向。
—4—
AI+医疗的进展未来可期
李开复：我们认为从现在到未来的十年，甚至二十年间，医疗都会是一个非常好的投资领域。具体有几方面原因：
一是传统的医疗行业现在正全方位数字化，包含医疗流程信息化、可穿戴设备记录全程健康数据、以及新技术产生海量生物学数据等带来的大量数据将成为 AI 的“养料”，产生有价值的算法，在疾病预警、诊断、治疗、监测、长期管理等方面辅助医生进行诊断和治疗。
二是医疗领域目前还不是海量数据的训练和科学。比如说癌症的样本，我和哈佛的医学院聊数据的时候，他们每一种癌症的数据样本很少。他们的数据是用来教学的，我们的数据是用来教 AI 的，当教学数据只有很少样本的情况下，海量数据训练后的 AI 能力领先性就产生了。
三是医学知识太多了，医生不可能做到全知全能，他看一个病人能够了解病人的背景和病例的时间也是有限的，看病的时间更是有限的。
从投资的角度看，我们认为其实在医疗行业，做新药研发是一个非常好的领域，这也与 AI 的目标高度一致。因为在这样的场景下，人的想法和 AI 的想法是一致的，都是如何用最低成本、最短时间研制一个最有效的新药，这样的方向上，做 AI 的技术人群与真正的业务方诉求都是一致的，可以用合力把事情做好。这方面我们也投资了几家公司，包括 AI 新药研发公司Insilico Medicine，用 AI 发现了肺纤维化、肾纤维化等罕见疾病的候选药物。
最后我想讲的是，医疗行业背后有很多生物学、化学等领域的科研人员，他们处于电脑模拟之后、临床之前的实验室工作阶段，这其实也非常适合 AI 去做。它带来的价值不仅仅是取代了人力成本，更重要的是机器本身可以 24 小时不间断地做实验，研发的进程指数级提升。例如创新工场投资的镁伽科技，用实验室自动化解放了科学家的时间。
最终 AI 理想的效果是让新药研发更快，成本更低，让很多罕见病，不可医的病都变得可医，让人享受更长久的健康，这是我们可以期待的，也是 AI 能做出的最大且没有争议的贡献。
—5—
科技向善与数据隐患
李开复：数据隐患的这些问题，已经造成了很多人对 AI 的负面认知多于正面，这是一件很不幸的事情。AI 确实带来了一些问题，但也会随着时间、新技术去化解，包括一些相关法律法规的健全和完善，Web 3.0 把数据还给个人等等的方式。这些都是可以探索的方向，而且解决方案并没有我们想象的那么难。
比如隐私保护的问题，如何确保数据不被滥用，就涉及到很多隐私计算的算法，比如联邦学习。以联邦学习为代表的隐私算法，可以让我们鱼与熊掌兼得，既能把数据授权去做训练，又能确保对训练模型中的数据构成脱敏的作用，不至于产生隐私问题。
从大数据到推荐算法，这其中的确产生了很多不好的社会现象，这引出了 AI 领域一个很有趣的题目：我们如何能让一个目标函数去衡量一个相对长远、比较困难的事情。商业化落地的 AI 算法，最大化的是大公司的利益，但我们也应该考虑个人对 AI 千人千面的需求。有没有可能将个人的需求作为目标函数参考进来，去训练 AI 的模型，兼顾企业和个人的需求，这是非常值得去思考、突破的技术方向。
另一点，偏见的问题其实主要来自于数据的不平衡，这些问题是做 AI 的技术人应该警惕的，我们做产品之前要确保数据有合理的覆盖度、平衡度，除了个人的观念，也需要有一些工具的提醒校正。这背后涉及到的可解释性相当困难，一方面我们可以做一些可解释的机器学习模型，另一方面可以试着对已有的标准模型做可解释，但不要对结果的精确性、细腻度过于吹毛求疵。
最后我想说的是，我们批评 AI 这么多，人难道就会做得更好吗？人会比 AI 更没有偏见吗？其实不然。以色列做过一个实验，法官在午餐之前做出的判决会比午餐之后更苛刻，代表他的心情影响到公平了。人的偏见是很严重的，而且人会隐藏、拒绝承认自己的偏见。AI 是一个客观、公平、透明、基于数据的领域，所以我们有更大的希望把 AI 做成一个低偏见的决策者，远远比人的偏见来得低。
推荐阅读



继续阅读
阅读原文