近日，创新工场创始人兼CEO、人工智能工程院副院长李开复博士携新书《人工智能》开展了一场线下读书会，与行业内外众多关心和关注人工智能发展的朋友进行了交流和讨论。
在现场，李开复博士与创新工场技术VP兼人工智能工程院副院长王咏刚、英特尔中国研究院院长宋继强、北大人工智能创新中心主任、百度七剑客之一雷鸣以及钱袋宝创始人、神州付CEO孙江涛进行了对话交流，并解答了现场观众的提问。
观众的提问涵盖技术发展、人才培养、投资方向、创业机会、社会变革等等方面，各位嘉宾也献上了精彩纷呈、干货满满的回答。今天就为没有亲临现场的小伙伴们分享读书会现场的精彩问题~
讨论会嘉宾
李开复博士
创新工场董事长兼首席执行官
创新工场人工智能工程院院长
王咏刚
创新工场技术副总裁兼人工智能工程院副院长
宋继强
英特尔中国研究院院长
雷鸣
北大人工智能创新中心主任
百度七剑客之一
孙江涛
钱袋宝创始人
神州付CEO
Q
在各位嘉宾的心目中，未来10年人工智能会在哪些场景得到大规模应用，改变人类的生活方式？
宋继强：在金融、零售、医疗等领域，我们的日常生活已经有很多人工智能在参与。下一波将会是像无人车这样的平台，把前后端连起来，用人工智能技术去理解路上发生了什么，并做一些快速的决策，再把相应的场景输出到云端，用云端来优化案例，把云端训练出来，去提升每个终端。再往后就是往机器人方面迈进，可能还需要8到10年。
雷鸣：我从另外一个纬度来考虑，我觉得这个发展是两方面。一方面我们考虑人工智能如何替代一些工作，我们看到，可以被替代的是重复性的脑力劳动；从这个意义上来看，它的替代应该从低技能向高技能，越高技能对模型的复杂要求更高一些。
另外一个方面，我们也看到了相当于从高数据化向低数据化的产业扩展的趋势，比如金融领域。人工智能需要大量的数据，通过数据的积累不断的提升自己的水平。有些技能要求过高，现在还需要一段时间；比如农业，其实农业很多技能要求并不太高，但积累的数据太少，传感器技术等的发展还不够。
所以整体来讲，在我来看，我们看到两个方向，一个是从低技能向高技能发展，另外一个是高技术向低技术发展。
王咏刚：今天来的都是创业者，我个人感觉未来十年人工智能这个技术将给我们创业带来非常本质的变化。
就创业来说，我们做一个公司、一个品牌的角度会非常不一样：十年前我们可能更多地思考怎么建一个网站或者服务，给大家提供好的服务；五年前我们考虑线上线下怎么融合，怎么创造更好的商业模式，让这个商业模式更好地推广；今天我们发现，这些商业模式和技术都竞争到白热化阶段。我们在考虑升级体验、给客户创造更大价值的时候，能不能引入人工智能？
AI+或者+AI一定是未来不一样的思考方式。我们现在去创造一个新的公司，比如现在比较火的共享单车，摩拜也好，ofo也好，在他们的业务流程里面，从一开始就会考虑如何收集用户的数据，如何把用户的习惯学习得更好，如何更懂得用户，如何更懂得商业模式在不同场景下面的定价、推广、获客或者营销等等。所有这些问题，如果你能第一天就开始思考，就会收集到更高价值的数据，你以后可能更容易的和AI做结合，更容易用AI来提升你的业务。
我觉得以后的公司很有可能分成两种：一种用AI做得非常好，一种没有用AI非常后悔。
孙江涛：其实我一直是做互联网金融和支付相关的业务，在今年之前我都不知道我们其实已经用了一些人工智能的理念，但实际上我们一直在用深度学习算法，去寻找商户和用户之间的交易行为，推送一些更有价值的广告信息。我们现在的公司一个月有50亿左右的放贷规模，在交易行为和信贷过程中，我们如何从大量的数据里看出来看哪些人有还款意愿、需要给他多大的额度、从过去失败案例当中找出负面的指标。
Q
这个问题想请教开复老师和咏刚老师。创新工场最近成立人工智能工程院，成立这个研究院的初衷是什么？它与企业里的人工智能研究院的最大区别是什么？创新工场未来在人工智能领域会重点关注几个领域？
李开复：从投资部门的角度来说，我们会对整个AI领域做一个排序。如果概括成三个阶段的话，第一个阶段我们特别认可的投资应该是在金融领域，但是我觉得任何有大数据的我们都会考虑。医疗是我个人特别希望介入的，因为我自己也经过面临失去健康这样一个过程。非常遗憾的是，每个医院跟各科室的数据都不能够分享，我特别希望进入的医疗领域，还没有一个数据看到曙光的投资标的。
我们在无人驾驶和金融领域投了两家公司，一家驭势科技，一家第四范式，另外也投了好几家硬件公司。我们认为传感器会越来越便宜，达到人工智能的需求，无论是在客户端做的学习，还是无人驾驶、机器人做的应用，我们自己去找项目的逻辑。我们认为未来的量产是很关键的，但是有些东西即便量产的价格还是太高，要普及的话还是要寻找那些快速达到目的的。
我们也在关注哪些东西有机会能够做出未来机器学习可能需要的，比如在服务端或者在企业端，怎么样做最适合做的芯片。除此之外，我们还在关注自然语言处理。百度、讯飞可能会有天然的优势，硬碰硬并不适合。教育领域或者自然语言很大的问题在于单领域；识别人脸可以找出好多应用场景，但跨领域的自然语言会是一种挑战。我们依然认为自然语言应用可能在客服方面和EQ交流方面是有机会和希望的。
在这些领域中机会更大的，还是金融领域。
王咏刚：我讲一下研发方面的。开复和我在创新工场成立并且带领的AI工程院主要就是技术研发团队，我们做的就是一些非常扎实的贴近业务需求的AI技术。我们不做非常前沿的探索性的东西，而是把具体的算法、架构、工具应用到金融、政府、教育等各个不同行业的具体项目里面。
比如，一些大行业里面有非常多的数据，但是企业并不清楚这些数据对他们价值是什么、这些数据经过人工智能的学习之后会产生什么样的好东西。我们可以给他们一个很基础的可视化工具，让人们知道用户的组织方式是什么样的、分类是什么样的；针对不同分类再提供一些AI工具，帮助他们针对不同用户人群制定不同的定价策略、营销策略。
再比如说AI里面比较有趣的机器视觉。机器视觉的图像识别技术很成熟了，识别准确率达到96%、99%。但在工程应用环节上，这件事就不一样了。比如能不能在手机上搞一个视频实时识别模型，把视频打开的时候，每秒钟计算图像25次，在60分体系里面达到98%以上的分类准确度？这是一个非常不一样的需求，而这个需求就是工程化的需求。半年多来创新工场的技术团队积累了非常多的经验，对实时本地的移动端识别，我们能够把整个识别模型压缩到10M以内，准确率达到98%，这是非常有用的东西。
除了工程化的开发，我们工程院也大量与高校、科研机构合作。我们也在和最前沿的科研领域技术交换，会争取尽快把这些前沿的技术应用在非常实在、非常能够解决客户问题的这些项目里面去。这是我们技术团队现在正在做的事情。
Q
这个问题提给宋继强院长。
我们都知道人工智能是靠数据驱动的，未来随着越来越多的智能设备联网并源源不断地产生数据，如何让云端和终端更好地协同计算，从而发挥出人工智能的价值，是一个很有挑战的问题。这方面您怎么看，以及英特尔是如何布局的？
宋继强：这个案例非常好，我还是举刚才讲的两个例子来说明一下。
现在很多的摄象头就是一个简单的头端，只能把数据采集下来，许多个头端连到网络，这是很常规的结构。一个问题是，因为头端没有足够的智能识别能力，只能把数据往后送。如果中间汇集过程也没有这个能力的话，大量的数据都只能送往云端。以现在的布局规模还可以，到了2020年，500亿智能设备接入互联网，这个时候网络肯定受不了，一定有在前端把这个数据做存储的需求。怎么能把现在的智能算法、深度学习的模型部署在前端，或者汇集在那个核，所有数据直接在摄像头处理？
更好地循环起来还能让前端能力继续增强的例子，就是无人驾驶。无人驾驶的车本身就是一个服务器。汽车上传感器种类非常多，都需要处理数据，它要求在一个固定的延时做决策，控制这辆车的方向盘、刹车和油门——你不可能依赖于云端；这里面的数据量很大，不可能不是一个服务器。这个存储肯定不能用云盘，要有新的存储方式。车在路上跑，不是一辆，而是要形成车队，利用基础设施去了解前面的一公里的情况，路灯信号灯有什么样的变化，这个实际上要用到移动边缘计算，跟现在的任何终端计算和云端计算都不一样。
以前1G到4G都是为人服务，5G是为物服务，让整个网络不需要都送到云端，接入旁边就可以实时处理相关数据。车可以把一些能力卸到移动边缘计算，这样形成了一个连续的网络感知处理和存储的网之后，我们就看到数据在前端是可以快速处理的。对于一些异常的案例，在云端训练以后，就可以实时地每天提升车的能力，我们也称为良性循环。从终端到边缘端到云端，时时刻刻在做循环；云端的能力就可以帮助前端的智能设备实时更新，不断提升它的能力。这个好处非常多，英特尔而在这方面不光布局计算，还有存储和通讯。
Q
人工智能过去两年对大众产生的影响还是比较有限的，目前制约人工智能发展的最大因素是什么？
李开复：我更多担心的是这个社会没有准备好。工作被取代和这些人的就业问题，其实跟人工智能本身并没有关系。我其实从十几年前就开始写书写文章给中国的年轻人，也写一些给家长，但是我觉得家长听着觉得很有意思，但实际上不接受，认为教育还是要考试为主。最后我看到一线曙光，50%失业的事情父母开始动摇了，意识到也许以前的思维不对，我们就赶快“乘虚而入”。
现在有很多手中有数据的公司，很糟糕的情况是，他们一方面意识到了数据的重要性，一方面找不到懂人工智能的人来帮他干活：既不信任大公司，也不信任小公司，不肯把数据拿出来，就坐在数据上什么都不做，我觉得这个可能是一个挑战。
宋继强：如果从正常的发展顺序来看，人工智能应该先在一些有限的场景下落地，比如扫地机器人，再到园区里运行的无人驾驶、公共道路上无人驾驶。这样慢慢地走，可以逐渐建立起人们的信心。
但现在有过度宣传的问题。定义人工智能产品的时候还是要尊重人工智能的发展规律，跨领域、知识、综合能力、人的情感交流能力等问题很多还没有解决，如果一股脑都去宣扬，反而对人工智能发展造成一些负面的影响。大家都宣传“我是机器人”，但是没有很好的定义的话，别人也不知道该有怎样的预期。我觉得在一些新兴的人工智能驱动的设备领域，最好能形成行业的分级标准，让消费者知道该用什么样的标准去要求这个产品，不会产生过度的预期。过度预期会对早期市场造成伤害。
雷鸣：我认为障碍是数据、是算法。
没有数据就像引擎没有油一样。有数据的企业不愿意分享，没有数据的很着急。我个人的想法是：第一，企业无论怎么样都要去拥抱未来，有能力处理数据就自己处理，没有能力就去找一家合作。未来是一定会发生的，等的话只有死路一条。第二是政府在里面的作用。我觉得中国政府的力量比较强，可以做一些国家数据公开课出来，让大家去研究，一些大型的组织或者国家可以做一些这方面的工作去推动社会进步。
另外就是算法。算法就等于人才，最优秀的人在不断迭代和改进算法，而人才是极度稀缺的。人工智能很长时间都是冷门，导致真正有这方面积累的人很少，而高校培养的这批人才现在还没有大量的供给。人工智能人才五年之内都是处于极度稀缺状态。
另外，我们做事情的时候应该选择为未来活着，不应该为当下活着。不管你现在做什么事情，都至少要考虑到人工智能一定会影响你。比如未来汽车交通工具变成服务业了，没有人去4S店买了，车厂直接供给服务商，最可怕的事情就是这个产业不存在了。
首先一定要多去了解人工智能，才知道未来会发生什么。第二，要去参与其中。即便不学技术，以学法律为例，现在有很多法律人工智能创业，你懂法律，别人懂智能可以合伙；或者可以去人工智能企业当法务。如果你知道未来在哪，洪流来的时候，不管你是做什么岗位，都会跟着洪流往前走得非常快。如果在被淘汰的地方，再怎么努力，干什么都没有用。当科技发展很快的时候，我的观点就是选择比努力重要太多了，要尽早参与其中，找到自己的角色和定位，才会更好。人工智能时代必然会来临，如果相关人参与得越多会发展得快一点。
王咏刚：人才稀缺性很多人认识不足。单从招聘简历上看人才不稀缺，真正做事的水平差别非常大。现在人工智能火了，人工智能人才的教育越来越受重视，但是离真正使用人工智能、在行业里落地还是太远了。我去了很多高校跟学生交流，现在高校老师带的项目、学生自己的实验项目离实际应用差得很远。学生做了很好的竞赛结果，到实际环境中却不是是客户最急需的。顶级研究者身价都非常高，到公司里面还是脑子里还是学习上的东西，论文如何真正变成实际产业的价值，他的思考也非常浅。人才与需求脱节的情况我非常担忧。
学生还是尽量多去实践；对于研究者，做纯学术研究是可以的，真正希望结合产业实践的话，就多去真正参与创业。
孙江涛：我今年年初有一个切实的感受，好多4S店已经开始消失了。汽车4S店曾经是一个收益非常高的行业，但倒闭潮已经开始了。我觉得这次技术的改变和自动化技术的进步，可能跟以往各次非常不同。以往很多技术都带来了很多岗位，这次很多工作岗位会消失。技术进步已经不再需要人类了，可能大量人类的工作岗位将会消失。我最近看到一个新的概念，叫全民基本收入，有些国家已经开始研究这件事情，一旦人工智能来了，每个人什么都不干，只要是这个国家的人，就发一笔钱把你养起来，以后人工智能养着人的时代可能不远了。
Q
我想问开复一个问题，如果人工智能真正改变金融行业，这个市场里面什么会是革命性的标志？保险、证券、银行谁会先出现？
李开复：如果我们观察过去五十年各种行业的跌宕起伏，一般来说，霸占某个领域的成就很可能也是它的包袱。我觉得如果10年以后在这三大行业有哪些巨头出现，前10大公司里面应该会有一半是创业型的公司，他们可能找到某一个切入点，见缝插针的扩大。另外可能有一两个位置是今天的互联网巨头，比如腾讯的微众银行、蚂蚁金服所做的各种业务，都很有杀伤力。传统公司可能还会剩下来两三个席位给那些与时俱进的。
哪些传统行业最有机会与时俱进接受AI？第一，我觉得是那些有真实运营压力的，而不是做不做得好都能活下来的。第二，是老板开明的，有些巨头公司直接找到我谈未来他们应该怎么改。
Q
目前在医学影像人工智能方面的研究和应用非常火热，请问开复老师对人工智能用于医学和影像领域的看法？创新工场是否有在这方面的发展计划和布局？医学影像作为智能医疗里面的板块，它路径会在哪些方面？
李开复：如果从纯理工角度来看这方向超级好，但把很多实际因素考虑进来困难还是很大。只要数据量够大、愿意花时间，机器一定可以超越人类，但是医生绝对否认这个可能性。在这么强大的用户群否认技术的前提下，我觉得可以做一个小小的辅助工具，告诉医生“也许有个肿瘤，你自己决定”。另外，也许可以干脆不要走取代医生的道路，美国一家公司做的糖尿病预防，背后有一些简单的机器学习技术，把高风险人群找出来，指导他们如何不得糖尿病。不动任何人的奶酪，就可以获得现金流，是很好的投资标的。很佩服你愿意啃最难啃的骨头，做第一个吃螃蟹的人，你的目标最终可以实现，也祝福你们实现。
王咏刚：我们创新工场AI工程院的使命就是和需要AI技术公司合作的。为什么我们现在还没有开始在医疗领域做研发或者积累？有两个问题。
第一个问题是，还有很多科研中不容易解决的问题，工程院的定位是不把大量精力花在研究上。第二，医疗影像方面还缺少一些医学专家，比如需要对影像做一些高清度标注，不是简单做图像标注，我们在缺乏医学知识的情况下比较难。我们也愿意跟进，看看有没有合适的契机展开合作。
Q
人工智能领域接下来有哪些早期投资机会？
李开复：我觉得一个很大的门槛就是这个人是不是真的很靠谱。现在每个公司都包装成人工智能公司，所以有些话一听就不再听下去了，对于每个创业者，我们都会打破沙锅问到底，他的每一个算法、每个应用怎么去做的。我们如果谈完以后没有被这个人折服，就不会投资。另外，谈一个人技术多牛只是一个门槛而已，他对这个商业的认知，还有他自己过去的背景、经验、怎么样做起一个公司，这些可能都会要深入了解。
很多创业者我们认为它可以做AI+，这个更能经常见到。它本来的方向我们认为就是很靠谱的，稍微加一点简单的AI技术就可以大大地推动，这类公司比较多，可以参考一下。
雷鸣：这个问题我觉得要分阶段。如果是天使投资或者估值不是特别高，这时基本上看创业者这个人。能不能投资看三个方面，一是人，二是有没有稳定的数据，三是对市场的需求分析和获得能力。
前期项目的话看人和团队就行了，技术要有扎实的基础，看清是真AI还是假AI。第二就是数据，数据有合法稳定的长期来源才能一直往前走。现在人工智能创业技术是有优势的，五年以后数据绝对是优势，技术的优势越来越小。未来数据为企业和客户共同拥有，有数据才王道。人才是可流动的，但数据本身是不流动的。最后就是对市场的洞察能力和真正能做出市场需求的产品的能力。2B、2C不一样。前两点是必要条件，2B公司的充分条件是要有买单能力：如果CEO是个技术牛人，必须要放下身段，或者找个合伙人，去了解真实需求，以服务的姿态去做这个事情。2C企业要有产品感觉，互联网时代一个企业成功，很多人觉得技术牛，其实是产品经理牛，在背后不断摸索用户的需求，有技术的千千万万，对用户需求洞悉最准确的才能成功。如果你要投到后面估值比较高的时候，刚才三个方面都要综合考虑一下。
Q
请问开复老师，现在很多人都在做电商，如果我们做线下共享购买，以及分享购买社交的旗舰体验，您觉得这样的事靠谱吗？
李开复：如果你有把握做人工智能替代不了的，用心做人与人之间的服务，我觉得不但靠谱，而且是我们人类非常需要的一件事情。你可以想像，如果50%的人都下岗了，这些人需要做什么来满足他们的自我实现？我觉得如果能够教你们的员工做事用心，要得到用户真正的爱，甚至能创造一百、一千、一万个工作岗位，这不但是个好的投资，对人类都是一个很大的福音。我觉得这种创业肯定靠谱，你要把爱跟人与人之间的沟通最大化。当你找VC融资的时候，这可能不见得是他们最心仪的项目，因为大家还是会问到可扩张化、未来的发展、技术的优势，这些可能会稍微带来一些小小的困扰，但是你心中知道，这是对人类有意义的事情，而且可以建立足够的现金流，未必需要快速拿到很多融资，心态要放平衡。