2017年2月16日，由數(shù)據(jù)猿、中歐商學院、騰訊直播共同舉辦的《中歐微論壇|數(shù)據(jù)猿·超聲波》活動在中歐商學院北京校區(qū)圓滿落幕。此次活動大咖云集，共吸引了600+人報名，并最終篩選出300+觀眾蒞臨現(xiàn)場，更有超過20000名觀眾收看了在線直播，開啟了一場大數(shù)據(jù)、人工智能領域的頭腦風暴，臺上臺下、線上線下共同暢想科技引領下的商業(yè)未來！

作為數(shù)據(jù)猿推出的主題為《大數(shù)據(jù)的2016，我的2016》2016—2017年度大型策劃活動的一部分，在2016年底征稿期，活動就受到了100+大數(shù)據(jù)領域內(nèi)知名企業(yè)的高度關注，收到了36位業(yè)內(nèi)領袖的投稿，并入駐成為數(shù)據(jù)猿專欄專家。

-視頻版-

-文字版-

以下是“高峰對話”環(huán)節(jié)的精彩文字版內(nèi)容：

主持人牟蕾：本次活動上的六位嘉賓所演講的內(nèi)容在人工智能和大數(shù)據(jù)產(chǎn)業(yè)里都是非常小的一個部分，只是想提供給大家一些新的思路。在過去的10個年頭里，我們經(jīng)歷了一波又一波的科技熱潮，從移動互聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)到2016年非?；鸬娜斯ぶ悄?。我不知道大家坐在下面是什么感受？反正我本人心里一直十分忐忑，一會兒覺得未來很美好，一會兒又在思考我們?nèi)祟愒撛趺崔k？所以接下來我們再把方躍教授請到臺上來，同時也有請我們的互動嘉賓杜宇甫、鮑忠鐵、徐冰重新回到舞臺，探討一下到底人工智能將把人類帶向何方？

方躍：在這里我準備了幾個問題。首先，我想替中歐的學生來問第一個問題，在座的嘉賓都是搞技術的，那么對于我們企業(yè)來講，不可能馬上花費很大的精力全身心地投入到人工智能中，但會不會有這么一天，我們能夠像微軟一樣，有屬于自己的Office出現(xiàn)，使得我作為一個用戶，會主動去買這個產(chǎn)品，或者按年來付費，并把這些技術應用到我的需求之中。我想聽聽幾位嘉賓在這方面是怎么看的？這個年代是否離我們還很遙遠？或是還會有另外一種新的商業(yè)模式出現(xiàn)，給我們企業(yè)帶來真正的價值，使得我們每一個普通用戶能夠從中獲益。 

徐冰：這是一個非常好的問題，很多人都問我為什么去做2C，我們看到如果你真的做出量來，是一件非常“性感”的事。包括像人工智能也是一樣，想要做出東西，需要非常非常大的投入。

作為一個技術的研究者，我們發(fā)現(xiàn)其實現(xiàn)階段AI的最大效益在于效率的提升，而不是用戶體驗上的改善。目前在這個環(huán)節(jié)上，也有很多這樣的技術，當我們把它做成模塊化，做成比較穩(wěn)定的云服務的時候，你就可以批量化地服務到各個領域了。一定程度上你可以直接獲取到這項技術，第一你節(jié)省了成本，第二你節(jié)省了時間。而這種模式在現(xiàn)階段已經(jīng)出現(xiàn)了。

事實上，2C發(fā)展到一定程度同樣也有機會，但是由于2C涉及到龐大的人口，在很多技術點上會非常多地依賴于這些環(huán)節(jié)。舉個例子，比如說像無人駕駛，你這輛車在路上跑的時候，你永遠預料不到有沒有一些技能是這輛車原來沒學過的？比如說特斯拉去年為什么出那個事故？原因是它撞了一輛白色的大卡車，它本身機器學習庫里面就沒有預料到會出現(xiàn)一輛白色大卡車，因為車體是白色的，且兩個車輪非常高，就像一片云彩一樣。這個算法就真的把它識別成了一個云彩。在做2C的時候，這樣的案例非常多，因此就會導致現(xiàn)實中的用戶體驗與你當初設想的并不一致，而你測試的這個數(shù)據(jù)級也不能涵蓋到所有的人口。

對于2B而言，在現(xiàn)階段當它提出來一項相對來說比較通用化，不是特別定制化的需求的時候，你往往可以在市場上買到已經(jīng)成熟的算法，至少可以直接用到你的產(chǎn)品里面去做實驗，測試一下，感覺是不是已經(jīng)做的比較好了？

杜宇甫：我非常贊同徐總的觀點，從歷史的車輪往下看，任何一件事情都是。我了解這個事件是從《三國演義》這本書開始的，打開第一頁就是天下之事，合久必分，分久必合。

今天討論人工智能能不能快速服務化？其實要看它不同的階段，比如初期階段、中期階段和未來的高級階段。初期階段的時候，大家可能大部分在試水，某些服務有很多人是做不了的，但有些人可能能做，其中，以一種服務化的形式來做是比較好的。

等到后期經(jīng)過不斷的發(fā)展和演變，最終它的發(fā)展速度還是取決于其中能賺取的價值。就像云服務一樣，云服務最開始并不是很普及，到最后企業(yè)更關注自己關注的事情，使其變成一種服務的形式，按需付費，就目前來看這種形式還是比較合理的。   

鮑忠鐵：傳統(tǒng)企業(yè)怎么樣去看人工智能？簡單一點說，就是新興科技的一些技術，比如大數(shù)據(jù)，它能夠在三方面幫助傳統(tǒng)企業(yè)：第一個它會提高你的收入；第二會降低你的運營成本；第三會提高你的效率。并且這些事情在過去幾年已經(jīng)發(fā)生了。傳統(tǒng)企業(yè)擁抱人工智能，我認為可以用一個詞概括，也是最近投資界比較熱的一個詞，人工智能就是個“服務”?；谀愕纳虡I(yè)模式、商業(yè)本質和商業(yè)前景去調用它的服務就可以了?；蛘吣悴恍枰约夯ê芏嗟木Γê芏嗳巳ラ_發(fā)它，因為有專業(yè)的公司去做這件事情，除非你是像BAT這樣具有足夠實力的大公司，或者你是大的銀行，你有一萬多的人員可以去做，普通企業(yè)擁抱它就可以了。

再比如智能客服。我舉個例子，信用卡中心原來有五千萬的信用卡用戶，按正常的商業(yè)配比應該是五千個人，但它只配了兩千五，另外兩千五就完全用智能客服解決了。這兩千五算他十萬塊錢一個人，這個價格也不算太高，但是兩千五百個人能幫企業(yè)提升多少成本呢？

至于機器人跟人的區(qū)別，機器人可以72小時工作，節(jié)假日加班的時候，它也不要你加班費，這樣就導致了很多制造業(yè)工廠，它一旦接收大量訂單的時候，想要短時間內(nèi)生產(chǎn)出所有產(chǎn)品，就需要72小時加班工作，這時候它只能依賴智能機器人了。這也是現(xiàn)在所謂工業(yè)4.0也好，或者西方的生產(chǎn)制造廠正在做的事情。

另外像徐總說的利用人臉識別技術，幫你去確定這個人的身份。這個時候如果人去看的話，假設每天有十萬個人來申請你的信用卡，十萬個人來升級產(chǎn)品服務的話，你需要配多少工作人員呢？但如果你用機器識別的話，它可能看得更準確，效率也更快，像人臉識別這種問題就不用人去看了，完全用機器就可以。

再回到話題本身，傳統(tǒng)的企業(yè)在看人工智能領域發(fā)展的時候，認為它是個新興技術，無論是互聯(lián)網(wǎng)出現(xiàn)也好，大數(shù)據(jù)出現(xiàn)也好，智能生產(chǎn)線出現(xiàn)也好，都積極地去擁抱它，去關注它。你不關注也不行，因為你在這個領域中一定有競爭對手，如果你的競爭對手去關注它了，還引進了新的智能機器人、新的模型、新的技術，從而降低了成本、提高了收入和效率，那你的競爭優(yōu)勢就沒有了。

所以未來企業(yè)的發(fā)展，有一部分來源于科技驅動，這個比例會越來越高，人工智能是其中一個重要的組成部分。所以我的建議是所有企業(yè)去關注這個趨勢，然后找到自己可以要的服務和產(chǎn)品去做，不要懼怕它。

方躍：就目前而言，有一點我感觸比較深，就是這幾年技術發(fā)展的非?？臁啄昵凹夹g還不是很成熟，對企業(yè)來講，可能從投入產(chǎn)出等方面都不能達到一個好的效果。

但是這一年兩年就不一樣了，我們今天的嘉賓里沒有做投資的，但是有幾位已經(jīng)談到這個問題，很多傳統(tǒng)企業(yè)所謂的“擁抱參與”事實上就是以投資的形式來參與的。比如高盛，大家知道它是一家投資銀行，在這些年無論智能也好，大數(shù)據(jù)也好，一直很關注這方面的發(fā)展。所以它在幾年前就以十幾億美元，投資了一家非常小的公司，那家公司就是做智能機器人的。機器人在處理數(shù)據(jù)的過程中，就是一個知識的積累，那么如果你用自然語言問它一個問題，比如美聯(lián)儲升息對我會造成什么影響等等，它會給你打份報告，這個報告當然是從全民性和時間上來講的，比你帶三個研究員去調研的效率要高的多。

再有一個問題，也是我的問題，我們以往包括互聯(lián)網(wǎng)、計算機等，這些基本都是來自西方的技術。那么在人工智能和大數(shù)據(jù)領域上，我們國內(nèi)和國外相比，優(yōu)勢在哪？我們還依然是一個跟隨者么？還是說我們有可能在某種程度上已經(jīng)成為了一個領導者？這也是一個很現(xiàn)實的問題，對于企業(yè)家來講，我必須要了解這個領域到底發(fā)展到了什么程度，不能單一地只關注國內(nèi)或國外的發(fā)展就夠了，這樣才能得到最先進最前沿的東西。對此我想聽聽幾位嘉賓是怎么看的，大家都做技術，從你們的角度來看肯定和我們的想法不一樣。 

鮑忠鐵：談到人工智能領域，中國會不會走到世界的前列？是否會成為一個競爭者呢？我的觀點是，它現(xiàn)在仍是一個有利的競爭者，但要說領導者的話，從我的經(jīng)驗和現(xiàn)在得到的信息來講，還太遠。因為一個行業(yè)或者一個企業(yè)能在世界上做到領導的位置，領先其他企業(yè)的發(fā)展，它需要一個綜合的因素，比如市場的因素、技術的因素、人員的因素，還有各方面的因素等等，在這些因素上中國其實在某些領域還是有些欠缺的。

說回到人工智能，去年很多外界的媒體和產(chǎn)業(yè)人士說在人工智能領域，中國可以實現(xiàn)彎道超車。但是對于我這樣一個從傳統(tǒng)的銀行業(yè)出來，到大數(shù)據(jù)公司，現(xiàn)在轉向人工智能領域的創(chuàng)業(yè)者來說，我們最大的感觸是，在技術領域，特別是在創(chuàng)新型技術領域，中國的公司發(fā)展比國外要艱難。

為什么呢？在硅谷，很多企業(yè)的創(chuàng)辦初衷很簡單，就是幾個技術能人在大公司有某個技術路線沒有被公司采納，他們就出來了，然后繼續(xù)用他們原來的技術路線去發(fā)展，創(chuàng)辦了新的公司，最后他們會面臨兩種命運，一個就是被收購，他做的非常好，比大公司做的好，于是就被Google、Facebook收購了。第二個，就是他自己變成了獨角獸，并且成功上市了。

但中國的創(chuàng)業(yè)企業(yè)都面臨一個問題，什么問題呢？你被收購的可能性很低，你只能靠自己的IPO上市。這樣的話，在創(chuàng)業(yè)的過程中，也許你已經(jīng)完成了A輪、B輪、C輪……但是三年之后呢，你就會被壓上一個特別大的緊箍咒，要談收入。所有創(chuàng)業(yè)企業(yè)都要關注我怎么樣才能提高自己的收入，怎么實現(xiàn)盈利，怎么讓我的財務報表做的好看，最后我再上市。這是中國所有創(chuàng)業(yè)企業(yè)都面臨的一個特別大的問題。

而在美國，納斯達克也好，或者美國的股票市場也好，你不需要盈利，你只需要把你的故事講好了，你只要把你的發(fā)展前景講好了，照樣可以上市，照樣可以得到資本的注入。所以這兩個資本市場是不一樣的。

美國有一個特別牛的公司，3000多億美金的市值，叫亞馬遜，它上市17年都沒有盈利。你想想在中國一個上市公司它如果連續(xù)3年都沒盈利的話，就基本上被摘牌了。而亞馬遜在美國上市之后，連續(xù)17年都不盈利，它照樣可以發(fā)展得很大，照樣可以吸收更多的資本。

所以人工智能也好，或者大數(shù)據(jù)產(chǎn)業(yè)也好，我認為中國是一個有利的競爭者，因為中國的應用場景特別豐富。但是談到領導者，至少在我的觀點中，我覺得還太遠，還需要以后靠一些事件，靠一些企業(yè)去驗證。

方躍：技術是一方面，那么我們產(chǎn)生的數(shù)據(jù)，相對歐美來說是不是也存在一定的優(yōu)勢呢？  

杜宇甫：中國本土的數(shù)據(jù)在社會上還是比較多的，但是中國的人力成本整體上來看還是稍低一些。今天我們談到了一個話題，就是互聯(lián)網(wǎng)其實是產(chǎn)于國外，產(chǎn)于西方的，然后在中國這片土地上發(fā)展的比較迅猛。我比較贊同鮑總的觀點，就是我們并不是領導者，但我們是一個強有力的競爭者，未來也有可能在這個彎道進行超車。

可以看到，今天從技術的角度來說，我們還有很多的地方?jīng)]有去突破，沒有太多的創(chuàng)新，目前大部分所謂的領先技術或是大數(shù)據(jù)，提出方都在國外，但是我們也看到很多華人在里面起到了很重要的作用。

然而事實上，也有很多東西在中國的確是綻放出了它的光彩，比如電商。國外也有電商，但中國電商發(fā)展得非常迅速，以至于超過了國外，這跟中國整體環(huán)境與西方環(huán)境的差異也有關。對于接下來的人工智能這盤棋，中國是否能超車也好，還是說能夠有自己的一些東西也好，我個人還是比較看好的，因為在中國的整個經(jīng)濟環(huán)境和它的社會機會，以及基礎設施上還是有可能成為領導者的。   

徐冰：現(xiàn)階段我也同意剛剛鮑總說的觀點，其實中國是有機會去一搏的，也就是有機會實現(xiàn)彎道超車，因為它有幾個現(xiàn)存的前提，或者說現(xiàn)階段的優(yōu)勢：

第一是人才。我們現(xiàn)在看到的一些比較著名的深度學習模型都是中國人做的。目前國外很多大公司例如微軟、Facebook等，他們的很多技術人才都是中國人。

包括在讀的博士，或者已經(jīng)陸續(xù)畢業(yè)的博士里，不管是在中國還是國外，其實相當一個比例全部都是中國的學生。因此從人才角度上來說，我們并不缺少能夠做人工智能算法的人。

第二是數(shù)據(jù)。我剛剛也講了中國14億人口，每個人都是數(shù)據(jù)的生產(chǎn)器。在移動互聯(lián)網(wǎng)時代，其實中國發(fā)展的非常好，甚至像微信等這些產(chǎn)品做得比國外還要好，并且在一定程度上匯集了大量的數(shù)據(jù)。此外，這些企業(yè)之間的合作以及跟政府之間的合作，說明大家對數(shù)據(jù)都抱有一個比較好的心態(tài)。另外在隱私問題上，國內(nèi)比國外要開放很多。在美國，甚至在香港，我們僅僅去采集人臉照片都是違法的。因此在基本的數(shù)據(jù)源這個環(huán)節(jié)上，中國就有很大的優(yōu)勢。

第三就是基礎環(huán)境。中國的發(fā)展非常快，大家想嘗試新東西的意愿非常強，很多產(chǎn)業(yè)本身也有這樣的需求。以金融為例，為什么國內(nèi)互聯(lián)網(wǎng)金融發(fā)展得這么瘋狂？但是在香港卻沒有多少互聯(lián)網(wǎng)金融的業(yè)務呢？香港本身銀行的網(wǎng)點就非常多，基礎的服務已經(jīng)很完善了，因此人的需求沒有到那個點。在國內(nèi)我們說普惠金融，但是對于農(nóng)村這些偏遠地方來說，去銀行辦業(yè)務需要兩、三個小時的路程，所以本身有這樣的場景和需求。

有這三個環(huán)境擺在這里，不管是政府層還是企業(yè)層，只要找對投資方向，完全是有機會的。

但是我也看到一些現(xiàn)象，比如現(xiàn)在做深度學習研究的，一個典型的需求就是你要有基礎設施。第一個建成深度學習訓練基礎設施的是百度，反而不是Google，Google是在百度之后才建的?？上У氖呛髞戆俣冉ㄉ疃葘W習的負責人去美國自己創(chuàng)業(yè)了，這是后話。

其實，在基礎設施層有一個不好的現(xiàn)象，現(xiàn)在國內(nèi)的企業(yè)很多開始依賴于國外發(fā)出的開源的這些算法框架，這就相當于在大家造基礎設施的階段，你偷了懶。

國內(nèi)的操作系統(tǒng)專家是教你怎么用操作系統(tǒng)，但是國外的操作系統(tǒng)專家是教你會手寫操作系統(tǒng)，這兩個完全不一樣。就現(xiàn)階段而言，我們應該在基礎設施層加大重視和投入，但是這些投入早期都是燒錢的，僅能看到短期的效益和回報。但是經(jīng)過五年或者四年左右的時間，你往后的發(fā)力就會非常快。因此就要看你有沒有這個強烈的意愿能夠靜下心來投入到基礎設施層。

坦白講，很多國外開源發(fā)出來的東西都是過時的版本，都是有了新版本之后，再把低配版本發(fā)出來。如果中國的人工智能一直依賴于國外開源出來的低配產(chǎn)品來做，我們將沒有機會實現(xiàn)彎道超車。

方躍：剛剛我們前面講到了IBM、貝爾實驗室，當然他們現(xiàn)在也是因為成本的壓力，業(yè)務的壓力，完全放棄了基礎的研究，不養(yǎng)數(shù)學家，不養(yǎng)物理學家了。我記得當年我到美國的第一個暑假的假期工作，去的就是GE。在那個年代， GE就已經(jīng)開始做這種轉折了，就是放棄養(yǎng)純數(shù)學家、純科學家。當時我去的時候，他們給這幾百個科學家兩個選擇，要么你留下轉型成為應用科學家，就是跟GE的直接業(yè)務相關的，否則就請你離開。因此很多科學家干了一輩子，卻突然失業(yè)了。

所以大家看到很多新的項目都是從公司層面發(fā)起的，而不是完全從國家或者是大學來的。大家談到這就是燒錢。你要想做這個，你就得真有錢，要不然你是沒法做的。

最后一個問題，大家比較感興趣，人工智能走到今天是不是會威脅人類？會不會像電影里的恐龍一樣，它雖然是人類的基因培養(yǎng)出來的，但籠子沒關住跑出來了，最后人也控制不住了。這一天會不會發(fā)生？這種趨勢會不會存在？我們做人工智能，對這方面是怎么看的？

徐冰：人工智能恐慌論，其實是在前兩年由包括霍金在內(nèi)的一些非常著名的學者提出的。這里面本身蘊含的一個底層原因，是我們在做深度學習算法的時候發(fā)現(xiàn)的，我們發(fā)現(xiàn)人工智能學出來的一些東西，有時候我們理解不了，甚至超出了我們原來對它的預期，比如說下圍棋，AlphaGo走某幾步圍棋的時候，這些圍棋的選手是不理解它為什么會下這步棋的，以為是錯棋，或者是Bug。

評論人認為AlphaGo在比賽的時候有幾步實際上是處于劣勢的，但是AlphaGo內(nèi)部表示，它在所有下棋的環(huán)節(jié)中，下的任何一步棋都不影響我要贏的概率。所以這里面有很多已經(jīng)超出了人的理解，我不知道你為什么會做這件事情？所以這里面反映出來的是一些算法層面的東西，我們?nèi)擞袝r候控制不了這件事情的發(fā)生。

坦白講，在短期來說，我們看不到任何一家公司有能力造出那樣一個大而全的人工智能。我以前看過一個例子，就是一個機器人保姆，在看護嬰兒的同時，還在煮飯，做烤火雞，因為那天是復活節(jié)。再切換畫面，這個機器人保姆把烤火雞放到了嬰兒床上，這里機器人就犯了一個錯誤，它把烤火雞識別成了嬰兒。之后嬰兒會發(fā)生什么事情就不講了。

這里面也存在一個安全問題，但是這個安全問題往往并不是因為機器導致的，有的時候有可能是因為人導致的。比如講現(xiàn)在機器人為什么進不了家庭？為什么不能看護老人？現(xiàn)在從安全角度，有人如果操控了你的機器人，他可以操縱它做任何事，甚至把你的生命維持器都拔掉。

所以單純從算法角度，從現(xiàn)在我們在做研究的這些人的角度上來看，我們沒有任何理由去把機器人的算法往壞里做，往不可控的方向去做。但是坦白講，這件事情也不是所有企業(yè)都可控的，總是有一些人有不一樣的想法，這就是為什么美國成立了一個AI聯(lián)盟，讓 Google、微軟這些巨頭企業(yè)聚集在一起探討，從安全角度，從倫理角度上，我如何控制現(xiàn)在領先的技術發(fā)展？這里面其實人為因素還是扮演著比較重要的角色。

杜宇甫：剛才也聊過這個話題，AlphaGo去下棋，后來它贏了，但是它有很多局限的部分。比如說如何羞辱一個機器人？你可以拿一只既像貓又像狗的狗，來問這個機器人，你說這是貓還是狗？對于一個兩歲小孩子而言，他一下就能看出來，但對這個機器來說，它要調用好多之前學習過的圖片，它要用很漫長很深度的算法，才能給出結論。

因此對機器人來說，對我們來說，它的發(fā)展需要一個階段，但我不認為機器可以毀滅人類。因為在人類發(fā)展的歷史過程當中，我們可以普世地去看，各種技術都是輔助人類做一些新的事情，從最開始的鉆木取火，到今天的互聯(lián)網(wǎng)基因革命，以及AI都是幫助人類來前進的。

但是我們反過來看到另外一個話題，它在無痛地截肢人類，我覺得這是一個很麻煩的事情。比如說在一百年前人類發(fā)明了馬車，使得雙腿開始變得無力。自從有了電腦之后，人類的記憶開始逐漸地下降。對我來說，我的手機現(xiàn)在可以記錄電話號碼，我基本上不會去記任何人的電話號碼了。

我曾經(jīng)看過一個調研報告，將這幾年的出租車司機大腦和以前的出租車司機大腦對比來看，現(xiàn)在的出租車司機的大腦在逐漸的退化，他不會去記錄現(xiàn)在的路況和路境，全部都交給了手機去做。人工智能未來代替的是人類的智能，我們的身體在不斷地退化。現(xiàn)在來說，AI是提供了種種的判斷資源，讓你來進行判斷。

下一步，AI將幫你對小事情進行判斷，然后大的事情由你來決策。等到最后可能是由AI來幫你做出一些大的決策，這時候你可能會變得更加無力。那么我們應該怎么去應對這個問題呢？我覺得這是一件很重要的事情。可能你作為一個企業(yè)的老板，你說下面我要這么做，但是機器人告訴你要那么做，然后還舉出了一大堆的例子告訴你，你是錯的。在這種狀態(tài)下，我們該怎么跟機器相處？我覺得是一個更值得思考的話題。   

鮑忠鐵：所有的新鮮事物剛出現(xiàn)在這個世界的時候，都會存在爭議，它到底是利還是弊？十多年前的干細胞研究就是用于人體器官的培養(yǎng)，后來發(fā)展到克隆人，最后各個政府統(tǒng)一口徑，克隆人是違法的，不允許任何研究的機構公開或者私下做克隆人的研究。這個人體干細胞在克隆人上就截止了。

AI也是一樣。整個硅谷目前AI具有三大趨勢，第一是深度學習，第二是聊天機器人，第三是無人駕駛。但是目前美國的監(jiān)管機構和司法機構已經(jīng)瞄準了無人駕駛，他們要去監(jiān)管。為什么呢？這里有這樣一個場景，當一個無人駕駛的汽車行駛在道路上，碰到一個闖紅燈的老人，只有兩種選擇，第一選擇是撞了這個人，因為他違反交通規(guī)則了。第二是它要保護行人，然后旁邊就是懸崖，他只能開到懸崖里，但這樣的話又傷害到了它的駕駛員。

AI在做這種判斷的時候，與常人的判斷標準是不一樣的，有的人犧牲自己去救這個老人，對面如果又開來一輛大客車呢？大客車上面有50多位學生，他會犧牲這個老人還是犧牲這些學生？人會做這個判斷，但是AI不會。在這種情況下，AI到底怎么抉擇？是否違反道德違反法律？這是大家討論的問題。

回到這個問題，AI到底對人類有害還是無害？在政府監(jiān)督的情況下，或者在統(tǒng)一管理的情況下，包括這個AI聯(lián)盟，它未來是無害的。但是如果這個聯(lián)盟不奏效，任由AI自由發(fā)展，然后某些黑客自己做一些算法，專門搶別人的賬戶密碼等等，這種情況下對人類就是有害的。

至于到底有沒有害？坦白說，從西方的觀點看，有害是大于無害的。我們可以看到10多年前的電影，20多年前的電影，斯皮爾·伯格導演的《人工智能》，包括后來的《機械姬》，還有《未來戰(zhàn)警》，這些電影都告訴大家一個客觀事實，就是AI的發(fā)展，或者智能的發(fā)展，或者智能機器人的發(fā)展對人類社會的影響，都是弊大于利。  

方躍：謝謝三位。下面我們把剩下的時間留給聽眾，大家看看有什么問題可以提一下。

提問：我以前也是做機器學習的，我比較同意鮑總的意見。人工智能的利或者弊都是取決于我們?nèi)祟惖娜诵?。我們?nèi)诵杂泄饷鞯牡胤?，也有黑暗的地方，如果光從技術來看的話，很可能它就是脫離了我們?nèi)祟惖赖律鐣姆懂?，從哲學上就犯了形而上學的錯誤。所以我們也應該在道德的背景下去考慮AI的問題。把這個問題歸結為一點，就是AI的發(fā)展，是不是可以在某種階段上進行立法化，這種立法是不是應該基于我們道德的認識？   

鮑忠鐵：簡單說，無論是火藥的發(fā)明也好，還是演化到后面的原子彈、中子彈、氫彈等等。還要從歷史來看，過去人類每兩三百年發(fā)生一次戰(zhàn)爭，第一次世界大戰(zhàn)到第二次世界之間僅相隔了四五十年。但從第二次世界大戰(zhàn)到現(xiàn)在，已經(jīng)將近60多年相安無事了，因為大家都有核武器了，你也打不了我，我也打不了你，互相制衡，從武裝的角度來說，因為火藥引進成武器，國家之間才得以制衡。

從AI角度來說，同樣也需要這種制衡，沒有任何一個勢力，或者任何一個神人，可以決定AI的動向，順帶決定人類的命運。機器人的三個法則圍繞著一個前提，機器人永遠不能傷害人的生命。所以三大法則告訴我們，必須在人類監(jiān)管的情況下，AI才能走向人類希望走的那個道路。所以說AI立法是必須的，只不過到現(xiàn)在為止我們還沒有達到那個條件，因為想要立法的話，需要很多很多的條件，很多很多的場景，所以現(xiàn)在還沒有達到那個條件。包括我剛才提的干細胞、克隆人的例子，只要到了道德和法律的爭議點的時候，自然而然就會立法了。  

提問：您好，方教授我想問一個問題，我們公司是專注于做薪酬決策的，一種是給企業(yè)做內(nèi)部的薪酬績效，另一種是開放給C端。我看到你前面PPT里有講到智能同步，它是用在財務方面的。

而我們的人力資源應用，它開放給用戶，用戶的參與越多，我的數(shù)據(jù)模型增長的量就越快，一年的決策量大約是在2800億次的規(guī)模。目前我們自己已經(jīng)投入了6年兩萬多個小時，我就想了解一下美國有沒有類似的或者相關的案例？或者您聽完我的描述，你腦子里面的第一印象是什么？

前面用戶都在講，以后人工智能的發(fā)展是否會影響我們的飯碗？到底是好事還是壞事？我們不這么看，我們就看宏觀和微觀，如果我是一個雙教育背景，三個專業(yè)的人，能夠引領人工智能普及到大眾的話，它是非常有利的，對教育、人力資源和企業(yè)服務，剛好是三個圈圈的焦點，非常獨到。

我就想問一下，國外有沒有類似的行業(yè)應用？因為人工智能應用在一個有邊界,且范圍非常明確的情況下，比如說金融領域，它是沒有門檻的，但是如果應用在有摩擦的情況下，它會考慮到人和社會的變化，心理的素質等等，這個時候有很多不可控的因素在里面，對我們來說相當于是一個門檻，能夠把我們的競爭對手給屏蔽掉嗎？謝謝！

方躍：現(xiàn)在的應用場景還是很多的，如果從概念上講，你需要數(shù)據(jù)。客觀來說這里面還有一定的規(guī)律。如果有這兩條的話，你通過數(shù)據(jù)分析，實際上還不需要走到智能那一步，采取傳統(tǒng)的數(shù)據(jù)分析就能夠挖掘出來很多的規(guī)律，這些規(guī)律往往是單純靠我們的經(jīng)驗和傳統(tǒng)判斷無法實現(xiàn)的。

大數(shù)據(jù)分析就是一個所謂的個性化產(chǎn)品，這個個性化現(xiàn)在在各個領域都有很廣泛的應用。比如教育行業(yè)，現(xiàn)在從小學到大學，包括我們中歐的教育，基本上是很難個性到每一個人的，我們的同學，他們每個人以前學習的專業(yè)不一樣，有的學管理，有的學計算機，差距很大。工作十年，行業(yè)也完全不一樣，可能我就是搞財務的，有的是搞技術的。

當落到中歐以后，第一年大家基本上都是被迫去修相同的課程，所以這里頭差距非常大。我曾經(jīng)搞了十幾年的財務，你非要讓我讀基本財務，那是讓搞計算機的那些技術人員學的。要解決這個問題，當然要了解每個人的需求，從現(xiàn)實中怎么來實現(xiàn)？這種時候就需要智能機器人了。

美國大概是去年還是前年夏天有一所大學就做了這個嘗試，在選修課的時候，暑假不需要去學校，每天你做作業(yè)，老師會給你一些問題，你看你的書，到時候去考試就行了。當然只要你發(fā)了郵件，老師也會回答你的問題，但是你看不到這個老師，也不需要視頻。一個暑假過完以后，這些學生會收到學校發(fā)來的郵件，郵件中是這么說的：我現(xiàn)在告訴大家，我們整個暑假的課程，200多個學生，沒有一個老師，給你們解答問題的都是一個機器人。

它整個過程就是一個完全個性化的過程，換句話說每次留的作業(yè)之所以不一樣，都是依據(jù)你的進展和你上次的理解程度，你上次做作業(yè)或者考試錯的程度，然后把它個性化的。這個機器人也回答問題，當你給它發(fā)一個郵件問它問題的時候，它如果有95%的把握，認為能回答這個問題的時候就會回答，否則的話它會繼續(xù)問你問題，一直到他弄懂了你的問題為止。如果問3次回答不上來的話，他就說對不起，你這個問題我回答不上來。所以一個暑期下來，沒有一個學生知道是怎么回事。這個就是智能機器人現(xiàn)在能做到的。

具體到你那個行業(yè)，我不了解哪個產(chǎn)品會到這個程度，所以我沒法直接回答。但是從概念上來講，像我剛才說的只要你有數(shù)據(jù)，有規(guī)律，當你想做這種非常個性化的產(chǎn)品的時候，就會涉及到智能，這些在理論上都是能實現(xiàn)的。

提問：你好，我們是制藥公司，也做公司內(nèi)部知識產(chǎn)權。但是我想問的是，有了機槍以后，大家都在打塹壕戰(zhàn)，之后有了坦克，塹壕戰(zhàn)就不存在了。那么人工智能如果再往下發(fā)展的話，以后企業(yè)形態(tài)會怎么變化？或者說未來還存不存在企業(yè)呢？這將是一種什么樣的趨勢？請各位嘉賓給我一點提示。

鮑忠鐵：不管有沒有人工智能，過去幾十年的企業(yè)發(fā)展印證了一件事情，就是產(chǎn)業(yè)度越來越集中。過去這個產(chǎn)業(yè)里面可能有上萬家企業(yè)，經(jīng)過一段時間發(fā)展之后只剩下幾千家，再經(jīng)過一段時間發(fā)展只剩下幾百家，或者只剩下幾十家。所以說人工智能只是強大科技力量中的一部分，未來世界產(chǎn)業(yè)的發(fā)展，包括中國也一樣，中國的產(chǎn)業(yè)集中度其實是落后于美國的。對企業(yè)來說，未來所有產(chǎn)業(yè)都會面臨一個問題，那就是集中化。如果你的企業(yè)在這個產(chǎn)業(yè)當中沒有領先的優(yōu)勢，不利用科技，不重視人才，不重視數(shù)據(jù)，那么你的競爭力就會下降。

杜宇甫：我簡單地從兩個方面回答你：

第一是關于企業(yè)，我很贊同鮑總剛才說的，因為自從有了大數(shù)據(jù)，有了互聯(lián)網(wǎng)，才讓企業(yè)的所有東西都縮短了。比如有了互聯(lián)網(wǎng)的購物，有了電商之后，它把貨架變的無窮大，人們?nèi)缃褓徫镆呀?jīng)沒有障礙了。未來在不同的行業(yè)當中，將會僅剩下一兩家巨頭，我覺得這是一個發(fā)展的趨勢。

第二，剛才鮑總在演講中也提到了，神人算法和普通人，我之前看過那本書，叫《未來簡史》。工業(yè)革命創(chuàng)造出了有產(chǎn)階級和無產(chǎn)階級，對于個人來說，未來可能就是人工智能會把人分為有用階級和無用階級。

我看到這個觀點之后，也對這方面進行了反思，我覺得說的還是很有道理的，一些低級的工作將會被機器所替代。 

方躍：當無用階級也挺好，有用階級養(yǎng)無用階級。   

鮑忠鐵：你要在10%的里面是OK的，但是你如果是那50%的人中的一個，共同擁有4%的財產(chǎn)的話，就會過的越來越貧窮，政府會保障你生存下來，但是你基本上就類似于一個圈養(yǎng)的生物了。

方躍：最起碼沒有發(fā)言權。隨著時代的發(fā)展，效率的提高，一個人能養(yǎng)那99%的人，那就養(yǎng)著吧，只不過那99個人就真的沒有發(fā)言權了。 

杜宇甫：對，我就是這個觀點。

提問：我是來自中歐EMBA2016級北京三班的同學，也是周末剛剛上完方教授決策理論的課。我想代表我們班很多同學問一個問題，因為在我們的班級里，有兩個比較大的學生群體，一個來自于互聯(lián)網(wǎng)創(chuàng)業(yè)公司，另一個都是搞投資的。

按照方教授給我們上課時講的，包括今天論壇上也談到了，近幾十年間我們經(jīng)歷了幾個比較重要的階段，無論是從傳統(tǒng)階段、計算機發(fā)展、互聯(lián)網(wǎng)時代的發(fā)展、移動互聯(lián)網(wǎng)時代的發(fā)展，還是今天最主要的大數(shù)據(jù)的發(fā)展，我們都有幸參與其中。但是無論是計算機發(fā)展的時代，還是互聯(lián)網(wǎng)發(fā)展的時代，還是移動互聯(lián)網(wǎng)發(fā)展的時代，最初的時候大家都愛談到泡沫，因為都看不懂。當所有人都看懂的時候，巨頭已經(jīng)形成，你可能會迷茫，會去想下一個時代到底是什么？

此外還有資金的問題，剛才一位嘉賓講到，中國三年不盈利的話，資本很難去青睞你，無論從創(chuàng)業(yè)者來說，還是投資者來說，如果只講一個偏好的話，你們會給創(chuàng)業(yè)者或者投資人哪些建議呢？謝謝！ 

徐冰：剛剛這位所提到的事情，其實我也有點感觸，一個行業(yè)剛出現(xiàn)的時候，大家可能看不懂，當然有很多人趁著大家看不懂就吹一些泡沫出來。其實我們看到的確實是這樣，因為現(xiàn)在有很多的算法，你可以以很低的價格買到，這些算法很多都是開源的初級算法，經(jīng)過包裝，然后就拿去做融資了。

這些都會涉及到一個環(huán)節(jié)，你到時候怎么掙錢？你賺錢的時候是持續(xù)保持賺錢？繼續(xù)吹這個泡沫，還是真真正正找到一個模式再去賺？在中國，你很難憑借這么一個AI的故事就能拿到融資，包括我們最早開始做的，也都是算法為主，都是一幫博士在做這個技術，那個階段真的沒有人看得懂。

我們在2014年的時候跟大家講深度學習，沒有任何人能聽懂深度學習是啥？甚至2015年都沒有人聽得懂。大家貌似感覺這是一個很厲害的東西，但是沒有人會對這個東西有任何的感知，沒有人感知這個東西的價值。

那么在這樣一個階段，企業(yè)應該怎么去策劃呢？現(xiàn)在的機器人、虛擬現(xiàn)實、增強現(xiàn)實都很火爆，但是你找不到任何一家企業(yè)說，我已經(jīng)有了過億的訂單，幾千萬的盈利，也不是說超出特別多，但是你至少到達這樣的成績，有嗎？其實并沒有。

但是一旦這樣的企業(yè)出現(xiàn)了，你就已經(jīng)追不上了。實際上在早期這個技術出現(xiàn)的時候，它很容易形成一個效應，所有最頂尖的科學家都集中在一家企業(yè)。第二就是所有的資本都容易集中在一兩家企業(yè)。

坦白講，這件事情的發(fā)生也會比我們想象的要快，當然不是吹噓，我們?nèi)ツ?2月份就公布了，已經(jīng)獲得了由萬達投資的1.2億美金。沒有任何人預料到這個行業(yè)已經(jīng)出現(xiàn)了獨角獸企業(yè)。但我們從真正去做這個技術，這個產(chǎn)業(yè)應用，到產(chǎn)生收入，實際上也就是一年的時間，2015年跟大家講技術，2016年跟大家講商業(yè)。在這個速度之下，已經(jīng)有非常非常多的人都錯過了。

所以這其實還是一個蠻復雜的問題，有的時候我們在這個過程中也是在碰運氣。我們恰好是在正確的時間點提出了一個正確的技術方向，深度學習恰好在這個時間點成熟，我們在第一時間沒有做任何猶豫轉向了這個方向。因為學術界也是有派系的，我在自己的研究方向做了十年，你讓我轉向一個嶄新的技術方向，我相當于要推翻以前的研究方向，很多人是不愿意的。

2012年有一家公司出現(xiàn)了，叫DeepMind。DeepMind最開始是用深度學習去做游戲，Google在2014年用6.6億美金買了它，這件事情沒有人會意料到，2014年沒有人看得懂的時候，你花這個價錢買了一個12人的公司，很多人說這個價錢出貴了。

但是Google分析說，全球范圍內(nèi)它發(fā)現(xiàn)能做深度學習的人不超過50個人，也就是說可以稱得上深度學習專家的不超過50個人，能培養(yǎng)深度學習的人也非常有限。而現(xiàn)在這個階段，做算法的人水漲船高，剛畢業(yè)的博士就能拿到百萬年薪，在BAT，大家都在搶這樣的人才。

當前這個環(huán)節(jié)沒有足夠的人去做這件事情，所以很快也會形成一個效應，一家公司集中了所有的人，而且可能很難出現(xiàn)第二個這樣的公司。不要說百人的博士教授團隊，就連20、30人可能都很難。但是你要說這個現(xiàn)象會不會持續(xù)很久？我相信在今年或是明年，大學里面如果設立了深度學習的專業(yè)，那么在4年后、5年后就會有所好轉。因為市場有需求，學校開始培養(yǎng)這部分人，就像當時計算機一樣，有一段時間計算機系畢業(yè)的人就是最火的?？赡艿胶竺嬉欢螘r間就是做深度學習，做人工智能算法的人，比如做機器人的這部分人最火。

大家問現(xiàn)在做這個產(chǎn)業(yè)還有沒有機會呢，我們發(fā)現(xiàn)實際上是有非常多非常多的機會的，因為這個產(chǎn)業(yè)非常巨大，它影響到的行業(yè)覆蓋面很廣，機會在哪？其實不是在算法上，算法上的機會非常有限，基本上核心算法的人才都被壟斷掉了。機會是在應用端的。

未來不管是國內(nèi)還是國外，都會有那么一兩家公司專門提供算法，我完全可以不做算法了，買來之后直接做應用。在這些應用環(huán)節(jié)上，其實還有大量的機會，但我不敢說是創(chuàng)業(yè)的機會，還是投資的機會，現(xiàn)階段，甚至2017年都會出現(xiàn)。因為已經(jīng)有人持續(xù)比較穩(wěn)定地輸出好的算法了。

方躍：投資本身有風險，這是毫無疑問的。等你看到什么風險都沒有的時候，這個機會肯定就喪失了。

所以又回到這個問題上了。你這個技術是不是只是一個臨時的泡沫？還是真有可能帶來價值和一個應用場景？最后它是不是真能為經(jīng)濟產(chǎn)生某種價值？最早的計算機就是為了科學計算，當時一個大的問題就是，有多少進行科學計算的人需要把一臺機器擺在家里？你有那么大的運算量嗎？而且這個非常專業(yè)，因為當時要寫代碼，所以就非常之難。如果計算機當時只停留在這個位置上，我想也確實沒有太多的發(fā)展前景。

蘋果剛出來的時候，他都搞不清楚這個計算機有什么用？但是他提到了一點，我的計算機設計一定要漂亮，要時尚，所以這個東西擺在桌子上最起碼是個藝術品，有沒有用以后咱們再說。所以說，一開始我們都會遇到這么一個問題。但是像人工智能，如果大家看到它具有很強的應用場景，那么自然它會有非常廣闊的天地。確實最開始的那幾個基礎研究，是需要大量投入的，這個并不是誰都做的來的，但是把這些已經(jīng)成熟到一定程度的技術深入到應用中，去搭建的這個過程，應該說風險會相對小一些，而且效率可能回報得更快一些。  

鮑忠鐵：我簡單回答一下，投資人也好，創(chuàng)業(yè)者也好，其實最主要是看人。我也認識很多投資界的朋友，也看了一些文章，包括我們自己的團隊，我們會遇到這樣的一個問題。具有很高能力的團隊，它會把很差的商業(yè)模式做到很好。但如果這個團隊不行，或者人不行的話，也會把很好的商業(yè)模式做得很糟，于是就丟掉了那個風口。

所以投資人也好，創(chuàng)業(yè)者也好，其實最終都是在看人看團隊。  

杜宇甫：年前的時候，摩拜單車老大說了一句話：“如果我很賺錢的話，還要投資人干嗎？我傻嗎？”所以說在任何一個行業(yè)和任何一個公司最先起步的時候，總是存在那么多看不清楚的東西，但是有些東西是可以看清楚的。比如說這種技術是不是一個正在發(fā)展的朝陽性的技術？第二它是不是一個真正為社會解決問題的行業(yè)？第三今天80、90后占據(jù)著整個市面，是團體當中真正蓬勃發(fā)展的一代，這些人他們具備的知識體系和他們的狀態(tài)是不一樣的。

團隊剛才也說了，我比較贊同的一點是，人真的非常非常重要，人很重要，機器次之。組織結構也非常重要，他是不是一個自下向上管理的，每個團隊每個人都能發(fā)揮自己價值最大化的一個團隊。此外，組織的結構形式也是非常重要的。

提問：我想問徐冰老師一個問題，在應用領域上，我們都知道金融和醫(yī)療的摩擦系數(shù)比較小，但是我們實際在操作這個醫(yī)療項目的時候，會發(fā)現(xiàn)醫(yī)療方面的數(shù)據(jù)壁壘比較多。所以您覺得摩擦系數(shù)小，小在哪？怎么樣去解決醫(yī)療方面的這些問題？謝謝！

徐冰：謝謝，那我就根據(jù)我們目前在做的醫(yī)療這一塊的一些階段性的研究成果來跟大家做一個分享。大家都知道醫(yī)療產(chǎn)業(yè)的前景很大，但是現(xiàn)在我們遇到了一個比較大的問題，就是沒有非常非常專業(yè)的人來給你標注這些數(shù)據(jù)。在和大型醫(yī)院合作的時候，其實對方可以為我們提供很多的數(shù)據(jù)，但是這些數(shù)據(jù)沒有足夠有經(jīng)驗的醫(yī)生給你標注出來，這個區(qū)域有病，那個區(qū)域沒有病，而這恰恰就是做深度學習的基礎環(huán)節(jié)，你要先教給這個機器這是正確的樣本，那是錯誤的樣本，它其實就是一個分類問題。

目前這個環(huán)節(jié)需要人先做一些工作。就相當于教你走路一樣，要把這個東西標完。我們現(xiàn)在做一些簡單的算法時候，比如人臉識別，也需要標注人臉數(shù)據(jù)，但是你隨便找一個大學生都可以標，不依賴于特殊支持。而醫(yī)療數(shù)據(jù)不一樣，因此這也是我們目前遇到最難的數(shù)據(jù)的結構化標準。同時，中外還存在比較大的差異，國外西醫(yī)相對來說體系比較完整，所以它的結構化數(shù)據(jù)要多一些，包括病歷在內(nèi)也相對比較標準。但是在國內(nèi)，我們能夠找到的已經(jīng)結構化好的，可以直接經(jīng)過一些初步處理之后就拿來做學習的數(shù)據(jù)還非常非常少。

對于一些疑難雜癥，可能全國的專家也就是那么十來號人，你讓這些專家利用日常的時間幫你標注這個數(shù)據(jù)，讓他標注這個區(qū)域是什么樣的病，具體的指標給你標出來，這是不現(xiàn)實的。我們現(xiàn)在只能做到，一張照片是有病，一張照片是沒病的，相當于只有一個標簽，然后拿著這個標簽去訓練。機器也能夠達到相對80、90%的準確率。

也就是說你給我一張你拍好的CT片，你問我你有沒有肺癌？我可以告訴你有百分之多少的機率有，這個正確率當然有待改進，但想要改進，就需要你標注更多的信息，然而這些信息如果沒有醫(yī)療方面的常識，是沒有辦法做到的。

目前想要在中國做智慧醫(yī)療，從數(shù)據(jù)層面上來講，不光是醫(yī)院可以幫你提供，現(xiàn)在很多做遠程醫(yī)療的企業(yè)也都可以提供。因為所謂的遠程醫(yī)療就是二三線城市沒有這些專家，我把二三線城市的人拍的CT片，傳到一線城市專家的電腦里，讓他去診斷，然后把這個信息反饋回來，這是最簡單的模式。我們可以接觸到很多二三線城市拍的數(shù)據(jù)，然后也能拿到一些一線城市專家的數(shù)據(jù)。

所以說在智慧醫(yī)療的初級階段，我們還是比較有優(yōu)勢的。而當真正落地下來，比如像SaaS服務一樣，皮膚癌只要拿手機拍一下，就可以做一個基礎診斷。

另外一個建議，大家可以看看國外的案例，國外本身在數(shù)據(jù)上就有一些比較明顯的優(yōu)勢。現(xiàn)在很多的智慧醫(yī)療已經(jīng)公布出了研究成果，比如哈佛、斯坦福等等。因為本身他相較國內(nèi)而言已經(jīng)提早打通了在數(shù)據(jù)端的閉環(huán)，所以他在做算法的時候，都是同樣的算法，就是深度學習。網(wǎng)絡結構上稍微做一些創(chuàng)新，能夠更好地適配這個數(shù)據(jù)就可以了，性能上很快就可以做到一個相對來說比較合理的指標。

本次活動其他演講嘉賓：

中歐國際工商學院經(jīng)濟學與決策科學教授 方躍

360大數(shù)據(jù)中心副總經(jīng)理 傅志華

京東萬象總經(jīng)理 杜宇甫

TalkingData首席布道師 鮑忠鐵

天云大數(shù)據(jù)CEO 雷濤

商湯科技聯(lián)合創(chuàng)始人 徐冰

注：以上所有內(nèi)容由數(shù)據(jù)猿編輯整理并發(fā)布，更多內(nèi)容請關注數(shù)據(jù)猿獲取實時動態(tài)。

后續(xù)數(shù)據(jù)猿將推出《中歐微論壇|數(shù)據(jù)猿·超聲波》精剪版視頻演講，敬請各位期待！

— 活動宣傳片欣賞 —

推薦閱讀：

大咖云集，中歐微論壇|數(shù)據(jù)猿·超聲波活動圓滿落幕

【視頻&PPT】京東萬象總經(jīng)理杜宇甫：用科技助力數(shù)據(jù)流通，社會將更加智慧！

【視頻&PPT】360大數(shù)據(jù)中心副總經(jīng)理傅志華：企業(yè)如何有效的實施大數(shù)據(jù)戰(zhàn)略

【視頻&PPT】TalkingData首席布道師鮑忠鐵：人工智能會讓誰丟掉飯碗？

【視頻&PPT】天云大數(shù)據(jù)CEO雷濤：人類如何與機器共生？

來源：數(shù)據(jù)猿