2015年11月22日，周日，北京大雪纷飞，但国家会议中心3层会场早已人满为患，因为虎嗅FM创新节在此召开。“人工智能下一步会如何改变商业与影响人类生活”的论坛非常精彩，大数据文摘编辑根据现场速记，整理对话中精华如下。

俞志晨问：什么是真正的人工智能，各自公司在这个领域做了什么，为什么做这些事情？

微软亚洲研究院副院长芮勇

我先要感谢虎嗅给我们提供这么好的机会，刚才的演讲嘉宾王坚（阿里CTO）是我在微软的同事，连主持人都是微软加速器第一期的创业者，谢谢给我这么好的机会。

智能分以下4点：

聚众智能：举个微软小冰的例子，我相信各位朋友跟小冰也都聊过天。小冰的第一个智能就是聚众智能，它其实是在几亿的语调上面提炼人类的智能，最后才是人工的智能，最后才能跟人交流。刚发布的时候，小冰跟一个媒体朋友聊了一个晚上，聊的都非常好。

自适应的智能小冰会帮助刚失恋的人心情更加愉快。

隐含的无所不在的智能，它不仅有IQ，还有EQ，知道你的喜怒哀乐。

增强型的智能，刚才王坚也提到人和机器，把人的智能和机器的智能结合在一起。人在有些事情上非常非常强大，有的时候及其的薄弱。比如说，我们谁能把π后面的小数点背一千多位？对机器来说不是事。动物、植物、食物，机器分的比我们都很好，但人类有天外神来之笔的想象力，所以人脑+智能，这是我们对AI另外一个理解。

地平线机器人技术创始人兼CEO于凯

人工智能我感觉在今天这个时代有冰火两重天的感觉。

1956年，几个人工智能先驱，第一次提出AI人工智能这个词。一个是MIT的联合创始人，另外一个是斯坦福的联合创始人。他们相信机器、计算机能够控制很多智能的能力。另外，如果找到一群非常好的智慧，然后再聚合在一起，基本上其中绝大部分的问题都会被解决。

首先，他们认为机器能够控制人类的智能，另外过于的乐观，乐观到找这么一群人，两三个月时间内就能够把人工智能绝大部分给解决。

从1956年到现在，这些问题都没有解决。所以，今天学者对这件事情是存有敬畏之心的，而是重点解决今天能解决什么事情。像印奇一样，天天研究怎么把人脸识别做的更好，怀着敬畏的心态来做这个事情。

谈到今天的人工智能，实际我们认为有两个人工智能：一个是公众眼里的人工智能。非常的浪漫主义，比如想象机器人跟自己谈恋爱。第二个是科技工作者中的人工智能。

讲到人工智能，大家还是应该更加现实主义。尤其互联网行业，人工智能已经发挥了巨大的产业价值。

2000-2010年这十年，互联网领域，人工智能已经在润物细无声。而今天到2020年，人工智能会在有些方面突破，会逐步渗透。

英特尔中国研究院院长吴甘沙

我对人工智能的理解，如果一个机器能够像人一样去感知、思考、运动、说话，可能它就具有了类似的人工的智能。

但是我想说的，这个盒子里面未必是像人这样的构造和机制。因为，机器本身有它的优势，机器智能也可以达到非常高的程度。我一直拿电影《超体》做比较，里面说人的智能只开发到了10%，一旦开发到百分之百的时候就不是人类的智能，是上帝的智能。而那些能力可以通过物联网、大数据的方式获得。所以，人工智能并不是人类智能的最高峰，我们可以把人工智能和其它很多技术结合起来，达到所谓的上帝智能。

2000年我加入研究院的时候，就是做人工智能，那时候做语音识别、自然语言理解、计算机视觉。但碰到两个问题：第一，因特尔是做CPU的，我们需要计算，但当时的这些算法根本不需要计算，一个奔三的处理器就能处理的很好。第二，我们当时获取一点数据要给人钱，让人打电话进来，读一段语音，才能采集到语料。因此，很自然我们研究院就进入人工智能的冬天了，非常幸运的是，这十几年来我们还宝来了人工智能的血脉，我们在计算机视觉理解上还一直做了下来，现在也取得了不错的成绩，尤其现在在从两维向三维发展，在应用领域上取得了不错的进展。

现在我们主要的发展领域跟机器人相关，因为机器人是史上第一种带有人类情感的机器。所以，我们现在在机器人的情商方面，取得了一些不错的进展。现在世界上有一个专门针对情感识别的竞赛，11月份刚刚出来结果，我们的团队拿到了第一名，70几支团队参加我们拿到了第一名，相当不错。我们的目标就是让机器具有类似人的情商，这是蛮有趣的研究方向。

第二个研究方向跟计算相关，机器人领域有个非常有趣的悖论，像成年人才拥有的认知能力，像规划、推理、下棋，计算机实现起来非常容易。而一两岁小孩就能够处理的非常好的，感知啊、运动啊等等方面，机器没办法处理的非常好，这就是一个悖论。这就涉及到现在计算机处理架构，是不是适合这类计算的问题。非常模糊的，需要大量并行性的，需要容错的，这可能需要一个新的架构。天河二号再次拿到了计算能力第一，跟人的能力相比相差极大，我们一定需要一些新的计算架构处理机器智能的计算，这是我们想要研究的第二个方向。

俞志晨问：两周前Google发布了开源的深度学习的平台。与此同时，微软也发布了一个开源的分布式继续学习工具包。这些巨头们，为什么在这个时间点争相发布开源的工具包？背后是什么样的逻辑？会对人工智能行业和移动互联网行业，会有怎样的影响？我想请各位针对这个话题发表一些自己的观点。

芮勇：为什么在同一天几家公司一起发布了一个看似都跟人工智能有关的工具包？我的观点是这样，8月8号发现有很多人结婚，这样来想，每个公司都有自己的流程，刚好到那天，刚好都走完了，同时发布。这个事情，其实也从侧面反映了人工智能业界的各个巨头也好、创业公司也好，都是非常看好的，觉得人工智能是今后整个产业发展的巨大引擎。

既然俞志晨提到Google的工具包和微软的工具包，我就稍微提一下，我可能不会太做对别的公司的看法，聊一聊这个方向。

首先，开源工具包它是在单机上跑还是在分布式的机群上跑，这个很重要。因为，单机上的运算能力等等有一些限制。

第二，开发工具只针对一种算法，比如深度学习算法去做，还是有不同的算法去做。

俞志晨：所以，微软是多机并行、分布式的？

芮勇：对，这有什么好处呢？

俞志晨：这是在Windows上的还是其它平台上的？

芮勇：很多平台都可以跑。其中有个算法叫LDA，我们有办法把它做成在线性时间内把问题解出来。原来可能需要上千台一起去做的，现在8台机器就可以做了。从单机到多机分布，这是个非常非常难的事情。有时候你加了更多的机器，反而会更慢了，上面的调度算法反而非常有用。

俞志晨：比如其它创业公司想用微软的这套开发工具包，我们可以在自己的服务器上，或者在本地可以使用，还是一定要在微软的云平台上使用？

芮勇：我觉得这是个完全Free的工具。

俞志晨：很多公司是没有环境运行继续学习工具的能力的，因为我知道要运行这么一个好的算法需要很多云平台来支撑。

芮勇：我觉得各种方式都可以，如果你自己的机群比较大，就可以自己在机群上跑，如果你不想投资上千台服务器，就可以在云平台上跑？

俞志晨：是推荐在微软云上跑吗？

芮勇：大家都可以去试一试，哪个好用哪个。

俞志晨：为什么微软做这个事情？出于什么考虑？

芮勇：我觉得，人工智能各个公司都觉得是今后发展的趋势，大家比谁的BUG少的日子已经过去了，以后大家都会涉入人工智能领域。

吴甘沙：大公司开源无非几种原因：一种，这个项目在大公司做不下去了，还不如扔出去，当然微软和Google不在此列。第二个目的，就是构建生态和护城河。Google和微软，是不是有这个目的？Google有云计算这样的基础设施，未来都会在他们的开源环境中做，对他们的云计算是个重大利好。

另外一个很重要的原因，开源事实上是一种开放式创新，在上世纪所有的创新都是封闭式的，因为这些大公司拥有所有的人才。而现在，一个开源软件运动的先驱说，公司再牛，世界上的最牛人才并不都是为你工作的，那就要通过开源的方式让很多很多的聪明人一起工作。我觉得，这可能是大公司做开源的三个逻辑。

芮勇：吴院长讲的非常非常好。

余凯：Google这次发布的是Google继续学习训练平台的第二个版本，第一个版本在做这件事情的时候磕磕绊绊做的并不成功，因为第一个版本沿袭了Google大牛的一贯思想，他认为用最便宜、通用的PC服务器可以解决所有问题。他认为，面向深度学习的计算，在2012年觉得面向深度学习未来的计算方式，以前的想法也是可以的。但经过三年的实践，他们意识到一定要走继续学习的道路，X86的平台和GPU的平台一定要一起用。

这样就给了大家一个思考，我自己在百度负责的深度学习项目，我们在2012年其实走的就是运动计算的道路，我们是世界上第一个用GPU做深度学习计算的。

大家可以看到，今天的创新跟2000年或者十年前的创新生态很不一样的是，这个世界比以前更加的扁平。面向未来，有可能在硅谷的这些公司并不比北京的公司更先进在什么地方。特别是，具体到Google的第一个版本很多深度学习的玩家对它做了一些评测，发现它跟现在开源的工具效率还差一些。而且，它目前还是一个单机版本，并不是多机并行的，刚才芮勇也讲到了。这样的话，大公司一起来做这个事情，绝对是个好事，因为会繁荣这个生态，让公众注意。

另外，在这件事情上大公司、小公司、美国公司、中国公司，其实是相对扁平的状态，未来会发展成什么样子，我们还可以观察。

俞志晨：微软和Google的这么一套体系，运行和研发的门槛我觉得不低，他是不是希望第三方把数据导到他的平台做处理？因为开源背后的目的在于最有价值的数据，这个观点你认不认可？

余凯：开源这个事情，它最重要是做生态，因为如果所有的开发者都是在这个平台上做事情，你未来会更有机会，因为他们都会变成你的朋友，所以你的护城河会无比的壮大。

至于谈到你说的这个门槛设的多高，我觉得这个要探讨一下，这个世界上小团队干大事是越来越有可能了。比如，现在最成功的开源的深度学习的系统，开发者叫做贾中青（音），是我的实习生跟一些人一起搞的事情，今天被所有人所用，他搞的时候其实Google都搞过。

再比如说语音识别，也有大公司和小公司在做，现在也有一个人在做，很多公司投入几十人、上百人的团队做，跟他一起做。

印奇：我刚从美国回来，参加技术开发者大会，我们知道微软、Google发布了深度学习的这个工具，对这个行业都有很大帮助。另外，我们作为行业内部人士，很期盼这些工具的性能，还是没有令人失望的。

俞志晨：四位嘉宾，两位是科技巨头来自微软和因特尔，两位是科技领域最受人关注的两位创业者。从未来的发展来看，机会更多属于巨头还是属于创业者？巨头已经有很多资源了，新的创业者怎么玩儿？有没有机会？

芮勇：其实我觉得，大家都有机会，整个生态链里面，从战略制定到基础科研，到孵化基础，到产品开发，每个方面，大公司也好、小公司也好，都有机会去做。

具体哪个方向呢？如果你就是做人工智能项目，余凯和印奇，生态链中的每个部分你都可以去做。

还有一些别的创业者，比如你本身不是做人工智能的，你是做一些O2O的东西，但是你有很多数据，而大公司，因特尔也好、微软也好，其实你可以调用他的API，就能算出你需要的数据。

微软前阵儿发布了一个平台“牛津计划”，半年以前红遍大江南北的一个APP“你几岁了”，这就是个只写了20行的源代码，套了微软的API就做出来了，很多数据分析、人工智能、语音识别、OCR技术都会被利用起来。

俞志晨：印奇总，你的第一视觉目前在行业里应该排第一。

印奇：还不错。

俞志晨：好吧。你们在这个领域里领跑，有没有什么心得可以分享？

印奇：首先，大公司跟小公司在巨大新机会面前的决策一定都有自己的优势。我先说一个大的结论，我认为人工智能2B最终的巨头一定是新兴公司。对于我们来说，因为大公司往往看的是比较宏观的，小公司需要比较关注，我们就相当于走了专注的路。

俞志晨：过去几年你们抓住了哪几个关键点和时间点？

印奇：我们公司2011年开始做，那时候人工智能还是无人问津的态势，至少在风投圈，所以具有一定先发优势。公司的历史真正做对了就两步：第一，2011年的时候我们推出了云平台，坦白说当时做了这个技术但不知道应该在哪用，就开放出来，让大家都试一试，给我们一些指引。第二，今年年初我们把这个技术用在了金融和安防两个比较传统的领域，大家说今年是刷脸的一年，无论是阿里还是一些巨头。其实，这两个选择对大公司可能都不是特别好的巨头，我们做了，所以抓住了机会。

俞志晨：先行者在巨头没有做的时候做，很重要的一点，另外通过开放平台以开放的方式抓住机会，第三是在金融和安防行业的应用。因特尔在芯片领域是一个巨头，而余凯提出要做机器人行业的因特尔，这个你们怎么看？

余凯：首先，我们喊出这个口号是表达我们对因特尔的敬意。有时候，我们会看一个公司市值多少或估值多少，但还有一种思维看待这个公司，就是这个世界上没有这个公司会怎么样？对因特尔来说，过去的二三十年中，如果这个世界没有因特尔会受极大的影响，有些公司挣多了钱，但并没有影响世界，而因特尔影响了世界。

我觉得，对于未来，新兴公司会更有机会，因为有一句话叫做创新者的窘境，在大公司往往很难成为新兴的业务，因为一个大公司之所以伟大，就是因为有个非常成功的业务，这个业务每年有上百亿美金的收入，选择其中的关键点，如果对其加大力气，会翻几倍。而对新业务，可能获得的很少。这样就会导致，大公司会趋于保守，而新的公司会从小长大。IOT和机器人时代，我觉得是因特尔面临的挑战。

吴甘沙：我个人认为，余凯兄的地平线机器人公司是个值得尊重的竞争者。第二，在现在的脑启发计算，至少有十条技术路径，而因特尔只能尝试其中的3-4条技术路径。所以，整个产业一起去探索，一定是非常好的事情。

原文发布时间为：2015-06-24

本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号