今天的IT領(lǐng)袖峰會上，馬化騰和李彥宏兩位工程師出身的IT領(lǐng)袖又碰面啦。這次的主題是：“在人工智能時代，我們是怎么挖微軟研究院的人？”

這當(dāng)然是一個玩笑，這次對話的主題是《人工智能：中國機(jī)遇與挑戰(zhàn)》，對話四方包括百度CEO李彥宏、騰訊CEO馬化騰、微軟公司全球執(zhí)行副總裁、微軟人工智能及微軟研究事業(yè)部負(fù)責(zé)人沈向洋，還有神州數(shù)碼控股董事局主席郭為。

不過，隨著幾大巨頭的人工智能布局逐漸深入，確實他們對人才的需求也越來越多，向來被業(yè)界稱為“國內(nèi)科技圈的黃埔軍?！钡奈④浹芯吭海^續(xù)擔(dān)任人才的輸送中心。在現(xiàn)場，三位來自微軟、百度和騰訊的高管，也就此事調(diào)侃起來。

馬化騰還說，騰訊在西雅圖建了一個研究院，因為微軟的很多研究人員不愿意離開西雅圖。沈向洋也說，微軟人工智能事業(yè)部有七千多人，但還在不斷招人，因為百度和騰訊一直在挖他們的人。

為何布局人工智能？

小馬哥也是越來越重視人工智能了，最近騰訊的圍棋AI“絕藝”，也因為贏得了日本的圍棋大賽爆紅，而且跟阿爾法狗的負(fù)責(zé)人黃博士不同，騰訊做“絕藝”的團(tuán)隊，沒有一個人懂圍棋。

所以主持人也問起了小馬哥，騰訊為什么重視人工智能？

馬化騰非常謙虛地說，其實百度在人工智能走得更前，騰訊還是落后。不過他認(rèn)為，不僅是騰訊，其實在內(nèi)部，大家都在結(jié)合自己的業(yè)務(wù)去AI的研究和應(yīng)用，比如騰訊在微信中大量的人臉圖片識別，媒體廣告的精準(zhǔn)匹配。

一年前，Google阿爾法狗的論文出來的時候，騰訊的團(tuán)隊也開始去探索，后來Deepmind的論文出來之后，也有很多公司用了深度學(xué)習(xí)。他說，“絕藝”的成長，不同的在于，它一直得到了很多國家級棋手的支持和陪練，也得到了很多國家級專家的支持?！半m然今天絕藝確實獲得了一點小成功，我們不能太欣喜，畢竟是站在別人的肩膀上的，如果這個論文沒出來我們也做不出來。”

他還認(rèn)為人工智能的可怕之處在于，它可以利用后臺的云計算，自己不斷地快速學(xué)習(xí)，現(xiàn)在阿爾法狗可能對圍棋的理解已經(jīng)超越了人類那么多人，就像開車一樣，你可能不需要教他怎么開車，只需要做一個模擬器，讓他自己在無數(shù)次的撞車中得到反饋，自己學(xué)習(xí)，我認(rèn)為這個是值得我們思考的。

同時主持人也問李彥宏，為什么會那么早開始布局人工智能？

按李彥宏的說法，這就跟百度做搜索很有關(guān)系了。他說，百度從基因上來說，就是在做搜索，其實本質(zhì)上就是一個機(jī)器區(qū)揣測人的想法的事情。他回憶，大概是在2011年，那時陸奇還在微軟，他告訴李彥宏，微軟的深度學(xué)習(xí)部門已經(jīng)發(fā)展到可以應(yīng)用的階段了。

百度自己也發(fā)現(xiàn)，深度學(xué)習(xí)在圖像檢索里效果很不錯，他開始在思考，這究竟是一個僅僅在圖片搜索這個垂直領(lǐng)域，還是一個趨勢。他覺得它是代表一種趨勢的，對很多其他計算機(jī)科學(xué)要解決的問題都是非常有用的，因為隨著互聯(lián)網(wǎng)這么多年發(fā)展，數(shù)據(jù)越來越多，越來越豐富，計算資源越來越便宜，越來越強(qiáng)大。他也知道，人工智能發(fā)展五十年前，一直沒有人看好，其實當(dāng)年他在美國讀書的時候，很喜歡人工智能這門課，但是教授告訴他，學(xué)這個找不到工作。不過，后來他們慢慢發(fā)現(xiàn)，原來以為沒有用的東西，后來有用了。

因此，他說自己食言了。本來他認(rèn)為，作為一個商業(yè)公司，百度不應(yīng)該去做研究院，應(yīng)該去跟產(chǎn)品和應(yīng)用部門緊緊結(jié)合?？墒侨斯ぶ悄懿灰粯?，它需要長遠(yuǎn)的布局，所以百度開始組建研究院，吸引和招募人才。

人工智能是模仿人腦或者仿生，還是擁有全新的思維方式？

不過說到人工智能的發(fā)展，還記得就在這場高端對話之前，馬云才提出了一個觀點，認(rèn)為不應(yīng)該講Artificial Intelligence，應(yīng)該是Machine Intelligence，現(xiàn)在的人工智能，都是在模仿人腦如何工作，但實際連人類自己，對人腦的了解和開發(fā)都不超過3%。機(jī)器應(yīng)該擁有自己的獨特的思維方式，而不是永遠(yuǎn)模仿人類怎么工作，只有這樣兩者結(jié)合起來工作，才會發(fā)揮更大的作用。

于是，主持人也觀察到，比如機(jī)翼、雷達(dá)也好，這些都是一些仿生的設(shè)計，甚至是現(xiàn)在深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)。

就此，他問了幾位IT領(lǐng)袖一個問題，他們認(rèn)為人工智能是模仿人腦或者仿生，還是要擁有全新的思維方式？

小馬哥說，我們當(dāng)然是希望有一些新的東西，但現(xiàn)階段，還是應(yīng)該務(wù)實點，現(xiàn)階段還是通過仿生的階段。在某一些垂直的領(lǐng)域嘗試，要做一個通用的AI非常難，包括圍棋也是選一個非常窄的領(lǐng)域，甚至一旦規(guī)則變了，幾乎就要重新訓(xùn)練，之前的訓(xùn)練全白費了。

李彥宏則并不同意，現(xiàn)在的深度學(xué)習(xí)是在仿生，因為“其實我們也不知道人腦是怎么工作的，怎么去模仿呢？神經(jīng)網(wǎng)絡(luò)只是為了讓大眾更明白研究人員在做什么的一個比喻。”不過，他確實認(rèn)為，深度學(xué)習(xí)只是在很初步的階段，我們要達(dá)到人腦的程度，還要很久很久。他還解釋，其實這個很久的意思，我認(rèn)為是永遠(yuǎn)不可能的，甚至像之前以為一位演講嘉賓朱民說的，將人工智能分成三個階段，弱人工智能到強(qiáng)人工智能，再到超級人工智能，第二個我都覺得不行，永遠(yuǎn)不可能。

沈向洋很贊同李彥宏的觀點，他認(rèn)為，目前腦科學(xué)的發(fā)展還很初級，限制了人工智能的發(fā)展。計算機(jī)馮·諾依曼的結(jié)構(gòu)，跟人腦的結(jié)構(gòu)本來就完全不一樣。他相信，隨著人工智能發(fā)展，未來會有越來越多學(xué)計算機(jī)的人去做研究腦科學(xué)。

最后，我們都知道，人工智能之所以在今天快速發(fā)展，有三個基礎(chǔ)：海量數(shù)據(jù)、強(qiáng)大運算能力和深度學(xué)習(xí)的發(fā)展。

在中國，掌握著最大數(shù)據(jù)量的，莫過于BAT了，百度做不少開放平臺。主持人突然就順勢小馬哥，你們騰訊有那么多社交數(shù)據(jù)，有沒有可能把數(shù)據(jù)分享出來，讓創(chuàng)業(yè)公司用？

馬化騰依然回答得非常實在。他說，“這個問題我們在內(nèi)部也有激烈的爭論”，場景對于研究確實很重要，很多研究都需要實際運轉(zhuǎn)數(shù)據(jù)的支持，不過，不是有一堆數(shù)據(jù)就能用，數(shù)據(jù)還需要清洗和標(biāo)簽化，才能讓AI去學(xué)。這是一個非常龐大的工作量，甚至還是需要人去用很笨的方法打標(biāo)簽。運算能力對人工智能也很重要，需要用云的資源，所以騰訊也在做云。

更緊缺的，就是人才了，他說，一年前騰訊也很缺人才，如今逐漸招募了不少。為了招賢納士，騰訊還在西雅圖也設(shè)立了一個實驗室，“因為很多微軟的人都不愿意離開西雅圖，因為我們就在旁邊設(shè)了一個研究院”。

設(shè)立了研究院之后，騰訊內(nèi)部也在問各個業(yè)務(wù)線，數(shù)據(jù)能不能給研究院做研究用。但是，其實業(yè)務(wù)部門本身，也希望能招人去處理和挖掘利用自己的數(shù)據(jù)，而不是全部分享給別人。因此，即便單論公司內(nèi)部，也會有這個問題。

第二個則是用戶隱私問題，因為騰訊的社交數(shù)據(jù)涉及大量用戶隱私，如何脫敏是個很關(guān)鍵的問題。要清洗到什么地步才能用，還要看看。最后他總結(jié)，數(shù)據(jù)的標(biāo)簽化和清洗，業(yè)內(nèi)也有很多人也都在努力，很多公司拿著一堆裸數(shù)據(jù)，也不知道怎么辦，所以我們必須先把數(shù)據(jù)整理過才能用，他說這還是一個很長的過程。

附全程對話實錄：

吳鷹：先從馬化騰開始。剛才朱民演講中特別舉了你們這個團(tuán)隊的例子，13個人真的是沒有一個人是會下圍棋的，騰訊有一個700多人、成立了大概一年多的人工智能團(tuán)隊，專門研究人工智能，他們在很短時間內(nèi)聚集了很厲害的一些專家。

能不能跟我們大家分享一下騰訊為什么在人工智能上這么重視，還有你對人工智能的看法和行業(yè)的看法？

馬化騰：其實李彥宏是人工智能走得更前了，對騰訊來說，我們還是落后不少，只是去年剛開始成立的部門。

當(dāng)然在我們所有BG內(nèi)部結(jié)合它的業(yè)務(wù)形態(tài)都有在落地，像我們微信里面，超過上百億條消息，包括我們圖片、特別是做社交網(wǎng)絡(luò)，里面有人臉數(shù)據(jù)圖片絕對是天文數(shù)字，每天高達(dá)上十億張有人臉照片。

這方面的技術(shù)研究在各個BG有相當(dāng)長時間研究，包括后臺數(shù)據(jù)分析、廣告匹配都用了人工智能技術(shù)，只是大家感受不到。因為他在后端。我們在前端也希望做出一些產(chǎn)品，剛好一年前Alpha Go它的paper出來，通過人機(jī)對戰(zhàn)讓全世界對人工智能認(rèn)知到了一個新的高潮，我們團(tuán)隊本著練兵的心態(tài)也做了嘗試。

谷歌收購了deepmind團(tuán)隊發(fā)表的論文，原來做計算機(jī)圍棋的團(tuán)隊都紛紛采用深度學(xué)習(xí)方法來融入原有的似乎已經(jīng)走進(jìn)瓶頸的計算機(jī)圍棋軟件開發(fā)中，大家不約而同在這一年中起步。

我們內(nèi)部團(tuán)隊有三個團(tuán)隊也在做，只是分在不同部門。這個部門剛好是它能夠突破這個瓶頸，也動用了公司相當(dāng)?shù)拇蟮暮蠖说挠嬎銠C(jī)資源，更大的特點是它和Alpha Go不同的是我們的決議AI的成長，全程得到了國家級圍棋世界冠軍從一開始的陪練，然后找出它為什么不同。我們十幾位研發(fā)人員不懂圍棋的，一開始連黑先下還是白先下的規(guī)則都不懂，我們從計算機(jī)原理、工程實現(xiàn)以及結(jié)合中國包括很多的專家來去訓(xùn)練。

我們覺得這算是小小的成功吧，但是也不能過于欣喜，畢竟是站在前人肩膀上，因為你沒有發(fā)布這個paper，我們也不可能做出來，但是也不能說這是毫無疑義的事情。

這里面給我們最大的思考是，過去我們對AI很多是從一些規(guī)則、從簡單的訓(xùn)練得出來的能夠改善我們計算處理的這樣一種能力，最終我們發(fā)現(xiàn)其實還有一個更恐怖、更深層的意義在于他能夠在計算機(jī)的后臺能夠用云計算、大數(shù)據(jù)方式能夠高速的自學(xué)習(xí)，能夠自己跟自己對奕。

所以AlphaGo出來后，它的下一代master，經(jīng)歷了數(shù)十億盤自我對弈，已經(jīng)超越過去所有人類交戰(zhàn)的盤數(shù)，然后它自己尋找規(guī)律，找到的已經(jīng)遠(yuǎn)遠(yuǎn)超過人類過去在圍棋領(lǐng)域認(rèn)知的范圍，是極大的擴(kuò)展，這是給我們一個很大的啟示。

在很多的領(lǐng)域——圍棋以外的領(lǐng)域，不管是醫(yī)療（剛才講的病理的檢測），以后的金融，現(xiàn)實中的每個行業(yè)，如果能用計算機(jī)后臺做出一個模擬器，能夠讓它充分嘗試，就像開車一樣，你可能不用教自動駕駛怎么開車，就模擬一個現(xiàn)實環(huán)境，給它一個規(guī)則，讓它駕駛，它去撞，有各種反饋，自然會琢磨出一套理論和經(jīng)驗，這是給我們帶來巨大思考。在很多領(lǐng)域如果能做出模擬器，定義出很多參數(shù)，自己學(xué)習(xí)，他能找到規(guī)律可能遠(yuǎn)超我們現(xiàn)在想象的。這是我們最大的啟示。

吳鷹：謝謝Pony。沈向洋先生作為微軟人工智能事業(yè)部的負(fù)責(zé)人，你講講為什么人工智能這幾年能有突破性發(fā)展，能不能預(yù)測一下最可能在哪些領(lǐng)域具有顛覆性的應(yīng)用出現(xiàn)？

沈向洋：謝謝吳鷹。我每次聽完馬云講話以后都沒有話可以講，馬云基本上把大家想講的都已經(jīng)講完了。

我從研究生開始學(xué)習(xí)人工智能，也有20、30年時間了?，F(xiàn)在看到人工智能如火如荼，非常激動。因為我們90年代中畢業(yè)的時候出來的時候工作都找不到，現(xiàn)在大家恨不得見到一個懂人工智能都投錢。

人工智能經(jīng)歷了多少個冬天，之所以今天有這樣的發(fā)展機(jī)會，主要還是因為三個方面原因，第一件事情，是因為互聯(lián)網(wǎng)的出現(xiàn)，互聯(lián)網(wǎng)+物聯(lián)網(wǎng)提供了更多的數(shù)據(jù)。第二件事，強(qiáng)大的運算能力。摩爾定律到現(xiàn)在，大家覺得應(yīng)該會死掉，但是還沒有死掉，還有更多新的計算方法。第三，過去五六年深度學(xué)習(xí)突然突破，包括騰訊研發(fā)領(lǐng)域充分運用到深度學(xué)習(xí)，令到大家突然看到很多不能解的問題現(xiàn)在可以解掉。

從人工智能基本和研究方向來講，還是兩個不同非常不一樣的階段。一個是人類感知這件事情上，我們講人工智能，原來對人工智能的定義就是跟人類智能相比較。人類的智能體現(xiàn)在哪？主要是兩方面，一個是感知方面、一個是認(rèn)知方面。感知方面，剛才我提到這幾個原因，所以在接下來5-10年進(jìn)展會非?？臁＞唧w表現(xiàn)在計算機(jī)語音和計算機(jī)視覺發(fā)展，我覺得AI會超過人。很多人會同意我這個說法。第二方面問題大家今天還沒有搞的很清楚的地方是人工智能的認(rèn)知方面，包括自然語言，包括知識的獲取、包括你對一般的情況下這種解決的方法這樣的思考，包括情感，這些東西今天我們還都是不知道。

您剛才提到現(xiàn)在人工智能給大家創(chuàng)造了一些什么樣的機(jī)會，從微軟公司來講，我們的研判覺得短期之內(nèi)是有非常非常大的商機(jī)，你看到底有那些行業(yè)已經(jīng)相對而言有相當(dāng)大量的數(shù)據(jù)，而且同時在這個行業(yè)里面從事人員是不高興的，那你就有商機(jī)了。

如果這樣看的話，到今天來講，幾乎所有的商業(yè)應(yīng)用，從市場銷售到HR部門招聘，到客戶支持這方面，所有的都會被顛覆掉。我是覺得客服是接下來五年最多的AI應(yīng)用的商機(jī)，我這樣講并不是說自動駕車不重要、圍棋下棋不應(yīng)該做研究。只是具體回答吳鷹的問題，從我們來講最大的商機(jī)在哪，就是每一個商業(yè)應(yīng)用都會被顛覆掉。

吳鷹：大家注意沈博士說每一個商業(yè)應(yīng)用都會被顛覆掉。這是非常震撼的一個結(jié)論。

郭為先生，你是神州數(shù)碼的掌舵人，你們在智慧城市方面有很大的布局，很多人會認(rèn)為你們好像跟人工智能不一定有那么大的關(guān)系。請你談?wù)勀銓θ斯ぶ悄艿目捶ā?/p>

郭為：謝謝吳鷹。剛才沈向洋講到今天人工智能有一個比較大的突破，實際上就是三點：一個是由于互聯(lián)網(wǎng)出現(xiàn)，大數(shù)據(jù)出現(xiàn)。第二，計算能力高速度。第三，算法。

我們做智慧城市過程中，我們?yōu)槠髽I(yè)定位過程中也考慮到，計算能力這個事兒我們做不了。第二，算法上。昨天研討會上，還有今天，大家認(rèn)為中國目前還是落后、還是在學(xué)習(xí)階段。作為一個傳統(tǒng)企業(yè)轉(zhuǎn)型的話，唯一能做的就是數(shù)據(jù)，就是如何能夠采集到更多數(shù)據(jù)。

由于我們以前的積累，我們在很多行業(yè)有很多應(yīng)用，使得我們能夠接觸大量的數(shù)據(jù)，這些數(shù)據(jù)如何從傳統(tǒng)的方式上轉(zhuǎn)移到用互聯(lián)網(wǎng)方式，或者今天我們定義用深網(wǎng)數(shù)據(jù)挖掘，如何在三網(wǎng)環(huán)境下采集數(shù)據(jù)就變成我們的核心競爭力。所以做智慧城市過程中我們是不斷探索這樣的工作，慶幸的是由于我們跟北大合作，使得我們在深網(wǎng)挖掘上有很大的變化，我們發(fā)明了相關(guān)技術(shù)，使得快速生成API，為智慧城市打造了一個基于大數(shù)據(jù)操作系統(tǒng)，如何能夠快速形成一個城市數(shù)據(jù)，然后進(jìn)行分析、應(yīng)用，這就是做智慧城市的實踐，正是因為這樣一個實踐，我們花了6、7年時間，某種程度上也是碰得頭破血流。

我也很同意馬云的觀點，我們既不能把人工智能太深化，但是也要看到他確實還是能夠幫助我們做成一些事情。比如在一些特定領(lǐng)域里，在醫(yī)療看片子、制定醫(yī)療方案可以做的很好。比如在農(nóng)業(yè)，由于土地確權(quán)，我們掌握了20億畝土地的信息，土地上有什么數(shù)據(jù)，我們幫助進(jìn)行分析，提升我們農(nóng)業(yè)收入，包括進(jìn)入扶貧領(lǐng)域。這些應(yīng)用是做智慧城市過程中一個非常好的方面。

總的來講，既要發(fā)揮神州數(shù)碼在傳統(tǒng)IT領(lǐng)域的應(yīng)用上的特征，另外就是擁抱互聯(lián)網(wǎng)，擁抱大數(shù)據(jù)，如何在這個領(lǐng)域里面有一些技術(shù)性的突破，使得我們自己的企業(yè)能夠在這個領(lǐng)域做一些事情，這就是我們今天做智慧城市要做的工作。

吳鷹：百度在人工智能布局很早，而且深度學(xué)習(xí)上比美國很多大公司還要領(lǐng)先，這種評價并不過分，而且你在兩年前全國政協(xié)大會上提出中國大腦這個建議。對中國也是非常重要。從百度角度你能不能談?wù)勱P(guān)于人工智能發(fā)展你們的看法。當(dāng)年你們?yōu)槭裁茨敲丛缱鲞@些布局？

李彥宏：我其實也思考過這個問題。從百度的基因來說，我們從一開始成立到現(xiàn)在最主要是做搜索。搜索本質(zhì)上是機(jī)器試圖理解人想要的東西。

我們一開始用各種各樣計算機(jī)方法試圖理解人的意圖，我在想一個問題，深度學(xué)習(xí)在圖像檢索里頭的效果不錯，是一個偶然還是它代表一種趨勢。分析完之后，覺得它是代表一種趨勢的，它不僅僅對于圖像搜索有用，它對很多其他計算機(jī)科學(xué)要解決的問題都是非常有用的。原因就是，隨著互聯(lián)網(wǎng)這么多年發(fā)展，數(shù)據(jù)越來越多，越來越豐富，計算資源越來越便宜，越來越強(qiáng)大。

所以人工智能剛才說有60年歷史，前50年，為什么大家不看好，為什么大家覺得人工智能沒有用，我在美國讀書的時候，我就很喜歡人工智能這門課，但是學(xué)完之后，教授告訴我說其實沒用，人工智能沒有一個真正有商業(yè)價值的應(yīng)用，你將來靠這個是找不著工作的。

到現(xiàn)在最近幾年，原來認(rèn)為沒用東西變成有用，是因為市場環(huán)境變了，條件變了，原來認(rèn)為不可能的事情現(xiàn)在變成可能了。分析了環(huán)境因素之后，覺得人工智能是代表未來的。所以我們在2013年1月份對外宣布成立深度學(xué)習(xí)研究院，這個可能是全球工業(yè)界第一個用深度學(xué)習(xí)來命名的這么一個研究院。

而且這等于我自己食言了，我2013年以前不斷跟外界說我們是一個商業(yè)公司，我們不應(yīng)該成立研究院，不應(yīng)該搞純的研究機(jī)構(gòu)，這些機(jī)構(gòu)要想轉(zhuǎn)化成產(chǎn)品，進(jìn)入市場被市場所認(rèn)可的話，應(yīng)該跟那些產(chǎn)品部門、跟那些業(yè)務(wù)部門緊緊結(jié)合在一起，而不是單獨成立一個研究院，但是深度學(xué)習(xí)這一波起來之后，我覺得是完全不一樣的東西，他需要在理論上、在算法上，在很多方面有長遠(yuǎn)的布局和突破，所以從那個時候開始大規(guī)模投入去吸引人才，去推進(jìn)算法，其實不光是算法，在剛才朱民講的時候也講到各種各樣芯片結(jié)構(gòu)層、CPU到GPU等等，都要審視算法的需求。

所以現(xiàn)在看起來人工智能比2013年我們決定進(jìn)入的時候一個更要大的產(chǎn)業(yè)。前一陣我對外講了，互聯(lián)網(wǎng)其實現(xiàn)在只是一道開胃菜，真正的主菜是人工智能，所以人工智能不是互聯(lián)網(wǎng)的一部分，不是互聯(lián)網(wǎng)第三個階段，它是堪比工業(yè)革命一個新的技術(shù)革命。

吳鷹：開胃菜已經(jīng)更大了，互聯(lián)網(wǎng)是人工智能的開胃菜，媒體可能會引用這個論斷，但是主菜得多大的市場。我覺得你跟沈向洋說的顛覆所有的商業(yè)模式，這個影響是非常大的。沈向洋，微軟人工智能事業(yè)部有多少人？

沈向洋：一共有7000多個工程師和科學(xué)家，我們還在繼續(xù)招人，并且Pony和Robin經(jīng)常來挖我們的人，Jack也挖。

吳鷹：沈博士就直接進(jìn)入火藥味比較濃的階段的，微軟如果進(jìn)入中國，已經(jīng)進(jìn)入了，人工智能市場的話，BAT，你最想干掉馬云、馬化騰還是李彥宏？

沈向洋：借助剛才馬云講的，彎道超車十超九翻，要換道超車才有希望，在任何競爭的過程中總是要找到自己的出發(fā)點。

既然你給我這樣一個機(jī)會的話，我就提一下，微軟在中國最近這幾年推出的最了不起的人工智能叫微軟小冰，我不知道在座的有沒有用微軟小冰，可能在座的不是我們面對的用戶群，我這樣講你不要生氣，我們的用戶群是18-24歲相對的年輕用戶群，大家有時間和智能聊天機(jī)器人，這也是為什么我們選擇跟Pony這邊的QQ合作，也是針對這樣相對年輕的用戶群。

之所以我提這樣的人工智能產(chǎn)品和一般的智能助理還不太一樣。人類進(jìn)化多少萬年下來以后，每天講很多的話，你可能不知道，其實男人在一天大概講幾千句話，女士一天可能講超過一萬句話。大多數(shù)的話并不是說講一句話一定要完成一件什么工作，我老師講大多數(shù)人一天講的話很多都是廢話，但是這個講話很重要，講話是人工智能里面最重要的一件事情，在很大程度上你的EQ是體現(xiàn)在你怎么去講這個話。我們推小冰的過程中學(xué)到了很多東西，我們現(xiàn)在主推的方向，研究和產(chǎn)品的方向就是所謂的對話式人工智能。

吳鷹：我沒用過小冰，但你好像還是沒有直接回答我的問題，你最想先干掉誰？

沈向洋：你剛才問了什么問題？

吳鷹：高手。

我也想借馬云剛才講的問一個仿生問題，飛機(jī)剛出來之前，大家想的思路是看鳥在空中飛很羨慕，剛開始做飛機(jī)就想做一個像鳥一樣的。

我就想問臺上的四位嘉賓，不用專業(yè)知識，就是直覺，在人工智能上有突破的事，模仿人腦的，你們覺得仿人腦的方式會有所突破，還是完全不一樣的想法？

郭為你就先說，說錯了也不要盡管，反正你也不是人工智能專家。

郭為：是功能性的突破，還是仿生的東西，就拿AlphaGo來講它下一盤圍棋所消耗的能量，有人告訴我需要2噸煤，但是一個圍棋手可能就是兩碗米飯。

我們在考慮一個功能的時候，需要考慮多大的資源消耗，這對于人類進(jìn)步是很重要的。你可以實現(xiàn)這個功能，實驗室可以做得出來，但是無法實現(xiàn)工業(yè)化，就是要考慮成本，考慮到資源的消耗。

人工智能之所以用功能性替代就是考慮這些因素，就是完全模仿本身也非常困難。我也非常同意馬云的說法，人的大腦功能，我們自己認(rèn)知只有3%，最終就是用功能，而功能的替代能量消耗要比人本身，人還是太神奇了，這個我覺得很難達(dá)到人的程度。

我最近看一本書《人的宗教》，就講人是由三個東西構(gòu)成，一個是你的生命，一個是你的心智，第三個是你的心靈或精神。我們反過來講精神的東西，我無法想象機(jī)器能夠代替精神的東西，最多也就是體力上能夠替代，智慧上不能，在某些方面的替代，完全替代人不可能，某些替代就是功能上的替代，所以突破就在功能上的替代，然后提高一定的效率，這是我對人工智能的看法。

所以我為什么同意馬云的觀點，實際上機(jī)器怎么樣能夠做得更好。我看遠(yuǎn)古的博物館，人類發(fā)明一個針，這和今天人工智能的發(fā)明對人的沖擊是一樣的，當(dāng)時人縫不了衣服，沒有針怎么縫衣服，發(fā)明針是多么神奇的事，能夠把衣服縫起來，今天做人工智能也和當(dāng)年發(fā)明針沒有根本的區(qū)別，人在進(jìn)步的過程中不斷發(fā)明新的工具，而新的工具最終還是為人類服務(wù)的。

吳鷹：Pony覺得是用模仿人的方式，還是全新的？

馬化騰：我們當(dāng)然期待有一個本質(zhì)的，發(fā)現(xiàn)飛機(jī)的螺旋槳也好，還是流體動力學(xué)，還是鳥的翼，或者是馬跑，現(xiàn)階段還是通過仿生的階段，在某一些垂直的領(lǐng)域，你現(xiàn)在要做到一個通用的AI非常難，包括圍棋也是選一個非常窄的領(lǐng)域，然后給它學(xué)習(xí)，通過各種參數(shù)來訓(xùn)練。

剛才郭為提到的用AlphaGo下一盤棋要消耗多少能源。這個垂直領(lǐng)域訓(xùn)練數(shù)據(jù)是需要消耗很大的能量，但在實際用的時候其實不需要消耗太大的能量。我們絕藝訓(xùn)練出來的單機(jī)成本跟職業(yè)棋手差不多，但是要訓(xùn)練出這個模型來要很長時間，稍微改一改規(guī)則就全部要進(jìn)行重復(fù)訓(xùn)練，改進(jìn)一點之前的積累都不算，要從頭積累一遍，消耗的能量很大，而且時間很長，這是很窄的一個技能模擬。

下一步到通用的，再下一步是不是有更本質(zhì)性的，發(fā)現(xiàn)它背后的原理，智能可以超越人的碳基的智慧，是不是有其他更多的基礎(chǔ)元素可以形成更高級的生命智慧呢？這可能是超越人類現(xiàn)在所發(fā)現(xiàn)的知識，這也是有可能的。甚至有人還突發(fā)奇想說我們現(xiàn)在認(rèn)識的宇宙就是高智能的生命，用他的量子計算機(jī)模擬出來的環(huán)境，我們一切都是模擬出來的，也有可能。大家發(fā)揮腦洞大開的想象力吧。

吳鷹：腦洞大開，一切皆有可能，Robin怎么看？

李彥宏：其實我不太認(rèn)可人工智能現(xiàn)在做的是仿生學(xué)，現(xiàn)在我們講人工智能像是人腦神經(jīng)元的工作原理，但是人腦具體怎么工作的，剛才馬云講的我們只了解3%，我們并不知道人腦是怎么工作的，你不知道它怎么工作怎么仿它？我們只知道這一點點，這一點點計算機(jī)的算法有一點類似之處。

我同意現(xiàn)在的人工智能，尤其是機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的算法還確實處在非常初級的階段，還有很多提升的空間，現(xiàn)在做得還非常不夠。什么時候能夠挑戰(zhàn)真正人的認(rèn)知能力，我覺得還有很長很長的時間。

我說話比較保守，我說很長是說這一天永遠(yuǎn)不可能來到。第一階段是弱人工智能，第二階段是強(qiáng)人工智能，第三階段是超人工智能，我認(rèn)為到強(qiáng)人工智能這個階段就達(dá)到不了，不僅僅是你永遠(yuǎn)搞不清楚人腦是怎么工作的，你即使用電腦的方法模擬人腦，要想完全達(dá)到人腦的水平，我覺得也做不到，永遠(yuǎn)做不到這件事情。

吳鷹：我們IT領(lǐng)袖峰會就是觀點。我也不用問沈向洋了，因為確實是人腦到底怎么工作的，不知道。但是這個答案非常簡單，因為有一個上帝。所以很多科學(xué)家到最后就信上帝了，變成找到一個答案了。沈向洋，你還有補(bǔ)充？

沈向洋：我蠻贊成李彥宏剛才講的，人工智能這件事情發(fā)展，今天最大問題是對人腦不了解。

腦科學(xué)今天還是非常初步的科學(xué)，你每次要講科學(xué)的話，首先要一定要有數(shù)據(jù)，要能夠做試驗，而且做重復(fù)的試驗，今天就沒有辦法真正監(jiān)測到真正做試驗說因為加入了這樣的輸入到人腦，出現(xiàn)什么樣的輸出。

接下來N年應(yīng)該有更多的人投身基礎(chǔ)科學(xué)研究腦科學(xué)這件事情?？唇裉煊嬎銠C(jī)體系結(jié)構(gòu)，馮諾伊曼結(jié)構(gòu)，跟人腦結(jié)構(gòu)完全是兩碼事?？赡芤蚕駨埥淌谡f飛機(jī)的模仿并不是真正像鳥一樣，我覺得肯定是這樣的情況。

接下來很多方面肯定叫弱人工智能也好，這些很多的人的智能方面我們能夠想象得出來，今天人能夠做的事情在不遠(yuǎn)將來，絕大多數(shù)事情，人工智能都可以達(dá)到。

我舉一個小的例子，比如今天大家講你今天可以做視覺識別了，物體識別了，你今天可以做語音識別了，那今天人還有什么事情很了不起，大家覺得通過學(xué)習(xí)的方法，我們可以達(dá)到一個什么樣的高度。很重要一件事情是機(jī)器閱讀，閱讀的能力。我要考高考、考SAT，閱讀一篇文章后，你問一個問題，我可以答一個問題。

像這樣的問題接下來5-10年可能是人工智能很大突破的地方，一旦有突破后，搜索也好、社交網(wǎng)絡(luò)也好、其他商業(yè)應(yīng)用也好，有很多這樣的機(jī)會。

今天大家覺得激動人心的地方是因為以前是完全符號式、公式去做，今天是神經(jīng)網(wǎng)這樣一種解法。它的區(qū)別在于以前符號式做法，你覺得用符號式做法解了一個問題，是可以解釋的，而今天這種神經(jīng)網(wǎng)解法，包括Pony做的圍棋機(jī)器人，他很難去解釋為什么下這一步。

所以，接下來有一個需要研究的問題，從符號式到神經(jīng)式怎么樣回過頭再到符號式，就是研究行業(yè)很熱門的方向，叫做可以解釋的人工智能。

吳鷹：咱們講了這么多人工智能的話題，講一點跟在座嘉賓更接近一點的，我本來想問李彥宏怕不怕微軟，想不想把它干掉，但是沒有什么意義，他們都有很智慧的回答，肯定會回避開。

但是我注意到百度你們的深度學(xué)習(xí)有一個開放平臺，咱們小公司在這方面沒有投入，沒有技術(shù)積累，想要用也是可以用，是免費開源平臺。這個是挺有意義。

你們當(dāng)年決定這么做的時候，你們不覺得這樣開放后會培養(yǎng)你的競爭對手嗎？

李彥宏：我覺得人工智能是一個非常大的產(chǎn)業(yè)，而且是會持續(xù)很長時間。像我們現(xiàn)在的判斷未來20-50年都會是一個快速發(fā)展的人工智能時期。

在這種時代大潮下，顯然不是一個公司能夠把所有的事情都做下來的。相反的，如果說我們先進(jìn)入了這個領(lǐng)域，能夠提供一些平臺給一些尤其是沒有這么多計算資源、沒有這么多做長遠(yuǎn)研發(fā)能力的機(jī)構(gòu)去做他們擅長的，他們對于很多垂直領(lǐng)域可能比我們的了解就會更加深刻，讓他們?nèi)プ龅脑?，他會推動整個人工智能技術(shù)的發(fā)展。

所以從這個意義上講，我們把我們的平臺開放出來，對大家有益，對我們也有益，我們可以在平臺上看到大家在干什么事情，哪些方向發(fā)展會更快一些，哪些領(lǐng)域更適用于現(xiàn)在已經(jīng)解決的技術(shù)。我剛才講人工智能永遠(yuǎn)不可能超過人類的能力，但是當(dāng)他逐步逼近人類能力的時候，其實已經(jīng)是可以一個一個行業(yè)去顛覆掉。

比如說人臉識別這種應(yīng)用，我們今天如果你去機(jī)場的話，要過好幾道安檢，又要把身份證拿出來，比對一下，其實人臉識別這個問題解決后，將來到機(jī)場就應(yīng)該大搖大擺就過去了，他那個攝像頭可以識別，不需要一道一道檢查的。我們在家里自己開一個Party，不可能每個人進(jìn)來先把身份證看一看。但是人多了，幾千人、幾萬人，甚至更多人的情況就要用現(xiàn)在比較笨的辦法一個人一個人對他的身份。

現(xiàn)在這個問題基本上解決了。比如百度大廈，我們那個閘機(jī)就是刷臉可以進(jìn)，到哪兒直接過就可以了。這還是人臉識別一個東西。語音的識別、自然語言的理解等等，都是可以。

未來人和物的交流方式，人和工具交流方式，不是人學(xué)習(xí)工具怎么使用。人和動物的區(qū)別就是人發(fā)明了工具，但是人發(fā)明了工具之后，是發(fā)明人寫一個用戶手冊告訴你這個東西怎么用，電視怎么用、冰箱怎么用，這些東西，電腦手機(jī)怎么用，我們要學(xué)習(xí)用鍵盤，小時候都要學(xué)打字。

未來應(yīng)該是機(jī)器、工具學(xué)習(xí)人的意圖，以后人再也不需要學(xué)習(xí)工具怎么用了，我要這個工具干什么，他就能夠明白，這就是我希望用人工智能方法解決理解人的自然語言，以后人和機(jī)的對話、人和物的對話就變成一種自然語言的對話，這是未來幾十年可能代表人工智能發(fā)展最大的方向。

吳鷹：確實這樣的話，從剛會說話的小孩兒1歲多到很老的老人都可以簡單使用計算機(jī)了，這個確實沒有什么太難的。像我母親，她就是老學(xué)不會手機(jī)怎么用。我就想給她用iPad，最近要給拿弄一個。

我想問一問馬化騰，微信，再加上QQ，這是世界最大的社交網(wǎng)絡(luò)，里頭有大量的數(shù)據(jù)。剛才前面發(fā)言人都重復(fù)講了，大數(shù)據(jù)是人工智能非常重要的方面。從中國來講，在算法上現(xiàn)在還落后于美國，剛才李彥宏也講了完全超過人類是不可能的。

大數(shù)據(jù)這么重要的話，微信在很多方面已經(jīng)超過社交了，現(xiàn)在是生活很重要的一部分，剛才說你去公園買一個2塊錢小孩玩具，微信支付都可以做。

你們有沒有可能把數(shù)據(jù)分享出來，讓創(chuàng)業(yè)公司大家來用？

馬化騰：這個問題在內(nèi)部我們也有激烈討論。

首先看人工智能我們關(guān)注那幾塊，第一個是場景。場景就是你想把這個技術(shù)應(yīng)用在什么場景下，你是不是有高頻的跟用戶接觸，這是一個落地的很重要的地方。所以我們看到很多研究院也好，包括我們內(nèi)部研發(fā)團(tuán)隊。如果沒有場景落地，沒有平臺支持，基本上就是空中樓閣，研究一半很難往下走。

第二個是大數(shù)據(jù)。大數(shù)據(jù)也是從平臺、業(yè)務(wù)部門有大量實際運轉(zhuǎn)數(shù)據(jù)才能產(chǎn)生出來。但是這里面很多大數(shù)據(jù)是垃圾數(shù)據(jù)，因為沒有標(biāo)簽，每人做規(guī)劃定義，用多好的算法也學(xué)不出來，學(xué)出來也是走火入魔，沒有用的。數(shù)據(jù)清洗、標(biāo)簽化難度非常高，我們甚至要雇傭很多人用人手的辦法，先用人腦清洗干凈，再讓AI學(xué)習(xí)。這里面是一個混合結(jié)合的過程。

第三，計算能力。也就是你有云的資源，拿幾十萬核的計算能力，CPU、GPU，我們還是有這個能力的。而且在云里面本身就可以很好的調(diào)用，這是我們第三個優(yōu)勢。

第四個，一年前我們比較缺乏的就是人才。通過一年我們也招了挺多的人，我們在微軟、在西雅圖還設(shè)置了一個實驗室。因為很多微軟的人不愿意離開西雅圖，所以我們就在旁邊設(shè)，沒有辦法，人才就是這樣。幾個方面結(jié)合起來才有辦法真正在某一個領(lǐng)域看到它的成效。

我們現(xiàn)在觀察到很多的AI所謂的大拿們，他們更關(guān)注怎么落地，能不能把畢生研究成果能夠體現(xiàn)出來，所以在我們內(nèi)部在吸引人才的時候，往往也會說你們微信、手機(jī)QQ里面的平臺數(shù)據(jù)能不能給他們用。

但是事實上大家都知道，BG、部門里面的平臺他們也很希望近水樓臺先得月，數(shù)據(jù)就在我身邊流動，我為什么不能招人先研究一把，為什么給你呢？我們現(xiàn)在還處在內(nèi)部怎么把數(shù)據(jù)分享出來這個階段。

當(dāng)然這里面還有一個用戶很關(guān)注的個人隱私：別把我的數(shù)據(jù)都賣了，到時候大家都知道。這里面還有一個很復(fù)雜的信息安全個人隱私脫敏，你是不知道無法根據(jù)數(shù)據(jù)倒推到哪一個人做了什么事情，我們要把這些處理干凈才能往下一步談。

這里面數(shù)據(jù)清理到什么標(biāo)簽，才能給其他部門、包括外部合作伙伴怎么用。同時有很多數(shù)據(jù)來自合作伙伴，業(yè)界其他公司，他們也遇到這樣的問題那者一堆裸數(shù)據(jù)不怎么用，這樣業(yè)界還要有一個標(biāo)準(zhǔn)，互惠互利交換，這是一個大方向，還有很長的路要走。

吳鷹：大數(shù)據(jù)清理之后，有針對性的，對業(yè)界別人是一個價值，別人也是一個補(bǔ)充。我相信人工智能是一個全社會的協(xié)調(diào)最后發(fā)展的過程。剛才朱民講有那么多問題，所以政府也要介入來做。

其實還不光是中國，是一個世界范圍內(nèi)大家協(xié)同做一些事情。微軟如果大家愿意跟你們合作，你們是不是感興趣這個事情？

沈向洋：你剛才問Pony這個問題問的非常好，作為大公司來講，特別是成功大公司來講，我們對社會有一個責(zé)任，對行業(yè)有一個責(zé)任。當(dāng)我們行業(yè)做的很成功，第一件事情就是開研究院?，F(xiàn)在Pony也開研究院，唯一做的不對的就是開到微軟門口去了。

我也想分享一下在微軟的工作經(jīng)驗，你說叫這些公司把數(shù)據(jù)拿出來，讓初創(chuàng)公司或者其他公司去用，我覺得不見得很現(xiàn)實、不見得很容易，Pony剛才解釋的很好。但是我想鼓勵大家，很多的數(shù)據(jù)如果我們愿意花時間、花精力做一點處理，就像Pony剛才講的，然后讓研究人員去用，完全是可以做到的。

我們微軟出了兩個數(shù)據(jù)集，一個是計算機(jī)視覺標(biāo)準(zhǔn)方面的集，這樣可以做數(shù)據(jù)分割、物體分割。最近做了另外一個數(shù)據(jù)集是在自然語言，希望有一批新的做問題問答。這樣推動研究領(lǐng)域，大家在標(biāo)準(zhǔn)集下，不斷把標(biāo)準(zhǔn)集數(shù)據(jù)越做越多。我們做的方法是用搜索引擎數(shù)據(jù)，非常小心處理過，包括很多隱私的問題等等。拿出一些數(shù)據(jù)讓大家做研究是非常實際的，完全可以做到。

吳鷹：Pony大家很支持你的觀點，將來我們也期待像BAT這樣的大公司，不但是說數(shù)據(jù)拿出來分享，剛才Pony還主動提到包括運算能力分享都有可能來做，這樣對創(chuàng)業(yè)公司、中小公司，包括政府、研究機(jī)構(gòu)特別是大學(xué)，非常重要。

其實利潤這個事兒對企業(yè)在某些方面是制約企業(yè)發(fā)展的，他一定要完成這個利潤，他是一個上市公司要做到這些。這就相對的眼光短一點。

但是你轉(zhuǎn)型在智慧城市上鍥而不舍做了6-7年的積累，我剛開始一直打擊他，你跟政府做很多事賺不到錢，你跟政府收多收少都不合適，你們跟人工智能有關(guān)的發(fā)展上有沒有一個規(guī)劃，還是希望跟這些公司合作在人工智能方面的發(fā)展？

郭為：今年發(fā)生了一個比較大的并購案，就是因特爾收購了 Mobileye，Mobileye是以色列的一家公司，做汽車駕駛輔助的，Mobileye在1000萬輛傳統(tǒng)的汽車上裝載了數(shù)據(jù)采集的東西，每天收集的數(shù)據(jù)量差不多相當(dāng)于現(xiàn)在3000億個個人生成的數(shù)據(jù)量，由于有這些數(shù)據(jù)將會支撐因特爾未來在超算上，在大數(shù)據(jù)領(lǐng)域的發(fā)展。

神州數(shù)碼整個大的體系就是想利用我們在傳統(tǒng)行業(yè)的優(yōu)勢去挖掘，剛才講深網(wǎng)數(shù)據(jù)，少春是再ERP的公司，ERP的數(shù)據(jù)是不可以在互聯(lián)網(wǎng)上直接進(jìn)行傳輸?shù)?，它是深度?yīng)用的數(shù)據(jù)。

今天BAT很大的優(yōu)勢就是在互聯(lián)網(wǎng)上已經(jīng)完全壟斷了數(shù)據(jù)。客觀講只要他們不犯錯誤的話，別人是沒有機(jī)會的。當(dāng)然企業(yè)犯錯誤是必然的，只是說在哪些方面不犯錯誤，對未來的看法一旦哪個地方出現(xiàn)空位的時候，其他新的公司就出來了，比如Mobileye十幾年在數(shù)據(jù)上的積累，一下子就被大家認(rèn)可了他在輔助駕駛上的能力。

我們在農(nóng)業(yè)、醫(yī)療、制造業(yè)，我們給工商總局做廣告登記的服務(wù)，那也就是全中國所有的商標(biāo)注冊登記，我們掌握了全中國所有的商標(biāo)注冊的公司，你的企業(yè)究竟哪個商標(biāo)用得最多，哪個商標(biāo)價值最大，我們完全可以通過數(shù)據(jù)分析的辦法來做，這里面蘊藏了大量的商業(yè)價值。

這些東西怎么做？我覺得就是要和現(xiàn)在成功的，或者說在人工智能上走在前面的公司去做，發(fā)揮我們的優(yōu)勢深網(wǎng)數(shù)據(jù)挖掘，然后脫敏，打上標(biāo)簽，然后和別人合作把這個東西做好。這個就是我們要做的。今天我去跟BAT在互聯(lián)網(wǎng)競爭，那我是找死，那是完全不可能的事情，那真是活膩了。

李彥宏：合作的空間是巨大的。

郭為：但是數(shù)據(jù)是可以一起合作的。

沈向洋：還是跟微軟合作比較好。

吳鷹：好，有點味道了，李彥宏和Harry都在向你遞橄欖枝，你要聽話聽音，你做苦逼活那么多年了，很多數(shù)據(jù)在后面做了很多苦活。今天在臺上的嘉賓，雖然Harry一直沒有回答我的問題最想干掉誰，但還是非常精彩的答案，我們開了一個非常好的頭。