IBM大中华区首席技术官沈晓卫：预测人工智能未来走势

[ 亿欧导读 ]人工智能时代是一个供给端创新带来巨变的时代。展望未来几年，人工智能时代的技术创新，涵盖在四个方面，人工智能核心技术，新的计算能力，人工智能与区块链与物联网的结合，及人工智能与行业的结合。

2017年12月30日晚，“预见2018”吴晓波年终秀在无锡灵山梵宫举行。在本届年终秀的下半场，IBM全球副总裁、IBM大中华区首席技术官沈晓卫，预测了未来3-5年人工智能将对商业世界造成的影响。如下是根据演讲内容整理而成。

预测未来最好的方式是去创造未来。今天与其我们来预测未来的技术，不如根据我们今天已经开始的创新，来谈谈未来的技术。套一句时髦的话，叫作未来已来。

IT的未来是人工智能

这是一个指数级增长的时代。过去几十年，信息技术的进步相当程度上归功于芯片上晶体管数目的指数级增加，及由此带来的计算力的极大提升。这就是所谓的摩尔定律。

在互联网时代，互联的终端数也是超线性的增长，而网络的效力大致与联网终端数的平方成正比。今天，大数据时代产生的数据正在呈指数级增加。在指数级增长的时代，我们可能会高估技术的短期效应，而低估技术的长期效应。 历史的经验告诉我们，技术的影响力可能会远远的超过我们的想象。

这是一个人工智能的时代。人工智能代表了信息技术的未来。这个时代的标志不仅仅是一个应用的出现，或一个算法的改进，或一场比赛的胜利，而是人工智能重新定义我们生活的世界。

未来的人工智能

伴随着大数据时代的到来，人工智能在过去的十年取得的巨大的进步。但今天的人工智能，更多的是狭窄的完成单一任务的人工智能。如人脸识别，语音识别。能够解决所有问题的通用人工智能离我们还有太遥远的距离。今天我们有很多研究在这个方向，这是一个长远的目标。

从实际应用角度来看，在可预见的未来，我们会看到人工智能从狭窄走向宽广，从完成单一任务到完成多个任务，从解决一个特定问题到解决一个领域甚至跨领域的的多个问题。

未来的人工智能，我们会看到不断增强的学习推理能力。如何从小样本小数据中学习变得非常重要。面向消费者的人工智能，积累了大量数据。比如图像识别，我们可以用大量数据训练一个模型。而面向企业的人工智能，对于特定的任务，往往没有大量的数据可用。

多模态学习将会变得越来越普遍。比如人工智能剪辑电影，需要根据图像，音乐，语言来理解视频的涵义。未来的人工智能，需要能够解释结果，即不但给出建议，还能解释为什么给出这样的建议。

未来几年，人工智能会从云向边缘端扩展。比如可穿戴设备，物联网终端设备。很多场合我们需要实时的信息处理，如自动驾驶的汽车，为病人服务的医疗设备。实现边缘智能，需要低功耗的智能设备。

我们会看到米粒般大小的智能设备，集计算，存储与网络功能于一体。人工智能从云向边缘端的移动，把人工智能与物联网结合起来，使得我们可以对物理世界进行更好的理解，管理与优化。比如环境监测，比如车联网。

企业人工智能与行业创新

我们会看到更多人工智能在垂直领域的行业创新。比如医疗，金融，工业制造。今天的人工智能，更多的是面向消费者的人工智能。未来几年，我们会看到企业人工智能的兴起与发展。人工智能的成功需要商业成功，而人工智能的商业成功需要人工智能在行业应用的成功。

谈到人工智能，我们往往会谈到数据，算法与计算。实际上，人工智能用于行业创新，应用场景的选择非常关键。你问一个马车夫，他永远不会告诉你他需要一辆汽车。需求的确定不容易,这里涉及到信息技术与行业知识的结合。

人工智能专家不具备深刻的行业知识，而行业专家又不完全理解人工智能今天发展到什么程度，未来几年可能会取得什么样的进展。二者结合在合适的时间点选择合适的项目，就变得非常重要。

今天的人工智能技术还不能解决我们面临的全部问题。对于今天技术不能完全解决的问题，可以由人与机器协作共同完成，人机同行，共同完成人类或机器单独不能完成的任务。

人工智能应用在行业中，会带来两类改变，一是借助机器提高效率，二是提供基于知识的专家助手帮助我们更好的决策。前者人工智能取代部分人力，后者人工智能赋能人类专家，增强人类的能力。

我们会看到人工智能技术用于制造业，如视频分析用来做产品缺陷检测与质量控制。我们会看到人工智能医生。根据医学指南，与临床数据中学到的知识，为人类医生提供实时的诊疗建议。我们会看到人工智能律师，引用相关的法律文献，发现相关案例，向人类律师呈现最有价值的法律信息。

今天的人工智能，需要大数据训练模型，用于训练的数据需要标注，费时费力。未来的人工智能，我们可以基于已构建的相关领域的模型，再辅以新的数据快速 学习，构建新的模型。针对行业领域，我们需要预先构建哪些模型，如何构建，都是接下来需要关注解决的问题。

人工智能时代的安全与伦理

人工智能时代，信息安全面临全新的挑战。

一方面，人工智能技术本身可能被用来考验与攻击信息系统的安全。

另一方面，人工智能可能因为学习了有瑕疵的或被恶意更改的数据，而产生了安全的隐患，或伦理的缺陷。

如何确保数据的安全，如何验证人工智能模型的安全与合乎伦理，是我们未来需要应对的问题。

未来的商业交易

从一个特定维度看，人类的活动无外乎生产、交易、与消费。

未来的交易将会因为区块链技术被彻底的改变。交易过程中往往需要身份验证，授权许可，及各类文档的审核。区块链将消除这些交易中的不便与成本，使得大量交易可以实时可靠地完成。

未来几年，我们会看到区块链的广泛应用，及区块链与人工智能的结合。如金融交易，供应链管理，食品安全。未来区块链对商业交易的改变，将如今天互联网对信息的改变。

未来的计算能力

人工智能需要强大的计算能力。计算机的性能过去30年提高了一百万倍。随着摩尔定律逐渐趋于物理极限，未来几年，我们期待一些新的技术突破。

先谈一下类脑计算。传统计算机系统，长于逻辑运算，不擅长模式识别与形象思维。构建模仿人脑的类脑计算机芯片，我们今天可以以极低的功耗，模拟100万个神经元，2亿5千万个神经突触。未来几年，我们会看到类脑计算机的进一步的发展与应用。

我们接下来谈一下模拟计算。传统计算机系统，数据在存储器与计算单元之间移动，耗费时间并增加能耗。运用存储设备的物理特性，存储器内能够进行一些特定的运算，以达到同时进行计算与存储的目的。

例如，利用相变存储器进行模拟计算。这种模拟计算虽然没有数字计算精确，但对于很多不要求绝对精度的人工智能问题，可以极大地降低能耗并提高速度。

谈到计算的未来，我们必须谈一下量子计算。如果十年前你问我量子计算，我可能告诉你在我退休前它都只会存在于实验室中。但在过去的几年时间里，我们在量子计算上取得了令人振奋的突破。让我们对这项可能根本改变计算的技术，包括它的实际应用于商业前景充满了期待与遐想。

对合适的问题，超级计算机几十万年才能完成的工作，量子计算机可能不到一秒钟即可完成。量子叠加与量子纠缠让量子计算能够指数级扩展，解决一些传统系统无法解决的问题。量子计算机的商业化，可能比我们的想象快许多。

人工智能时代的创新战略

人工智能时代是一个供给端创新带来巨变的时代。展望未来几年，人工智能时代的技术创新，涵盖在四个方面，人工智能核心技术，新的计算能力，人工智能与区块链与物联网的结合，及人工智能与行业的结合。

预见2018

人工智能将影响到每一个行业，每一家企业，每一个人，让我们重新思考我们的定位，重新思考我们的核心竞争力。

这是一个让我们向往与憧憬的未来，这是一个让我们兴奋与期待的未来，这也是一个让我们不安与担忧的未来。

正如计算机科学的奠基人图灵所说：我们只能看清前方很近的距离，但我们能看到那里有太多的事需要去完成。我也把这句话作为我的结束语。

1. 无所不在的人工智能：从云到边缘

2. 企业人工智能将全面兴起

3. 区块链将重塑未来的商业交易

4. 量子计算为未来提供无限可能

亿欧智库根据当前大数据、人工智能、区块链三项技术在保险行业的落地情况撰写了《大数据、人工智能、区块链的行业落地——2017中国保险科技报告》，希望通过本次研究来探究保险行业的发展过往、业态特点，以及前沿科技中大数据、人工智能、区块链三项技术在保险行业的具体落地情况，并且对行业未来的发展做出展望。