专栏首页AI科技大本营的专栏李开复:十年后中国AI市场将占据半壁江山,我已退掉3点钟区块链群

李开复:十年后中国AI市场将占据半壁江山,我已退掉3点钟区块链群

作者 | 明明

3月7日,长城会在北京举办了第十届“GMIC北京2018发布会暨AI主题沙龙”活动。据悉,今年的GMIC北京2018将于4月26-28日在北京国家会议中心举办,以“AI”生万物为主题。

沙龙上,长城会创始人文厨与创新工场董事长李开复、地平线创始人兼CEO余凯、盛景网联创始人兼董事长彭志强各自发表了对AI的看法:

李开复:未来十年中国的AI将占全球的半壁江山;

余凯:五年内,图像识别领域的格局将会最终确立;

彭志强:毫无疑问,十年后中国AI市场将超过美国。

文厨调侃本次大会的主题称:“已经有人建议我,说今年的大会主题改成区块链,不是AI生万物。”对此,参与沙龙活动的李开复发声表示:我已经退掉3点钟区块链群。

▌AI可以分为四个波浪

沙龙上,李开复从创新工场投资分析的角度,分析了AI层次的四个波浪,并认为在这四个波浪中美会各占优势。

第一个波浪:互联网AI

数据最多的是互联网公司,中国在这方面数据要超过美国,而且美国在数据方面面临着不同监管,尤其是欧盟出台的隐私监管,这对美国来说是一轮挑战。中国用数据创造出价值的互联网公司,我们最熟知的是:今日头条和快手,这几年要是没有AI的话不会做的这么好。

所以我觉得对于互联网公司来说,过去肯定是美国领先,但是中国正在快速赶超,五年后中国的AI在互联网创造的价值将是最大的。当然大部分这些可能不是你们说的自然语言理解,无人驾驶那种科幻的东西,而是把大量的互联网数据转换成为价值。

第二个波浪:商业AI

商业AI就是银行、保险公司、零售,也包括医院癌症等等,大量的已存数据用AI激活,在它的商业流程中创造价值,这方面我觉得中国赶超美国是有一定难度。因为美国在过去十几年、二十几年中它的数据仓库等等的技术非常的成熟,它的数据是立即可用的。中国也建了几家大的公司,它们的数据不要说结构化了,甚至清洗还有问题。

当然我们认为传统企业中还是有很大的机会,尤其是零售这个行业。我们想到无人商店会首先想到Amazon Go,其实这并不是第一个产品,无人商店一步到位,里面一个人没有这其实并不是我们的目的,我们要看怎么样让客户的体验更好。所以我觉得中国的各种各样百花齐放的无人商店的尝试,会让中国在这个方面超越美国。但是整体来说商业数据启动的AI,我觉得美国会保持领先。

第三个波浪:感知AI

我觉得在整个癌症医疗数据或者在人脸识别、物体识别,中国会捕捉更多的数据。比如说在教室或零售商店里放了很多摄像头能够帮助增加用户体验,这样用个人隐私来交换更高的用户体验的方式,中国人相对是能接受的,美国是相对不太接受的,欧洲人是非常反感,所以这个会导致中国在这个方面可以推动着比较快速。

在癌症方面,中国的数据肯定更多,但是中国的数据没有被整理。还有很多中国的医疗标注的数据还是不如美国顶尖的癌症医院标注的那么精确。在数据不能达到一定的精确度的时候,是不是越多越好,还需要时间验证。总体我跟陆奇一样持乐观态度,所以在第三个方向,语音和视频,感知方面我觉得中国五年后肯定会超越美国。

第四个波浪:自动AI

这个层面我认为中国也会有相当大的机会。就像刚刚余凯说的,现在我们离Google Waymo的距离还是很远的,至少还要两年的距离。是不是能够因为更多的数据,更多的资本,更多的创业者和政府的支持能让它滚动的更快?另外美国和欧洲还有很多政策方面的问题,例如纠结在道德问题上。

在自动驾驶上面如何去判断,为什么这里做出一个左转的选择,撞到一个婴儿,而没有做出别的选择。我觉得亚洲的政府更会觉得说整体上我们的丧失的生命变少了,健康的损害变低了,所以我们就来推动。西方的思维可能更多的是因为每一条生命都要给我解释的非常清楚,哪怕你救了十个人,但是影响了三个人,这三个人解释不清楚,那十个人我不在乎。这种的政策和人的环境跟社会的习惯,可会让AI推动受到一些阻挠。

所以我的结论是在第四方面,在机器人和无人驾驶,虽然今年中国离美国有相当大大距离,但是我认为五年是可以拉平,甚至也不排除领先。

▌十年后中国AI占全球半壁江山

随后针对文厨的提问:移动互联网十年我们是半壁江山,十年后人工智能时代中国是不是能够达到什么水准,能达到半壁吗?三位分别作出了如下回答。

李开复:我觉得从应用和市值来说应该超过半壁江山,可能60%左右吧。但是在处理器方面,在操作系统方面,在顶级科学家方面未必能超过。这和移动互联网有点相似,但是比以前要好,因为移动互联网时代,“顶级科学家”中国可能1%都没有。现在我们有5%往上走,所以总会有一些进步。

余凯:人工智能的发展,用巴菲特的话来讲是非常长的雪道。我认为未来10年发展只是开始,也许要20年的时间才能尘埃落定。因为到现在为止,无论是在图像识别、还是语音识别上的研究和进展,都是人工智能里非常初级的部分,还远没有到达决策和认知上。但在图像识别领域的战争将会在五年之内结束,格局将会确立。

彭志强:在AI领域我们看到中国公司的估值涨的很快。以色列和美国的公司估值慢很多,包括市场化进展没中国动作那么凶猛。所以我觉得,从市场的角度来看,在十年以后中国的市场应该说毫无任何悬念在AI领域是超过美国的。

当然这不仅仅指的是AI,大概在2030年中国的经济总量应该是跟美国持平。所以说中国新经济的渗透率还是很客观的。再加上我们在“一带一路”也是比较有进取心的。所以我觉得总体上来讲中国在AI这些新的领域里是会超过美国。

中国的特点是市场很凶猛,政府的动力也很强劲,进取心很强,所以说这两个力量汇集起来,在新兴经济我们确实有明显的后发优势。但是确实刚才像开复老师讲的在根基方面,从科学家到整个基础的底层技术方面我们还有很长的路要走。

未来阅读的内容大部分将是AI写的

沙龙现场,收看直播的网友提出问题:AI如何改变媒体行业?李开复回答称:未来5-10年,我们看到的大部门内容都会是机器写的。

李开复:媒体基本是内容的产生和内容的筛选。美国前一阵有个比较大的争议,Facebook上的内容的筛选和排序,AI是否取代了传统媒体?我们看到的结果是扎克伯格做出了让步,因为他一直坚持AI做编辑是可以做非常好的,因为是针对用户的阅读点击得到的结果。美国的媒体集合起来攻击Facebook,说你看看你排出来的东西,哪一个是有内涵的。

这需要具备一定的平衡传媒精神,首先用户需要得到什么知识,还要考虑到用户的点击量。我觉得Facebook有这么多AI大牛没有做出很好的算法,是很可惜的事情。因为这个事情是可做的。未来还需要不断摸索解决,因为纯靠点击量,做出来的可能是充满着标题党或者不好的内容。真正应该阅读的那些,现在看来好像还需要人工来编辑。我觉得最终应该是有一个决策机制把这两者结合起来。

以后的简短内容都会是机器产生的。如果将来写的都是模板型的内容,如昨天的体育赛事等,你们的工作肯定会被取代的。所以我觉得记者和内容工作者一定是要写更深度的、更有观点的、更有态度的,是机器人简单的单领域思维或者拼凑写不出来的。但是即便如此,我觉得我们未来5-10年以后,我们读的大部分东西是机器写的,读的最好的东西还是人工写的。

本文分享自微信公众号 - AI科技大本营(rgznai100)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-03-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 深度判别和共享特征学习的图像分类

    秋雨思童年,落花念爱霖!一场秋雨的洗礼,让我们进入了真正能感觉得到的秋季。秋季是丰收的季节,不知朋友您收获如何?但是我相信您一定硕果累累,满载着各种成果、业绩和...

    计算机视觉战队
  • 人工智能训练使用视网膜扫描发现心脏病风险

    谷歌及其子公司Verily的科学家们发现了一种利用机器学习来评估一个人患心脏病风险的新方法。通过分析病人眼睛后部的扫描结果,该公司的软件能够准确地推断出数据,包...

    人工智能快报
  • 设计中的类比思维与人工智能的图像类比算法

    这篇属于论文解读系列,往期写过一篇关于平面设计作品视觉焦点识别的论文解读,本期解读下《Deep Visual Analogy-Making》这篇论文。 ? 有没...

    mixlab
  • 人工智能设计师之“模仿”能力

    今天更新一篇文章,往期《人工智能设计师系列》,可查阅: 人工智能设计师之智能排版的另一种实现方式 电影封面海报个性化推荐+人工智能设计师 聊聊人工智能建筑师 人...

    mixlab
  • 基于深度学习的视频内容识别

    好久未和老相好的您们面对面的知识交流过,不知道大家最近科研是否顺利,有没有新的想法和创新,我都会祝学术界的您科研硕果累累,祝工业界的您工程完善更多智能化功能,造...

    计算机视觉战队
  • 最近流行的激活函数

    最近又看了点深度学习的东西,主要看了一些关于激活函数的内容,不知道算不算新颖,但是我想把自己阅读后的分享一下,请各位给予评价与指点,谢谢! 一般激活函数有如下一...

    计算机视觉战队
  • 神经网络体系搭建(二)——深度学习网络

    本篇是神经网络体系搭建的第二篇,解决体系搭建的深度学习网络相关问题,详见神经网络体系搭建(序) 深度学习是一个已经被说烂了的词,几乎说起人工智能,非专业人士也会...

    刘开心_1266679
  • 【Keras】基于SegNet和U-Net的遥感图像语义分割

    上两个月参加了个比赛,做的是对遥感高清图像做语义分割,美其名曰“天空之眼”。这两周数据挖掘课期末project我们组选的课题也是遥感图像的语义分割,所以刚好又把...

    机器学习AI算法工程
  • 未来人工智能之人脸领域技术

    部分来源于《机器人大讲堂》和《2017年中国人脸识别未来发展路径、市场需求、市场发展空间预测》 ? 近年来由于深度学习爆炸式的发展,已经带动了整个行业的发展。...

    计算机视觉战队
  • 主成分分析降维(MNIST数据集)

    今天看了用主成分分析简化数据,就顺便用MNIST数据集做了下实验,想直观地看一下效果,并通过完成这个小demo深入理解下原理。 我发现“是什么、能做什么、怎么用...

    刘开心_1266679

扫码关注云+社区

领取腾讯云代金券