第四届世界互联网大会聚焦人工智能

陈因:

谢谢国际电信联盟肖勒先生的精彩致辞，下面有请中国科学院院士张钹作演讲，大家欢迎！

2017-12-04 09:16:48

中国科学院院士张钹:

各位领导，各位来宾，很高兴有机会来讲一下，我今天重点围绕让人工智能使得我们的生活更美好。大家都知道，从两年前围棋程序实现了“三级跳”，在“阿尔法狗”出现之内，国内外做很多的围棋程序，基本上只能做到业余水平。为何一夜之间围棋程序能够实现“三级跳”？从业余到专业，从专业打败世界冠军，又从打败世界冠军现在远远超过世界冠军？大家做了很多的解读，其实这两头就是一个最重要的问题是思想上的转变。我们过去做围棋程序时都将它看成跟下象棋一样是一个理性分析的过程，后来发现下围棋和下象棋完全不同，下围棋是通过感性、直觉、棋感，并不是理性分析的，因此，“阿尔法狗”完全将下围棋作为模式识别问题来做，所以这个问题一下迎刃而解，如果你是一个模式识别问题，有三个因素就非常容易解决这个问题，这便是大家常说的它背后的深度学习算法，所谓人工智能算法，数据和计算机的能力充分应用上去。这就是靠数据的力量、算法的力量和计算机的能力使得围棋程序一下战胜了人类。而且大家都觉得非常奇怪，为什么围棋能够从零开始最终用36个小时达到和超过了人类的水平，这就是围棋带给我们的思考。

2017-12-04 09:29:39

张钹:

利用数据，利用人工智能算法，我们可以不要任何的围棋知识，就能够做这个事情。那我们需要思考的问题是很多人对“阿尔法狗”超过人类，一方面觉得很鼓舞，另外也觉得很担忧，像下围棋对人类来讲这么困难的事情计算机可超越人类，那我们的很多工作是否会被它所代替？所以，我们下面要分析一下哪些工作是能够被计算机代替的。这里要分析一下围棋对人类来讲是非常困难的，但对计算机来讲，它不困难。

2017-12-04 09:29:59

张钹:

原因在哪儿？这就是我这里列的五个条件，围棋尽管非常复杂，它是根据非常简单的规则在哪儿发展的，它是完全信息的，对下棋双方来讲，对方怎么下，我怎么下都是透明的，没有不确定性，它是一个确定性的，且是单个任务单个领域。如果符合这五个条件，计算就非常容易解决，如果我们的工作符合这五个条件，计算机就能够很容易被代替。那哪些工作是A类工作？这A类的工作是严格照章办事，就像下围棋一样按照一个完全确定的规则来做的，而且这里头的场景无变化，完全信息，确定性的，流线知识的。如果我们的工作符合这几个条件就跟下围棋一样很容易被机器所代替，这个工作大家都说过很多了。我这里举出来的这一类工作都符合下围棋的五个条件，对计算机来讲是容易的，对人类来讲可能有一定的困难，但对计算机来做是容易的，所以这一类工作肯定会不断地被机器所代替。

2017-12-04 09:30:51

张钹:

当然机器还可以做人类难以做的危险的工作，这是没有问题的。刚才讲的那些工作被代替，对人类是不是威胁？实际上不威胁，因为这一类工作也是人类做不了的或是危险的。上面讲的任务都属于规范的日常事务，这种工作有一定的重复性，所以对人类来讲大多数人还是不愿意做或是不善于做的，所以这种代替对人类来讲还是受欢迎的。你用这个去训练它，猫，你要用不同背景下和不同情况下的猫去训练它，我们要成千上万个样本去训练它，它认识猫了。如果你用一个背景，从来没见过猫的给它看，它不认识。原因是它本质上没有认识什么是猫，它只是将不同的图片区分开来，这就是深度学习，所谓数据驱动本身所造成的。这就非常危险，计算机做出来的决策在人类看起来完全是错的，但你不知道它错在哪儿，这是不可解释、不可理解。所以，目前人工智能的主攻方向是往可解释可理解的人工智能方面走。

2017-12-04 09:31:02

张钹:

比如说这两张图，人类一看起来，一个男一个女，它肯定认为这是两个人，但你给计算机去看的话这绝对是一个人，因为这两个人太像了，所以这里头我们要看到计算机的系统，特别是用深度和大数据学习的系统，它缺乏智能，它只是一个机器来区分不同的物体，所以我们现在的任务就是要将这种机器提升到人的智能的水平上去，这就是我们目前面临的任务，因为这个任务在决策系统中是至关重要的。模式识别系统理论错了，识别率就少一点，问题不太大，而且在模式识别系统，你将双胞胎认错了，也算一个错，将石头看成人，也算一个错，但在决策中，你把石头看成人，这在决策中就是大错。

2017-12-04 09:34:09

张钹:

所以很显然，这完全是通过生数据黑箱学习的结果，数据驱动的方法就是黑箱学习，如果用生数据来进行学习，没有领域的知识，过去我们说这是一个优点，但同时带来致命的缺点，所以我们未来走向可解释人工智能，我们要将这个黑箱打开，最近我们和外国人都做了很多工作，把这个黑箱打开，问题究竟出在哪儿？根据这个问题我们加以解决，只有两条路，没有别路，向大脑学习，这是当前的脑计算。还有将知识驱动和数据驱动结合起来，不能没有知识，我们人类的智慧绝大部分产生于知识，不是产生于数据，这样建立的系统就可以很好地进行人机交互、人机合作，让我们的工作和生活更美好。谢谢大家！

2017-12-04 09:34:25

陈因:

感谢张院士的精彩演讲！刚才张院士列举了一些很容易被继续取代的工作，我想论坛主持人也很容易被取代的。下面有请美国科学院院士、图灵奖得主约翰·爱德华·霍普克罗夫特先生为我们带来“深度学习技术”。

2017-12-04 09:38:25

美国康奈尔大学教授、图灵奖得主约翰·爱德华·霍普克罗夫特:

非常感谢能够参加此次论坛，有这个机会跟大家谈论一下人工智能。 我们其实已经经历了好几次革命，第一次是农业革命，是十万年前；当时基本上20万年以来人类是在狩猎方面有所建树，这个就是关于农业革命。之后是1700年之后的工业革命，我们就开始采用一些机械的方式，现在我们经历了信息化的革命。在我小的时候50年前，当时我们是需要电梯的操作员来进行操作的，而那些工作后来由于自动化的取代，这些工作就消失了。还有包括一些自动驾驶的车辆在飞速自发展，美国有350万的火车司机，他们就像之前的电梯操作工一样，这些会被替代。因为火车司机一天只能工作八小时，但是无人驾驶的话一天24小时都可以工作的。从洛杉矶到纽约现在只需要两天，以前是需要四到五天，会需要花费更少的时间。而且我们需要的卡车，货车也没有那么多了。

2017-12-04 10:01:13

约翰·爱德华·霍普克罗夫特:

经济学家经常会说有一些工作会消失，但是还会有一些工作。我和一些人谈到，我们现在会进入到一个时代，只有25%的劳动力需要满足我们所需要的一些商品和服务。如果说这样的话，人们可以每周工作20小时，并且可以在45岁退休了。而这些工作需要正规大学的教育，如果你的职业生涯是40年的话，这样的话劳动力的规模会额外的减少20%国外。现在我们需要思考一些关键的问题，就是这个多就会发生，以及有多少百分比的人找到工作，我们需要什么样的工作呢？可能需要大学教育，以及人类和社会每个人都有基本的生存的资源。如果我们在45岁退休，接下来做什么？我们如何来举行有意义的活动。

2017-12-04 10:08:04

约翰·爱德华·霍普克罗夫特:

人们说，世界只有两个国家从AI从收益，也就是中国和美国，因为其他的国家是没有基础设施的，而发展中国家在生产一些机械性的工具的时候，门槛是非常高的，而进入AI的门槛也是成本非常的高。工业革命我们是让许多的物理自动化，现在在信息中我们也能够把智力自动化。这其中重要的一件事是过去10到15年的机器学习，我们现在可以监督机器来学习，这个是非常令人振奋的技术，已经生产出很多的产品，而且其实机器也可以不停的监督在学习，包括图象识别，你进入商店的时候，这个商店就能够识别你，知道你过去买了什么东西，以及什么样的产品对你来说是有价值的。语音识别在你未来打电话给公司的时候，你不是和电台的接线员打交道了，还有自然语言处理技术。

2017-12-04 10:13:08

约翰·爱德华·霍普克罗夫特:

我们看到一些电影，还有包括电影中的一些评论，有一些评论是假的，是由机器人所发的，所以说技术能够识别哪些是真的还是假的，是正面的还是负面的。政府的部门不需要像原来一样审阅这些言论了。亚马逊也开了一家杂货店，是不需要结账的，是自动的进行购物和扣款的。还有包括医疗的诊断以及助理等等，计算机能够比人类更好的诊断图像，还有包括教授也说到这一点了。 这其中的驱动力就是人工智能，下面我向大家快速介绍一下深入学习。

2017-12-04 10:13:23

约翰·爱德华·霍普克罗夫特:

2012年发行了一场非常深刻的变革和革命，这里是一共有120万张图片，一千个类别，大家可以看到这个内容，如果我们可以去培训这些程序的话，我们就可以知道这些程序的表现是怎么样的。到2012年的错误率是25%左右，人们希望能够提升，但是每年的进步很小。但是2012年很多公司也开始使用深度学习，并且进行了广泛的应用。

2017-12-04 10:13:34

约翰·爱德华·霍普克罗夫特:

再说一下重要的发展方向，首先是压缩生存的规模，现在我们的理解是没有那么的深入的，有10亿的关口，所以我们要压缩深层网络的关口。还有一点我将集成作为激活空间，现在是在非常高度的集成空间，这上面的关口，所有的这些图像，比如说猫的图像它们是在一个低层次的副本上了，如果把这个猫的图像改变一下，可以垂直的改变方向。

2017-12-04 10:13:49

约翰·爱德华·霍普克罗夫特:

快速的说一下压缩，这个是我们可以培训这个系统，让它做的非常的好，我们也可以培训一个更好的网络来分类图片，但是是不成功的，现在人们所做的就是如下的事。我们能够更好的激活这个空间，培训这些系统来进行更好的激活，而并不是简单的分类，这个就是我们能够减少网络大小的一个方法，这可能以后再大家的苹果手机上实现了。

2017-12-04 10:14:01

约翰·爱德华·霍普克罗夫特:

还有当地的一个最低的标准，现在的问题是局部的这些标准，哪个是最好的？我可以向大家展示一下整体的最小值，就是最尖的部分，而现在的这些数据大家可以看到坐标图上的曲线。这就是培训数据的错误率，大家可以看到这个是广域的最小值，曲线是可以移动的。我们的上升非常的缓慢，之后在错误率急速上升，之后是形成对立网络。人们在编写计算的代码会生成真实的图片，比如说，我向电脑中输入猫，我希望电脑中就生成猫的图片，但是电脑做得不是特别的好，有一些人想了一个方法，我们可以合成一个图像的编辑器，我们把这两个合并一下就可以有图像生成器，在生成之后我们可以使用合成的图像来区分真实的图像，而人们也发现这些机器可以生成真实的图像了。所以，这就是我刚才所说的对立空间的使用领域。

2017-12-04 10:14:17

约翰·爱德华·霍普克罗夫特:

比如说，从一种语言翻译到另外种语言，在两种语言中我们都有很重要的任务来做，我们可以用鉴别器来合成一个翻译器，比如说，从英文翻译成德文，我们就直接从英文的语言，通过生成器来说一些德语，并且我们能够来确定德语的一些语序措词，这个是真实的而不是合成的。之后，再从德文翻成英文，我们也可以使用三个翻译的系统。还有生动娱乐性的学习，比如说，这个系统受到培训，它能够识别猫，但是我们稍微改变一下像素，它就可以识别汽车。因为我们是在垂直的距离上改变了关于猫的副本的参数，所以说它就像一个过滤器一样能够解决问题。

2017-12-04 10:14:28

约翰·爱德华·霍普克罗夫特:

现在我们是对像素做一些处理，像素和相邻像素是没有关系，但是其实我们做的研究要更加的深入，我下面再说一下另外一个领域，我们在培训这些网络的时候，我们向他们展示一千多个图片。比如说，我女儿两岁的时候，我就和他一起在沙发上看图，我向她是车、猫、狗等等。我会告诉她这个是引擎等，之后上街看到救火车，我就跟她说，她就认识了。其实和书上的救火车是不一样的，我们要知道如何就一张单一的图片来培训这个网络。

2017-12-04 10:14:52

约翰·爱德华·霍普克罗夫特:

我的女儿在生命的前两年看到了上万张的图片，人们经常问我AI是否是真实的？我想回答的是在当前的状态之下，人工智能只是高纬度空间当中的模式的识别，人工智能的程序不会提取对象的一些本质功能，它只是知道这个东西是看起来什么样的，从现在开始之后的四十年我们会有另外一场革命，人工智能会很好的理解功能。至少我们的生活也会发生翻天覆地的变化，距上一次的革命更短。

2017-12-04 10:15:38

约翰·爱德华·霍普克罗夫特:

在此之后，我们的另外一场革命是四年之后，如果我们培训一些网络识别一些路上的汽车，无论是客车、货车、平板车等等，我们看到这张图，它就会告诉你这个是平板车，车上有一些货物或者说其他的车型。但是如果是人类的话，可能会发现轮子上有一些马达，所以我们就知道它可能是个远程操控的车。这不仅仅是关乎人工智能，还有计算的能力，有非常多的类似于人工智能的任务，都是利用AI来进行的。现在我们所处的时代会翻天覆地的改变我们的生活，再次感谢大家的聆听。谢谢！

2017-12-04 10:15:50

陈因:

谢谢霍普克罗夫特先生，下面有请中国联合网络通信有限公司总经理陆益民为我们介绍《未来网络引领智能产业生态》，大家有请！

2017-12-04 10:16:00

中国联合网络通信有限公司总经理陆益民:

尊敬的陈部长，还有各位专家，各位产业界的朋友，各位同仁，大家上午好，首先感谢工信部网信办给我们建立了这么一个平台在这里交流大家对于即将到来的人工智能的理解以及相关的知识的交流。刚才几位专家讲的对我的启发也非常大，我今天在这儿作为一个运营商的代表在这里也跟大家交流一下，从运营商的角度对即将到来的人工智能的时代的一些感想和策略及技术准备。今天讲的分为两部分：首先从运营商角度，我这里起了一个题目《万智之源，始于连接》，在运营商到来的人工智能时代，运营商会提供哪些服务能力，为整个人工智能提供什么样的技术支持；第二部分，回到当下，中国联通在基于4G、5G、移动宽带网络说给大家提供哪些服务，为未来的人工智能时代提供什么样的支持。

2017-12-04 10:24:40

陆益民:

我在这里首先想举一个例子，大家知道生物学里头，人工智能首先来自于人脑，生物学的研究，人脑超过100万亿个突触，大家听到突触一词比较生，实际上就是一个感知的触点，这些100万亿个的大脑皮层的突触通过脑细胞建立的神经网络连接，提供了人类智慧的支撑。其实我们认为未来的人工智能的世界也是需要靠运营商的网络来提供连接，提供服务的，所以未来的网络是万象智能的神经中枢。客观而言，神经中枢起到的作用，为什么在这个时点上大家对于人工智能有了这么高的期待，有一个很重要的基础就在于运营商的网络能力提高了大大的提升。

2017-12-04 10:25:01

陆益民:

大家知道过去运营商的传统网络是提供人与人之间连接的，但随着网络能力的扩充，我们现在在提供人与物之间的连接，人和信息点之间的连接，还有物与物之间的连接。2017年就是一个很重要的时间节点，如果按照发展的趋势，到今年年底，我们今年年底物与物之间的连接总数要超过了过去传统人与人之间或智能设备与智能设备之间的连接总数。就因为这个连接的变化，这张表里大家可以看得很清楚，到2020年将达到200亿个连接点。这个连接产生的一个很重要的就是数据，有了这些数据才有了人工智能真正爆发式的成长基础。所以，因为今天这个时点上是因为网络的能力得到了大大的提升，才为未来人工智能打下一个很重要的基础。

2017-12-04 10:25:15

陆益民:

下边这个片子，刚才几位专家都讲到了，也是业界比较公认的，未来的人工智能主要有这四大能力：大连接、大计算、大数据、大算法。作为运营商，作为网络的基础设施的提供者，实际上我们也在转型，那在未来网络中，我们是基于数据管道的提供，大家知道连接肯定首先解决的是数据管道问题。实际上，运营商之间在基于云网一体的新的云计算能力也是作为人工智能计算能力的一个重要提供者。当然，大数据是通过大连接、计算存储能力的提升所积累的将来物与物之间，百亿级，千亿级、万亿级的海量数据也是为人工智能的发展提供了重要的基础。当然算法，将来网络存在着深度学习的问题，也可以通过网络来提供服务，所以我从未来几个大的方向上和大家交流一下运营商在未来网络中的整个发展路径。

2017-12-04 10:25:34

陆益民:

首先是连接。我这里主要讲泛在连接驱动了泛在网络与泛在智能。传统的连接最早是语音通讯，基于2G，基于传统铜线电话线的，到今天移动互联网是基于数据的，现在已经进入到了3G、4G，现在是4G时代，我们很快要进入5G时代，5G大量是指移动宽带网络的连接，当然我们在基础设施上基于光纤的固定网络的改造也一并完成了。

2017-12-04 10:25:47

陆益民:

第二，下一代的网络会是一个更加泛在的网络，是一个多层次的网络，它涵盖了从高空卫星层面到中低空的热气球、无人机，到现在我们已经实实在在提供的4G、5G以及最底端通过光纤物理连接的宽带网络。这些连接形态的变化也会为未来无处不在的网络、无处不在的服务、无处不在的信息点的连接提供坚实的基础。目前即使通过光纤和4G网络的连接，包括现在很多互联网公司，我们自己也都在研究更高层次、更泛在、更广的连接方式了，已驱动了很多的智能设备、智能产业的发展，其中包括我们已经逐渐走向现实的AR/VR技术，无人机以及智能交通的初步形态都在形成，所以未来的连接模式以改变和革命会对人工智能的进步产生重要的的促成作用。

2017-12-04 10:25:58

陆益民:

过去计算能力1.0，最早的计算机是单台计算能力或巨型计算机能力，走到今年已经走到了云1.0的计算，就是数据中心之间的连接已基本实现。数据中心之间的协同已实现了，它是通过传统的光纤网络通过专线，提供专门的连接来实现计算能力的提供。到今天我们认为2.0时代，当前的状态已初步实现了计算中心之间的资源的灵活调配，通过我们现在的软件定义网络，这已经是现实了，包括现在我们几大互联网公司大的数据中心之间的网络协同及计算协同已走向了现实。那未来我们认为云网一体化的计算3.0也会逐步来到我们的社会，来到现实。

2017-12-04 10:26:08

陆益民:

那云网一体的计算3.0的特点主要有几个方面：一是动态的自适应。动态自适应是指网络资源和计算能力随着处理任务的不同会调动全国或全球的计算资源来支持某一个项目、某一个计算。第二是异构计算，我们最早的云几乎都是基于X86架构的，未来的异构计算，我们主要研究的方向除了X86以外，全球还有很多巨型机、大型机以及超算计算机，整个不同平台的变化。当然还有不同区域的连接。第三是边缘计算。除了过去像集中化的变化以外，那是解决集中资源协调的问题，但刚才跟一些专家在讨论时就提到，未来包括智能驾驶，即使网络速度再快，它的时延也是不可能有解决很多实时的数据处理能力的。那靠什么？就靠就近来解决，将来很多计算能力会向边缘节点靠近，边缘计算就将很多计算能力遍布在150万个遍布在全国各个角落的基站，过去基站只传输信息，未来会变成一个小的数据中心处理信息。那在这些能力上，边缘计算的布局也为未来真正为人工智能提供巨大算法和算力时以提供良好的服务。

2017-12-04 10:28:35

陆益民:

第三，随着网络连接以及处理能力的提升，海量数据也在逐步产生。过去的数据，客观而言，不同的专业、不同的领域，包括不同的公司，就像互联网公司、运营商，大量的数据也都是割裂的，但随着进一步的整合，计算存储能力的提升，这些数据的整合会越来越多，而且随着物与物之间连接、快速的扩充、海量的数据也作为人工智能将来的一个很重要的爆发点。所以将来海量数据的积累也会引发未来的人工智能的发展。这是我上面讲的运营商未来在人工智能领域中的一些重大变化。我用几个简单的片子介绍一下，有些网络是为未来准备的，还有一些我们跟大家交流一下现在运营商的网络具备能力以及处理能力，我以中国联通的例子跟大家做一个简单的交流。

2017-12-04 10:32:08

陆益民:

首先是广覆盖，还是关于网络的，中国联通经过这几年的努力在快速地建立一个“匠心网络”，其目标是连接更广，感知更好，速度更快，特别是在移动宽带网络上，除了标准4G以外，还能够提供千兆的4G网络，就是基于准5G的网络服务能力。在光宽带也是全球第一家全部网络实现光纤化改造的运营商，那我们在中国的主要城市都能够提供点到点的千兆连接能力了。同时，我们在积极数据NB-IOT的整体布局，目前已实现300个城市的NB-IOT连接的服务，同时为了促进物联网产业的发展，我们也成立了专门100亿的产业基金来联合产业界进行推动。当然中国联通5G的步伐也非常快，按照明年我们会在一些城市进行试验，2019年进行试商用，预计2020年进行正式商用。

2017-12-04 10:32:23

陆益民:

在大的数据处理能力，特别是在云计算和数据中心的布局上M+1+N：“M”目前部署了12个国家级别的大数据中心；“1”每个省有一个区域的数据中心；“N”要将过去每个城市的传输资源有一个区域数据中心。按照边缘计算的话，我们每个端局都会变成数据中心，已经开始进行全面的部署。在云服务商，中国联通的沃云与阿里、腾讯云在进行合作，通过多层次的服务来给大家服务。有几个特点：云网协同，资源的调配是可以灵活的，在开放合作都在积极推进。

2017-12-04 10:32:45

陆益民:

第三，多种类，高可信、强实时、全集中的大数据能力，中国联通也是唯一一家全国建立一级架构一级平台的大数据处理平台的运营商，我们将全国的基于基站和基于宽带传输的数据都集中在一个大平台上，运营商在大数据上的服务还有自身的优势，一个是它是跨区域、跨专业、跨产业、跨领域的合作。第二是强关联，运营商的服务一定与号码与每个人是关联的，而且与位置也是强关联的，所以大数据的特性也是很明显的。第三是能力平台，我们有一个集中处理的平台以后是可以集中汇聚整个数据的。过去数据很多，但都是按专业和区域割裂的，但我们经过全国平台的建设，对于未来大数据的处理可以提供更好的服务。

2017-12-04 10:33:53

陆益民:

最下面是我们现在提供的主要的一些处理能力和处理量，在也是处于一个比较领先地位的。最后，我讲了连接、计算、大数据，刚才讲算法，算法肯定不是运营商的优势，但我们运营商是愿意通过我们的网络为基础打造一个能力开放的平台，联合各个产业链来共同培育未来人工智能的“参天大树”，我用这张图也是表示了中国联通的一个态度，未来在人工智能产业中是有具备开放、合作、创新的理念，与大家共同来培育。我们在各个领域已经跟大的互联网公司、各个产业已经有很深的合作了，我们在人工智能领域，包括智能客服以及家庭智能方面都有深度的合作，未来也会以更加开放的态度跟产业各方合作，我们共同将人工智能这棵“参天大树”培育得更加好。

2017-12-04 10:34:39

陆益民:

最后，今年6月份在GSMA移动大会上我有一个演讲，用了老子的一句话“上善若水”，我讲的是运营商以水的形态来表现我们自己，其实是滋润万物，我们有了这个意愿和精神来跟产业各界共同培育人工智能的健康持续的发展。最后结束是用中国联通的一个愿景“我们希望未来成为客户信赖的智慧生活创造者”，正好也符合今天的主题，为整个人工智能产业贡献我们的力量，谢谢大家！

2017-12-04 10:35:23