李开复：创新工场为什么看好人工智能？

　　在过去的十年华尔街交易员已经一半下岗离职了。未来我们肯定会看到无人驾驶的车，当这一天来到的时候，世界上大约9%的人他们部分或者全部的工作就即将被取代。当然无人驾驶可能还需要十年的时间，但是十年不是很久。

　　怎么能做到呢?其实在这些领域里，人工智能不是模仿人类，也不仅仅是取代人类，所谓的人工智能就是用特别巨大的数据集看到一个人一生，甚至一百个人一生，也不能看到那么多的数据，然后用数个数据推算出逻辑、判断和推测，来做比人好的判断。阿尔法狗就是研究了几百万的棋谱和花无数小时的时间来打败人类专家的。

　　有人说这个公平，一个棋手不可能花一百万个小时研究棋谱。这不是公平不公平的问题，而是我们如何用人工智能做出人不能做的的。最近特斯拉出了一个问题，大家可以想想它有几亿小时在车的进行中，这些数据来难道不会做比人更好的司机吗?这一天还没有到，但是如果有一个司机做十亿小时的练习，哪怕他开始像个孩子，学完以后难道不会超过人类吗?

　　我们可以想像，如果有一个人脸识别的机器，它把全世界罪犯的脸都背下来了，有人能够做到这一点吗?所以从这个例子可以看到，我们不用丝毫的怀疑人工智能会全方面的超越人类。

　　但是这不是在所有的领域里，是在一些领域可以穷举的领域，或者可以客观分析的领域，或者有正确答案的领域，有大数据的领域，而且是有专家参与的领域，所以它会逐渐的发生，不会一次到位的发生。

　　我个人有幸在三十年前开始做人工智能，但是可惜的是当时数据不够，所以并没有做太多超越人类的事情。所以各方面我们可以看到对弈只是游戏的领域，它本身并不带来巨大的商业价值。

　　更多我们在业界会看到的可能是感知，就是用算法，人工智能来做判断或者反馈，这个时候机器就要动起来了。

　　我们可以看到过去七八年来有特别大的进步，这是为什么呢?这是因为在机器学习的领域有一套技术叫做深度学习。它是带来了巨大的变革，今天可能没有时间太解释这套算法。但是简单来说，就是过去人是需要一步一步地告诉电脑你该怎么走，该怎么做，之后人可能说我一步一步来教你可能会犯错，可能不全面，可能也不适合计算机的结构，更适合人脑的结构。

　　但是是不是就是人来说，就先对人脸找眼睛、找鼻子、找耳朵，但是这个大概是所谓的专家系统，就是人告诉机器一切，然后机器来计算，这个大概是三十年前的技术。

　　大概十五年前的技术是人落找特征，机器学参数。这里就是人告诉他识别人的时候找眼睛、嘴巴，然后你再来计算。这个有一个提升，这是人机结合的学习。

　　深度学习的技术应该算是最近五年推出的技术，这个技术几乎人都不参与了，特别神奇的地方，给看一亿张脸，你自己看，该学习眼睛、嘴巴，还是别的事情，也许法令纹更重要，也许耳朵的大小更重要。我们不要假设人比机器更重要，我就把大量数据给你，让你收取你认为重要的特征。

　　而且这些特征只有机器懂，人都听不懂的。这就是阿尔法狗战李达以后世石的时候，下出了人类顶尖棋手都没有办法看懂的步骤。这就是深度学习，它能自我学习，抽象的概念。

　　而且这个抽象概念超越了人类的想象，因为它用的数据集比人更大。它就像一个孩子，能够自我学习，而且数据量够大的时候，什么都学的会。所以这大概解释了什么是深度学习。

　　深度学习，这是一个识别物体的领域，而且是有人标注的数据库。我们可以看到大概仅仅在五年前，一个机器跟人的差别还是一个74%对94%的差别。如果算错误率的话，可能是六七倍的差别了，所以不太能够用到实际的场景里。但是每一年都在快速的进步着，我们可以看到在2014、2015年的时候已经超越人类，而且差距越来越大。

　　就是说当机器识别人脸，比人更厉害的时候，那些以识别人脸工作的人就要下岗了。同样的，识别也超过了人，语音识别超过了人，像客服，比如每天打电话卖房地产产品的人，以后打电话的不是人了，因为机器比人更听的懂。