概要:一年一度的世界经济论坛年会(达沃斯论坛)上,来自不同领域的精英纷纷发表了自己对于人工智能的看法。

一年一度的世界经济论坛年会(达沃斯论坛)已经召开了3天,该论坛历年均会聚集全球工商、政治、学术、媒体等领域的领袖人物,讨论世界所面临的最紧迫问题。其中,“人工智能”依旧是本届年会上的热点话题,几天以来,来自不同领域的精英纷纷发表了自己对于人工智能的看法。营长今天为大家遴选如下:

李飞飞:全球现在AI人才奇缺,而教书育人的AI老师们纷纷进入工业界

面对强势的AI工业界,今天的大学在积极的寻求合作机会的同时又多少有些担忧。全球现在AI人才奇缺,而教书育人的AI老师们纷纷进入工业界。我们怎样能在学术教育和工业界之间创建出一个更好的合作交流生态呢?这是一个重要的问题。

李开复:西方要放下傲慢,重新思考隐私道德技术三者平衡和中国的实用主义心态

1、未来十年人类的重复性工作(50%的工作任务)内涵任务(tasks)将部分被AI取代,20年内将从任务取代升级成为彻底取代,企业需要有20年的蓝图为未来铺路。

2、某些领域因为今天没有饱和,会看到成长(医疗、法务、服务等)。

3、人类需要寻找AI不能做的事情,主要有四种:创意型(如科学家、艺术家、市场家),复杂型(如战略家),灵巧手工型(如飞机修理员)关怀型(如老人照顾,心理咨询)。

4、人类需要对“努力工作(哪怕是重复性工作)就会得到财富和认可”的价值观必须改变。这种疯狂工作,不重视工作内涵和对内心追求和成长的平衡,会让人类的发展走向歧途。这点我是个人经过面临死亡看清:没有人在面临死亡时还会珍惜“拼命工作”价值观。在座的CEO都很有共鸣。

5、AI时代的来临,也许正是人类所需要:取代了所有重复性工作,逼迫我们寻找真正活着的意义:做我们有所差异话的工作,做让我们开心满足的工作,平衡家庭和工作等。

6、西方社会一直远远引领世界。但是今天中国在快速追赶,甚至领跑AI和别的领域。西方世界需要放下过去领跑者的傲慢,思考如何平衡技术连带的隐私和道德考量,和中国采取的实用主义心态。这里不是说必须修改价值观,而是要做好对于过分极端纠结的价值观和丧失的技术市场领跑机会的平衡。

7、有关数据隐私的讨论(英国正在讨论法律让每个人拥有自己的数据,从医疗数据开始),我建议大家虽然要尊重考虑隐私,但不应该过分纠结。比如说医疗数据,应该可以脱敏后更允许分享,这样世界上的AI专家才能更快结合AI和医疗。很多别的领域可能有更高的门槛,但是我希望克服癌症可以成为一个全球人类携手解决的巨大问题。

8、对于传统企业如何吸引AI和其他科技人才,Chip Bergh提出用企业文化吸引顶级科技人才,我表达保留意见。顶级AI科学家需要大量真实世界的数据,真是可以用科技改变世界的机会,还有领导对他们工作的理解和认可,还要加上顶级的待遇。他的看法其实代表了很多传统企业对科技人才的误解和过度的自信,可能也为传统企业的技术化、AI化带来了不可解的魔咒。

马云:人工智能应该支持人类,技术应该做一些让“人不会伤害人”的东西

“面对人工智能、大数据,目前不少人将其发展看作是对人类的一种威胁”,针对这种看待技术发展与人类发展矛盾的观点,马云指出,人工智能应该支持人类,技术应该做一些让“人不会伤害人”的东西。

“拥有资金和资源的我们,应该花钱购买能够让人们获得能力,让人们获得更多生活的技术。”马云承认,人工智能的发展可能会使很多人丢掉工作,但是与机器人相比,人类永远不能比它们记忆更多东西,但是人却可以创造很多机器人所不能创造的东西。

特蕾莎·梅:将把英国打造成AI创新中心

历史经验表明,出现每一次技术变革后,人们最终都能找到服务于全人类的途径。英国希望保持在AI领域的领先地位。英国已经成立了AI委员会,将为行业设立相应的标准和规则。将来,英国将成为全球最好的AI创业、创新中心,希望孵化、培育出更多的Deep Mind公司。

京东金融CEO陈生强:中国科技已经走在世界大数据领域的前沿

京东金融首席执行官陈生强指出,第一次科技革命推动人类进入工业时代,第二次科技革命把人类带入电气化时代,第三次科技革命使人类进入了信息时代。正在到来的第四次科技革命,核心在于解放人的脑力,将推动人类进入“智能时代”。与前三次科技革命发端于西方发达国家不同,第四次科技革命中国与发达国家站在了同样的起跑线上。在数据、算力、算法等诸多层面,中国已经实现与发达国家齐头并进的发展。

陈生强回忆说:“四年前,我们去美国、欧洲考察,发现很多创业科技公司技术能力远超中国同类公司。而今天,我们已经很难再看到这样的情形。至少在AI和大数据层面,中国的科技公司已经走在世界的前沿。”

陈生强指出:“中国的科技公司正在全球设立数据实验室和AI研发中心,其中就包括京东金融。我们在硅谷设立了研发中心,未来不排除在欧洲、以色列设置新的研发中心。Google这样的巨头也在中国设立AI实验室。技术交流已经在呈现双向互动之态势,中国科技公司正在吸引越来越多的世界级科学家加盟。”

ABB集团CEO史毕福:人工智能发展将不断重塑劳动力市场但并不会取代人类

ABB集团CEO史毕福表示,基于波兰尼悖论推测可得:在很多层面上,人工智能和自动化产业的最新发展将不断重塑劳动力市场的格局,淘汰某些岗位,并创造出一些现在无法想象的新工种,但它们并不会取代人类。

比如,美联社引进人工智能,运用模板创作了大量的企业报道和赛事简讯,文笔虽不出众,但也在及格线以上。细究一下,我们会发现机器所从事的都是一些记者们避之不及的重复劳动,新技术给了他们更多的时间外出当面采访,更深入地报道时事。

人工智能领域的重大进展,如IBM Watson以及它在医疗数据分析方面的成功,引发了人们的忧虑,担心人工智能的影响会超过以往的自动化浪潮,也许很快就将取代需要更多技能和培训的工作。机器现在主要擅长的仍是可以按步骤分解的任务,总有一些工作是人类自己做起来更为得心应手的。多数主流经济学家认为,自动化的进步将影响未来的工作种类,但不会导致结构性失业。

古往今来,就业市场一直都是动态发展的。作为领导者,我们有责任带领大家与时俱进,在日新月异的世界中为他们提供支持、指引方向。

另附李飞飞关于达沃斯论坛上人工智能话题讨论的总结全文:

这是我从达沃斯2018世界经济论坛回来后关于人工智能讨论的一些总结。虽然达沃斯今年风雪暴不断,但也挡不住冰天雪地里各个大小论坛关于AI的热火朝天的讨论。以下是我通过十几场讨论发言和无数私下交流后的一些简短总结。

达沃斯论坛总的来说科技含金量不高。我所参加的论坛里可能最“学术”的是麻省理工学院组织的一场对话,参加者除了我还有李开复,Richard Socher (Salesforce AI 负责人), Mustafa Suleyman (DeepMind 联合创始人), 和Andrew McAfee (MIT 经济学教授)。大家都共同认为今天的人工智能科技还存在大量的局限,尤其是对监督学习和人工赋予knowledge的依赖(比如AlphaGo Zero)。

人工智能对社会的影响是每个人都关注的话题。就业问题在每次讨论中都被提起。硅谷的公司总裁们说公司对就业是有社会责任的,但是也有经济学家挑战他们,认为目前的经济体制并不奖励这种责任,从而质疑这样的空口承诺。政府官员们更关心政策的制定和怎样帮助劳动力再就业。而人工智能的科技人则希望看到新的科技能衍生出更新的智能辅助性工作。总的来说大家的担忧不少。在这个问题上还需要更多的讨论和思考。

另一个重要话题是机器学习的偏见和偏差(Bias)。在以下几个方面,我们还有大量的工作要做:数据收集和标注的偏差,算法的偏差,算法的可解释性和透明性,以及算法预测的正确应用。这些问题在与人的生命健康和权益方面尤为重要和突出。

人工智能已是一个世界性的话题。大家公认中国已成为人工智能的一个重要参与国,这里也很大程度上因为政府的强有力支持,国民性的数理文化,和巨大的数据和应用场景。在一场晚宴上,我还和可能是全球的第一位“人工智能部长”畅谈了很久(他来自阿联酋国)。

人工智能对工业转型的重要角色以不容置疑。在达沃斯论坛里,我至少和以下产业的总裁领导们讨论过AI:金融,保险,食品,SaaS,科技咨询,医疗健康,电商,能源,汽车,旅游,媒体娱乐,制造业,等等。我很开心谷歌云在这场工业革命里扮演的重要角色。

在人工智能时代,学术界和大学应该扮演什么样的角色呢?我这次有幸和普林斯顿,耶鲁,香港科技大学,麻省理工和瑞士苏黎世联邦理工学院(ETH)的校长们有多次私下讨论。面对强势的AI工业界,今天的大学既在积极的寻求合作机会的同时又多少有些担忧。全球现在AI人才奇缺,而教书育人的AI老师们纷纷进入工业界。我们怎样能在学术教育和工业界之间创建出一个更好的合作交流生态呢?这是一个重要的问题。

达沃斯论坛的讨论给我们留下的问题比答案更多。我真心希望今后能看到更多的AI科技人和社会各界的对话和合作。机器是没有独立的价值的;机器的价值反映了人类的价值。这是我们共同的责任。

最后,离达沃斯小镇不远的山脚下竟然是那位叫“海蒂”的小女孩的村庄。海蒂的故事这么多年来一直感动和温暖着全球小朋友们的心。希望高高身在达沃斯的世界领袖们能记得,无论他们在达沃斯做了什么样的决定和协议,都将对地球上千千万万个像海蒂的孩子们的未来有着深远的影响。

干货丨达沃斯群英纵论人工智能,核心观点汇总相关推荐

  1. 达沃斯群英纵论人工智能,核心观点汇总

    AI科技大本营按:一年一度的世界经济论坛年会(达沃斯论坛)已经召开了3天,该论坛历年均会聚集全球工商.政治.学术.媒体等领域的领袖人物,讨论世界所面临的最紧迫问题.其中,"人工智能" ...

  2. 干货丨揭秘深度学习的核心:掌握训练数据的方法

    来源:云栖社区 概要:今天我们将讨论深度学习中最核心的问题之一:训练数据. Hello World! 今天我们将讨论深度学习中最核心的问题之一:训练数据.深度学习已经在现实世界得到了广泛运用,例如:无 ...

  3. 干货丨机器学习知识点(人工智能篇)

    转载请标明出处: http://blog.csdn.net/djy1992/article/details/75257551  本文出自:[奥特曼超人的博客] 机器学习简史:拍拍贷AI中心数据研发负责 ...

  4. 干货丨深度学习VGG模型核心拆解

    如今深度学习发展火热,但很多优秀的文章都是基于经典文章,经典文章中的一句一词都值得推敲和分析.此外,深度学习虽然一直被人诟病缺乏足够令人信服的理论,但不代表我们不能感性分析理解,下面我们将对2014年 ...

  5. 干货丨先搞懂这八大基础概念,再谈机器学习入门

    翻译 | AI科技大本营 参与 | 林椿眄 准备好开始AI了吗?可能你已经开始了在机器学习领域的实践学习,但是依然想要扩展你的知识并进一步了解那些你听过却没有时间了解的话题. 这些机器学习的专业术语能 ...

  6. 干货丨详解世界各国的人工智能布局

    人工智能是引领未来的战略性技术,世界主要发达国家把发展人工智能都作为提升其国家竞争力.维护国家安全的重大战略,加紧出台规划和政策,围绕核心技术.顶尖人才.标准规范等强化部署,力图在新一轮国际科技竞争中 ...

  7. 干货丨【看图识算法】这是你见过最简单的 “算法说明书”

    文章来源:新智元 [导读]像阅读宜家的安装说明书一样学习算法,是怎样的体验?不伦瑞克工业大学的三名研究者制作了这份"算法说明书",简明传神地解释了一些基本算法,一起来看图说话. Q ...

  8. 超干货丨你想了解的短视频私域流量玩法都在这

    2019年度的营销有些焦虑,商业形态和企业发展情况随着社会经济趋势的变化而变化.5G的浪潮还未冲开新风口,直播.短视频.各平台等的红蓝海纷争也越演越烈,人工智能.IoT.AI等新科技和新商业的交融争相 ...

  9. 1000篇干货好文!量子技术——专家观点篇

    1000篇干货好文!量子技术--入门篇  https://bbs.aliyun.com/read/581500.html     1000篇干货好文!量子技术--进阶篇  https://bbs.al ...

最新文章

  1. MySQL导入导出数据和结构
  2. linux导出并追加到文件,linux – 如何将awk结果输出到文件
  3. php怎么解析xml,使用PHP快速解析复杂的XML文件
  4. Codrops 教程:基于 CSS3 的精美模态窗口效果
  5. java bean set_JavaBean自动生成get和set方法
  6. 【跃迁之路】【706天】程序员高效学习方法论探索系列(实验阶段463-2019.1.26-27)...
  7. golang 函数一 (定义、参数、返回值)
  8. CCF NOI1041 志愿者选拔
  9. 职场达人教你怎么删除pdf空白页
  10. 泡泡龙游戏开发系列教程(二)
  11. Linux平台串口读取GPS每次只能收到8个字节 以及 使用LiveGBS 调试 GB28181设备 包括视频 GPS信息等等
  12. 还不会记录脚本日志吗?戳这里 ->>> python中logging模块二次封装记录脚本的每一步脚印
  13. java涂色_【LeetCode(Java) - 276】栅栏涂色
  14. 对一些常见的HTML5特效进行整理和运行(有趣特效,烟花特效,爱心特效,炫酷特效)
  15. 《七哥说道》第十六章:程序员,江湖见
  16. SQL Server UPDATE语句用于更新数据
  17. 距总决赛还有100天!详解沃顿KWHS全球投资挑战赛
  18. 【亚马逊运营】什么情况下使用Coupon卖家们知多少?
  19. BATT集体发力搜索,争夺下一代搜索平台的“引路人”
  20. 三十八、Fluent融化凝固模型参数设置依据

热门文章

  1. 7 = 350 000 000 ?!
  2. 一页纸项目管理方法(OOPM)背后的思想
  3. 【CVPR 2018】腾讯AI lab提出深度人脸识别中的大间隔余弦损失
  4. 2018年【计算机视觉机器学习人工智能】国际重要会议汇总
  5. 亚马逊专家揭秘:如何建立自动检测乳腺癌的深度学习模型
  6. 区块链论文:去中心化证人共同签名,让认证者诚信或被发现
  7. 独家 | Python处理海量数据集的三种方法
  8. 独家 | 每个数据科学家应该知道的五种检测异常值的方法(附Python代码)
  9. 大脑模拟NLP,高德纳奖得主Papadimitriou:神经元集合演算用于句子解析
  10. 独家 | 指南:不平衡分类的成本敏感决策树(附代码链接)