4月27日至5月1日GMIC 2017峰会在北京举行，邀请海内外投资界、企业界、科学界领军人物参会。此次大会以“天、工、开、悟”为主题，寓意关注未来，着眼现在，在拥抱人工智能、商业航天、无人车等前沿技术的同时，关注如环境、医疗健康、娱乐、移动支付、教育等与生活息息相关的话题。当然，整场大会讨论最多的莫过于AI(人工智能)。

　　确实，人工智能、机器学习、深度学习、自然语言处理等先进技术带来的产业革命和生产力的充分释放，正潜移默化改变着整个人类世界。经历60载岁月的人工智能技术，在经历之前两次大的跌宕之后，这一次将真正走在实现商业化的道路上，而这主要归功于超大规模云计算能力和丰富数据源的到来。

　　现如今，人口红利逝去，人力成本高昂，依靠技术或模式上的创新可为企业带来一时的优势壁垒，却很难长久维系，容易陷于商业模式的同质化，企业家们纷纷感叹这个时代钱太难赚。2016年，Gartner对未来五年最具颠覆性的IT技术预测中，AI榜上有名，且位列第一。这一年，Salesforce发布新产品“爱因斯坦”，将AI嵌入云平台，红点投资人Tomasz Tunguz提出AI正吃掉世界。AI似乎不再掷地无声，海内外企业也纷纷靠向AI技术，仿佛哪家公司不提AI就跟不上互联网时代的潮流。它们既希望搭上AI的快船吸引大量的潜在客户，又期待借助优质资本的力量真正将AI技术落地。

　　但是，一片繁荣、光鲜之下，人人都拍手称赞，是否又有人思考过AI技术存在的隐患呢?科学家闷在实验室专心搞科研，研发成果能否真正为企业带来价值呢?高端人才的匮乏又如何在企业内进行再教育培养呢?机器人的出现是否意味着未来大批岗位的消失，工人的失业?

　　这一切都需要我们思考。

　　思考一：AI是一把双刃剑

　　此次GMIC大会上，作为科学界的泰斗，霍金对此持有客观的看法。他提到：“我们需要将研究重心从提升人工智能能力转移到最大化人工智能的社会效益上面。我们的人工智能系统需要按照我们的意志工作。我们担心聪明的机器将能够代替人类正在从事的工作，并迅速地消灭数以百万计的工作岗位。”

　　“实际上，AI更像是一把双刃剑，它给我们人类社会带来了不同的可能性。一方面，AI在推动人类社会进步发展方面的作用毋庸置疑，可大大提高人类生活质量，包括降低城市污染、交通拥堵，实现不同语言之间的沟通，或实现医学上更精准的诊断。另一方面，AI遭受不法分子使用对社会带来无法治愈的危害。这是包括政策制定者在内都需要思考的问题。”卡内基梅隆大学教授Tom Mitchell在采访中提到。

　　思考二：顶尖科学家既可善学术，也应懂市场

　　会上，李开复的对AI领域科技人才的看法尤为令人印象深刻，“科学家们往往会被自己的研究、自己酷的东西所打动，也认为他所看到的酷的东西是全世界人类所需要的。他们追求创新、发表大量论文，却往往不知道市场。”如从谷歌请来的重量级科学家吴恩达，带领百度在人工智能领域迅速崛起之时，却于近期悄然离开，这不得不让外界对科学家追求学术还是商业价值上重新思考。

　　李开复认为，创新固然重要，但不是最重要的，重要的是做有用的创新。因此，科学家自己创业或许不是个好想法，但如果能找个商业合伙人一起创业，或者将技术授权出去，甚至技术开源、公开学术论文则能更好地促进整个行业的健康发展。

　　思考三：AI商业化必须结合具体应用场景

　　AI作为一种复杂的算法，往往处理非常有深度的难题，从健康、教育、商业，再到交通、公共事业和娱乐，AI的应用范围十分广泛。从应用场景上讲，有推理、知识、计划、交流、感知这五大场景。如，通过推理可以进行法律评定、金融资产管理，通过知识能力可进行医疗判断、媒体推荐、欺诈防范，通过计划完成物流、行程安排，通过交流进行声音控制、智能代理和翻译，通过感知进行无人车自动驾驶，医疗诊断。

　　在企业内部，比如一套嵌有智能算法的HR软件系统，通过使用智能工作匹配和部分自动化评估功能，可使员工招聘更有目标性;通过人员需求和缺席的预测性计划可强化员工管理;或对员工离职风险的预测以减少人员变动。

　　思考四：AI借大数据、云计算焕发第二春

　　九合创投创始人王啸提到，“其实AI最核心的素材是数据，过去几年智能手机的普及，传感器的成本急剧下降，不管是手机摄像头还是各种惯性导航数据，大量的数据得以产生。这些数据的有效利用成为AI发展的基础，没有数据作为素材很多东西是无法感知的。此外，机机器可以通过学习这些数据产生模型和看法，因为不是通过因果逻辑进行分析，而是通过大数据多样性和关联性进行分析。”

　　可以肯定，存储能力、计算能力、数据产生速度的不断膨胀均为AI的再次爆发奠定了基础。同时，云计算作为一种同样可以处理海量结构和非结构数据的能力为AI带来了第二春。

　　利用AI技术能为企业获取到更多的客户和数据，而数据反过来又推动AI更深层次的发展。当然，目前只有为数不多的互联网巨头才有财力建立完善的底层架构，招纳到世界上最优秀的人工智能领域专家。这意味着，对于多数企业，AI技术的先进与否与数据是否在云端有直接关系。

　　以谷歌为例，在人工智能领域投入重金多年，去年，谷歌了组建了以李飞飞和李佳为技术核心的谷歌云机器学习团队，该团队负责个构建可为商业运营的机器学习 API 接口，将AI能力投入商业化。

　　Artificial Intelligence 人工智能，简言之，就是赋予机器一种人的智慧能力。以企业导入人工智能的实践案例来看，目前我们仍局限在弱人工智能，这些技术可以跟人类一样，甚至比人类做得更好。但如果想要实现从弱人工智能向强人工智能拥有人类的感知和思考能力，就必须构建起学会学习的能力，包括深度学习和自然预处理能力在内等AI技术仍需走过很长一段路程。