我們?nèi)蕴幱贏I普及的早期階段：麥肯錫專訪李開(kāi)復(fù)

人工智能（AI）應(yīng)用正在各行各業(yè)迅速普及。從全球來(lái)看，多數(shù)企業(yè)都將運(yùn)用人工智能技術(shù)；根據(jù)《2021麥肯錫全球人工智能調(diào)研報(bào)告》（2021 McKinsey Global Survey on AI），56%的受訪企業(yè)表示，至少在一項(xiàng)職能中應(yīng)用了人工智能，高于2020年的50%。

麥肯錫研究顯示，到2030年，人工智能有望為經(jīng)濟(jì)社會(huì)額外創(chuàng)造約13萬(wàn)億美元的價(jià)值。而根據(jù)另一項(xiàng)近期研究，到2030年，中國(guó)的人工智能應(yīng)用有望創(chuàng)造高達(dá)6000億美元的經(jīng)濟(jì)價(jià)值。

盡管人工智能取得了不俗的進(jìn)展，也帶來(lái)了大量的價(jià)值創(chuàng)造機(jī)會(huì)，但作為享譽(yù)全球的人工智能專家和知名投資人，李開(kāi)復(fù)博士依然認(rèn)為，我們剛剛觸及人工智能全部潛力的冰山一角。

【資料圖】

李開(kāi)復(fù)絕對(duì)有資格給出這樣的洞見(jiàn)，他的風(fēng)險(xiǎn)投資公司創(chuàng)新工場(chǎng)資助了數(shù)百家成功企業(yè)，更培育出了10家人工智能獨(dú)角獸公司。

近期，李開(kāi)復(fù)與麥肯錫人工智能業(yè)務(wù)QuantumBlack中國(guó)區(qū)合伙人沈愷進(jìn)行對(duì)話，探討了他對(duì)于人工智能發(fā)展的預(yù)期。

李開(kāi)復(fù)認(rèn)為，自然語(yǔ)言處理（NLP）應(yīng)用實(shí)現(xiàn)了類似于計(jì)算機(jī)視覺(jué)在過(guò)去5-10年所取得的突破，而自監(jiān)督學(xué)習(xí)（SSL）將推動(dòng)人工智能投資進(jìn)入第二個(gè)黃金時(shí)代。

李開(kāi)復(fù)還就其他一些話題分享了見(jiàn)解，包括企業(yè)領(lǐng)導(dǎo)者怎樣在運(yùn)營(yíng)中充分應(yīng)用人工智能，如何轉(zhuǎn)型成為一家真正的AI驅(qū)動(dòng)型企業(yè)，以及為何我們?nèi)蕴幱谌斯ぶ悄芷占暗脑缙陔A段。

受訪者：

李開(kāi)復(fù)博士

創(chuàng)新工場(chǎng)董事長(zhǎng)兼首席執(zhí)行官

教育經(jīng)歷

以優(yōu)異成績(jī)畢業(yè)于哥倫比亞大學(xué)計(jì)算機(jī)系；1988年獲得卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)科學(xué)博士學(xué)位，并在那里擔(dān)任教職至1990年。

職業(yè)亮點(diǎn)

2009年創(chuàng)辦風(fēng)險(xiǎn)投資公司——?jiǎng)?chuàng)新工場(chǎng)，并擔(dān)任董事長(zhǎng)兼首席執(zhí)行官，管理30億美元雙幣投資基金，著眼于打造下一代中國(guó)高科技企業(yè)。

擔(dān)任創(chuàng)新工場(chǎng)人工智能工程院院長(zhǎng)，該院致力于孵化為醫(yī)療、教育、機(jī)器人、計(jì)算機(jī)金融等領(lǐng)域提供人工智能解決方案的公司。

2005-2009年擔(dān)任谷歌大中華區(qū)總裁，并成功推出Google.cn。

2002-2005年擔(dān)任微軟公司副總裁，領(lǐng)導(dǎo)用戶界面、語(yǔ)音、自然語(yǔ)言和輔助技術(shù)等。

1998-2005年創(chuàng)辦并領(lǐng)導(dǎo)全球頂尖計(jì)算機(jī)科學(xué)實(shí)驗(yàn)室——微軟中國(guó)研究院，并擔(dān)任院長(zhǎng)。

20世紀(jì)90年代先后在SGI和蘋(píng)果公司（Apple）擔(dān)任高管職位，在蘋(píng)果時(shí)負(fù)責(zé)為Mac電腦開(kāi)發(fā)Apple Bandai Pippin、PlainTalk、Casper和GalaTea語(yǔ)音系統(tǒng)。

迄今為止出版了十余本暢銷書(shū)，包括登上《紐約時(shí)報(bào)》暢銷書(shū)榜的《AI Superpowers: China, Silicon Valley, and the New World Order》（2018）以及《人工智能》（Artificial Intelligence，2017）。他的新書(shū)《AI未來(lái)進(jìn)行式》（AI 2041: Ten Visions for Our Future，2021）成為《華爾街日?qǐng)?bào)》《華盛頓郵報(bào)》和《金融時(shí)報(bào)》的年度圖書(shū)。

訪談?wù)撸?/strong>

沈愷

麥肯錫全球董事合伙人

常駐深圳分公司

麥肯錫：您對(duì)人工智能的定義是什么？

李開(kāi)復(fù)：我的定義是，這是一項(xiàng)模擬人類認(rèn)知和智能的研究。人工智能最重要的分支學(xué)科是機(jī)器學(xué)習(xí)，而其中的深度學(xué)習(xí)是一種具有深遠(yuǎn)全球影響的算法。這兩個(gè)詞經(jīng)常被混用，這并不正確。

人工智能最常見(jiàn)的用例，是在使用海量數(shù)據(jù)的系統(tǒng)中利用深度學(xué)習(xí)，優(yōu)化與商業(yè)意圖相一致的目標(biāo)函數(shù)，以做出更好的決策、預(yù)測(cè)和分類。企業(yè)可以利用深度學(xué)習(xí)來(lái)預(yù)測(cè)未來(lái)的銷量和股價(jià)，或?qū)ξ矬w及語(yǔ)音進(jìn)行識(shí)別和分類。

麥肯錫：據(jù)您預(yù)測(cè)，人工智能未來(lái)會(huì)取得怎樣的發(fā)展？

李開(kāi)復(fù)：深度學(xué)習(xí)是一個(gè)承載其他技術(shù)的平臺(tái)。這些技術(shù)中包括在過(guò)去五六年內(nèi)出現(xiàn)的兩個(gè)最顯著的進(jìn)步：一是卷積神經(jīng)網(wǎng)絡(luò)（CNN），即利用通用深度學(xué)習(xí)算法來(lái)執(zhí)行計(jì)算機(jī)視覺(jué)任務(wù)：在執(zhí)行具體任務(wù)時(shí)，可超越人類水平看見(jiàn)和識(shí)別物體，并理解場(chǎng)景；二是自監(jiān)督學(xué)習(xí)（SSL），例如，可以訓(xùn)練一套基于全球自然語(yǔ)言數(shù)據(jù)的系統(tǒng)來(lái)學(xué)習(xí)英語(yǔ)或漢語(yǔ)，然后針對(duì)某個(gè)領(lǐng)域進(jìn)行快速微調(diào)。以上兩個(gè)例子表明，深度學(xué)習(xí)不光能實(shí)現(xiàn)匹配、制定決策和優(yōu)化簡(jiǎn)單的目標(biāo)函數(shù)，還可以具備視覺(jué)、聽(tīng)覺(jué)和理解能力。隨著人工智能在執(zhí)行自動(dòng)駕駛、健康醫(yī)療等領(lǐng)域的復(fù)雜任務(wù)方面取得進(jìn)步，深度學(xué)習(xí)也會(huì)進(jìn)一步增強(qiáng)。未來(lái)5-10年，深度學(xué)習(xí)仍會(huì)是人工智能最大的支撐平臺(tái)，而像卷積神經(jīng)網(wǎng)絡(luò)、自監(jiān)督學(xué)習(xí)等絕妙的新主意，也會(huì)在此基礎(chǔ)上解決過(guò)去無(wú)法克服的難題。

另一方面，有人認(rèn)為，深度學(xué)習(xí)在更多數(shù)據(jù)輸入、更少人工編程的情況下似乎效果更好，所以不適合模擬人類的能力，如推斷、類比或獲取常識(shí)。這種想法認(rèn)為，利用數(shù)據(jù)和深度學(xué)習(xí)的輸入輸出對(duì)人類認(rèn)知進(jìn)行建模不是一件容易的事情，所以有必要對(duì)其進(jìn)行提升，甚至用全新算法來(lái)取代它。未來(lái)有這種可能，但我們尚未挖掘出深度學(xué)習(xí)技術(shù)的所有潛能。短期內(nèi)，我對(duì)上述觀點(diǎn)持懷疑態(tài)度，其實(shí)許多聰明人都已嘗試過(guò)，但卻沒(méi)有真正成功，大約從40年前的專家系統(tǒng)就開(kāi)始了。此外，深度學(xué)習(xí)憑借大量的數(shù)據(jù)和計(jì)算能力持續(xù)取得突破，做成了許多之前認(rèn)為不可能的事情，所以應(yīng)該還有很大的發(fā)展空間。

麥肯錫：您如何看待人工智能在語(yǔ)言中的應(yīng)用？您認(rèn)為這種影響是否會(huì)比在計(jì)算機(jī)視覺(jué)領(lǐng)域所產(chǎn)生的影響更大？

李開(kāi)復(fù)：確實(shí)會(huì)。盡管我們主要通過(guò)視覺(jué)，其次通過(guò)聽(tīng)覺(jué)來(lái)吸取現(xiàn)實(shí)世界的信息，但語(yǔ)言卻會(huì)對(duì)人工智能的商業(yè)和科學(xué)發(fā)展產(chǎn)生更深刻的影響，因?yàn)檎Z(yǔ)言是我們交流并獲取知識(shí)和思想的方式。

我們正處于與2012年相似的階段，當(dāng)時(shí)Geoffrey Hinton等人展示了如何運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)計(jì)算機(jī)視覺(jué)。那時(shí)，ImageNet性能飆升，有望在三四年內(nèi)與人類媲美。創(chuàng)新工場(chǎng)最大的成功之一，就是意識(shí)到計(jì)算機(jī)視覺(jué)會(huì)超越人類并改變世界，于是投資了卷積神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)；我們預(yù)計(jì)，當(dāng)這一天真正來(lái)臨時(shí)，應(yīng)用程序要么與人類合作共生，要么在很多情況下徹底取代人類以節(jié)約成本。后來(lái)，我們看到了應(yīng)用如雨后春筍般出現(xiàn)，雖然也出現(xiàn)了深度偽造、人臉識(shí)別等爭(zhēng)議問(wèn)題，但其他技術(shù)突破還是得到了人們的普遍認(rèn)可，如自動(dòng)駕駛、機(jī)器人感知、放射學(xué)和病理學(xué)識(shí)別、數(shù)字化、圖像、視頻、3D數(shù)據(jù)以及制造過(guò)程檢測(cè)應(yīng)用等，不勝枚舉。

大約兩年前，OpenAI的GPT-3，即第三代生成預(yù)訓(xùn)練轉(zhuǎn)換器，推出了一種新的語(yǔ)言學(xué)習(xí)范式。這種范式基于這樣一個(gè)事實(shí)：盡管數(shù)據(jù)越多，人工智能的效果越好，但我們不可能對(duì)萬(wàn)億級(jí)數(shù)據(jù)庫(kù)使用通用標(biāo)簽標(biāo)注。如果只用名詞、動(dòng)詞這樣的標(biāo)簽來(lái)標(biāo)記語(yǔ)言數(shù)據(jù)，顯然是不夠的。你可以標(biāo)注構(gòu)建航空預(yù)訂系統(tǒng)這樣的特定任務(wù)，但無(wú)法進(jìn)行公認(rèn)的、通用的標(biāo)簽標(biāo)注。因此GPT-3徹底放棄了標(biāo)簽，轉(zhuǎn)而訓(xùn)練新的數(shù)據(jù)大腦，并基于可以根據(jù)過(guò)去預(yù)測(cè)未來(lái)的前提假設(shè)，將世界上所有的數(shù)據(jù)都喂給它，以最高的保真度作為目標(biāo)函數(shù)。這套系統(tǒng)自組織成一個(gè)理解并概括語(yǔ)言本質(zhì)的網(wǎng)絡(luò)，或許不同于人類的方式，但足以開(kāi)發(fā)預(yù)訂、聊天室、語(yǔ)音識(shí)別、機(jī)器翻譯、新搜索引擎、問(wèn)答、廣告定位等系統(tǒng)。

我們的觀點(diǎn)是，隨著自然語(yǔ)言處理（NLP）應(yīng)用像計(jì)算機(jī)視覺(jué)應(yīng)用一樣大量涌現(xiàn)，人工智能投資的第二個(gè)黃金時(shí)代將會(huì)開(kāi)啟。我們已投資了四家自然語(yǔ)言處理公司，其中一家在中文自然語(yǔ)言處理領(lǐng)域處于領(lǐng)先地位，還開(kāi)發(fā)了一套類似于GPT-3轉(zhuǎn)換器的模型，并將其壓縮到原先的千分之一，使之具備實(shí)用性。他們花了大約三周時(shí)間，僅用一名工程師和兩名實(shí)習(xí)生就開(kāi)發(fā)了一套英語(yǔ)-阿拉伯語(yǔ)機(jī)器翻譯系統(tǒng)。整個(gè)團(tuán)隊(duì)中沒(méi)有一個(gè)人會(huì)阿拉伯語(yǔ)。這個(gè)例子充分說(shuō)明，基于全球數(shù)據(jù)打造一個(gè)龐大的自監(jiān)督學(xué)習(xí)訓(xùn)練模型，然后針對(duì)具體應(yīng)用和語(yǔ)言進(jìn)行微調(diào)的方法似乎可行。與之相似，我們展示了基于大模型的快速定制化自然語(yǔ)言處理應(yīng)用如何在定向廣告等領(lǐng)域發(fā)揮作用，這個(gè)技術(shù)現(xiàn)在非常強(qiáng)大，因?yàn)槟憧梢葬槍?duì)不同個(gè)體推送不同廣告副本。自然語(yǔ)言處理也被應(yīng)用到語(yǔ)音識(shí)別領(lǐng)域，未來(lái)五年，我們會(huì)看到自然語(yǔ)言公司的覆蓋面和影響力進(jìn)一步提升，估值也可能會(huì)增加，超越5-8年前計(jì)算機(jī)視覺(jué)領(lǐng)域所取得的成就。

麥肯錫：如果以籃球比賽打比方，目前人工智能的商業(yè)應(yīng)用處于賽程的哪個(gè)階段？

李開(kāi)復(fù)：顯然還在第一節(jié)。比分可能是7:8，我們用深度學(xué)習(xí)投中了一個(gè)三分球，用卷積神經(jīng)網(wǎng)絡(luò)和自監(jiān)督學(xué)習(xí)投中了兩個(gè)二分球。整個(gè)比賽可能剛打了兩分鐘。我們還有很長(zhǎng)的路要走——正如我在《AI Superpowers》一書(shū)里提到的，我們才剛剛觸及冰山一角。有多少企業(yè)在真正使用人工智能？只有不到10%，就連這些企業(yè)也未充分挖掘應(yīng)用的潛能，在落地實(shí)施方面還蘊(yùn)藏很多機(jī)會(huì)。比如，麥肯錫研究顯示，到2030年，人工智能有望額外創(chuàng)造約13萬(wàn)億美元的經(jīng)濟(jì)價(jià)值。路漫漫其修遠(yuǎn)兮，我們對(duì)未來(lái)抱有很大期待。

麥肯錫：打造AI驅(qū)動(dòng)型企業(yè)意味著什么？

李開(kāi)復(fù)：第一，這意味著要以數(shù)據(jù)為驅(qū)動(dòng)，因?yàn)闆](méi)有數(shù)據(jù)，就沒(méi)有人工智能。企業(yè)需要投入資金，將能夠數(shù)字化的東西全部數(shù)字化，這樣才能為人工智能提供養(yǎng)分。不要將數(shù)據(jù)和存儲(chǔ)作為成本中心，而將之視為最能創(chuàng)造價(jià)值的資產(chǎn)。如果你只是把數(shù)據(jù)收集和存儲(chǔ)作為一筆預(yù)算，每年增長(zhǎng)5%-10%，那永遠(yuǎn)都無(wú)法成功，必須徹底轉(zhuǎn)變思維。然后要利用大數(shù)據(jù)體現(xiàn)商業(yè)智能，一旦做到這一點(diǎn)，越來(lái)越多的決策就會(huì)基于數(shù)據(jù)來(lái)制定，而非經(jīng)驗(yàn)或直覺(jué)。

第二，要尋找易于實(shí)現(xiàn)自動(dòng)化的領(lǐng)域，包括制定決策這種人類處理起來(lái)比機(jī)器更費(fèi)時(shí)的事情——這通常是為了節(jié)約成本。還要不遺余力地提升利潤(rùn)、爭(zhēng)取客戶。

第三，將一切可以量化的商業(yè)指標(biāo)與人工智能關(guān)聯(lián)起來(lái)，從而優(yōu)化并提出人類與人工智能共生合作的解決方案。人工智能完全可以代表我們執(zhí)行數(shù)據(jù)豐富、程序相對(duì)固定的單一領(lǐng)域任務(wù)。

麥肯錫：如果您是一家傳統(tǒng)企業(yè)的首席執(zhí)行官，想要推動(dòng)AI驅(qū)動(dòng)型企業(yè)轉(zhuǎn)型，您首先會(huì)用人工智能解決什么商業(yè)問(wèn)題？

李開(kāi)復(fù)：首先考慮公司對(duì)人工智能的認(rèn)知是否準(zhǔn)確。有些高管可能會(huì)對(duì)人工智能的效果持懷疑態(tài)度，也有些可能抱有不切實(shí)際的幻想，這都很正常。我會(huì)請(qǐng)一些專家來(lái)提供建議，找出一項(xiàng)在數(shù)據(jù)方面已經(jīng)準(zhǔn)備妥當(dāng)、能夠與商業(yè)結(jié)果直接掛鉤的任務(wù)。這樣一來(lái)，當(dāng)人工智能落地時(shí)，他們就會(huì)說(shuō)：“哦，果然如此，確實(shí)有效?！?之后，我會(huì)考慮其他機(jī)會(huì)，前提條件是我在這方面有很多數(shù)據(jù)，以及能與目標(biāo)函數(shù)相關(guān)聯(lián)的商業(yè)指標(biāo)，如削減成本、提高利潤(rùn)，或是加強(qiáng)客戶營(yíng)銷的精準(zhǔn)性。如果公司沒(méi)有數(shù)據(jù)，我還要面對(duì)一個(gè)棘手問(wèn)題——選出一個(gè)可以用合理成本收集數(shù)據(jù)的領(lǐng)域。

但我的首要目標(biāo)是用生動(dòng)的人工智能實(shí)例啟迪我的高管和領(lǐng)導(dǎo)團(tuán)隊(duì)，這樣做能激發(fā)大家源源不斷的創(chuàng)造力，想出更多的應(yīng)用創(chuàng)意。第一個(gè)落地的項(xiàng)目很重要，如果失敗了，無(wú)論是因?yàn)闊o(wú)法證明其商業(yè)影響，還是因?yàn)閿?shù)據(jù)太少或錯(cuò)誤，抑或?qū)嵤┎划?dāng)，無(wú)論出于什么原因，領(lǐng)導(dǎo)團(tuán)隊(duì)都會(huì)失去信心。

麥肯錫：您能舉例說(shuō)明一家公司怎樣開(kāi)始這個(gè)過(guò)程嗎？

李開(kāi)復(fù)：一種方式是讓公司先不要考慮人工智能，而是描述其商業(yè)驅(qū)動(dòng)力和挑戰(zhàn)，然后讓專家運(yùn)用人工智能和其他技術(shù)來(lái)交付一套解決方案。比如，某鋼鐵企業(yè)最大的問(wèn)題是他們的液化鐵在輸送過(guò)程中冷卻速度過(guò)快。我們用物流管理、無(wú)人駕駛和安全傳感器等方面的人工智能系統(tǒng)解決了這個(gè)問(wèn)題。當(dāng)我們贏得這家公司的信任后，他們提出了更多問(wèn)題，這些都迎刃而解，因?yàn)槲覀円呀?jīng)開(kāi)啟數(shù)字化旅程，并且安裝了傳感器來(lái)收集數(shù)據(jù)。

如果你因?yàn)闆](méi)有數(shù)據(jù)而難以決定從哪里入手，那就必須了解收集數(shù)據(jù)的成本。初期收集數(shù)據(jù)很容易，但清洗數(shù)據(jù)所需的資源和時(shí)間往往超出企業(yè)高管的預(yù)期。一旦清洗好數(shù)據(jù)，人工智能的時(shí)間成本和工作難度反而不像人們想象得那么大。確定問(wèn)題，獲取數(shù)據(jù)，并了解清洗數(shù)據(jù)的成本，之后就可以落地實(shí)施了。

麥肯錫：以這種方式切入確實(shí)很好，但最終要怎樣做才能真正成為一家AI驅(qū)動(dòng)型企業(yè)？

李開(kāi)復(fù)：需要對(duì)商業(yè)流程進(jìn)行全面數(shù)字化，只要是人工智能比人類表現(xiàn)更好的任務(wù)，就應(yīng)該用人工智能去輔助或替代。如果有高管只顧著因循守舊、各自為政，而不愿擁抱人工智能，那就要撤換高管，或轉(zhuǎn)變他們的觀念。也就是說(shuō)，首先要信任數(shù)據(jù)，要制定數(shù)據(jù)驅(qū)動(dòng)的明智決策，并部署人工智能。如果你做得不好，別人就會(huì)搶你的飯碗；人工智能可以提高員工技能，因?yàn)樗钌瞄L(zhǎng)做常規(guī)、量化的事情，而員工則可以從事更高層次的創(chuàng)造性任務(wù)來(lái)提升競(jìng)爭(zhēng)力。應(yīng)該將人工智能用于管理的方方面面——不只是研發(fā)或技術(shù)，還可以幫助人力資源部門(mén)留住核心員工、初篩崗位簡(jiǎn)歷，幫助營(yíng)銷部門(mén)優(yōu)化和定制EDM（電子郵寄宣傳），以增加客戶閱讀的概率。人工智能也可以運(yùn)用在銷售和IT運(yùn)營(yíng)管理中，公司的所有部門(mén)無(wú)一例外都應(yīng)該利用人工智能工具來(lái)提升業(yè)績(jī)。