科大讯飞AI研究院联席院长李世鹏：人工智能发展趋势及应用落地

2018年10月18日，由亿欧公司主办，思贝克联合主办的“引擎·引领”2018大湾区国际科创峰会（Bay Areas Tech Innovation Summit，简称BATi）在深圳万科前海国际会议中心举办。

本次峰会以“引擎·引领” 为主题，现场聚集超过2000位人工智能、生物医药等行业人士，共同探讨生物医药、智能制造、智能产品、智慧城市、智慧安防、智慧交通等一众热点话题，分析科技创新未来趋势，盘点技术革命下的发展契机。峰会采取“1+2”的组织架构，除了10月18日的2018大湾区国际科创峰会外，19日将举办包括智能制造·智能产品论坛和智慧城市论坛在内的2场垂直峰会。

在2018大湾区国际科创峰会上，科大讯飞AI研究院联席院长李世鹏发表了《人工智能发展趋势及应用落地》的演讲。他提到：

1、人工智能之所以火起来，从根本上说是技术发展到一定程度的自然现象。它取决于三个因素：一是大数据、互联网、社交网络互联网、物联网的爆炸性增长；二是计算机的处理能力；三是关键的算法。

2、人工智能也是渐进的，从没有计算的智能到感知智能，未来一定是认知智能。

3、从底层到用户交互，再到数据、知识、服务层，都要有一些标准把数据统一在一起，从而训练出来的神经网络就会有更多的了解，做出更智能的事情。

4、数据变成人工智能最大的瓶颈，这就是为什么各个AI公司最大的消耗是在整合数据上，催生了很多以前装配线的厂，他们现在变成数据标注公司，这是一个很大的产业。

5、最大的成功、最大的潜力是AI的各种应用场景，反过来也是特别不容易的事情，数据在这里起了关键的作用。一个行业如果没有一定的数据水平，效果可能并不好，这个市场虽然很大，也需要一些新的资源、新的能力来做。

【李世鹏现场演讲实录】

大家下午好！很高兴有这样的机会跟大家分享科大讯飞在AI方面的思路。

AI现在特别热，李世石和Alpha Go的对决一下子证明AI比人还聪明，那怎么办呢？各个国家，包括美国、中国、欧洲、日本等很多国家已经把人工智能当成战略，我们国家更是如此。我们制定了特别雄伟的三步计划，到2030年在很多领域要在世界上领先，可以看到国家在这方面的决心很大。

到底AI的现状是什么样？有多少是真正能帮我们做些事情的？下面给大家稍微解析一下。第一，什么是AI？AI的官方定义也不统一，每个人都有自己的解读，我另外一只脚在学术，我比较喜欢从事情的本质看。人工智能跟以前也没什么区别，只不过是新的计算方式，以前的计算是人来编程、机器来做，人工智能是机器可以通过大数据的学习自己做一些事情，这是最大不一样的地方。

为什么人工智能突然变热了？除了李世石对战Alpha Go一下子引爆的大家对人工智能的热度之外，从根本上说是技术发展到一定程度的自然现象。它取决于三个因素：一是大数据、互联网、社交网络互联网、物联网的爆炸性增长；二是计算机的处理能力，最近几年随着CPU、GPU和专业的计算能力，云计算带来很多传统我们想算又算不出来的能力；三是关键的算法，2007年之后一直在产业、学术界引爆很多新的思路，包括最开始在语音识别上的应用。

说起AI，一直有两种方法：一种是最近几年火的，根据大数据在深度神经网络里做的AI。第二种是对人脑的研究。为什么有这两种研究？大数据、深度学习最近以来确实能解决我们的问题。现在人工智能的框架很大程度上还不足以满足很多要求，比如说人脑对少量的数据能归纳出做一些总结，人脑大概需要20瓦的能量可以保证它的正常运转，今天需要在现在的人工智能深度学习网络里有大量的数据，才能达到人脑的相似水平。

人工智能也是渐进的，从没有计算的智能到感知智能，未来一定是认知智能。除了对人脸识别、声音识别之后，我们转成文字以后，文字的内涵是什么？我们需要在认知层面上进一步做很多工作，很不幸的是认知智能现在还是初期。

我个人把这三步引申得更深一点，每一层次需要的数据是原来的很多倍，分别是通知、感知、认知、预知、绝知。前面三个层次大家很容易体会到，认知这个层次的时候，单一信号源的数据已经不足以实现智能，而是需要多个信号源，比如说对文字内容的认知，不单需要对文字本身的认识，需要对很多传统的知识一些理解，这个特别关键。

再往上是预知，人工智能在你还没有说话、发出指令之前，它就知道你要做什么事情，给你提前准备好很多东西，最难的是通用人工智能，机器可以帮你做决定。虽然今天机器可以在炒股方面帮你做决定，为什么还不能达到完全让机器帮我们做所有的决定？因为机器的了解有限，我们对机器行为的了解也有限，我们不知道它会做出什么样的结果。

刚才讲了所有的人工智能，现在的框架大概都是在大数据基础上，怎么样能有效的发挥这些数据的力量？单靠一家公司、一个人是远远做不到的，所以就需要能把各种各样的数据融合在一起，这就涉及到人工智能方面数据的融合问题、数据的互相兼容问题，这里分了几个层次，从底层到用户交互，再到数据、知识、服务层都要有一些标准把数据统一在一起，从而训练出来的神经网络就会有更多的了解，做出更智能的事情。

这里对数据的特点有六个总结：一致性、连续性、基于上下文、兼容性、完整性、控制。控制特别重要，谁在数据里有控制权？这是很有争议的话题。AI的趋势是这样，这里面有好消息，也有坏消息。今天的AI神经网络框架我们已经可以做很多事情，现在很成功的语音识别、语音合成、自然语言的翻译，从一种文字到另外一种文字的翻译，这都是做得很成功的。数据变成人工智能最大的瓶颈，这就是为什么各个AI公司最大的消耗是在整合数据上，催生了很多以前装配线的厂，他们现在变成数据标注公司，这是一个很大的产业。

另外一块也是特别关键的一点，所有的AI讨论里人必须在里面发挥积极的作用，也就是说不能离开人，不管今天自动驾驶做得多么好、多么完备，如果有事故或是倾向出事故的时候，人怎么把控制权拿回来？同时人跟自动设备、机器之间怎么和谐的相处、工作，互相增进？这也是特别有意思的话题、特别重要的话题。

为什么需要人在里面？人可以在机器不工作的情况下提供人的反馈，下一次机器会知道下次遇到这种问题会怎么处理。在欧洲和一些先进国家在讨论AI伦理这块，人在环路里成为必须的一部分。

AI的基础技术现在一般掌握在一些大公司，比如说微软、亚马逊、Google，小公司在这方面的创新不多。现在大家看到AI公司的成功是基于感知、人脸识别、语音识别、物体识别，它可以用在很多的应用。最大的成功、最大的潜力是AI的各种应用场景，反过来也是特别不容易的事情，数据在这里起了关键的作用，一个行业如果没有一定的数据水平，效果可能并不好，这个市场虽然很大，也需要一些新的资源、新的能力来做。

科大讯飞在很多领域已经有很多应用。第一个领域是在医疗领域，医考机器人可以配合一些医生在复杂的症状给医生一些建议。人类医生一定先入为主，他认为可能是某种病，机器人会给出一、二、三、四种可能性，同时建议病人要不要做这几项检查，检查完以后再返回来了，AI机器人会做新的排列，我们在医生发现之前给他指出了很好的建议。

教育方面我们习惯的教育是课堂式的，上面一个老师，下面几十个学生，没有办法做到个性化教育，他不可能对每个学生进行个性化。通过AI机器人，我们会对每个学生的试卷、作业进行分析，找出学生不同的知识薄弱点，从而制定一些个性化的教案和作业。

科大讯飞除了在赛道里做了很多了工作，其中一个是在深圳大湾区里做得最多的云交互，大家可以用科大讯飞的AI、UI平台建自己的应用，可以调我们语音识别的功能和语音合成的功能、翻译的功能，同时我们在消费者这块也有一些硬件布局。