創新工場董事長、創新工場AI工程院院長李開復博士，近期受邀前往北美，參與了一系列AI相關活動，不僅在MIT分享了來自中國的AI進展，還與“AI三巨頭”——Hinton、LeCun和Bengio，進行了面對面交流。
他也看到了Google、Facebook和微軟在AI人才組織和發展中，遭遇的競爭和挑戰。
此外，加拿大也因為AI火熱，正希望把握住史無前例的機遇，那加拿大又是如何鼓勵AI、發展AI的呢？
△李開復 Giulia Marchi/Bloomberg
量子位的讀者：
你們好！
這一次去北美，最核心的議程是參加MIT計算機科學與人工智能實驗室（CSAIL）和數字經濟中心（IDE）主辦的AI會議，主題是：AI和就業的未來。
避而不談的AI挑戰
先談談大會觀感吧，這一次Google、Facebook和微軟等美國AI巨頭公司都有代表參加，但最令我驚訝的是這些巨頭這次表現出的AI態度。
原本以為會談論很多人工智能對未來和人類的影響，比如工作、隱私、網絡安全等等，好的壞的都會探討，但會上并沒有聽到太多“負面”的探討。
這次這三家公司的代表演講，顯得有些避重就輕。談談技術，講講科技與未來，然后說下自己正在進行的研究，偶爾也談論政策，但多半還是與特朗普有關，簽證移民政策之類的，基本沒有談論人工智能正在帶來的挑戰。
三家公司代表中，只有Google的代表談到一點人工智能帶來的挑戰，不過他主要講的還是未來三年的計劃，比如Google幫助培訓人類更好使用AI，核心是幫助其他領域科學家利用AI把工作做得更好。對于如何解決客服失業或工作被替換的問題，并不涉及。
我在這三家公司都有高管朋友，他們后來跟我私下解釋說，公司公關部門清楚地告訴過他們，不可以談人工智能潛在的負面影響，要盡可能把人工智能描述得很美好，一切都是“人+機器=3”，人很強，機器很強，加起來更強。
今后人類還會學著跟機器一起彼此增強，就業問題也會迎刃而解，其他技術問題也會迎刃而解，現在正是巨大生產力的大發展時期，機器正在能夠幫助人類解決各種不適合人解決的問題，所以不要過于談論一些不太美好的事情。
我覺得這不是一種負責任的公關策略和行為。因為這三家公司作為美國甚至全球AI的領跑者，熟知最新技術進展，也知道“水能載舟亦能覆舟”的道理，不能只向大眾傳達“載舟”。
我覺得在人工智能的探討中，一定要有責任感，不僅要分享帶來的巨大機會，也要分享未來潛在的挑戰，然后讓更多力量參與進來去解決問題，我覺得這才是比較負責任的做法。
對中國AI發展心態復雜
另一個令我驚訝的是美國公司為核心的AI組織，對中國AI的態度。
美國有很多組織在討論AI方面的議題，比如Partnership on AI，應該算是大家相對比較認可的非盈利機構，但現在組織成員都是美國的公司，這就有些“尷尬”。
中國的AI進展也很快，你不請中國公司加入進來探討，自己琢磨如何在AI發展上給開發者制定規則、做出約束，或者如何避免AI在道德和社會層面帶來負面影響，這都有些不切實際。
而且你不請中國公司參與，自己做一大堆決定，最后中國公司在你們警惕的那些紅線和邊緣地帶進展飛快，反而失去了一開始成立組織的初衷。
這些都是一目了然的事實。但美國這幫AI公司也有一些私下的顧慮。他們覺得在隱私等相關問題上，中美兩國的道德接受度是完全不同的，比如裝攝像頭，中國可能接受、執行起來比美國要快，你這個組織制定的約束，也不一定就能發揮效力。
總之給我的核心感覺是：Partnership on AI這樣的組織沒有底氣認為自己可以獲得中國公司的支持，但可能因為沒有中國公司參與，他們又會因之有損失。因為他們一邊自己達成共識、相互約束，另一邊中國AI快速發展，他們就會落后。
如果放在過去，可能問題不大，因為美國的科技遠遠領先其他國家，但現在AI來講，中國和美國之間的差距并不大，所以我覺得美國這些AI組織如今境地有些尷尬，身陷兩難。
OpenAI 離初衷越來越遠
談到AI相關的組織，可能國內知名度比較高的是馬斯克和YC創始人Sam發起的OpenAI，當時也招攬到了不少人才，不過最近正在遇到危機，很多核心人物都走了，我也從一些核心人員那里聽到一些原因。
先說說離開的代表性大牛吧。Pieter Abbeel，是加州大學伯克利分校教授，強化學習領域的大牛。去年4月正式離開伯克利加入OpenAI，從顧問轉為全職研究員。最近從OpenAI走了，可以說影響不小。
他離職以后，創業做了一家名為Embodied Intelligence的公司，教機器人學習，比如去做一些從人的動作學習、然后做重復性工作的算法開發。
這家公司里，還有OpenAI的前研究員Peter Chen和Rocky Duan，他們都是Abbeel在伯克利的博士生。所以相當于師徒一起離開了吧。
另一個大牛是lan Goodfellow，GAN的發明者，他之前離開Google大腦團隊加入OpenAI，今年又重新回到了Google大腦。
我這次也跟OpenAI中待過的人聊過，大家離職的核心原因其實挺一致。
首先，當初加入OpenAI，是希望把AI做得更開放，不要壟斷在幾家大公司手中，畢竟當時馬斯克發起成立OpenAI，說的就是Google為代表的公司太強勢，把超過50%的業界頂級AI專家招入麾下，長此以往，可能會導致AI技術的壟斷或者走向其他方向。
其次，OpenAI發起時，對于AI發展存在的一些挑戰，比如隱私、安全、威脅人類工作之類的問題，他們希望用更開放的方法去做，這樣等到AI真正發展起來后，才不會讓少數公司獨大，這是第二個共同理想。
還有第三個原因，沒有怎么被拿出來談。到OpenAI這樣的組織待著，要比學校里薪資高出3-5倍，這些學術人才到了OpenAI，也還是能推進自己的研究，加上馬斯克的口才及個人魅力，所以創立之初，人才紛至沓來。
但現在快2年過去，也就有一些問題暴露了。
首先，回過頭去看，OpenAI真正產出的成績并不多，外界能感知的就更少，比如開源之類的，進度有限。
其次，他們做的一些項目展示，比如機器人幫你端菜、洗碗、刷盤子什么的都挺好的，他們自己也覺得很有意思，但相對AlphaGo這種項目，一對比就被打得落花流水。
OpenAI也參與了AI打DOTA之類的，但DOTA的影響力，沒有AlphaGo引起的那樣大，后來DeepMind團隊在醫療等領域，業界影響也很大。
另外，還有與馬斯克相關的原因。因為OpenAI這個組織跟馬斯克關聯緊密，所以有時候馬斯克自己其他公司的事情，比如特斯拉，也讓OpenAI的科學家幫忙出主意什么的，有點成為馬斯克的“智囊團”了。這個本身算不上特別大的問題，但畢竟會讓有些人才心里不舒服。
當然，資金方面也不是沒有問題。最開始說將有10億美元來支持OpenAI，但這并不意味著一下子就有這樣一筆錢打到賬上，而是一個目標數字，主要投資人也是馬斯克和他的幾位朋友，并且以馬斯克的為主，錢的問題自然是個隱患。
所以，OpenAI這樣一個當初被寄予厚望的AI組織，希望他可以抗衡Google，現在看來基本不可能了。
OK，那既然談到了Google，順著說說Google、Facebook和微軟這三家AI巨頭，當前在AI方面給我留下的印象吧。
AI三巨頭公司
先說下Google。Google內部相當于有三個部門在搞AI，Google大腦、Google云，還有DeepMind。
Google大腦和Google云，都在Google治下，應該協調起來更好一些。
但DeepMind被收購至今，還有相當大的自主決策權，所以不可避免會與另外兩股Google內部力量產生競爭，比如DeepMind和Google同時進入一些城市，也會有彼此搶人才的狀況。
當然，他們內部會講得很好，說建立兩個機會來爭取人才，對公司利益也是最大化。但這樣的競爭既然存在，雙方的合作就也不會特別完美，問題還是有的，只是細節不能多說了，大家都是朋友。
這三家AI巨頭公司中，其實給我印象最深的還是Facebook，因為近幾年來，我認為把厲害人才用得比較好的是Facebook。
核心自然是Yann LeCun用Facebook的資源聚攏了很大一批人才。
LeCun這次也在MIT發表了演講，沒有談到有大突破的東西，但會議中還是有不少可以參考的東西。他特別提到了華人AI科學家何愷明，以及后者的Mask R-CNN。
LeCun說現在的進展是5年前難以想象的，對于機器學習，從識別過程走上理解過程，進展都比之前順利很多。我覺得在他的演講交流中，我見到了他過去沒有看到過的那種樂觀。
他在會議中提到一個小突破，即用現在能夠針對一張圖問一個比較復雜的問題，然后這個問題能被拆分成很多部分，用自我深層的思考去綜合解決。
比如你問這樣一個問題：圖中哪個物體離黃色球最遠？系統就能拆分成距離黃色球最近、最遠的物體，然后生成不同的網絡，用一整套訓練來完成這樣一個任務。
我覺得這給他帶來了比較大的樂觀態度，特別是GAN方面的推進。會讓他覺得可以做更聰明的理解型的決策模型，或者說，比他之前預計的時間要更快吧。
我看過他之前的發言，對AGI(通用人工智能)的預計非常長遠，認為當前還沒有任何工程根據，但這次他變得更樂觀了，他也多次談到Facebook內部推進的速度。
這種推進的核心組織，自然是他掌管的FAIR(Facebook AI Research)，可能之前多多少少有一些曝光，不過中國讀者可能不太清楚這個機構的內部情況。
FAIR現在是一個規模120多人的機構了，整體水平非常高，應該說放眼全球，除Google之外的最厲害的一個AI科研機構，非FAIR莫屬。
因為FAIR既在Facebook，又能夠有很大的自由度做事情，LeCun個人也吸引了很多頂級的人，這些人再彼此號召，就會讓FAIR的江湖地位不斷提高，這算是Facebook在人才吸引方面很好的一個策略吧。
不過也不是沒有問題，體現在研究機構和產品部門的“矛盾”上。
LeCun原本有一個對接部門，這個部門主要負責把FAIR的技術產品化。因為LeCun個人拒絕做產品，他自己是科研大師，更多技術研發的初衷和興趣，也都是科研式的。
LeCun甚至嚴苛到要求團隊不要過分使用Facebook的數據，要更多在標準數據集的基礎上做出有震撼力的東西，不然憑借Facebook的數據，他會覺得“勝之不武”，而且結果上，也不知道究竟是Facebook的數據厲害，還是他厲害。
這一點上，我不是很同意他的觀點，但我理解他的想法。LeCun學術出身，很愛學術方面的競爭，他也肯定希望別人輸得心服口服，所以他希望讓他的研究基礎跟別人相對公平，于是要求團隊盡量不要用Facebook的數據，要用標準數據，這樣結果上與他人就有可比性。
反正LeCun可以說是一個中規中矩的科研人，他想把事情做到最好，不想占便宜，用數據取勝，這一點上是讓人尊敬的，是一個科學家推動科學技術進步的態度。
但我覺得有其中兩個問題。
第一，當你不用最大數據集的時候，你不知道是不是已經把技術做到了最好。因為最好的技術，可能是適用數據最廣泛的技術，所以是不是因此丟失了最好的算法，這是值得討論的。
第二是完全以學術方式來做技術，拒絕適用內部大量數據，可能會讓自己技術應用到產品上出問題。
這兩個問題，也不是看不到表現。最近Facebook內部也有一些調整，有一個部門原來因FAIR專門成立，希望把FAIR的技術轉換為標準產品，讓它能夠應用到公司各個不同的領域。
但最近那個部門的領導換成了一個中國人，他來了以后就跟FAIR不太互睬，比如有些技術，語音之類的，他就覺得自己可以做，不用完全等著FAIR。當然視覺方面還是依賴于FAIR的突破，但內部的分歧已經有苗頭了。
學術派 VS. 工程派
這其中也有一個蠻常見的問題，一家公司想要在技術上更領先，就會涉及人才網羅和組織，而很多科技人才哪里找，還是高校和科研單位為主吧。
所以科技公司里，如果你單純招一批研究的人才進行研究，怎么跟產品工程的人融合，是一個非常大的挑戰。
Facebook和微軟，采用的都是“象牙塔”模式。
公司組織架構下做一個象牙塔，用這個象牙塔吸引最頂級的人才，讓他有大量的數據可以用，可以寫論文、做研究，一切沒有限制，自由科研。然后再通過產品工程師，把技術實現應用。
最早這么做的應該是比爾蓋茨，當時推出微軟研究院后，以非?？斓乃俣?，把頂級人才吸引了過來。后來百度也用這樣的方法，效果也不錯。
但是類似“象牙塔”的結構和系統，問題也很明顯。
這些企業內部的科研組織，確實吸引了科研大牛，進而吸引一批小牛，很快就組成了很厲害的科研單位。但因為給于了足夠大的自由度，也很容易與產品部門有隔閡，科研學術的這部分人，會覺得我寫了這么多論文、獲了這么多獎、又是各種fellow，你這種產品小朋友按照我意思做就行，我告訴你人臉識別ready了，你就趕快放到Facebook產品中去，或者不放拉倒。
所以研究和產品在大公司里對抗，不是什么意料之外的事情。
或者也有公司會直接把研究和產品放在一起，就都是為產品服務的，這樣就不存在兩個部門打仗了。比如阿里巴巴，可能吸引的人學術地位沒有那么高，但阿里會更注重學術群體和產品工程師的融合。Google也差不多，你看兩個部門都是科研部門，但最終都是要做產品，都以產品服務公司。
所以現在來講，大公司里搞研究機構，吸引學術人才進來，差不多就這兩種模式吧，各有利弊。不過顯然“象牙塔”模式，給足學術大?？臻g自由科研，最后還是因為和產品部門之間的隔閡矛盾而離開，這種案例并不少見了。
這算是企業研究院的“魔咒”。現在雖然FAIR很強大，但從IBM到富士施樂，都沒有擺脫魔咒。企業一帆風順的時候當然不會表現出問題，然而一旦遭遇財務問題，象牙塔就會開始崩塌。
所以這算是一個懸而未決的問題吧，蠻有意思，也蠻值得思考。
與“AI三巨頭”游
“AI三巨頭公司”之外，這一次收獲比較大的是跟“AI三巨頭”分別進行了交流，其實我和這“AI三巨頭”之前也有一些關系，不過有些交集是這次交流才知道的。
△與Geoffrey Hinton會面交流
Geoffrey Hinton，我在CMU念博士時，他在CMU任教，是我隔壁室友的導師，我博士時候做一個項目，還請他參考簽字，不過以為都過去很多年了，他應該不記得了。但Hinton記性很好，他見面跟我說記得我，還跟我說當時他給自己的博士學生買了很多硬盤，最后都被我“掠奪一空”，拿去裝語音數據了。所以蠻令我意外。
另一個讓Hinton談論較多的話題是中國，他其實跟中國有很深的緣分，他家族親戚里，有兩位是中國最早的永久居民，當時跟著毛主席到延安，后來成為中國的1號和2號永久居民。他們全家都是社會主義的信奉者，他也深受影響，不然當初也不會離開CMU到多倫多大學去，他說當時就是覺得CMU拿了太多美國國防部的錢，走得太近了，自己不喜歡。
Hinton是一個很感性很隨性的人，想到什么說什么，沒有太多的顧忌，性情中人吧。我還問他是不是可以認為TDNN對后來的CNN有啟發，他回答說TDNN其實就是最早的CNN，這話公開說出去可能會引起軒然大波，不過Hinton就是這樣一個很感性的大牛。
比較遺憾的是他目前的身體情況，70多歲，雖然還很硬朗，但他不能坐，只能站著或躺著，所以他坐不了越洋飛機，即便對中國很感興趣，也沒辦法。他現在一半時間在Google，另一半的時間就在多倫多大學。
△與Yann LeCun會面交流
LeCun，之前履歷經歷上的交集不多，不過這次見面，他倒說了一件我們都有印象的事。LeCun說，他在AT&T的時候，他的老板告訴他希望挖我過去工作，我也記得這件事，雖然當時并沒有認真考慮過去AT&T工作，不過LeCun竟然記得，也是讓我有些意外。
跟LeCun交流很有意思，主要談到了AI當前的技術進展，以及他領導的FAIR。最深刻的印象是他比以前更樂觀了，說明AI技術突破給了他很大的信心，另外Facebook網羅的人才，也讓他很振奮。
△與Yoshua Bengio會面交流
Yoshua Bengio，我跟他是第一次見面，不過大家之間也有一些共同“紐帶”，他的博士導師Renato De Mori也是做語音的，所以之前我跟他導師有一些交流和合作。
Bengio給我的印象是：很像一個政治領袖——口才很好、溫文爾雅，話少而精。
他的團隊現在做得也很大，而且剛好趕上加拿大史無前例的機遇，所以也是舉國上下圍繞AI在開展一些事情，這個可能比較值得聊一聊，之前科技相關的話題，聊到加拿大的時候也不多。
AI：加拿大史無前例的機遇
加拿大這個國家，不要看她領土面積很大，但人口不多，而且居住條件也沒那么好，比較冷，整個生活方式也相對安定，跟美國有一些不同。
現在，因為深度學習的原因，Hinton和Bengio把多倫多和蒙特利爾，建設成了人工智能重鎮。
于是加拿大政府在國家層面、省層面，都有層層撥款去推動人工智能。一定程度有點像我們國務院的白皮書，下發到省市，然后具體去做。
主要涉及兩個城市，一個是多倫多，另一個是蒙特利爾，兩個城市又以高校為核心，其實是圍繞Hinton和Bengio為核心，形成了多倫多和蒙特利爾兩大AI研究機構。
多倫多主要有兩所大學，一所叫多倫多大學，另一所是滑鐵盧大學，有點類似我們的清華北大吧，這兩所大學的精神領袖是Hinton，他在這里組織起了一個強有力的科研組織：Vector。
蒙特利爾也有兩所高校，分別是蒙特利爾大學和麥吉爾大學，精神領袖是Bengio，也形成了一個科研組織：MILA。
這兩個組織，現在網羅了大批AI相關的人才，基本以加拿大人為主。那為什么會形成這兩大組織呢？與剛才說到加拿大想抓住AI歷史機遇有關。
為了留住人才，打造AI重鎮，加拿大從國家到省層面，都在撥款，或者倡議當地企業捐助基金鼓勵人才進行AI研究。
這些錢撥下來以后怎么用？最直接地方式就是給教授加薪，細節沒公布，但與AI相關的教授，差不多直接漲薪3倍。
于是問題也隨之而來，因為做AI就能加薪，所以不少傳統學科的教授，比如語音學的教授，也想擠進來，也說自己的研究與AI相關，那如何判斷、決定誰加薪就成了大問題。
這時候Bengio和Hinton在其中就發揮了作用，他們相當于承擔起“判斷”和“選拔”人才的角色。
于是Hinton就組織起Vector，Bengio組織起MILA。
而且這兩個機構也不虛，可以說把優質的教授都拉了進來。一方面，這些人才基本都在做機器學習；另一方面，這也都是可能會被Google和Facebook挖走的人。所以這兩大組織實際上起到了“保護人才”、“留住人才”的作用。
也挺有意思，之前Google和Facebook在很多大學挖人，在美國挖得比較順利，比如Google挖了一半的斯坦福教授，CMU自動駕駛團隊被Uber集體端走之類的，但是在加拿大這邊反而動靜不大。
雖然也跟美國公立學校的組織制度有關，比如不能直接漲薪3倍之類的，但無論如何，這兩大組織在加拿大AI人才保留方面，起到了關鍵作用。
講一個我知道的例子吧，Google為某個加拿大博士開出了頂級offer，年薪百萬美元，但這個人最后還是留在了加拿大繼續科研，所以可以想見加拿大AI研究人才薪資方面的不俗。
具體的話，Hinton和Vector，Bengio和MILA在推進AI研究的方法上，有些不一樣。
Hinton的做法，是圈了30多個多倫多科技公司，圍繞著這些科研人員，讓他們在公司里面做顧問、CTO，只要不荒廢科研工作，開放性質地進行AI研究。
所以打個比方，Hinton的做法是正在讓多倫多變成一個大的孵化器，我們這次還去看了很多多倫多的公司，整體感覺像是到了一個大賣場，很多項目都很便宜，可以簡單列個比較關系吧：
加拿大普通AI項目的估值＜兩大教授學生AI項目的估值＜硅谷AI公司的估值＜中國AI公司的估值。
不過一方面是中國公司估值確實貴，另一方面也是因為加拿大環境原因，他們在數據方面跟中國不能比，對于商業的理解，也不一樣。
△Element AI創始團隊成員
Bengio和MILA在蒙特利爾，核心做了一家Element AI的公司，騰訊還參與了投資。
這家公司做什么呢？其實有點跟創新工場AI工程院類似，找一些垂直領域，然后基于AI打造解決方案，他們的團隊現在有100多人，全球范圍招聘，光融資就募到了很多錢。
雖然加拿大整體市場也不大，數據也不多，但也有一些優勢領域，比如社保做得很好，醫療數據做的很好。所以是不是可以有些機會？可能還是有的。
總之這一次在加拿大，最強烈的感覺就是加拿大對于百年難得一遇的機遇的渴望，政府大力推動，給高校設立“講座教授”之類的基金，花很多錢讓頂級教授留在加拿大任職。
然后地方省份，也拿出錢來支持學校、圍繞企業和孵化器進行發展。他們也都在考慮，如何全球吸引人才，如何做AI的培訓。
所以加拿大整體展現出來的就是圍繞AI，打造生態，培養創業環境的態勢。
OK，時間關系，這一次先圍繞“北美見聞”聊這些話題，下一次我們再圍繞“北美如何看中國AI”進行交流。
祝冬安。
文章轉自量子位? | 公眾號 QbitAI
]]>
2016年7月，確定離職Google加盟創新工場的工程師王詠剛收到李開復郵件，后者談到是時候對“人工智能”有一個系統的梳理——讓大眾讀者既能快速了解過去的AI發展史，又能對未來即將發生的變革做好思想準備，特別是那些身處其間的年輕人。
這就是2017年4月面市的新書《人工智能》的發端之源。
在《人工智能》書中，李開復和王詠剛談到了人工智能的過去、現在和未來，談到了人工智能作為技術在當前互聯網的應用，以及即將對科技、生活、教育、職業選擇和未來社會產生的影響。
對于他們來說，人和人工智能的關系問題，將會是當前和未來很長一段時間內，社會核心群體無法回避的問題。
如何判斷《人工智能》不是出自AI之手？
不過，在談論關系前，對于人工智能的正確認知并不容易。
AlphaGo等引發的沖擊尚在繼續，從一開始不相信機器會在圍棋這樣高深莫測的領域擊敗人類，到最后對人工智能的完全恐慌臣服，其中包含對人工智能真實的認知。
比如，不少人開始將每一個“對象”懷疑為人工智能。李開復最愛談到的段子是“微信群辨識人工智能”，他說自己因為各種關系被拉入了不少微信群，但總有人調侃“他”不是李開復而是人工智能，而且語音、圖片和視頻都有可能作假，唯一驗證的方法就是讓他發紅包出來。
這背后涉及人工智能現在可以做什么，將來還能做什么的認知。不過，李開復認為，人之于人工智能的最大區別，可能會在于感性、思考和跨領域的能力。
在《人工智能》新書發布現場，李開復還被記者的問題逗樂了。新浪科技問他，現在人工智能如此火熱，怎么讓人確定這本書不是出自“李開復.AI”的程序之手？
李開復的回答饒有意味。他將問題分為了兩大部分，一是在《人工智能》一書中，機器有可能實現寫就的部分，二是未來十年內人工智能都無法參與的部分。
首先，李開復認為介紹人工智能、講訴人工智能歷史和預測人工智能未來的部分，機器在未來肯定可以實現，在這些“數據積累”和“經驗匯集”的領域，機器比人更有優勢。
但涉及“意義”問題，可能就會是人之所以區別于機器的所在。
李開復拋出一連串問題：“孩子教育怎么辦？”、“會不會教育出來都失業？”、“社會貧富差距是否會拉大？”、“巨頭和普通人權力會不會有變化？”，“越來越多的工作被取代后，人是否還需要工作？工作的意義又是什么？”
他解釋說，跨領域的、高深的、需要深度思考的內容，未來十年人工智能也無法達到。
實際上，同樣的問題也出現在越來越多的行業，不僅是寫作，更包括之前屬于“好工作”的金融、理工、醫學和律師等。
給青年的建議：學深、跨領域，走向服務業
面向這些正在學習的年輕人，李開復給出了自己的建議：
首先是面向所有大學生，他認為，可能需要思考的問題是如何把所在領域學到特別深——深到人工智能無法取代。換而言之，新趨勢下的學習不僅要有興趣天賦，還要扎實努力，垂直縱深。
其次是跨領域會成為趨勢。因為人工智能在單領域、大數據方面的天然優勢，可能人類不得不需要通過跨領域的交錯、結合，才能達到人工智能很難根據單一領域大數據推算的地步。比如在金融、社會學、哲學和教育學等交叉結合點，就可能會出現一些新的創新機會和創業前景。
第三是文科領域的學生，李開復表示可能會在人工智能時代迎來新的發展機會。由于計算機在藝術、幽默、電影和創造等“感性”領域的“無能”，文科涉及的領域或許會迎來新的發展機會。
李開復還就此認為，我們需要做好未來走向服務業的準備了。
他所謂的服務業，指的是涉及人與人之間的交流，人與人之間的同理心，以及如何讓自己更有愛、更受歡迎的行業……李開復強調，這其實是一個確保人類對人工智能保有競爭力的方法。
當然，對于人工智能的機遇和挑戰，這位人工智能領域的博士的核心論點是“工具論”。他表示無論是走向任何領域，都要把人工智能這個工具用好。
比如金融專業的學生，可能需要了解智能投顧正在帶來的變革、AI量化交易有哪些新突破、AI在征信、信貸和區塊鏈等方面又如何施展拳腳？李開復認為只有真正理解并掌握這些技術，才能讓人立于不敗之地。
給傳統企業家建議：歸零、自我顛覆、尋求合作
而對于傳統企業和企業家，李開復的核心建議是“歸零”和合作。
相比互聯網的沖擊，他認為人工智能帶來的顛覆性變革將更加廣泛、兇猛且跨領域。因為人工智能的算法是可以在已有基礎上超越式迭代的，這對傳統企業家提出了新挑戰。
這就需要傳統企業家，首先在思想上“歸零”。不要因為現在企業的規模和存量，就擔心人工智能帶來的顛覆，進而阻礙了革新和自我顛覆，“如果自己不顛覆自己，那別人也會來顛覆你?！?/p>
比如目前券商、銀行、保險等行業的企業家，可能還沒法做到通過人工智能的方式去開發產品。
“因為固有的DNA、文化方式、過去的成功、已有的利潤，都形成了一個巨大的包袱，讓他們無法放下。就好比柯達，明明知道數字相機的時代就要來臨，但還是脫離不了固有的思維，逃不出被顛覆的怪圈?！?/p>
所以對于傳統企業家來說，要么成為少數者，擁抱人工智能，然后走到更高的高度。要么淪為被顛覆的角色，被下一個創新者用新的技術顛覆掉。“當然，如果實在沒有辦法顛覆自我，那另一種選擇是把產業賣掉，然后轉行去做投資，否則會因為顛覆來得兇猛快速，沉沒成本會越來越大。”
其次是尋找擁有解決方案的合作方。目前人工智能火熱的最明顯特征是相關領域人才特別貴，但李開復認為這可能還只是表象，而且就算是傳統企業家擁有強烈的變革決心、開出高額價碼，也未必能夠打動這些人才。
“因為任何一個頂尖人才都希望走得更順，希望能夠進入一個更加符合職業前景的公司，比如一個已經把大數據跑得很通暢的公司，所以他們也會更愿意進入Google、BAT這樣的公司去發揮才華，而不是到一個傳統企業去和老板沒完沒了地溝通?！?/p>
于是可能還不只是人才貴的問題，更加核心的是能否雇到的問題。并且值得注意的是，這對于企業變革來說，可能才只是第一步，還有接下來第二步、第三步需要邁出。
這樣的情況下，找到合適的解決方案合作方就變得重要。這種合作方既要懂人工智能技術，又要擁有人才等核心資源方面的能力。
李開復表示，創新工場也在尋求這樣的機會，希望利用自身的資源和優勢，幫助傳統企業去實現新趨勢轉型，成為合作伙伴，探索解決方案。
給AI人才建議：找老司機、回到中國
實際上，創新工場之所以讓李開復擁有這樣的底氣，正是在人工智能人才方面的投資布局。而且他們正在通過創新工場人工智能工程院，去復制李開復在微軟亞洲研究院和Google中國的人才培養模式。
這種模式首先是借助老司機的傳幫帶。李開復召喚了不少在Google、微軟工作的資深工程師，再讓這些擁有十年工作經驗的人帶10個、20個剛畢業的理工科頂尖人才，然后在6個月左右的集中學習、應用和開發中，成長為人工智能方面的工程師。
其次是召喚更多在美工作的華人回歸中國。李開復表示中國人都想回到中國工作，只是過去來看，學習和就業的機會方面，美國都享有優勢。但現在人工智能趨勢來臨，類似在大系統、大數據方面的需求，人工智能正在把一批又一批谷歌、微軟、亞馬遜培養出來的工程師吸引回國。
此外，還包括一些學界出來的科學家人才。李開復認為創新工場人工智能工程院的成立，核心目的之一也是希望通過科學家和商業人才的對接，產生更大的商業價值。
給創投建議：2B和2C都有機會 2B更容易
當然，談及人工智能的商業應用，李開復還發表了他對商業模式的看法。
目前，市面上主要存在to B和to C兩種最主要的模式，李開復認為都合適，但現階段來看，to B會更容易一些。
因為現在企業希望看到人工智能快速創造價值，而人工智能在to B方向更容易快速產生實際效益，比如銀行保險、券商投資、二級市場等，這是過去企業和軟件行業都沒有看到的現象。
所以這位創新工場創始人判斷，當足夠多的企業嘗到甜頭后，會形成一個“買買買”的浪潮，帶動更多企業級應用的實際購買。即便此前國內的企業級軟件并不發達，但人工智能可以快速證明自我價值，并且讓to B市場可以快速成長。
其次是to C市場，可能會相對困難一些，因為人工智能本身并不是一個應用。
“雖然BAT已經在面向to C的領域里應用了諸多人工智能的技術，但這也是在他們擁有大量用戶、大量用戶數據和用戶變現的基礎上。如果一個初創企業沒有自產流量，那大數據就無從談起，所以對to C的人工智能創業公司來說，起步并不容易。”
然而這也并不意味著to C就毫無機會可言。李開復以國內初創公司“用錢寶”舉例，在抓住一個重點垂直領域把流量做起來后，現在這家初創公司的每月平均放款可以達到150萬筆，已經超過了任何一家傳統銀行。
不過，李開復最后也提醒稱，to C和to B的比較，會讓更多VC和創業者只看到前景而忽視了現狀——to B的人工智能企業雖然機會更多更大，但也需要之前有更長的時間去孕育等待，而不是馬上就能指數式爆發成長，一定要富有耐心去陪伴投資項目成長。
]]>