马云：AlphaGo 战胜人，So TM What？
弯道超车十超九翻，我们要换道超车
先上十大金句
1.我刚刚很感动，因为一个经济学家（指的是清华大学国家金融研究院院长朱民）讲人工智能问题可以讲这么久。
2.大家现在说企业难做，其实企业从没有好做过；大家说实体难做，其实实体从来没有好做过。
3.未来，重要的不是让自己变得更好，而是能让别人变得更好。为别人赋能。
4.未来10年之内会加速五个行业，新零售、新技术、新能源、新制造、新金融等。有人说我胡说八道，我反正一直胡说八道，再多说一遍也无所谓。
5.未来的制造不是标准化，而是个性化定制化。
6.我们不该是弯道超车，而是换道超车。弯道超车，10超9翻。
7.不是互联网抢了你，而是你对互联网、对技术的漠视让你失去了机会。
8.互联网不是高科技，是所有行业必须都要用的。未来30年，不属于互联网公司，而是属于用好互联网的公司。
9.阿法狗用人类打败了人类，我个人觉得，so他妈what？ 机器打败人不值得夸奖，机器要做人类做不了的事情，机器要做人类创造不了的事情。
10.未来30年不是力量和知识的竞争，而是服务、体验、感受的竞争。为别人创造价值、为别人赋能的人才能成功
下面是新智元根据现场直播整理的内容。
马云首先感谢了朱民关于人工智能的讲话，表示在中国，被经济学家关注的问题成功的几率就会比较大。
马云认为，过去20年是互联网技术的时代，而未来30年是互联网时代，而未来30年的变化我们无从想像。他认为现在关于线上及线下不公平的讨论是个伪命题，实体经济从来没有好做过，不要抱怨互联网对于实体经济有冲击，而是应该思考如何利用互联网让自己的企业发展更好。
马云预测未来十年内会实现加速的五个行业的变革：
新零售，即线上、线下及物流的整合，学会如何服务客户而非如何卖东西；
新制造，即个性化、定制化，智能化而非标准化的制造，马云预测未来广东制造业受到的冲击将远远超过长江三角洲地区；
新金融，传统金融解决二八问题，即只服务于20%的大企业，其他不关注，关注了也不能提供专业的服务；而新金融解决八二问题，即关注和解决80%的消费者和中小企业的金融问题；
新技术：未来技术的竞争不会围绕PC，中国在这一领域参与竞争希望也并不大，弯道超车十超九翻。中国应该换道超车，关注如芯片发展等领域的技术创新；
新能源，第三次技术革命的能源是数据。
马云还谈到技术变革对就业的影响，认为每次技术变革都是就业变革。工作岗位被抢走是源于对互联网的无视、漠视，事实上互联网在创造大量就业。云计算、大数据这类热门问题被讨论时有人会猜想十年后根本没有数据分析师这种职业，而三十年后《时代》杂志封面年度最佳CEO将很有可能是个机器人。
马云继续谈到创业问题，认为以前创业靠资源，而未来靠的是技术、数据和创新。未来企业家将从entrepreneur变为netrepreneur。未来三十年时间不是属于互联网公司，而是属于用好互联网的公司。BAT应该把技术、能源、人才普惠化，否则也无法保持长久发展。马云还分享了阿里巴巴内部最常谈到的两句话，即“一切业务数据化，一切数据业务化”，同时表示阿里巴巴比任何一家公司都如履薄冰。
谈到未来的视野和战略问题，马云谈到，国际化是一种能力，全球化是一种格局。全球化不是在中国以外的地区寻求廉价劳动力，而是要考虑自己的企业能给当地的就业、经济发展带来什么。马云认为从现在开始应该高度关注低于30名员工的公司，关注30岁以下的年轻人。
关于人工智能的发展，有关AlphaGo战胜围棋大师这类成就马云不以为意，他认为让机器人做人类可以做到的事情不算什么，机器人做这类事情必然会超越人类，只会让人类越来越沮丧。机器应该拥有自己的智能，人类应该思考machine intelligence，未来让机器成为人的合伙人而不是竞争对手。“我有不同的看法，阿法狗打败了人类，我个人觉得，so他妈what？ 机器打败人不值得夸奖，机器要做人类做不了的事情，机器要做人类创造不了的事情。让机器成为人类的合伙人、成为合作伙伴，而不是成为人的对手。”
谈到未来竞争的趋势，马云认为二十一世纪最大的能力是服务别人的能力，只考虑自己不是好战略。竞争在过去是肌肉竞争、知识竞争，而在未来将是体验竞争，感受竞争。未来女性会蓬勃发展，因为她们更关注体验和感受。关于虚拟经济和实体经济之争，马云认为两者本就不对立。虚拟经济的主体应是金融，而互联网不是虚拟经济，是虚实结合，这样才能持久发展。BAT发展的好是因为每家都有自己的核心竞争力。技术是未来真正的红利。
马云还举了英国汽车工业发展初期，因汽车出现侵害到传统马车行业利益而出现的针对汽车限制的例子来谈创新，认为任何一次创新，在未来都是监管的创新，制度的创新。
马云还谈到未来教育的问题，认为过去教育的理念就是搞定老年人就等于搞定年轻人，而现在和未来要关注年轻人。要让我们的孩子学习艺术、音乐和体育，从而培养想象力，创造力和团队精神。中国的教育体制未来将遇到重大冲击。
最后马云提出一个他认为有较多争议的问题，即网民素质的问题。“东亚病夫”的概念代表的是营养不良和贫困落后。马云认为一个人在网上表现出知识结构，智慧，文化体系的不良就叫做“网络病夫”。网络把过去中国几十年积累下来的知识、文化的不足放大，目前的网络暴力、水军泛滥就是体现。马云认为这是应该引发大家深入思考和关注的问题。
高端对话：李彦宏、马化腾和沈向洋谈人工智能
马云演讲结束后，进入高端对话环节。由吴鹰主持，对话嘉宾：百度李彦宏、腾讯马化腾、微软AI领军人、全球执行副总裁沈向洋，以及神州数码董事局主席郭为。
由于绝艺亮眼的表现，主持人吴鹰将谈话第一棒交给了马化腾。
马化腾：腾讯来说AI还是落后不少，Robin 在这方面懂更多。在我们公司内部，结合产品，包括我们的图片、人脸数据的图片是高达数十亿张。还有很多后台数据分析，包括广告匹配，都用上了AI技术。但是大家感受不到，因为在后端。我们当然也希望在前端有这样的。去年AlphaGo的论文出来，引起了业界的轰动。我们团队本着一种练手、练兵的心态，去做这样一件事。很多团队纷纷使用深度学习，将这种技术融入在原本已经走到瓶颈的围棋这方面上来。我们公司有3个团队，分别在不同的部分，也动用了公司很大的资源（比如计算）去做这件事情。更恐怖、更深层的意义在于，它能够利用数据自己学习、自己跟自己对弈。Mater 出来后，经历了数亿、数十亿的交战的盘数，它自己的去寻找规律。这给我们很大的一起启示，以后的金融，包括现实中的每一个行业，如果能用这个技术，模拟个现实的环境，可能不用教车怎么去开，汽车自己就能琢磨出一套规律和经验，自己找到规律去解决问题。
主持人吴鹰：最有可能在哪里领域有颠覆性的东西出现？微软最希望干掉BAT里面的哪一个？
沈向洋：我每次在马云讲完后以后都没有话可讲——马云基本上把话都说了。马云说弯道超车10超9翻，换道超车才有机会。我在念研究生的时候，深度学习不火，工作都找不到。现在人工智能这么火，经历了几次冬天，现在有了强大的计算能力，刚才pony也讲了，很多不能解的问题一下子有了解决方案。未来5到10年，在感知方面AI会超过人。在认知方面，包括情感，还是需要用平常心去对待。
吴鹰：借着马云讲的，我问一个仿生学问题。飞机最早是对鸟的模仿。今天的飞机肯定不是这个样子。飞机的原理最后肯定不是这样。汽车最后也没有仿造人腿。凭你的直觉，AI是模仿人的Neural Network，还是有别的设计？从人脑获得启发，模仿人的思维方式走的人工智能之路是否可以走得通？
郭为：机器能量消耗很大，无法想象机器能代替人类精神上的东西，完全替代人是不可能，只能在功能上替代。石针的发明和人工智能的发明是一样的，二者没有本质区别，都是人类在进化的过程中，不断发明新的工具。
马化腾：现阶段还是务实一点，在仿生上很重要，做通用的非常难，包括围棋也是做有监督的学习。垂直领域训练需要消耗很大能源，并且稍微改进一点算法，都需要再进行训练。但是，实应用是不需要的，比如绝艺。人脑学习是不需要消耗这么多能量的，这方面AI需要去学习。
李彦宏：不认可说现在的人工智能是在做仿生学。人脑目前怎么工作的我们只了解3%（同意马云的观点）。人工智能、深度学习算法还是处在初级阶段。我认为，强人工智能永远做不到。
沈向洋：一定要有数据，要能够做实验，做重复的实验。接下来N年，要有更多人投入到基础科学，去研究脑科学。接下来，弱人工智能，我们能想象出来，人能做的事情，绝大多数，人工智能都可以达到。比如机器阅读的能力。未来5到10年，这是人工智能会出现大突破的地方。现在大家觉得激动人心，现在是neruo做法，以前是符号的解法，现在很难去解释，我觉得接下来研究从符号到神经再怎么到符号，就是现在很热门的explainable AI，可解释的人工智能。
主持人吴鹰：深度学习开源平台，开放后会不会是在培养对手？
李彦宏：人工智能是非常大的产业，而且会持续很长时间。未来20到50年都是很快速发展的时期。这不是一家公司能够把所有事情都做下来的。把平台开放出来，对大家有益。我们能够在平台上看到大家在做的事情，哪些发展得快一些，哪些积累了更多数据。刚刚说了，AI永远无法超越人，但是，在不断逼近的过程中，就会一点点把行业颠覆掉，比如人脸识别。如果做到成熟，在机场就不需要那么多安检程序。语音的识别、NLP、未来不是人学习工具怎么使用，是发明人写用户手册，未来是工具去学习人的意图，我希望用人工智能来让机器理解人，这是未来几十年的大方向。
主持人吴鹰：大数据是很重要的方面，如果我们在算法上落后于美国，大数据很重要。有没有可能把微信等的数据分享出来，让创业公司来用？
马化腾：这个问题我们在内部也有很多讨论。第一是场景，第二个是大数据。场景是落地很重要的地方，如果没有场景落地和平台支持，基本上是空中楼阁。我们现在有很多数据，但这里边有很多都垃圾数据，因为没有标签，没有定义，数据清洗和标签化的成本非常高。要让人去处理，才能让AI去学习。第三是云。我们也正在做云。第四个是人才，一年前就发现的人才，一年以来我们招了很多人，我们在西雅图设立了实验室——因为微软很多人不愿意离开，所以我们就在旁边设（现场笑声）。AI 大家更多的关心如何落地。我们内部也在讨论，微信等数据能不能够给他们用。还有个人隐私的问题，数据脱敏。要先把这些处理干净，才能谈下一步。
同时，还有很多数据来自合作伙伴。数据共享需要业界形成标准，形成互惠互利的标准。还有很长的路要走，但是大方向是对的。
沈向洋：关于这个问题，我也想分享我的一些看法。作为成功的大公司，我们对行业是有责任的。现在百度和腾讯都在做研究院——但Pony有一个不太好，就是把研究院开到了微软的家门口。大公司把数据拿出来给大家，让初创公司用，其实不是很现实。不过，如果愿意花一点时间处理数据，让研究员去用，则是完全可能的。比如微软的视觉数据库MSCOCO和自然语言处理数据库MSMACO。我们处理搜索引擎的数据，让大家去用。
主持人吴鹰：在智慧城市上锲而不舍做了6-7年，与政府合作比较难盈利，公司对于AI上有没有规划，是否希望合作？
郭为：今年Intel收购Mobileye，Intel就是为了数据，1000万辆传统汽车安装装置，可以支撑Intel未来的发展。神州数码就是希望在传统行业上挖掘，深网数据，比如ERP，如果BAT不犯错，很难超越。一楼空，新的企业就长出来了。我们在农业、医疗、制造业、工商总局商标注册，我们掌握了这些数据那些商标价值最大，我们可以用数据分析的方法。这些这么做，需要与其他企业挖掘，深网挖掘，脱敏，之后与其他公司合作。
附：马化腾问答实录（来自腾讯新闻）
吴鹰：为什么重视人工智能？有什么看法？
马化腾：在公司内部结合业务形态我们已经有一些业务，比如微信朋友圈和QQ空间我们有上十亿的人脸照片，在国内有相当长的研究，包括后台数据分析，都用上人工智能技术，只是大家感受不到，这是在后端，在前端希望做出一些产品。
AlphaGo通过人机对战的事件让全世界对人工智能的认知到了新的高潮，团队也本着练手的心态做尝试。Google收购的DeepMind团队论文发表之后，全世界原来做计算机围棋的团队走入瓶颈的团队都用人工智能的方式来做，纷纷采用深入学习的方法融入到围棋的软件开发。
我们内部团队有三个团队在做，在不同的部门，这个部门刚好可以突破这个瓶颈。更大的特点，和AlphaGo不同的是，我们AI全程得到国内顶尖棋手的指导，我们十几位研发人员不懂围棋，一开始连黑先下还是白先下规则都不知道，所以结合计算机原理以及很多专家的训练。
绝艺赢得比赛是小小的成功，不能过于欣喜，但是也不能说这是一个毫无意义的事情。
过去对AI很多从一些规则或者简单的训练得出来能够改善计算处理的能力，最终发现一个更同步和更深层的意义，能够在计算机的后台用云计算大数据的方式去高速学习，可以自己跟自己对弈。
AlphaGo出来以后经过了十亿盘对弈超越了过去人类所有交战的盘数，自己寻找规律，对人类认知的范围极大的扩张，这给人类很大的启示。在很多领域，围棋以外的，金融、医疗、病理的检测，如果用计算机后台做出模拟器，充分的尝试。就如自动驾驶一样，模拟做各种各样的反馈，自然会琢磨出一套理论和经验，给我们带来很大的思考。以后在很多领域如果能做出模拟器定义参数自己学习，找到规律的能力远超我们想象的，这是我们得到最大的启发。
问：人工智能要取得突破性进展，是模仿人的神经网络、人脑的效率，通过仿生人脑思维的方式突破，还是完全不一样的方式？
马化腾：我们期待有本质性的飞跃，比如说发现飞机的空气动力学、流体动力学和鸟不一样的，车轮和人型马一样，仿生是某些垂直的领域，包括围棋是选非常窄的领域，通过各种参数训练。
郭为刚提到用AlphaGo下一盘棋消耗多少能源，垂直领域训练消耗能源，但是实际用消耗不了多少。现在训练出来的单机版本跟职业棋手差不多，训练需要很长时间，最麻烦的是改一个参数，规则改一点、算法改一点，全部重新来消耗很大，所以这属于很窄的技能模拟。
未来下一步到通用的，再下一步是不是有更本质性的发现背后的原理，智能其实可以超越现在碳基智慧，是不是有其他的元素可以形成更高级的生命和智慧呢？这是超越人类现在发现的知识，这是有可能的。
有人突发奇想说，现在认识的宇宙是高智能生命用量子计算模拟出来的环节，一切都是模拟起来的，这是发挥大家脑洞大开的想象力吧。
吴鹰：有没有可能把数据分享出来，让这些创业公司来用？
马化腾：这个问题在内部也有讨论。首先，人工智能关注哪几块：场景、大数据、计算能力、人才。
场景，想把技术应用在什么情景下？是不是高频跟用户接触，这是落地很重要的地方。我们看到研究院、研发团队，如果没有场景落地、平台业务支持的话，基本上很难往下走。
大数据，也是平台、业务部门里面有大量的实际运转数据产生出来，这里面很多大数据是垃圾数据，没有标签、没有人规划定义，用算法也学不出来，学完之后也是走火入魔疯狂的结果，这里面数据的清洗标签化难度相当高，要雇很多人，用比较笨的方法用人脑去清洗干净再让AI去学，这个过程是混合的过程。
计算能力，云资源，这方面我们也要做云，要拿几十万核的计算能力CPU还是有能力的，而且在云里面本身有比较好的调用。
人才，通过一年的时间招了很多人，包括在西雅图还设了一个实验室。
我们观察到很多AI的大佬们，更关注怎么落地，把毕生的研究成果体现出来。内部BG之间也在沟通微信、手机QQ平台数据能不能用？大家知道，BG或者部门里面平台他们也很希望近水楼台先得月，数据在身边流动为什么不让人先研究一把，所以现在我们处在内部怎么把数据分享出来的阶段。
还有一个用户很关注的是个人因素，就是你不要把我的数据都卖了。这里面有很重要的个人信息安全和个人隐私的问题，如果数据不进行脱敏，我们是绝不能用的，只有先进行脱敏处理，没有人能够通过数据倒推到某个人，这样处理干净才可以谈下一步。
数据要什么模式，清理做什么标签才能给其他的部门，包括外部合作伙伴怎么用。同时也有很多的数据是来自于合作伙伴或者业界的其他公司，他们也遇到这样的问题，拿到一堆裸数据不知道怎么用，业界要形成一个标准互惠互利，这个路径还有很长时间，大方向在往前走。
IT峰会上评如何弄潮人工智能
下面介绍一下会议开场环节关于人工智能的讨论。
会议首先由工信部副部长陈肇雄、国家发改委高技术产业司副司长孙伟、广东省副省长袁宝成做开幕致辞。致辞中，几位领导都对峰会的召开表示了热烈祝贺，对关心和支持我国IT领域发展的各界朋友表示了感谢，对 IT 领域近年来取得的成就高度认可，同时期望 IT 界同仁在人工智能技术发展的浪潮面前能够“弄潮儿向潮头立”，不断在技术创新和产业创新方面取得突破性进展。
接下来，数字中国联合会主席吴鹰致辞。在致辞中，吴鹰对历届 IT 领袖峰会进行了简要回顾，并特别指出：当前人工智能发展的形势不是泡沫太多，而是泡沫不足。吴鹰认为，过去的几次技术革命，其中都有泡沫推动的成分。最终泡沫挤掉之后，才有了长足的发展。对于目前人工智能良好的发展势头，吴鹰认为，其总体原因，是大数据、算法和摩尔定律在起作用。其中摩尔定律是大家共同面对的；算法方面，中国和美国还有比较大的差距；大数据则是我们得天独厚的优势。
下一个上场的是清华大学的朱民，他是清华国家金融研究院院长。朱民主要从金融角度看待人工智能和人工智能的发展。朱民提到以色列创业大家的看法：人工智能在中国如此的火热、非常大的市场和大竞争，在全世界人工智能其实是存在于中国和美国之间的竞争。
来源/新智元
