人工智能正在變得無處不在。從圖像處理、語音、視頻領(lǐng)域，到傳統(tǒng)的制造業(yè)、通訊業(yè)、醫(yī)療、金融、自動駕駛行業(yè)都在大力地追求人工智能。

“當(dāng)前中國企業(yè)的成本在急劇上升，包括人力、廠房等，運(yùn)營成本的上升必然要求企業(yè)找到新的技術(shù)來提高生產(chǎn)效率、產(chǎn)品質(zhì)量，同時降低成本。比如隨著未來機(jī)器取代人力，人力成本將得到有效控制?！倍@種商業(yè)需求也是驅(qū)動人工智能發(fā)展的一大動力。

在近日昆山召開的2018杜克國際論壇上，昆山杜克大學(xué)和美國杜克大學(xué)電子與計算機(jī)工程學(xué)教授、IEEE會士李昕博士在一場對話中談到此番觀點(diǎn)。

李昕博士畢業(yè)于美國卡內(nèi)基梅隆大學(xué)，他曾短暫創(chuàng)業(yè)，在公司被收購后回到卡內(nèi)基梅隆大學(xué)任教了十年。2017年初正式加入杜克大學(xué)和昆山杜克大學(xué)。

據(jù)雷鋒網(wǎng)AI金融評論了解，李昕博士早先的工作主要是將數(shù)據(jù)分析應(yīng)用在制造業(yè)，比如虛擬測試、產(chǎn)線優(yōu)化等。而隨著各行業(yè)積極擁抱AI，他的研究方向已經(jīng)擴(kuò)展到許多新興商業(yè)領(lǐng)域，包括通訊、自動駕駛、商業(yè)決策、醫(yī)療保健等。

同時，AI應(yīng)用的過程并非一條坦途，李昕博士指出，當(dāng)前面臨著復(fù)合型人才缺失的挑戰(zhàn)。

“現(xiàn)階段很難找到跨行業(yè)AI人才。這就要求人工智能的專家和行業(yè)的專家必須有一個非常親密的對話，但是這個對話很艱難。因為行業(yè)壁壘的存在。兩個不同的行業(yè)在對話，行業(yè)術(shù)語以及工作習(xí)慣都不同?！?/p>

雷鋒網(wǎng)還與李昕博士就AI應(yīng)用現(xiàn)狀與未來進(jìn)行了更深入的探討：

傳統(tǒng)行業(yè)大小公司AI發(fā)展之困

雷鋒網(wǎng)：傳統(tǒng)行業(yè)企業(yè)，比如制造業(yè)，如今大都也在提互聯(lián)網(wǎng)、AI轉(zhuǎn)型，您覺得可能會遭遇什么技術(shù)難題？

李昕：首先會遭遇一個“先有雞還是先有蛋”的技術(shù)困境。發(fā)展人工智能首先需要有很多的數(shù)據(jù)，但另一方面，在拿到數(shù)據(jù)之前，你不知道數(shù)據(jù)的質(zhì)量，所以很難估計這些數(shù)據(jù)的價值。采集數(shù)據(jù)的代價與應(yīng)用數(shù)據(jù)的價值很難比較。

不過現(xiàn)在大公司大部分都是選擇走下去的，要么是出于占據(jù)空白市場，要么是出于狙擊對手進(jìn)行的戰(zhàn)略投資，即便不能立刻帶來直接的利益。但這對于很多小公司來說就很困難。

第二，行業(yè)特別缺乏AI人才。據(jù)我了解，大部分AI相關(guān)專業(yè)的畢業(yè)生都去美國五大科技巨頭FAAMG.，在中國就是BAT，很少會去傳統(tǒng)行業(yè)公司。我一個朋友在美國很大的汽車制造廠負(fù)責(zé)自動駕駛項目，但他在美國找不到計算機(jī)視覺這些方向的人才，最后只能選擇到其他國家招收了一些博士生。

總之，優(yōu)秀人才非常稀缺，如何吸收優(yōu)秀的人才是一個很大的問題。甚至包括學(xué)校所在的學(xué)術(shù)界也有同樣的問題。很多AI方向的教授都去到工業(yè)界。因為公司意味著更好的計算平臺，科研條件比學(xué)校更優(yōu)越，同時也包括很好的薪資待遇。

雷鋒網(wǎng)：您提到復(fù)合型人才很稀缺，而您的研究結(jié)合了不少領(lǐng)域，能否談?wù)勀窃趺醋龅模?/p>

李昕：現(xiàn)在通行的做法是這樣的——讓行業(yè)內(nèi)的專家重新學(xué)習(xí)人工智能知識，同時讓AI專家學(xué)習(xí)行業(yè)知識。不過在實際場景中，我們發(fā)現(xiàn)AI專家往往不太愿意學(xué)習(xí)行業(yè)知識。比如說，我們發(fā)現(xiàn)汽車行業(yè)中的工程師會學(xué)習(xí)機(jī)器學(xué)習(xí)課程，自我充電。但是我們很少看到BAT或者Facebook的員工去深入學(xué)習(xí)汽車制造。所以行業(yè)壁壘不是一個雙向壁壘，更多的是一個單向壁壘。

雷鋒網(wǎng)：那么中小制造業(yè)企業(yè)目前的狀況如何，技術(shù)發(fā)展必須要依靠大公司嗎？

李昕：中小制造業(yè)企業(yè)做人工智能、大數(shù)據(jù)很難，還是要通過大公司來做。大公司的核心競爭體現(xiàn)在大規(guī)模生產(chǎn)。其實這個行業(yè)的競爭是非常不公平的。大公司體量大，成本可以降低，能做小公司干不了的事情。所以一旦行業(yè)成熟以后，小公司很難生存。

雷鋒網(wǎng)：現(xiàn)在AI這賽道上，核心技術(shù)似乎都被BAT大公司掌握，這是一個值得擔(dān)心的事情嗎？

李昕：BAT的AI是通用的AI，并已經(jīng)取得絕對領(lǐng)導(dǎo)地位，但是行業(yè)AI就不一定了?，F(xiàn)在我們確實也看到BAT進(jìn)入到行業(yè)內(nèi)，但總的來說他們對行業(yè)內(nèi)是持觀望狀態(tài)。一方面就是因為市場還不夠清晰，存在商業(yè)化的顧慮。另一方面，客戶比如大制造商企業(yè)都想自己做，并不想把數(shù)據(jù)分享出去。

如何應(yīng)對AI商業(yè)化難題？

雷鋒網(wǎng)：最近看到一則未經(jīng)官方證實的消息，美國一家AI醫(yī)療的大公司最近準(zhǔn)備裁撤大量員工。真假暫且不論，但這是否又再一次反映了AI商業(yè)化難題？

李昕：我們可以具體分析下醫(yī)療健康在美國發(fā)展AI落地難的原因：

第一，美國的數(shù)據(jù)非常有限。關(guān)于癌癥數(shù)據(jù)，我曾記得一個未經(jīng)驗證的調(diào)查說，“美國大醫(yī)院一年病人的數(shù)量，可能跟中國三甲醫(yī)院一天的數(shù)量相當(dāng)”。還要注意的是，醫(yī)療數(shù)據(jù)量不能看絕對數(shù)據(jù)量，在看病這件事情上，數(shù)據(jù)量比較豐富，癌癥分為早期、中期、晚期。還有年齡、性別、地域等差異。

第二，數(shù)據(jù)管控非常嚴(yán)。很多數(shù)據(jù)在美國不能用，因為法律保護(hù)隱私。

第三，美國醫(yī)療管控嚴(yán)格。如果要做醫(yī)療產(chǎn)品，必須要經(jīng)過FDA審核，需要花費(fèi)不少時間。審核通過后，還有一個很大的問題是關(guān)于保險公司，是否將新藥或者設(shè)備納入保險項目，不然病人可能并不會選擇。總之，這幾步是一個非常漫長的過程，可能需要十幾二十年。

雷鋒網(wǎng)：相較而言，中國AI醫(yī)療進(jìn)程的限制是否更少一些？

李昕：一些問題在中國可以有比較好解決的方案，比如數(shù)據(jù)量本身，中國的數(shù)據(jù)量很大，能夠滿足研究需求。不過在管控問題上，中國目前也是非常的規(guī)范化，所以周期也很會長。

所以一般的策略是作為醫(yī)療輔助設(shè)備，而不是全方位利用AI代替人類。在自動駕駛領(lǐng)域也是，商用的大多是“輔助駕駛系統(tǒng)”，輔助系統(tǒng)所承擔(dān)的責(zé)任更小，審批也會簡化。

以新賽道顛覆舊市場

雷鋒網(wǎng)：最近我們聽到業(yè)內(nèi)聲音重提基礎(chǔ)科學(xué)研究，包括基礎(chǔ)學(xué)科、操作系統(tǒng)、芯片等。對此，您觀察到的現(xiàn)狀是怎樣的？

李昕：對于學(xué)術(shù)界來說，基礎(chǔ)研究分為基礎(chǔ)設(shè)施（infrastructure）和基礎(chǔ)科學(xué)研究。芯片、OS應(yīng)該是基礎(chǔ)設(shè)施。當(dāng)然我覺得基礎(chǔ)設(shè)施研究非常重要，是一切AI應(yīng)用的基石。

不過我認(rèn)為，不管是做基礎(chǔ)研究或者應(yīng)用研究，有一點(diǎn)很重要——我們不能一直追趕別人，追趕別人是追不上的。一是會追趕得很累，二是即便追上了，但是也吃不下已經(jīng)被瓜分完畢的市場。所以我們需要做的是，創(chuàng)新、占領(lǐng)空白市場，比如AI就是一個很好的機(jī)會。

雷鋒網(wǎng)：這種思路落到芯片行業(yè)，應(yīng)該怎么做呢？

李昕：傳統(tǒng)芯片行業(yè)我覺得很難追。但是現(xiàn)在新興的AI芯片領(lǐng)域會是一個比較好的機(jī)會。大家基本站在同一起跑線。實際上中國已經(jīng)出現(xiàn)幾家不錯的公司。

雷鋒網(wǎng)：在人工智能解放生產(chǎn)力的同時，社會上還有一種蔓延的擔(dān)憂是失業(yè)。

李昕：任何一種技術(shù)翻新，必然會使得生產(chǎn)力結(jié)構(gòu)發(fā)生很大的變化，會使一些工種需求減少，甚至完全消失。但是同時又會創(chuàng)造新的工種和工作機(jī)會。

計算機(jī)就是一個很好的例子。計算機(jī)出現(xiàn)后，打字員就消失了，但是需要程序員。所以這意味著社會對勞動力的需求是不會減少的，只是工作的性質(zhì)和種類有所變化。

而對于個人而言，要求人必須有自我學(xué)習(xí)、轉(zhuǎn)型的能力。知識變化很快，比如人工智能這個方向，再過五年知識可能就不一樣了。等一個本科生畢業(yè)的時候，可能他大一學(xué)的東西已經(jīng)過時了。所以更重要的擁有自我學(xué)習(xí)的能力，如此才能在職場上處于不敗之地。

雷鋒網(wǎng)：最后一個問題，在市場競爭的環(huán)境下，如何把握技術(shù)的邊界？因為最近我們?？吹交ヂ?lián)網(wǎng)公司的“作惡論”，或許是與KPI掛鉤，百度的醫(yī)療競價、滴滴順風(fēng)車、攜程搭售等行為，大數(shù)據(jù)殺熟；或許是其他更高的目的，Google用ai提高軍事無人機(jī)的精準(zhǔn)打擊度，韓國科學(xué)技術(shù)員與軍工企業(yè)聯(lián)合研發(fā)基于AI的自主武器也受到了50多位學(xué)者的公開抵制。

李昕：我覺得AI技術(shù)的發(fā)展必須有相應(yīng)的法制給予管束。任何的技術(shù)，如果沒有合理的約束都有可能成為人類的威脅。相反，如果合理利用，技術(shù)就可以為人類造福。歷史上有很多類似的例子。AI也不例外。而AI的法制推進(jìn)需要站在全球高度。個人覺得，首先需要一些非盈利組織或者國家去推動，最后應(yīng)該會形成一個國際組織共同監(jiān)管。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。