TVP扣球对话李开复、沈春华：AI的未来式和技术的发展、价值
从1956年“达特茅斯”会议至今，AI已经走过了近70年的历程。近70年来，有了对AI的期待，有了对AI的恐慌，资本对AI的支持越来越高，技术人员对AI的探索应用也从未停止过。
千禧一代的我们从来没有想到移动互联网的兴盛。2022年的我们该如何享受未来20年AI发展的进程呐。AI+医疗能让我们活到100岁吗？AI如何让元宇宙成为现实。AI能帮助人类找到幸福吗？AI会加深偏见吗。AI会剥夺人类的工作吗。传统企业可以享受AI红利吗？
5月8日晚，由腾讯云TVP尖峰对话创新工场会长兼首席执行官、创新工场人工智能工程院长、《AI未来进行式合著者李开复、浙江大学教授、腾讯优图实验室高级顾问、杰出科学家沈春华、第四天堂副总裁腾讯云TVP郑曌担任主持邀请来自AI领域的50名CTO和技术专家参加论坛讨论，将引发AI未来的火花。
李开复：《AI 未来进行式》与技术发展动向
《AI 未来进行式》的创作起源
《AI未来进行式》一书创作的起源主要有两个原因。首先AI是一项特别重要的技术，我认为每个人都应该了解它能创造什么样的机会，和自己有什么样的关联。父母可以帮助孩子学习计划，年轻人可以为自己做职业规划，然后可以看到未来AI可能会带来很多新的工作机会，我用故事的方式，把这本聚焦于AI技术的科普书籍写得让每个人都能看懂目前看反响还不错，让很多完全不知道AI是什么意思的人大致了解了。
另一方面，我自己作为理工科出身的技术人员，在本科、博士期间研究的是机器学习，深刻感受到技术人员普遍缺乏场景想象力。这也是为什么AI在语音识别、自然语言和计算机视觉领域做了近40年，却关注类似的问题。很多新场景落地需要更多的想象力，所以与科幻作家合作，把故事讲清楚，让我们的技术人员们能够看到未来AI可能的应用场景，带来的挑战，以及如何解决我想给大家一些灵感和建议。
因此，这次与科幻小说作者“陈楸帆”合作创作“AI 未来进行式”的两个重要目的，一是把难学的技术向所有人解释，二是希望一些技术强大，但场景想象力不那么强的理工师，以及进行AI的技术人员为未来的这种愿景和未来场景提供灵感和建议。
AI领域投资历史与AI+云的模型分析
多亏了大量的投资经验，我也从中学到了一些跨领域的知识。我个人认为AI创造的最大价值，一定是与场景的结合。在相关的投资经验中，可以总结出三个AI创业的发展阶段：第一个是比较早期的阶段，AI技术人员很厉害，选择先创立公司，然后做应用，第二类是在一些领域，AI已经可以创造出很大的价值比如我们当时投资的第四范式，创新奇智，极飞科技等等，都有非常强大的商业应用和落地场景。它们先根据场景落地，然后再搭建平台。今天AI进入第三阶段，AI与其他科学交叉，即AI+Science，AI可用于新药发明、基因编辑、新材料新能源等方向。《AI 未来进行式》包含了这三个方向性。例如，在智能交通中，无人驾驶是一个重要的领域。比如刚才说的AI制药，AI在新能源上的应用，这本书都是相关的。我们投资也要关注和了解这些产业领域，所以我们也尝试在书中描述这些场景，但我们调查的趋势会给写作带来新的灵感。
创新工场投资的风险企业大多利用云，很多企业也与腾讯包括云在内的一些云厂商合作，试图在私人云领域更快地构建AI解决方案这其实是与云平台非常好的结合点。我们也投资了帮助云在计算力方面加速的项目。当然包括AI，包括普通的workload，我认为这也代表着云的未来会迅速提升。有趣的现象之一是，中国的AI技术在创业公司、使用率、产生的价值等方面都不输给美国。美国科研能力更强，但中国落地成果也不落后。在云计算领域，美国领先较大，但中国增长空间充足，美国云计算已经完成部署，现在才开始加入AI能力中国的云计算已经在制作AI的解决方案，这是一个有趣的现象。
虽然《AI 未来进行式》这本书没有描述AI+云，但并不是因为云计算不重要，而是因为云太重要了。它已经像操作系统、数据库一样，成为不需要刻意调整其重要性的平台型（技术服务）例如，在无人驾驶领域，我们假设自5G、6G发展以来，云和带宽比现在快得多，比如对云上数据移动的挑战，以及与边缘计算的融合。
NLP技术的发展与应用
《AI未来进行式》有一篇名为《双雀》的故事章，在这个故事中，AI成了孩子成长的伴娘。在人类老师的主导下，AI将成为长期陪伴的助教角色，结合孩子的学习和兴趣，变得更有效率和积极。在AI时代，我认为人类老师的教育工作AI是不可替代的，但是AI可以做很多有益的补充，所以在这种场合，NLP（自然语言处理）的技术是它的关键。
我大学2年级的时候，第一次接触的AI技术是NLP（自然语言处理）与早期NLP的发展相比，近几年发展了很多技术，深度学习是其重要核心之一。在自然语言处理领域，我们看到了一个巨大的突破，即使用自我监督学习的技术进行海量数据的显示，解决了巨大的瓶颈。自创建该模型以来，它带来了许多NLP领域的技术突破，包括bert、transformer、GPT3和LaMDA。
我认为NLP在未来3-5年会有非常多的发展。另一方面，我认为在语音识别、机器翻译等过去的应用中，会有更多的突破。另一方面，在语音交互型的终极搜索引擎等尚未发生的场景中得到了很多尝试。NLP的未来发展不仅可以使现有应用程序从不可用变为可用，也可以使过去不可能的应用程序从可用变为可用。这是我们目前重要的投资方向，这一领域也非常看好。
沈春华：优图实验室和腾讯AI的产业配置
优图实验室的技术投入
优图是腾讯旗下最高峰的人工智能实验室之一，过去几年一直专注于计算机视觉领域的基础研究和落地探索。优图的AI能力在大家熟悉的微信刷脸支付、自动AI美颜等消费互联网领域的应用具有代表性，同时，实验室也非常广泛地扎根于工业质检、金融、教育等产业领域。
腾讯是从消费互联网产品开始的，非常擅长洞察用户的需求，这种能力目前在产业互联网领域也得到了验证。我个人理解C to B是产业互联网非常重要的一环，这也可能是腾讯的独特优势，腾讯通过连接器类型的产品，如公众号、微件、企业微信等因为B端合作伙伴可以帮助下游客户更好地服务。
在产业互联网纵深发展的过程中，有更多考验的是综合解决方案的能力，腾讯这些垂直行业有很多年深耕和非常多技术落地的应用场景，在一些垂直领域也整理出一些标准化解决方案可获得快速复制，这是腾讯AI应用与其他公司相比最大的优势。
腾讯利用AI技术支持实体经济发展的方法
另一方面，云与AI深度融合，可以将语音识别、图像识别、NLP等基本AI能力作为适用于不同场景的API和工具来实施，从而提高不同行业的生产力。例如在工业制造领域，“腾讯”工业云通过结合计算机视觉经典技术和云GPU强大的计算力，可以为工厂提供基于AI的超高精度检测系统，将人工花费20分钟的检测工作压缩到数秒每年可以削减数千万日元的成本。
另一方面，云和AI的融合，使高度复杂的统计机器学习/深度学习的算法和理论，成为一般的开发者能简单地调用的API，降低AI活用的障碍，中小企业和一般的开发者能简单地使用的工具。不同领域的人才可以将AI运用到不同的产业现场，创造经济、社会价值。
“腾讯”云通过“腾讯”云为不同行业的合作伙伴和开发商提供了数百个AI可用性。它涵盖了各种领域，包括机器视觉、NLP和模式识别。让AI产生价值，帮助产业进一步数字发展和转型升级。
是AI的价值和技术的双刃
你如何看待AI的社会价值和意义
李开复：在《AI 未来进行式》中，我对AI的价值有比较建设性的思考。业界一直在讨论AI的负面影响，但我认为技术本身是中性的，对技术的应用正确与否是不同的因素。在长期持续创造巨大的经济价值的同时，我们将能够更准确、更便宜、更高效地推进事物。
另一方面，它也是一把可以省去重复任务和作业的双刃剑，但在这一过程中，一定会有一部分人的工作被AI取代。但如果你持肯定看法，这些就业岗位的替代一旦发生，必然会创造一些新的就业岗位。我想20年后，做只有人类才能做的事情，符合个人兴趣和能力的事情的时间会增加，每个人的工作都会变得更加愉快和满足。
同时，以AI为首的各种各样的技术成熟的话，低成本的生产成为可能，能根除贫困和饥饿，成为人类历史上的大里程碑。当然，实现这些目标的挑战有很多，但至少在技术方面是有机会的。
虽然也有推荐算法的信息茧效应、隐私保护等问题，但这是AI应用后的常见社会现象。但是，我认为新技术出现的时候会给社会带来冲击，但最终的解决方法是技术人员发明新技术，并解决它。
沈春华：AI的目标是什么样的国家，虽然没有统一的答案，但我相信“向善的技术”是一种解释。AI的最大价值是对人有用，对社会有用。
另一方面，AI让社会变得更加便利，Siri和wechat的面部认证结算等，在现实中随处可见。另一方面，AI在社会领域，解决了以往无法解决的问题。到目前为止，youtou利用AI来帮助寻人，很多迷路的孩子都能找到父母。去年，优图与国立天文台共同宣布了行星探测计划。利用优图的计算机视觉技术帮助中国天眼FAST，大大提高了脉冲发生器的搜索效率。你可以戏剧性地加速科学研究
同时，我自己稍微开始接触AI For Science的研究的地方，譬如蛋白质的排列解析使用人工智能的算法，在优图实验室和浙江大学上海高等研究院等取得阶段性的成果的方向，是非常好的例子。你会看到更多这样的例子
AI和医疗的完美结合
李开复：我们认为医疗是未来10年、20年非常好的投资领域。那有几个理由。一是传统医疗行业正在推进医疗流程信息化、可穿戴设备全程健康数据记录、甚至新技术产生大量生物数据等一切数字化。养分rdquo；在疾病预警、诊断、治疗、监测和长期管理等领域产生有价值的算法来帮助医生诊断和治疗第二，医疗不仅仅是practice和science的大规模数据。例如，每个癌症样本中有很多医学院，一年可能不多。医疗数据是用来教的，我们的数据是用来教AI的。三是医学知识太多，医生不能做到全知全能。他看一个病人了解病人背景和病例的时间也是有限的，看病的时间更是有限的。
因此，我认为AI在医疗领域的优化确实在进行，但综合考虑各种好处、伦理、法律问题，到实际诊断为止，需要更多的磨合和训练。在诊断方面容易被业界接受的是AI的经营者医生，AI支持它，我认为这是人类和机器的合作模式。