​李开复:未来重复性的工作都将被机器取代

专为互联网人打造的365天成长计划,构建你的产品、运营知识体系,做个有竞争力的互联网人。查看详情

李开复说,当一个人的工作是10秒钟以内能做出判断的,或者做的是重复性的工作,他们的工作将会被机器取代,而是将会是完整的取代,不是一台机器取代一个人,而是一台机器可以取代上千人。

今天想谈的是我作为人工智能,我是一个人,叫人工智能,李开复先生今天忙,不能过来。要去深圳开会了,我作为人工智能先跟大家介绍一下我的生长的历史。我其实是出生在1956年在美国被提出。我的生长的过程非常的坎坷,每次看来我要毁灭人类的时候就有人骂我是骗子,这件事情发生过两次了。但是我一直要做最好的最好,所以2009年我读到了李开复《因我不同》这本书,我找到了人生方向。

核心来说就是深度学习的技术,这个技术从大家的表象来看,最大的一件事情就是在去年的这个时候,AlphaGo打败了李世石,大家认为围棋是机器不可能比人更好,人几千人的智慧,机器人怎么可能打过我们,而且打过世界最好的棋手,这件事情颠覆了大家的思维,我觉得在世界上AlphaGo不会改变世界。但是它带来人们对人工智能的敬畏和认可,一定是里程碑的事件。

打败象棋、围棋、德州扑克,这些根本不代表什么,这些都是游戏。真正人类认为做得很好的事情就是计算机视觉,孙建做的打败了人类的视觉。右下角是听觉,是微软的研究员做黄学东做的,孙建在我们投资的Face++团队,他们都是华人打造了两个真的超越了人类的系统。从超越人类的价值在哪里呢?简单来说当你识别人脸超过人的时候,保安就不需要了,警察部分的功能也不需要了,当你超越人类听觉的时候客服不需要,还有很多人用讲话做的事情都不需要了,所以这肯定是一个取代人类工作的事情。

所以我大胆的预测在未来十年,不只是因为人工智能能听能看,因为人工智能能理解、能判断、能分类、能预测,任何一个以大数据为核心的领域里面,当一个人的工作是10秒钟以内能做出判断的,或者做的是重复性的工作,他们的工作将会被机器取代,而是将会是完整的取代,不是一台机器取代一个人,而是一台机器可以取代上千人。不是说机器跟人工做得一样好,而是机器远超人类的工作。比如说我们投资的Face++,任何时候可以识别50万张脸,人的记忆也就五千人,我们已经在人脸识别的数量上100倍的超越人类了,所以这真的不是一对一的比较,而且这些计算机只要花电费,非常便宜,不会累,不会罢工,每天工作24小时,每个礼拜工作7天,所以这样的环境下这些工作基本没戏了,今天我没有时间来谈人类应该怎么办。我写了一本书下个月出版,请大家看。

今天我想谈的是这些工作产生的巨大的价值,我们作为创客应该怎么把握。而且人类绝对不是说高端的机器人跟你握手讲话,或者无人驾驶,这些都很重要。但是人工智能核心的是深度学习的算法,现在已经在你手机里面了,而且你每天都在使用。每次滴滴打车帮你搭上车的,当每次今日头条决定哪一篇文章是第一篇的时候,当百度给你搜索结果,当淘宝给你推荐产品的时候,这里面全是深度学习,深度学习是什么?今天时间有限,我用半分钟时间来解释。

我们都知道Excel,输入一批数字,按一个扭就计算出来了,把这个月各种的财务放进去。深度学习就是天文数字的Excel,把各种脸的数据输进去,一按出来的就是俞敏洪或者汪潮涌,把各种围棋数据输入进去,就会告诉你应该下在哪里。天文数字输进去,就告诉你说在淘宝上,在这一刻最可能买的是什么产品,就是一个魔术师,用天文数字训练出来的,就是这样的一件事情。

这个到底能产生什么价值呢?首先当然是互联网上的,互联网上的数据已经很大了,用它来做人工智能。其次还有各个领域,这里没有时间讲太多的细节,刚才谈到了识别,还有BI,还有互联网已有的数据,还有互联网之外的数据,谁有大数据谁就可以做人工智能。

人工智能基本有四个先决条件,有的话就可以做,没有的话就没戏。第一是海量的大数据,至少千万级别以上的,谁要说有一万个数据没戏的。第二个是这些数据需要标注,标注不见得是人来标注。还有很多人没意识到的标注,当你在淘宝购买和没有购买就是标注数据。第三个要求需要单领域,不可以跨领域,人工智能说聪明很聪明,说笨还是很笨的,它一次只懂一个领域,懂餐饮的不懂旅游,懂买股票的不懂保险,所以这就是为什么它那么笨,因为一次只能懂一个领域。第四个要求就是顶尖科学家知道怎么样去用炼丹的方法,深度学习还不是一个平台,不能招几个人就做深度学习了,一定要有累计,有经验。这四个条件符合以后就可以做人工智能了,因此BAT最适合做人工智能。

世界上七大黑洞就是Google、Facebook、Microsoft、亚马逊、BAT,因为他们有巨大的黑洞,只会进去,不会分享。他们有很多的技术。所以我们在外面做人工智能有一定的挑战,但是无论如何刚才四个条件成立之下,也可以做人工智能。你的app当年有1000万个日活的时候必须要有人工智能,要不没戏。像是我们投资的知乎、摩拜,都说我们现在量好大了,需要人工智能,否则我怎么知道谁上的课是不是满意呢,否则我怎么知道知乎上要看哪个文章呢,所以做任何的领域,我们都要把产品做大,产品一大了就需要人工智能了。

另外还有很多别的应用,金融的应用,金融本来就是人类虚构的游戏,没有制造,没有配送,没有物流。如果我们能把人工智能做得更好,每多一个点就会赚多少钱。我如果保险定的更精准,该不该保的不保,该收多少费用就收他多少费用,马上钱就来了。所以毫无疑问金融是人工智能的第一个巨大的里程碑。

昨天我在我们投资的智融集团的会上发表了这个观点,就是金融领域是最好的,他们做了一个产品,创立18个月以后每个月可以放出多少笔贷款,他们上个月放了120万笔贷款。你可以想象中国有哪个银行放了120万笔贷款,一个创业公司在18个月超越了银行可以放的贷款,是什么概念?他的核心就是人工智能来判断这个人该不该借钱,他的坏账率肯定比银行低。所以你想人工智能判断坏账比人精准,借钱比较精准,然后他是不用收息,用钱宝借1000块钱也可以,因为机器的边际成本是零,所以他可以无限制的扩张,可以到一千万单,只要多买几个服务器就可以了,催账还是需要人的。

在金融之外还有医学、教育等等,不多说了,所以其实有很多发展的过程。从博弈、感知、决策、反应,不断的在突破。我刚才也谈到了几个重要的领域,我们看到最大价值的就是在这儿了,我这里不重复了。

无人驾驶是一个特别伟大的未来的机会,但是今天是非常难做的。无人驾驶它能够辅助我们,提醒我们,帮助我们少犯错误。但是再下面它就要100%自己开了,因为不存在一个例子,无人驾驶我作为教练纠正它,这个例子不存在。你想想如果买一台汽车回来商场说偶尔会犯错,你要帮它踩刹车,你就不买了。这是被验证的,Googel做出来一套系统,人工带回家以后到后座喝咖啡、看报纸,Googel看了这个决定以后无人驾驶要做就是要做L4,完全自动。

当然有些公司「不那么负责」。像特斯拉,明明没做好的L2的技术让人家开,结果死人了。所以无人驾驶是非常大的挑战,但是一旦达到了L4,这个不仅仅是你买的下一辆车可以自己开的问题,这是整个人类的出行、配送的颠覆,你需要的时候车就来了,你只要经过使用付费,这辆车只要装一个人,因为大部分时间不是我们在买,车可以变小,道路变宽,交通拥挤没有了,停车场全部需要关掉了。所以各种的影响。

千万不要不相信这个时代的必然性,只是说无人驾驶多久会来,有人说10年,有人说15年。它的快慢绝对不来自于技术的成熟,技术可以在五到七年之内成熟,麻烦的是人类的价值观、道德,还有即得利益者会不会捣乱,还有政府的法律法规,这些是让无人驾驶车的推出的不可预测性。纯看技术五到七年可以解决的。

这样的一个过程到底是什么呢?基本可以分成三个阶段。第一个阶段,我们整个移动互联网和互联网,我们就在帮人工智能做基础,我们把所有的数据上传了。我们做的网页和内容,交易开始在互联网发生了,银行的交易、股票的交易,这些都成为了,而且它的标注。刚才我讲的每一个例子,美团在帮着标注人吃的习惯,滴滴在标注人出行的习惯,百度在标注人搜索的习惯等等,所以这一切的习惯都被捕捉起来了,这是第一个阶段,我们现在正在这个阶段。

第二个阶段,是随着智能硬件和无人驾驶、机器人慢慢的推广,随着传感器的价钱降下来,我们手中的各种智能的东西也在捕捉这些数据。这些数据绝对不是像大家听的IoT的时代,这一切背后必须要有人工智能才有IoT,IoT为什么火了一段时间就不火了?因为人工智能没有起来,因为大数据没有被整合,整合了以后它的价值是巨大的。当你的行动、提问都被捕捉起来,大数据健康一定可以解决你的问题。

第三个阶段,有点接近科幻世界,一切东西都上网,进入一个全面的自动化的失掉,这个时代我们的人生会做得非常的爽、非常的快乐,我们有无限的时间,一切的事情都有计算机帮我们做,当然我们会没有隐私。

所以一定程度人工智能是要接管世界的。这个接管世界并不是说奴役我们、控制我们,因为人工智能还是有限制的,它没有自我意识、没有情感,也不会奴役人类,它是我们的工具。但是一定程度这个工具大到把我们人类的一切都管起来。人类最大的挑战,我们人最重要的让我们人还是人,就是我们的自我实现的精神,但是当我们能做的都被机器做了,这个精神是否存在,这就是人类的挑战。

所以这样的挑战是远远超过了十倍,它会在经济、教育、社会,这些细节就不多说了。简单说一个教育的例子,继续这样教育孩子下去,让每个孩子去做重复性的工作,那就是让他们等着被人工智能取代,他们只能做一件事情,就是另外一个技术VR。再过几年就成熟了,这些孩子找不到工作,他就只能在家里戴着头盔,喝着奶茶,躺着玩游戏,这就是人类最糟糕可能面临的挑战和命运。这些细节不多说了,买我的书就知道了。

再下面是无人驾驶已经讲过一些了,L1到L5,不多说了。这里带来了很有趣的悖论,什么公司是最伟大的?基业常青,一个公司有着善良的价值观,低调努力的工作,就会成为伟大的公司。但是人工智能时代未必如此,Google是最善良的公司,他说汽车做不到超过人的安全度我不推出。特斯拉是野蛮的公司,什么多没有就扔出来让大家开,造成生命危险。最后这两个哪个会胜出?很难决定,Googel技术更好,特斯拉数据更多。人工智能成功的第一点是数据量最大,一定是最野蛮的公司得到最大的数据,不顾用户的安全和隐私。我们作为人类怎么去管理这个事情?不要让最野蛮的公司成为统治世界的公司,这是面临最大的挑战。

当然今天各大公司都在重视人工智能,IBM做了转型,Google做了转型,未然做了转型,所以这是必然发生的状态。IBM做了医疗的方面,但是对于担心用人工智能给人洗脑的不妨搜这个词perspective,他非常成功的帮助了特朗普的选举,给别人过做了洗脑,是人工智能的超级投放。给你洗脑,相信他的观点,这是一个非常让人震撼而且恐惧的事情。这个数据的基础是什么?每次在网上点一个赞,在微信点一个赞,点赞的价值有多大呢?当你点70个赞的时候,这个技术懂你就已经超过了你的朋友。点了150赞的懂你超过了你的配偶,300个赞的时候懂你超过了你自己。

所以今天人工智能是人们的投资风口,全球都在非常良性的成长,中国也面临特别好的机会,世界上43%的人工智能的论文都是中国人写的。所以我们要把它拉进来加入我们的行列,做人工智能的投资。理由是什么呢?因为中国人数学好,人工智能的核心不是计算机,而是数学。所以各位朋友如果读数学系的,或者有孩子读的,赶快让他们做人工智能,编程一般水平就可以了,数学要好。所以这些人都可以跳入这个领域。

第二,中国年轻人热爱新的领域,尤其是那些改变世界,可以挣很多钱的领域,人工智能就是这样的。斯坦福学校的一个博士生毕业之后拿到200万美金年薪,这是非常有吸引力的,而且中国传统企业像银行非常的弱,人工智能轻而易举可以把他们击溃,而且现在互联网大,用户多,数据多,而且对数据的保护和隐私不像美国那么纠结,所以很容易做好。所以要超大的数据,单一的领域。

讲了那么多人工智能的好,我要提到几个让人担心的事情。因为今天人工智能的投资和估值肯定泡沫化了,所以我们会很谨慎的投那些公司。因为每个商业计划都要加上人工智能,前一阵我见了一个创业者,他说要做内衣的人工智能,这个创业项目是不是人工智能有各种甄别的方法,我在网上会写文章告诉大家。比如说家用机器人是一个大风口,它们很多都有眼睛、耳朵、手脚,千万不要做人型的家用机器人,因为做不出来,因为人的期望太多,你的家庭主妇,孩子买了以后会很失望,因为没有像《星际大战》里那么可爱。

人工智能是平台吗?一定是大公司做出来的。计算机视觉来解决无人驾驶,这是可笑的。几个计算机视觉科学家出来就要做无人驾驶团队,绝对不可能,你想一辆车有多少部分,无人驾驶要多复杂、很多元化的,甚至可能是最重要的之一,但可能是十种技术之一。不要认为计算机视觉得到第一名就可以做无人驾驶了。人脸识别我们投资的非常自豪,但是四个独角兽,有这么大的市场吗?语音识别大家都误解了,语音识别就是识别,不是理解。听到了你的字,它不懂意思,除非你是在专一小小的领域里面。所以这些东西我就看到各种的话,大家就跟风,这是非常可怕的。人工智能非常伟大,但是请不要误导了它能做的事情。

另外科学家创业非常非常的困难,还有很多公司非常的自私。我觉得世界的七大黑洞是对人工智能的一大伤害,我们需要一个更开放的平台,若更多的创业者能用人工智能。我们需要接触到数据,需要有好的算法,需要有好的计算帮你补足各种短板,这是一个特别大的需求。七大黑洞这么自私,他们是无耻吗?其实并不是,每个公司当然要为了自己的利益,要不然也不可能七个公司都封闭化,我们开放,我们创新工场即将开放我们的平台拥抱大家来做人工智能的创业。还有的人工智能的估值太高,花钱太多。

最后一点,人工智能是toB的生意,刚才我谈到的用钱宝是很大的魄力把人工智能做了toC,希望它明年就能带来千万的量是不可能的。我们是一个一个公司解决一个一个问题,一个一个案子,一个一个拿钱的。这种长得很慢,所以投资的时候你们的估值不要炒那些高,炒高了你投我不投。

人工智能就像在移动互联网时代,产品经理型的创业。先讲互联网时代海归的时代,因为只有他们看到了互联网。app时代,产品经理的产业,因为他们用精益创业来打磨。O2O时代是一个懂后台技术合作的创业。AI时代其实是工程师和toB的一个协作。所以《精益创业》是创业宝典,但是不适合用在人工智能创业。

 

作者:李开复

来源:http://www.iyiou.com/p/42110

本文来源于人人都是产品经理合作媒体@亿欧网,作者@李开复

本文来源于李开复在“寻找中国创客第三季启动峰会”的演讲。

祝给予赞赏的伙伴,2017年发大财!

评论( 0

写下你的想法

推荐阅读