“雪城【达沃斯】一整周都覆盖在人工智能的热潮之中。AI诚然是一个非常热的话题了。”
正如李飞飞刚刚在推特中所说，1月23日至26日在瑞士达沃斯召开的第48届世界经济论坛年会上，人工智能风头十足。作为人工智能界代表，李飞飞也全程推特直播了这次大会。
昨天，谷歌云人工智能和机器学习首席科学家李飞飞、埃森哲首席技术创新官Paul Daugherty，以及美国银行（Bank of America）首席运营和技术官Catherine Bessant同桌聊了聊AI的应用问题。
作为全球顶级的经济论坛，在达沃斯的AI探讨也少了技术细节，更多充斥着行业应用的案例和大的趋势探讨。而主持人作为WIRED的资深记者，面对三位难得一见的ai大咖，问的各种问题可以说非常“媒体”了，包括“2018AI趋势“、”人类会不会失业“等老生长谈问题，让人略有失望。
也难怪李飞飞会在推特中提到，这次的达沃斯大会没有太多技术细节的探讨，但我也享受相对geek的对话。
不过三位关于AI应用的对话依然值得一看，以下是圆桌论坛视频，当然来不及看视频的读者也可以接着往下看，我们整理了圆桌精华呈现给各位。
与其说“人工智能”，我们把AI更看作是“应用智能”
主持人：三位可以介绍一下在各自的公司如何应用人工智能。
埃森哲首席技术创新官Paul Daugherty：
在埃森哲，与其说"人工智能”，我们把AI更看作是"应用智能“，因为关键在于如何把智能科技应用到业界，转化我们的工作方式。我们把AI分成三类：
1) 企业和组织如何应用AI创新 - 比如我们在生命科学领域，利用深度学习和神经网络加速医疗试验，更快的把最新治疗方法推出市场。
2）用自然语言处理等技术转化人类与机器的交流方式- 例如我们在英国正在进行的项目，为老人提供更方便的语音交互服务。
３）其他更广范围的应用，比如生产流程，后台操作等一系列领域的改变。
美国银行（Bank of America）首席运营和技术官Catherine Bessan：
在BOA我们利用AI：
１)进一步改善客户体验，让客户在进行银行／金融活动时更加流畅，高效和智能
２）改进我们公司内部运作的效率，减少失误
３）AI的作用不是代替人类交流，而是帮助人类和人类间更好的交流。例如在我们银行的客服部门，我们用AI可以猜到客户的问题，更快的提供技术类答案，空出多余的时间对顾客提供更多细节和咨询服务。
李飞飞：谷歌在AI还没什么人知道的时候就开始做AI了，如今AI应用在谷歌的各种产品中，比如谷歌图片搜索利用图片识别技术，Google Home利用识别，Google Photo利用标签技术。我们还用机器学习技术控制我们数据中心的气温，从而节省能源。
“AI巨大的进步源于三大助力”
主持人：AI存在多年，2018年对于AI的特别之处在哪里
李飞飞：在技术方面，虽然人们从60年前就开始研究AI，直到最近AI才有了巨大的进步，源于三大助力：计算能力(GPU，芯片技术），大量数据，深度神经网络下算法的进步。所以看到AI真正的能力其实只是最近今年的事情。在商业方面，也是最近AI才开始在各个领域大放异彩：电商，娱乐，金融，工业，医疗等等。
Paul Daugherty补充：正因为如此，各个企业也正在慢慢学习如何应用AI进行创新中。
Catherine Bessan：还有一点，过去的18～24个月里，AI的市场成长很快，很多很多公司开始出售AI产品。人们也突然对数据保护，数据安全有了更多的知识和觉悟。
“人类+机器=Super Powers”才是正解
主持人：对人力市场的影响？人们要害怕失去工作吗？
Paul Daugherty：这个公式“人类+机器=Super Powers”才是正确的理解。机器帮助人类，同时人类也要学习更适合的技能。机器代替人类完成一些工作，在有些行业会快一些，有些还早。就算是人们经常谈起的最容易被机器取代的卡车司机行业，仅在美国现在还有150，000就业机会等待人们去申请。更宏观的看，在美国现在失业人数大概6百万人，同时也有大概6百万的就业机会正在招聘。所以问题是如何更好的匹配人类和工作。
Catherine Bessan: 不用担心，机器的影响完全在人类的掌控之中。机器会给人类创造更新种类的就业机会，现在来看，在AI技术方面的工作就有很大的需求。
李飞飞：技术进步对人类的影响的讨论，从人类诞生那一刻就开始了。人类就是不挺创新的生物。人们常常忽略的一点还有如何利用机器学习技术本身去使教育更加有效率，帮助人们终生学习。
主持人：AI如何帮助企业增长？
李飞飞: AI帮助增长的一个重要的点是，深度学习等算法可以挖掘到数据里一些隐藏的洞见，没有这些算法的话，数据的那些价值就流失了。比如图片，视频里大量的信息都可以被算法挖掘出来，做出新产品，帮助企业增长。
“科学技术没有国界”
主持人：美国vs其他地区的AI 发展
李飞飞：作为一个科学家，我不觉得科学技术有国界。无论哪里有技术突破，都是造福全人类的。
主持人：AI中存在的人类偏见
李飞飞：这绝对是个问题。从数据获取，数据标签到模型设计，整个流程中都有Human bias出现的可能，人们现在也非常注意这个问题。同时，还有模型的可解释性，模型可否被信赖。还要确保设计机器模型的人员的多元化。我们非常需要更多人才；而且很多研究表明，当多元化的人在一起时可以刺激创新。机器代表着设计它的人类的价值观，所以我们需要各种文化的人参与进来。
原文发布时间为：2018-01-26
本文作者：文摘菌
