1.报告名单

2017年12月9日周六 08:30-12:20，古北校区综合楼5层报告厅

主      持： 齐佳音,人工智能与变革管理研究院院长,教授   

1.主旨演讲  杨学山，工业和信息化部前副部长         （10:00-10:30）

报告题目：劳动力供给的变迁及劳动制度调整

2.邀请报告  Emmanuelle Vaast, 加拿大麦基尔大学商学院教授

报告题目：The changes related to Artificial intelligence: research opportunities   (10:30-10:50)

3.邀请报告  吴  及,清华大学电子工程系教授，清华讯飞联合实验室主任

                                (10:50-11:10)

  报告题目：人工智能，未来已来？

4.邀请报告  高奇琦,华东政法大学政治学研究院院长    （11:10-11:30）

            报告题目：人工智能在新时代中国的特殊意义

5.邀请报告  邬学宁,SAP首席数据科学家              （11:30-11:50）

            报告题目：量子力学、认知科学与博弈论共同推动AI与管理科学的变革

6.邀请报告  米  凯,SAP中国研究院研发总监          （11:50-12:10）

            报告题目：人工智能设计师

7.邀请报告   吴  旭,江苏华信区块链研究院常务副院长  （12:10-12:30）

            报告题目：区块链技术在自贸区监管中的应用

2. 报告内容速记

2.1杨学山:劳动力供给的变迁及劳动制度调整

       大家上午好！很高兴再次站到这儿，来给大家汇报一下我关于这个问题的看法。其实这个题目包括这个主题我是第一次讲，尽管这个报道的内容来源于我2010年6月19号一个手稿，11月初一看里面有几个小结没写完，一放6、7年。这是我第一次就这样的主题来发表演讲，也正好我的第三本书里面的一条。其实两个部分，就讲两句话。

       第一句话社会总劳动的构成从只有人，从人到基本退出劳动。

      第二句话社会总劳动从绝对不足，走到绝对不少。

       一、劳动力构成的变迁。

       因为这个东西几乎从来没有人研究过，所以我第一次讲，在我们的发展中也是第一次分析这样的东西，所以有一些概念必须要介绍一下。包括社会劳动的总供给怎么定义，总供给是由什么构成的，什么叫名义总供给，什么是社会总劳动量，什么是社会有效总劳动量，但是我不想讲太多，只是简单的把最重要的讲一下。

       总供给就是全社会具有劳动能力的所有主体和客体所能提供的全部劳动量，这是社会劳动总供给，有两类，一类叫主体，就是自我意识的所有劳动者。所有有意识的劳动者不仅是人，马上就有非生物智能体。

       客体很简单，不具备自我意识的劳动量提供者，从木棍、到石块，到机床都是客体，没有意识。

      外延大体就是这样的东西。

      变迁过程很简单，人作为唯一的社会劳动提供者到人基本退出劳动，这是整个的发展过程，我在这里面写了6个阶段。今天已经进入第4个阶段，我们用不了很长时间，将进入第5个阶段。然后我们也不用很长时间，会进入第6个阶段，要知道人类已经380万年了，但是我们380万年从第一阶段到第四阶段几乎占了全部时间，走向第五、第六阶段在人类历史发展的时间里面，可以忽略不计。

       刚才说了，我们已经走到了第4个阶段到2100年基本结束，一二三产业领域，人将不再作为主要的力量而是智能系统在做。到了第5个阶段，真正智能系统来主导的时候，大概在不同的行业不同的区域，2030年一定会实现智能系统主导的领域，这个领域到底是什么，现在还不能很确定的说出来，但是大体在2030年一定出现，这个领域会比较小，100多年时间，这个过程也会结束。然后我们大体上人基本上退出也就是这么一个时间，所以留给我们人的时间并不长。

       为什么这样说，我讲一个具体的例子，从2.5代到5.5代经过3代。这个矿，山西大同煤矿年产2000万吨，有20万人，一人一年产100吨，这是2.5代。本世纪初到现在的一般水平是5万人，这是3.0时代，机械为主，部分自动化。现在的高水平，降到600人，是4.0代，人主导。600人降到了60人今天的技术是没有什么问题的，在60人的时候，我们想60个人干什么？主要是外部，内部已经不管了。外部必须管，公司要有人开会不能机器人开，公司谈判、法务代表，等等全部是对外的，内部的管理人不用管，从产煤的角度看，降到了60人的时候，你想20万人要管这些人的吃喝拉撒睡，到60人的时候，原来的内部的事物已经全部交给系统，所以是5.0代，5.0代今天只要想做就可以做到，技术上没有任何困难。再降一个阶段，6个人，这个阶段比5.0要困难很多，因为机器人开会你要承认，是5.5代，我没有说是6.0代，因为人还可以再降。

        我们实际上是完全可以做得到，最起码到5.0代现在可以做到，2030年会出现这样的东西，但是具体不知道在什么地方出现。

   二、先讲总需求再讲供需平衡，再讲3.0到6.0的关键点。

      总需求是给定社会制度、生产力水平、总人口和期望值之下的需求，这是理想的数字，现实中的这个数字是不存在的，任何情况下需求要么被抑制，要么被放大，真正的理性是很难做到的，如果没有社会规范、文化、道德、法律的约束，你的需求是什么？而且没有钱的约束的情况下，你的需求是什么。这是理性的说法，但是由于制度、文化、道德、法律和各种约束下会出现一个综合起来的表现出来到今天为止购买力的需求，但是这个是要变掉的。

       供需的平衡，有不同的阶段，比刚才的1到6复杂一些，因为跟需求相关，而需求是一个不能很好界定的东西，所以变成了一个相对数。

       绝对不足的阶段只要有人，就能有财富，就能有力量，所以毛泽东才说人多力量大，确实是真的，整个我们看很多时候就是这个状况。一共9个状态，我多说，大家想一想可以找到很多例子。现在高水平的相对不足，我们还有一些进入发达国家的不足。为什么欧洲对移民的态度不一样，因为劳动力供应相对不足，日本也是劳动力相对不足。

       高水平相对平衡，我们现在有不少的发达国家，大体上是相对平衡状态，但是也已经出现了相对过剩的状态，我说一个简单的例子，2013年在芬兰，早上我出去散步，在一个公园里面，公园路边上几个人，用类似我们镰刀的东西拔草，手工拔草，后面三轮车拉走，大家想一想芬兰这个工作岗位为什么要，因为这些人没有就业，政府要给他发钱，怎么发呢，要有一个名目，就像今天北京、上海给很多人发钱一模一样，不是社会需要这个劳动力，是因为要发钱，解决就业问题，要有一个名目。我相信很多企业裁50%一点问题没有，这不是过剩是什么。大家都说加班，我说我们如果能真正工作6小时，加班几乎根本不需要。三分之一工作是必须做的，三分之一是形式化过程做的，三分之一是假做的。这是日本90年代的情况，所以不要以为相对过剩是开玩笑。

       我们现在从3.0代走到6.0代，因为4.0代已经有了，即使很多行业很多领域依然是3.0代，是人和机械的时候，从全球看，人和机械替代2.0的过程，这个过程已经完成了，但是在全球的角度看，还有一些地方没有完成。那个过程里面人和机械的对抗和人不同的利益集团之间的对抗是十分激烈的，你们看18、19世纪 英国工人阶级就可以看到，那个时候是什么样的状态。所以后来你看我们有了就业的问题，确定最低工资的问题，确定劳动时间的问题，都是2.0到3.0做出的最基本的制度安排。

       到了4.0，我们条件的重点依然是保障人的工作权利和工作环境。我刚才说的煤矿的例子，在我们80%的工业部分，50%的服务业部分产生，那个时候你还能这样做吗？做不成了，做不成怎么办，我们需要重新考虑如何调整。

       重新考虑调整这个事情涉及到的问题根本不是以今天的理论、法律能解释的，必须要调整理论，我这里面只说一件事情当煤矿从600人减到60人的时候，一个企业就可以做完了，所有的收益归这个企业。这个时候因为我们现在不管说按照资本分配还是按照人分配，这是我们的积累理论，这个都不行了，所以经济理论不改，制度没有办法确定，法律也没有办法确定，不变是不可能的。

       到了6.0时代，我们需要完全的重新思考就业制度和分配制度，要完全建立新的理论，旧的理论根本没有作用。所以我们说如果不能解决法律、制度等等这些问题，人类社会将进入比工业革命早期更尖锐的矛盾期。

       我的报告就到这儿，这只是面临的一个问题，我们面临的矛盾和冲突还有很多。谢谢大家！

2.2 EmmanuelleVaast, The changes related to Artificial intelligence:

   Emmanuelle Vaast：（英文无翻译）

 2.3 吴及:人工智能，未来已来？

       谢谢大家！我今天讲的题目是人工智能、未来已来？这句话不是我说的，是去年在北京陆陆续续的开了很多台各个公司的发布会，起了很多有创意的名字，当中提了一个口号叫人工智能,未来已来。我在后面加了一个问号，我们看一下是不是人工智能未来已来了。

       这张照片是2006年达特茅斯会议50年以后5位还健在的科学家的照片。人工智能有三次浪潮，刚才提到1956年达特茅斯会议第一波浪潮。现在是第三次浪潮，会达到什么高度，或者我们会迎里第三次AI冬天我们现在是不知道的。

       一般现在人工智能分三个部分，计算智能、感知智能、认知智能，计算智能是利用计算机强大的计算能力做一些事情。第二个是计算机能听会说能听会写。第三个认知智能是机器人像人一样会理解会思考。

       每个方向举一个例子，介绍一下前沿的情况，计算智能举这个例子，阿尔法狗，5：0战胜了樊麾，2016年3月战胜了李世石，2017年在网络上取得对职业顶尖棋手的60连胜，2017年5月战胜了柯洁，然后出现了阿尔法零战胜了阿尔法狗，可以看到围棋的运动中，已经没有职业棋手可以和机器抗衡。对这些棋手心境是很大的冲击。阿尔法狗的系统策略，第一个它引入了蒙特卡洛搜索树，进行复杂空间的高速效率搜索。第二个引入策略网络，给出落子候选。第三个是价值网络，对形势进行判断。

       无论我们怎么讲围棋这件事情，阿尔法狗的出现让围棋回归了计算的本质，它有好的策略，加上好的算法，加上强大的计算能力，很类很难在这个领域超过他。

       第二个讲感知智能，我给了两张图表，一个是语音识别，一个是图象分类。2012到2016年语音识别从14.3%下降到3.0%，这个基本上超过人的水平，所以感知能力上有数据、有算力的情况下人很难和机器抗衡。

       举个例子，网上有很多视频，你拿出手机就可以拍视频，想让视频被关注到最基本的是加标签，靠人工是做不完的，其实每天拍那么多照片，很多照片拍完估计一辈子不会看第二次，这些内容要应用就要打标签。谷歌发布了人工标注，打的标签很多，有4000多种，从游戏、娱乐、交通、电子、饮食等等，打上标签，你关注哪些方面的内容，通过多个标签联合搜索把这些内容找出来，就可以看到这些标签。

       这是差不多几十万测试级做的比赛，官方基线是0.7471，这个正确率1是全对，0是全错，离1越近效果越好，全球参赛队伍超过600支，我们获得了第二名。

       接下来讲认知智能，也举个例子，是实验室最近这一年做的工作，“智医助理”医考机器人。我们在阿尔法狗之后想看看有什么事情标志人工智能在技术上是有所进展的，我们想做考试，传统上考试是人经过学习以后经过时间、练习才可以产品考试，还没有非生物的智能体参加考试。

       为什么要做医疗的考试，医学领域非常复杂，非常难，有很多科研的成分和医院的成分，所以我们把它作为技术发展的台阶，看看能不能使技术更往前推进。

       职业医师考试，所有的医学院学生本科、专科然后经过这个考试才可以当医生，我们选择的是临床考试，这个是规模最大的超过70%的人要考临床，知识点非常多，教材教科书从地板到天花板都不止，通过率是比较低的，我们看到1800多万人参加考试，通过的人300多万，所以非常难通过。国家有一个专门部门国家医学考试中心专门负责这个命题，考试是两天四场，每场150分钟，总分600分，考试的医生要拿到上岗执照，把患者的病理描述告诉你，让你判断他得了什么疾病。

       我们举了两个例子，左边是知识性的，右边是案例性的题目。从技术方案来讲，关键做两个事情，第一个那么复杂的专业知识，来自那么多教科书，我在计算机里面怎么表征出来，这个就是想做人工智能的前提基础，你知识不能表征加以运用的话就不能解决时机的问题。第二件事情，怎么用这些知识解决问题，就是涉及推理的事情，恐怕是人工智能领域最难攻克的，或者最难推进的点。所以我们希望能够在这样的特定领域当中能够往前推进这个工作，我们已经形成了自己的一些方案。

       大家一般能想像的方案在这里是不管用的，比如搜题，建知识图谱是不足以解决这些问题的，我们2017年8月26、27日和国家职业医师考试同步测试，考场内断网、无信号，全程有监考和公正员，流程和学生参加考试是一样的。成绩11月7号公布，我们机器人时机用时，17分36秒、17分46秒、15分09秒、16分44秒，得分是456分，分数线360分，大概水平是考的非常好的考生的水平。我们知道大概90%的考试都考不过我们的机器，成绩还是非常，这是10月7号公布的成绩的公函。

       前面很快的过了一下我们现在在人工智能技术，在计算智能、感知智能、认知智能方面的进展，为什么第三次人工智能浪潮到今天有这么多的成绩，为什么能做到这一天。这是语音识别的发展历史，智能语音产业是我国信息产业中为数不多、掌握主知识产群并处于国际领先水平的领域，这是杨学山部长说的一句话。语音识别技术到现在的取得进展和人工智能取得的进展非常的相关语音识别也是人工智能很重要的一部分。

       首先为什么我们人工智能今天会有这样的进展，第一个我们有快速增长的基础设施计算能力的平台，无论是单机能力、服务器的能力，云计算的能力，你只要愿意投资，你可以拥有几乎无限的计算能力和存储能力。第二我们越来越能力采集足够多的数据，有了数据可以把包含的知识挖掘出来的，大规模的数据如同不可或缺的氧气，只要你愿意你可以采足够多的数据。第三个是深度学习为代表的方法，是这个舞台上翩翩起舞的表演者。背景上是被整个互联网连接的世界，这样的因素是整个人工智能取得这样前沿发展的核心因素。

        好像一切都很美好，是不是人工智能在5、10年以后像1956年预测的这样，或者是更早的时候预测的一样，再过10年人工智能就取代人类了吗？好像也未必。这个Gartner技术成熟度曲线，大家都见过。分技术触发点，然后到期望膨胀顶峰，大家非常看好它，觉得这个技术明天就可以被应用，对生活造成恒大的影响，第三个是幻灭的低谷，发现这个东西部可用，然后是缓慢复苏，最后是生产力成熟阶段，几乎所有新鲜技术都是经历这样的过程，很多技术看上去很热的时候，还没有到可以使用的时候。

       根据Gartner报告，深度学习和自动驾驶都在期望膨胀的顶峰，脑机借口和量子计算在技术触发期。增强现实和虚拟现实掉到低谷，慢慢在爬坡，还不是所有技术到了低谷就不一定开始爬坡，因为低谷可能还不只一次。预测永远不一定是准确的，只有到了那一天才知道是哪个技术跳出来。

        范式革命，科学的发展基本上有两个阶段，第一个是常规科学阶段，一个科学被树立起来以后，大家会按照它的节奏往前走，比如牛顿建力了力学和绝对时空观，大家发现它无比正确几乎可以解决生活的所有现象，所以可以顺利的往前走，终于有一天发现它解决不了的，由于实际的观察和理论产生了背离，怎么解决这个问题，必须引发范式革命，要用新的理论解决问题，比如取代牛顿绝对时空观的爱因斯坦的相对论。比如量子力学取代经典力学，一个科学的理论和技术的能力有局限性，必定走到下一个阶段，促进下一个技术的到来。

       所以就出现了破坏式技术，一个好的技术一定是具有破坏性的，比如胶片相机到数码相机，柯达发明了数码相机但是没有想到胶片机会被数码相机取代。从刚出数码相机，从单反到便携，到智能手机出来，现在数码相机销量已经降到了零头了。

       举两个例子，一个人脸识别非常火，接连两个人脸识别公司拿了上亿美元的投资，但是真的可用了吗？还有一些地方人脸识别技术做的不是特别好的，第一个问题场景下的人脸识别不了，第二个摄像头最便宜的9万，贵的20多万，一个技术发展出来真的应用的时候要跨越的门槛非常多。

       第二个智慧医疗，我们真的对这个行业的了解程度，对医生看病的过程的了解程度是非常有限的。在没有人工智能的时候，医生整个看病流程很顺畅的存在，你要取代这个流程要克服的困难非常大。当你想变革到传统行业，当你想传统行业升级换代的时候，这里面有很多技术成分和非技术成分，变革要真正的产生，永远不是那么简单的事情。

       总结一下，人工智能技术，技术上我们面临很多困难的问题，现在我们都没有解决方案，技术上即使有进步，但人工智能的技术落地依然是尝试的过程，路漫漫我们需要一起上下求索，谢谢！

2.4 高奇琦:人工智能在新时代中国的特殊意义

       首先祝贺齐院长这边和祝贺上海对外经贸大学有这么大的举动，刚才杨部长讲了这是一个非常大的程度。

       我受齐老师的邀请做这样的交流，我是政治学专业出身的，政治学现在很多的老师说，你怎么去搞人工智能，感觉好像很奇怪，我也会经常去参加人工智能专业的一些会，他们看到我也感到很奇怪。

       但是我觉得我要来讲一下，等一下我来介绍一下我的做的工作。我先介绍几个观点，就在昨天我们跟上海社联有一个刊物，《探索与真理》，我们跟《探索与真理》举办了人文科学，人文社会科学和自然科学的话，围绕的就是人工智能，人工智能与未来社会的深度论坛，每次请一半的自然科学家和社会科学家对话，这个工作我觉得还是非常重要。

       刚才几位包括杨部长，包括吴老师几位教授讲到这个问题，首先面临的第一个问题是要不要发展AI的问题，这个问题好像不用回答，是一定要的，因为人工智能发布规划和上海市上个月也发布了规划，这个问题很清楚了。学理角度来讲为什么现在一定要发展AI，不是简单的选择问题而是战略问题。题目的名字叫新时代，我们刚刚开好十九大，很多老师、同学还在十九大报告学习的喜悦当中，我觉得新时代不是空的，200年来中国在很多领域长期是跟跑，跟跑、并跑和领跑，人工智能我们有强大的活跃的市场，人工智能很有可能成为我们从并跑到领跑的场景，不是要不要了而是必须要的问题。

       第二个十九大报告里面写的很清楚，2020年全面建成小康社会，2035年基本实现社会主义现代化，2050年建设社会现代化的强国，这些都是非常需要人工智能的支撑，这里有创新型国家，高质量的发展，包括人工智能与实体经济深度融合，颠覆性技术创新、社会、军队等等都是十九大报告里面非常强调的，都是跟我们每个人密切相关的。

        二、发展AI的风险有多大，十九大报告重要性的时候，用的是非常大，非常重要的报告，我讲风险主要是有几个风险。

        第一个技术风险，技术风险里面刚才有外籍教授讲到这个问题，算法黑箱的问题，我用另外一个词算法独裁的问题，未来我们的生活越来越多的判断建立在算法的基础，现在人工智能发展希望打开黑箱，但是它仍然不是按照人类的逻辑得出这样的结论，大量的决策建立在这样的基础上，但是这样的决策是不是最优的，合乎理性的。我今天早上做地铁的时候被百度地图给我的判断，说南京西路换乘的时候是站内200多米，其实是站外换乘。

        第二个问题杨部长讲到的失业风险的问题，这个问题更加重要，因为这样的失业风险会集中在很多领域，比如说大家都熟悉的，以前我们觉得翻译是非常高级白领的工作，翻译肯定是被颠覆性技术颠覆了，年初跟学生讲到对金融领域产生绝大多数冲击，学生们吓坏了，说要不要重新参加高考，这个几乎没有选择了，你几乎无处可跑，法律也是非常受冲击的领域，我正在跟计算机的老师在用自然语言处理，包括司法审判的模拟审判在做这样的工作，你没有办法选择了，这个是必须的东西。做的过程中，原来的信息的检索，包括审合同的工作会受到影响，包括生成初级的法律文书这样的工作，但是高级律师肯定会留下来，复杂的涉及到人的复杂的交流的活动这肯定还会保留人的意义，但是很多简单的，跟检索有关系的，跟容易处理的模式化、结构化的东西肯定受到冲击，事业的问题超出我们的想像。我这里有一个问题就是杨部长讲的问题，未来社会将如何面对这样的问题，大家越来越觉得这是一个非常大的问题。

        第三个问题是伦理风险的问题，涉及到隐私、我觉得第一层涉及到隐私，举个简单的例子，比如我们以前都认为家庭里面是隐私的重要的场合，重要的场所，但是未来这些智能设备进入家庭之后，你家庭隐私很难保留了，因为三年两年之后可能家里面至少有一两个机器人，比如智能音箱，智能冰箱，这些设备不断的采你的数据，如果数据泄露，如果有黑客，你家里面怎么会成为隐私的场合，公共场合不用讲了，到处都是摄像头，这里面会出现这样的一个问题。

        所以我在上一篇文章中提出来透明人的概念，基本上每个人是透明的，你说要很多隐私是很难做到的，你不发朋友圈别人会发，会智能分析你的数据、设备，会产生很多的隐私的问题，包括另外一个概念数据失重的问题，原来的前智能时代，保存数据的习惯和现在应该是不一样的，另外一个问题就是意义的问题，我觉得最终可能会调整人的存在的意义。

        三、还要不要发展AI。

        还是回到刚才的问题，当然要，那如何发展，我的理解，第一个要应对技术风险。知识图谱可能是打开黑箱子，飞行的时候我们觉得类鸟的飞行不对的，要用空气动力学，随着知识的迭代，类鸟飞行又成为重要的领域，这样一个循环。

        第二个怎么应对社会的风险，中国非常有能力和有这样的文化传统解决风险，西方超人文化的不同，会跟社会形成一个强大的张力，因为我们首先是共产党的领导，我们是以人民为中心的发展理念，2020年全面坚成小康社会，我们是一直把人民绑在一起的，所以我们是一个整体，如果大规模出现失业问题，国家的社会保障系统、救助系统都会跟上，如果我们有大量的时间之后，大家保障是保障了，但是闲暇时间怎么分配，有可能更接近马克思讲的自由人的联合体，人的自由的全面的发展的概念，也有可能更加接近。党的领导，党对整个社会安全、稳定的掌控，和党组织的动员就会变得至关重要，这个是可能应对社会风险的重要的点。

        第三个是红线，应对伦理问题红线至关重要，我们要往前发展，我们要知道这个伦理的红线在哪里，我们有很多的风险，可能现在问题不严重，但是二三十年之后红线还是非常重要的。

        四、未来发展AI要注意什么。

        还是用我们十九大报告里面的主题词，不忘初心、牢记使命。AI用中文频移的含义就是爱，发展AI就是要让世界充满爱，否则发展它把人类自己颠覆掉，意义是什么呢，我反复思考贼个问题，我建议有如下4个。

       1、中国人工智能理论委员会至关重要，中国人相对人工智能发展是比较乐观的，西方人是悲观的，建立在末世论的基础上，中国恰恰是打开这个的钥匙。

       2、大众自觉+协商民主，每个人要尽量的了解它，大数据也好，人工智能也好，通过协商民主参与其中。

       3、智能社会科学，智能科学与工程。今天我们成立研究院也是智能跟社会科学的交流。

       4、善智是原则，好的人工AI，刚才吴老师讲到人工智能说来就来，在某些领域和发展的条件上应该有说来就来，说停就停的勇气，因为里面确实有很多不确定性。所以脸书看到两个机器用不同于人类的语言交流的时候，就停下来了。

       最后我的一本新书交给出版社了，1月份会出版，叫做《人工智能：驯服赛维坦》，我觉得今天科学对我们影响非常大，帮助我们还生活，同时要驯服它，真正为人类的自由，为我们的公平正义做更大的贡献，谢谢大家！

2.5邬学宁:量子力学、认知科学与博弈论共同推动AI与管理科学的变革

       很高兴在这里跟大家分享I在各个不同领域包括管理变革方面的一些推动。

       刚才高教授很有意思的一点，在《三体》里面有一个观点，《三体》的问题最后是一个社会学的专家解决的。人工智能是第三波了，主要的三个推动力，以及对管理科学的影响。

       人工智能在过去60年当中是从1956达特茅斯会议开始经过了两次冬天，60年代人类觉得人类要毁灭了，70年代觉得是骗子，80年代觉得人类又要毁灭了，然后又什么事都没有发生。现在差不多又到了这个时候，那么未来是怎么样的？

         未来无外乎三个方向，第一个《人类简史》里面讲的人工智能会是神，人工智能的智商可能是10000，爱因斯坦的智商是200。人工智能可能在200年以后看我们跟我们现在看蚂蚁的智商差不多。人工智能可以自己生产人工智能的时候，人类就是多余的。

        第二派是神经网络，这个人工智能主要是通过大量的数据进行训练神经网络的模型，前提是大数据，这波现在有观点认为深度学习的红利快用完了，人工智能会慢慢的向前发展，但是比较线性发展，不会指数的增加。

        第三派认为第三次人工智能冬天就要来了，就是神经病，所以是神、神经、神经病代表未来的三个方向。

        这波人工智能最主要推动力是卷积神经网络，刚才Emmanuelle Vaast，包括几位老师讲到人工智能的黑箱问题，现在科学家把卷积神经网络把每次含义解读出来的，从左边的输入到右边的输入每层都是逐步的抽象，形成更高层的概念，现在误差是人的一半，计算机视觉方面，人工智能已经解决了这个问题。

        目前人工智能在视觉方面最先进的两个算法一个是Inception 和ResNet。为什么叫这个名字，大家看过《盗梦空间》有一句台词we need to godeeper，越深越好，所以深度学习真的很深。

        核心思想我们看到人的认知在图象识别过程中是分层次的，第一层是视网膜象素级，然后到V1做轮廓的勾画，V2实现基本的图形。我们看一个人或者摩托车的时候，第一层看到象素，第二层看到的圆圈直线，第三层看到轮胎和把手，第四层识别出摩托车。卷积神经网络也运用了这个思想，达到了一个非常高的准确度。

        这波人工智能第二个主要推动力是循环神经网络，最主要的算法是长短期记忆方法，在用在广泛的自然语言处理方面，地球上有很多生物的视觉系统比人要好，但是所有生物中只有人才有语言，因为一个意思可以有很多种不同的表达方式，现在这两年有很多基于深度学习的向量的表达，比如说谷歌的翻译，包括最近这一两年大家都在做音箱，做虚拟的助手，微软的Cortana，苹果的Siri等等，我们看到人工智能的确会带来很多行业的变革。刚才讲到翻译大部分是要失业的，讯飞的产品效果已经非常好了，所以学语言你觉得可能是高大上的工作，未来可能没有什么实际意义。还有记者的工作可能也会被AI替代。

        这张图想说明的是循环神经网络主要思想的来源，来源于人的记忆，人的记忆分两块，一个是工作记忆，一个是长期记忆，思想源于认知科学当中的工作记忆和长期记忆，野鸽法在金融行业引起了颠覆，美国最赚钱的不是巴菲特基金而是Medallion。全部是短线交易，不需要看财务报告，都是超高频交易。高盛今年600名交易员上岗了，现在只剩2个人，几乎全部被AI取代。

        第三种叫对抗生产网络是博弈论在AI的应用，让两个人人工智能互相PK，两个神经网络互相PK，一个专门造假话，一个是专门鉴定假话的。两让个算法互相PK，达到那时均衡就是博弈论的平衡点，会用于很多，比如马赛克增强，马赛克可以想像出来，还可以做很多人脸的处理，可以做一些算法比如说笑的女人-不笑的女人+笑的男人，可以得出笑的男人会怎么样。漫画创作当中也可以进行创作，你手工画一个，之后可以想像出对应的元素是什么样。

        第四个推动力来源量子力学。

        最后一个推动了是来自行为科学，从迁移学习到强化学习，大脑的多巴胺，有的人喝咖啡会上瘾，这个是讲的是阿尔法狗团队在2012年的时候用一个摄像头对着电视机，让AI自己玩游戏，能够来得分，在最后训练240分钟之后，AI能够取得一个非常好的成绩，并发现了玩这个游戏的秘诀是左边打一个洞出来让球在上边弹。

        但是AI也有一些问题，比如容易陷入局部最优解，机器学习和人工智能是这波人工智能的推动力，但并不是人工智能的全部，还有一个很重要的学派符号主义，现在这个学派留下的一脉就是知识图谱，但是有大量的人工工作在后面打标签，或者说没有人工就没有智能。但知识图谱可以把人的知识进行合理的表达，未来的趋势是知识突破和机器学习的融合。

       有老师提到范式转移，人工智能对人类变革的影响，从确定论变到概率论主宰，牛顿的确定论变成量子力学的概率论。

       最后用这张图结束演讲，现在人工智能是鹦鹉学人说话很像，但是并不真的有智能，阿尔法狗也不知道他在下围棋。通用的人工智能是乌鸦，这只乌鸦发现了一个坚果但是没有办法砸开，她发现一个好的办法，把坚果放在路上让汽车轧过，但是很危险，一不小心就会被轧死。所以它发现了红绿灯，每次红灯亮了车会停下，就等红等把坚果放下，车轧过之后再去车。所以我想人工智能要的通用的人工智能，就是他能够自己学会整个过程，而不仅仅是做一只鹦鹉学舌。

       这张我想讲人工智能还处在非常早期的阶段，史前文明，如果达尔文的相对论是对的，地且的物种应该是眼着线性增长的，但是图是按照右边的这个图是增长的，因为寒武纪大爆发。最近的解释寒武纪的时候，动物首先分化出眼睛，基因图片，导致动物长出两条腿，没有用，就会被淘汰，但是有了眼睛，长出的两条腿就是生存优势，所以物种指数性增长。现在的人工智能可以看懂、听懂世界了，人工智能的寒武纪大爆发的时代就要到来了。未来是属于大家的，也是属于机器人的，归根到底是属于会造机器人的人，谢谢大家。

2.6米凯:人工智能设计师

       今天我想跟大家分享SAP在人工智能与机器学习具体的案例，通过案例可以看到机器学习怎么帮助企业做数字化转型。

       首先简单介绍一下SAP公司SAP是全世界最大的管理软件公司，87%的世界500强基于这个系统在运作，在中国有很多的公司在用SAP，全球经济的73%都是基于这套系统的运作，我看到很多嘉宾从北京飞过来的，不管是国航、南航的飞机，他们的保养、运作都是基于这套系统。全球十大汽车厂商，也都是基于SAP系统运作，包括电费的账单、波峰波谷多少钱也是基于这个系统的计算。

       人工智能时代SAP最领先的是两点，第一点就是我们对不同行业的理解，大家知道SAP有40个行业的解决方案，包括我们知道每个行业在哪个流程需要人工智能和机器学习落地的案例。地是第一。

        第二个是数据地全球经济的73%基于这套系统的运作，意味着大量的数据产生，我们客户和SAP联合创新，基于这个创新我们得出了人工智能在不同领域的应用。

        SAP今年退出了SAPLeonardo系统，我们叫做数字化创新系统，里面机器学习是非常重要的模块，比如区块链还有物联网以及大数据，基于这些模块我们能帮助全球企业做第一步的数字化分析和转型。

       今天时间关系我们只讲机器学习的模块，SAP在全球机器学习领域有很大的投入，我们有几大创新中心，包括跟斯坦福大学合作，专门做大数据和人工智能的创新。在德国的波斯坦也有创新中心。包括我们在南京大学也是有创新中心建立。

        SAP的机器学习主要分为三个部分。数据的输入，提到大数据，基于数据基于算法做培训，训练这个系统，训练机器人做各种数据的分析，或者图象的识别，或者视频的识别。第三块是得到一些应用的案例，机器人做决策和应用。SAP比较强的是对业务的理解以及数据的能力。

       今天给大家带来几个SAP的案例，第一个案例我们叫做语音的识别，SAP有一个创新的工具，我们嵌入到SAP系统里面，全球客户使用SAP的时候，可以使用语音方式做操作，我可以对折系统说帮我打开订单31275机器人就会搜寻到这个订单打开，展现订单的具体细节。我可能要看一个客户的信息：请帮我打开联想这个客户，所有关于这个公司的信息都会在系统里面展现出来。

       第二个案例是文本的识别，自然语义分析的识别，这块由上海团队在具体的做开发，我们和中国的一家公司，做叉车的一家公司做了联合创新，他们给了我们大量的数据我们做分析，分析这个需求，大家知道所有的产品的创新和研发源头都是需求，所以我们叫需求驱动的研发过程，但是很多公司需求都是非常难收集的，因为散布在各个地方，有可能在社交媒体，有可能在服务部门，有可能在4S店，数据量非常大，很难有一个公司的需求整理部门去归纳或者整理这个需求。

       所以我们基于人工智能和机器学习我们做了一个需求管理的分析系统，通过不同的渠道，包括公众平台，社交媒体，包括公司的售后的4S店，以及包括售前售后的人员收集的需求，我们通过人工智能做分类，分类出来的都是最紧急的需求，同时通过算法计算不同需求之间的关联关系，这些关系会怎么样影响我们下一代产品的研发的流程。

       今天主要给大家介绍的是另一个应用，我们也比较自豪，也是上海团队开发出来的应用就是图象的识别，我们也是和一个中国的制鞋的公司联合创新，从公司拿到了大量的数据，给我们提供了5万张图片，都是目前最流行最时尚的一些鞋子的图片，这个项目开始之前我们跟这个公司的设计总监做了一个交流，告诉我目前不管做衣服还是做鞋的，做包包的，面临的最大困境怎么把握流行趋势和时尚的元素，他们每年会去韩国首尔等地看发布的新品，同时每天上网不同的渠道看设计的图片，但是设计师时间有限，不可能一个人接收这么多海量的数据。我们基于人工智能和机器学习希望能够帮助设计师做图片的识别和流行元素的识别。

       他们告诉我们设计稿只有5%被制成鞋子，其中还有很多是卖不好的，消费者不接受的，我们就想到能不能通过人工智能帮助设计师设计鞋子，这样会大大节约他们的时间，提高他们的效率。

       我刚刚从乌镇互联网大会回来，我们把我们的方案展示给徐麟和车俊，人工智能的大牛也到我们的展台做了交流，也给我们的方案点赞。今年展示一下我们基于图象识别这块做的方案。

       大家看到的这个界面就是设计师会看到的界面，因为我们是目前基于5万张写字的图片让机器识别第一这是一双鞋子，第二还要识别出鞋子不同的流行元素，比如是什么颜色，用于什么场合，结婚穿的还是上班穿的，包括是什么鞋跟。我们有56个标签，也是全球比较领先的点，多标签的识别，通过一张图片可以识别出56个标签，基于标签归到不同类别。

       设计师想看蓝色元素的鞋，点进去看到是就是通过人工智能识别出来目前全球最流行的带有蓝色元素的鞋，这些图片能够给设计师大量的灵感，也不用查大量的资料，到这里面就可以看到目前排名最流行的鞋子。左下方是大数据分析的表格，告诉我们蓝色元素和其它元素的关系，蓝色元素和裙装比较大的关系，意味着大家更多穿蓝色的裙装鞋。

       然后我可以高速裙装，可以展现出人工智能、机器学习识别出来的裙装元素的鞋，基于这些元素设计师可以做设计了，我可以用手画一个写字的原形，也可以上穿鞋子的草图，然后选择一些具体的流行元素，比如是蓝色的、裙装、高跟鞋，当然还有更多的元素，有56个标签。标签之后点击生成，大家看到机器学习帮我生了独一无二的鞋，这个鞋在全球是不存在的，因为是根据我们的要求和草图自己生产的，我们同时生产了16双不同形态的鞋。设计师基于图片要做大量的工作，做激发灵感的工作，基于我提到的蓝色、裙装、高跟鞋、机器学习生成16张图片，可以给设计师大量的灵感。

       这个案例是基于消费品怎么落地的案例，实际上我们这套系统叫SAP智能产品设计，可以设计更多的东西，包括设计机器手臂。像机器人我们会在系统里面模拟出镜像，就是数字化双胞胎，可以监控设备的运行情况，可以反馈数据指导设计机器手臂。明年会和德国的汽车公司做联合的创新，我们的系统可能会设计更多的东西，包括汽车的外形、车灯等等都是可以设计。

       我想说的是，我们并不是机器学习、人工智能代替设计师，而是给设计师一些灵感，提高效率让设计师设计更多更有用的东西，谢谢大家！

2.7 吴旭：区块链在自贸区监管中的应用。

介绍一下江苏华信区块链的情况，我们江苏华信区块链研究院是国企独资的研究院，总部在南京，目前在杭州有一个区块链的应用公司，目前主要是做区块链技术应用和物联网、人工智能，供应链管理和数字资产交易这块。

        我们区块链研究院整个业务架构是这样的，目前我们已经开发和形成方案的目前有这些内容，一个是和工信部标准院做了BaaS系统，和工信部一所在电子存证方面做了合作，司法存证和中国电子金融认证中心在电子存证方面做了合作，包括在药品溯源等方面开发了相关的产品。央行落地的区块链技术只有两个，一个是票据，还有一个我们参与的，在江苏省做跨行调款应用了区块链技术。原来没有用区块链的技术需要三次清算两次搬运，我们用了区块链一次清算一次搬运就可以解决跨行调款的问题。

       我们现在在开发数字钱包和数字货币的结算中心的课题，目前在研究阶段，具体情况还属于保密阶段，我就不详述了，电子钱包推出以后，对金融业是一场革命，可能所有的支付结算，信用卡都会被数字钱包取代了，这是未来的发展方向。

       这是整个的我们的业务布局，我们真正的战略产品我们做了一条智媒链，我们建立了注意力经济模型，原来看广告比较厌烦，用了注意力经济模型以后，看广告是有收益的，通过看广告给你带来的收益。还有面向企业的方案。

       从电子现金去中心化交易，到智能合约，到去中心化互联网是1.0到3.0的阶段。

       简单介绍一下区块链技术，从2008年金融危机以后，中心化的问题一直困扰着我们，区块链技术是很少解决去中心化的技术，从2008年中本聪发表了《比特币：一种点对点的电子现金系统》白皮书。现在比特币在市场上是很火，因为也是从明天开始，比特币交易作为芝加哥期货交易市场，作为第七种期货交易货币了，所以这两天涨的特别厉害，以及往11万人民币去冲了。

       区块链技术有这么几个优势，一个是去中介化，通过签名信息和时间戳提供账本的可跑性，第二个是可信账本，然后是分布式网络，区块链整个这块就是分布式数据库加数字合约加密码学。   

      区块链优势安全，不可篡改，更高效，去中介化、数据一致及去中介化提供了可信的网络环境，开放点对点，共识更明确，代码可编程。从一句话来说，区块链在多方无需互信的环境下，通过密码学技术让系统中所有参与方协作，共同记录维护一个可靠数据账本的方式。

      区块链技术在自贸区的应用，我们根据自贸区整个监管的现状我们看了一下了解了一下，自贸区目前强调事中事后监管，没有强调事前的监管，整个这块2013年开始有文件，包括宽进严管，包括海关方面的东西做了很多工作。整个自贸区按照四位一体大格局进行兼顾的，部门之间信共享、互联互通的大数据平台。

      进行大监管的时候，有一个信息共享平台建设，就涉及到了大数据、人工智能、区块链这些东西，如何使数据在事中事后能够进行监管，并且改变政府的信息孤岛、资源浪费、效率低下的弊端是我们要做的事情。

       整个区块链的本质传统的模式是机构相互之间的数据是不沟通的，成了信息孤岛，用了区块链之后，是相互沟通，数据能够实现共享的。在刚才的四位一体的基础上，我们把区块链技术引进这个平台，我们总结了一下，用了56个字。

       多方协作、效率提升。无论怎么监管还有行业自律，这些加进去以后，通过平台可以提高效率。

       全局账本、数据透明。不会形成信息孤岛，通过区块链技术，可以把四位一体的平台数据透明。

       信息共享，方便查询。分级加密，数据安全。因为区块链技术有一个很大的特点是不可篡改的。

       智能合约，事中监管。通过智能合约的形式，对所有指标监管、预警。

       不可篡改，事后审计。所有的东西记录在区块链上，所有的东西都可以监督、管理。

       时间属性，永久证据。所有区块链证据链上的东西，不可篡改也便于监督管理。

       具体这块的工作，一个是对海关这块，对海关这块对企业管理B类以上，实现企业跟海关计算机的联网，利用仓库的标识和货物的标识进行管理，并用区块链技术对仓单进行管理。

       第二个是检验检疫上面，检验检疫局加入自贸区的网络，通过数据共享、流程协作，简化检验检疫的环节和流程，避免重复无效的检验检疫的工作。

       第三个是市场监管方面，采用区块链技术，对各个部门作为联盟节点，加入自贸区区块链网络，通过数据共享、流程协作，把企业信用信息上链永久存储，不可篡改、公开透明，对所有的自贸区企业进行监管。

       其它的还有溯源，包括跨境的金融结算，供应链金融，包括结算效率，链上金融的实时监控，都是我们下面要跟齐院长团队进一步要探讨的东西，也是我们团队在这块的设想。