2019/11/13-17 深圳會展中心
2019中國高新技術論壇“改變世界的新興科技”主題論壇I 現場實錄
新聞來源:高交會組委會 發布日期:2019-11-25

  “改變世界的新興科技”主題論壇I 

  時間:20191114日   0930-1200 

  地點:深圳會展中心簕杜鵑廳    

 

   實錄內容:

  主持人 王海東 深圳衛視主持人: 

  各位早上好,這里是2019中國高新技術論壇,我是深圳衛視的主持人王海東,每年在這個時候我們會邀請來自學界和業界的專家學者在這里展開一場充分的探討。我們今天的論壇主題是“改變世界的新興科技”,今天上午我們將會圍繞“您好 2029、算力革命以及AI+一切皆有可能”這三個話題展開討論。 

      首先請允許我介紹今天上午出席論壇的各位尊敬的領導和嘉賓,他們是: 

      深圳市人民政府副秘書長徐松明先生, 

      未來學家、達芬奇研究所創始人兼執行董事托馬斯·弗雷先生, 

      德國哈索-普拉特納數字工程研究院院長、波茨坦大學數字工程學部主任、德國國家科學工程院院士克里斯托夫·梅內爾先生, 

      Arm總裁兼首席運營官格雷厄姆·巴德先生, 

      華為高級副總裁、Cloud&AI產品與服務CTO張順茂先生, 

      百度副總裁、百度智能云事業群組總經理尹世明先生, 

      湖南唐人神集團股份有限公司董事長陶一山先生, 

      微軟(中國)首席技術官韋青先生, 

      清華同方股份有限公司人工智能研究院院長趙英女士, 

      今天來到現場的有來自學界、業界的諸多行業人士,同時也有很多市民朋友來參與論壇,可以說這不僅僅是一場專業的科技研討,同時也是關于新興科技有趣的公開課,希望各位都能在這里滿載而歸。 

      接下來我們進入到致辭環節,有請深圳市人民政府副秘書長徐松明先生致歡迎辭,掌聲有請! 

 

  致辭嘉賓 徐松明 深圳市人民政府副秘書: 

  尊敬的各位來賓、女士們、先生們、朋友們,大家上午好!11月的鵬城天高氣爽、秋意漸濃,很高興今天我們相聚在美麗深圳。首先,我謹代表高交會組委會和深圳市人民政府向出席今天論壇的各位嘉賓表示熱烈的歡迎,向各位一直以來關心和支持中國高新技術論壇的各界朋友表示衷心的感謝! 

  當今世界科技創新已成為重塑世界格局,創造人類未來的關鍵變量,人工智能、區塊鏈、量子計算、可持續能源、生物醫療、自動駕駛等前沿新興技術不斷取得突破。我們正在經歷一場更大范圍、更深層次的科技革命和產業革命。深圳是中國首個國家創新型城市,多年以來始終堅持把創新作為城市發展的主導戰略,積極推進以科技創新為核心的全面創新,大力打造以企業為主體、市場為導向、產學研深度融合的技術創新體系。近年來,先后出臺了深圳市戰略新興產業和未來產業發展政策,深圳市新一代人工智能發展行動計劃(2019-2023年)等一系列支持新興技術和新興產業發展的政策,啟動了光明科學城、鵬城實驗室等一批重大的創新平臺建設。目前,深圳已形成490%的技術創新發展特點,即90%研發機構、研發人員、研發投入、發明專利都來自于企業,擁有科技型企業7萬多家,國家級高新技術企業近1.5萬家,成長出華為、騰訊、大疆科技等一批世界級的創新企業。 

  當前,深圳正搶抓中國特色社會主義先行示范區和粵港澳大灣區建設“雙區驅動”的重大歷史機遇,繼續深入實施創新驅動發展戰略,持續完善基礎研究+技術攻關+成果研發+科技金融全過程創新生態鏈,奮力向競爭力、創新力、影響力卓著的全球標桿城市邁進。 

  本次論壇主題為“改變世界的新興科技”,正是以今天為起點,暢想未來十年最可能引領世界產業變革的新興科技。今天我們非常榮幸邀請到多位在業界多有建樹的海內外嘉賓,對“改變世界的新興科技”具有洞察力和預見力的分享,相信通過他們的分享讓我們產生更深的思考、更新的認識和更美好的展望。 

  最后預祝本次論壇取得圓滿成功,祝各位來賓身體健康、工作順利,謝謝大家。 

  主持人 王海東: 

  謝謝徐松明副秘書長,下面我們進入主題演講,首先是“您好2029”專題。對于政府在制定經濟產業政策的時候往往是以十年周期作為單位來進行考量,所以我們不妨對十年后的2029來作一番暢想,最有可能引領世界變革,同時也能夠改變世界的新興科技。這個專題的演講嘉賓是未來學家、達芬奇研究所創始人兼執行董事長托馬斯·弗雷先生。弗雷先生一直秉持這樣的觀點,了解未來最大的價值是及時發現文化、人口、社會、經濟方面的重要變化,并將這些變化轉化為可行的商業策略。他通過創建引人入勝的未來世界的場景和概念,不斷突破認知極限,革新我們對于未來的思考。朋友們,我們掌聲有請托馬斯·弗雷先生。 

 

  演講嘉賓 托馬斯·弗雷 未來學家、達芬奇研究所創始人兼執行董事: 

  大家上午好!我們講到未來總是說未來會有什么樣的工作崗位會消失,會不會有20億人口都被機器取代他們的工作崗位,我們是不是要用更快的速度創造工作崗位來滿足需求。我引用一句雜志和電視臺屢屢提及的話,并不是說對未來有末日的悲觀消極的宣告,而是說未來我們怎樣看待這個問題。 

  大家在家里面都會有這個工具來做一些木工,現在我們不再用這個工具,當然還有一些人仍在沿用。這就意味著未來在制作櫥窗等設置的時候不再需要由人工來做,我們下載一個移動應用APP,只需要一個非常小的器件就可以做很多的工作。我們現在每天看到應用程序的下載數都是達到幾十億次,非常海量。 

  所有的行業都會面臨這樣的發展周期,有高峰、有低谷,從現在展望到未來的一千年,我們身邊環繞的行業可能都會在時間的洪流里面被沖走。所以要記得我們現在看到最賺錢的行業可能現在處于下坡路,就是在曲線的右邊,可能在未來會消失,而且現在也面臨銳減的情況。每一個未來的行業可能都會從一個小而精的行業慢慢發展,茁壯成長,它可能是一些行業的布局、一些行業的細分點,后來才是星星之火可以燎原。所以我想預計一下到2030年可能超過新的10萬個小微行業都會得到重新塑造。 

  我在研究當中也會聚焦在一些行業,比如制鞋業,可能原來的一些上下游行業都會消失。世界上會銷售210億雙鞋,每個人可能擁有3雙鞋,但是在未來5年其中5%的鞋類都會成為智能的鞋,也就是說會有許多高精尖的技術芯片、微電子鑲嵌在里面,有一些鞋子有記錄功能,如果有人被絆倒了就會發出SOS的信號。在每一個行業都能夠看到,不僅僅是是在鞋類行業,很多行業都面臨創新。之前講到的鞋子,里面有一些記錄器,可以記載你的運動,肌肉的收縮、舒張,或者有一些人在攀巖、登山,不同的鞋的設計能夠很好地因應人不同的需求,這就是效忠市場。我不知道大家會不會去買這些鞋,這些鞋可以向前邁進,也可以向后倒退,這些鞋完全顛覆了我們原來的認知。如果你是喜歡夜跑的人,你穿的鞋可能要幫你預測天氣和路況。如果是在室外進行鍛煉的時候,它里面可能有一些照明的裝置幫助你照亮前面行進的路徑。而這些鞋子的智能性也能夠幫助你進行支付,比如每個小時你需要支付多少錢來支付能源費用,這是適合夜跑的鞋子。或者它能夠連接周圍的照明裝置,能夠幫你提供照明。 

  這些微型的企業能夠不斷成長為大的項目,因為政府可能會擔心現在工作不斷自動化,還有一些大型的項目,他們如果從小而精的行業不斷發展會有什么后果呢?我們看到一些大型的項目,四個橋梁的項目,還有探測星球的項目,這些人類大型的項目我們談論了幾十年,有一些項目取得了進展,包括一些工程類的項目,包括在塞爾維亞,在北美洲和南美洲建立海底的通信渠道,還有在韓國、日本、直布羅陀海峽,再到西班牙、西非大橋的項目,人們都談論了許久,而對于建立大橋的設想也一直在科學家和工程師討論的重點。我們看到港珠澳大橋,這是人類的創舉,這也顛覆了我們之前的概念,就就像剛才講到的人類對于橫跨大洲、大洋的海上橋梁的設想。我們講到移民火星,現在火星探測活動如火如荼。如果我們建立一個這樣一個交通網絡,可能需要幾十年的時間才能夠建立,所以世界上很多國家都在擔心這些技術過于自動化,人類就沒有工作。所以他們希望這種項目還是有基礎建設的需要,還是需要人去滿足這些就業崗位的需要。這也促進政府能夠繼續進行這些基礎設施。另外還有一些島嶼建立之后不會受到颶風或臺風的侵襲,如果停電了就能夠使用這種備用的能源。還有全球免費的wifi,還有全世界的基因學,能夠幫助我們追溯祖先,能夠找到人類不同族群的人、不同大洲的人在人種之間找到人類的共同點。還有區塊鏈的基礎設施,這就預示著更為廣泛的認知了。 

  我們的社會是向后看,沒有足夠的高瞻遠矚向前看,總是留戀過去,這是人類的一個弊端。所以我們被困在過去的經驗里面。其實我們的所思所想總是被過去的想法所控制,我們會講到未來怎么樣,它們會不會對我們未來的生活有影響。因為我們要向前看,我們希望在展望未來的時候能夠基于這些經驗進行預判未來是怎樣的。未來是來源于我們每個人的想法,來源于我們每個人對未來的構想。有一些人可能會發揮更大的影響力,有一些人可能擁有更大的財富。基于我們對未來的需求,我們會引用一句話,未來其實能夠塑造和影響現在。大多數人都覺得今天我們要做的會創造未來,但是從不同的角度出發,我們對于未來的愿景其實就決定了我們今天會采取什么樣的行動。這就是最關鍵的一點,如果我們改變了大家的愿景,對于未來的觀感,我們就改變了他們今天的決策。 

  這就是我的工作,我作為未來研究者的工作,幫助大家重塑對未來的看法,幫助你們改變今天決策的細節。我如果進行決策,比如我要講什么樣的話題,我在大學做了很多研究,包括在大學做了一些課程的講座,我不想說這個會改變我們的想法,但是沒有發生任何作用。如果沒有發生任何效果的話,這是我們大多數遇到的情況。所以我會關注到哪些事情越來越多地吸引我們的注意力,比如人們花錢都花到哪里了。跟大家舉幾個例子,比如特斯拉模型3的車型,現在電動車行業有點混亂,但特斯拉這個模型的電動汽車是人類最成功的電動汽車,很多人都買了這樣的車,可能大家之前都沒有想過會買這樣的車,但現在大家都有在買、都有在用。我們今天所開的車在過去二十年都有研發,我們用120年的時間才能夠研發出今天的電動汽車,過去80年當中人們一直都在設計汽車,人們也在圍繞著一個核心功能來進行設計,就是駕駛。 

  我們看到無人汽車的時代,人們就不用再自己來開車了。當我們在設計汽車的時候,我們的關注點不是關注于駕駛本身,他們一直都在研究人跟方向盤、人跟儀表盤之間的關系,這些信息都會在屏幕當中呈現,也會關注汽車其他的功能,關注的都不是駕駛本身這個功能。所以我們必須要問這樣的問題,現在的駕駛還是不是以前的駕駛?這個問題非常重要,因為20年之后還會有老師、律師、醫生,但是他們所使用的工具可能就千差萬別了,我們必須要問這樣的問題,20年之后還會不會有同樣的工作,20年之后還會不會有同樣的職業。這是無人車當下駕駛的情況,大家可以在屏幕上看到,我們在開這個車之前,我們必須要研發一系列的信任體系、可信賴的操作系統。 

  還有現在大家都需要使用wifi網絡,埃隆馬斯克有一個太空計劃,以及其他的公司希望在太空中發射衛星,這樣才能進一步完善全球的網絡。現在汽車也成了滾動的數據中心,它們也會相互交流,無人汽車時代會影響我們生活的方方面面,它們的沖擊力非常大。在美國每年都會有3.8萬人因交通事故而死亡,也會有5000億美金的損失。世界上最安全的交通形式是航空行業,航空行業節省的事故費用節省了很多醫療費用。 

  這有一個非常重要的問題,就是什么時候才能夠讓孩子自己去坐無人駕駛的汽車,如果我有一輛車可以識別家長和老師,,孩子們幾歲的時候才可以坐這個車,以及能夠坐多久,是30分鐘,還是1小時,還有很多問題我們都沒有得到答案。我們現在正在進入無人車的時代,有很多新的變化,零售格局就會受影響。比如汽車行業有很多人,他們也在驅動無人駕駛的業務,所以零售業務也會改變。如果我需要在晚上去買東西的話,很有可能我不需要自己去買了,我就讓商店自己移動到我家附近,然后我就可以去買我想要的東西。不僅僅是商店的問題,而是涉及到整個業務模式。全球的辦公室也會發生改變,我們可以隨時隨地開移動會議,包括移動烹飪等等,市民都可以隨時隨地進行烹飪。還有移動理發、移動銀行、移動寵物店,還有移動的咖啡店、零售店以及自行車修理店等。所以各行各業都會有很大的格局改變。我們并不是要讓人們去店里買東西,而是我們要讓這個店迎合人們的需求,我們之前是把人聚集起來,現在可以讓辦公室靠近人。我們開遠程會議的時候也可以有這種遠程的自動酒店,這樣的話我們就可以在移動的酒店當中,人們可以住這樣的酒店,開完會之后這個酒店又會跟著他去其他的城市。我們經常會看到很多大的集市,在未來也會被改變,因為會有不同的格局和不同的人分群。在接下來一二十年當中有多少店會被無人駕駛行業所改變,或者無人駕駛的業務所改變,這是非常大的問題。 

  我覺得以后每個大學、每個新聞中心、每個警察局、每個農場都會有自己的無人機隊伍,他們有這種機隊去監測他們的業務當中發生的變化,這是無人機呼叫中心,我們也不知道以后會是什么樣子,但是我覺得可能會是這樣子的,在這些呼叫中心當中,我們必須要去管控所有在空中飛行的無人機,使用這種機隊,它們也會在城市當中建立數字模型,這個數字模型會不斷在過程當中改善。這些數字模型到了一個點之后,他們就能夠創造一個物理世界的驅動力。我們在搜索的時候,比如說我們想要這樣的一個服務,我希望有質感的材料,未來這些東西我們都可以隨時隨地搜索到。這樣的話我們只需要把需求輸入到搜索引擎當中,龍卷風已經到了哪里,堵車最嚴重的是在哪里,城市當中最危險的橋是哪一座。 

  最后跟大家談我的五個預測。第一個是搜索引擎在物理世界當中將會得到廣泛應用,在20282029年的時候就非常普遍了。我們也會在2030年的時候有10億架無人機在城市中使用,就像鳥一樣,我們需要去管控這些無人機。第三個是無人出租車,還有無人駕駛技術將會成為最為顛覆的技術,它對我們的顛覆會比電的發明更具顛覆性。現在的人口非常多了,現在的物流速度也非常快。最后一個預測是在2030年之前世界上最大的互聯網公司將會是教育的互聯網公司,目前還沒有這樣的公司出現。教育可以跟互聯網進行結合,而且能夠非常好地規模化。未來需要我們去譜寫,未來并不是我們的重點,未來只是我們旅程的一部分,它在不斷地改變。所以在2030年之前,每個人都會有打印的衣服,住在打印的房子里面,快遞是由無人機來送的,每個人都是自由職業。我們現在已經獲得了史無前例的機會,為什么是史無前例的呢?因為現在人類在接下來20年的改變會比以前歷史上的改變都要大。與此同時,我們正在創造出非常多的重要節點,我們的子孫后代他們可能還沒有出生,但是他們未來的生活方式是由我們的決策來決定的,因為我們當下決定未來。喬布斯說過,我們現在正在改變著未來,但有的時候我們所做的努力可能都像這樣子可能是失敗的。這是我最新寫的一本書《終極感知》。謝謝。 

    

  主持人 王海東: 

  非常感謝托馬斯·弗雷先生的演講,和我們分享了他對未來的諸多看法。在剛才的演講中,弗雷先生首先對十年后的行業作出了自己的預測,他認為將會有10萬個新的小微行業會被重新塑造,他以制鞋業舉例,提出未來智能鞋以及功能的小眾市場設計會成為制鞋業非常巨大的變化。而對諸多大型項目,比如橋梁技術的升級,人類移民火型、管道交通、大規模能源充分、全球統一的wifi以及全球區塊鏈基礎設施等等。相信對未來這些預測的時候每個人都會有不同的方法,而弗雷先生也把他的心得和我們作了分享,他一反我們現在關于影響未來的常識,提出了未來影響現在,也就是對于未來的愿景將會決定我們今天采取什么樣的行動。在這樣的基礎上,弗雷先生相當于為我們進行了一個關于未來的預測流程演示,他舉了駕駛這個案例,駕駛是我們目前最為關注的話題,如何從駕駛的變化到無人駕駛的提出,重寫駕駛的定義,再到無人駕駛的出現將會對這個世界的方方面面帶來怎樣的影響。弗雷先生作了非常詳細的解釋和說明,也讓我們對于他的思考方式有了更加清晰的了解。我們再次以熱烈的掌聲對托馬斯·弗雷先生表示感謝。 

  接下來進入到“算力革命”的專題,關于這個話題我們將會邀請Arm總裁兼首席運營官格雷厄姆·巴德先生分享,他的演講主題是“計算的新時代”,掌聲有請! 

 

  演講嘉賓 格雷厄姆·巴德 Arm總裁兼首席運營官: 

  女士們、先生們,大家早上好!現在我們要改變一個頻率,現在我想跟大家分享計算以及半導體會怎樣幫助我們實現對于未來的愿景,剛才我們聽到未來學家描述了很多對于未來的描述,很高興今天再次來到深圳,來到高交會。每次看到深圳在科技和其他行業創新不斷進步取得的成就,我都非常欣喜。這一系列的創新可能有不同的驅動來源,比如來自于不同的產業資金、創業資金,中國在半導體行業的投資超過了2000億人民幣,這是我們最近聽到的一個消息,包括一些大規模的基金進行了第二輪的投資,還有許多工程學高科技人才,他們也在不斷提高自身的能力,而這些產學研的結合和對人才梯隊的影響,對于未來的發展奠定了堅實的基礎。另外就是跟中國伙伴的合作,我們跟中國的合作在過去二十年里面取得了長足進步,我相信這一系列的成就和努力都是基于我們對于一個多樣化的人力資源、多樣化的思維更好地兼容并包,能夠基于一個共同的愿景不斷地前進。像Arm這樣的公司是一家全球企業,Arm是一個在不同國家和地區都有自己業務足跡的跨國公司。 

  作為一個全球的公民,我們也發展了許多本地的伙伴,我今天會講技術的趨勢,也會講到建立合作伙伴的重要性來推動創新。我們在過去30年里面永不停歇,從1990年代計算機的初創公司,再到今天成為全球的企業,我們申請的專利可以用在許多電子化的應用當中,現在我們全球有5000多位工程師設計芯片,我們為市場奠定了很好的根基,會影響未來30年的技術路徑和導向。對于我個人而言,我第一次來中國是在1998年的時候,當時Arm是一家非常小的公司,當時它還是默默無聞,我當時參加了一個會議,也進行了演講,當然規模沒有這么大。不過當時我也面臨幾百位工程師,他們想了解Arm的愿景,他們想了解我們對于創新、知識以及未來在創新方面的布局。從那時候到現在,中國的半導體行業已經經歷了許多變化,我們在2002年在上海建立了分公司,在那時就不斷加強跟中國伙伴的合作,更好地滲透在中國半導體行業,助力中國半導體行業的發展。而我們基于IP的商業模式也更好地促進創新,現在我們跟中國的合作伙伴關系非常親密,達到了前所未有的層次。 

  我現在講一下跟中國的合作伙伴達到了什么樣的規模,就在我演講的15分鐘里,大概有65萬基于Arm技術的芯片都會由我們世界各地的伙伴生產、發貨,運輸到世界各地。從過去30年的發展,超過100億個基于Arm技術的芯片得到制造,服務于世界不同的行業。在過去30年當中有很大的比例是在中國生產的。其實很多人都會問這類技術類的問題,在今天早上我們聽到未來學家演講的時候都會思考怎樣用技術讓我們的行業更具有競爭力、更具有效率,工廠和制造怎樣變得更為智能、更為高精尖,城市怎樣更為智慧、更為清潔,人類的生活如何更美好、更健康。我們基于這些芯片和硬件的不斷提升,回到半導體行業的基石就是IP技術,能夠實現芯片里面的組裝。在面臨瞬息萬變的市場需求,我們不能夠單單依靠一家公司單打獨斗就能夠滿足全球的需求,需要得到全球合作的格局,能夠實現寬泛的創新生態系統,能夠實現全球的運營。 

  另外,為了能夠承繼過去的研發和的在半導體芯片設計技術的基礎,我們要了解未來的市場和技術趨勢將何去何從,在未來多年的趨勢進行預判,在他們發生之前就能夠預判承繼過來的技術基礎。所以建立跟合作伙伴在設計、生產、開源社區,以及學界的合作伙伴里面建立協作的生態系統很重要。我們覺得一個趨勢很激動人心,就是在數字化的數據和實體數據、實體世界相結合,能夠給我們帶來許多的令人振奮的地方。到了2035年將會有超過1萬億個設備都會由物聯網聯系起來。而在虛擬系統和實體設備進行連接,無論在線上和公司內部生成的數據都會給我們帶來新的見解和洞見,給我們提供新的服務,為我們賦能。它們會覆蓋醫療健康、自動駕駛、智慧工廠、智慧城市許許多多的應用。而這些物聯網的設備必須能夠得到很好的管理,還有聯系,才能夠提高安全性。而數據能夠跟云端進行結合,能夠更好地對數據管理提取數據的價值。現在我們也希望能夠提供這種能力,能夠更好地基于我們的物聯網平臺實施,物聯網不僅僅是數據驅動能力的彰顯,我們深信我們處于一個起始點,就是講到計算的第五波浪潮。我們可以回想一下前四波浪潮,前四波浪潮已經帶來了前所未有的變化,包括個人電腦、互聯網,以及移動互聯網,智能手機的發展。我們講到第四波計算浪潮就是以數據為驅動的計算,結合了人工智能、物聯網和5G技術來實現更高層次的互聯互通。如果我們把上述的趨勢匯集在一起,今時今日世界新的趨勢,能夠給我們帶來強有力的革新,能夠完全顛覆過去的計算能力。 

  我們講到數據,這是一個共同的主題,以數據為驅動的計算,我們怎樣更好地讓這一切變成可能,中國在其中發揮非常重要的角色,比如在中國已經有了超過80萬以Arm芯片為基礎的5G智能手機真正發貨,目前中國的AI芯片市場每年成長50%。這一系列技術的進步都要求應用程序不斷地提高它們的性能,并且也會讓半導體設備在復雜性上很好地因應這些變化,這需要更為高精尖的研發,更高的性能、更好的處理能力。Arm在過去幾年進行了巨大的投入,取保我們能夠與時俱進,能夠捕捉這一系列技術的進展。同時我們也更好地觀察了這一系列的發展,怎么樣能夠給新的技術市場帶來紅利。 

  值得投資的一個標的領域就是在人工智能,過去我們都看到了人工智能在云端里面得到了很好的發展,但是更重要的是AI能夠在邊緣計算,在計算網絡和在設備里面得到很好的應用。我們更聚焦的是AI設備在云端部署的設備發展,它的數目將會不斷發展,會達到幾十億,這一系列都是基于AI的賦能,包括智能手機和物聯網設備。這些數量的成長也能夠很好地彰顯AI能夠用很有效的方式進行實時的數據處理,生成最新的洞見和數據,將會發生非常重大的力量。但AI功能的部署絕非易事,我們Arm也進行了很多投入,形成了很多新的知識產權,同時我們也會充分考慮怎樣建立一個生態系統,基于這個生態系統能夠為AI的賦能定立框架。 

  我們希望能夠提高計算的性能,跟我們講到的混合現實進行結合,以及和虛擬世界的疊加,這可能影響消費行業和零售行業,而這些影響將會非常明顯地體現在未來幾年。我們覺得很重要的一個趨勢,能夠幫助我們賦能這些應用,能夠基于架構的改變和未來的路線圖的設計。我們講到的這些沉浸式的設備,它們都要取決于生機勃勃的成熟完善的生態系統,才能夠更好地進行并行不悖的運行。而這個系統要依靠非常強大和標準的技術,要保持Arm的技術架構能夠有很好的技術協同,控制成本,捍衛和秉承這個標準才能夠確保這些開發者能夠基于這個標準提供設計服務,更好地讓設計出來的成品能夠上市提高效率。 

  我開始演講的時候講到了一個主題合作伙伴、合作關系,合作伙伴幫助我們加速創新,能夠捕捉這些機會,因應未來的發展,我們充分認識到合作伙伴的重要性。最后我要感謝所有我們在中國的合作伙伴,他們的名字展示在這張PPT里面,我們也達成了共識,為什么要堅持合作伙伴關系,因為是互惠互利的,每天都發生著瞬息萬變的變化,必須要建立堅實的伙伴關系。現在Arm就是要讓我們的合作更加穩定,我們要開發出各種各樣的架構,能夠讓其他的設備生產商能夠獲得規模增長,比如他們的軟件工具、硬件工具和開發平臺,我們希望接下來能夠進入到最為振奮人心的階段,他們也會帶來新的機會。我們現在正在致力于跟更多的合作伙伴合作,能夠帶來更多的創新產品,讓人們生活得更好、更健康,能夠讓Arm和中國的合作伙伴都能夠獲得成功,謝謝。 

    

  主持人 王海東: 

  謝謝巴德先生,巴德先生在剛才演講中提到了一個詞,這個詞就是“合作”,他回顧了Arm30年的歷程,尤其是回顧了Arm和中國合作方之間至關重要的關系。對于半導體行業,巴德先生進行了這樣的描述,它的基石是IDC技術,而和合作伙伴合作的生態系統是目前Arm面臨的核心任務,這樣的合作是基于物聯網設備的運行和管理。在這樣的大前提下,今天巴德先生在演講中為我們明確提出了關于計算的第五次浪潮,它是由三個關鍵因素組成,這就是物聯網、人工智能和5G,他認為這是以數據為驅動的計算,巴德先生對于其中的若干要素進行了詳細的解讀,這其中包括了數據、物聯網和5G如何收集數據,以及通過AI算法如何創造洞見從而為行業賦能。他專門為我們描述了沉浸式數據應用以及其他5G驅動的大數據能力。其次他對于人工智能作出了更加貼切的表述,談到如何更好地應用AI,在云端布置的設施,未來達到數十億量級的情況下如何進行有效的AI部署,他也為我們分享了Arm的諸多實踐。我們再次向格雷厄姆·巴德先生的觀點表示感謝! 

  今天上午的話題非常緊密,接下來進入今天上午的第三個話題AI+ 一切皆有可能”,我們會邀請多位嘉賓展開充分的分享。首先請出的演講嘉賓是德國哈索-普拉特納數字工程研究院院長、波茨坦大學數字工程學部主任、德國國家科學工程院院士克里斯托夫·梅內爾先生,他被譽為是德國工業4.0之父,今天他的演講主題是“機器學習人工智能背后的現實”,掌聲有請! 

  演講嘉賓 克里斯托夫·梅內爾 德國哈索-普拉特納數字工程研究院院長、波茨坦大學數字工程學部主任、德國國家科學工程院院士: 

  女士們、先生們,今天非常高興來到這里跟大家打一個來自德國的招呼,我是克里斯托夫·梅內爾,是德國哈索-普拉特納數字工程研究院的院長,我們主要關注互聯網安全以及未來的技術,以及在互聯網行業的技術應用。一個德國式的比爾蓋茨式人物,哈索-普拉特納 (SAP的創始人和現任主席) 創建了我們這個機構,有很多學生在我們機構學習,也會跟其他的中國大學合作, 比如南京大學等。我們的目標是希望進行數字化轉型,能夠推動德國的數字化轉型。我們知道有很多創新都是來自于我們的機構,今天不細談這個。當下我們正在進行一個試點性的項目,我們也有網上的慕課課程,它是德國的課程,但是有很多學校都可以使用這個課程。今天我想跟大家談的是人工智能的現實。 

  大家都知道人工智能跟機器學習有關,機器是從數據當中學習,它就像人學習一樣,我們看到周邊的世界然后會從中學習。計算機就可以看、可以聽、可以讀、可以感受、也可以理解。為什么人工智能是現在出現?我們之前所做的據測都非常重要,比如我們有大數據,有很多的電子大數據,包括聲音、圖片等。我覺得它非常大地改變了硬件設備,比如有一些儲存的設備和記憶設備,它能夠分析大數據,能夠實時進行分析,包括云計算。現在很多的開發者都在談計算力,現在互聯網上也有的計算力。我們在人工智能方面也有新的發展,就是深度學習和相應的算法,這些都是我們所開發出來的。現在我們先談一下大數據,為什么我們需要機器學習。 

  上面有幾個數字,比如大家看到有400小時的視頻,每分鐘會有400小時長的視頻傳到youtube網絡當中,如果用機器學習這種方式的話,每秒就會創造出10GB的數據,每小時會有350億個物聯網設備收集數據。大家現在都使用智能手機,有5億人在使用手機,我相信阿里巴巴會收集很多數據。為什么我們覺得機器學習非常難做?這些圖片人眼看的話比較簡單,比如它是黑的還是淺色的,它是泰迪熊還是可愛的狗,我們希望用機器去回答這些問題,這些問題對人類來說有的時候也不容易回答。 

  人工智能也會有不同的階段和不同的形式,人工智能不僅僅是我們去定義的,現在有不同的技術,它們都是人工智能的基礎,包括機器學習、表示性學習和深度學習。如果我們回溯歷史,我們發現我們是第三次人工智能發展大浪潮了。第一次是上世紀50年代,那時候計算機進入到我們的視野,那時候我們就會想如果計算機可以思考的話是不是可以向人類那樣做出行為,是不是可以改變我們的世界。第二次人工智能的浪潮是在上實際九率80年代,當時有很多相應的研究機構都在收集數據,那時候有很多人都會想我們作為人在作決策的時候會有一些原則和法則。我們要把寫法則給具體起來,把這些法則放到電腦當中,這樣的話機損級是不是就可以跟人一樣做決策了。但是后來事實并不是這樣子,我們發現在做決策的時候也沒有那么多的原則可以遵守,或者說有的時候法則太多了根本就收集不了。第三個階段是五六年前,當時深度學習非常成功,深度學習我們會發現也是編程的方式,我們會用一個架構,這個架構的運作方式跟我們的大腦非常像,我們有很多的網絡,這些小的網絡都是相互聯系的,這是計算機深度學習的方式。機器跟人的大腦一樣,我們需要學習的材料來幫助機器去學習,機器也需要學習,這些都是一些圖片的數據集,我們會使用這些圖片來訓練人工智能或深度計算的算法。我們用圖片來訓練機器,機器看到這些圖片的時候是沒有解釋的,我們問這個機器圖片上是什么,是有人的特征,還是有人的特征,還是說是其他的特征,這些都是機器要解決的。我們發現計算機深度學習網絡在識別圖片的時候質量也在不斷下降,這是它們面臨的挑戰。 

  2015年和2018年的時候有兩個領域,一個是深度學習的算法,有時候算法可以超過人腦,另外一個是在圖像識別方面。左邊是曲線,也就是算法準確度的曲線,還有人的識別準確度的曲線,我們發現機器的準確率已經遠超過人類,在其他領域,深度學習運作非常好的就是語音的識別。所以所有的機器人翻譯都是基于語音的識別,有時候我們會發現機器出來的結果要比人更好。這是人腦,大家知道人腦會有不同的分區,不同的分區會負責不同的活動,在這邊主要是負責識別曲線,之后信息會去到大腦不同的區域,這些曲線會集合起來,包括它們會形成鼻子或者形成嘴,之后這個信息又到了大腦的另一個區域,在這個區域當中,我們又把鼻子加上去,加到臉上,機器才能識別別人的臉。這就是我們最大程度的認知,它可能想起昨天的所見所聞。 

  我們的AI也是卷積式的認識網絡,在某一個神經節點代表著不同的算力,或者是加法、乘法,就是信息對加減乘除的處理,在卷積后面有一個結果能夠解釋這個形象人腦會給它加一個字幕在下面,就是對它進行描述和畫像,去了解它在這個網絡里面有什么樣的指證。第一級別是看到顏色,第二級別是看到不同的內容,就是基于顏色有更高級別的認知,更上一級能夠看到有不同的物體,最后你就能夠對它有一個總體的畫像和認知,到了最高級別你就知道它是什么,就是對它有一個抽象,在你的腦袋里面有一個抽象的萃取,這就是我們對卷積層級網絡的回顧。 

  基于我們對它的架構分析,基于卷積網絡,能夠更好地萃取不同層級的信息產出一個結果,用更加精準的方法達到產出的結果。這里我給大家舉一個例子,汽車是怎樣在街上進行行駛證、進行判定。這里面我給大家展示一個原理圖,在右上腳,這是一個卷積網絡,在這里面它得到了微調,會微調來集合它的學習目標,能夠基于不同的節點建立起來。在這里面看到信息不問上升或信號不斷衰減,或者信號不斷增強,這個網絡也會進行調整,進行流量的處理,這都是基于不同神經節點的聯系。可以看到這里面汽車啟動了,如果它不能捕捉這個線路的話就會發生碰撞。當這個汽車可以自主學習的時候,網絡可以被訓練,汽車的自動駕駛系統可以被訓練,能夠讓汽車知道怎么做下一步的決策,不會發生碰撞。因此需要一系列的學習成果的生成才能進行這個系統的訓練,這個車的系統得到訓練之后,才可以進行下一步碰撞的測試。每一次嘗試無論是成功還是失敗,這個網絡都會重新得到構建,參數不斷變化,因為周圍的環境不斷變化。這就是通過變化的環境不斷收取變化的信號,無論是增強還是衰減。對于這些顏色的認知,顏色是加深了,就是對它進行算法的處理,哪些信息是有用的,哪些是可以過濾的。可以看到最后經過訓練之后,這個汽車越來越聰明,越來越知道怎么樣識別網絡里面需要它注意的東西。就像我剛才講到的,這已經是14次迭代,經過14次卷積網絡的迭代之后,汽車就知道了怎樣應對這個路況。這很好地說明了深度學習架構可以怎么樣被訓練。這里描述了這個訓練的過程,沒有撞對不對。這個汽車一往無前地沿著個路徑行駛,可以看到這個綠色的車自控性非常好、非常簡單,能夠通過多輪的需要和訓練,經過不同的計算網絡的運力和卷積網絡適應更加復雜的架構和網絡。 

  我們在開發這一系列人工智能應用的時候,我們會考慮不同的框架,包括非常著名的在大學里面進行產學研結合研發出來的框架,能夠基于這些框架進行自身的應用程序的研發,使用卷積網絡架構來做到這一點。這一系列的AI可以應用到哪些領域呢?我們是否已經蓄勢待發把它用在一些具體的場景里面。我剛才講到了語音識別,包括在社交媒體零售里面的聊天機器人。我跟大家分享一個故事,就是有一些人會打客服中心,可以看到客服中心的人越來越禮貌、越來越耐心,如果你通過電話撥入,它們會非常耐心,為什么這些客服會這么耐心禮貌?因為它們是客服機器人,而不是真正由人類來做。包括AI也可以應用在自動駕駛之上,這是我們的機構所研究的動向,我們進行了語義識別,使用大規模的網上課程,包吸引了450萬名線上的學習者。我們希望能夠把這些語義和文本,也就是老師的講課能夠進行自然語言的識別進行字母的翻譯,能夠吸引不同國家的學習者。所以有圖像、有文本,我們可以使用這些自然語言識別來翻譯幫助線上的學習者學習,讓他們能夠自動地了解這些文本的含義,這對于AI的應用來說是非常重要的進步。我們已經很好地把AI和深度學習結合在一起。另外就是醫療影像社別,一般人看不懂醫學影像,但是機損級可以幫助我們了解和闡釋這些醫學影像會帶來什么結果或病癥。這就是基于卷積網絡、層級網絡能夠幫助我們做到的事情。這些使用AI來做,幫助我們節省能源,可以訓練機器,而不是訓練人。所以我們如果沒有很好地進行訓練,就不能大規模展開,所以我們需要找到更好的方法進行人工智能深度學習的網絡更好地對結果產出有一個精準的預測。能夠基于我們有限的資源去做。我們覺得二元網絡可以幫助我們做到這點,我們發明了多媒體自動化分析,可以使用在很多領域,包括醫療健康領域,對醫學影像進行分析,對于CT/PTE掃描以及超聲波儀器進行報告和分析,這樣就能幫助主治醫生進行判斷。這是腦腫瘤的識別,能夠識別里面的病灶。我們通過機器學習和人工智能的識別更好地進行判定,而不需要過于人工的干預,能夠讓個機器羅列人的病癥和原因,作為輔佐人類的手段。另外是在心臟疾病的應用,中國在這方面的研究已經非常領先了,把二元神經網絡用在實際的應用場景。尤其是在能源領域的應用使得溫室氣體排放,使得全球氣候變暖,所以我們在機器運轉的時候要注重生態友好。德國有一句話是綠色IT,我們要評估這些機器不是說它們的功勞有多大,而是能耗是不是非常友好的機器或儀器。 

  我們設計了一系列的網絡,這個網絡并不是我們之前講到的現在的深度學習網絡所擁有的,但它是基于深度學習的網絡迭代而來的。我們剛才講到的二元神經網絡,包括數學邏輯的分析,還有其他非常復雜的一套生態系統,也有其他多重的應用。 

  最后我想總結一下,在哈索-普拉特納數字工程研究院,我們可以記住我們這個研究院的名字,我們學院一直希望能夠更好地收集數據進行研究。AI也能夠應用在藝術另面,這是我們的辦公樓,你能夠看到這是研究所主要的樓宇,但是我們希望以油畫的濾鏡效果來呈現,這是梵高的星空圖,如果我們把這個星空圖結合到我們實際的大樓里面,就有了以下的效果。其實并不是那么容易,就像換一個濾鏡一樣,我們只要訓練了這個網絡,并且有很好的輸入,輸入原來的藝術作品,同時輸入梵高的藝術作品的參數,結合這兩個照片,網絡會自動學習這個藝術照片和這個照片之間會有什么樣的聯系,可以看到可以應用到其他照片的再創造里面。謝謝大家的聆聽。 

    

  主持人 王海東: 

  謝謝梅內爾先生的精彩分享,機器學習這個詞在座的各位都不陌生,這也是這幾年特別流行的一個詞,但是何謂機器學習,在機器學習的訓練和探索中到底有著怎樣諸多的挑戰等待科學家一一解決呢?剛才梅內爾教授的演講為我們透露了很多重要而且有趣的信息,對于機器學習是人工智能的關鍵,核心是從數據當中學習。如何進行機器學習的訓練,科學家們一直有著自己諸多的嘗試,但也并不是每次都成功,比如人的法則到底是否適用于計算機,在這里教授也跟我們談起了在這方面他們做的有趣嘗試。深度學習是機器學習的核心,因為它的運作架構與人腦相像,學習材料是至關重要的。教授告訴我們在圖像識別和語音識別方面,機器都已經表現得越來越好。對于機器認知的不同層級,教授給了我們非常詳細的分析,從卷積層級到不同的開發框架都有著詳細的闡述。我們再次向梅內爾教授的精彩分享表達感謝。 

      接下來要請出的演講嘉賓是華為高級副總裁、Cloud&AI產品與服務CTO張順茂先生,張順茂先生1992年加入華為,曾經擔任過多個管理層職位,他今天的演講主題是“昇騰萬里,力算未來”,掌聲有請。 

  演講嘉賓 張順茂 華為高級副總裁、Cloud&AI產品與服務CTO 

  我的演講題目,力算未來很容易理解,AI、人工智能、機器學習,層數越來越多,152層也不是最多的層數,只有學習的神經元網絡越深的時候,最后的精度才會越好,自動駕駛也好,人臉識別、文字識別才會達到必須好的結果。層數越多,算力就要越強,所以叫力算未來。為了叫昇騰萬里呢?接下來請聽我的報告。 

  這些是我們在真實場景中的應用,機器人因為使用了AI之后做的垃圾分類,我們看到機器人通過機器學習之后可以自動分揀出不同的垃圾,玻璃瓶、塑料袋、罐頭。機器人通過學習可以分揀出不同的垃圾,垃圾分類靠人是很困難的,通過機器學習可以更高效地解決問題。這是第二個案例,也是用AI來提升和改進我們的工作,這是在深圳南方電網的真實案例,高壓電線是需要巡檢的,一旦出了問題危險很大,就需要工人爬上電線桿去巡檢,我們怎么把這個工作用機器來代替?我們就用無人機,無人機上加裝了高清攝像機之后,無人機沿著高壓電線飛行,檢測高壓電線上任何可能出現的問題。無人機上裝配了高請攝像機和AI,還有一個3D的電子地圖,這樣無人機的飛行也會很安全,不會撞到電線上去。同時無人機可以檢測到故障的類型可以通過學習不斷增加,我們把軟件和AI的硬件推理做了分離,我們可以把軟件下載到無人機上,讓無人機具有不同的技能,能夠看到不同的質量漏洞。第三個案例是熱帶雨林的“新聲機”,可以檢測到森林里面不同的聲音,比如電鋸的聲音、汽車通過的聲音,這些人可能在盜伐森林的木頭。這么大的森林我們怎么檢測呢?靠人工肯定是不現實的,一樣可以通過AI的技術來解決,甚至可以監聽到不同動物的聲音是正常的聲音,還是生病或掉到陷阱里的的呼救聲,可以拯救稀有的動物。 

  通過這三個案例可以看到AI已經超越了傳統的信息化工具、支撐系統。各行各業都在做信息化工作,但很大程度上信息化只是作為工具或支撐系統,而沒有進入到生產系統。這是AI技術真正成為了我們的生產力,進入到了工業裝備領域,成為了基本的生產力,改變了各行各業的生產方式。AI技術對各行各業來說是一次真正的生產力的革命。第一個趨勢是AI成為真正的生產力。 

  第二個趨勢是算力,也就是我們說的一個人聰不聰明,這取決于人的學習能力,AI也需要有算力才能決定它的學習能力,人腦有800億個神經元網絡,AI的能力、芯片的能力能夠做到多少呢?AI很大程度上還不能夠替代人腦,算力還不是足夠強大,功耗還比較高,也沒有我們人腦的功秏低。算力的大小決定了生產力的大小,我們也可以看到谷歌全球發表的論文數量越來越多,跟他有強大的谷歌云算力是分不開的,他能夠很快地算出難題的結果,尤其是在大數據出現的情況下,大量的數據會出現,從這大量的數據里面要洞察到什么,這就需要算力。 

  第三個趨勢,算力不僅僅是在數據中心,算力將無處不在,從云到邊,到端,甚至端側的芯片,Arm的芯片,應用的片數比中心側要多幾百倍,目前有200多億Arm的芯片,包括華為麒麟這樣的芯片。同時我們看到端側的算力會越來越多,邊緣側的部署也越來越豐富。云、邊、端的計算,如果有同樣架構的話會有更高的效率提升,在邊側規模小一點,要快一點,時間短一點,更復雜的問題到中心側去進行計算。 

  第四個趨勢,AI正在成為人類腦力的延伸,助力人類突破空間、時間、表象局限。比如很多的作業一定要到現場,現在5G來了之后,借助AI就可以不到現場,在遠程就可以進行很多的工作。大家也看到很多報道,遠程醫療、遠程教育、遠程控制,比如一些比較危險的礦山,作業比較困難的場合就可以無人駕駛,在遠端來進行控制。突破時間限制,遠古時代的文字我們不懂,但是可以通過AI學習自動翻譯給我們。突破表象,一些表面的現象通過大數據分析能夠洞察到數據底層更深層次的問題。 

  第五個趨勢,AI是很好的技術,但任何一個技術或工具都會有這樣的問題,用在不適當的地方就會有負作用,AI涉及到大量的數據,這就涉及到大家所關注的安全和隱私保護是非常大的威脅。在這方面,技術怎么處理這個問題,這個問題已經變得越來越嚴峻,比如說我們現在都習慣了移動支付,移動支付的時候怎么證明你是你,有可能我們要在電話那一端聽你說話,通過視頻看你的照片,讓你說幾句話,動一下,即使這樣也有可能是假的,電話那端可能是另外一個人用了你的聲音,模擬產生了你說話的聲音。你在視頻里面看到的是你朋友的圖像,其實不是,他可能是截取了你朋友的圖像,而且會動,這都是表象,這已經成為了現實的威脅,怎么解決這些問題。 

  我們看到AI巨大的價值和作用,很多年前我們就開始研究這個技術,這幾年我們不斷發布新的芯片,最重要的在AI方面的芯片就是昇騰處理器,這個芯片給我們提供了強大的訓練、學習、推理的算力,它為什么有這么強大的算力呢?它用到了達芬奇架構,通常的神經元網絡的計算都是用向量計算、矢量計算,在這個基礎上我們引入了矩陣計算,規模可大可小,規模大的時候可以在云端,規模小的時候可以部署到端側。鯤鵬處理器是我們今年發布的通用計算處理器,用于通用的計算能力。今年我們也發布了全球最快的AI訓練集群叫Atlas 900,全球有一個標準測試機ResNet,我們達到了全球第一的算力水平,不到1分鐘就可以運算出結果來,我們看一下案例它到底有多快。這是南半球的星空,在星空上有20萬個星星,我們要從中找出某一個特征的星星,怎么找。也就是用華為Atlas 900訓練的集群,我們可以讓機器在10秒鐘內完成任務,之前的算力要用半年160多天的時間才可以找到,現在10秒鐘就可以找到。這表現了AI算力的強大,它是有多么快。 

  剛才也提到了AI的隱私和威脅問題,我們最近發布了白皮書,《睿思于前:AI的安全和隱私保護》,發布了華為在安全和隱私保護治理方面的實踐,共同治理這個問題的方法。我們也很自豪地看到國家科技部宣布由華為來擔綱建設基礎軟硬件國家新一代AI開放創新平臺,就是基于昇騰處理器、達芬奇架構的系列解決方案,包括硬件、基礎軟件,MindSpore計算框架,面向開發者的開發平臺,廣大的開發者可以基于這個軟硬件平臺很方便地開發出你自己場景下的模型和應用以及算法等,并且作為國家的基礎開放創新平臺,在深圳的鵬城實驗室開始進行部署。同時為了幫助各行各業的開發者能夠基于這個平臺會用、善用,了解它、支持它、熟悉它,我們也發布了一個“沃土計劃,提供15億美元的資金來在全球發展500萬的開發者,這些開發者包括企業開發者、個人開發者、創業公司,也包括學校的學生,從學校期間就開始學習昇騰、學習鯤鵬技術。我們有一個真實的案例NTTDATA,日本的公司,系統集成能力非常強,他就基于華為云上的HiLens機器視覺服務打造了一個智慧汽車4S店解決方案,這個4S店就是數字化的4S店,當客戶走到店里就可以分析出客戶的特征,知道是誰來了,也可以知道他過去在4S店里面有什么樣的體驗,包括在這個過程中他的表情是高興的,還是不高興,還是著急、煩躁,可以讓4S店的工作人員給顧客提供更貼切的服務,我們看一下個視頻。這是我們在AI方面諸多的開發套件中的一個例子,實際上我們在全球有很多這樣的開發者基于華為的平臺做他們自己的創新解決方案的開發,明年就在這個地方,211日,我們也會在會展中心召開一個面向全球的開發者大會,我們將會開放共享更多的技術讓廣大開發者使用,歡迎大家前來參加,謝謝大家。 

    

  主持人 王海東: 

  謝謝張順茂先生,張順茂一開始為我們舉了三個案例,關于人工智能的應用,第一個是垃圾分類、第二個是國家電網AI巡檢使效率提高了80倍,第三個是通過熱帶雨林的聲音檢索實現雨林的保護,這三個案例遠遠超出了我們對AI應用一般的認知,比如垃圾分類,目前很多市民自己還沒有解決這個問題,AI居然可以幫我們做這件事情。又比如說雨林保護,通過聲音的檢索來完成,這需要技術,也需要很多的想象力。在案例之后,張順茂先生提及了華為對于AI發展的諸多觀點,包括AI已經不再僅僅是工具和支撐系統,它已經成為了基本生產力,算力的大小將會決定生產力的大小,它的計算將會是無處不在的,它會成為人腦的延伸,助我們突破各類極限,而安全和隱私保護是AI發展最大的瓶頸。接下來張順茂也為我們介紹了華為在這方面的諸多成功實踐。我們再次掌聲向張順茂先生表示感謝。 

      接下來的演講嘉賓是百度副總裁、百度智能云事業群組總經理尹世明先生,他的演講主題是AI工業化,未來已來”,掌聲有請。 

  演講嘉賓 尹世明 百度副總裁、百度智能云事業群組總經理: 

  感謝主持人,非常高興能來這邊作介紹。我今天的主題是AI工業化,未來已來”,AI是很熱的一個詞,百度在這個領域也做了一些工作。我在2016年加入百度,到201911月份我們提出一個想法叫“ABC”,就希望把算力、數據、算法統一成一個技術站,這點是非常有前瞻性的,現在ABC被業界主流的公司所接納。這是我們過去三年主要的工作,把ABC統一起來。現在我們做一個新的工作,希望把人工智能工業化,什么叫工業化?工業化的核心是它能用起來,能夠規模化。規模化的概念等會兒我會強調一下,這里面包括算力獲取的規模化和便利化,包括數據的規模化和工業化。這里面包括算法生產的工業化,算法當前來看還不是那么容易生產。到2025年之后我們認為全面人工智能化。 

  要實現AI的工業化是第四次工業革命里面最核心的一點,算力獲取要實現工業化,算力的獲取不僅是有強大的算力,另外一點能夠按需供給算力。所以從端到邊緣,到云這三個層級,現在的算力基本是分離的。未來很有可能這個算力是肯定的,算力的調度將會自動發生。你無論在任何時候需要算力的時候像電網提供電力一樣給你提供算力。算力獲取的變化是端邊云一體的融合算力的獲取,這是非常重要的未來趨勢。 

  數據冶煉的工業化,什么叫數據冶煉?人工智能有很多工作最開始是人工完成的,無人車在前面運行,但現在無人車要進行大量的,百度在山西太原建立了全國最大的數據標注中心,我們對各種各樣的數據進行標注。曾經有一個項目調動了眾包資源30萬人,30萬人對數據進行標注和相關數據的獲取,這是非常了不起的規模化的能力。只有這樣的能力才能使數據真正被很快地變為知識和算法。包括數據管理的規定化,包括大數據管理和大數據萃取的能力。 

  模型算法生成的工業化,算法如果純粹是算法工程師的手工活的話,這是很危險的。我們正在做的一件事情,我們在2017年開始把算法生成的過程萃取為模型工廠,模型工廠把現有的模型放到里面去,別人做簡單的訓練和加工可以變成他自定義的模型。這點是我們希望日后能夠實現模型工業化的生產。 

  2019年提出ABC,到現在我們提出的方向算力工業化、數據工業化、算法工業化,人工智能解決方案的工業化,人工智能解決方案現在是很難被工業化的,因為算法是依賴于非常煩瑣的訓練和標注,這還沒有完全解決,但如果能實現前面說的三個工業化,人工智能解決方案的工業化就成為可能。 

  百度把我們在AI領域這么多年的積累從底層的基礎設施開始,算力的提供,到通用工程平臺、大數據平臺、人工智能平臺,到百度大腦,深度學習、機器學習、感知和認知層兩層的模型,提供垂直場景的應用,最后形成產業生態。這個架構之下,我們來看看一個數字人的新應用,如果大家參加今年73日我們在北京舉行的AI開發者大會,我們和浦發銀行推出了金融數字員工,我們來看一看。大家可以看到這里面已經有各種各樣的數字人了,而且口形的對應和聲音的合成已經匹配在一起了,它的能力可以自動應答正常的服務。僅僅是聲音和嘴唇只是模擬的動畫,你在問它問題的時候,如果你要問理財產品,完全可以實現應答如流,它把每個員工的知識貫穿到這個數字人里面去的,這是非常有意思的。我們可以預見到未來幾年里面,會有大量的數字員工進入到實際的工業生產里面去,服務行業是首當其沖的。 

  我們再來看另外一個案例,中國是制造業大國,有大量的制造業需求,舉個例子,中國有300萬的人在做用眼睛來看產品質量,叫質檢,這是非常煩瑣的。現在通過計算機視覺可以完全替代這個,我們看一個實際的工廠應用,實現了邊、云、端算力的統一調度,然后把算法分發下去,可以使一個工廠同時監控幾十個車間,如果屬于不同的外包商也是可以的。精研科技是一家上市公司,它的車間里面是大量年輕的女工,剛才看到的是生產線,生產線上所有的女工是用放大鏡來看相關的產品質量,隨后我們通過計算機視覺完全可以匹配好光學設備,一個照相機鏡頭下去可以12面同時照下來,然后進行測算。這點對中國工業的進步是非常重要的。大家可能不太了解,今天我們中國的制造業也面臨成本提升的現狀,如果沒有替代手段的話,這些產業有可能會挪到越南去。但有這樣的情況的話,我們可以很好地把這些產業保留在國內。 

  智能城市,包括智能城管、智能運行監測,這些案例只有在三個工業化之后能夠實現非常好的規模化應用。我們來看核心點在哪里,人工智能一定會推動第四次工業革命,這是確定無疑的,但如果要實現工業化的話就要實現算力的工業化,數據冶煉,就像石油一樣,最后是算法生成的工業化,這三者如果能夠實現工業化的話,人工智能將會完全擺脫現在的階段,這個階段是準項目制或準實驗室類似的階段。 

  AI是非常宏大的命題,我們也希望百度在里面做一些工作,能夠把AI落到實際的工業應用里面去,它本身要實現工業化的運作。感謝大家的聆聽,謝謝大家。 

    

  主持人 王海東: 

  謝謝尹世明先生,對于AI演進的過程尹世明提出,從2016年到2019年是AI基礎設施建設的階段,從2019年到2025年是AI工業化的階段,這是非常有趣的新概念,而從2025年到未來將是全面人工智能的階段。到底何謂AI的工業化呢?尹總為我們作了非常詳細的描述,它是算力獲取的工業化、數據冶煉的工業化以及模型算法生產的工業化,從而會合起來成為解決方案的工業化。這是一個非常有趣的觀點,而且我們注意到數據冶煉的核心是放到了山西,這個自古以來的冶煉大省,即便在新時代也沒有辦法改變它冶煉的命運。第三個尹總為我們介紹了百度在AI工業化方面諸多有趣的實踐,這其中包括服務行業的數字人,包括智能質檢,也包括智能城市。我們再次掌聲感謝尹世明先生。 

  接下來是一個大家特別關心的話題,一方面我們將會看到現代科技如何在諸多的民生項目中落地,另一方面這個民生項目和我們目前的生活息息相關。接下來要請出的演講嘉賓是湖南唐人神集團股份有限公司董事長陶一山先生,他的演講主題是TRS智能養豬系統六大技術項目規劃與實施”,掌聲有請。  

  演講嘉賓 陶一山 湖南唐人神集團股份有限公司董事: 

  非常高興今天有這個機會,因為當前最大的熱點就是為什么豬肉這么貴,如果講去年豬還是有5塊錢的毛豬,現在漲到20塊錢了,豬的價格飛起來了,最近香港不太安寧,說豬太貴了,賣100多塊錢,說豬吃不起了,國內的老百姓也說豬肉變成了奢侈品了,原來是很便宜的東西。我今天這個話題也非常有趣,就是人工智能一切皆有可能,我的題目是當養豬碰上了人工智能,我不知道是怎樣的結果,我從事這個行當33年了,小時候我媽說不好好讀書你就養豬去,現在我跟我媽講現在養豬發財了,如果我當初不去養豬可能還沒這個機會。養豬這個行當是很古老的,幾千年,但是人工智能、5G、大數據、區塊鏈這些東西好像跟養豬不太關聯,如果把傳統的產業和現代的人工智能結合起來,使它的價格下降、品質提高,也就是創造價值,讓我們享受人工智能帶來新的生活品位,不僅僅是數量,更重要的是品質,也符合大消費時代升級的需求。所以我今天的題目是關于人工智能我們自己設計了六大技術,很多年前我們聽過豬臉識別,就是人臉識別怎么在豬臉識別上的應用引起了大家的興趣,大家可能會問豬臉識別干什么事,我認為其實就是炒作,人工智能在豬臉識別只有1%的應用,沒有什么大的作用,就是豬不高興了,你要識別它干什么。 

  我這幾年的思考,第一個是從智能養豬項目的開發背景,當養豬碰上人工智能,我們怎么思考。第二個智能養豬有六大技術值得我們研究。第三個關于智能養豬項目的價值目標。一切都是從創造價值出發,而不是玩一個噱頭或黑科技。 

  為什么豬價貴,主要是非洲豬瘟摧毀了1/3的產能,中國的豬肉是5400萬噸,少了2000萬噸豬肉,還有環保拆違,所有的都不喜歡豬,再加上豬周期,三個因素疊加在一起,所以多年不提的豬糧安天下,國務院連續發了十幾個文件,省長、市長不養豬,追究你的責任,變成了這樣的行為。中國有7億頭豬,怎么恢復?是不是再簡單地去養?正好人工智能時代來了,這個機遇就是5G時代,大數據、云計算、生物工程、人工智能在畜牧養殖業的應用,實現畜牧行業繼機械化、信息化后的第三次偉大革命,引領行業發展新風向。但目前智能養殖技術仍存在系統性不強,標準不統一,數據自動采集難,互聯互享較差,模型、算法難以精準等問題,特別在智能健康評估、遺傳育種智能選育、智能遠程診斷、飼料營養智能分析、智能養豬、系統管理等方面進行突破。 

  有幾個思考,湖南株洲是高鐵之鄉,為什么中國70年汽車沒有做成功,而高鐵短短幾十年搞成功了?中國的高鐵技術的解碼主要是走了管理集成創新和技術集成創新的思路,而不是單一地模仿或者用市場來換技術,我們的汽車市場都沒有成功,這個值得我們思考。第二個5G技術為什么美國沒有突破?中美貿易戰,華為為什么把5G突破了,現在還搞6G的布局?主要是他們崇尚技術、尊重人才、持續投入、合作開發,所以能引領全球。第三個中國是世界上最大養豬大國,全世界的豬一半在中國,中國的養豬業能否借助中國高鐵發展的模式引領世界的養豬水平。現在我們很多種豬全是引進的,我們的技術是很落后的。結論是完全可以走中國高鐵的養豬產業升級道路,而不是簡單的數量恢復。難點是誰來做管理集成與技術集成的平臺牽引人?過去搞很多東西都是由政府牽頭的,政府牽頭來養豬,農業部也搞過,但是沒有搞起來。協會也不行,院士要發文章,企業也沒有這個權威性。 

  我們首先要探尋行動,初步找到智能養豬的六大技術,同時找到國內的頂級專家,821日召開了開題會,我作為一個架構師集成,成立了六個項目組。我們選定六大技術的原則首先是從陷阱場景找方向,從顧客痛點找路徑,從商業價值找項目。依據這些原則,這六個項目基本上就找到了路徑。比如健康養豬首先是在人工智能數據采集、建模,不斷地完善這個模型。遺傳育種也是一樣,把最好吃的豬留下來。營養也是這樣的思路。豬場的人工智能,還有遠程診斷,非洲豬瘟不能去了,利用機器人在遠程下單。還有豬場管理技術,主要是訓練這些人對基于人工智能的管理,這也是非常重要的技術。第一個是養豬效益指標,每公斤增重成本,每頭豬產多少肉,每頭豬產多少錢,這是人工智能重要的方向。第二個是豬肉的品質。第三個是社會效益,我們養豬能夠給農民致富,豬、人、環境能夠和諧環境,不要給環境造成污染。這是項目合伙、相互賦能、共建共享、實現共贏。希望大家一起幫我們獻計獻策,完成中國對世界養豬業的貢獻,謝謝大家。 

    

  主持人 王海東: 

  謝謝陶一山先生,如何在傳統行業中挖掘AI生產力的潛力,今天我們聆聽了陶一山先生精彩的分享。接下來要請出的演講嘉賓是微軟(中國)首席技術官韋青先生,他的演講主題是“落地——技術的終極使命”,掌聲有請。 

  演講嘉賓 韋青 微軟(中國)首席技術官: 

  各位來賓,大家中午好,很高興今天有機會跟大家交流,剛才幾位專家講了關于AI技術的發展,剛才陶先生講的一點非常重要,技術再怎么發展,它必須要落地,必須要跟實際的場景、社會的痛點和發展的機會結合在一起。今天我的話題講什么呢?想從一個更加抽象的角度,我們現在提了很多技術,也知道有很多痛點,但是以我們自己在工作體驗中發現,很多企業面臨最大的痛點是落不了地,不知道怎么落地。這里面有一個很大的問題,無論是什么技術,我這里寫的ITCTOTIT是信息技術,CT是通訊技術,OT是運維技術,IT代表的是現在的高科技信息企業,CT像華為,但華為已經完全做到了ITCT的融合,還有OT,剛才德國院士講的智能制造差不多是ITOT的融合。 

  為什么說是ITCTOT融合在一起呢?現在每個行業都面臨機會,但也是挑戰,要理解我們過去所理解的,把IT放在一邊,把通訊或者把制造單獨來看,這個時代已經完全過去了,一會兒我會有具體的案例跟大家分享。我們第一步就要想到我們的很多轉型改革是不是還在做我公司不管做什么,做物流,做制造,做通訊的,說我們成立一個IT部門,或者收購一個初創的IT企業,讓他們來幫我們實現數字化轉型,這種方法是非常危險的。 

  在進入正題之前,我想跟大家講一下,首先我想聲明三點,第一一定要認識到范式變化,如果范式思維不轉變的話,我們想理解未來是怎么樣,想理解如何利用不管是AI技術,IoT物聯網技術還是通訊技術的話,很可能會走彎路,小的對個人來講面臨著投入了很多個人的時間成本去學習新東西,結果老是趕不上時代潮流,很多人都有的體會,我們已經很辛苦了,我們也學了很多東西,但很多人都有這種感覺,趕不上時代潮流。但我想跟大家很客觀地講一下,現在說的所有技術,不管是AI,還是區塊鏈、5G、物聯網,在過去三四十年,那些科學家早就說完了,但我們為什么還覺得是新的呢?在業內現在談的問題,在人類過去50年做的一件事就是把百年前的科學家就已經預判好的未來是什么樣的,我們是把它實現了。像早上未來學家托馬斯·弗雷講的我們要往未來看,其實現在看的未來,我們要做什么呢?我們要把它實現。就像我們現在看的技術,其實在四五十年前早就被那些科學家預言好了。第二個很多人喜歡找答案,在劇變的時代是沒有答案的時代,如果我們考試習慣給我標準答案,告訴我怎么做,如果這個念頭不轉變的話,在劇變的時代是沒有答案的,你要去試出來的。第三個產生的一定,一定是實踐出真知。 

  這樣的話,我們總結兩個方法論,這是抽象在所有的行業之外,只要做的話都是不能靠看書,不能靠看一些論文就能夠實現,那些能給你提供一些借鑒,但必須要實操。在實操過程中馬上就有一個問題了,我們現在所有的技術,古人講一陰一陽之謂道,所有的事情不管多好,一定有它的正面和負面。我們做項目顧問的時候跟客戶講,無論多么好的一件事情,如果你不能預先評判出的負面因素的話,這件事情的正面價值就無法得到充分發揮。同樣,無論是多么負面的一件事情,如果你不能理解它有正面價值的話,那這個負面的因素你也無法最高效地避免。什么叫知其雄,但是要守其雌,比如AI,在五六年前很火的AI大師,大家很不好意思是說自己是做AI的,一般說做機器學習,或者說做算法的,或者干脆說自己是做自動化的。現在的這些技術跟AI沒什么關系,本身在英文語境中artificial就不是一個非常正面的詞,人造香精、人造色素前面用的A都是artificial,很多學術論文都是在過去兩三年才開始大量用AI,原來大家是比較客觀地用機器學習或深度學習,一加了A之后,這跟人有關系嗎?沒關系,就是機器的能力。既然是機器的能力,人這種動物在過去幾千年、上萬年,我們跟其他動物最大的區別就是我們善用工具。也就是AI來了之后,或者機器學習來了之后,我們壓根就不會覺得它有多么神秘,它就是一個函數,函數是什么特點?你放進去一些變量出一個結果,現在的人工智能不就是這樣嘛。理解這個道理之后,我們就能知道這東西不是有多么神奇,能夠代替人,而是讓我這個人、這個公司、這個國家的生產率提高、效率提高、成本下降、用戶滿意度提高,這是它的本質。但是它有不好的地方,比如它用到了軍事上面,用到了其實需要人來控制的事情,而沒有把握到最后一步要不要走。我在美國的一個同事,原來在微軟,他后來出去創業了,他跟我說我是真正體會到什么叫最后一步還是要留給人去做。什么意思?就是機器能夠幫助你很多事情,但是最后不要忘記,我們是生活在一個人的時代,我們是跟人打交道。在這種情況下,機器幫你把很多事情都簡化了,效率提高之后,最后的享受一定要人去做,如果人不去做件事情的話,那人跟一頭豬有什么關系呢,變成一樣的了。 

  AI到底能做什么?雖然約定俗成,我今天還是用AI這個詞,但大家腦子里要明白它就是一個機器的能力,跟人的關系是微乎其微的,它更多的是機器的特點,但是它仿真人的能力。明白這個道理之后,我們再做決策的時候就能夠比較精確地把握到人做什么、機器做什么。AI到底能做什么呢?邊緣計算為什么會火起來?末梢計算、終端計算,剛才華為、百度的朋友講了云、邊、端,把人的能力抽象到物理世界,然后物理世界跟數字世界的融合。但是就算把答案告訴你了,真正要實現起來難上加難,為什么呢?有太多的打嘴炮,你一實干就發現了機器學習真的沒有大家想象的那么神奇,就像剛才說的要用很多人去打標注,30萬人打標注。 

  我們今天講5G,更精確的應該講NG,現在6G也出來了,我前面寫過一篇文章《5G與亞里士多德》,5G只是漫漫長河中的一個G而已,它本身不應該那么神奇,就不會過多地局限在拿那個數來走,5一定比6差,6一定比5好?不是這個概念。現在的物理世界的極限早就到了,只要香農定律不能改變的話,傳輸的信號和頻率、信噪比早就固化好了,無論是制造還是通訊,大部分是借鑒過去幾十年IT行業的經驗,就是虛擬化、原子化,然后再軟件定義一切。技術是拿來用的,不是拿來吹的,更不是拿來炒的。 

  本體論、知識論、方法論,這才是這個時代每個人要重新去審視的,這個世界到底是變成什么世界,這個世界變成什么世界呢?有一個詞叫CPS或者賽博時代,不管怎么樣,一定是物理世界和數字世界結合的世界。知識的獲取和方法論都是不一樣的。如果我們真的能把人的身體搞明白的話就全懂了,人是一個100瓦左右的發電機,我們吃的碳水化合物和吸的氧氣在人體內發生化學反應,產生能量,產生離子,產生電力,我們的心為什么會跳?就是因為放電了。明白了這個之后,大家帶回去一個問題,你們今天有沒有真正看到我和聽到我?其實你根本就沒有看到我、也沒有聽到我,你的視網膜、視感細胞是把光子轉化成電子,產生神經沖動,傳導到大腦,然后進行計算,之后變成算法,變成一個推理,我通過這些電子算出來這有一個人,但你大腦是看不見人的,你的大腦也是聽不見人的。這個明白之后,對于以后無論是智能社會、智能城市、智能工廠、智能養豬各種各樣的理解會非常深厚。 

  理解一下碳基和硅基的不同,有什么不同呢?我們雖然說機器不會代替人,但我們要知道機器哪些方面比人強,哪些方面比人弱。如果說機器要代替人的話早就代替了,現在的一個計算器多少錢一臺?差不多十幾塊錢,一個計算機跟一個博士生,甚至一個院士在一起開73次方,誰快?一個十幾塊錢的計算器就夠快了。你說計算器代替這些博士、院士了嗎?沒有。但機器一定會把人代替掉,這個是我們要理解的。理解了這個以后,我們在做產品設計的時候就會很有幫助。比如智能音箱,我們說音響給我開個窗簾吧,開個燈吧,這個利用率是極低的,真正利用率高的是計時和聽音樂,我們花了很多精力做的開窗簾、開燈用得很少,有一個很重要的問題就是最后一步的問題,人兩個原罪,懶和貪,所以我們要技術解決懶和貪的問題。但是我們一天拉幾次窗簾?早上一次、晚上一次,我們一天開幾次燈,早上一次、晚上一次,這不屬于人的剛需,我們最煩的是重復性的工作。恰恰拉窗簾和開關燈不是重復性的工作。 

  所以機會很多,大家如果明白了機器和人的關系之后,比如人眼不能看紅外和紫外,這對產品研發、算法開發會有極大的幫助,這個公司的產品就會有人用。智能音響生產出來沒人用,我們做了很多人不覺得煩又能做的事,這種事機器是沒有價值的。 

  我們再看看人工智能到底能做什么。它其實是你的能力放大器,你好也放大,不好還是放大。如果你公司沒準備好的話,爛用算法很可能把公司的業務進入到一個無法控制的階段。人工智能用的很多的是什么?是那些不講情面的工作,比如審計、監控、識別,為什么呢?人有情感,有些事情會錯過去,但機器不會。這種想法去用機器的話,它的效率和效果遠大過空想。另外不存在哪個部門要用AI技術,是全員賦能、全流程再造的。前幾個月RPA比較流行,大概率事件未來幾個月會有一個詞又會流行,叫BPR,其實BPR在上世紀90年代已經很流行了,為什么現在會又流行呢?上一次BPR是八九十年代技術飛速發展的結果,那時候大家就知道了技術再吹沒有用了,要用,要用就必須用到流程里面,降低成本、提高效率、提高用戶滿意度。 

  既然它是雙刃劍的話,我們就要知道我們是否準備好了,我們是否明白它是什么東西。最后的那一步要不要邁出去?給大家推薦一本書維納的,在人工智能行業,真正做人工智能的人都知道我們的范式和圖靈的是不一樣的,圖靈的范式是未來的,我們現在的人工智能就是一個函數驅動的自動化,好過說人工智能,談到這個自動化,維納有一本科普書籍《人有人的作用》,但是看了這個之后對產品開發、算法開發、公司發展會有很大的好處。 

  要想成功的話,現在社會沒有培養融合的人才,與其說硬找融合的人才還不如合作,行業專家和技術專家。ITCTOT融合的趨勢。最后幾個關鍵詞,大家如果理解了數字化、原子化、軟件定義一切、一切皆服務,這幾個詞如果悟透了話,這對你未來的發展和公司架構的搭建會有很大的幫助。無論是IT行業還是通訊行業,還是制造行業,都在做軟件定義一切,但軟件定義一切之前要先做數字化,虛擬化,把它原子化。之后所有變成服務了,最后實現的就是一切皆服務,它上去之后就是數字孿生的時代。把這些吃透了,我們再談人工智能也好,5G也好,物聯網也好,才能知道其實這幾個技術都是名詞,它真正要實現的其實就一句話數字化,因為只有做完數字化之后才會有數據,有了數據之后能夠用軟件定義和驅動一切,到那個時候這個社會就變成高度定制化、高度靈活性和高度效率化的社會了,謝謝大家。 

    

  主持人 王海東: 

  謝謝韋青先生,接下來要請出的是今天上午的壓軸演講嘉賓,她是清華同方股份有限公司人工智能研究院院士趙英女士,她的演講主題是“人工智能驅動新型智慧城市”,掌聲有請。 

  演講嘉賓 趙英 清華同方股份有限公司人工智能研究院院士: 

  我來自清華,我的辦公室就在清華園的旁邊,在20層的高樓上可以俯瞰整個清華園,俯瞰我們的主樓。有一天我在辦公室里面和我的同事交流的時候發現我的同事腦后面一陣火光,就出現了爆炸聲。出現了這個事情以后,我立即走到窗外去看發生了什么,那天是大風天,我在20層的高樓上往下看,路上有5個電線桿倒在地上,冒著火光,在地上還冒著火光,而車來車往、人來人往。這就是我要說的智慧城市,北京是怎么做的。第一時間我就打了110110很快把我這個案件記錄下來,我把電話一放下,沒過幾秒鐘消防車到了,我正在看消防車怎么救火的時候,我的電話又響了,北京市有一個市民熱線12345,我沒有撥打,但給我打來電話說聽說有這個案情,我又核實了一下,我把消防車到的情況又復述了一遍。我把電話放下之后,沒過一段時間,海淀區的處置部門又給我打電話說有什么情況,我說是的,現在消防到了,電力搶修車到了,交警到了,已經戒嚴了,他說好,我們知道下一步該怎么做了。整個流程下來,短短幾分鐘的時間,我就在不斷觀察。這是一個什么現象?北京市推的是街鄉吹哨,部門報道,您有所呼,我有所應。老百姓有呼聲,打過去電話,部門接訴即辦,接到我的投訴馬上就去辦理。智慧城市的核心就是以人為本,我是市民,以我為本,這是北京的智慧城市的特色。體現了我沒有跑腿,大數據在跑腿,12345110之間溝通了,他們有共享了,這件事情讓我覺得處理得非常好。 

  這里面涉及到一個問題,現在北京市政協在組織進行大調研,在接訴即辦的過程中還有哪些待改進的地方。這時候我們就意識到有一點問題,為什么是我被動發現這件事,為什么政府是被動治理的,為什么不可以轉為主動,主動怎么發現?在大風的天氣下有沒有預警,電線桿的損毀,平時應該也會可以巡檢發現進行預防,能不能做到主動發現,這就是大數據和人工智能在現有的情況下完全可以做到的。 

  如果沒有一種商業模式創新的話,這可能就是一場運動,而不具備可持續性,誰來持續地發現問題,倒逼政府主動解決問題,構成長效的、持續性的機制。在新型智慧城市建設背景下,路邊有攝像頭,有其他傳感器,我們可以監測到電線桿將要倒,或者大風天怎么樣,會有預警或報警信息,而不是倒了之后再由我人需報。AI發現了以后,11012346去綜合分析,不僅僅是電線桿倒坍,交通擁堵、撞車、隨地擺攤等問題,城市里面每天發生的大量問題也是可以靠高科技手段發現的,無外乎是幾類,一類是具體問題,比如這一直在擺攤,這邊是一直在擁堵,這是具體的問題,具體問題AI技術可以具體發現。但還有一些問題是體制機制的問題,我吹了哨,這個不歸我管,是上級部門的,體制機制的問題可以解決。為什么這一直在擺攤,這是規劃布局的問題。當我們每天在自動發現城市里的這些大事小情的時候會發現一些規矩,有些具體問題我們用AI、大數據來解決,有些反反復復的問題,有一些更是體制機制的問題,這時候我們需要在規劃布局上考慮。整個新型的智慧城市,國家當然也有定義,從規劃到公共服務,到設施一系列的都會涉及到,包括社會治理。總的來講是通過AI快速發展,通過大數據科學地解決問題,不是解決一個問題,而是解決一系列的,或者反反復復出現的。 

  能不能通過AI和大數據的方式為共治提供手段?現在北京推企業、市民和政府一塊管理社區,我們提了初步的想法,老百姓無外乎就是家里的事,或者是小區、出去路上的事,這可以通過攝像頭來自動發現小區雜亂差,家里是否著火了,有沒有違章停車,第一時間報警,這是攝像頭去做的。報了警以后,物業就做物業的事,志愿者做志愿者的事,街道做街道的事,這是共治。共治的核心是要大數據共享,我給110打電話,12345不用我重復一遍,他非常清楚是什么情況,大家按專業去處置,更關鍵的是這類事件能否避免,下次不再發生,這是處置規律。這時候是要靠大數據綜合決策來做的。這是新型智慧城市,如果是以人為核心,這是我們倡導的以人為核心的新型智慧城市,通過北京來窺視新型智慧城市的現狀。 

  什么叫新型智慧城市?這個城市要自己智慧,要自己學習,要通過一個體制機制不斷地自我迭代、自我學習、自我優化,幫著政府、企業、市民做很多的事。人是怎么智慧的,機器和城市也可以向人學習。我研究的群體宏觀狀態熵,當大家坐在一起很安靜的時候熵值非常低,大家很有序,但當散會的時候,很亂的時候熵值非常高。就跟溫度一樣,今天是20度還是40度,有溫度的突變,熵也有突變,一旦有了突然的變化就預示有事情的發生。為什么有的學霸成績很高,有的人學得很差,他能夠把很復雜的知識給簡單化,那他就能學得很好,簡單化的度量是什么呢?就是熵,讓復雜和不確定性的問題簡單化,如果再有新的知識來,一比對這個熵,沒有太大的變化就跟以前的知識是一樣的,你就可以順著以前的規則預測一下,如果跟以前的發生了很大的變化,這是異常,這是人獲取智慧,拿熵來衡量。在機器學習和深度學習里面,機器學成了也是拿熵來衡量的,機器學習也是一樣的把很多很復雜的數據整理成低熵的組塊,形成有序的知識進行預測。城市運行中心或城市大腦也好,都可以通過熵的度量來讓這個城市能夠預測未來,能夠預警異常,所以整個城市就是一個模型,就是能夠不斷進行訓練,能夠把復雜的行業數據和現象進行有序化組織和安排,讓熵值更低的狀態,這也是我們在工程實踐和我的書中的結論,不管是機器學習、城市學習還是人的學習,我們需要把熵值變低。我們希望這個城市是低熵的城市,就像深圳一樣能夠預知今天會發生什么,能夠預測未來,能夠很有序地在這里生活。有了這樣一套理論和實踐做支撐的時候,產品化和產業化就呼之即來了,我帶了團隊做了河南省6000多公里高速全路網全覆蓋,在四川做了干線。我們出門遇到很多交通的狀況都能夠自動發現并報警,而不是被動讓政府值守發現。在城市的大事小情當中,公共安全、群體性事件等,這些也是可以利用熵的理論快速發現和進行報警的。目前在全國“兩會”期間,在長安街沿線采用得都不錯。在高速和國省干線,在十幾個省份運行當中,而且也跟導航進行了對接,大家一開到這個路段有事件的時候能夠提醒前面多少米處有事故可以繞行。城市管理,渣土車、揚塵和擺攤,這些也可以通過人工智能來發現。我們應用了60多個城市在用的城管機器人,怎么發現城市里的大事小情。這就是慧眼城管機器人,今天下午還有新品發布會,歡迎大家光臨,謝謝。    

  主持人 王海東: 

  謝謝趙英女士的精彩分享。到這里今天論壇上午場就告一段落,今天下午我們將會就“改變世界的新興科技”這個主題圍繞生命科學、5G和飛向太空這三個話題繼續展開分享。再次感謝各位的光臨,我們下午再見。 

 

陕西11选5走势图 秒速赛车官网 江苏快3 河南快3 赖子棋牌 北京赛车PK10计划 金旋风网赚 江西11选5 快3在线投注 辽宁11选5