隨着人工智能浪潮的興起，它給社會帶來了非常大的變化。如果再過幾十年回頭看，AI對社會的影響可能比互聯網對整個社會的影響更加深遠，就如同過去的工業革命一樣。人工智能給整個產業帶來變革背後的邏輯是什麼樣的？當下和未來AI還有哪些創新機會和方向？本文整理自北京大學人工智能創新中心主任雷鳴在近日召開的 AICon 北京 2019 上的演講，內容從人工智能當下發展和對社會產業結構的帶來的變革、未來有可能出現的產業機遇兩部分展開。
各位早上好！特別高興來到這兒跟大家分享一下AI的發展現狀，以及我所看到的，最近二三十年科技進步產生的新機會。
AI帶來顛覆式的產業變革
上圖展現的是全球人均收入按照年代的數值圖，這是經濟學的一個研究結果，人均收入指的就是人均GDP，可以粗略理解爲勞動生產率。當我們思考整個歷史的時候可以看到，全球範圍內的勞動生產率在過去三千年幾乎是沒有變化的。中間的一個拐點就是所謂的工業革命。從這一點開始，我們人類正式開掛了。在過去200年左右的時間裏，人類的人均勞動生產率提升了10倍。過去200年的工業革命，使我們整個生活跟過去的社會幾乎是割裂和絕緣的。我們會開始思考，工業革命爲什麼這麼厲害？到底發生了什麼？以及再看現在的技術革新和發展有沒有可以跟工業革命相匹配的一些工具？我贊成革命性的發展會導致社會和生產率突破性的變化。
深度學習其實就是這樣一個革命性的技術。它到底有什麼不同？
吳恩達曾提出，對於傳統計算機算法，一開始給予很多數據的時候性能可以提升，但是當數據到某一個量之後就會發生天花板效應，這之後性能就無法繼續提升了。過去我們開發的變成系統都是專家系統，也就是人類自己把規則總結好，再用程序寫出來，因此瓶頸就是專家的經驗，無法隨着數據的增加自己去學習新的東西。
但是深度學習有一個非常神奇的能力，就是隨着數據量的增加可以不斷提升自己的水平，就像AlphaGo和AlphaZero的水平是能夠隨着數據量增大而不斷提升的。
2017年的時候谷歌發佈了一篇論文，在視覺任務上，性能能夠隨着數據集量級提升而提升。數據集的量級提升，帶來的性能提升可能是線性的，聽起來可能有點可怕。但大家要意識到一個事情，我們有一個算力的摩爾定律，每18個月左右單位成本計算能力會翻一番，或者單位算力是翻一番的。同時我們還有數據的摩爾定律，從過去十年到二十年的情況來看，基本每一年數字化的數據量增速是在40%左右，差不多是兩年翻一番。
深度學習突破了專家的極限，隨着時間的推移，深度學習算法在各項能力上都會不斷提升。比如說任務輸入輸出是固定的，在沒有特別變量干擾的情況下，人能做好的機器早晚也能做好。現在做不好主要是數據不夠，或者對應的算力不夠，當數據算力越來越高的時候，機器是可以做好的。
工業革命用能源加機械替代了人類的體力勞動，隨着大量體力勞動被抹掉之後，大部分人都會轉向技能性勞動，所以人類現代教育真正的起源是工業革命，因爲我們需要技能勞動者。技能勞動者要有一些通用技能，比如說能讀懂文字、能溝通交流、能做基礎的數學算賬，這些可以抽象爲我們最基本的K12教育，包括大學分科。現在普遍來說，各個國家通用的面向大衆的教育，其實是把人培養成社會這個宏大機器裏面一個部件，我們叫一個“螺絲釘”。社會靠分工和協作高速發展，這是過去工業時代，需要很多技能型勞動力來填充，讓這個機器高速運轉。
但現在教育面臨一個巨大的問題，最近二三十年我們發現真正驅動社會變革的不是分工，而是創新。而我們整個教育體系對於創新的教育相對還是比較少的，大部分的學校還是刷題、死記硬背，這些與未來對人才的要求不一定契合。
爲什麼近些年社會進步快了？因爲大量的技能勞動分工之後，開始有專門的人從事創新勞動。比如說企業裏的科研機構、研究院、一些從事創新的人，包括大學教授，一些國家支持的研究項目，這些都屬於創新。創業者也是創新，只不過不是技術創新，而是商業模式、產品、服務、流程等的創新。這些創新是真正推動社會進步的根本力量，只有創新才能真正地提升效率，然後省出更多的人力做新的創新。
工業革命成爲全球人均收入增長的拐點，智能革命把人類生產力水平帶到一個前所未有的高度。我認爲智能革命或這一波人工智能會通過數據加智能的方式逐步替代掉幾乎所有的技能勞動者，也可以叫做重複性腦力勞動者，進而對於創新能力的要求會越來越高。未來主要的有價值的行業都會是創新導向。而那些重複性的工作，機器通過大量訓練以後會做得越來越好。今天我們其實已經看到了很多案例，比如說最早的掃地機器人、ETC收費、車庫用攝像頭和安防系統替代基層的保安，未來可能實現的自動駕駛等。
很多人問自動駕駛最近幾年能行嗎？如果是五年內行不行，我可能無法回答，但我覺得二十年一定行。二十年其實也不是很遠的距離，也許五年真的能行，誰也不知道，因爲對未來的預測有時候我們過度保守，有時候過度樂觀，站在今天的維度上沒有人能預測未來。當我們把勞動形式大量轉向創新的時候，社會進步會再一次被打開。我覺得未來社會進步速度可能會更快一些。
在農業時代，社會總財富里面農業財富佔了 90%，雖然過去也有其他行業，但是相對於所有的農業產值來講，都只是消耗的很小，影響很小。但是在後工業時代，比如 2010 年的數據，全球農業總產值佔全球 GDP 的 2.81%，不到 3%，其他佔比高的產業都是新的，主要是工業和服務業。是農業萎縮了嗎？不是的，農業沒有萎縮，爲什麼會這樣呢？是因爲其他的產業增長得快。因此我們按前面的趨勢去類推，到智能時代之後，我們認爲農業、工業和服務業，這些靠技能、靠體力的產業，也會像農業一樣佔比下降，而創新型產業又會成爲社會的主要財富的聚集地，慢慢的佔比會越來越大，最終會佔到 90% 以上，都是創造性行業提供的社會價值，這是我個人的觀點。
智能革命時代將會由數據和智能化驅動，產業格局將徹底改變，而這種變化會孕育無窮的機會。從農業時代到工業時代，整個社會格局基本都改變了，現在的很多大企業都是近一百年建立的。未來幾十年一樣有無數機會能改變這個社會的格局。所以大家需要聰明地分析，並抓住這些機會。我在北大清華講課的時候常說，這個時代努力已經沒有那麼重要的，它是一個基礎，最重要的是選擇。選擇不同的路，同樣努力，差異可能巨大無比。我認爲，努力能帶來的差異可能是兩三倍，但是選擇可以帶來十倍甚至百倍的差異。
接下來簡單分析一下互聯網和人工智能給產業帶來的改變。
互聯網並沒有改變經濟結構中生產和消費的任何一面，只是改變了生產者和消費者之間的連接關係。 互聯網打通了地域的限制、信息量的限制、物理空間的限制，因此我們看到了兩個巨大的機會，一種是替代性中介，比如阿里巴巴，將購物從線下實體店轉移到了線上的電商，產業本身已經存在，只是以新的替代舊的，又比如今日頭條是用互聯網媒體替代原來的報社、雜誌社；另一種是新型中介，比如社交媒體、搜索引擎、O2O等。以前很多的限制導致像社交、搜索這樣的需求在經濟學上無法滿足，信息在那，人在這，連接不上。但有了互聯網以後，我們就有了虛擬身份，我可以跟全世界交朋友。搜索也一樣，當年寫論文還要到圖書館查，不然就只能問老師，現在有什麼問題敲個鍵盤迴車就知道了，代價小了，以至於搜索變成了我們每天的需求，包括O2O也是一樣的，我不再羅列。
再看AI對產業的改寫，也是類似的道理。AI在經濟結構中主要解決兩點，第一是讓連接更高效，第二是解決生產者的問題。對於生產端的問題，互聯網是極其無效的。爲什麼互聯網醫療、互聯網教育沒有什麼進展？第一沒有出現市值上百億美金的企業，第二落地的時候也還是要開線下的店面。連接問題解決的是當生產和消費兩邊資源都相對充裕，只是找不到對方。如果生產者和消費者能找到對方，但有一方資源很緊俏，這類問題互聯網是解決不了的，比如醫療資源緊缺就是這樣的一個例子。
AI提升中介的例子有抖音和螞蟻金服，他們實現的是提高連接的效率。比如抖音是個性化推薦，能用AI爲用戶推薦TA感興趣的內容，節約用戶自己篩選內容的時間；螞蟻金服是信用預測，通過大量的交易數據對企業進行建模，準確預測企業將來違約的可能性，進而幫助金融機構更方便快速地判斷是否該給他們提供貸款。
AI替代包括兩類，一種是替代現有的生產者，比如自動駕駛，通過自動駕駛系統替代駕駛員，或者用智能醫生替代初級醫生，進而解決我們剛纔講的供給側問題。比如醫療資源普遍不足，如果我們開發出一個智能醫生，可以達到協和醫院醫生的水平，而且可以爲全世界服務，這就很有意義，可以解決我們所謂的醫療公平問題，正如搜索引擎解決了人類的信息服務公平問題。
另一種是AI新型生產者，也就是智能助理。當AI助理真的跟真人差不多的時候，人人都可以有一個助理，它能大幅節省我們的時間、提高效率，就會成爲一個全新的產業，這一種是剛纔提到的在經濟上以前無法實現，現在通過技術可以滿足我們的需求了。
AI的發展路徑
AI 的發展路徑我認爲有這樣幾個要點： 從低技能行業到高技能行業；從高數據行業到低數據行業；從經濟效益高的行業到經濟效益一般的行業。
可以這樣理解：
從低技能行業到高技能行業，低技能行業算法簡單，就可以儘快落地，但是爲了解決更復雜的問題，就要向高複雜度的技能行業發展。
從高數據向低數據發展，數據量越大，越有利於進行訓練，AI 發展的速度也比較快。
從經濟效益高的行業到一般行業，自動駕駛就是其中一個例子。自動駕駛行業對應的產業GDP佔了10%，幾乎是跟當前零售業同等大小甚至更大的產業。一旦自動駕駛做好了以後，將會成爲整個產業力量最大的一方，會重塑這個產業，在這個產業產生幾千億的機會是沒有問題的。
再聊一聊人工智能的實用價值關鍵點。任何一個行業裏的關鍵技能，隨着時間的推移都能看到AI做得越來越好。其中有兩個關鍵點，第一個關鍵點是人類平均水平，第二是專家水平。當機器的水平達到人類平均水平的時候，我們就能看到希望；當機器超過專家水平時，就能大範圍替代人類。機會是有時間窗口的，任何事情我們動手都要稍微早一點，但是也不能太早，太早可能就像大家說的會變成先驅，幹半天資金鍊斷了，還沒有看到曙光；太晚了行業就成爲紅海了，如果一個事情BAT、TMD家家都做，你也去做就晚了。
另外說一下大規模推廣。做出來不等於能賺錢，需要找到營收平衡點。有的時候即使人工智能已經能夠替代人的工作了，如果人工智能的成本高於人的成本，那也是不可接受的。只有當人工智能成本大大優於人的成本時，纔可能在行業裏面大規模推廣。但是我們現在看到一個趨勢，就是人力成本不斷上升，而人工智能的硬件成本永遠都是下降的，同等價格的算力只會越來越便宜，在摩爾定律的作用下，二者總會有一個交叉點，交叉點之後情況就會發生巨大的改變。在交叉點之前還有機會，所以還是要早點動手。
AI創新的未來機遇
我們可以先看看互聯網時代的中美互聯網巨頭，其中顏色代表類型，大小代表市值。美國互聯網巨頭和中國互聯網巨頭其實在很大程度上都有一一對應的關係，那麼到底是什麼樣的原因推動了這些巨頭的誕生呢？
所有的機會都是有時間窗口的。回顧過去20年，我們能看到互聯網時代一個非常重要的特點就是互聯網基礎設施的落地。1995年的機會是互聯網商業化，在超窄帶的傳輸下文本信息得以傳播，誕生了門戶時代。2000年，傳輸效率提升，圖像的傳輸也變得更加便捷，應用越來越多樣化，幾乎所有的應用都可以在圖文形式下提供服務，這時候是垂直互聯網真正興起的機會，現在知名的巨頭公司都跟這個有關係，比如阿里、騰訊、百度、攜程、盛大等。而那些通用的門戶網站慢慢從歷史中消亡了，雖然現在新浪、搜狐、網易都還在，但其實你再仔細想想，他們作爲門戶基本已經死掉了，只是名字還在，內容已經變了。
2005年，信息傳輸效率進一步提升，我們步入了流媒體時代，由此產生了很多流媒體服務的創業機會，比如美國的Netflix、Youtube和中國的優酷等，都是那時候誕生的。
在2010年移動化的機會來了，誕生了很多移動APP。2015年移動寬帶又有了進一步的發展，流媒體服務在移動端變得可能，由此帶來了移動流媒體的服務。
我們認爲互聯網時代基本上是由帶寬和移動化驅動的，這兩項每一次巨大變化都會帶來應用的機會，基礎設施和技術的變化讓過去做不到的事情變得能做到了。但其實每一撥新機會都是被新公司拿到的。所以大家不要天天說有了BAT我們還怎麼創業，有了TMD我們還怎麼創業，其實都能創業，只是我們眼前黑。
而AI的未來則是由算力驅動的，計算機視覺的突破就是因爲算力發展到了新的階段，沒有GPU的時候完全做不了深度學習。算力越高能解的問題越大，照片、視頻流、基礎的自然語言問題現在已經可以解決，其他的還不能解決。隨着算力提升，我們可以解決越來越多的問題，這裏還有很多機會。
如果看AI，我會認爲2015年前後幾年是全面2B，到現在大家都還認爲AI是2B，但我不這麼認爲。我認爲2020年左右會發展成垂直服務，AI必須解決特定垂直行業的問題，而不能希望它解決企業所有需求，所有需求太廣泛了。所有公司都應該是產業公司，起碼在今天看是這樣，所以我認爲2020年是垂直化服務的時代。
未來的創新機會主要在於5G和AI兩個方面，我們需要考慮有什麼可以使從前做不到的事情變得可以做到。其中，5G具有高傳輸、低延時、低功耗、低成本的特點，物聯網的崛起也是因爲這一點。另一個是AI，目前算力已經發展得很快，並且也出現了強有力的大模型，在此基礎上聚焦產業痛點，解決實際問題，將會誕生出很多可以探索的新路徑。
最後說一下中國，我認爲在AI時代中國有機會成爲領導力量。簡單說幾點：
一是美國顯然還是非常強的，這個沒什麼可爭論的，我們從來沒有說我們已經超過美國。但是相對而言，中國也有很多優勢。第一，中國有大量優秀得AI人才，現在國際頂會上有三分之一的論文署名是中國的學者，中國學者發的文章數量已經超過美國了；第二，我們的創新能力正在引領世界，從前是中國抄美國，現在很多創新是美國在抄中國，比如Facebook也在做跟抖音類似的事，現在很多創新開始出現逆向；第三，中國是有強大購買力的單一市場，中國人多力量大，即使企業只做中國市場，也是全球業務規模數一數二的，如果將來能夠出海就會更厲害；最後，從政府包括投資也講一下，2018年中國AI投資佔全球總投資量是48%，美國是30%，中國在AI領域的投資已經超過了美國。
我們現在處在非常好的時代，技術在高速發展，機會越來越多，中國正處在風口上，我認爲有非常多的機會值得大家探索和思考。最後非常感謝大家的時間，也非常感謝AICon，希望大家在這個大會上能夠學到更多的東西，希望大家有輝煌燦爛的未來，謝謝。
演講嘉賓介紹
雷鳴，北京大學人工智能創新中心主任，酷我音樂創始人，百度七劍客之一。2000年任百度首席架構師，領導核心技術團隊，使之成爲全球最好的中文搜索引擎。2005年創立了酷我音樂，擔任董事長兼CEO，領導酷我音樂成爲中國領先的互聯網音樂平臺。
他現在致力於人工智能和產業結合相關研究、教育和投資。他任北京大學人工智能創新中心主任，並在北大和清華分別開設《人工智能前沿與產業趨勢》課程。同時，他孵化及投資了十多家人工智能相關的初創企業。
他2000年獲得北京大學計算機碩士學位，2005年獲得斯坦福商學院MBA學位。現任北京大學科技創新校友會理事長，斯坦福大學北京俱樂部副主席。
點這裏，獲取更多AICon 北京 2019 現場報道詳情！