科大讯飞刘庆峰:这是个应用驱动的AI时代,人工耦合则是未来AI的主流模式(附视频)

2017 年 12 月 26 日 黑智 我有嘉宾

⁕本文由我有嘉宾授权转载

演讲丨刘庆峰


在今天,人工智能已经上升为国家战略。在「我有嘉宾」商界领袖年度峰会上,科大讯飞创始人刘庆峰做了主题演讲,讲述了科大讯飞在人工智能领域的发展理念,并提到:“未来五年到十年,现在50%以上的工作会被人工智能替代,或者说工作内容中的90%以上会被人工智能替代”,“ 我们现在面临的时代,绝大部分产业不是机器代替人,而是机器跟人耦合帮助人来提高他的能力和水平”。在他看来,人工智能会为人类创造更加美好的明天。


下面是刘庆峰的演讲实录,内容有编辑删减。



人工智能在今天这个时代,已经不是简单的概念了,我们要探讨的最核心问题是:人工智能究竟能给我们带来什么?科大讯飞认为应用才是硬道理。


我想今天给大家简单分享三个方面的话题:


第一,人工智能今天究竟能为我们做些什么。

第二,在这个时代中国的人工智能在全球到底处于什么样的地位。

第三,我们在这个时代作为创业者和个人应该何去何从,或者我们应该怎么样来顺应这个大的时代。


人工智能究竟发展到什么程度了?


其实这一波人工智能浪潮,说到底是基于机器统计建模。我们在2006年开始深度学习新的突破,在配合移动互联网源源不断地把数据送到后台。新的网络方式使得大量数据可以到后台被人工智能的算法所学习。再加上我们不断的运算能力提升,以云计算为代表。


人工智能出现了第三次浪潮,这次浪潮的核心是在感知智能和认知智能上,不断的取得令我们惊喜的表现


最早的机器智能是计算智能,我们看到的《最强大脑》,节目中有很多让我们非常羡慕和惊叹的能力,但对机器来说,被创造的第一天它就应该具备。感知智能,让机器能听会说、语音图像、人脸识别等等技术。甚至在越来越多的领域它是超越人类的,现在大家还在追求能不能让机器具备推理学习的能力,这就是现在的认知智能要做的事情。所以这一波浪潮是把感知智能在很多年往前推动了极大的一步,同时在认知智能中都取得了很大的突破。


具体到了什么程度,我举个例子。2015年,我们首次实现了机器听写和非常有经验的记录人员的现场PK。五个记录人员在公证机关的见证下,跟我们的机器PK,机器记录的准确率是95%,人的字准确率最高的70%还不到,而我们最新输入法的平均准确率,已经是98%。在座各位如果拿出笔来记我今天的讲话,我可以肯定没有一个人能够突破80%的字准确率。就这样的语速,是今天机器能做到的水平。当然这个屏幕还没有做任何训练,今天用的是通用的平台,如果个人训练还会更高。


语音合成到什么程度了?让机器开口说话,今年第12次科大讯飞拿了全球第一名。机器在全球已经超过4.0分,播音员是5分,普通一些是4分,我已经超过10分。这是一个标志,机器在语音过程中超过人了。但今天还有个新的叫作无监督训练,这个就厉害了。大家听到“高德导航”林志玲的声音,是我们的同事跑到台湾待了一个礼拜录的。当时因为林志玲高烧,只录了一个下午,几个小时,大家就可以在“高德导航”做到能惟妙惟肖。但也得花几个小时的录音,还要有人工标记一个礼拜。


刚刚我们发布了的一个令人非常震惊的结果,伊卡机器人。2017年的国家医学资格考试,八月二十七号八点整天考试,四场考试,满分六百分。一般的医学专业毕业生,有几年临床工作经验以后才能参加考试,通过率不到50%。今年分数线360分,前天正式发榜。我们的人工智能机器人首次在北京参加了考试,这个考试是严格按照机器人参加测试的标准,完全断网,全程监督,不得有任何人工干预,由国家卫计委考试中心、卫计委医证师以及公正机关全程公正,机器得了多少分呢?今年分数线还是360分,机器456分,超过了96分。更重要的一步是什么呢?国家卫计委主任告诉我,安徽省两万多考生,你们知道这个机器考了多少名吗?前一百名,百里挑一还不止。


这就是机器在人工智能上的进展,这表明它已经具备了全科医生的潜质,这在全球是第一。人要学好多好多年,机器只是从去年开始学习医学教科书上的知识,顶尖的医学论文和真实医学案例,就达到了这个成绩。所以说,在越来越多的有逻辑规律可循的领域,机器学习顶尖专家知识,就可以达到一流专家水平,超过90%的普通专业人士。但是,医学的逻辑是因为我们有着丰富的第三方内容,万一没有丰富内容的时候机器就会出现困扰。



人工智能在现实生活中的应用


机器的感知智能逐步超越人类,在认知领域、推理领域中,可以跟人形成耦合不断去发展,所以我们认为未来人工智能的主流模式,是人机耦合的人工智能。他会使得我们每个人的工作效率大幅提升,使得协和医院的医生的产能从一天看100个病人发展到一天看1000个,因为人工智能帮他做了90%的工作,他最后决策就可以;人机偶合的模式,使我们开车更轻松等等。


我们今年还做了一个让人工智能在司法帮助判案,在上海做的一个叫以审判为中心的司法改革中,关于人工智能判断证据链是否完整,是否自相矛盾,防止冤假错案;人工智能知道这个案件,对应的法律法规是什么,最终给出判决的建议,罪名怎么定,量刑怎么定,现在已经做到全世界最前面了,罪名准确率已经做到了97%以上,法条推送准确率接近90%了。但他也不是用来代替人的,是用来你法官判案之后,检查官判案之后,人工智能检查一遍看你有没有重大问题,如果亮红灯你得重新去检查,是在下结论之前给出建议,以便于更快的决策提高法官水平。


今天我们面临的时代,绝大部分产业不是机器代替人,而是机器跟人耦合帮助人来提高他的能力和水平。我们经常说三个时间节点,第一个节点是五年左右时间,人工智能在社会生活各个典型领域会取得应用突破,大幅改变这个世界,从而形成一个又一个产业、一个又一个行业的龙头企业,也就是说国际在这一拨人工智能产业浪潮中的市场大革局,未来五年基本上会确定。未来五年、十年之内现在50%以上的工作会被人工智能替代,或者说工作内容中的90%以上会被人工智能替代。


但是从目前的技术算法和逻辑上来说,至少没有看到在未来二三十年之内机器可以具有自我觉醒,所谓可以统治地球这种方向。其实说人工智能颠覆人类,我觉得这个命题,现在还根本就不是讨论的时候,今天要讨论的是到底人工智能,究竟怎么样能够改变这个世界,给我们带来更大的福利,给世界带来美好。


中国人工智能如何领先世界


今天对人工智能一个核心描述就是中美同步进入无人区,中国和美国未来一定是人工智能最强的两端。新一代人工智能规划提出来,说到2030年我们要在技术上和整个产业上,达到相对全面领先。现在是各种有领先有跟跑有并跑,但是最大的问题是什么?人工智能必须要在应用中得到数据迭代。就像我们机器要通过艺术这个考试,必须有中国医学出版社大量的数据、大量的论文、真实案例来学习。这是一个典型的应用研究性科学,所以谁率先在应用中得到实践,谁率先把各种应用数据拿回来供机器学习和迭代训练,谁就可以走在全世界最前面。由于我们有中国的海量用户优势,有中国政府的管理体制的优势,所以我们在进入无人区以后,在应用领域,中国是会走在美国前面的。


所以我们坚信在未来发展中,无论是教育、医疗、移动互联网、司法等等,中国都有望走在美国前面,成为全球在技术配套创新和典型产业应用的全球领导者。这是今天中国的机会。所以说今天上午一个非常重要的事件,中国科学院正式成立了“中国科学院、人工智能产学研创新联盟”。目的就是把科学院的源头技术积累和科大讯飞牵头的这些公司的产业资源对接起来,使用在科大讯飞的人工智能云平台上。现在的团队有46万家,每天访问人是40亿人次。我们希望最好的科学家的成果迅速集成在我们的人工智能平台上,可以马上让46万的开发团队能看得到,把它用到社会上。同时,每一个科学家,他做研究如果没有数据迭代,他的研究就很难不断地与时俱进。而现在我们希望把这40亿人次每天的使用,大家对用户数据要脱敏之后形成训练集,反扑给科学研究,让科学家的能力迅速送达到46万的创业团队。让46万创业团队做着每天几十亿次的应用迭代,能够迅速直达科学家的研究中,形成一个闭环。


这样我们就有可能在科学院建立一个真正的全世界最强的产学研紧密合作的创新体系。把每一个单点的穿成整个项链,形成一个群体的创新意识。科大讯飞作为理事长后来又建议,由中国科学院自动化所所长徐波作为连续理事长,牵头今天上午中科院跟人工智能有关的最顶尖企业,几乎全部参加,我觉得这是一件大事。


也有很多科学家说中国人工智能还是不行,跟美国比还是差距很大,因为我们原创能力不够。我想说的是过去十年,全世界在人工智能上并没有现阶段很大原创能力的突破,现在大家是走在了同一个平台。未来我们要强调更多的原创,要有这样的土壤和机会。


其实,国家也在做,讯飞也每年将销售收入的25%投入用在研发上,我们要求中间研发的时候至少有三分之一放在不需要近期就见成果的源头性创新上。所以回过头来讲,我们的产业机会在什么地方?虽然似乎原创不在我们这儿,但我们现在对技术的掌握处于全球最领先。现在产业发展并不是说原理性必须是你的,原理性创新性在10年前已经出来了,成为全世界共享的财富。今天在原理性创新上继续创新,中国已经跟全球同步。应用迭代,我们在很多领域会有优势,这就是现状。



人工智能创造未来


最后想说,在这个时代我们的创业者和个人怎么融入这个时代?当世界上50%的工作被人工智能替代,我们是不是都有危机感?刚才我们说了人机耦合是未来的主要模式,我认为今天最重要的是两件事:一件是对科学界来说,我们要做的是如何探索更好的人机耦合模式。那么这个中间需要去研究突破的核心是什么?第一,通用人工智能的算法,无监督训练能不能实现。第二,能耗能不能降低。这些都依赖于源头技术的突破,首先要找准人工智能依托和合作的平台是什么。


人工智能的产业特点是强技术领域。所谓强者恒强,谁拥有最好的原创科学家,谁拥有更多的数据谁就永远获得更大的比较优势,持续领跑。今天的创业或者说企业的升级,一定要看准人工智能究竟怎么叠加到我们的行业中,而且我们要找准一个公共的人工智能支撑平台来进行合作;否则今天你可以同时进入三个不同平台,但你不能一个都不选,一定要知道最新的平台能带动的数据和原创技术支撑能力是什么,绝大部分创业者都不可能自己单干一整套东西。


跟互联网的逻辑不一样,人工智能的强技术特点跟互联网的创业差距是很大的。所以你需要开放人工智能大学,把我们46万创业者们最关注的问题,对人工智能的理解、对应用集成、对于创新,你要知道哪些能做那些不能做,能做的怎么样耦合,我觉得这个进入到一个大的平台对大家是至关重要的。


现在我们要探讨的是,怎么站在人工智能的肩膀之上。将来如果我们的算法有突破以后,你只要做决策和有创意的事情。现在人工智能不能替代的最主要是两条,第一,需要社交能力,沟通协调能力,人工智能还做不到。目前的主流研究路径也没有这个趋势,读懂文章SQUID的比赛也是直接看文章,找结果。第二,灵感和创意。我们要往这方面发展,每一个行业都是可以在这两个角度上有突破的,然后让人工智能把我们抬到更高的舞台上,我觉得这是今天我们要选择的路径。所以也许在十年后,现在工作岗位50%被替代的时候,我们还希望通过另外的社会管理和创新,包括法律和伦理来推动整个社会进步。


可以这样说,如果有一天这个世界真的可以做到:每天不要八小时工作,四小时工作制就可以了;不需要五天工作制,三天工作制就可以了,只有人工智能能帮我们带来这样一个未来。甚至也许有一天,这个社会真的走到我们梦想的共产主义阶段,物质资料按需分配,人工智能的极大产能可能会赋予我们这个未来。但是要做到这样,如果没有配套的法律人文伦理,比如从孩子阶段就开始进行人工智能的学习,包括价值观的培养,如果没有这一切,未来社会财富一定会集中在少数人工智能大企业来创造,那一定会加剧社会的贫富悬殊,会出现很大的社会裂痕和问题。


所以人工智能,我们认为技术上还是一个持续充满乐趣又充满挑战的长期发展路程。而未来的发展中,人工智能的发展,是将科学家、企业家,以及配合的原理性创新、产品创新、社会治理的创新、法律、伦理、人文等创新整个交际在一起的伟大历史进程。我们希望这个伟大的历史进程,最终给我们人类带来的是更加幸福灿烂的未来,我们也特别希望在更多这样的会议上,通过科大讯飞跟在座各位的沟通交流,把这些意志上升为一个区域或者一个国家的主张。


所以今年的新一代国家人工智能规划,专门就有法律、人文和伦理。今天“中科院人工智能产学研联盟”专门设了伦理人文的标准,主要给国家提相关建议的。所以满足未来的各种个性化场景,让我们每个人都更幸福,要依靠人工智能。让我们每个人都不被淘汰,需要大家一起参与到这个伟大的历史进程中来,谢谢大家。




登录查看更多
0

相关内容

刘庆峰,科大讯飞创始人,现任公司董事长,语音及语言信息处理国家工程实验室主任,中国科学技术大学兼职教授、博导,十届、十一届、十二届、十三届全国人大代表,全国大学生创新创业联盟首任理事长,中国语音产业联盟理事长。第十四届中国经济年度人物。主要从事语音与人工智能核心技术研究和产业化领域研究。个人主页:https://baike.baidu.com/item/%E5%88%98%E5%BA%86%E5%B3%B0/1966964?fr=aladdin
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
102+阅读 · 2020年3月9日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
197+阅读 · 2020年3月8日
【新加坡国立大学】深度学习时代数据库:挑战与机会
专知会员服务
35+阅读 · 2020年3月6日
新时期我国信息技术产业的发展
专知会员服务
71+阅读 · 2020年1月18日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
108+阅读 · 2020年1月2日
2019中国硬科技发展白皮书 193页
专知会员服务
86+阅读 · 2019年12月13日
【工业智能】人工智能在智能制造中的应用
产业智能官
22+阅读 · 2019年1月11日
明略数据发布行业AI大脑“明智系统2.0”
人工智能学家
5+阅读 · 2018年9月11日
李开复为何说年底人工智能泡沫要破?
数据猿
4+阅读 · 2018年2月5日
智能语音成“AI四大项目” 千亿市场待开发
IT时报
3+阅读 · 2017年11月26日
【人工智能】人工智能在深度学习领域的前世今生
产业智能官
5+阅读 · 2017年11月24日
“看脸”的时代,AI到底有多智能?
微软丹棱街5号
3+阅读 · 2017年11月9日
Arxiv
9+阅读 · 2019年4月19日
Neural Approaches to Conversational AI
Arxiv
8+阅读 · 2018年12月13日
Meta-Transfer Learning for Few-Shot Learning
Arxiv
8+阅读 · 2018年12月6日
Arxiv
4+阅读 · 2018年9月25日
Arxiv
7+阅读 · 2018年1月24日
VIP会员
相关VIP内容
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
102+阅读 · 2020年3月9日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
197+阅读 · 2020年3月8日
【新加坡国立大学】深度学习时代数据库:挑战与机会
专知会员服务
35+阅读 · 2020年3月6日
新时期我国信息技术产业的发展
专知会员服务
71+阅读 · 2020年1月18日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
108+阅读 · 2020年1月2日
2019中国硬科技发展白皮书 193页
专知会员服务
86+阅读 · 2019年12月13日
相关论文
Arxiv
9+阅读 · 2019年4月19日
Neural Approaches to Conversational AI
Arxiv
8+阅读 · 2018年12月13日
Meta-Transfer Learning for Few-Shot Learning
Arxiv
8+阅读 · 2018年12月6日
Arxiv
4+阅读 · 2018年9月25日
Arxiv
7+阅读 · 2018年1月24日
Top
微信扫码咨询专知VIP会员