4月26日，在GMIC京2018大会首届峰会——全球人工智能领袖峰会上，美国柏克莱大学教授Michael Jordan、研究院副院长张彤、IDG资本合伙人牛奎光、小米云平台副总裁崔宝秋举行圆桌论坛，共同探讨AI与商业化。雷锋。com也来到了现场。会后，雷锋。com对对话内容进行了梳理和提炼。
互联网巨头如何看待AI
互联网巨头有数据，有场景，最先把AI商业化。目前国内外互联网巨头都在谈AI战略和AI布局。他们是怎么想的？本次圆桌包括来自腾讯的张彤、来自小米的崔宝秋和加入蚂蚁金服的乔丹，他们都可以代表互联网巨头谈谈对AI的看法。
张彤谈到了腾讯做人工智能的想法。AI现在很火，各大公司都在陆续成立AI研究院。国外最早的是微软、谷歌、脸书，国内最早的是阿里、腾讯。一般有两种，一种是成立业务部门，另一种是技术含量更高的AI实验室，这是基于更长远的考虑，其中技术不一定和业务结合。
腾讯AI Lab目前在做三件事。第一件事，AI的研发会支持业务，帮助所有底层的技术开发，配合产品部门将技术投入生产，比如和腾讯的社交、游戏、智能硬件结合。大公司怎么有AI团队？一定会基于自己的业务场景进行积累和学习。第二件事是加强前沿研究，通过发表文章、与高校和科研院所合作等方式积累研究能力。第三件事是和行业结合，行业提供平台API，促进学术界的产学研合作。
在迈克尔·乔丹看来，微软、谷歌和脸书在人工智能技术方面并不领先。事实上，在体验上，亚马逊是领先者。之前AI主要叫机器学习，亚马逊在这个事情上是最早的。
他分享说，在20世纪90年代，亚马逊已经利用人工智能和深度学习对产业链进行了很好的建模。对于亚马逊这样庞大的电子商务公司来说，必须依靠整个供应链来管理数十亿美元的产品，需要对整个供应链有清晰的了解。他们能够通过深度学习和建模做到这一点。此外，亚马逊还做AB测试，测试网站的每一个像素，给出正确的像素和颜色。这是很多年前的事了。
雷了解到，2017年5月，迈克尔·乔丹加入蚂蚁金服，担任智库主席兼顾问。在他看来，像阿里巴巴这样的电子商务平台可以在网站上做非常有用的工作，比如社交和搜索，如果有用户购买的数据。
谷歌和脸书意识到搜索和社交网站目前在人类交流方面仍有一些局限性，并试图利用人工智能的自然语言处理和决策能力让它们变得更聪明。乔丹认为这些都是非常有趣的项目，但他显然对这些领域的进展并不满意。“我觉得在这方面可能不太成功，但现在只是吸引了一些媒体的关注。”
乔丹高度评价了迪迪和优步。在他看来，滴滴和优步在数据、后端系统和大规模人类互动方面做得很好。他们的机器深度学习很快就赶上来了，这和很多IT公司相比是很有创新性的。
Jordan进一步表明了他对AI在大公司应用的看法。“我不仅关注研究，还关注那些创造一些数据流并善加利用的公司。不仅是AI，AI只是其中的一面。AI只是简单的数学，简单的方式，更有价值的是数据。高质量的数据，可以使我们的测试达到一定的目的，并以正确的方式收集数据，从而产生相应的价值，并交给提供数据的人。”
崔宝秋分享了小米做AI的想法。AI在小米公司无处不在。两年前，雷军将AI定位为小米未来十年的核心战略。小米吸引了很多AI人才做研究，但小米还是一家特别强调产品的公司，更注重技术落地。他同意Jordan关于大数据价值的观点。小米有很多大数据，AI落地很容易。
牛奎光从投资界谈创业公司对AI的看法。他提到了前两天在上塘的会议。作为一家AI独角兽创业公司，商汤在去年的top大会上发表了91篇论文，超过BAT。对于创业公司来说，AI业务一般是to B业务，要和传统行业一起创新。颠覆式创新，正如凯文·凯利所说，往往是从大公司的边缘部门或者边缘业务开始的。to B的业务是支流，也是创业公司无法与大公司直接竞争的领域。
技术和业务之间的差异
嘉宾讨论的第二个问题是关于技术和商业的。AI技术发展优先还是商业优先？很多公司有很多丹尼尔AI的教授和研究人员，但是他们无法把技术落地。原因是什么？
牛奎光首先分享了他的观点。人工智能的发展有不同的阶段。现阶段主要是应用，下一阶段技术没有突破。2014年，AI的发展本质上是计算能力大幅提升，计算成本大幅降低的结果。在应用上，机器可以代替人做一些事情，人脸识别和语音识别的能力都有了很大的提高。这个时代应该叫“大数据小智能”。
未来的“小数据大智能”，还有很多基础理论没有突破。现在我们讲的更多的是应用，比如单个地方的应用，比如视觉、发音、自然语言理解、知识图谱等。如果说前三年是单项技术引领企业发展的时候，那么经过这几年的建设，已经逐渐达到一个平台，将各种单项技术组合应用到一个特定的行业，这就是下一个趋势或者说是一个很大的机会。
乔丹对这个问题谈得不多。他主要强调解决具体问题的原则。在他看来，AI技术是工程技术，需要工程师的参与，所以公司最需要的是招聘能解决问题的专家。该公司开发了一种需要在不同场景下使用的技术。工程师所做的就是发挥创造力，在不同的场景下解决问题。他们不像科学家那样寻找真相。
张彤认为技术和商业同等重要。AI公司的关键是如何形成壁垒，拥有核心能力。商业也很重要，因为很多技术到了一定程度就要依赖商业。腾讯AI是基于腾讯自身的场景。场景和数据很重要，业务上有壁垒，别人很难进入。
大数据和隐私
第三个问题是当前的热点问题。脸书的“剑桥分析”引起了关于数据和用户隐私的广泛讨论。崔宝秋抛出问题。目前我们正处于AI的春天，背后得益于深度学习技术的发展，再依靠大数据和云计算能力。大数据目前在AI浪潮中发挥着不可磨灭的作用，但令人头疼的是数据共享。如何在不侵犯用户隐私的情况下，将公司的数据分享给学术界和其他公司。小米目前做的基本是尽量不分享，滴水不漏。嘉宾如何看待数据共享和隐私保护的区别？
Jordan首先澄清，数据不应该孤立地讨论，应该和应用结合起来。在医疗数据方面，患者的隐私必须得到保护，但我们也希望医疗数据能够帮助改善医疗。例如，基因组序列是个人数据，个人可以决定如何使用这些数据。如果个人基因数据可以治疗家族疾病，相信会有很多人愿意提供。如果能收集更多人的数据，找到通过DNA突变治疗癌症的方法，很多人愿意提供自己的医疗数据。数据共享并不总是坏事。脸书事件是一个丑闻，因为数据共享并没有给人们带来价值，人们觉得他们的数据是被迫给别人的。
不过，Jordan也提到，在网络安全方面，一些公司意识到数据对自己是有价值的，因此需要做好隐私保护和数据安全，离开以提高竞争力。同时也给了用户对自己数据使用情况的知情权，让用户觉得公司是值得信赖的第三方。
牛奎光对数据和隐私特别感兴趣，思考了好几年。在他看来，现在数据才是真正价值的载体，数据的价值只有在流动的过程中才能发挥出来。他曾经设想过一个“数据交换”，但我们目前还没有这样的交换，因为数据交换后很容易被复制，数据处理方式也无法审计。
第二个问题是谁拥有这些数据。在社交网络平台上，数据属于个人还是平台？在过去，个人拥有自己的数据在技术上基本不可行，但今天像区块链这样的技术使解决这个问题成为可能。
目前，他设想了三种解决方案。第一，从技术的角度，他请教了一位图灵奖获得者，即数据交易的双方在一定可信的情况下，可以做出比现在复杂100倍的计算，使数据在计算的过程中保密。然而，在这种情况下，成本也可能增加100倍。第二种是数据拥有者不会把数据收集到一个中心节点，数据和计算都在本地，所以会把结果拿出来。第三，牛奎光做了一个实验。他投资了一家反欺诈公司，和一家物流公司成立了合资公司，在业务和能力的方式上输出了数据融合和联合，但没有对数据进行整合。虽然有很多探索和想法，但目前似乎还没有结果。
对张彤来说，从公司的角度谈论数据和隐私问题更实际。在他看来，数据共享如果能带来价值当然是好的，但目前存在一些问题。第一，商业数据是核心壁垒，所以企业不愿意分享。有时候甚至公司内部不同部门也不完全愿意共享，这需要在公司层面推动。
如果现在有法律法规的话，有些数据是可以共享的，比如政府的数据，公益组织的数据。如果一个医院有一个组织，可以把所有的医院联合起来，然后有一些立法来共享数据，也会有很大的价值。还有物流运输领域。
这个圆桌讨论谈到了互联网巨头如何做AI，技术和商业的区别，大数据和隐私保护的区别，都是在大公司的层面。最后，我们也简单讲了创业公司如何在没有数据的情况下做AI。几位嘉宾表示，创业公司如果没有数据，需要切入细节场景，积累技术和场景方面的经验。
