AI到底有多强大？围棋不过小意思

　　香港交易及结算所行政总裁李小加 、创新工场董事长兼CEO李开复、海尔家电集团副总裁兼首席技术官赵峰、中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃、北京大学人民医院外科教授王杉五位嘉宾针对人工智能对于行业带来的冲击进行了讨论，以及详细阐述了智能化在行业内的发展。

　　王飞跃称，在不久前的人机大战期间，我买了谷歌的股票，因为我认为AlphaGo能以5:0胜利。AlphaGo可以在计算上解决复杂问题，这是可以走向智能时代的一个标志，所以这个意义很重大。要做人工智能，李开复称，第一要有巨大的数据量，第二个是要有巨大的计算量。谷歌用15个深度学习领域的专家，花费两年时间做出AlphaGo。我对人工智能在未来十年的发展是很乐观的，15%的工作都会被AI取代。

　　关于大数据和人工智能在金融领域应用以及影响，香港交易及结算所行政总裁李小加称，金融是互联网最后才能颠覆的一个领域。深度学习在金融里面叫程序化交易，有的人叫高频交易。高频交易是通过计算机的深度学习来判断市场，把市场里面的所有信息集中在一起然后进行交易。但是如果高频交易违反基本的诚信，就变的邪恶了。李开复称，智能的交易会取代炒股的工作，过去我的基金就是机器人帮我买的。

　　对于AI在未来医院的应用，北京大学人民医院外科教授王杉称，从传统角度将，医疗很可能你是坚持到最后，不会被互联网颠覆的一个行业。但王彬同时表示，智能机器设备在未来智慧医院前景是十分广泛的。目前来看，个性化治疗听上去美好，但是现在还无法实现。人工智能对医疗模式肯定会产生很重要的影响。比如，手术机器人的出现，让医疗中的涉及病人隐私的操作，可能就不需要人了。技术永远是以需求为导向。

　　以下为对话实录：

　　主持人 大家下午好，今天上午听了互联网大咖的精彩高端对话，我们下午也有压力，一个是比较累比较困，第二个我们讲的东西是不是大家都喜欢的呢？不知道，但是从昨天晚上的闭门会看，这个领域是非常多人关注的，包括媒体在内，尤其是最近谷歌的AlphaGo 打败了九段的围棋冠军李世石后，人工智能这个领域变得非常热，也受到非常大的关注。今天台上的嘉宾尽管不像上午两三位特别有名气，但都是人工智能领域或者是各自的专业领域的大咖。我这里就按照顺序做一下简单介绍。

　　坐在我旁边的第一位是王飞跃教授，他是中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任，大家一听这个头衔挺长不好记，从表面看是一个学者教授，但是在人工智能教育已经有将近30 多年的经验。他另外几个头衔大家听到会比较震撼一点，国防科技大学军事计算学院与平行系统技术研究中心的主任，也就是说如何把人工智能应用到军事上，王飞跃教授是非常重要的参与者。中国科学院大学经济与社会安全研究中心主任，如何把人工智能放在网络安全上、社会安全上，这也是王飞跃教授承担的一个国家专项。同时他也是青岛智能技术产业研究院的院长。欢迎王飞跃教授。

　　第二位是大家非常熟悉的李开复先生，他是2009 年 9 月在北京创立了创新工常大家都知道他曾经就职于谷歌、微软、苹果等世界顶尖的科技公司，任到全球副总裁非常高的职务。李开复大家都很熟悉，大家也知道前面几年他身体不太好，这一次专门从台湾体检完了赶回来，但好消息是他的身体恢复得很好，咱们祝福他，也非常感谢他来参加我们这次会议。

　　第三位大家也是非常熟悉的李小加先生，是港交所的行政总裁，他也曾经担任摩根大通中国区主席、美林证券中国区主席，他今天将从金融领域会对人工智能产生什么样的影响进行分享，欢迎。

　　第四位赵峰先生是海尔家电产业的首席技术官和副总裁，他的简历也是赫赫有名，微软亚洲研究院的常务副院长，施乐研究中心的首席科学家，也是这个领域的大咖，咱们对他的到来表示感谢。

　　最后一位是王杉博士，他也是前北大人民医院的院长，北大国际医院集团的董事长，北大国际医院集团可能很多人不大熟悉，王杉从零开始建设的一个国际水平的，而且是社会资本投资的医院。他今天将从未来医院的形态，他当时建这个医院是按照未来医院的标准进行建设的。我们对王杉院长的到来也表示感谢。

　　前两位更多的是从专业的角度，是从人工智能的专业角度横向讲人工智能的发展，另外三位会重点谈人工智能在不同的领域将给我们带来什么样的影响。第一个问题给王飞跃教授，他是人工智能的鼻祖，我想问他AlphaGo 在战胜李世石以后，引起了社会非常大的关注，您作为这个领域的元老，因为人工智能已经存在了 30 多年，为什么这一次会有得到这样大的关注？现在深度学习新技术和传统的人工智能相比到底有些什么样的突破？它对未来的经济社会会有什么样的影响？我知道王飞跃教授准备了一两张 PPT ，非常认真地做了准备。

　　王飞跃：首先我不是元老级的，人工智能已经60 年了，我还不到 60 岁呢。马云先生说是炒作，市场策划，其实一点不错，我也觉得这件事情还早。微博上我就写了这段话，但是我仔细看了一下相关的七八篇文章，我也没有看懂过，我是去滑雪去了。但看完了以后确实有一个观点变了，我的观点跟李开复先生的观点一样，我这个预测是在比赛之前做的，我是赌 AlphaGo 5 比 0 战胜人类，所以他说得也没错，而且我确实输了，我买了谷歌的股票当时 700 块钱，现在最多已经到了 750 块钱了。从技术上看，它确实没有方法上的创新，但我觉得它的贡献也是非常大的，这是工程上大规模地集成了深度学习。以前 IT ，你们把 IT 定义为智能，我认为这个太智能了，在历史上 IT 最早叫工业技术， 50 年前才变成机器，现在叫智能机器，以后的 IT 有三个层次的含义。昨天马云先生说叫 DT ，这个人是创造奇迹的人，所以我也祝愿他 DT 成功。我说这个话有两个含义，一个是科学依据，大家别忘了 1936 年这就是 Church 跟图灵两个人，当时提出 Church 、图灵，所有合理的竞赛都可以用图灵完成。这个想法给了他灵感，图灵在对面小的房间，计算机原型出来，从那之后才有了计算机产业。我觉得这次 AlphaGo 可以用来技术上解决问题，这就可以走向智能时代。

　　有一点我想强调一下，德日进说生命就是复杂化的物质，深度网络里面有上亿参数就给了我们智能因素和物理因素。但就因为说不清楚会产生智能。这就是开了一个头。今天早上谈边界划分，我觉得在智能世界根本就没有边界的概念，大家要把不确定性、多样性和复杂性就当作常规，谁要能把这些东西转化成你自己的敏捷性，向问题聚焦，我觉得谁就赢得了未来。这是我一直鼓吹的，将来的智能一定平行智能，每个企业都要下围棋，你要把企业变成软件企业，你要不下围棋，你就是大刀、长毛，你不倒闭天理难容。

　　主持人 我估计很多人似懂非懂，我听了好几遍也是似懂非懂。开复先生也是这个领域的专业人士，他在AlphaGo 前后都发表了不少感想，而且他昨天说专门回硅谷，特别是回到谷歌了解了不少细节。所以想请开复先生给我们讲讲。能不能讲感想之前尽量用大家懂的语言讲一下深度学习和纵向学习的基本概念，给大家做一些科普。

　　李开复：其实就像王教授所说，人工智能已经存在很多年了，60 年了，甚至这次深度学习所基于的神经网络也已经存在了五六十年了，而这个领域是跌宕起伏的，一阵子很热，然后又一下子没有很蓬勃的样子，然后又一阵子很热。我们作为从业者是比较乐观的，这次 AlphaGo 里面使用的技术是基于特殊的神经网络，过去神经网络，如果机器学习，你给他看很多样本，告诉它这是什么，比如给它看猫，它就学会了猫是什么，给它听很多声音就知道 ABCD 是怎么念的。其实围棋就是给它看了很多棋谱，然后告诉它这个赢了，这个输了，在这个学习过程中它从千万级别的与高手对弈提升到一定的层次。在这个基础上，它又做了两个核心，一个是特殊的神经网络，围棋里面有很多特征，我也不知道这些特征是什么，给它一些方法学习这些特征，而这些特征我们看到 AlphaGo 的表现，它下得很多棋路是人的高手看不懂的，它在挖掘围棋真理，已经超越了人类，至少跟人类不一样的，这是它自我学习的功能。

　　第二个是它的自我学习，它把高手的棋路学了以后怎么再上一层楼呢？就是两个AlphaGo ， A 和 B 下， A 赢了照 A 的路子走， B 赢了照 B 的路子走，进行很多的排列组合。第三个是强大的运算能力。先跟高手学，再跟自己学，再用非常大的机器运算量不断地学，而且它有 200 个 CPU ，一天 24 小时学习，所以我们人类再聪明也不如它勤奋。

　　我觉得AlphaGo 肯定是巨大的成功，因为它是里程碑的事件，包括我个人在内都认为围棋至少需要五年的时间才能跟人类的高手交锋，因为我们推算一下国际象棋是 20 年前做的 10 的 50 多次方，围棋是 10 的 170 多次方，计算的次数大概需要 30 年。结果超越了我们的想象，所以它让很多人乐观地说 AlphaGo 里面的技术跟着人学习也好，自我学习也好，是不是可以用到别的领域。我觉得这是它达到的非常巨大的效应，让我们更多人觉得原来这个速度比我们想象得还要快，所以我们是不是可以用它来做很多其他的领域，比如说帮着律师看，帮着医生做判断，判断股票的走势，这些都会比我们想象得走得更快，这是很大的成就。

　　另外澄清一下，这些技术是十年前就有的，到底伟大在什么地方呢？这次我去谷歌也和谷歌的CEO 和专家交流了一些，简单地讲，我觉得今天人工智能，如果你具有三个条件就可以深度地进入很多人类过去感觉不太能解决的问题，而且提供巨大的商业价值，这三个是什么呢？第一个是要有巨大的数据量，最好还是能自我迭代的，他们有数据就可以学习，我们在座的还没有。第二个要有非常巨大的计算量，谷歌的一大秘密是他的技术比全世界任何一个公司都多，他的巨大的计算量又是巨大的优势。第三个技术讲得这么伟大，实际上要平台化，网上公开的还是与谷歌相差的相当远。谷歌投入了 15 个世界顶尖的深度学习的专家，把 15 个人投进去两年。这些基本上可以在任何可理解的领域里达到他的贡献。

　　所以我们从投资人和创新创业的角度看，我觉得一方面对AI 的发展我对未来十年特别乐观，会改变每一个产业，而且 50% 的工作都会被 AI 取代掉。但是前两年的观点我还是认为还是只能在比较小的领域，因为平台的形成是要时间的，不像过去安卓、 hadoop 是有很多基础的，这还是需要时间。我认为这个技术两年比较保守，但是十年特别巨大有颠覆性的基矗

　　最后讲一下谷歌做的事情，谷歌经过做搜索、广告提炼出了一个大脑，这个大脑用在基因检测、医学就会形成新的公司，所以就是用这个大脑做比喻，也有做投资、无人驾驶、语音识别都可以用上。所以国内的科技发展还是需要看哪些公司能够有数据、计算量和深度学习的科学家进打造更多的大脑工程，无论是大公司来做，还是创业公司来做，这都是有必要的。

　　主持人 包括华尔街用大数据和一些过去老的分析方法已经很久了，所以金融领域应该是人工智能非常重要的一个应用。所以我想请小加讲一讲在这方面有什么样的技术，另外这方面新的人工智能可能对这个领域产生什么样的影响？刚才听了两位专家讲以后。

　　李小加：我希望讲两个，一个是物理上的互联网怎么改变金融，另外一个是化学上的。从智慧型的深度学习来讲改变金融，无论是物理的还是化学的，互联网改变金融，我希望这个观点大家把它打破，金融应该是互联网最后一个才有可能颠覆的行业，这个行业的特殊性使得它极其不容易被互联网技术完全颠覆。你刚才讲的深度学习，我们先不讲国内，首先讲到的概念，在金融里面叫程序化交易，有的人叫高频交易，高频交易是通过计算机的深度学习来判断市场，把市场里面的所有信息集中在一起然后进行交易。这个交易主要体现在高频上，就是在速度上。咱们先说美国，最近中国已经遇到了巨大的挑战，没有在中国开始就已经基本上暂时结束了。到底高频交易是什么？高频交易本身就是速度，速度为什么在国外这么重要呢？在美国有50 几个交易所，在我们这里只有 2 个交易所。当有 50 几个交易所，有大量不同信息的时候，只要价格有微小区别的时候，就能够通过高频交易找平了，这提供了巨大的流量，但找平不存在价值，所以在美国也具有争议的高频交易。今天拿到中国来几乎变了去年股灾的重要元凶之一，这个大家一定要有充分的认识。高频交易本身就像汽车一样，它就是一种交易手段，非常快。高频交易从两百年前就开始了，从拿坡仑打了败仗以后，很多快马就像伦敦奔跑，把拿坡仑失败的消息告诉金融市常这时候是用信鸽的形式，把信息绑到鸽子的腿上，结果鸽子新到了伦敦。当你有电话的时候肯定比跑得更快，当有电脑的时候肯定比电话快，当有电脑的时候肯定有比电脑更快的东西。真正的高频交易的问题不是速度本身，不是技术本身，不是学习本身，而是作为一个工具干什么。因为什么工具都可以干坏事，咱们中国的资本市场之所以把高频交易放在非常负面的情况就是去年的股灾造成的。但是大家一定要知道高频交易什么情况下根本上是不好的，什么时候是没问题的。比如一个农民拉着一车西瓜到市场上卖，如果他去的过程中有可能在路上西瓜的价格发生了重大的变化，到了那是什么就是什么。而交易本身是干什么的呢？如果一个高频交易的人能够在那边知道是多少价格，然后快马奔到路边跟他说不用进城了，你西瓜卖多少，他说昨天 1 块钱，今天能 1.1 元我就很开心了，这个人知道市场上是 1.5 元。这是好的高频交易。什么是坏的高频交易呢？这个人骑着马挡着这个老乡说别进城了，市场已经到 9 毛钱了，我 1.1 块钱买进来。这就变成了高频交易的邪恶，高频交易违反了基本的诚信。如果高频交易本身就是比你快，你也不在乎，你本来也到不了那个地方，这是没有问题的。可是今天的高频交易在中国的资本市场上，这样的 IT 的深度学习在资本市场的应用还没有开始就已经倒下了。至于倒下以后还能不能再站起来就要看相关的市场智慧和市场本身的变化。因为中国市场 80% 大家都骑着自行车，那这个市场要想发展，必须要大家都开车。可是你不可能在大家都开车的情况下，有可能市场混乱撞死人，现在汽车不允许做，那就大家都是自行车市场慢慢往前走吧。

　　主持人 王飞跃教授曾经试图用人工智能来协助他进行炒股方面的工作，深度学习再发展下去的话，如果不用电脑的话，还炒股吗？

　　王飞跃：在中国我已经没有炒了，刚才李先生讲的，我不认为做人工智能深度学习一定要靠互联网，这是我个人的看法，我觉得以后你只要给一个模型，有足够多的参数，你用有效的方法调它就能产生智能。这就是我为什么说围棋打败围棋，AlphaGo 只是开了一个头而已，将来不见得就是深度学习这个方法。我不认为要靠深度学习专家，要靠多参数。 90 年代算一遍一个星期，让我的学生觉得这个方法没效。我觉得这就是我认为还有跟深度学习不一样的方法，智能并不复杂，你只要有一个方法来调整就完全可以。这个东西是跟金融非常相关的，这不是信息完全对称的。前两天 1992 年找我炒股的朋友，这两年在香港炒得蛮疯的，就是拿当年的方法，现在想回国内来炒，我觉得这个事情有钱人可以做，小股民就不要做了。

　　李开复：我补充一点跟炒股有关的消息，在美国智能交易出来之后交易员从10 万掉到 5 万，智能交易会取代人的工作。过去一年我就没有再买过人管理的基金，我过去一年的投资都是机器人帮我管。

　　王飞跃：我觉得这是知识自动化的方向，为什么软件机器人或知识机器人是未来的保障，AlphaGo 也是软件机器人，以前我们靠工业自动化发展到了今天，下一阶段就是知识自动化。我去年去美国就发现大家都往自动交易上面上。

　　主持人 你每天跟机器人打仗可能都不知道，你在炒股的时候，他们都用机器人跟你打，所以世界的变化是非常快的。下一个领域是IOT ，就是我们平时说的物联网，海尔最近也发布了智能平台，还跟微软签订合作协议，引入了很多人工智能的技术，跨越了传统的智能家电、智能家居这些理念。我想请赵峰总谈谈人工智能对于家电制造业和未来家庭的影响。

　　赵峰：我想在座的除了炒股之外，还有其他方面的需求。家庭是大家每天花时间最多的地方，大家对家电的智能化期望很高。家电什么时候能变成智能化的？现在的状态不是很理想，为什么？用户的期望非常高，觉得家电应该像其他的设备一样。但是在市场上看到的产品功能比较单一，操作有些很复杂。现在很多还不是联在一起的，比如智能冰箱，真正对用户有作用的是现在冰箱上是有屏的，这个交互是管理里面的食物，告诉你什么时候需要再去购买一些，什么东西快过期了，把这些服务联在一起。但现在很多产品还没有达到这个。另外这次会议的主题共享，在共享经济下，大家说的是生态，海尔在转型实际上就是从硬件生产供应到以后的服务。在生态圈里面，特别是智能家居，大家都在摸索生态圈是怎样的，这样生态圈才能兴旺。这个行业一直在探索从产品的智能化、产品的联动，还有商业模式。

　　在家庭当中大家的需求确实是刚需，这不是一个伪需求。而且有些习惯是可以培养的，包括大家现在的很多习惯也是有了智能手机才形成的。在智能家居也一样。关键的是丁健问的人工智能技术会对我们带来什么影响。第一个是现在的交互比较单一，最多拿一下手机看一下你的设备，控制。我觉得接下来的智能家居交互入口应该是全场景的、分布式的，无处不在。你在哪个地方，最接近的一个屏或交互入口就自然可以交互，包括图像、语音、语义理解、手势和人脸等，现在单个技术能够用起来，但是全场景集成是整个生态落地。近期比较主要的就是把交互整合在一起，使得整个家庭是无处不在的，背后是智能管家的概念。

　　第二个是商业生态圈模式的落地，在家庭当中不只是食物，还有跟洗护有关的，还有空气净化等。就拿食物来说，对海尔来说，我们的硬件不只是给用户提供硬件上的服务，更多的是这些硬件能够联在一起形成一个场景的体验。用户最重要的是会问这些东西能给我带来什么，他的需求是多样的，所以你需要引入各种各样的内容和服务。我刚才说在冰箱，很多就是跟菜品有关的，大家在做东西的时候你需要有一个非常便捷的方式投影到墙壁上说这个菜怎么做，或者用语音的方式问。另外一个是各种各样的服务，我刚才在上面吃饭的时候有一位先生说做跟食材有关的，在国内物流非常便捷，在中国你下班的时候如果觉得家里缺什么，你点购买，半小时以后快递就会送到你家。像这种便捷的方式，资源方和需求方聚合在一起，通过平台的方式直接在里面产生对接，这是智能家电要做的。智能家电最终还是要把各方，包括家电行业，新兴的互联网硬件供应商、软件供应商，还有互联网，大家都联接到一起。IOT 的难度在哪？下面所有的家电要能够互联互通，但现在这个行业的问题是大家都有自己的协议，自己的网络标准，数据的格式也不一样。我想接下来有几种可能，一种是封闭式的体系，像苹果的体系。我觉得开放的平台会更快地把资源整合起来，各个厂商的硬件和服务都能够互联互通，不光是设备之间的通讯互联，还有另外一个是互通共享。一个是 IOT 互通互联的技术，还有人工智能多场景、多入口、分布式的交互。另外是后面沉淀的大量用户数据和用户行为的分析，怎么把它变成为用户提供更好的服务。海尔这几年一直想把这些技术整合起来，能够给用户提供这些服务的话，他能想到的给他提供，他想不到的推荐给他，就是智慧管家的概念。

　　主持人 这两天我看到俄国推出了智能厨房，据说可以做2000 多种菜，这是家电领域很好的发展。下一个领域我们也讲讲互联网，因为中国的医疗行业，前面移动医疗 O2O 火了一段时间，现在仍然是很热门的一个话题，但好像进展比较慢。最近一些医院开始要求医生必须切断和所有移动医疗公司的关系，看上去好像在某些方面还有倒退。王杉院长曾经在网上流传一个著名的和互联网医疗公司的，在一个论坛里面进行激烈的辩论，就讲为什么移动互联网在中国有很大的问题，我们今天可以听听他的想法。当然我很希望他另外讲的，这个只是一带而过，更想听的是在未来的医院里面，在王院长的脑海中未来的智慧医院应该是怎样的？

　　王杉：谢谢，刚才小加讲金融业是最后一个被互联网颠覆的行业，我说医疗是坚持到最后不被颠覆的一个行业。为什么这样讲呢？上午我已经讲到我的梦想就是共产主义，那时候按需分配，那时候我估计病还不会没有。在整个会议期间我也听到谁不愿意成为传统产业，我非常自豪地讲我很愿意成为传统产业，自人类产生以后就存在，而且具有活力，而且有非常强的生命力，这是我的第一个观点。第二个谈到医疗，其实看病主要是讲医生，未来的医生和外科医生到底是怎样的？毛主席曾经有一个非常著名的文章《纪念白求恩》，白求恩是我们这个行业里面的榜样，他也是外科大夫。今天上午张教授讲到50 年以后连外科机器人都可以有了，未来的外科机器人是怎样的？就是毫不利己、专门利人，对技术精益求精，而且是一个高尚的人，一个纯粹的人，一个有道德的人。虽然在我有生之年是否看得到另说，这次的会议真的让我学习了很多。我是梦想家，也一直在作梦。

　　再讲到未来的医院或者未来的医疗保障系统是怎样的，对于疾病发生、发展及转危，得癌症是怎么得的，为什么得同样的胃癌，那个就发展得快，寿命短，这个就长命？我想无论是现在的大数据、云计算，现在又讲认识计算等一系列一定会对疾病的发生、发展，预先它的规律产生重要的作用。这两天我不断在学习，我们老问王飞跃教授人工智能的算法是什么。其实今天上午的讨论跟我的想法很类似，现在讲到的深度学习，这个是不是要发现疾病规律的唯一正确的方法，我是表示怀疑的。是否是一定要经过大数据呢？其实大家谁都知道，一个资深的老大夫他需要从症状一二三，体征一二三，依据一二三分析下来再做诊断。大家听说过悬丝把脉，其实见到个体的病人已经能总结出来就是什么病症。我们从技术的角度是不是一定要经过大数据，那么复杂的技术方法花那么长的时间和努力，最后实现诊断和治疗呢？我这里只是提出疑问，但确确实实在这方面大家都听说过个体化治疗，就是你这个人得了什么病，然后根据你的基因组学、蛋白学、代谢学等，你就最适合用哪个疗法。听上去非常美好，但是到现在为止有多少真正的研究是用这个思维方法最后找出规律呢？不见得。

　　主持人 打断一下，现在深度学习这边，关于精准治疗和深度学习的结合是现在很热的问题，我动议你的观点现在这点还没有真正体现出来。

　　王杉：第二个对医疗模式一定会产生影响。将来就有可能相当一部分病人就是在自然的状态下进行数据的采集、诊断分析和干预，什么叫自然状态？就是他在工作、生活、学习的状态下进行采集。我想可能大家也许在家里就有这么一个智能的系统，也许不是我们看上去那么丑陋的一个东西，但是它可以根据你的不适给你进行调整，告诉你应该去哪个医疗机构找谁，甚至把车也给你安排好去了医院。去了医院，我认为一定是这样的，进了医院以后，可能见的不是今天看上去很漂亮的接待护士，就那么一套系统把你预先采集的跟诊断、治疗相关的数据，然后把你转给医生，医生坐诊是真人。

　　主持人 叫机器人接诊。

　　王杉：机器人已经可以做到跟人的反应速度一样，将来不仅仅是做手术，甚至在一些隐私的操作比如导尿就不是真人了。这里面会有一系列的改变医疗的模式。最后一句话信息是要解决问题的，我一直说信息的建设和利用是需求为导向的，解决一线难题为目的。真正成功的都是他了解医生诊疗的需求是什么，帮助他解决了，这才是可持续发展的将来的IT 应用。希望 IT 团队深入地跟各个行业的专家共同来开发，谢谢。

　　主持人 我想大家可能跟我一样，有很多问题来不及问，但今天我们时间有限，最后给嘉宾提一个问题，一位专家预计未来30 年以后人工智能将全面超越人类的智能，就是基点，我想让每一个在座的嘉宾就给我一个数字，你们脑海中这个基点大概要多久？我们以后每年问有什么样的变化。

　　王飞跃：如果你相信科学的话是220 亿年，所以要实现要 220 亿年的时间。

　　李开复：我觉得这是拍脑袋猜测出来的，今天AlphaGo 再厉害也是我们人类的奴隶，他厉害的是能够复制出 1000 个奴隶帮我们干活。现在的机器没有丝毫能力，不知道做什么，没有感情，没有喜怒哀乐，这是什么时候都教不会的。

　　王飞跃：是人的奴隶，但是有更多的人去伺候这个努力，所以不会失业，会创造更多的就业岗位。

　　赵峰：我想大家要问的是怎么定义机器什么时候超过人脑，在一个比较窄的领域当中，我觉得机器和人的距离越来越短，但真正要取代人的很多能力的话，我觉得至少要50 年，这 50 年怎么定义？它可以取代人现在做的 80% 左右的工作。但是真正人的能力，我觉得机器花很长时间，比如我们人有能力忘掉东西，但是机器有没有这个办法把它不需要的东西忘掉，我觉得这是要改善的。

　　王杉：我的观点是从医学的角度讲，机器要想超越某个个体那是一定能实现的，而且比这个时间还快。但是机器要超过人类，我想是现在不可能完成的任务，对于医学的东西要想替代，我觉得不可能。