5月26日，第十九屆中國軟博會(huì )系列活動(dòng)之上海專(zhuān)場(chǎng)--由上海市軟件協(xié)會(huì )、小i機器人聯(lián)合主辦的小i機器人“中國最強大腦”云智能平臺發(fā)布及產(chǎn)業(yè)合作論壇在上海舉行。作為發(fā)布會(huì )的壓軸，全球知名IT研究及分析公司Gartner研究院院士，研究副總裁，智能機器人領(lǐng)域全球領(lǐng)銜分析師Tom Austin，在活動(dòng)上做全球智能機器人發(fā)展現狀及趨勢分析報告。
圖：Gartner研究院院士，研究副總裁，智能機器人領(lǐng)域全球領(lǐng)銜分析師Tom Austin
成立于1979年的Gartner是全球最具權威的IT研究與顧問(wèn)咨詢(xún)公司，在全球的IT產(chǎn)業(yè)中，Gartner公司以其公認的權威性和擁有超過(guò)11，000客戶(hù)機構而獨占鰲頭。
Gartner對全球IT前沿科技企業(yè)都有著(zhù)敏銳的洞察，因此，小i機器人作為虛擬客戶(hù)助手領(lǐng)域的代表性企業(yè)，一直受到Gartner的關(guān)注和推崇，在其2011、2013、2014的年度報告中多次向企業(yè)推薦小i機器人及其服務(wù)，在全面了解小i機器人的技術(shù)后，Gartner公司發(fā)出了“小i機器人在全渠道多媒體智能交互、智能知識庫以及智能大數據等綜合應用的解決方案上，走在了全球前列”的贊嘆。
以下為演講實(shí)錄：
Tom Austin：非常感謝，我非常榮幸能夠來(lái)到這里，我很榮幸來(lái)到中國，每次我聽(tīng)到小i的故事我都會(huì )知道他們在做什么，但是我今天其實(shí)不是介紹小i的，我今天是來(lái)介紹智能機器人的，比如Gartner對智能機器有什么觀(guān)點(diǎn)。
我想從2022年開(kāi)始講，比如你早上從辦公樓里走出來(lái)有一個(gè)自動(dòng)駕駛的汽車(chē)在路邊等待你，你之前并沒(méi)有預定這輛車(chē)，但是你的虛擬個(gè)人助理看了你一天的安排之后，覺(jué)得你可能會(huì )提前半個(gè)小時(shí)完成這個(gè)會(huì )議，因為你的這個(gè)個(gè)人助理根據你過(guò)去的記錄猜測是不是會(huì )提早結束這個(gè)會(huì )議，就幫你預定了智能汽車(chē)，在這個(gè)擋風(fēng)玻璃里面看到你個(gè)人助理寫(xiě)上里你將要講的內容，這個(gè)會(huì )上其他人會(huì )講什么東西，哪些東西你可能會(huì )同意，助理也會(huì )建議你說(shuō)一些內容，所以這個(gè)是一個(gè)圖象，這個(gè)是虛擬個(gè)人助理關(guān)注到你之前的做法，在你的允許之下會(huì )學(xué)習你過(guò)去的做法。
缺點(diǎn)是什么呢？這是一個(gè)標準化的汽車(chē)，在美國已經(jīng)有了標準化的汽車(chē)，在美國使用4%的時(shí)間坐在里面，這個(gè)車(chē)是停在旁邊的，當無(wú)人駕駛的汽車(chē)非常受歡迎的時(shí)候，比如Uber公司提供這樣的汽車(chē)，整個(gè)供應鏈就會(huì )被擾亂。
比如我們停車(chē)的幾率從4%到6%，我們融資的方法就會(huì )完全改變，銀行借錢(qián)給客戶(hù)買(mǎi)車(chē)的方法也會(huì )完全改變。我們的醫藥中心可能會(huì )看到之前會(huì )有一些人因為車(chē)禍治療，現在的呢在有了這種智能駕駛汽車(chē)之后，汽車(chē)事故的可能性會(huì )大大降低，整個(gè)世界都會(huì )因此改變，僅僅是因為我們有了智能的汽車(chē)，如果你沒(méi)有預想到這種結果，可能會(huì )受到傷害，這是2022年的情景。
我也想花點(diǎn)時(shí)間介紹一下什么是智能機器人。（播放視頻）這是一個(gè)電影的片斷，是1987年，由蘋(píng)果公司他們拍的一個(gè)短片，展示蘋(píng)果在未來(lái)的愿景，相信在2017年或者2018年的時(shí)候可能會(huì )發(fā)生這樣的狀況，蘋(píng)果花了30年的時(shí)間，在90年代的時(shí)候，蘋(píng)果發(fā)布了喬布斯發(fā)布了一個(gè)手寫(xiě)板的項目，叫做牛頓，這個(gè)項目在喬布斯階段被取消了，但是并沒(méi)有忘記這樣一個(gè)遠見(jiàn)。如果大家可以翻墻到YouTube上可以看一下完整的影片，這個(gè)是演講是在我在美國的用的講義，所以提到了YouTube。
我們再看一下Eric這是2013年的例子，不是科幻小說(shuō)，是它做的研究（播放視頻），我們在這個(gè)短片當中看到的是在電腦這個(gè)電腦是一個(gè)電視的屏幕，上面一個(gè)虛擬的人，它認出了Eric博士，為Eric提供了信息，我們下一頁(yè)我們會(huì )看到是一個(gè)女士，她也走到了同樣的電腦之前，我們展現的視野是電腦的視野，我們看一下電腦看到了什么，而不是這位女士所看到的。（播放視頻）。我們在這里邊看到的，是真實(shí)的情況，首先電腦會(huì )聚焦在她的臉部識別了她的身份，旁邊顯示的是她的名字，這個(gè)女士根本不知道是什么情況，她一開(kāi)始在往屏幕后面看，是不是看有人在搞怪，這個(gè)就是微軟兩年前做的人工智能的研究，如果大家可以翻墻到YouTube也可以看到完整的短片。
這里我想給智能機器人做一個(gè)定義，這里面都是正確的，但是如果你是一個(gè)編程師的話(huà)，或者是一個(gè)分析師，你知道你要做什么，那你編程的規矩每一步都寫(xiě)好了，所有東西都在你腦子里面，計算機做的事情就是按照你的編程一步一步執行命令，如果是智能機器人的話(huà)，他會(huì )通過(guò)大數據自己做決定，不需要別人進(jìn)行編程，所以智能機器人人做的事情就是他們可以自己做出決定，并不是計算機按照編程來(lái)看要做什么，總共有7步，這里面涉及大量的數據，首先按照概率進(jìn)行預計，像剛剛我們看到的短片，在進(jìn)行一個(gè)概率的判斷，比如說(shuō)無(wú)人駕駛的車(chē)在路上駕駛的時(shí)候，如果前面有一輛卡車(chē)開(kāi)出來(lái)，這個(gè)時(shí)候無(wú)人駕駛車(chē)輛要立馬做一個(gè)決定，10微妙之后，它不需要做確認，卡車(chē)是不是走了其它的路或者怎么樣，所以下一步就是主動(dòng)的學(xué)習，它會(huì )自己回顧做的決定是不是正確，會(huì )自動(dòng)的做決定采取行為，它會(huì )理解。而且它們進(jìn)行一個(gè)反應，汽車(chē)里面的計算機，不會(huì )幫你騎自行車(chē)，不會(huì )幫你買(mǎi)機票，它做的事情非常窄的領(lǐng)域，它在窄的領(lǐng)域里面做的事情是非常精準的，這個(gè)就是人工智能在未來(lái)可以做的事情，我們覺(jué)得這個(gè)可能還有大概十年的道路要走，所來(lái)未來(lái)的人工智能共專(zhuān)著(zhù)在非常精準的領(lǐng)域里面做的非常好。
我們再看人工智能，我這里主要介紹科學(xué)，為什么是科學(xué)？因為很多的科學(xué)家他們都是IT人士，他們不愿意冒險，他們只愿意研究成熟的技術(shù)，或者互相重復做同樣的事情，研究同樣的技術(shù)，但是人工智能不會(huì )等待，不管你在市場(chǎng)的什么的領(lǐng)域，人工智能必須走在技術(shù)和潮流的前端，比如說(shuō)剛剛提到的在銀行使用人工智能機器人，所以在行業(yè)里要找新的技術(shù)，如果要落后的話(huà)，要花很多精力追趕新的技術(shù)。
我們看一個(gè)新的大爆炸，這個(gè)還沒(méi)有發(fā)生，現在屏幕看到的是小的點(diǎn)，在宇宙的這個(gè)大爆炸是花了130多億年，從黑暗時(shí)間，這些物質(zhì)快速的擴散，能源大量的釋放，這個(gè)就是宇宙的大爆炸從一個(gè)點(diǎn)開(kāi)始的。我們的預計，這是我們在今天會(huì )預計在2020年的時(shí)候會(huì )發(fā)生大爆炸，會(huì )有新的硬件，新的算法，和大數據的爆發(fā)，這三者結合在一起會(huì )造成大爆炸。
那從硬件的角度來(lái)看，我要先說(shuō)一下軟件，也就是深入學(xué)習或者深層的神經(jīng)網(wǎng)絡(luò )，等一下會(huì )給大家看一些照片，看一下計算機如何進(jìn)行學(xué)習的。這些是基礎數據的分析，大量數據的分析，有各種不同的可能的這些連接，神經(jīng)元之間的連接。我們看到的是在2007年的時(shí)候，一個(gè)高端的英特爾的CPU可以處理百萬(wàn)級別的連接，到2008年的時(shí)候 有了GPU，并不是傳統的CPU，工作量可以達到10倍以上在同樣的時(shí)間段里面，再往后走到2011年早期來(lái)自谷歌的數據，比2007年的時(shí)候處理量達到1000倍，還有其它數據到2015年的時(shí)候，除了的量達到了2007年的10萬(wàn)倍。這個(gè)只是通過(guò)一個(gè)GPU，GPU作為新的硬件，它的性能要比2007年CPU性能高出了10萬(wàn)倍。
這個(gè)就是Nvidia的例子，這是全世界最熱門(mén)的GPU，這個(gè)是用在商業(yè)用途上的，當然軍事用途上還有處理速度最快的GPU，大屏幕戰士的是商業(yè)用途上最快的GPU，可以同時(shí)支持20個(gè)攝像頭，應用在汽車(chē)上面，汽車(chē)可以在每小時(shí)45公里速度進(jìn)行運行，這個(gè)是硬件方面。
在剩下的10年我們還會(huì )提升100倍性能嗎？大家可能會(huì )問(wèn)這樣的問(wèn)題，這個(gè)我們要看一下在這個(gè)領(lǐng)域里面我們有什么樣的工作可以做。往下走，剛才談到了硬件，硬件的應能大幅度提高，再看一下軟件，就是深入的神經(jīng)網(wǎng)絡(luò )和深入的學(xué)習，我會(huì )看一下細節是怎么做的，深入學(xué)習在GPU上面是非常重要的軟件還有自然語(yǔ)言處理，我們現在也在研究如果把深入的神經(jīng)應用在語(yǔ)言處理方面，硬件的性能通過(guò)軟件強化了提升，在未來(lái)提升自然語(yǔ)言處理的性能。
這個(gè)是在2012年的時(shí)候，開(kāi)始的這個(gè)柱狀圖里面大家可以看到，這是圖象識別的錯誤率，我們從2006年劃，大家可以看到錯誤率是30%到50%的錯誤率，但是到2012年的時(shí)候，多倫多大學(xué)的一些專(zhuān)家他們使用了這種深入神經(jīng)網(wǎng)絡(luò )的模型，這個(gè)并不是非常新的技術(shù)，1987年就開(kāi)始應用，他們把新的技術(shù)應用在新的硬件里面，我們看到圖片識別的錯誤率大幅度下降，從30%降到17%，到2013年很多人在使用這個(gè)技術(shù)，人類(lèi)的錯誤率是5%，所以2014年在12月第一周發(fā)布了這個(gè)數據，在12月的最后一個(gè)星期的時(shí)候，百度他們發(fā)布了錯誤率數據比2014年初發(fā)布的數據要好。微軟又發(fā)布了獨立的論文，他們打敗了百度的錯誤率，4個(gè)星期之后谷歌發(fā)布了新的數據比微軟的還要好，在一個(gè)星期之前，在今年百度又發(fā)布了新的數據，數據比之前的數據又好，大概才3%左右。所以我們現在要找到一個(gè)模式，這只是在硬件方面取得的成就。
在今年最后一個(gè)季度和明年第一季度的時(shí)候我們發(fā)布的新的硬件在處理能力方面要比剛剛GPU性能好出很多倍，所以大爆炸發(fā)生在2012年的時(shí)期，通過(guò)新的硬件和新的軟件算法之間的融合形成了大爆炸的起點(diǎn)。
這個(gè)是臉部配對識別的錯誤率進(jìn)展也是非常好的，人類(lèi)的錯誤率標準水平，人類(lèi)的錯誤率是在這里，香港城市大學(xué)打敗打敗了人類(lèi)的識別水平，谷歌又打敗了城市大學(xué)的。我們看到這一領(lǐng)域看到了很多競爭。
這一頁(yè)是提到的研究結果，這個(gè)是它所取得的大幅度的成就，在噪音非常大的語(yǔ)音環(huán)境之下所取得的錯誤率，大量的進(jìn)展。在兩個(gè)基本方面改變了這種語(yǔ)音到文字的錯誤率，錯誤率已經(jīng)快速的降到了5%左右，在大幅度的進(jìn)展和進(jìn)步，這里我引用了電影《銀河系漫游指南》它描述了未來(lái)的裝置放在我們耳朵里面，會(huì )傾聽(tīng)，然后它會(huì )在鼓膜里面振動(dòng)對你說(shuō)話(huà)，這并不是科幻，在兩年之前，Rick是來(lái)自微軟的首席研究官，它做了英文的演講，他的機器實(shí)時(shí)的進(jìn)行了同聲傳譯，他講的英文報告傳譯成了中文，當時(shí)這個(gè)效果測試并不是完美的，但是它為我們未來(lái)展現了一個(gè)途徑，未來(lái)的性能和精準度會(huì )逐步提高。
人們可能會(huì )問(wèn)說(shuō)，這個(gè)圖象識別效果看起來(lái)還是不錯的，但是計算機沒(méi)有做圖象的描述，我們看到在2014年斯坦福大學(xué)發(fā)布了這樣的論文，在論文里面他們做的事情就是計算機來(lái)進(jìn)行圖象的描述，比如說(shuō)計算機看到這個(gè)圖片之后對圖片進(jìn)行描述，狗跳起來(lái)接非盤(pán)，計算機對圖片進(jìn)行了區分，畫(huà)出了兩個(gè)方框，這是計算機進(jìn)行圖片識別的時(shí)候，進(jìn)行的人的描述，這個(gè)技術(shù)也不是非常完美和成熟。
然后這里它上面寫(xiě)的是有一群人在露天市場(chǎng)進(jìn)行購物，有很多蔬菜，這兩個(gè)描述并不是完美的，并沒(méi)有一群人，只是幾個(gè)人，情景描述并不是完美的，下面這句話(huà)是在水果攤上有很多蔬菜，其實(shí)應該是水果攤上有很多水果，蔬菜攤上有很多蔬菜，所以它就錯亂了。在第一圖當中如果他們描述的是錯誤的話(huà)，接下來(lái)找出來(lái)的圖片可能是完全不相關(guān)的，在這里我想講5分鐘關(guān)于我們很早的時(shí)候做的研究，因為這種研究對我們來(lái)理解什么是深層次的學(xué)習是非常重要的。
比如說(shuō)我們有一個(gè)諾貝爾的醫學(xué)的獲得者在1981年獲獎的，獲獎的論文主要講了在貓科動(dòng)物的紋狀皮層上面，單個(gè)神經(jīng)元的接受欲是怎么樣的，所以我們在這里其實(shí)并不是要講貓科動(dòng)作是什么樣的，其實(shí)在1980年的時(shí)候已經(jīng)有一個(gè)西班牙的神經(jīng)研究者，已經(jīng)可以非常好的來(lái)分析視網(wǎng)膜的結構，我們會(huì )發(fā)現眼睛并不是把圖片發(fā)送到大腦，而是發(fā)送了一些改變的一些線(xiàn)條，這些線(xiàn)條最后會(huì )在我們的視網(wǎng)膜上有一個(gè)圖象的形成，這個(gè)圖就是1980年研究做出的結構圖，告訴視網(wǎng)膜是怎么處理圖象的，這里我們可以看到這樣的模型，我們在貓科動(dòng)物上面看到視頻層，我們看到一些線(xiàn)條的移動(dòng)，一些對比，線(xiàn)條的對比，我們會(huì )進(jìn)行抽象化，有一些細胞分析線(xiàn)條的角度，再看線(xiàn)條的交錯進(jìn)行具體的物體的集中，然后再更加復雜的進(jìn)行一些抽象化的分析，統計學(xué)我們怎么看，每次有一個(gè)刺激，比如說(shuō)你之前從來(lái)沒(méi)有看到過(guò)這樣東西，或者之前從來(lái)沒(méi)有見(jiàn)過(guò)，我必須要有一種描述形容這是什么東西，這個(gè)時(shí)候有很多神經(jīng)元，神經(jīng)元就要進(jìn)行一種抽象化的工作，那這個(gè)圖上面，每次大家看到這個(gè)圖他們會(huì )說(shuō)這個(gè)PPT很恐怖，因為其實(shí)不能從當中獲得有效的信息，這個(gè)圖片是來(lái)自谷歌，谷歌有1000萬(wàn)的圖片從YouTube隨機抽取的，每個(gè)圖片每一貞抽取出來(lái)，最后壓縮到200×200象素的圖片，所個(gè)圖片當中我們有1000萬(wàn)個(gè)YouTube隨即抽取的視頻，我們用了16000個(gè)CPU連續不斷工作了72個(gè)小時(shí)，然后從這些CPU當中進(jìn)行了處理當中我們把這些數據放到了不同的層級的深度學(xué)習的模型當中去，再把它分類(lèi)，把它分類(lèi)到了22000個(gè)不同的神經(jīng)元當中去，我們就發(fā)現有一個(gè)細胞，有一個(gè)神經(jīng)元如果你把這個(gè)貓臉圖片放到神經(jīng)元上面去它們會(huì )有反應，這不是100%的準確，最后發(fā)生了什么，這個(gè)電腦會(huì )使用這種算法測試有沒(méi)有類(lèi)似貓臉的圖片，這個(gè)不是實(shí)際的，而是抽象的，我們也把這個(gè)成果用到了其它研究當中去，我們放很多圖片，然后這些圖片可以讓這些電腦來(lái)進(jìn)行算法，來(lái)看一些哪些圖片跟吃飯相關(guān)的，哪些跟跳舞相關(guān)的，使用這種算法模型我們可以把這些圖片放到不同的類(lèi)別當中去。
這也是一個(gè)非常好的游戲，大家看一下是怎么玩的。這也是一個(gè)深層次，神經(jīng)元的一個(gè)游戲，我們注意到兩件事情，它懂得自己的目標是哪里，目標就是要增長(cháng)分數，然后最下面有一塊平板可以左右移動(dòng)，一開(kāi)始的時(shí)候它完的不是很好，慢慢的經(jīng)過(guò)了學(xué)習過(guò)程越玩越好，現在電腦可以玩的跟我一樣好了，經(jīng)過(guò)多次游戲之后，我們看一下它現在能完成什么程度？通常人都是不能達到這么高的分數因為這是很了不起的事情，剛才有些人講到深度思維，因為谷歌是一個(gè)團隊研發(fā)的深層學(xué)習的模型，他們在網(wǎng)上在2014年夏天的時(shí)候發(fā)布了這篇文章，這就是一個(gè)機器進(jìn)行學(xué)習的例子，這里是一些學(xué)習不同的種類(lèi)，我們可以談到自然元的處理，我們可以用機器學(xué)習做很多事情，可以進(jìn)行語(yǔ)義的分析，可以進(jìn)行語(yǔ)言的翻譯，可以建立知識的圖譜等等等等。
再來(lái)講一下，這種過(guò)程能夠為我們帶來(lái)什么影響，我們講到了大爆炸大數據使一切可以成真，我們只是在革命最開(kāi)始的階段，有了這個(gè)技術(shù)我們將要開(kāi)始偉大的革命，這個(gè)游戲當中我們不能坐在旁邊當一個(gè)觀(guān)看者，因為落后就是失敗。
這是一個(gè)“+”號我們影響力是不斷增長(cháng)的，我們從谷歌開(kāi)始講，2014年8月份，在紐約知識發(fā)現與數據挖掘平臺發(fā)布的文章，這個(gè)文章當中講了什么呢？他們使用了一種算法，他們做了30種不同的知識圖譜，并且把這30種知識圖譜合并起來(lái)，他們希望通過(guò)網(wǎng)絡(luò )來(lái)做一個(gè)處理，他們有一個(gè)非常大的項目，非常勇敢的項目，因為他們不想再做搜索了，他們想用其它的方式來(lái)代替搜索，我就問(wèn)問(wèn)題，在用戶(hù)問(wèn)問(wèn)題之前這個(gè)機器就知道他要提什么問(wèn)題了，并且把答案準備好了，你就完全不用做搜索這個(gè)動(dòng)作了，這個(gè)就是他們要做的，所以他們結合了很多知識圖譜，他們如果能夠達到20%準確率就非常開(kāi)心了，最后他們搜集了16億事件，有2.7億事件有90%的可信性。
這張圖也可以幫助我們從非常高的層次理解知識圖譜，什么是自然元的處理，首先我再講一下谷歌，這邊圖上面我們可以看到權力的曲線(xiàn)，左邊我們可以看到很大的百分比的問(wèn)題，可能是你問(wèn)谷歌的，那么還有一部分是來(lái)自我們的一到的一些問(wèn)題，在這里在右邊我們可以進(jìn)行培訓根據規定進(jìn)行培訓，有些是經(jīng)過(guò)監督的，有些是沒(méi)有經(jīng)過(guò)監督的，當然你一開(kāi)始的時(shí)候需要進(jìn)行一定的監督，然后我們可以通過(guò)一個(gè)簡(jiǎn)單的數據庫來(lái)建立自己的一些圖象、圖形。可能這些圖片的并沒(méi)有達到99.9%的準確性，如果能夠80%的準確性就已經(jīng)非常讓人滿(mǎn)意了，所以最左邊的階段是沒(méi)有經(jīng)過(guò)監督的，所以量是非常大。
IBM的Watson跟谷歌不同，他們在紐約的一個(gè)醫院里面進(jìn)行自己的應用，搜集了所有跟肺癌相關(guān)的文獻，并對電腦進(jìn)行了培訓，所以賊這里投入了大量的人力培訓電腦告訴他們怎么治療肺癌，他們做了非常高價(jià)值的轉移，在這個(gè)轉移過(guò)程當中需要非常大的置信區間，需要長(cháng)時(shí)間培訓，每個(gè)加以的價(jià)值是非常高，至少在5、6年如果能夠成功，每個(gè)交易的價(jià)值是非常高。谷歌要增加交易量，IBM是增加每個(gè)交易的價(jià)值，所以這是兩種完全不同的模式。谷歌是沒(méi)有監督，沒(méi)有人參與的做法，IBM是大量的人參與的做法。這里是一個(gè)例子，這是一個(gè)乳腺癌的讓W(xué)atson提出治療建議，我們可以看到整個(gè)系統在置信區間內工作的，Watson并不是特別確定，在第一個(gè)提議之間置信區間只有32%，人就問(wèn)他你想知道什么信息幫你做出決策，Watson就做出了它需要的信息，在獲得這些信息之后有了更多因素和證據之后，Watson做出了一個(gè)治療的決策，這個(gè)時(shí)候推薦的決策置信區間就達到了95%，它給出了三個(gè)治療方案，第一個(gè)置信區間是最高的。我們分解一下Watson做的分析可以看到哪些分析呢，其實(shí)非常多的分析在同時(shí)進(jìn)行。
這是美國的數據，這個(gè)網(wǎng)站網(wǎng)址已經(jīng)寫(xiě)在左下方了，一個(gè)小的風(fēng)投公司在投資人工智能，有260個(gè)公司是可能選擇的投資的公司，在這個(gè)分析過(guò)程當中我們要做大量的工作，要通過(guò)谷歌或者IBM進(jìn)行分析，除了這張圖片之外我們還有很多其它的公司。
我想說(shuō)什么呢？就是我們當然可以選擇大公司投資，比如IBM的Watson，或者也可以選擇投資一些比較小的公司，比如專(zhuān)業(yè)的公司，比如說(shuō)小i，你可以選擇這些更加細分的公司進(jìn)行投資，他們也有自己的特殊的技術(shù)，所以我們可以簡(jiǎn)單搜索一下，進(jìn)行分析來(lái)看一下自己怎么樣進(jìn)行選擇。
我覺(jué)得不會(huì )找到一個(gè)非常好的答案，這個(gè)是一個(gè)技術(shù)擴散曲線(xiàn)，我們確實(shí)需要一個(gè)階段擴展整個(gè)技術(shù)，比如一開(kāi)始慢慢的增長(cháng)，快速的增長(cháng)到肩膀點(diǎn)這里。再看一下事實(shí)是怎么樣，事實(shí)并沒(méi)有那么簡(jiǎn)單，并沒(méi)有教科書(shū)那么簡(jiǎn)單，在這個(gè)智能機器當中我們有很多不同的技術(shù)，比如說(shuō)自然語(yǔ)言的處理，自然語(yǔ)言處理本身這點(diǎn)也有很多不同的技術(shù)包括在內，這里有一些技術(shù)比如說(shuō)是廣播，從0到80%僅僅花了10年不到時(shí)間。而洗碗機從20世紀40年代開(kāi)始的，但是今天為止滲透率還沒(méi)有超過(guò)70%，它是花了相當長(cháng)的時(shí)間。
在數字業(yè)務(wù)方面我們看到這個(gè)圖上面有不同的描述，之前有一些標簽，但是我把標簽去掉了，因為我想給大家傳遞的信息要關(guān)注粉紅色圈圈里面的階段，要在最開(kāi)始階段行動(dòng)，而不要等到后面下降的階段再行動(dòng)。
這個(gè)圖片是現在在卡車(chē)領(lǐng)域非常好的，澳大利亞的一個(gè)應用。今天如果你問(wèn)我們Gartner認為無(wú)人駕駛會(huì )又怎么樣的未來(lái)，比如無(wú)人駕駛的卡車(chē)會(huì )在什么時(shí)候產(chǎn)生真正的影響，我會(huì )說(shuō)是2020年，力拓（音）是非常好的公司，在進(jìn)行智能數字卡車(chē)的開(kāi)發(fā)，他們開(kāi)始跟另外一個(gè)公司進(jìn)行合作開(kāi)發(fā)，在2012年的時(shí)候他們應用已經(jīng)投產(chǎn)了，現在在他們在整個(gè)項目當中有非常多的無(wú)人駕駛卡車(chē)投入運營(yíng)，通過(guò)無(wú)人駕駛的卡車(chē)每年可以節省1億美元以上，所以他們做的就是在最開(kāi)始的階段，在我給大家看的技術(shù)擴展曲線(xiàn)最開(kāi)始的階段進(jìn)行了行動(dòng)，他們這種先發(fā)優(yōu)勢給他們帶來(lái)非常好的好處。當然這不僅僅是在采礦業(yè)，不僅僅是在汽車(chē)、卡車(chē)，我們有完全一種新的方式，人們可以和技術(shù)共同工作，一起合作，這種要比以前的工作方式更加有效率。
我們在哪里應用這些技術(shù)呢？這個(gè)非常有意思，我們在這里分享它里面背后的邏輯，這個(gè)在美國、英國、德國的西部、日本等大概一共用在20多個(gè)國家發(fā)現了同樣的趨勢，也是經(jīng)濟學(xué)家發(fā)現的，紅色的是常規性的工作，在勞動(dòng)力市場(chǎng)占60%，2015年下降到40%，與此同時(shí)非重復性的工種在上升，在企業(yè)里面如果我們想從人工智能獲得更大的價(jià)值，應該把人力資源放在非重復工種上面。這些非重復性的工種是什么呢？，你在里面找不到規矩，需要人的思考得到答案就是就是非重復的工種。在數字化的工廠(chǎng)里面，在我們公司里面，這個(gè)研究會(huì )在本周和下周進(jìn)行發(fā)布，產(chǎn)品會(huì )有自然的界面。
智能可能會(huì )講人類(lèi)的語(yǔ)言，現在技術(shù)如何適應人的交流方式，而不是訓練人講機器的語(yǔ)言，同時(shí)也非常有幫助，置信度也在提升，這里有很多例子。
對于消費者，例子就是亞馬遜網(wǎng)站上面給用戶(hù)提供建議購買(mǎi)的建議，還有虛擬的助理，我們在機構內部對40多種技術(shù)進(jìn)行追蹤，也包括了小i的機器人，他們未來(lái)會(huì )怎么樣。大家看左邊，這是公司內部會(huì )說(shuō)的，這種語(yǔ)言會(huì )更加的自然，更加的公開(kāi)，甚至有些機器人在未來(lái)有情感，并且主動(dòng)的進(jìn)行幫助，他們可能需要人工的協(xié)助等等。每個(gè)行業(yè)都會(huì )面臨這樣的變革。你們會(huì )問(wèn)我在哪個(gè)領(lǐng)域會(huì )有很大變化，在每個(gè)行業(yè)都會(huì )看到這樣的變化。
我們再一些消極的方面，經(jīng)常有人討論這樣的問(wèn)題，大規模的災難的假說(shuō)，比如圣經(jīng)里面說(shuō)到大型的水災，很多人說(shuō)人工智能或者智能機器人有消極的影響，會(huì )帶來(lái)大規模的失業(yè)，不知道他們是從哪里得到的結論，我們所建立的人工智能，他們會(huì )非常有智慧非常聰明，我們要解決的問(wèn)題就是黃色的部分，如何要解決機器與人之間的問(wèn)題，是用機器完全代替人嗎？我們現在的智能機器人并不是代替人工，而是提升人工，協(xié)助人工讓我們人可以做更高級更高價(jià)值的功能，并不是解雇這些人。我們怎么做呢？我們今天要面臨這樣的問(wèn)題，所以智能機器人可以使他們在工作上面的表現更好。
這個(gè)是兩年前的調查報告，核心就是到2020年的時(shí)候，我們看到人們的工種當中有智能機器人協(xié)助的到2020年是今天的兩倍，他們的職業(yè)會(huì )受到顛覆性的影響，這種技術(shù)會(huì )影響到人們的生活。
接下來(lái)這部分就不細講了，我們到后面，我再講5分鐘，如果大家要走可以先走，我們再花5分鐘時(shí)間把后面講了，這個(gè)是我們所做的幻燈片，我非常喜歡這一頁(yè)，大家要做領(lǐng)先者，不要等待，這是我給大家的信息，大家剛剛看到卡車(chē)的例子他們每年可以節省1億美金，并且最大的采礦公司在模仿他們做一些事情。
我們需要新的工作環(huán)境，就是人類(lèi)和機器人之間的協(xié)調合作，IBM之前的深藍可以跟人一起比賽，下國際象棋，它是怎么做的，它當時(shí)下定決心和決定，它可能會(huì )戰勝人，但是它可以提升象棋選手的能力，這是我們說(shuō)的，要在人與機器人之間達到協(xié)調和互動(dòng)，智能機器人做他們擅長(cháng)的事情，人類(lèi)做人類(lèi)擅長(cháng)的事情，讓大家達到協(xié)調和諧的合作關(guān)系。
我們有很多的代理，大家都可以使用，我們計算出來(lái)將近300多家的公司，他們在小的代理或者虛擬的個(gè)人助理，或者自然語(yǔ)言處理的工作。在德州我們剛剛遇到一個(gè)公司，他們建立了一種技術(shù)，這種技術(shù)可以消化數千頁(yè)文本，給你一個(gè)總結，這個(gè)文本里面的重點(diǎn)，這樣我們就不需要讀數千頁(yè)的文本，機器會(huì )讀，并且壓縮成五頁(yè)。
還有我不知道在這種自定義的移動(dòng)設備在中國是不是很流行，現在在西歐或者北美非常流行的，未來(lái)他們會(huì )帶來(lái)自己的智能機器人，或者自定義的智能機器人并不是使用制造商提供的。這里有三個(gè)關(guān)鍵詞不管是任何形態(tài)的信息技術(shù)，我們要做的是更快、更廉價(jià)、更好，通常是在這兩者里面選二，沒(méi)有辦法完成三個(gè)，我們要做到創(chuàng )新、安全和私密性，只能選其二，不可能三者兼顧，我們必須要進(jìn)行三者的平衡，特別是在工作環(huán)境里面的方法，特別是在銷(xiāo)售團隊。
我們知道微軟在這方面非常領(lǐng)先的，比如說(shuō)我這里有Salesforce還有微軟，兩者要達到平衡，還有現在這種單一的供應商的戰略并不是非常有效的，我們要考慮到多個(gè)供應商之間的平衡。在我們這里并不是一種投機，要非常清楚非常智慧，不僅僅是對資源的管理，同時(shí)要進(jìn)行領(lǐng)導力的提升，同時(shí)我們要進(jìn)行互動(dòng)，參與到這個(gè)業(yè)務(wù)當中，要創(chuàng )造出新的智能機器人，同時(shí)我們要尊重它對人類(lèi)產(chǎn)生的影響，很多人會(huì )受到智能機器人消極的影響，所以我們要關(guān)注到人類(lèi)的感受。
這是我要講的內容，非常感謝大家！謝謝！
