10月27日，2024世界顶尖科学家论坛进入最后一天。今年的论坛聚焦生命科学、智能科学和物质科学等关键领域的最新趋势和重大突破。
智能科学大会关注了算法世界中如何推进AI治理框架。中国新一代人工智能发展战略研究院执行院长、先进计算与关键软件（信创）海河实验室主任龚克教授指出：“今天人工智能的发展已达到前所未有的境界，在这样的形势下，治理能力建设必须跟上节奏。”
2024世界顶尖科学家协会“智能科学或数学奖”得主、康奈尔大学计算机科学和信息科学讲席教授乔恩·克莱因伯格（Jon Kleinberg）表示，算法领域的偏见可能具有长期、潜移默化地影响决策的风险。
克莱因伯格是智能科学领域近三十年来的领军人物之一。他的研究跨越了从计算机网络路由到数据挖掘再到生物结构比对等诸多领域。
他对第一财经记者表示：“AI算法的一致性是人类难以达到的，算法可以来进行决策或者配置资源，如果你给它一个目标，它就可以非常有效地去执行。”
然而他同时强调AI算法带来的伦理问题。“首先是算法的公平性，其次是敏感信息的处理，因为机器学习和AI背后是大量的数据。”他说道。
2007年图灵奖得主、国际嵌入式系统研究中心Verimag实验室名誉研究主任约瑟夫·斯发基斯（Joseph Sifakis）则认为，由于人工智能系统缺乏可解释性且依赖于感官或语言数据，它们不能像传统系统那样提供同等水平的可信度保证。
在智能科学大会的案例研讨会上，今年诺贝尔化学奖所授予的蛋白折叠技术再度引发热议。复旦大学复杂体系多尺度研究院院长马剑鹏教授表示：“结构生物学家未来基于经验性的实验技术，加上AlphaFold人工智能技术，可以大大提高工作效率，但仅依靠AI是不足以开发出成功的药物的，AI只能辅助药物的开发。”
AI制药的需求正在呈现井喷式增长。深圳计算科学研究院首席科学家樊文飞认为，人工智能需要“两条腿走路”——逻辑推理和机器学习。“结合逻辑推理、机器学习的人工智能已经开始尝试运用到现实中。”樊文飞解释称，“比如药物发现的案例，早期的药物发现，尤其是药物靶点的识别，通常苦于病人数据量的缺少。但使用人工智能的逻辑推理、机器学习的结果已经被专业医药实验室认可。”
国家超级计算无锡中心主任杨广文教授表示，随着人们对算力的认识越来越深刻，计算机辅助药物筛选和设计已经非常普遍，后续还可以发展到临床试验和病理分析等方面，提升药物研发的速度和质量。
“AI的发展离不开算力和软件生态。我国近几年在算力方面提出很多新的需求和政策，包括东数西算、算力平台、智能计算创新平台等，大型央企以及互联网企业都投入到算力中心的建设中，但要真正把算力用起来，还要和生态应用结合。”杨广文说道。
科技富豪马斯克正在将特斯拉打造成一家AI机器人公司，他设想未来所有的特斯拉汽车都将具有自动驾驶的能力。特斯拉已经推出了一款自动驾驶出租车（Robotaxi），并计划于2026年开始生产，最终年产200万辆。
据介绍，特斯拉的自动驾驶出租车Cybercab的运行成本为每英里20美分，使用感应充电器，不需要任何插头。它们还将仅依靠摄像头和人工智能，而不需要自动驾驶出租车玩家使用其他硬件。这可能会大幅降低该公司生产自动驾驶出租车的成本。
国内自动驾驶公司小马智行联合创始人楼天城在研讨会上分享了人工智能在自动驾驶领域的应用。他表示：“Robotaxi是自动驾驶领域最难的挑战，我们为什么还要做？因为AI在出行领域的应用将是有最大发展潜力的应用之一，拥有最大的价值。”
楼天城表示，尽管在外界看来，自动驾驶自2018年以来似乎进入了发展的缓慢期，没有太大的进展，但实际上最关键的进展是很难被人直观感知的。“事实上，在过去的三四年里，自动驾驶的安全性提升了10倍，自动驾驶的无事故率从过去的1000小时增长至1万小时，但外界确实无法看到太大的差别，这是我们做自动驾驶最为痛苦的事情。”他说道。
2021那些事儿｜细数信息技术4大领域
2021年，信息技术发展突飞猛进。 人工智能、大数据、开源、虚拟现实（VR）、增强现实（AR）……每个领域的发展几乎都可圈可点。 在人工智能领域，人工智能的语言大模型、图文大模型乃至多模态大模型的基本能力已得到了充分展现。 例如，阿里巴巴达摩院公布多模态大模型M6最新进展，参数从万亿跃迁至10万亿；鹏城实验室与网络联合发布全球首个知识增强千亿大模型——鹏城—网络·文心，参数规模达到2600亿。 不仅如此，人工智能与其他科学领域的交叉融合也擦出火花。 在《科学》近日公布的2021年度科学突破榜单上，AlphaFold和RoseTTA-fold两种基于人工智能预测蛋白质结构的技术位列榜物和首。 在人机交互领域，扎克伯格将Facebook公司更名为“Meta”时，特斯拉和SpaceX首席执行官埃隆·马斯克则将注意力放在脑机接口上。 马斯克认为脑机接口装置将更有可能改变世界，帮助四肢瘫痪或有身体缺陷的人更好地生活和工作，“复杂的脑机接口装置可以让你完全沉浸在虚拟现实中”。 此外，今年5月，斯坦福大学开发出一套皮质内脑机接口系统，可以从运动皮层的神经活动中解码瘫痪患者想象中的手写动粗亮作，并将其转换为文本。 在超算领域，最值得一提的是，今年11月，我国超算应用团队凭借“超大规模量子随机电路实时模拟”成果斩获国际高性能计算应用领域的最高奖项“戈登贝尔奖”。 在开源方面，RISC-V开源指令集及其生态快速崛起；由华为公司牵头，中国科学院软件研究所、麒麟软件等参与的openEuler操作系统开源社区业已汇聚了7000名活跃开发者，完成8000多个自主维护的开源软件包，催生了10多家厂商的商业发行版……回望2021年，信息技术版邀请业内专家梳理上述四个领域的发展脉络，展望未来发展趋势。 张双虎AlphaFold或是2021年人工智能（AI）领域的“一哥”。 近日，《科学》杂志公布了 2021 年度科学突破榜单，AlphaFold 和 RoseTTA-fold 两种基于人工智能预测蛋白质结构的技术位列榜首。 此前几天，由中国工程院院刊评选的“2021全球十大工程成就（近5年全球实践验证有效、有全球影响力的工程科学和技术重大成果）”中，AlphaGo和AlphaFold亦榜上有名。 在接受《中国科学报》采访时，数位专家回望今年人工智能领域取得的成就时，均谈到了AlphaFold。 “面向科学发现的AlphaFold和中国正在构建的人工智能发展生态不能不说。 ” 浙江大学人工智能研究所所长吴飞对《中国科学罩凳盯报》说。 中科院自动化研究所模式识别国家重点实验室研究员王金桥则提名“用AI进行新冠诊断”“人工智能与生物、制药、材料等科学融合（AI for Science）”和“三模态大模型紫东太初”。 在医学领域，AI识别咳嗽声早已用于肺炎、哮喘、阿尔茨海默氏症等疾病检测。 美国麻省理工学院研究人员研发出可以通过分析咳嗽录音识别新冠患者的AI模型，识别出新冠患者咳嗽的准确率为98.5％，其中识别无症状感染者的准确度高达100％。 日前，有报道称该模型已用于识别奥密克戎病毒。 “紫东太初首次实现了图—文—音语义统一表达，兼具跨模态理解和生成能力。 ” 王金桥说，“目前与新华社共同发布的‘全媒体多模态大模型研发计划’，实现对全媒体数据理解与生成的统一建模，打造全栈国产化媒体人工智能平台，已 探索 性地应用于纺织业和 汽车 行业质检等场景。 ”12月7日， 科技 部官网公布3份函件，支持哈尔滨、沈阳、郑州3地建设国家新一代人工智能创新发展试验区。 至此，我国已经有18个国家新一代人工智能创新发展试验区，这将引领带动中国人工智能创新发展。 “我国正在推动人工智能生态发展，构建良好生态。 ”吴飞说，“目前已有15个国家新一代人工智能开发创新平台、18个国家新一代人工智能创新发展试验区、8个人工智能创新应用先导区和高等学校设置的人工智能本科专业和交叉学科等人才培养载体。 ”“一是大模型，二是人工智能和基础学科的结合。 ”孙茂松对《中国科学报》说，“语言大模型、图文大模型乃至多模态大模型的基本能力已得到了充分展现，确定了它作为智能信息处理基础软设施的地位。 同时，它并非简单地扩大规模，而是对数字资源整合能力和计算能力都提出了挑战。 虽然它的局限性也很明显，但它所表现出的某些‘奇特’性质（如少样本学习、深度双下降、基于提示的任务调整等），使学者产生了超大参数规模或会引发质变的期待，从而为新的突破埋下了伏笔。 ”今年，人工智能领域从“大炼模型”走向“炼大模型”阶段，从千亿量级到万亿量级，在大模型领域，似乎没有最大，只有更大。 3月，北京智源人工智能研究院发布我国首个超大规模人工智能模型“悟道1.0”。 6月，智源就改写了自己的纪录，发布悟道2.0，参数规模达到1.75万亿；9月,浪潮人工智能研究院推出了中文巨量语言模型——源 1.0，参数量达2457亿；11 月，阿里巴巴达摩院公布多模态大模型 M6 最新进展，参数从万亿跃迁至 10 万亿；12月，鹏城实验室与网络联合发布全球首个知识增强千亿大模型——鹏城—网络·文心，参数规模达到2600亿。 与此相应，最近快手和苏黎世联邦理工学院提出了一个新的推荐系统Persia，最高支持100万亿级参数的模型训练。 另一方面，人工智能在基础学科领域不断攻城略地。 7月，DeepMind公司人工智能程序Alphafold2研究成果又登顶《自然》，在结构生物学研究领域，人工智能或带领生物学、医学和药学挺进新天地；11月，美国南加利福尼亚大学研究人员通过脑机连接设备，让猴子玩 游戏 和跑步机，从而进行神经活动数据研究；12月，DeepMind开发的机器学习框架，已帮助人们发现了纯数学领域的两个新猜想，展示了机器学习支持数学研究的潜力。 “今年人工智能在各行业应用方面也取得不小的成绩。 ”孙茂松说，“人工智能与基础学科结合已显示出巨大潜力，发表了多篇顶级论文，已展露出某种较强的趋势性，即‘人工智能+基础科学’大有可为。 ” 张双虎脑机接口、AR眼镜、智能语音、肌电手环、隔空手势识别……2021年，从基础研究到应用落地，人机交互领域风起云涌。 不管是智能 健康 、元宇宙，还是自动驾驶领域的蓬勃发展，似乎都表明，人机交互正站在产业化落地的门口。 “我们研发的高通量超柔性神经电极已通过科研临床伦理审批，即将开展脑机接口人体临床试验。 ”中科院上海微系统所副所长、传感技术联合国家重点实验室副主任陶虎对《中国科学报》说，“安全稳定地大规模采集人体大脑的神经元信号并进行闭环调控，将实现病人感知和运动功能的修复。 ”脑机接口技术给患者带来越来越多的便利。 今年5月，斯坦福大学研究人员在《自然》发表封面论文，开发出一套皮质内脑机接口系统，可以从运动皮层的神经活动中解码瘫痪患者想象中的手写动作，并将其转换为文本。 借助该系统，受试者（因脊髓损失瘫痪）每分钟可以打出近百个字符，且自动更正后的离线准确率超过了 99%。 不久前，马斯克表示，希望明年能在人类身上使用Neuralink 的微芯片装置。 该芯片将用于治疗脊髓损伤、帕金森氏症等脑部疾病和神经系统疾病。 目前，相关技术正在等待美国食品药品监督管理局的批准。 “脑机接口领域已经蓄积了相当的技术，有望成为解决大脑疾病的利器。 ”陶虎说，“大家都在抢占临床应用的先机，明年可能会实现技术落地应用。 预计两三年内，国内会出现可媲美马斯克Neuralink的独角兽企业。 ”“人机交互将引申出新的万亿级市场。 ”福州大学特聘教授严群这句判断，也囊括了元宇宙这个巨大的市场。 有人称2021年是“元宇宙元年”，也有人认为这不过是“旧瓶装新酒”。 但无论如何，元宇宙已是今年人机交互领域绕不开的话题。 “元宇宙是虚拟现实、增强现实和混合现实的综合，它实际上并非新的东西。 ”北京邮电大学人机交互与认知工程实验室主任刘伟告诉《中国科学报》，“元宇宙是现实世界和虚拟世界跨越未来的发展方向，但还有些技术问题未能很好地解决。 ”在真实世界里，人机交互问题和人机环境系统的混合问题未能很好地解决。 真实世界的人机交互中，不管是输入、处理还是输出过程中，客观数据、主观信息和知识依然不能完美融合。 刘伟认为，无论真实世界还是虚拟世界，人类和机器决策都有“快决策”和“慢决策”过程。 人类决策有时依靠逻辑决策多些，有时直觉决策多些，这种“混合决策”不断变换，而且很难找到变化规律。 这方面的问题机器决策目前还未能解决。 “元宇宙还处在画饼的前期阶段。 ”刘伟说，“因为它的底层机理没有解决——人在真实世界里未能完美解决人机交互的问题，带到元宇宙里同样不能解决。 ”谈到人机交互，刘伟认为第二个不能不说的问题是“复杂领域”。 “今年的诺贝尔物理学奖，也给了复杂系统预测气候变化模型的提出者。 ”刘伟说，“人机交互也是一个复杂系统，它既包括重复的问题，还包括杂乱的、跨域协同的问题。 ”刘伟认为，从智能的角度说，复杂系统包括三个重要组成部分，一是人，二是装备（人造物），三是环境。 这其实是多个事物之间相互作用，交织在一起、既纠缠又重叠的“人机环系统”问题。 “在人机交互中，机器强在处理‘复’的问题，人擅长管‘杂’的事——跨域协同、事物间平衡等。 因为人们还没找到复杂事物的简单运行规律，所以解决所有智能产品、智能系统问题，要从人、机、环这个系统里找它们的结合、融合和交互点。 而且，人要在这个系统中处于主导地位。 ”人机交互领域引起刘伟重视的第三个现象，是“人工智能帮数学家发现了一些定律”。 “最近，DeepMind研发了一个机器学习框架，能帮助数学家发现新的猜想和定理。 ”刘伟说，“人工智能是一个基本的数学工具，同时，数学又反映了一些基本规律。 如果人工智能可以帮助数学家处理一些数学问题，那么，人们将更好地认识复杂系统的简单规律，人机交互方面就可能会取得新突破。 ” 张云泉（中国科学院计算技术研究所研究员） 今年是我国超算应用实现丰收的一年。 11月中旬在美国举行的全球超算大会（SC21）上，中国超算应用团队凭借基于一台神威新系统对量子电路开创性的模拟（“超大规模量子随机电路实时模拟”），一举摘得国际上高性能计算应用领域的最高学术奖——“戈登贝尔奖”。 同时，在SC 21大学生超算竞赛总决赛上，清华大学超算团队再次夺得总冠军，实现SC竞赛四连冠。 这些大规模应用软件可扩展性和性能调优方面的成绩表明，我国在并行软件方面的发展方兴未艾。 回到超算对产业的驱动来看，我们要重提“算力经济”一词。 早在2018年，我们提出“算力经济”概念，认为以超级计算为核心的算力经济将成为衡量一个地方数字经济发展程度的代表性指标和新旧动能转换的主要手段。 综合近几年的发展趋势，我们认为高性能计算当前发展趋势已充分表明，随着超算与云计算、大数据、AI的融合创新，算力已成为当前整个数字信息 社会 发展的关键，算力经济已经登上 历史 舞台。 通过对2021年中国高性能计算机发展现状综合分析，可以总结出当前高性能计算正呈现出以下几个特点。 首先，高性能计算与云计算已经深度结合。 高性能计算通常是以MPI、高效通信、异构计算等技术为主，偏向独占式运行，而云计算有弹性部署能力与容错能力，支持虚拟化、资源统一调度和弹性系统配置。 随着技术发展，超级计算与容器云正融合创新，高性能云成为新的产品服务，AWS、阿里云、腾讯、网络以及商业化超算的代表“北龙超云”，都已基于超级计算与云计算技术推出了高性能云服务和产品。 其次，超算应用从过去的高精尖向更广、更宽的方向发展。 随着超级计算机的发展，尤其是使用成本的不断下降，其应用领域也从具有国家战略意义的精密研制、信息安全、石油勘探、航空航天和“高冷”的科学计算领域向更广泛的国民经济主战场快速扩张，比如制药、基因测序、动漫渲染、数字电影、数据挖掘、金融分析及互联网服务等，可以说已经深入到国民经济的各行各业。 从近年中国高性能计算百强排行榜（HPC TOP100）来看，超算系统过去主要集中于科学计算、政府、能源、电力、气象等领域，而近5年互联网公司部署的超算系统占据了相当大比例，主要应用为云计算、机器学习、人工智能、大数据分析以及短视频等。 这些领域对于计算需求的急剧上升表明，超算正与互联网技术进行融合。 从HPC TOP100榜单的Linpack性能份额看，算力服务以46%的比例占据第一；超算中心占24%，排名第二；人工智能、云计算和短视频分别以9%、5%和4%紧随其后。 可以看出，人工智能占比的持续增加与机器学习等算法和应用的快速崛起，以及大数据中的深度学习算法的广泛应用有很大关系。 互联网公司通过深度学习算法重新发现了超级计算机，特别是GPU加速的异构超级计算机的价值，纷纷投入巨资建设新系统。 综合来看，目前的算力服务、超算中心、人工智能、科学计算等领域是高性能计算的主要用户，互联网、大数据，特别是AI领域增长强劲。 再次，国家层面已经制订了战略性的算力布局计划。 今年5月，国家发展改革委等四部门联合发布《全国一体化大数据中心协同创新体系算力枢纽实施方案》，提出在京津冀、长三角、粤港澳大湾区、成渝以及贵州、内蒙古、甘肃、宁夏建设全国算力网络国家枢纽节点，启动实施“东数西算”工程，力促把东部的数据送到西部进行存储和计算，同时在西部建立算力节点，改善数字基础设施不平衡的布局，有效优化数据中心的布局结构，实现算力升级，构建国家算力网络体系。 最后，人工智能的算力需求已成为算力发展主要动力。 机器学习、深度学习等算法革新和通过物联网、传感器、智能手机、智能设备、互联网技术搜集的大数据，以及由超级计算机、云计算等组成的超级算力，被公认为是人工智能时代的“三驾马车”，共同掀起最新一轮的人工智能革命。 在人工智能蓬勃发展这一背景下，虚拟化云计算向高性能容器云计算演进，大数据与并行计算、机器学习融合创新就成为了产业发展的最新方向。 此外，在智能计算评测方面，我国已经提出了包括AIPerf 500在内的众多基准测试程序，这是对传统Linpack测试标准的有力补充。 这些发展表明超算技术向产业渗透的速度加快，我们已经进入一个依靠算力的人工智能时代，这也是未来发展的必然趋势之一。 随着用户对算力需求的不断增长，算力经济必将在未来 社会 发展中占据重要地位。 武延军（中国科学院软件研究所研究员）开源发展可圈可点并非只是今年的事。 最近几年，开源领域发生了很多重要的事情。 例如，RISC-V开源指令集及其生态的快速崛起。 这与上世纪90年代初Linux诞生一样。 当时，UNIX和Windows是主流，很少有人能够预料到今天以Linux为内核的操作系统已经遍及人们生活的方方面面。 如今，人们每天使用的App，超过80% 概率是运行在以Linux为内核的安卓操作系统上，而且，支撑其业务的后端服务器上运行的操作系统很大概率也是Linux发行版。 所以，今天的RISC-V也同样可能被低估，认为其不成熟，很难与ARM和X86抗衡。 但也许未来RISC-V就像Linux一样，最终成为全球范围内的主流指令集生态，产品遍及方方面面。 仅2020年，RISC-V International（RVI，RISC-V基金会迁入瑞士之后的新名称）的会员数增长了133%。 其实RVI迁入瑞士这件事情本身也意义重大，是一次开源领域面对大国竞争保持初心不“选边站”的经典案例，值得全球其他开源基金会参考。 在国内，2019年底，华为公司牵头，中国科学院软件研究所、麒麟软件等参与的openEuler操作系统开源社区正式成立。 在短短的两年内，社区已经汇聚了7000名活跃开发者，完成8000多个自主维护的开源软件包，催生了10多家厂商的商业发行版。 这是中国基础软件领域第一个真正意义上的“根社区”，虽然与20多年 历史 的Debian、Fedora还有差距，但迈出了重要一步，对学术研究、技术研发、产业创新来说，终于有了国内主导的、可以长期积淀的新平台。 同时，华为在遭遇安卓操作系统GMS（谷歌移动服务）海外断供之后，推出了鸿蒙操作系统HarmonyOS，并在开放原子开源基金会下启动开源项目OpenHarmony。 目前OpenHarmony短时间内已经吸引了国内众多厂商参与，也侧面反映了国内产业界对新一代万物互联操作系统的旺盛需求。 尽管其在生态规模和技术完整程度方面与安卓仍有差距，但毕竟迈出了打造自主生态的第一步。 这相当于为源代码合理使用划定了一个边界，即合理使用仅限于接口，一旦深入到接口的实现代码，则需要遵守相关许可。 这对开源知识产权的法律界定具有重要参考意义。 今年5月，《2021中国开源发展蓝皮书》重磅发布。 它不仅系统梳理了我国开源人才、项目、社区、组织、教育、商业的现状，并给出发展建议，而且为国家政府相关管理部门制定开源政策、布局开源战略提供参考，为科研院所、 科技 企业以及开源从业者提供更多的案例参考和数据支撑。 而不论是开源软件向围绕开放指令集的开源软硬件生态发展，还是开源有严格的法律边界约束，抑或是国内龙头企业正尝试通过开源 探索 解决“卡脖子”问题，且已经取得了一定的效果……众多案例都指向一个方向——开源趋势不可阻挡。 因为它源自人类分享知识、协同创造的天性，也是人类文明在数字时代薪火相传的重要模式。 当然，不可否认的是，开源还存在很多问题，例如，开源软件供应链安全的问题。 这里的安全既有传统意义上软件质量、安全漏洞的问题，也有开源软件无法得到持续有效维护的问题（如OpenSSL在出现HeartBleed问题时只有两位兼职维护者，log4j出现问题时只有三位兼职维护者），更有大国竞争导致的“断供”问题（如GitHub曾限制伊朗开发者访问）。 随着开源软件向GitHub这类商业平台的集中，这一问题会更加突出，甚至演变为重大风险。 开源软件这一本应属于全人类的智慧资产，可能变为实施“长臂管辖”的武器。 为了避免这一问题，开源代码托管平台、开源软件构建发布平台等公共基础设施需要“去中心化”。 世界需要多个开源软件基础设施，以最大程度消除政治力量对开源社区的威胁。 对于中国来说，随着开源软件成为众多科研、工业等重大基础设施的重要支撑部分，开源软件本身也要有一个基础设施，具备代码托管、编译、构建、测试、发布、运维等功能，保证开源软件供应的安全性和连续性，进而增强各行各业使用开源软件的信心。 未来，核心技术创新与开源贡献引领将成为国内企业发展的新动力，或将我国开源事业推向另一个高潮。
人工智能(AI)是人造的，为何要担心它威胁人类自身？
61年前，约翰·麦卡锡等好几个科学家在达特茅斯大激陵会上，首次提出了人类意识和思维过程进行模拟的概念。 同时也给这个领域取了个令人深刻的名字，就是——人工智能，Artificial Intelligence，英文缩写为AI。
自会议之后，约翰·麦卡锡被誉为“人工智能之父”。 人工智能也作为新的领域在科技中大放异彩。 从我们用到的智能手机系统和兴起的3D打印，从“拓展现实”眼镜到全息投影，就连我们常用的手机美图秀秀APP，用到的美颜功能也是人工智能领域的应用。
人工智能作为一项新的科学技术，它的发展速度是人们无法想象到的。 普通群众可能还没适应新的技术，过了一阵可能它已经被淘汰了。 就拿我们熟悉的智能手机iphone来说御铅冲，几乎几个月就更新了新的一代，换肾都换不过来。 手机中软件还没用多久，就用一款新的软件出来。 就拿语音软件来说，siri语音成为了大多数宅男娱乐的重要功能，成为人机交互的重要案例。 近几年，无人驾驶、虚拟现实等人工智能也纷纷走进市场。
2014年，世界上第一个能够表现人类情感的机械人——Pepper出现在人们的视野中。 Pepper在新闻发布会上，通过分析人类的面部表情和身体语言，完成了预测消费者爱好的功能。 之后，世界上第一台云识别冰箱CHIQ出现，能够根据食物的品种来向你推荐菜谱。
人工智能跟我们的生活有密切的联系，是大脑的进一步延伸。 但是，我们在感叹它的方便和魅力的同时，我们也面临着它给我们带来的思考。
人工智能已经渗入到很多领域：
（1）2011年，沃森被应用到医疗领域，它收集了42种肿瘤科学研究的医学期刊，60多万份医疗记录，150万份患者的信息以及200多万份文字资料。 沃森能够在不到一分种内向医生提出患者可能需要的治疗计划出来。
（2）2014年微软code大会上，Skype translator尝试识别各国地区的语言和表达方式，竟然能进行两种语言的无障碍交流。
（3）2015年tecent，dreamwriter机械人写了腾讯公司八月的CPI新闻，从收集信息到成功提交，仅仅消耗了几十秒的时间。
（4）2016年，围棋大师被阿尔法狗打败。 同年，柯洁被大师（Master）横扫。
科技牛人埃隆·马思克曾说过：“我们需要万分警惕人工智能，它们比核武器更加危险！“借着人工智能，我们将打开潘多拉魔盒，五角星和圣水可能也一定有用。 霍金预言：”人工智能是人类史上最大的事件，同时也可能是最后的事件。 “
日本软银总裁孙正义，他预言明年人工智能的“奇点”就会到来，穿上安装芯片的鞋子，脚可以比脑袋更聪明。 谷歌公司工程总监雷-库茨韦尔镇歼(Ray Kurzweil)预测称：”机器人将比人类更加聪明。 “牛津大学研究人员还列出了20种最可能被人工智能替换掉的工作，你永远也想不到下一秒谁的工作会消失。
首先不管他们的预测准不准，人工智能已经渗入到人类的各种领域当中。 其实，我们不需要担心自己会被取代掉，因为科技的发展始终是为了人类更好的生存而存在。 旧的东西被抛弃，新的东西也会呈现出来。
人工智能深度赋能金融 科技风口呼唤领军人才
科技 改变世界，创新引领时代。
8月29日至31日，2019世界人工智能大会在上海世博中心召开，大会围绕“智联世界 无限可能”的主题，从技术趋势、应用落地、产业生态、人才培养和公共治理等多角度，对人工智能领域的前沿技术、重点行业和重要话题进行深入探讨。
AI深度赋能金融
提及金融业务，脑海中立马浮现风控、反欺诈、大数据等系列专业名词，但这些在普通人看来，未免太过晦涩难懂。 现在，在今年人工智能大会的浦东世博展览馆中，金融 科技 公司提供一种更为精彩的体验，以更加“好玩”的方式，高效拉近我们与金融之间的“最后一公里”。
“微表情识别技术，可以识别人类开心、愤怒、厌恶、恐惧、伤心、惊讶以及面无表情这七大类情绪，总计54种情绪的识别能力、39种面部动作单元，并且可以识别90%以上表情变化。 ”在展览现场，金融壹账通技术人员介绍称。
据了解，该微表情识别技术曾斩获国际面部动作单元识别竞赛世界第一名的荣誉，并大量运用在贷款面审环节中，帮助面审人员提示骗贷风险。
“不仅是表情上的情绪，机器甚至都可以识别出文字的情绪。 ”现场人员介绍称，体验者打开“Gamma O”开放平台，里面有各式各样的人工智能技术，其中有一项便是文字情绪识别。 只要体验者输入一段话，就可智能识别出体验者输入文字的情绪。
值得注意的是，AI技术在金融领域的应用，并不仅仅限于To B（针对行业）领域，在其他To C（针对个人）的金融服务领域，比如客服方面，也可以大展身手。
此次大会上，金融壹账通还租弊展示了多轮对话、语义理解等技术，无论是体验者说的、写的，聪明的机器都能理解，并通过对应逻辑分析所需结果。 相关工作人员向体验者介绍称，多轮对话、语义理解技术可以应用到智能外呼机器人中，通过搭建AI机器人代替人工完成基础工作。 在智能外呼机器人中，增加情绪识别技术，还可以感知客户的情绪变化，减少人工投诉的同时，能够找到业务突破口。 该服务可应用于多个金融业务场景，包括存量客户经营、新产品推荐、还款提醒、客户回访调研等。 通过机器人取代大量人工客服，从而大幅降低呼叫中心的人力成本，提高服务效率。
随着人工智能 科技 的快速发展，被誉为金融 科技 “无人区”的AI 科技 ，正成为财富管理行业的重要创新方向，同时也是“兵家必争之地”。 在大会期间，陆金所宣布，其正通过金融 科技 的技术与经验，用 科技 赋能信托行业，帮助传统信托行业解决资产风控难、运营效率低、客户体验差、市场触达难、获客成本高等五大痛点。
同时，陆金所正式对外展示“4KY”体系，即陆金所将AI技术融入全财富管理场景，全面升级智能理财交互体验，为用户提供个性化财富管理服务，重塑财富管理行业。
目前，陆金所平台已经开始尝试，使用智能理财机器人与用户进行自然语言交流与开放式对话，并为用户提供涵盖账户查询、产品咨询、市场分析、投资者教育在内的各种金融服务。 通过运用人工智能进行客岁粗户服务，陆金所力求解决用户与产品的匹配问题，并解决更多用户仍未满足的大量金融服务需求，希望能够扭转金融服务仅为部分顶层人群服务弊雀族的刻板印象，让金融服务普惠大众。
数据显示，借助AI的帮助，陆金所平台的用户服务交互频率比以往提升了5倍，极大地提升用户服务面及响应速度。 同时，人工智能客服的问题解决率提升了2倍，大大提升了用户的服务效率。
事实上，客服智能化、人性化服务的背后，正是AI、大数据、云计算等 科技 力量共同驱动的。 蚂蚁金服和埃森哲近日联合推出的《新客服行业白皮书》用户调研显示，80%的用户希望客服更加了解自己；71%的用户表示，相比与人沟通，希望可以自助解决问题。 消费者对客户服务的普惠性、技术化、定制化，以及洞察力、自助化程度有了更高要求。
2017年8月，支付宝提出“新客服”理念，并借助AI等手段，将被动式、等待式的传统服务模式转变为主动挖掘用户潜在需求，给用户提供更为普惠的服务。 两年间，随着人工智能技术、大数据等技术发展，新客服进一升级为完整的行业解决方案。 在服务好海量支付宝用户的同时，还可以把新客服的系统技术能力输出给行业，提高整个行业的效能，减少呼叫中心的运维成本。
蚂蚁金服方面数据显示，相较于2016年，2018年整体业务量增长了120%，但人力仅增长11%，满意度达到80%，大大提升服务效能。 通过数据分析和人工智能手段，可以更加准确地扫描客户全程行为，同时预判、识别客户服务需求点，使得呼叫中心资源的调配使用更加精确。
浪潮之巅的“生产力”
在这些神奇且令人惊叹的技术背后，是AI正在潜移默化地改变着金融行业的业态。
目前，AI技术在金融领域的应用，想象的翅膀已为外界所塑造，但事实上，除了金融领域，自动驾驶、医疗、语音识别、图像识别等领域也是AI的重要赛道。那么，为什么偏偏金融会成为更加令人瞩目的“幸运儿”呢？
具体来说，朱明杰分析到，能够让AI成功应用的行业有一些共通点：
首先是信息化基础和数据量充沛；其次是应用场景和用户体量足够大，核心业务数据驱动；再次是付费意愿。 因此，最先得到成功应用的是互联网行业。 今天的金融行业也具备了这些条件，数据是金融的核心价值，通过人工智能、大数据、云计算等信息技术与金融业务深度融合的金融 科技 ，成为推动金融转型升级的新引擎。
不过，吴中也坦言，结合DATAVISOR的领域——智能风控反欺诈来看，其实也存在着不少难点。 “在数据积累方面有很多的前期工作需要做，金融机构重视数据采集的结构化，电子化是基础。 和其他领域有所不同，AI在智能风控领域的应用，拥有较强的攻防演变。 坏人恶意欺诈的标签其实积累的比较少，而且需要不停的变化，因为攻击者一旦被拦截，会变化手法。
“在反欺诈的领域里，怎么在没有标签数据或者很少的标签数据情况下，解决一个比较大的问题，值得思考。 其实很多AI的落地，使用大的数据样本，去解决一个小问题或者一个单点问题。 但在金融领域，特别是反欺诈领域，是要用小的训练数据去解决很大的问题。 ”吴中说。
而在财富管理行业，“我们不仅要知道客户现在需要什么、能买什么，更要预测用户以后需要什么、适合什么。 ” 陆金所CTO毛进亮总结道，“AI技术正在从各个层面重塑财富管理行业。 它不仅能解决传统人力理财顾问普遍面临的供需失衡、利益导向、成本高、门槛高、服务水平参差不齐的痛点，还可以通过大数据、机器学习等技术为投资者进行‘精准画像’，让机构更加了解客户需求、资产状况、风险偏好等方面，真正实现千人千面的个性化服务。 从监管层面来说，AI技术与其他技术的配合，也能让财富管理服务流程更加公开透明，并且拥有完整的服务记录，为有效监管提供支持。 ”
事实上，除了金融行业，金融 科技 的玩家们也在 探索 其他能够用上AI这把“锤子”的场景。 吴中谈及，“我们现在除了金融方面，也在对互联网领域进行有益的 探索 。 结合无监督技术，我们会变得更加开放，并且变成一个平台化的产品。 可以赋能更多不同的银行和其他金融机构，让他们在信息化的过程中，以较小的成本去接入比较好机器学习和无监督的技术，不用重新造轮子。 ”
同时，“我们也看到，比如保险业中的车险、寿险和社保，还有航旅等场景，都还拥有很多机会。 ”吴中说。
垂青AI创新人才
支撑AI向前发展的动力，是不断创新更迭的技术。 而在技术背后，更是一代代“AI人”的持续 探索 与精进。 我们不禁发问，一个优秀的“AI人”，应该是怎样的呢？
对此，在上海交通大学党委常委、副校长毛军发看来，扎实的数理基础、宽广的知识面、敏捷的思维必不可少。 他还提出，对于有心从事人工智能行业的学生而言，如果真正喜欢的就去做，不喜欢也不要去凑热闹，选准的话就要坚持。 “可能你会发现做AI这个行业没有你想象那么热闹，没有那么浪漫，但选准的话，就长时间坚持下去，一定会成功”。
微软全球执行副总裁沈向洋认为，对人工智能而言，现在是很激动人心的时代，有很多事项可去执行。 然而，最重要的事情还是要志向高远。 如果有机会做人工智能的科研，并且有这样的志向，一定可以做出了不起的工作。
2017年，国务院发布《新一代人工智能发展规划》，设定以2030年为期限的AI发展目标。 为了达到这一目标，到2020年，许多里程碑需要达到，包括在基础研究领域做出重大贡献、成为吸引世界新兴人才的目的地，以及在人工智能产业上达到世界领先水平等。
以世界人工智能大会为契机，上海加快推进人工智能深度应用和产业发展，努力打造国家人工智能发展高地，成为全国领先的人工智能创新策源地、应用示范地、产业集聚地和人才高地。 目前，上海已拥有人工智能核心企业1000余家，泛人工智能企业超过3000家，相关产业规模超700亿元，位居全国第一梯队。
朱明杰在AI青年科学家高端会议上抛出了这样的问题：
“今天的世界人工智能大会，有AI时代最优秀的年轻人们，最杰出的科学家们，富有经验的工业界前辈们，与这么多关心智能产业的领导们齐聚在上海，在这个刚刚开启的AI时代，能不能在上海也打造这样的闭环呢？”
在此次人工智能大会上，除了全球AI知名企业领袖齐聚、顶级学术大咖云集、人工智能新锐势力集体亮相外，AI青年科学家联盟的“A班计划”亦浮出水面。
对此，同为“A班计划”发起人的朱明杰表示：“对比硅谷的创业氛围和资源，我们要给年轻人更多的机会，让他们站在同一起跑线上。 ” 他认为，“相较更年轻的AI人才，我们年长几岁，有过创业经验，学术界教授也有很好的实验室资源。 希望通过‘A班计划’这样一个项目，加速AI人才走向成功的速度。 ”
据了解，A班计划在遴选之初，即将目光瞄向全球范围内的优秀博士生和初创企业创始人（融资不超过A轮），“硬性条件”包括年龄在20-30岁之间，世界顶级学术会议的认可度，创业方向的 科技 含量等。
结合在氪信 科技 的实践经验，朱明杰表示，AI的时代风口，更加垂青于全才型AI创业者，创业公司首先要解答好商业本质问题，完成“从产品到客户到研发再投入”的商业闭环，确保自身茁壮成长，才有可能成为伟大的 科技 企业。 人才之外，有效的环境是人才、市场、科研之间形成不断迭代的成功闭环。
本文源自国际金融报
更多精彩资讯，请来金融界网站()
