劉維震撼萬字演講:關于20年后的未來,智能交通、機器人醫生、機器人農民,人成了什么?
隨著新的技術創新出現及創業浪潮的不斷發展,現實世界的諸多領域正在發生各種變革:下一代基因技術將如何改善人們的健康和醫療?人工智能與制造業轉型的結合將發生怎樣的化學反應?企業服務和消費升級會如何改變移動互聯網生態?
7月9日,2016 聯想之星 WI LL 大會聚焦即將到來的未來世界主題,通過論壇分享和 創新科 技展示等形式,呈現嘉賓及星友們對未來世界的期待與實踐,給現場參會的600余名優秀創業者、投資人及媒體人帶來精彩干貨和實用資源。
會上, 聯想之星 合伙人 劉維就“智能機器紀元的生存指南”發表了主題演講,以下為演講實錄(有刪減):
雖然我自己是主辦方,但是我特別想投訴主辦方的安排,因為他們把我安排到了最后半個小時來講,今天之前他們把我想講的東西都講到了,我本來想放一個視頻,這個視頻里有我們在美國投資的十幾個項目,然后每放一個項目為大家講講為什么投資這個項目,這個項目有多好玩,但是薩曼上午把我的視頻放了。我還想講講過去一年去美國、以色列看到很多跟科技有關的事情,結果周教授作為一個經濟學家,他成為一個未來學家,把我的東西也講了,我實在沒什么可講的了。但是我也很高興在最后這個時點跟大家分享一下關于未來的事兒。剛才吳炳見主持的時候覺得有很多的不確定性,我倒覺得我這個話題非常有確定性的,當我們過完了所有的WI LL ,所有的未來之后,再過20年、30年、50年或者100年、200年,遲早會來到智能機器紀元,也就是說遲早這個世界是不屬于我們人類的。我按薩曼說的,作為一個科幻小說家展望一下到時候會發生什么。
我想首先發生一件事就是到那個時候教科書上可能沒有“人”這個詞了,假設智能機器作為一個物種他們寫一本教科書的話,可能會這么定義地球幾十億年的生命史,有動物,后來有了一些有智能的動物,這些有智能的動物中從幾億年前開始有了眼睛,漸漸的智能越來越高,再到后來出現一種叫做人的動物,他的邏輯智能或者某些智能是最高的水平。這個奇怪的動物開始發明機器,從發明石頭斧子到發明機器人、計算機來為人類所在用,但是他們沒有想到這個機器最后變成了智能機器,這些智能機器最后再也不是他們的工具,不是他們的附庸,不是為他們所控制的。這些智能機器才是這個地球的主宰。我記得好像100多年的科幻小說家寫過這樣的場景,如果有一天外星人來到地球上,他們往下看,會發現這個地球上的生命是汽車人,因為汽車在街上跑來跑去,人只是里面的寄生蟲,早上進去開車,然后出來。但其實我覺得一百多年前如果外星人來不會那么傻,很快會發現其實生物還是人,因為汽車這個東西只上下班開一開,平時就扔在那兒,人干的很多事其實汽車是代替不了的。
我相信再過二十年或者五十年后,等外星人再來的時候,他真的覺得智能汽車也好還是智能機器才是地球上的生物,因為我們想像一下那時候的狀態,我們坐在在一個自動駕駛的汽車里什么都不干,是典型的寄生蟲。而且可能到時候的問題就是我們為什么要坐在自動駕駛的汽車里,我個人相信50年后,我們使用所謂的汽車的概率就非常低了。因為第一所有的運貨的車都不需要有人了,第二人類還需要經常出門嗎?比如可能下次想見到薩曼的時候,可能5年后是虛擬電話的會議,視頻的系統,10年后是戴一個VR的眼鏡,20年后,今天上午周教授也講了,現在很多科學家、創業者在為盲人開發越過的他的視網膜的這種腦機接口,讓大家直接感覺到是覺得信號。而當這種視覺技術的能力比正常人的眼睛還好的時候,我相信我們到時候一代一代的人會愿意放棄健康的眼睛,而轉去依賴這種技術,就像現在已經放棄大腦的很多能力,比如計算的能力而去依賴計算器,存儲的能力而去依賴計算機一樣,到時候會把這些放棄。也就是意味著通過腦機接口就好像看到了黃仲生,好像看到穿上漂亮衣服的效果,那時候我們真的需要見面嗎?真的需要很多事嗎?那個時候可能真的是智能機器的世界。
每次說完這樣的科幻小說都會挨批評,別人說你這是老生常談,而且太科幻了,根本不可能實現。曾經我朋友幫我總結過這么幾個年份,1821年,這是英國工業革命、機械革命剛剛興起的時候,1821年就有人說過不了多少年機器就會代替人類所有的工作,機器就會統治我們這個世界,到時候世界上最后剩下的一門科學可能就是哲學了,可能就是關于倫理道德的科學了。但是從1821年到現在將近200年了,也沒有實現。1956年,研究人工智能的朋友都知道,目前認為1956年人工智能概念的誕生年,那時候提出了這個詞,并且有人做了總結,只要工程師、科學家做努力,用不了多少年我們就把所有人解決不了問題用人工智能解決。但是結果是人工智能進展的非常緩慢,緩慢到了2009年,因為2010年是新一波人工智能開始誕生的元年。2010年聯想之星開始投資人工智能的企業,有一批像Face++這樣的公司,從2010年、2011年開始創立,再到今天人工智能是一個熱得不得了的話題,但是在2009年大家會發現,這個世界上大家都恥于說人工智能,人工智能這個詞在那幾十年內有一點基于消失的感覺。大家會說機器學習,會說神經網絡,會說機器人,會說 自動化 ,但是大家不會說人工智能,因為人工智能好像是一個偽命題,是根本都做不到的事。所以,是的,愿景非常美好,但是在過去的200年內這個事情一直沒有實現。
為什么我們今天站在這兒說這是一個有確定性的未來,好像五十年后、一百年后它一定能夠實現,我想我們可能要回頭看看什么是智能,為什么過去一兩百年智能沒有真正、徹底的改變世界或者誕生一個新的物種。我們說過去一兩百年我們誕生了越來越多的機器,這個機器擁有越來越強的能力,但是本質上它還是一個 自動化 的設備,還是人的輔用,不管叫什么。比如我們舉個例子,我們叫它智能物流、智能倉庫管理系統,但是我們發現這個系統自身去認識客觀世界的能力實在是太差了,它只能在人的輔助下。比如人告訴他你要去搬哪個箱子,他就去搬,人告訴他你要去放哪個貨柜,他把哪個貨柜放下。人怎么告訴他,可能最早的時候人開著叉車過去,后來通過給箱子貼一個標簽、二維碼、FID,不管通過什么樣的方式,都有大量的預處理,這樣的智能不可能脫離人的幫助存在。恩因為他沒有辦法客觀世界,所以沒有辦法去摘一個一個蘋果,雖然蘋果看起來都差不多,但有的大一點有的小一點,他沒有辦法做很好的智能教育,因為雖然每個學生看起來差不多,但是這個學生學的好一點,那個學生差一點。認識客觀世界的能力不足,導致機器的柔性化水平非常不足,雖然很強壯,但是沒有辦法脫離人獨立完成任務,只能是人的輔用,正因為如此,人不會交給他太多的數據、工作,也談不上怎么做出正確的響應,過去幾十年智能一直不高,一直是偽命題。
過去幾年發生了什么,現在隨著人工智能變熱,已經成了大家越來越公開了解的話題,過去幾年產生了大量的數據,如果真的把智能數據當成物種的話,從1945年計算機誕生,從人工智能這個概念誕生,它的發展一直很緩慢。但是在過去短短幾年內,移動互聯網爆發的短短幾年內,智能的怪獸開始真正真實存在。首先第一有了真正的大腦,云端的大腦,海量的計算能力存在。再一個是有了無數的觸手,現在我們每個人的手機、手持的智能設備、智能車載設備,所有這些都是它的傳感器,這些東西不再像原來的PC機,不管原來什么的電子設備,只是給我們用的娛樂終端、工作終端,得到的數據都儲存在本地,儲存在我們自己這兒,它的數據變成儲存在云端。而這些云端的數據,這種高質量的數據其實是機器的使用。
回到人類的進化史,200萬年前,當人們發明了石頭的斧子,開始雜開動物的骨髓,吃動物的骨髓,人類的大腦開始快速發展,因為有非常足夠的營養。到今天,高質量的數據就是機器的骨髓,過去幾年內這些高質量的數據已經使得這個機器的智能越過了這個閾值。舉一個人臉識別的例子,是一個幾十年的老話題了,也一直沒有太大的突破,為什么在過去的兩三年內開始有了大的變化,主要有四點有了變化。第一從配合式的人臉識別到非配合式變化,原來人臉考勤機在卡口占幾十秒才能識別,這也意味著我還得設卡口、門,而不能像現在自然的走過就可以識別出來。一個人如果用那樣的人臉識別技術肯定是沒有辦法去實時的跟蹤和判斷你的主人的,所以從配合到非配合,從弱識識到強識識,直到去年,人臉識別的技術實際上還沒有辦法在很實用的情況下做到每秒三十楨或者每秒六十楨,而現在其實在百分之一秒甚至更短的時間內就可以識別出來,這也意味著可以跟實時的視頻有匹配,機器可以非常短的時間識別人類。
而第三個最大的變化是海量庫,因為人類識別是個老生常談的話題,原來可能是一個考勤機、門禁、人民大會堂里面的安檢系統,里面有幾百、幾千人,如果幾萬人就癱瘓了,因為沒有很高的識別率。過去三五年內,我們的人臉識別可以在比較高的、可用的情況下,做在幾千萬人的大庫中,甚至在靜態圖片的情況下,在十幾億的身份證數據庫中對大家進行搜索,這意味著人臉識別現在開始用于無論網上銀行的注冊、跟身份證對應的安全密保,還是大型活動的簽到和反恐的需要,因為反恐數據庫可能是幾十萬的大的名單,我們可以把它找出來,以至于最終會實現今天上午印奇所說的faceid,每個人通過刷臉通行于所有的地方,再也不需要銀行卡和錢包。
第四是低成本,原來需要非常昂貴的攝像頭、非常好的攝像頭捕捉圖像,甚至要為了人臉識別去建一個很長的通道,要打很好的燈,這樣才能夠得到非常清晰的照片,現在隨著過去幾年數據的訓練,漸漸變的不需要,這一切來源于什么?這一切來源 于剛 才所說移動互聯網最早從2010年、2011年開始爆發,我們每個人一開始在手機上每天用美圖、照相軟件拍幾張自己的照片,拍幾張朋友的照片,這些數據是帶有標注的強數據,來自于同一個人的手機,系統知道是你的照片,系統很容易知道你在不同的光線、角度、心情、化妝狀態下的照片,這些數據一點點積累,使得數據有了這樣的能力。隨著能力的積累,機器拿到了更多的數據,當它的識別能力達到一定水平之后,Face++這套技術或者說人臉識別這套技術廣泛應用于安防攝像頭的領域。安防攝像頭每天24小時拍著,每幾個安防攝像頭有保安、警察幫你做后臺的數據標注。如果識別出云海,可能是云海,保安還要看對不對,如果不對還可以幫我做糾正。通過整個人機混合的過程,在過去這些年人,有相當于大量的人、大量的數據在為機器打工,起到了訓練機器的效果,才使得人臉識別這樣的老話題老樹新花。
人臉識別進展之后到底又能如何呢?或者說的更廣泛一點,圖像識別的技術,因為人臉這么一個細分應用分支的發展,整體上都有了很大的進步和躍生,同樣識別的變化到底為智能機器遠大的話題帶來什么樣的變化。圖像識別一小步恰恰解決剛才所說的機器的短板,就是柔性化的大問題。機器很強大,但是就是沒有柔性化的能力,沒有辦法去理解場景,去適應場景。我們剛才舉了倉庫的例子,以前有朋友討論,為什么一個導彈,這么一個 高科 技的東西幾十年前就做的很好了,而在一個物流的倉庫里去撿一個散貨,去撿一袋薯片這樣的事還做不到。因為導彈其實末端也可能用圖像識別等等,但其實像導彈這樣的都是針對一個非常固定的目標,并不是動態的追蹤一個目標。而在一個物流倉庫內,貨架上的一袋薯片比原來大家想象難的多,這袋薯片有可能是一個柔體,有可能是正面朝上,有可能是那面朝上,有可能這個包這么鼓脹一點,那么鼓脹一點,可能被不干膠正好貼住了一點,所以用傳統的圖象識別技術沒有辦法更好的去處理判斷的。就像剛才提到在果園里如果想通過一個機器摘蘋果的話,這個蘋果可能離這個樹稍微近一點、這個稍微遠一點,這個大一點,這個小一點,這個蘋果在上午的時候有陽光照在上面,折射出來的光芒一個感覺,到下午沒有陽光了,或者正好有一只蝴蝶飛過,所有的事在今天看來已經變的越來越難以解決,老一代的圖像技術沒有辦法更好的處理。圖像識別的一小步打開了機器柔性化一大步這樣一個門,也意味著機器能處理越來越復雜的情況,而且越來越低成本的處理這些復雜的情況,大家可能都非常關注智能汽車的發展,也會發現無人駕駛汽車早在很多年前就已經進行了很多的路面測試,但是直到現在還沒有進入我們的家庭,目前大部分還沒有真正進入我們的家庭,因為目前大家還不是基于圖像這樣的感知技術,也就意味著他還需要大量的昂貴傳感器,未來圖象識別會漸漸把很多部分代替掉,這樣的一小步讓機器往前走出了一大步。走出這一步意味著各種技術和機器載體的結合,會滲透到各種各樣的生產環節中。
現在機器在數據的喂養下發生了很大的進展,如果我們看一看整個物理世界,有多少個數據被機器獲得,我們覺得這個比例還非常低,我們掏出手機,每天有24個小時,60分鐘、60秒,每秒鐘有這么多的毫秒、微秒,但是我們每天拍照的次數還很少,我們有這么多的攝像頭,目前接入云端的數量還非常少,何況小小的會場也只有幾個攝像頭,從幾個小小的維度拍攝,我們遠遠沒有把我們的物理世界各種情況都了解,我們每天的生活有大量的時間在看電視、開車、娛樂,這些東西云端都不知道。如果談到生產、企業,就像剛才舉的倉庫的例子,倉庫里每時每刻有什么樣的東西,在什么樣的地方放。果園里的每個蘋果每天在怎么成長,這些信息我們都還不知道,為什么不知道?因為沒有辦法讓企業和個人付出足夠的代價把這些數據貢獻給云端,因為貢獻給云端有什么用呢?
剛才所說的技術的進展開啟了這樣一個循環,我們叫數據和能力的循環。機器的能力越強,人類越愿意把所有的數據都交給他,現在這個數據已經在快速的發展,大家越來越不介意把你的照片、手機的視頻、家里的安防攝像頭各種各樣的數據交付他,交給云端才會得到云端的識別、處理,所以大家都把數據交出去。而第二步是大量的新的環節,就像我們說智能技術和倉庫物流機器人,智能技術和農業機器人、智能技術和農業的無人機,所有的這些東西都有人埋單,因為都能幫助人類減少成本。比如說裝備了這種柔性視覺技術的農藥噴灑機器人,現在美國的農業采摘、噴灑項目,比較顯著降低農業的成本,農業的情景人力非常密集,需要大量的員工。二是人力具有很強的波峰、波谷的屬性,這以為著特別不擅長自然人來干,因為每到旺季的時候需要很多人,淡季的時候這些人沒有地方去,就意味著在美國要發放大量的臨時簽證請墨西哥的人來幫忙。
在中國天貓、京東、電商、超市的倉庫每到雙十一、促銷就需要大量的臨時工,這些臨時工沒有辦法很好的培訓,沒有辦法很好的被組織,也就意味著他們要出大量的差錯,他們的成本很高、差錯率很高,他們企業的業務流程被設計的非常復雜,比如說現在在倉庫里,大家是怎么撿貨的呢?打印出來一個訂單,一個工人推著一個小車,上面放著十個、八個紙箱,跑到貨架內去把貨一個一個撿下來,每天要在倉庫跑幾十公里,撿出來之后再回到出貨站,一個分撿牌,出貨站的人要把它一樣一樣都拿出來,重新掃一遍證明是不是這些東西,如果不加這個環節就很有可能出差錯,一旦出差錯就有企業很大的損失。機器可以很好的解決這些問題,現在機器加上視覺技術把這些問題解決之后降低了很大成本,同時機器收集了很多數據。我們現在發現有非常多有野心的人工智能創業公司,其實都在做著這樣的事情,比如它只是需要一個很小的攝像頭,就可以判斷每個蘋果的位置,給那個蘋果去做動態的噴藥,不光放一個很小的攝像頭,也可以放更多的傳感器,把蘋果的光譜情況、各方面的情況都感知了,把數據積累下來,而這些數據的積累未來對于訓練機器、對于蘋果的判斷、對于農業的判斷,其實都會有很大的幫助。
第三步是大量新的傳感器的誕生,其實我們在視覺領域已經看到了這個過程,比如剛才說的安防攝像頭,安防攝像頭的高清化在過去二十年一直在快速發展,分辨率越來越高,直到現在我們說的視網膜屏幕,但是走到視網膜屏幕的時候已經出現了停滯,因為大家發現再高清沒有用了,再高清人是沒有辦法處理這樣的信息的,包括攝像頭也沒有必要提供3D的信息,沒有必要提供非可見光的信息,這些信息人都處理不了,不要說這些信息,就連高清攝像頭人都看不過來,因為一對一的看攝像頭得需要多少人,所以攝像頭的建設速度會有所減慢,而當這些機器的能力快速發展之后,這些速度重新提速。我們自身在海外提供了多個下一代視覺傳感器的項目,現在機器處理能力那么強,呼喚著大的、新的數據,也能很好的利用新的數據。我們一個安防攝像頭,一旦增加這么一個新的數據源,如果能更好的抓住壞人,能夠更好的識別早上起來漢雨生在Panel里提到的硅膠人臉,其實這些事都不是特別大的問題,只要有一個傳感器很好的那這個人可能就直接引發報警了,因為硅膠畢竟跟人皮是不一樣的。當這些新的傳感器有人買單,而且一旦介入就可以被快速的應用數據價值的時候,傳感器也會快速的發展,就帶來一個循環。有的新的傳感器,又有了新的數據和新的能力,這個循環在快速加快過程中。過去幾年人工智能在加快發展,也在慢慢的進步,這個東西在未來幾年會呈幾何式的發展,會越來越快。
機器補上短板之后,我們再來看機器有什么優勢。第一機器有智能的優勢,大家可能會覺得機器有體力的優勢,其實也會,但是更突出的是智能的優勢,大家想想誰能記住一千萬個人臉,機器能記住,有誰能把一個病人從出生以來吃的過飯和去過的地方都放在腦子里,來考慮一下這個人可能有什么樣的生活習慣,有什么樣的病,我們不能。但是這樣的多元數據對于機器來講完全不是挑戰,去處理幾百人、幾千人、幾萬人的數據都不是挑戰。我們有誰能根據長期數據的經驗,我們根據一百年前果園發生了什么洪澇,一百年來產能怎么在變化,氣候條件怎么在變化,預測明年會發生的事,這些事人類都非常不擅長,機器漏洞很擅長,機器在認知客觀世界上這一點小小的缺陷一直以來掩蓋了機器在這些方面巨大的優勢,這些優勢真正在下一步發揮出來之后,我覺得對于在座的人才是最大的挑戰,因為我們前面說的機器代替人,往往說的代替勞動力,機器通過人臉識別能力代替了會員機、卡口、保安,機器代替了一些工人,大大降低了效率,提高了成本,是有利,我們一直認為我們是知識工作者,是不容易替代的,但是恰恰很容易。
我們很多精力都在投資,現在在中國、美國都投了大量的智能醫療,醫療是一個特別典型的例子,好的醫生都是訓練出來的,八年的學習、多少年的實踐,科室的輪換,包括跟著主任、老師去看很多不同的案例,假設一位影像科的醫生,他一共看過多少張片子呢?我沒有精確的算,他每天看十張、二十張,終其一生也就是幾萬、幾十萬的量級,而我們的機器在訓練和標注下,每天漏洞在處理幾百萬、幾千萬張的圖像,實際上這是一個非常快的學習過程,而人在這里面的客觀缺陷實在太大了,比如說我們剛才說的醫學影像學,其實醫學影像的設備取的都是數字信號,但是為了人能看,我們得把他變成模擬信號,得把他顯示在屏幕上,這可能會丟失很多的細節。本來它是三維的,但是為了人能看、能細節,得把它變成一層一層的切片,變成二維。我們醫學影像檢查的時候,我相信大家都去醫院看過病,會發現你拿到的B超單、核磁單上都有醫囑,查什么什么問題,醫生給你做的時候,就會給你查什么問題,不會給你考慮其他的問題,除非那個問題太顯眼了。
影像醫生不會考慮其他的病史的結果,否則一天就看一個片子就可以了,未來對于智能機器來源講都不是問題,這說明機器在診斷疾病的能力漸漸的達到普通醫生的水平,其實現在已經達到了,達到最高級醫生的水平和超過最高級醫生的水平,因為人會疲倦,一旦超過這一點,人就更愿意把數據交給機器,不遠的將來我們每個人做的所有的影像學檢查都會交給機器,機器的學習能力會更快速的提升,而再下一步是什么?是機器自身要帶來更大量的數據,因為我們說到B超,現在從B超機的技術角度來講,其實做一臺咱們在家里能放、能用的B超,成本、代價都可以接受,但是為什么我們沒有人在家里放一臺B超,每天給自己查查長了什么腫瘤、長了什么問題,脂肪肝的情況怎么樣,因為我們不會用。你還得去調一調那個波的情況,才能取得好的影像結果,取得了以后醫生還得會看。
未來如我們所說,B超這個東西很快會變成自動的,一臺機器自動根據取得影像的回饋自動調整、掃描,把所有可疑的問題查一遍,告訴你今天你是有問題還是沒有問題,明天你是有問題還是每年問題,它不會等到你有了可見問題那一天再告訴你沒有問題,他知道你每天的數據、每個小時的數據,當出現不良趨勢的時候告訴你,這也就意味著醫療的水平會大大的往前提高,而人類一定會愿意為此支付很高的代價,意味著機器在這個過程當中會得到更多的數據。諸如此類的智能優勢太多,我們非常喜歡舉農業的,因為農業是很好的過程,因為農業實在是太傳統、太落后,大家都現在完全靠人力。
現在第一波農業機器人是在田間地頭給蘋果噴農藥等等,它會把數據積累下來,因為他看得到蘋果每天是怎么樣一點一點變紅的,蘋果每天是怎么樣一點一點壞掉的,把這些進行積累,未來的多元數據,包括訂單的數據、氣象的數據、人口的數據,包括什么人結婚了,什么人生孩子了,生的男孩多還是女孩多,喜歡吃飯酸蘋果還是甜蘋果,各種各樣的數據,精準的影響未來的種植,這都是在不遠的將來發生的事情。
講智能的優勢,更可怕的還是進化的優勢,我們剛才講這些都是把一臺機器跟一個人對比,我們最大的悲哀在于,我們作為物理上的人類我們不是歸一的,我們每個人的知識是割裂的,雖然我們有很多的會議,有聯想之星的培訓,有很多學習型的組織,但是實際上無論是同輩之間的知識傳遞,這個效率太低了,還是我們一代一代的知識傳遞。一百年對于人類來講意味著五代人,每代人都是重新成長,有很多的傳承和總結,你損失到大量的時間,而且每一個人都在獨立的進化,而機器完全不一樣,所有的機器都是統一在進化,好像現在有不同的創業公司,其實歸根到底這些數據都會越來越統一,統一進化,永生,會線性增長,只要不出現奇怪的意外,機器擁有的能力不會失去,只不斷加強,成本會不斷降低,計算能力不斷提高,這樣的未來是沒有什么抵抗力的。而更機器的優勢,我們在談智能機器紀元,它真正的優勢是機器,尺度跟我們一樣,比我們強壯、持久,不知疲倦,可以復制,可以上天下海,可以干各種各樣的事情,我們老用人的視角思考,一個機器應該像人一樣有兩條腿或者四條腿,四條腿站不住就有一個輪子吧,但是機器為什么是這樣樣子,機器完全可以徹底顛覆所有的這些東西,其實哪怕是為人類服務,從我們所謂的智能倉庫,下一代的發展一定不是這樣一層一層考慮人的身高、人的高度的倉庫,肯定是對機器組織最有力的倉庫。
機器的優勢會超越人的尺度。我們隨便舉幾個例子,剛才說過,一是非人眼的攝像頭,我們今天說機器視覺的發展,都是用了手機攝像頭,安防監控攝像頭,人眼需要什么呢?我們人眼適應不了太高的分辨率,我們識別不了非可見光,識別不了各種波,識別不了三維的圖像信號,需要成像質量,每一個CCD或者任何感光材料得積累幾百個光打上來才能成像,成了像能顯色,才能被人類所看,這些圖像對我們才有用,我們現在給機器用的也是這樣的攝像頭。未來一定不會是這樣,現在已經大量開始,不會是這樣的攝像頭,一定是機器自己能看懂的攝像頭,機器能夠感知的光譜的信息、紅外的信息。更可怕的是未來的攝像頭的設計本身就是深度學習的過程,機器可以調整各種物理材料的參數,嘗試著去取得不同的信息,看看到底能夠得出多少正確的反饋,機器會留下最好的設計的流程。其實未來的攝像頭跟我們想象的樣子會完全不一樣。
高軌道飛行器,這個比較科幻,我們這兒有無人直升機、火箭,還有小衛星,我們的展板也有在美國投資的月球車的項目。我們為什么投資這些,并不是說我們好像特別熱愛航天事業、科幻事業,是因為未來這些高軌道的飛行器或者外太空的東西會對人類產生很大的影響,這些會帶來大量的數據源,高軌道的影像,第一步城市的交通,農業和所有的東西,軍事,都會在這些具有自主的識別能力的智能的飛行器的眼皮底下會非常多。包括我們外星探索事業,我們尋找人類生存繁衍的地方,既然機器未來有自我生存和自我的判斷能力,為什么還要為人類來尋找。
微尺度的人體機器,剛才談到醫療,還有B超、快速驗血都在快速增長,下一步一定在人體內會有很多微型的傳感器做到對血液指標也好、DNA也好更實時、更在線的檢測,實時是拿出來比較快,在線是在體內可以比較快的查出來,以及上午說的編輯、干預等等。我個人認為雖然現在有很多所謂的倫理學的問題,但是人類現在已 經開 始編輯DNA、胚胎,人類很快會制造出能當成試驗動物的試驗人類,一旦被制造出來,大量新的東西就可以有試驗的地方,就會更快的發展。什么時候這一天會到來,在太平盛世是不會,因為在太平盛世大家總是有圣母情節,大家一定不會去違背這些道德的東西,但是真的某種特殊的病毒和災難到來的時候,我相信人類一定會為了拯救自身,會允許這些的發生,一旦打開這個閘門就收不住。
未來的城市,未來的農村(圖)以及未來的戰爭。上午周教授提到,或者這幾天大家會看到無人駕駛的戰斗機打敗了有人的戰斗機,完全可以改寫整個戰爭的理論,也會改寫關于整個武器設計的原則。其實薩曼還記得我們在美國看過無人智能武器的項目,最基本的智能手槍是很重要的創新,能夠分辨戰場上的槍聲,尤其是敵人的槍聲在什么方位,幫你自動的瞄準和識別,幫你很好的規劃你開槍的方式。我們作為一家中國方式沒有在美國投這些智能武器項目,我相信這樣的事兒會越來越多的發生。
前面說了這么多,因為時間有限,說回來我相信大家心里最大的問題,肯定會說你說了這么多都沒有用,因為機器還是機器,機器還是為人服務的,機器不會制造機器,機器沒有自我的意識。我個人對這一點也是非常悲觀的態度,創造不是壁壘,大家看到最近幾個月的新聞,機器制造機器這個事越來越多的發生,對機器來講這沒有什么神奇的,給機器一些材料,無論是推演、嘗試用基因算法迭代,只要給一個反饋的回路,它制造出來的東西哪些能夠更符合生存和發展的需要,它就能一代一代的迭代、制造,意識也不是,因為我們往往會高度我們人類作為一個神圣物種的意識,我們的主觀意愿是什么,往往對于人類,第一是要生存,活下去,第二是快樂,成就感,不談神經科學來講,這只是多巴胺和物質的分泌,我們追求的就是這些東西。而在不遠的將來一定會給這些自主制造和自主調整能力的機器賦予這樣的任務,因為比如說我們說的戰爭的機器人,比如任何一個行業應用的機器人,肯定要賦予它的任務,肯定會希望你要想盡辦法存活,一定開啟了這個閘門,就會把這個能力不斷地繁衍迭代下去,并不會告訴你怎么做到這一點,這些東西最后積累下來就會成為我們所看不懂和所無法判斷的,但是會越來越快的去隱藏自己的意識往前走,都是這樣迭代的過程。
因為這個題目叫做生存指南,前面講了很多50年后、100年、200年后的幸福世界或者悲慘世界,但是生存指南是什么呢?只有“帶路黨”才能生存。如果我們想做抵抗黨是沒有什么希望的,機器這么強大,最終我們是打不敗它們的,你不去開發這些機器,一定會有人去開發這些機器。只有努力做一個“帶路黨”,從現在開始投身人工智能和智能機器的創業、行業應用,讓機器以后有這么強的智能,一定會記住誰到底是他當年的制造者,比如說薩曼在這兒,他是很好的制造者和推廣者,以后在博物館里會給我們留一個比較好的位置。
時間所限,我們今天不跟大家分享我們投了這么多智能機器的企業,我們到底怎么能夠生存,2B而不是2C,人機混合,而不是上來做純機器的東西,尋找數據密集的領域做創業等等。我們今天就分享一點,剛才說的這些下來可以交流。我們想分享一點,怎么生存,還是要找到聯想之星,找到聯想之星的COMETLABS,接受我們的投資,享受我們的孵化和全球的服務,享受我們背后全球的大型產業公司提供的資源。謝謝大家。