李开复让ai造福人类原文 李开复演讲人工智能视频英文字幕

李开复预测未来有50%的工作将会被AI取代，你赞同吗？

李开复在37年前便已开始研究AI，2009年创办了创新工厂，他见证了从专家系统到神经网络，再到深度学习的浪潮，以及变化无常的投资周期。在一次采访中，他表示：“现在，我们终于迎来了AI时代的开端”。

李开复让ai造福人类原文 李开复演讲人工智能视频英文字幕

李开复让ai造福人类原文 李开复演讲人工智能视频英文字幕

针对AI时代的到来，李开复预测未来有50%的工作，都将会被取代，尤其是一些与数据处理的工作，如银行、证券所的一些，服务行业是的出路。因为AI有两种工作不能做，一是创造性的工作，二是互动。

也就是说未来创作型人才和服务型人才，会是人生的大赢家，那么在大学读这些专业学生，实在是太幸运啦，起码你不用担心，自己的工作是否会被AI取代。

福特锐界L 预售开启

广告

福特锐界L 预售开启

1.心理学专业

心理学是一门研究人类的心理现象、精神功能和行为的科学，既是一门理论学科，也是一门应用学科。包括基础心理学与应用心理学两大领域。在大学读心理学专业，毕业后做心理医生，是不用愁没病人可看的，如果未来50%的工作都会被取代了，那么这些失业的人，是需要心理医生的疏导，不然就乱套了。

2.导演专业

导演专业一向都被人们认为，是只砸钱不赚钱的专业，因为并不是每个人，都能够成为像李安这样级别的导演。但是在大学学习导演专业，可以培养学生独特的创作思维，开发他们的创作能力，要知道AI是不能够自己进行创造的，等大学生学完毕业，多多少少还是有一点的创作能力，拍个微电影，网剧什么的，也还是可以的。

3.旅游管理专业

大学学习旅游管理专业，以后从事相关工作，进入的就是服务领域。该专业涉及区域旅游资源开发与规划，旅游者行为，旅游营销，旅游企业管理等，导游是旅游管理下面的一个方向，总的来说，这是个应用性极强，与人打交道的专业。AI工作再牛，它也没办法和人进行互动。

4.园林专业

大学的园林专业主要培养从事园林植物繁育、城乡各类园林绿地的规划与设计，园林施工组织与管理等方面的高级复合型科学技术人才。大学学习这个专业，以后可以从事，花卉园林专业性较强的工作，要知道在城市高速发展，污染日益的今天，绿化及生态环境已成为新追求，园林设计师，园艺师很抢手啊。

如果你的工作被AI取代了，你打算靠什么为生呢？

《人工智能》李开复/王咏刚

我读该书的收获：

什么是深度学习？ 李开复举得例子很通俗易懂、很形象

这一次人工智能复兴的特点是，AI在语音识别、机器视觉、数据挖掘等多个领域走进了业界的真实应用场景，与商业模式的紧密结合，开始在产业界发挥出真正的价值。

1 三次人工智能浪潮：

2 第三次人工浪潮的特点：

语音识别领域的三次跨越：

创新工场管理合伙人、资深投资人汪华认为，人工智能的商业化分为三个主要阶段：

阶段

AI会率先在那些在线化程度高的行业开始应用，在数据端、媒体端实现自动化。

这一过程会首先从线上“虚拟世界”开始，随着在线化的发展扩张到各个行业，帮助线上业务实现流程自动化、数据自动化和业务自动化。

拥有高质量线上大数据的行业会早进入人工智能时代。

互联网和移动互联网的发展已经在许多领域为AI做好了业务流程和数据上的准备。例如：大家常说的金融行业是目前人工智能应用的热点，这正是因为金融行业特别是互联网金融已经做好了使用AI的准备。此外，美团等公司将餐饮服务与线上业务连接了起来，滴滴、摩拜单车等公司将交通出行与线上业务连接了起来。在这些拥有线上业务流程和高质量数据积累的地方，AI同样开始发挥作用，大幅提高线上业务的自动化程度。

第二阶段

随着感知技术、传感器和机器人技术的发展，AI会延伸到实体世界，并率先在专业领域、行业应用、生产力端实现线下业务的自动化。

可以感知实体世界信息的传感器和相关的感知技术会越来越成熟，越来越便宜。在线下业务中，计算机系统可以通过物理方式接收线下信息或帮助完成线下作。这个转变意味着人工智能从线上的“虚拟世界”走进了线下的实体世界。这个阶段，人工智能的商业化会首先从生产力的角度切入，整个世界的生产制造会逐渐被AI渗透。工业机器人、仓储机器人、物流机器人等将在这个阶段实现大范围的普及。

第三阶段

当成本技术进一步成熟时，AI会延伸到个人场景，全面自动化的时代终将到来。

随着技术的日趋成熟，相关的智能产品价格大幅下降， AI终将从企业应用进入个人和家庭 。那时，每个人的工作和生活中，大量的应用场景都会因为AI的帮助而更加自动化、更，人类的生活质量终将因AI的普及而大幅提升。这个阶段里，AI商业化的核心目标是创建全面自动化的人类生活方式

根据汪华的判断，我们目前正在进入A商业化的个阶段，也许只需要3年的时间，AI就可以在各种在线业务中得到普及。AI商业化的第二个阶段，要花5~7年的时间才能充分发展起来。而标志全面自动化的第三个阶段，需要十几年的时间。

清晰的领域界限

人工智能创业，要解决的领域问题一定要非常清晰，有明确的领域边界，因为这一类问题是今天以深度学习为代表的人工智能算法善于解决的。例如，同样是做机器人，如果做一个借助视觉传感器更好地规划扫地线路、提高清洁效率的扫地机器人，将机器人的需求限定在一个有限的问题边界内，这样的解决方案就相对靠谱。

如果上来就要做一个长得像人一样、可以与人交流的人形机器人，那以今天的技术，做出来的多半不是人工智能，而是“人工智障”。

闭环的、自动标注的数据

针对要用AI解决的领域问题，有在这个领域内，有闭环的、自动标注的数据。例如，基于互联网平台的广告系统可以自动根据用户点击以及后续作，收集到手转化率数据，而这个转化率数据反过来又可以作为关键特征，帮助AI系统进一步学习。 这种从应用本身收集数据，再用数据训练模型，用模型提高应用性能的闭环模式更加高效。 谷歌、百度等搜索引擎之所以拥有强大的人工智能潜力，就是因为它们的业务，比如搜索和广告本身就是一个闭环的系统，系统内部就可以自动完成数据收集、标注、训练、反馈的会

过程。

千万级的数据量

今天人工智能的代表算法是深度学习。而深度学习通常要求足够数量的训练数据。一般而言，拥有千万级的数据量是保证深度学习质量的前提。当然，这个“千万级”的定义过于宽泛。事实上，在不同的应用领域，深度学习对数据量的要求也不尽相同。 而且，也不能仅看数据记录的个数，还要看每个数据记录的特征维数，特征在相应空间中的分布情况，等等。

超大规模的计算能力

深度学习在进行模型训练时，对电脑的计算能力有着近乎“痴狂”的渴求。创新工场曾经给一个专注于研发深

学习技术的团队投资了1000万元。结果，团队建设初期才两三个月时间，仅购买深度学习使用的计算就花掉了700多万元，一个类型的深度学习任务，通常都要求在一台或多台安装有四块甚至8块高性能GPU芯片的计算机上运行。涉及图像、视频的深度学习任务，则更是需要数百块、数千块GPU芯片组成的大型计算群。在安装了大型计算集群的机房内，大量GPU在模型训练期间发出比普通多数十倍的热量。许多机房的空调系统都不得不重新设计、安装。在一些空调马力不足的机房里，创业围队甚至购买了巨大的冰块来协助降温。

的AI科学家

今天的人工智能研发还相当依赖于算法工程师甚至是AI科学家的个人经验积累。水平的科学家与普通水平的算法工程师之间，生产力的异不啻千百倍。人工智能创业公司对AI科学家的渴求直接造成了这个领域科学家、研究员的身价与日俱增。谷歌雇用杰弗里·辛顿、李飞飞，Facebook雇用扬·勒丘恩，据说都开出了教百万美元的年薪。国内AI创业公司如旷视科技，也用令人瞠目的高薪，将机器视觉领域的科学家孙剑“挖”了过来，把任公司的首州时科学家。

把握时机对创业和投资至关重要。创新工场根据技术成熟度和未来发展趋势，将人工智能各应用领域划分为现阶段已成熟、3到5年成熟、5到10年成熟、10年后成熟等不同类型，并分别设计相应的投资策略。

如图中所示，创新工场将人工智能领域的应用划分为大数据、感知、理解、机器人、自动驾驶等不同门类，每个门类中，按照人工智能技术的成熟度，将具体应用领域排列在时间维度上。

总体来说，人工智能在互联网、移动互联网领域的应用，如搜索引擎、广告等方面已经非常成熟。在商业自动化、语音识别、机器视觉、手势识别、基础传感器、工业机器人等方面，人工智能可以立即应用，立即收效。

金融类人工智能的应用虽然已经起步，但尚需一段时间才能真正普及。智能教育、智能医疗、AR/VR中的人工智能、量产的传感器、商业用机器人等，预计会在3到5年成熟可用。

可以供普通技术人员乃至非技术人员使用的人工智能平台(包括计算架构、算法框架、传感平台、云服务等），会在3到5年后趋于成熟并拥有足够大的商业机会。

通用的自然语言对话工具、智能助手、普及型的家用机器人等，则至少需要10年甚至更长的时间，才有可能完成商业化。

另外，在自动驾驶领域，3到5年内，必将是第2级到第3级的辅助驾驶大规模商用，而且，鉴于安全考虑，这些自动驾驶应用也会是限定场景、限定道路等级的。真正意义上的“无人驾驶”，即第4级或第5级的自动驾驶，还需要5到10年才能上路运行。

我的理解：

跟着“数据”走，哪里有质量高的大数据，哪里就有金子。