芯片风波后，李开复仍坚信中国AI将领先世界，MJ和LeCun怎么看？
更多干货内容请关注微信公众号“AI 前线”，（ID：ai-front）
我们在过去的五年左右看到了深度学习和相关的技术渗透各种领域，尤其是计算机视觉。从应用的角度来看，我会把人工智能的应用归纳成为四波浪潮，这四波浪潮它应用的方式不太一样。其实在座的每一位每天都在用人工智能。
第一波浪潮就是互联网的 AI 浪潮，也就是说当你每次在淘宝点击的时候，每次在朋友圈点赞的时候，这些数据都被收集起来，成为巨头互联网公司能够更深度地的了解，然后为他提供更好的服务、更贴切的服务，第一，互联网 AI 浪潮。在这个阶段，通过一些购物网站和其他平台，我们都成为大公司的“小白鼠”，被他们打上标签，成为他们的数据库组成部分。
第二是商业化 AI 时代，即实现变现，提升商业价值。比如银行用用户的数据降低信用卡的欺诈率或者贷款的还款率，或投资回报率。所以银行、投资机构、保险公司 AI 商业化比较容易。在供应链、医疗、学校，其实任何有数据的领域都可以把它商业化，这是第二波商业化 AI 的浪潮现在正在发生，大部分 AI 公司都是做商业化 AI 的工作，也是一个 ToB 的生意。
第三波浪潮就是要收集那些基于视觉、听觉或者其他传感器收集数据，然后把这些数据变成一个新的应用，甚至是一个新的用户体验。比如说我们看到各种智能音箱、智能语音交互产品、越来越多的摄摄像头，以及把这样一个聪明的计算机视觉加传感器用在无人商店、工厂等各个领域。所以第三波浪潮已经开始来临，我们会看到更多的传感器、更多的芯片，更多的摄像头布置在周围的各个地方。各家企业争先推出自己的智能音箱等产品，人脸识别摄像头也遍布各个角落，等等。
第四波，自动化 AI。这个阶段，已经有各种 AI 初级应用出现，比如自动驾驶。这波浪潮会颠覆我们的出行习惯、物流模式等，无人工厂、无人商店将出现。这四波浪潮也给中国带来更多的机会，尤其在互联网上，我们已经占了世界的半壁江山。在视觉方面和传感器方面的应用，我们也发展的非常快。因为我们有海量的数据。在那些比较深的科技，像无人驾驶方面还是美国领先的。但是中国有数据的优势和强的政策推动，所以以后应该是中美在人工智能领域领先的状况。
在人才培养方面，李开复还分享了创新工场的 AI 人才的培养计划。今年，创新工场和教育部、北京大学发起了课程培训项目，预计在 2019 年培养数万名的学生。他说道，美国在 AI 教育方面有非常大的优势，国内虽然有有非常优质的计算机人才，如果进入 BAT 他们能够学到很多 AI 实践。但是毕竟我们要建立起人工智能的金字塔必须从基层做起，也就是说需要在大学毕业的时候就有一定的 AI 基础，为了做到这个目标，创新工场分了三个步骤，即与教育部个北大的合作培训课程；针对有潜质的学生进行针对性培养，计划今年培训 100 位老师，在三四年之内教授几万名学生，以及通过 AI 竞赛拓展 AI 技术的覆盖人群。
李开复还透露，今年 8 月他将会出版继《人工智能》之后的另一本 AI 科普读物，还是可以期待一下的。
在迈克尔看来，真正的 AI 需要原则（principle）的支持来建立一个体系，但是目前我们的原则并没有很多，所以完整的体系还未建立。他认为，无人驾驶等自动化这些并不是我们最终的目标，实现更好的连接才是。
然而，现在的智能并没有完全建立起来，例如虽然在地图方面我们可能已经实现了一些功能，但是了解它的语意或者其他背后的背景和引申含义等的智慧和智能还不存在。我们需要的是现在还没有实现的，所有的体系都能达到智能的体系，它们可以自主决策，并且同时做出的数百、数千的决策中可以分出先后顺序和优先级别。
以推荐系统为例，虽然现在有一些系统可以提出非常好的推荐，比如哪家餐厅、哪本书比较好，但是如果这个系统向所有的人推荐同一家餐厅、同一条道路，就会造成各种问题，我们需要为之负责。因此，我们在做这样一个体系搭建的时候，考虑的并不是单个的个体智能，而是整个体系和网络，包括数据、决策，以及可能出现的错误等。虽然在研究中，一些原则性的东西不断涌现，似乎看起来无所不在，但是实际上整个体系还需要时间来建立。
“我的目标就是要在无人驾驶汽车当中，虽然没有人，但是它的这种驾驶要真的像人一样在驾驶，而不是说只是一个简单的机器。所以建立一个自动化的体系真的不容易，人们可以用人工智能这样一个词来表述，这没有问题，但是千万不要夸大。”
在演讲中，Yann LeCun 强调了监督学习和无监督学习，以及让机器学习常识来进行更好的预测，那么，常识和监督和无监督学习之间有什么样的关联呢？
对此，Yann LeCun 表示，Facebook 也希望自己的应用能够拥有真正的智能，搭建起体系架构，但是很多技术还没有到位，即使是已经做了几十年的人脸识别技术，但目前仍有一些目标未能达成。这是因为机器要获取大量的知识，它才能够真正的去实现像人类那样的智能和智慧做出很多的预测和判断，做更多的事情。但正如迈克尔乔丹所说，这样的体系还没有建成。监督学习需要从现实世界中获取数据，但是它给到机器的数据数量非常少，因此训练机器就会受到限制，导致获取的反馈和信息不足。这方面，机器与人之间的差距巨大，同时也是有很大进步空间的。
此外，在演讲中，他还给出了对未来 AI 的 12 个发展趋势，分别是：
监督学习 化学习 → 自监督学习发展
学习预测世界模型
符号和逻辑 → 向量和可微算子
静态网络 → 动态、基于数据的网络
图构建 → 可微分编程
基于张量的运算 → 基于赋值图的运算
理论！(非凸优化、隐式正则化、架构)
少监督、弱监督
动态网络的强化学习框架和编译器
基于移动和低能耗设备的神经网络推断
超越 GPU 的深度学习专属硬件
大规模分布式训练
相信熟悉 AI 的读者都对这三位大神不陌生，但为了更加全面了解他们为何被人们尊称为“大神”，还是很有必要盘点一下他们对人工智能领域所作的贡献的。话不多说，开扒！
Facebook 人工智能实验室（FAIR）主任
纽约大学数据科学中心创始人
纽约大学计算机科学、神经科学、电子电气科学教授
创新工场董事长兼 CEO
这位 AI 明星大家都比较熟悉了，他是位坚定的人工智能支持者，著有《人工智能》这本不错的人工智能科普读物。
他的创新工场刚刚于 25 日下午对外宣布完成第四期美元风险投资基金的超额募集，总规模为 5 亿美元。此轮募资完成过后，创新工场共管理 6 支基金，管理的资产规模达 110 亿元人民币，同时宣布第三期人民币基金已启动募集，预期募资金额为 25 亿元人民币。
创新工场对自己的定位为“VC+AI”，对人工智能投资有专门的工程院。在今年 1 月份的世界经济论坛上，李开复提到创新工场那时已经对 45 家人工智能创业公司进行投资，其中就包括地平线机器人、第四范式等，可以说给予了 AI 产业公司很大的支持。
加州大学伯克利分校计算机科学与统计学教授
AI @ The House 的合作伙伴和创始人
Michael Jordan 在计算、推理、认知和生物科学领域工作了三十多年，曾在加州大学圣迭戈分校就读研究生，后在麻省理工学院和伯克利分校从事教师的工作。他最近担任的职位之一是作为 AI @ The House 的合作伙伴和创始人，这是一家位于伯克利的风险基金和加速器。该基金旨在不仅支持人工智能项目，而且支持 IA 和 II 项目，并且支持在大学环境的背景下研究这些项目，不仅包括工程学科，还包括社会科学、认知科学和人文学科。
据 2016 年《科学》报道，迈克尔·I·乔丹是当今世界最有影响力的计算机科学家。值得一提的是，乔丹的许多学生和博士后包括 Zoubin Ghahramani, Tommi Jaakkola, 吴恩达, Lawrence Saul 和 David Blei 等，也已经成为机器学习领域的重要学者。
看完三位大神关于 AI 的现状的分析与未来的展望，是不是感触颇多，欢迎大家留言与我们分享自己的收获和感受。
今日荐文
点击下方图片即可阅读
重磅 | PyTorch 0.4.0和官方升级指南来了！
2018 年，人工智能全面爆发，资本大量涌入，政策不断加持，各企业趋之若鹜。作为技术管理者应该如何理性看待技术新浪潮，如何做出合理的技术落地评估，将人工智能脱虚入实，真正为企业创造价值？
第三届 GTLC 全球技术领导力峰会，瞄准需求，特别策划推出了“新热技术落地评估”主题专场，旨在为技术 Leader 解读，当技术新浪潮一波接一波袭来时，该如何评估，如何落地……想了解更多大会详情，欢迎点击“阅读原文”或扫描下方二维码。大会 8 折限时优惠，报名立减 720 元，售票咨询电话：13269078023。
如果你喜欢这篇文章，或希望看到更多类似优质报道，记得给我留言和点赞哦！