全球AI領軍人物，《AI新世界》作者——創新工場董事長李開復，在全球做了300場演講後，應遠見．天下文化事業群邀約，於7月24日來台進行一場名為【AI新世界】趨勢論壇，現場一位難求，產官學界重要人士齊聚。《遠見雜誌》特將演講內容進行精華摘要，讓無法到場的讀者一睹為快。
我在大一時開始做人工智慧，走了這麼長的路，也碰到很多挫折，而我一直堅持做下來。《AI新世界》這本書現已在四個國家出版，還有21個國家即將在今年底出版，應該是全世界最暢銷的AI相關書籍。
首次發佈在台北，雖然一開始，我是用英文寫的，但是遠見．天下文化的團隊太有效率了，他們將書翻譯並出版時，美國都還來不及出版，而今天，也可能是本書最後一次演講，因為我又要寫新書了。
如今，我又更新本書，前40、50頁加了很多內容，自去年九月出版（英文版後）至今，我已在全球各地做了300場演講，幾個航線加起來一共有60萬英哩。
很多人問我，這麼多演講的總結是什麼？連我的孩子，他們還在讀書、還在找機會，都問我：「你看你的日子這麼好過，各國家領導、CEO都要聽你演講。」我說不是這樣的，畢竟出這本書時，我在美國其實沒知名度，我是努力地用演講，一個一個做出來。
過去，我在中國大陸和台灣出書時，最多十場演講，這次我講了300場，因為我覺得我有話要說，本書若要全世界人都聽到，首先美國人要聽到，而許多人想聽，其實因為興奮。那麼在這300場演講，60萬英哩的累積下，我對AI又更多認知了。一方面技術還在發展，另外，每次演講都被提問，我就把問題整合起來。
關於AI的四個方向
今天我要講四個方向，分別是一、什麼是AI；二、AI應用的四波浪潮；三、中國AI的機遇，以及四、AI會帶來什麼挑戰？
39年前，我做了不少AI的工作。在1986年，我就做了第一套可以工作的語音辨認系統，在當年得到《紐約時報》半篇報導，蘋果電腦也將之做到了他們的產品裡面，然後在《華爾街日報》也接受了一個採訪。
在過程中，我其實也看著人工智慧，每次看起來好像可以工作了，或被預言，人類要毀滅了，但最後發現好像還不可行。一次的發現，一次的失望。這次大家又面臨了所謂的「深度學習」，那我們是不是又會失望呢？
我很確定的是，深度學習已被廣泛接受，而且會對業界帶來顛覆和改變。
我們可以看到不斷地有新聞出來，如AI打敗了圍棋冠軍、打敗很多電子競技遊戲、AI比醫生更會看一些片子。在高考方面，AI在中國已經可以考上醫學院，在日本也快要可以考進東京大學。AI的閱讀測驗超過了99％個學生，還有語音辨認、人臉辨認，都已經超過了人，甚至是頂尖水平。
這都是過去五年中做出的。很多人擔憂，是不是代表AI要控制人類了？其實不會！因為這些突破，都是基於深度學習這一套技術，如果我們回頭看AI過去這60年來的種種發展，最大的一個就是深度學習。
什麼是深度學習？
那深度學習是什麼？他跟人腦完全不一樣。不像人類可以有創造、戰略、自己的想法、感情。他其實是一套數學公式，然後他是在海量的數據下，能做出非常聰明的決定。比如說我做的那套下棋軟體和語音辨認，都是基於統計的系統。
這些統計系統其實是相通的，厲害之處不來自人寫的程式，而是給他海量數據，讓他自己成規則，有能力決定。
這些規則不要人去控制，控制越多，機器反而越作不好。因為人的思維跟機器不一樣，機器是基於大量數據，用統計方法劃分，所以數據越多，結果越好。因此，深度學習其實就一個神經網路，輸進大量數據，告訴他正確答案應該是什麼，他就會做得非常好。
我先講一個自己博士論文的故事。其實，1984年我就看到，統計用海量的數據，絕對是比用規則更好。於是，我就跟我的老師申請了巨額的經費。
當時我每個月的獎學金是700美元，其中，付房租四百，吃，三百，正好用完，後來我斗膽再跟老師要十萬美金，說：「你相信我的話，我不用你的規則法來做AI，我要用我的統計法來做，但是我需要用十萬美金買一套硬碟。」那時，硬碟重達200公斤，後來他准了，開啟了我語音辨認工作。
所以我非常感恩我的恩師。你可以想像，他給一個每月700美元研究費的研究生10萬美元，而你猜猜，10萬美元買了多大容量磁碟 ？100mb。
當時我就是靠著100mb做了世界最大的語音資料庫，做出最好的語音辨認系統。如今，語音辨認的數據，至少多100萬倍。我當時用的算法也不行了，因為那套演算法只能在100mb工作，現在則至少100T。
當年發明深度學習的Yann LeCun，他在1989年也做了這個，而我是1988年畢業的，我們是同一代的人，但當時他的結果一直不怎麼樣，而且論文不斷被各種會議質疑，他大部分是做圖像，我在做語音。
但是後來事實證明他的方法才是正確的，我的並不是，只是我的方法是取了個巧，用100mb，也能做出結果，他的是需要100T才做得出結果，後來也得到了圖靈獎，這是他們應得的，他們堅決認為，若有海量的數據，非常快速地計算，才能讓AI真的執行起來。
回到深度學習，比如，我們要做一個貸款的軟體，那麼就把人還款不還款，做為訓練基準，然後把人的所有數據都餵養進來，包括手機款式、住處、薪資、手機上有什麼APP等等……。最後他還錢了，就是正面回饋，不還錢就是負面回饋，所以整個深度學習，就在學，如何分出還錢和不還錢的人。
其實，做機器翻譯或是語音辨認，也都是這一回事。而後來，互聯網則發展到，可以倒過來跑，他不但可以告訴你答案，還可以導出這個人可能會說什麼。因為他倒過來了，不只是把人話餵養而進，來識別人說了什麼，而是聽了夠多的話，可以預判，他會怎麼講話。
所以深度學習非常神奇，可以做分類、預測、決策，也可以做深層。
深度學習的例子：八個不懂AI的小朋友都可以操作
我來演示一個例子。這例子最有趣的是，他並非任何的科學家做出的，而是由八個不懂AI的小朋友，做出的一套軟體。這是一套hiphop作曲家軟體，用海量的嘻哈歌訓練機器，然後給機器一個詞，他就能作曲。
畫面中的詞就是去年我出的題目，我說：「你們就寫首歌，歌名就叫做『創業的路上』，」於是這就是製作出來的結果。
澄清一下，影片中，這是人唱的，不是機器唱的，但實際上，你要做一個機器唱的，那再給我16個小朋友，我們也做的出來。並沒有任何的難度。唱歌，從來不是一個難題，唱的好聽是難題，但是唱歌不是難題。所以現在AI已經到了這個地步。
若再有人跟我說：「AI，好高深啊，這怎麼辦啊？大學生都不會，怎麼趕上美國、中國？」八個學生能做出這個，我們的台大、政大為什麼不能做出？AI的門檻在快速的降低。
另一個例子，是無人駕駛，也是八個小朋友做的，他們在北大做了一個高清地圖，把北大所有的路勘測了一遍，然後做了高清地圖，以後，他可以從任何一個教室開到任何一個教室，在中間不會撞到人、腳踏車。
當我們談到深度學習到底需要什麼？一年前，我用的條件跟今天一樣，第一個需要海量的數據；第二，需要客觀、精準、自然的標註。
怎麼說呢？就是我不要找人去標註，最好是自然的標註。
一如要用AI判斷投資，不是要派個專家來解析，很簡單，只要標註，一個股票只要漲就是好，跌就不好。而每個股票都有噪音存在，但是如果有海量的數據來訓練他，包括每一個分析師、每一個社群網路所分享的對某支股票的內容，再把這些人的臉書給找出來，看他這個禮拜快樂不快樂？
第三，AI其實蠻笨的，他只能在一個領域工作。所以如果我們做了一個很好的貸款機器人，他絕對不可能變過來做機器翻譯，那是另外一個機器，所以每個AI只能做一件事情。
第四，很多電腦，很多數據，以及頂級的AI科學家，如今已不需要，只要AI工程師就好。還有未來的AI，可能有各種的技術，深度學習是其中之一。
AI發展的四波浪潮
下面給大家講一下AI應用。我的書裡描述了四波浪潮。
第一波，互聯網上有海量的數據，我們每天都像白老鼠幫助標註數據。比如說，當我們每次在臉書點讚的時候，都是告訴臉書說我是這樣的人，那麼臉書就更知道該給我看什麼東西，然後臉書能用此來定一個目標函數。
什麼是目標函數呢？運用目標函數，你可把你的業務目標，變成目標函數，讓AI變成了一個可優化你的業務目標的機器。假設我們淘寶，藉由龐大的用戶點擊行為，由於每個人看的網頁都是不一樣，那麼機器人就可以判讀出你的喜好，可以找出一個目標函數，提供用戶最需要的東西。所以AI的厲害在於他能超過人類，個性化地給每一個人不一樣的東西。
過去，媒體也好，電商也好，很難針對每個人，提供不同的服務，進而將業績極大化。而今，互聯網公司動耴業績三、五百億元，很大一部分是，他們能用AI把大數據變成商業的利潤。
第二波，不只是互聯網在活用海量的數據，金融業、保險業、銀行、證券投資……等，也在用數據。尤其是金融，由於他就是一個虛擬遊戲，跟互聯網相似。
第三波，就是把AI提升到一個不只是大數據，而且是感知的過程。他的感知是能夠把在實體世界上看到、聽到、感覺到的各種東西變成數據，再讓他去做AI。
所以你可能會覺得，是不是可以語音辨認、人臉辨認、物體辨認，當然是。人只能靠嗅覺、味覺進行判斷，但機器，可以判斷熱值，分析動態，然後還可以做出3D的重建，這是人做不來的。
以後機器的感知更遠遠超過人，不只是在辨認人或體，他可以辨認一個動作，然後把這個動作變成商機。
舉個例，張學友六個月前在中國大陸做了五次演唱會，來了9萬個人，演唱會完了以後，23個逃犯被抓起來。因為每個人在進去的時候，都被人臉識別掃了一遍，掃了以後，發現這個人有嫌疑，那麼員警就會來過，看看身份證。
你想，若你是逃在深山裏的逃犯，怎麼會想到混進幾萬人裏，會被認出來？但，人臉識別系統，卻可同時辨認300萬張臉，第二，他能可以一秒六十幀的速度快速地辨認。所以在你入場的那一剎那，即便你用手遮著臉，但只要你手一放下來，就被看到了。因此，AI已把人遠遠的甩在後面，並足以改變世界。
第四波浪潮會稍微慢一點，因為他會要動，讓機器有手有腳，機器人無人駕駛，能夠動、能夠取代流水線工人，能夠取代你的司機等。第四波浪潮會比較慢，但是現在也在快速進步，所以這四波浪潮是同時在發生。
四波浪潮已經覆蓋了整個社會
其實你把四波領域全部加起來，差不多就是今天的經濟，而且已經覆蓋了整個社會。
創新工廠作為AI早期投資人，我們在2012年就開始投資，你看到我們在四波浪潮都做了很好的佈局和投資。在AI領域的投報率，每年都接近三位數一年吧。
舉例子而言，現在AI客服已經能夠接聽80%的電話，可以想像能省多少成本，但同時也取代多少工作。
北京一個叫原麥山丘的麵包店，已經沒有人了，都是自動結帳，你把麵包一放，馬上價錢就出來了，而且若試著把一個小麵包藏在大麵包下面，還會被抓到呢。因為三維重建，可以知道一個麵包有多高，如果一個麵包飛在空中，就表示下面還有一些麵包。
另外，AI教室就是未來的老師，由AI來做各種重複性的工作，包括改考卷、出功課、講課。然後在初級班裡面虛擬老師是也可以的。例如，我們現在已經可以做出一個AI的遠程英語老師，小朋友根本分不出來這是虛擬的。
在中國的農村，小朋友大多都在貧窮的環境成長，要走一小時甚至一個半小時的路上學，而且，很可能，一整個小學，六個年級的所有課程都只由兩位老師教導，所以我們帶進了遠程老師，是北京一個名師的分身，遠程名師講較難詮釋的東西，而當地的鄉村老師變成助教。
至於遠程老師，也可利用人臉辨認，來認學生，藉此進行師生互動，針對每個學生的需要，幫助修改己英語口音、數學基礎知識，這都已在真實社會運營，不是天方夜譚。
中國在AI發展領域目前超過美國
中國在AI方面其實握有非常好的發展機會。
每年圖靈獎得主，會有一到三位得主，而在AI領域，全部都是美國人和加拿大人，無一例外，因為，過去美國一直是領先全球。
但過去的十年中，因為中國的市場太大，吸收了很多的投資在AI上的錢及投資人，這些投資，幫助創業家達成了夢想，打造世界級的公司及好產品，而再又吸收更多人進入中國。因此，這讓中國與美國分裂成了兩個平行的宇宙。舉例來說，今天在中國的App，和美國就是幾乎截然不同的兩套系統。
十年前，中國幾乎都是模仿美國，但，後來中國慢慢有了微創新、慢慢有了好點子，針對中國本地的需求，又做出了更多的創新。一如抖音、MOBIKE等，這都是幾百億、上千億美元的公司。這些公司所做的業務的是美國完全沒有的。
於是，在這個裂變的過程中，中國變成了一個創新的大國。
當年，我有幸創立了微軟亞洲研究院，這個研究院為亞洲，尤其是中國培養了5000個人才。那麼這些人現在都是分佈在阿里、騰訊、華為、聯想等，他們的AI負責人都是當年從研究院出來的。
每個暑假培訓六百個學生，也包括了臺灣的學生。五個五週之後，他們就可以做出AI創作，所以，在門檻降低下，有更多年輕創業者出現。
在數據為王的AI領域中，中國最大的優勢是，數據最多，無論是在移動支付或用戶數量，就連外賣訂單量，都是美國的很多很多倍。
僅僅在2018年，中國整體的移動支付就是40萬億，比中國的GDP還大三倍。而這麼大量的數字，全部經過數位網路產生，所以拿這來作AI訓練的基礎資料，會使得機器人無論對用戶的購買行為、對貨品、當地、電商，甚或整個零售業的瞭解，都特別特別巨大。
他不只對阿里、騰訊有很大的幫助，對每一個商家，有這個資料的都有幫助。那麼沒有這些資料的國家其實在整個電商服務發展，甚至在金融投資保險的發展，都會相對落後。
你可能會說美國不是也有嗎？但實際上，美國是封閉式的數據，而且這些公司他們本質上不是一個大數據公司，也不是一個AI公司。所以中國在這方面其實已經遠遠超過了美國。
中國AI生態將快速改變世界
再比政策，中國國務院的政策和美國相比，應該是差不多、平分秋色，但在應用和價值的產生，中國還會略勝一籌。也可以說，再繼續發展下去，中國的整個移動互聯網跟AI應該都會滲透到世界各地。雖然今天你認為全世界是美國為主，只有中國是以中國為主，但這樣的生態已經非常快速的在改變。
假使你到東南亞、中東、非洲，包括印度，問當地年輕人，do you use tiktok(抖音)？很多人就會說yes，抖音是中國現在出口最快的一個產品。
在全球，尤其中美等七個巨頭，每年培訓幾十萬個AI的專家，大量的投資投入AI領域，當年愛迪生是到銀行去借錢，才開創了通用電氣，而今，AI公司卻是幾千萬幾億甚至幾十億的去融資，所以是不可同日而語的。
從愛迪生發明電，到第一個國家電網的產生，都是好幾十年的事情，落後的國家，還可能要花超過一百年。
但AI電網，就是在雲端上用cloud架 AI，今天你用google cloud、亞馬遜AWS、阿里雲，上面都有AI的功能，這意謂著使用AI的成本，正快速下降，這就是剛才我所舉例的，五個禮拜就可以訓練一批不懂AI的小朋友，做出成品。
這一都告訴我們AI普及的日子應該很快就會到了，那到底會有多快呢？
我們可以用互聯網來作案例。當網景出來時，人們覺得說互聯網和火箭科學(rocket science) 是個黑科技，後來慢慢發現互聯網不就是B2B、server什麼的，再後來，就發現，企業開始弄個AI部門，一開始只從最需要互聯網的部門開始，最後發現每個部門都要。
其實過6、7年，AI就會到處都是，因為AI的學習成本、使用成本將會降到接近0。
所以我們一定要不斷地切換投資的策略。舉個例子，比如說在業務外包流程，現在用AI可以節省91%的成本，在呼叫中心80%可以用AI代替。在這樣的背景下，AI會創造大概15.7萬億美金。在未來的十一年中，這大概就等於創造了一個中國加印度。
AI為我們帶來什麼問題與挑戰？
只是，AI會不會帶來很多問題呢？其實我們如果看媒體，尤其是看美國、歐洲媒體，會發現AI其實出現了很多挑戰。
一如隱私問題。最近臉書出了很多的麻煩，讓很多人認為，應該就把數據還給個人。尤其是歐洲推的GDPR，就主張數據應該是個人擁有，然後他選擇授權給哪個公司、哪個服務，這個聽起來很正確。但實際上，如果你去歐洲的任何一個網站，會一直跳出一些詢問框，你得一直按yes、yes、yes，快煩死了。
確實，隱私濫用，是個問題，但，若你把這樣顆粒化的問題留給用戶來決定，用戶是沒法決定的。所以我認為更好的解決方案是什麼？一定是用技術，不只用政策、用規範，用罰款來處置或者用拆解AI公司就能解決的。
我覺得現有兩套技術，一個叫聯邦學習，一個叫同態加密。
其大概的理念就是說，做為google、做為一個公司，我知道的一些秘密，比如說你的年薪，我想要用這個年薪，來推送你更好的內容。但是你肯定不希望我知道你的年薪，有沒有方法我能加密，然後用加密的數據來訓練我的AI，而且我沒有辦法逆向的導出你的秘密。這個聽起來很難，確實很難，但不是不能解決。
還有一個問題，比如說我在台大看病，台大有各種我的數據，所以他可以訓練一套怎麼去辨認淋巴癌的模型。可能榮總、和信也有一套，如何讓他們彼此不能把病人的數據互通？
其實運用聯邦學習，讓每個醫院可以訓練一套AI方法來做AI醫生。他們不分享病人的數據，但是他們把所有的醫院的模型全部聯合在一起，變成一個超AI模型。這為什麼不可能？所以我覺得各個政府跳進來要管AI、要拆公司的時候，應該先想一想，其實應該要考慮技術的問題，只能技術解決。
安全，也是一個問題，比如說人臉貼幾個貼紙就辨認不出來，車子畫一些符號東西，其他的無人駕駛就看不出你是車，其實還是有很多漏洞在裡面。
另外，就是深度造假，我們可以看到，無論是川普總統的語音或者歐巴馬總統的影片，都有AI能造假出來，他們明明沒有講話，看起來都是真的。
這能怎麼辦？這個絕對不可能是靠人眼來解決，因為人如果能看的出來，大家就不會相信了，這一定是靠技術來解決。
未來什麼樣的工作不會被AI取代？
另外，AI取代工作的問題，當然也很嚴重。
其中，重複性、日常性、優化性的工作都非常的危險，只有複雜的工作，還有創意性的工作，比較安全。但是我們可以想一想，那AI到底不能做什麼？其實AI不能做很多東西。在我的書裡會列出來幾十樣AI不能做的事情。但這裡為了簡化我們的思考，AI大概有兩件巨大的事他不能做。
第一個，AI沒有創意，他不可能發明一個新的印象派的畫，也不可能做一個新風格的音樂，也不可能發明一個新藥，也不可能有新的可以得諾貝爾獎的經濟學理論。另外一個問題是AI沒有自我意識，AI做這些事情都是為了解決問題、為了優化、為了達到更高的結果。
比如說ALPHAGO打敗了柯潔，他沒有感覺任何的高興，他不瞭解他為什麼要下棋，然後若把插頭拔掉他也就算了，他不像柯潔在這邊流著淚。即便有些AI是可以模仿人的感情，假裝是笑或是傷心，但錯的概率很高，而且錯的很離譜。即便以後錯變少了，人是不希望被機器來照顧。
所以可確定的是，未來2、30年之內，創意性的工作，還有愛與關懷的工作，AI是做不來的。
如果我們相信這一點，未來的工作其實不是一刀切割，都被AI拿走了。只有是那些低關懷、低創意的工作是AI會取代的。比如說創造一個新的藥物，那是可以用AI作為工具，幫助科學家創造更多。
至於高關懷、優化的工作，是可以用AI做為一個內核，來做很多分析，而人，就來提供溫暖，以達到1+1=3的結果。
比如說讓AI來改考卷，老師來做人生導師。比如說未來用AI來做醫療的判斷和給藥，還有什麼手術等，但是人是來提供關懷，聆聽每一個病人，他的苦在哪裡？讓他們有更多的信心，讓他們可以康復，去他們家裡關懷他們，可能更多的是一個高EQ的醫生，而不是一個背了很多醫藥常識的醫生。
至於政府，能採取什麼措施呢？其實要很清楚的認知，AI創的每一個工作都是非重複性，AI取代的工作都是重複性的。所以每一個要下崗的人，他都是從重複性的工作下來，然後再也找不到一個重複性的工作可以去做，所以他必須要經過訓練，才可能進入一個非重複性的工作，所以，對人的重新培訓，十分重要。
不過，我想強調的是，我對科技是樂觀的，科技本身當然是中性的，我們可以從每一次科技革命上，看到每一個科技被用在正面的地方遠遠大於負面的地方。科技帶來了更多的好處，科技帶來的挑戰都是可以克服的，而且科技本身帶來的挑戰應該由科技解決。
關於AI的四個結論
最後有四個結論。
AI是跟電一樣，將會改變人類的歷史。
AI已經過了發明時代，現在進入應用時代，而且應用會越來越容易，影響所有的行業。
第三、AI確實有很多重大的挑戰，但是我們是不是可以克服？
最後，AI可能會取代不少的工作，在未來2、30年給我們的孩子帶了不少的挑戰，但是未來30年，我們會發現，其實AI對人類帶來一個巨大的福利，因為他們其實把我們重複性的工作取代掉了，我們就不需要再做日常重複性的工作，讓我們更有時間做我們愛做的事情，讓我們更有時間來思考人類是為什麼存在。
在演講完後，由前政大校長周行一主持交流論壇，包括前行政院長張善政、安聯投信投資長張惟閔。本論壇內容則全程錄影。
https://www.gvm.com.tw/article.html?id=67437