4月21日，TEF科技娱乐季（上海站）之2017亚太人工智能峰会在上交会期间隆重举行。大会由AI科学创新与未来、AI深度学习专场、AI语音与视觉识别技术、AI无人驾驶引领汽车、AI与教育、AI与家庭娱乐、AI与计算机视觉、AI与VR、AI与物联网等板块组成。会上，美国人工智能公司Lucid的董事长&美国奥斯汀人工智能协会创始人Michael Stewart、北卡州立大学里学院终身教授谢立安博士、开豆英语联合创始人Dhonam Pemba、美国威斯敏斯特大学科学教育研究所所长&谷歌眼镜发明人Dr.Phillip Alvelda、腾讯云AI产品副总监王琰出席圆桌论坛，讨论人工智能当前的趋势以及全球性的问题。
谢立安：现在各个国家都在进行人工智能方面的研究和技术开发和推广。大家有一个担心能不能保持我们自身的优势？如果我们的技术被竞争对手掌握以后，是不是就会处于下风？
Dr.Phillip Alvelda：全球联合研发AI很重要，现在大家已经有一个共识，就是AI是帮助人类的一个重要基石。现在有一个很大的挑战：怎么样让公司有盈利？国家强大？并且帮助全球的人类更繁荣？
Michael Stewart：AI其实就是一个知识的综合，我们的社会可以用这个知识来解决问题，这是一个很强大的技术。这样的技术应该全球化，而不是国家化。我们要想想怎么样把一个技术利益全人类，而不仅仅是一种人种。希望全球更多的组织机构、公司参与进来，人类携手一起用集体智慧，把这种智能的东西研发出来，可以造福我们的生活。
Dhonam Pemba：AI上面的这种机器学习、深度学习还是非常快的。现在AI在领军科技发展，我们现在希望能开源。谷歌就做了很多的这种开源的举动，把很多平台开放，让很多小的用户公司受惠。
王琰：腾迅也在做各个层面的探索。2016年开始，腾讯,在内部打破了技术壁垒。一个公司里是这样，全球也是这样。AI已经发展到井喷的现状了，需要全球共同参与与研究，才能形成快速发展。未来不光是腾讯，包括全国的各个从业者都要通过开放的方式，促进AI快速的发展。
观众：美国AI的专家、中国的AI的专家以及其他国家的专家都在这里，促成国际化的合作。现在在AI最统一的目标是什么？有什么样的机制可以鼓励所有的国家一起合作？
Dhonam Pemba：AI有语言上的壁垒。比如一个美国公司与斯坦福大学合作，斯坦福大学有很好的语言方面的技术，但是合作下来其实并不是特别好，因为中国的服务其实更好。我们会有国家的壁垒、语言的壁垒，真的是需要合作一起，才能解决很多AI方面的问题。我们要认识到这个问题的严重性。
Michael Stewart：其实要去做一个集体智慧的事情，就是AI的一个趋势。全球的大家庭一定要团结起来，全人类一起去面对一些挑战和困难。这是我们的想象，让我们向前发展。人工智能是很重要的一个工具，是一个全球的目标，不是一个国家的目标。
观众：行业有很多培训的数据，认为一般人工智能的问题，就是通过更多的数据可以解决，还是说需要更好的算法进行更好的改进？
Michael Stewart：进行一个加速的处理，另一方面需要算法处理这些数据，虽然比较麻烦。我们需要一个积累的方式来处理这个问题，才能达到更高的智能。当前我们在做一些增加价值的一些商业模式，提供一些服务等等，通过这些积累，在全世界能够得到一个应用。
Dhonam Pemba：在目前的阶段算法和深度学习都有一个数据问题。在自主学习的问题上，如果有很大的数据，所有问题都需要被监管，包括之前的一些算法。微软小冰机器人，它有6百万的一个对话。这个数据量太大了，如果你和聊天机器人说话，你告诉它“我想知道天气”，你再告诉它一些其他的信息，这数据太大了。比较幸运的是我们知道问题是什么，可以更直接地汲取这个数据。
Dr.Phillip Alvelda：它是一个数据，也是一个算法。我们能创造更多的价值，在更多的领域利用更多的资源。我们需要一些新的机制，来处理更多的数据。要想解决这个问题，就是要更深入一些，这些要取决于我们目前的一个发展的进展。
观众：有一个关于现在的技术进步带来的问题。以前无论是腾讯AI还是百度AI，技术的能力越来越强大。但是带来的对于公民的隐私权的侵犯，是不是也会引发相应的问题？
王琰：在高新技术下，包括摄像头摄到的数据，如银行数据、身份证数据，这些数据都会在云端存在。有可能被恶意的人获取，干一些不太好的事情。未来随着人工智能行业越来越发展，会形成真正的约束，形成一个框架，让服务者和被服务者产生这样的信任——你把你的信息托福在我们这里，我们会用各种各样的安全手段避免来自外部的侵犯。
Michael Stewart：我认为这个问题是可以避免的，有这个能力我们就有这个责任。处理这个问题政府也很棘手，出台了一些法律，但是不太成功。想保护我们公民的安全，需要很多的数据，要监管这些数据，但是不能监管每个人所做的事情，因为这就是个人的隐私权利。有的政府有一个道德委员会来解决这个问题。因为人工智能发展很快，政府也没有足够的时间来解决这个问题，需要很大量的工作和每个的参与。
Dr.Phillip Alvelda：我们有两个数据库，它有两个不同的密码，极少数员工可以接触两个数据库，所以它有一个安全的防护系统——这是一个在谷歌、脸书以及其他一些科技公司里面非常重要的机制。
观众：腾讯的人工智能技术是不是可以输出？以鉴黄为例。
王琰：智能鉴黄，现在运营好几年了，技术相对非常成熟。腾讯的技术引擎能达到99.95%的识别率，也就是说漏掉非常少的部分。过去有3千人的团队，现在这个团队只有20人左右，不良信息会反馈到引擎里面，让它学习得更丰富。腾迅已经和有线电视合作很多年，更多是云资源层面的深度合作。我们有技术，但是我不了解行业的场景。我希望行业告诉我，这样可以结合生产出更大的价值出来。
观众：中国的人工智能是发展到哪个阶段？中国优势在哪里？哪一部分是劣势？我看了很多电影，电影里边机器人会取代人类，或者伤害人类，你认为在将来机器人会变得有情感，然后和人类为敌吗？
Michael Stewart：现在AI的算法，还有自然语言的理解，这种技术应该是比较有优势。全球AI其实在发展下一阶段都遇到了巨大的瓶颈，那就是逻辑的推理。比较低级的AI其实没有自己去演化，从小知识演化到大知识库，这个瓶颈是全球性的。如果这个问题被突破，会是一个改革性的、突破性的关口。
Dhonam Pemba：我觉得这个顾虑已经不仅是机器人杀人了，它其实也可以是机器人抢我们的工作。比如说很多人现在都失业了，因为自动化来了，非知识型的工作很容易就被机器人替代了。AI的优势就是它们有很大的知识储备，它会抢很多人的工作。
王琰：现在的摩拜单车，国外也是没有这样的形式存在。到了AI的时代，大家都是同一个起跑线。至于未来任何一个技术的爆发性的发展，一定来自市场它的产业商业化。从实验室走到真正的人的身边，是不是有更多的场景和经济去支撑它？中国现在的经济的发展会带来各种各样AI的使用场景，会更加刺激AI的进步。所以中国未来在AI的前景是非常可观的。
人工智能实际上是让这个智能更像人，它做的事情是人能做的事情。可能未来到一个阶段，它能做人不能做的事情。它思考的事情，已经超越了人的范畴。但是这肯定不是突发的过程，因为它是一个渐变的过程，人的思维方式、人的技术手段也会跟随这个过程发展。我们会约束它，给它制订规则。
观众：深度神经网络为什么会比传统的人工智能技术要有效？现在互联网已经有ZB级的数据了，是不是足够训练出一个具有常识的机器？
Dhonam Pemba：深度神经系统过去30年都不是很流行。随着电脑的处理加快，它现在比所有其他的东西都有效，全球都广泛地运用——其实它就是模仿人类大脑，有一个自我形成的过程。
Michael Stewart：比如说2乘2等于4，这种小的语意中间的不同，需要很长的时间才能让一个机器人彻底的理解。对于很多东西的理解，如果告诉不了机器的话，那机器就没有办法具备这个常识了。毕竟人具备常识需要20年的时间。
Dr.Phillip Alvelda：我们现在有两个挑战。AI它们学得很快，但是人会控制机器学什么：不仅控制它学习的构架，也控制它学习的内容。人的记忆、对于过去信息的处理、对于真实世界的认识等等其实还没有在人类世界被编码。所以其实没有办法基于这样复杂的常识结构做一个决定。
王琰：我理解现在的深度学习算法，不太像原先的工程式的算法。它并不是逻辑性，它像人的大脑，有一种仿生式的算法。为什么深度神经网络现在能够有快速的发展呢？过去神经网络的算法情况下，基本上是不可计算的。为什么这些年有一个进步呢？因为专家们把不可计算性变成可计算性，使得我们的命题成为一些可计算、可衡量的结果。当前的一些认知、互联网上的数据能不能形成真正的一个认知机器人？这个事情可能是有一个过程的。我相信具有常识的机器人，应该是能够很快实现的。只是说目前还处于这个过程的中间阶段。
