謝謝大家。在大家跟好喫的晚餐之間只有我，爲了儘快的把大家從飢餓中解放出來，也不破壞大家的食慾，我用最短的時間，通俗的語言，講講人工智慧養成之道。
在大家座位上有一個人工智慧的應用指導，這是這次大會埃森哲發佈的，特別給企業高階主管AI的入門讀物，因爲AI到處都是，雖然世界經濟風雲變幻，今天聽到更多的還是AI，還是5G，還是區塊鏈，不管外面的世界怎麼變換，經濟還要往前走，科技還要往前走。很多人問我們AI是什麼，是不是發展成即插即技術，投資彙報怎麼算，總共有80多頁的文章，希望大家用10幾分鐘把主要的內容在喫飯之前跟大家做一個分享。
AI並不是一個新名詞，今天在介紹AI的時候，稍微有一點感觸。大家可以看到在70年前，圖靈最開始發明電腦的時候就開始想，讓這個演算法不讓機器一下就具備人類的大腦，但是能夠教他像人類一樣開發智力，所以很多人在研究AI方面的內容。但是因爲過去各種各樣的限制，這條線是AI的線，過去很長一段時間，非常低浮。
當我看到這個曲線的時候，我特別有感觸，因爲我在唸碩士的時候，博士畢業論文的題目是數字序列的數理統計分析，用今天的詞來說就是大數據分析，題目是三維物理建模和圖形，我是在這條曲線還沒起來的時候博士畢業的，那時候面臨最大的問題是找不到工作，那個時候因爲演算法算力的限制幾乎不能應用，因爲這方面的解放，後來有一個突破性的成長。那個時候我記得特別清晰，當時IBM的深藍擊敗了卡福帕羅夫，當時IBM提供的主機的算力達到了，當然擊敗人類在圍棋上是永遠不可能的，但是大家可以看到人類在這個上面幾乎不是機器的對手，逐漸因爲演算法算力的進步，AI現在的可能性變得無限無限的可能。
簡單說一下AI是什麼？其實所有能看到的這些外面接觸的都是一些和我們日常能看到的東西，比如說預測自然語言，專家處理，所有的內部都是學習的過程，現在的演算法已經非常先進，更多基於神經網路的學習，以前有，但是絕對沒有今天這麼大的能力。以前更多的是基於規則，那時候我們在大學的時候，也做過專家系統，但更多的是規則，如果是什麼，所以是什麼。欠套到一定的時候，不能窮舉它，這個時候就是學習和規則定義的分水嶺，今天所有的機器學習是基於一種學習，而不是規則的定義，並不是說因爲是學習，所以人類就不能掌握演算法，反而在下面的內容我們會說作爲埃森哲來說，一個有責任的AI，不能夠把所有的東西都基於演算法，算出來什麼就是什麼，或者說因爲功能足夠強大，說什麼就是什麼，而是我們要掌握它，使它有責任感。
我們做了一個模擬，這個數字稍微舊了一點，但是意思是差不多的，這個是中國經濟如果不考慮AI的成分，未來會怎麼發展？大概今天是10萬多，10兆左右，中國的GDP，到了2035年就能漲到這麼多。但是把AI應用上去，比喻爲撒胡椒麪的應用，把AI當做調味劑，撒在現在的生活過程中的時候，能夠帶來這麼多增益，但是如果換一個思維方法，不認爲AI是胡椒麪，不認爲它是一種調味劑，而是真正能夠帶來價值的生產力，我認爲AI是完全能夠帶來新的價值的生產力的時候，又能帶來將近20%幾的成長，這也是我們認爲對AI的想法，不要僅僅停留於它能幫助我們做一點點東西，其實它能幫我們做的非常多。
簡單說幾個現在在做的，拿出這些例子可能不太好意思，今天在座好多都是AI方面的專家，但是作爲一個交流，可以去說一下。
這是我們給化工廠化學企業做的例子，這個化學企業發明了很多材料，拿材料做其他的東西，開始他們會更多的注重做出來東西的物理特性和最後產品之間的質量關係，我們跟化學企業的科學家們一起討論，不要看它的化學特性，比如說什麼樣的材料放了多少，我們看它的物理特性，把他們做出來的材料直接拍了照片，透過對這個照片的分析得到的中間的結果，對這個影像再進行分析，找出比如說長短、粗細、顏色，帶有各種各樣的特徵，這個特徵和今後產品之間的質量做了關聯，最後發現很強的關聯性，所以在研究材料的時候，並不一定非要等到變成實際的東西再去測質量，而是在這個過程中，如果進入到學習的過程，就能遇到今後產品的質量，這個大大縮短了產品的研發週期。
這是現在在做的叫做「自然生成機器人」大家一說AI這個非常高大上，需要很深的技能，需要很強的工程師來做。現在就要打破這個說法，現在是什麼呢？讓一般的人都可以自己去做一個對話機器人，這個有點像當年圖靈說的，先建一個非常簡單的對話，根據這個對話可以不停的聊天，可以自動學習，逐漸可以學習到很深。這個是不需要任何編程的，而且現在在做的並不是埃森哲自己說一定要幫你把所有的機器人建好，更多的是做一種賦能，把這種模式，把這個工具直接交付給企業，企業根據自己的應用場景，找一些他們的員工，不斷的訓練這個機器人。
這是非常簡單的發票例子，現在所有企業都是用紙的發票，我們需要知道發票的金額做報銷，這種方案在中國非常流行，沒有什麼可講的，現在唯一可講的是當跨國企業，像埃森哲這樣，在世界上很多國家都在有運營的時候，有幾十個國家的發票，每一個國家的發票是不一樣的，這是我們在解決的解決方案，最開始有少數幾個國家的發票裏定義好，自動能處理，也可以非常準確的處理，當有新的發票進來的時候，這個系統不認識了，說對不起你來幫我，我們來幫他，把這個新的發票做一個解析，現在這個系統已經能處理世界上60多個國家的發票，這個也是人和機器共同協作提高生產效率的例子。
這個也很好，其實是機器人裏賣東西，我們給這個上面加了一點東西，能夠地鐵問路，大家知道操著五湖四海語言的人都會問他，他會回答，這個機器人用了視覺，看人多的時候會比較害羞的躲到一邊去，或者是沒電的時候他會找到一個充電樁去充電。
有了今天這樣的技術，有了今天這樣算力演算法，要想提高生產效力是很容易了，但是馬上要引出的新問題，人是不是隻能夠AI來提高生產效力，或者是提高生產效果是不是應用AI的終極目標，這個畫了一個很有意思的圖，當一個事情走向極端的時候，有可能產生的是另一個極端的效果。現在討論AI的處理方法的時候，必須考慮責任感。在美國處理過一個例子，本身並沒有什麼惡意，在一個小鎮上，75%是白人，25%是有色人種，我們幫銀行做自動授貸的分析，但是就是因爲小鎮人員的偏差，當這個演算法成熟之後，我們會發現這個演算法是偏的，對有色人種放貸的演算法會提高，這個結果並不是你想帶來的。當你現在能夠輕鬆的把AI導入到企業裏提高生產效率後，還需要考慮的東西有四個，第一信任，需要向所有的你的客戶去解釋，你們現在用的AI是可以被信任的，就像剛纔我說的那家銀行一樣，沒有偏差，對所有人都是公平的。
第二責任，萬無一失，萬一有失誰負擔責任，是AI負擔責任，是企業負擔責任還是做AI演算法的工程師負擔責任，這個是要想好的。
第三安全，如何保證在整個開發過程中，你的開發是安全的，你沒有惡意，但是能夠保證在所有沒有惡意的過程中，沒有被有惡意的人侵入進來，植入了惡意的東西，因爲現在所有的演算法都是非常複雜的，我們很難去看，特別像神經網路，幾乎不可能判斷每一個階段的參數代表了什麼。
最後一個，這個可能不會發生，但是每一個企業必須要想好了，一旦當AI掌握了什麼東西，要想把它掌握的東西拿回來的時候如何控制。
我們所說的AI，更多的是在投資回報矩陣裏最左下角，提高效率，而且大家非常熱衷於這一點，因爲它是可見的、很快的，可度量的，立竿見影的。現在可以看到效率模型，可以處理更多的數據，可以處理更復雜的事情，逐漸向專家模式走進，除了簡單的問題之外，會處理更復雜的東西，最終有可能走到這，AI作爲一個生產力和我們一起去創新。現在靠人腦創新，很有可能再過兩年、三年，會在你旁邊坐一個機器人專家，給你提供很多創新思維。這個是終極目標，雖然這個路很漫長，投資回報在這裏，在今天這個時代，遲早有一天會走到那裏去。
這個是我今天要跟大家說的主要內容，希望沒有破壞大家的胃口。關鍵是AI會越來越複雜，能帶給我的東西也是越來越多的，我們很有可能走入一個歧途，它太容易帶來一個結果我們先拿到，當我們跨越了這個階段之後，我們肯定會做更高遠的東西，並不是用海量的數據喂一個演算法，而是考慮我們用什麼樣的數據，喂出什麼樣的演算法，這也是作爲一個應用AI或者今後在考慮導入AI的時候，需要考慮到的效率和公平的堅固。有一句話是三流的企業用AI，二流的企業可以當AI的教練，而真正一流的企業是要當AI的主人，謝謝大家。