滚动蓝鲸TMT频道1月26日讯，The World Economic Forum（世界经济论坛）近日在达沃斯举行。当地时间23日中午，创新工场创始人李开复与Google Cloud AI/ML领域首席科学家李飞飞、Salesforce首席科学家Richard Socher、DeepMind 联合创始人兼主管Mustafa Suleyman在MIT的午餐会上进行了对谈；麻省理工学院数字经济倡导行动联合创始人Andrew McAfee主持对话。
以下为午餐会的对话内容：
AI还有很长的路要走
李飞飞：人工智能还是一个新领域，只发展了60年左右，人工智能的理想是让机器变得智能，模仿人类智能，解决问题，让人类的生活变得更好，要想实现这些理想，认识到这一点很重要。
现在人工智能主要的领域有机器人、自然语言处理、语音识别、机器学习、深度学习。人工智能带来的改变令人激动。当我还是一个大学生时，我想象不到人工智能会带来的巨变，它巨大的搜索能力，更不用说无人驾驶这些。
我们见证了非常了不起的突破。
我想提醒大家，这个时代充满了巨大的可能性，我们要深切地思考人工智能的本质，前面还有很长的路要走。我有一位同事70年代时就在这个领域工作，他认为我们今天对完美的人工智能机器的定义是，一台能做出完美食物的机器，虽然房间已经着火了。
电脑还不能理解语境、复杂的知识；要识别人类的情绪、感情和动机，我们也还有很长的路要走。
深度学习是AI主要突破方法
Richard：我认为认识到人工智能主要领域的突破来自于何处非常重要，主要的突破都来自于super wise man这个领域。我们能很好地把输入x转化成输出y, 输入语音我们能够输出文本、输入德语可以输出法语，这一技术我们已经做得很好。输入一定大小的图片能辨别图片中是不是猫？在多种模式的转换上，我们已经做得很不错了。
实现这一转换的方法是深度学习。深度学习是一种比机器学习强大很多的技术，它能接受更广泛的输入模式。这是AI实现了主要突破的领域。
我们现在有了一种新的编程模式，不再需要做出if/when这样的指示；我们只需要用数据来训练它，算法就会自动处理。
深度学习还结合了AI的其他领域，像强化学习、自主学习、人机游戏等。
现在正在发生很多激动人心的转变，机器翻译、人机游戏都在不断进步，但也有很多领域需要进一步改进。10年、15年前，就可以实现20到30分钟左右的无人驾驶。但要想实现全天候无人驾驶，还保证安全，还需要做很多的工作；离真正改变运输业，还需要很多的改进。
如何实现应用范围？例如，在游戏中得到了很好的应用，游戏反映了外部世界。
Alpha Zero工作的三个先决条件
Mustafa：说系统不受监督有点夸大，监督来自于它的结构和训练环境，所以，尤其是依赖强化学习的具体方法在现实生活中效果不是很好。在现实生活我们无法提供模拟器，进行这种巨量的训练来形成算法。但我对深度学习在现实中的应用潜力非常有信心，人们现在低估了这一潜力。
在语音转录方面，机器翻译等等领域深度学习的潜力还没有充分发掘应用。Alpha Zero 只是在三件事成立的情况能够工作，即可预测环境（围棋规则）、清晰奖励系统（输赢）和无变数（variability)。
我们的目光已经投到了几十年后，比如极现代化状态下的super-intelligence，但我们应该思考的都是更近期、更实用的可能。在我看来，强化学习 3-5年内没有普及应用。
中国的AI更倾向实用主义
李开复：这个领域顶尖的前100名科学家中已经有一些是中国人，我认为，中国在这四个方面还并没有被得到认识，这四个方面洽会是中国未来发展的非常强劲的推力。
第一，中国一流的理工科教育。李飞飞就是这一点的证明。我认为，中国的理工科教育培养了众多科学家，而且这些人都有志于从事人工智能相关工作。这群杰出的年轻人会是推动中国进步的一股了不起的力量。
第二，活跃的创业氛围和资本对这个领域的大量投资。作为一家风险投资机构，我们投资了45家人工智能公司。这些公司分布在各个领域：在传统领域，比如如何让借贷更简单，提供消费者服务，制造能采草莓、洗碗、组装汽车的机器人。
金融时报最近对中国的创业现状做了报道，谈到了职业精神。但我认为职业精神只是其中的一部分，中国的创业环境如同一个斗兽场，角斗士们斗得你死我活。留下的都是最有生命力的模式，这些模式会推动着中国向前进。
