MichaelJordan、张潼、牛奎光对话：AI商业化中的技术、隐私与互联网巨头|GMIC2018【亚博网页版】

本文摘要：业务协助所有基础技术开发，与产品部门合作生产技术，如腾讯社交、游戏、智能硬件融合。

业务协助所有基础技术开发，与产品部门合作生产技术，如腾讯社交、游戏、智能硬件融合。大公司如何拥有AI团队，一定会根据自己的业务场景积累研究。第二件事是加强最先进的研究，通过写文章，与大学和研究院合作积累研究能力。

第三件事是与行业融合，行业获得平台性API，同时增进学业产学研合作。在MichaelJordan显然，国外并非微软公司、谷歌、Facebook领先于AI技术。

事实经验上，领先的是亚马逊。AI以前主要被称为机器学习，但在这件事上，亚马逊是。

他分享说，上世纪90年代亚马逊已经需要用AI和深度自学开展工业链建模。对于亚马逊这样可观的电商来说，需要依靠整个供应链来管理几十亿美元的产品，对整个供应链有一个清晰的了解。

他们当时可以通过深度自学和建模来完成。此外，亚马逊还进行了AB测试，测试了网站的所有像素，获得了正确的像素、颜色。这是多年前的事了。

2017年5月，MichaelJordan再次加入蚂蚁金服，作为智囊团主席和顾问。显然，像阿里巴巴这样的电子商务平台上有用户销售商品的数据，可以在网站上做非常简单的工作，如社交和搜索。谷歌和Facebook意识到搜索和社交网站目前在人类交流方面有许可，希望人工智能的自然语言处理和决策能力更加聪明，乔丹指出这些是非常有趣的项目，但他对这些领域的进展并不失望Jordan对DDT和Uber的评价很高，显然DDT和Uber在数据、后端系统、大规模人类对话上做得很好，机器深度自学迅速领先，与众多IT公司相比非常有创意。Jordan进一步指出了大公司应用于AI的意见。

我在一定程度上关注研究，我也关注这样的公司，创立了一些数据流，用得很好。除了AI，AI只是其中的一面，AI只是一个非常简单的数学，非常简单的方式，更有价值的是数据。

高质量的数据可以使我们的测试超过某个目的，以正确的方式收集数据，分解适当的价值，提供数据的人。崔宝秋分享了名人实现AI的想法。AI无处不在，2年前雷军将AI定位为美国未来10年的核心战略。名人有很多AI人才进行研究，名人特别重视产品的公司，重视技术落地。

他同意Jordan谈话的大数据价值，美国享受大量数据，AI落地非常简单。牛奎光从投资界谈创业公司对AI的看法。他提到商汤前两天的大会，商汤作为AI独角兽创业公司，去年在顶级会议上公开发表的论文数量超过91篇，比BAT多。

对于初创司来说，AI业务一般是tob业务，与传统行业实现创造力。凯文·凯利谈到的霸权创造力，多指大公司的边缘部门和边缘业务开始，tob的业务是支流，创业公司不需要与大公司竞争的领域。

技术与商业的分歧嘉宾们探究的第二个问题是技术与商业，发展AI是技术优先还是商业优先？很多公司都有很多大牛AI教授和研究者，为什么不能落地技术呢牛奎光首先分享了观点，AI的发展没有不同的阶段，现在的阶段多应用，下一阶段技术没有突破。2014年，人工智能的发展本质上是计算能力度增加，计算成本大幅度上升的结果。

在应用中，机器可以代替人做一些事情，人脸识别和语音识别的能力大大提高。这个时代应该被称为大数据小智能。今后的小数据大智能还有很多基础理论没有突破。

现在，更好的说明应用于视觉、声音、自然语言解读、科学知识图像等地方的应用。如果前三年是单一技术引导企业发展的时候，经过近几年的建设，逐渐到达平台，将各种单一技术人员应用于明确的行业，是下一个趋势和相当大的机会。

Jordan在这个问题上讲的不多，他主要强调遵循绝对明确的问题原则。他显然，AI的技术是工程的技术，需要技术人员的参加，公司最需要的是聘请能够解决问题的专家。公司发展技术，必须在不同的场景中使用该技术。

工程师所做的就是充分发挥创新，解决问题不同场景的问题，像科学家一样寻找真理。张潼指出，技术和商业在一定程度上是最重要的，人工智能公司的关键是如何构成障碍，需要核心能力，商业也最重要的是很多技术到达一定程度后依赖商业。腾讯实现AI是基于腾讯自己的场景实现的，场景和数据业上也有障碍，不能转入他人。

大数据和隐私的第三个问题是当前的热点问题，Facebook的剑桥分析引起了数据和用户隐私的普遍讨论。崔宝秋抛问题，现在我们处于AI的春天，其背后是由于深度自学技术的发展，今后依靠大数据和云计算能力。

大数据目前在AI浪潮中发挥着不可磨灭的作用，但困惑的问题是数据共享，如何在不侵犯用户隐私的情况下与学术界共享公司的数据。名字现在几乎不分享，水滴不漏。嘉宾们如何看待数据共享和隐私维护的分歧？Jordan首先说明了不能孤立地地谈论数据，还是与应用相结合。在医疗数据方面，患者的隐私必须维持，但医疗数据也希望有助于改善医疗。

例如，基因组的序列是个人数据，个人可以要求如何使用数据，如果个人基因数据可以化疗家庭疾病，相信很多人都不想得到。收集更好的人的数据需要找到DNA变异的方法来治疗癌症，很多人也不想得到自己的医疗数据。数据共享并不总是很差。Facebook的事件之所以是丑闻，是因为数据的共享没有带来人的价值，而且感觉自己的数据必须。

但是Jordan也提到，说到网络安全的时候，有些公司意识到数据对自己很有价值，在隐私维护、数据安全性方面做得很好，从而提高自己的竞争力。同时，也使用用户对自己的数据有知情权，让用户感受到公司有点可靠的第三者。牛奎光对数据和隐私的问题特别感兴趣，思考了好几年。

他显然，现在数据是确实价值的支持，数据的价值只有在流动过程中才能更好地发挥其价值。他曾多次想到数据交易所，但我们现在没有这样的交易所，是因为数据交换后容易复印，数据加工方式无法审查。

第二个问题，谁享受数据问题。在社交网络平台上，数据是个人的还是平台的？以前，让个人享受自己的数据，技术上几乎不现实，但今天像块链这样的技术，期待着解决这个问题。目前，他设想了三种解决方案。

第一，从技术的角度来看，他教过图灵奖获得者。数据交易参加者在一定可靠的情况下，可以用比现在复杂度低100倍的计算，在计算数据的过程中，只能不泄漏。

但是，成本也有可能提高100倍。第二，数据享有者将数据汇集到中央节点，数据和计算在当地，取出结果。第三，牛奎光实验了实验。他投资了鼓励欺诈的公司，与物流企业正式成立了合资公司，以业务和能力输入了数据的融合和领导，但没有融合数据。

有很多探索和想法，但现在看起来没有结果。张潼从公司的角度谈论数据和隐私问题，变得更加现实。他显然，如果能给予价值，数据共享当然很好，但现在有几个问题。

第一，商业上的数据是核心障碍，公司不想共享。有时公司内部不同部门几乎不想共享，必须在公司水平上引导。如果现在有法律和规定，可以分享政府数据、公益组织的数据。医院的组织需要融合所有医院，然后需要法律，共享数据也不值得。

还有物流和交通领域。本场圆桌讨论了互联网巨头如何实现AI、技术和商业的分歧、大数据和隐私维护的分歧，都在大公司的水平上。

最后，大家也简单地闲谈了。如果没有数据，创业公司如何实现AI。

一些嘉宾回答说，如果创业公司没有数据，就必须紧贴粗糙的场景，积累技术和场景的经验。文章:GMIC大会临近，厨师:建议我改为块链大会LeCunJordan李开复圆桌全文:AI的现状和未来|GMIC2018YannLeCun图文演说:如何让AI自学常识，AI表演的未来趋势在哪里|GMIC的2018李开复，胡郁，张亚勤对话:中美AI战略，AI人才培养有什么不同|GMIC2018原创文章下一篇文章发表了注意事项。

本文关键词：亚博网页版,界面登陆

本文来源：亚博网页版-www.nisishop.com