谢谢大家。在大家跟好吃的晚餐之间只有我，为了尽快的把大家从饥饿中解放出来，也不破坏大家的食欲，我用最短的时间，通俗的语言，讲讲人工智能养成之道。
在大家座位上有一个人工智能的应用指导，这是这次大会埃森哲发布的，特别给企业高管AI的入门读物，因为AI到处都是，虽然世界经济风云变幻，今天听到更多的还是AI，还是5G，还是区块链，不管外面的世界怎么变换，经济还要往前走，科技还要往前走。很多人问我们AI是什么，是不是发展成即插即技术，投资汇报怎么算，总共有80多页的文章，希望大家用10几分钟把主要的内容在吃饭之前跟大家做一个分享。
AI并不是一个新名词，今天在介绍AI的时候，稍微有一点感触。大家可以看到在70年前，图灵最开始发明计算机的时候就开始想，让这个算法不让机器一下就具备人类的大脑，但是能够教他像人类一样开发智力，所以很多人在研究AI方面的内容。但是因为过去各种各样的限制，这条线是AI的线，过去很长一段时间，非常低浮。
当我看到这个曲线的时候，我特别有感触，因为我在念硕士的时候，博士毕业论文的题目是数字序列的数理统计分析，用今天的词来说就是大数据分析，题目是三维物理建模和图形，我是在这条曲线还没起来的时候博士毕业的，那时候面临最大的问题是找不到工作，那个时候因为算法算力的限制几乎不能应用，因为这方面的解放，后来有一个突破性的增长。那个时候我记得特别清晰，当时IBM的深蓝击败了卡福帕罗夫，当时IBM提供的主机的算力达到了，当然击败人类在围棋上是永远不可能的，但是大家可以看到人类在这个上面几乎不是机器的对手，逐渐因为算法算力的进步，AI现在的可能性变得无限无限的可能。
简单说一下AI是什么？其实所有能看到的这些外面接触的都是一些和我们日常能看到的东西，比如说预测自然语言，专家处理，所有的内部都是学习的过程，现在的算法已经非常先进，更多基于神经网络的学习，以前有，但是绝对没有今天这么大的能力。以前更多的是基于规则，那时候我们在大学的时候，也做过专家系统，但更多的是规则，如果是什么，所以是什么。欠套到一定的时候，不能穷举它，这个时候就是学习和规则定义的分水岭，今天所有的机器学习是基于一种学习，而不是规则的定义，并不是说因为是学习，所以人类就不能掌握算法，反而在下面的内容我们会说作为埃森哲来说，一个有责任的AI，不能够把所有的东西都基于算法，算出来什么就是什么，或者说因为功能足够强大，说什么就是什么，而是我们要掌握它，使它有责任感。
我们做了一个模拟，这个数字稍微旧了一点，但是意思是差不多的，这个是中国经济如果不考虑AI的成分，未来会怎么发展？大概今天是10万多，10万亿左右，中国的GDP，到了2035年就能涨到这么多。但是把AI应用上去，比喻为撒胡椒面的应用，把AI当做调味剂，撒在现在的生活过程中的时候，能够带来这么多增益，但是如果换一个思维方法，不认为AI是胡椒面，不认为它是一种调味剂，而是真正能够带来价值的生产力，我认为AI是完全能够带来新的价值的生产力的时候，又能带来将近20%几的增长，这也是我们认为对AI的想法，不要仅仅停留于它能帮助我们做一点点东西，其实它能帮我们做的非常多。
简单说几个现在在做的，拿出这些例子可能不太好意思，今天在座好多都是AI方面的专家，但是作为一个交流，可以去说一下。
这是我们给化工厂化学企业做的例子，这个化学企业发明了很多材料，拿材料做其他的东西，开始他们会更多的注重做出来东西的物理特性和最后产品之间的质量关系，我们跟化学企业的科学家们一起讨论，不要看它的化学特性，比如说什么样的材料放了多少，我们看它的物理特性，把他们做出来的材料直接拍了照片，通过对这个照片的分析得到的中间的结果，对这个图像再进行分析，找出比如说长短、粗细、颜色，带有各种各样的特征，这个特征和今后产品之间的质量做了关联，最后发现很强的关联性，所以在研究材料的时候，并不一定非要等到变成实际的东西再去测质量，而是在这个过程中，如果进入到学习的过程，就能遇到今后产品的质量，这个大大缩短了产品的研发周期。
这是现在在做的叫做“自然生成机器人”大家一说AI这个非常高大上，需要很深的技能，需要很强的工程师来做。现在就要打破这个说法，现在是什么呢？让一般的人都可以自己去做一个对话机器人，这个有点像当年图灵说的，先建一个非常简单的对话，根据这个对话可以不停的聊天，可以自动学习，逐渐可以学习到很深。这个是不需要任何编程的，而且现在在做的并不是埃森哲自己说一定要帮你把所有的机器人建好，更多的是做一种赋能，把这种模式，把这个工具直接交付给企业，企业根据自己的应用场景，找一些他们的员工，不断的训练这个机器人。
这是非常简单的发票例子，现在所有企业都是用纸的发票，我们需要知道发票的金额做报销，这种方案在中国非常流行，没有什么可讲的，现在唯一可讲的是当跨国企业，像埃森哲这样，在世界上很多国家都在有运营的时候，有几十个国家的发票，每一个国家的发票是不一样的，这是我们在解决的解决方案，最开始有少数几个国家的发票里定义好，自动能处理，也可以非常准确的处理，当有新的发票进来的时候，这个系统不认识了，说对不起你来帮我，我们来帮他，把这个新的发票做一个解析，现在这个系统已经能处理世界上60多个国家的发票，这个也是人和机器共同协作提高生产效率的例子。
这个也很好，其实是机器人里卖东西，我们给这个上面加了一点东西，能够地铁问路，大家知道操着五湖四海语言的人都会问他，他会回答，这个机器人用了视觉，看人多的时候会比较害羞的躲到一边去，或者是没电的时候他会找到一个充电桩去充电。
有了今天这样的技术，有了今天这样算力算法，要想提高生产效力是很容易了，但是马上要引出的新问题，人是不是只能够AI来提高生产效力，或者是提高生产效果是不是应用AI的终极目标，这个画了一个很有意思的图，当一个事情走向极端的时候，有可能产生的是另一个极端的效果。现在讨论AI的处理方法的时候，必须考虑责任感。在美国处理过一个例子，本身并没有什么恶意，在一个小镇上，75%是白人，25%是有色人种，我们帮银行做自动授贷的分析，但是就是因为小镇人员的偏差，当这个算法成熟之后，我们会发现这个算法是偏的，对有色人种放贷的算法会提高，这个结果并不是你想带来的。当你现在能够轻松的把AI导入到企业里提高生产效率后，还需要考虑的东西有四个，第一信任，需要向所有的你的客户去解释，你们现在用的AI是可以被信任的，就像刚才我说的那家银行一样，没有偏差，对所有人都是公平的。
第二责任，万无一失，万一有失谁负担责任，是AI负担责任，是企业负担责任还是做AI算法的工程师负担责任，这个是要想好的。
第三安全，如何保证在整个开发过程中，你的开发是安全的，你没有恶意，但是能够保证在所有没有恶意的过程中，没有被有恶意的人侵入进来，植入了恶意的东西，因为现在所有的算法都是非常复杂的，我们很难去看，特别像神经网络，几乎不可能判断每一个阶段的参数代表了什么。
最后一个，这个可能不会发生，但是每一个企业必须要想好了，一旦当AI掌握了什么东西，要想把它掌握的东西拿回来的时候如何控制。
我们所说的AI，更多的是在投资回报矩阵里最左下角，提高效率，而且大家非常热衷于这一点，因为它是可见的、很快的，可度量的，立竿见影的。现在可以看到效率模型，可以处理更多的数据，可以处理更复杂的事情，逐渐向专家模式走进，除了简单的问题之外，会处理更复杂的东西，最终有可能走到这，AI作为一个生产力和我们一起去创新。现在靠人脑创新，很有可能再过两年、三年，会在你旁边坐一个机器人专家，给你提供很多创新思维。这个是终极目标，虽然这个路很漫长，投资回报在这里，在今天这个时代，迟早有一天会走到那里去。
这个是我今天要跟大家说的主要内容，希望没有破坏大家的胃口。关键是AI会越来越复杂，能带给我的东西也是越来越多的，我们很有可能走入一个歧途，它太容易带来一个结果我们先拿到，当我们跨越了这个阶段之后，我们肯定会做更高远的东西，并不是用海量的数据喂一个算法，而是考虑我们用什么样的数据，喂出什么样的算法，这也是作为一个应用AI或者今后在考虑导入AI的时候，需要考虑到的效率和公平的坚固。有一句话是三流的企业用AI，二流的企业可以当AI的教练，而真正一流的企业是要当AI的主人，谢谢大家。