AI‧未來（簡體書）

前言

1991年12月16日上午11點，我的太太先鈴躺在醫院病床上。她這樣承受著待產的煎熬已經12個小時了。雖然我一直坐在床邊陪著她，但每隔幾分鐘總忍不住看看手錶：如果接下來的一個小時內，我們的第一個孩子不能順利出生，我就不得不選擇離開醫院去做一個關乎我一生志向的人工智能主題演講，錯過迎接孩子誕生的時刻。

幸運的是，李德寧——我的女兒“準時”地來到了這個世界，沒有耽誤我的“正事”。蘋果公司當時的CEO（首席執行官）斯卡利因為聽了我的演講，決定啟動人工智能項目。一瞬間，我覺得自己可能成為發現人工智能新大陸的“哥倫布”，這一強烈的自豪感與職業驕傲使初為人父顯得像人生旅程中不出意外的“小確幸”，波瀾不驚。此刻回首，我明白27年前這兩個差一點兒相撞的事件並非平行時間軌道上的“黑天鵝”，它們背後的隱喻是千萬年來人類進步過程中屢遭考驗的價值觀，也是我在幫助、促進人工智能成功的過程中錯失、遺漏了人生最重要的東西。

27年間，人工智能迅猛發展，更趨成熟。這一革命性技術改變著經濟和社會的面貌，重塑了企業和國家的競爭格局，在全球範圍推動新的“超級勢力”的產生。這將令成千上萬的知識精英和萬億美元的金融資本第一次體會到我在女兒降生那個下午感受過的興奮與雄心，也將迫使全世界一起思考同一個把我曾經推入夢魘的哲學命題。

人類歷史進入2018年，在北京和華盛頓，在中關村和矽谷，在瑞士達沃斯和加拿大溫哥華TED[1]的現場，關於人工智能所有人關心的問題只有兩個：一、人工智能會給人類帶來什麼威脅和挑戰？二、中國會不會超越美國，領跑人工智能？在我看來，兩個問題只有一個答案：人工智能時代不存在三國演義，中美將成為無可爭議的雙雄，兩國應該一起面對並解決人工智能帶來的挑戰。我寫作此書，正是希望促使人工智能時代兩個擁有絕對優勢的精英群體——中、美兩國政府、投資人和企業家放下偏見，客觀地看待對方的長處，在技術和商業的創新競爭中加強合作，面對共同的挑戰，攜手塑造人類美好的未來。

美國是世界上人工智能研究積累最深、應用成果最多的國家。會集美國的研究人員仍在引領全球人工智能發現的前沿。今天席捲全球的人工智能颶風可能源於20世紀80年代美國卡內基·梅隆大學計算機科學系辦公室裡某個人類大腦深處的一連串靈感火花。我在那裡讀博士時，和傑佛瑞·辛頓（Geoffrey Everest Hinton）的辦公室斜對門。他在學校任教，還是我隔壁室友的導師。我為了開發奧賽羅（一種黑白棋對弈遊戲）人機對弈系統，還去找他指導簽字。寥寥數語之後，辛頓的眼神已隨思緒遠遊，那時他應該是醉心於人工智能的下一個突破性研究吧。之後，我和辛頓先後離開卡內基·梅隆大學，沿著各自的熱情與執著繼續前進。1998年，奧賽羅擊敗了該遊戲的人類世界冠軍隊成員，也堅定了我在語音辨識研發上的信心。2006年，辛頓則以一篇論文為人工智能再次興起奠定了基礎。

美國一流高校有著傳統悠久的自由開放的人才流動機制、鼓勵特立獨行的研究精神，無疑是人工智能原創研究的樂土。被稱為“計算機界諾貝爾獎”的圖靈獎由美國計算機協會於1966年設立至今，共有67名得主，大多數是美國學者，僅有一位華人學者姚期智，也是在美國學習、研究並獲得了重大成果。更引人注目的是，因人工智能研究獲獎的8位元計算機科學家，全部是美國學者。截至目前，美國計算機科學專業排名靠前的100所大學都有5—10年人工智能研究的歷史。不僅如此，這些研究型大學的人工智能科學家還必須為本科生開課。而他們的老師也都是在一流大學畢業的上一代人工智能學者。以斯坦福大學為例，參加人工智能課程的學生人數從1990年的80人增長到2016年的800人。

美國互聯網科技企業的技術積累和研發仍具備相對優勢，它們對世界一流研究人才的資金支援與研發放權，是孕育、催生人工智能應用的環境基礎。穀歌、微軟、Facebook（臉書）、亞馬遜……正在成為人工智能研究的新巨人，在人工智能開發平臺、無人駕駛和用語音辨識技術打通無所不包的個性化服務的商業嘗試方面也還處於前沿。而從2014年起，每年給圖靈獎提供100萬美元獎金的穀歌更是個中翹楚。除了具有技術理解與研發上的天然優勢——解決搜索最優化問題的系統和方案與機器學習同出一理，穀歌更開創了讓一流科學家寫代碼、變身一流工程師的人才培育路線。這一管理創新，使得全美人工智能一半以上理論加工程的厲害角色在穀歌濟濟一堂。辛頓出名之後，門庭若市。前來招募的大公司中有穀歌，也有百度。最後穀歌以不可思議的條件把他搶到手，其中包括辛頓每年只需要有一半時間在矽谷和穀歌團隊合作，另一半時間則可以在加拿大多倫多大學自由地進行研究。此外，幫助穀歌取得人工智能應用世界領先地位的吳恩達、李飛飛也早已家喻戶曉，而其收購的DeepMind的創始人戴米斯·哈薩比斯（Demis Hassabis）更是被市場寄予厚望，期待其研發能進行人類一切智力活動的人工智能。

但是，隨著由辛頓等先驅推動的“深度學習”技術被廣泛應用於互聯網和商業，人工智能從孤蓬遠征的發現時代進入了“擼起袖子加油幹”的實幹時代。在兩個時代的過渡階段，人工智能超過“摩爾定律”的發展速度促使研究人員立即分享成果，中、美兩國的研究人員和工程師均可從實時連接的全球研究資源中獲益，這給了中國這個人工智能學生趕超美國老師的平等機會。更重要的是，人工智能實幹時代競爭力的天平將傾向商業化執行、產質量量、創新速度和大資料，而這些要素恰是中國優於美國之處。

中國互聯網最有價值的產品不是產品本身，而是產品背後精於執行的企業家。15年前從“學習”起步的中國互聯網初創公司從美國商業模式中獲得靈感，激烈地相互競爭，為中國用戶的“個性”進行專門調整和優化。學習了雅虎的搜狐張朝陽，學習了eBay（美國知名電子商務網站）的阿裡巴巴馬雲，學習了穀歌的百度李彥宏，學習了Facebook和一大堆其他美國式創新的美團點評王興，都已經成為世界級的企業家。當這一代中國企業家學會利用人工智能時，將徹底顛覆遊戲規則。

此外，直接跳過了美國發達的傳統商業時代，高速發展40年的中國市場和中國消費者接受新產品和新模式的速度超過世界上所有其他國家。短短3年，中國的移動支付就擁有世界上最棒的基礎架構：幾乎不收取交易費用，支援小額付款和點對點支付。僅2017年一年移動支付的總交易額就達到了驚人的18.8萬億美元，超過了中國當年GDP。

隨之而來，擁有世界最龐大手機用戶群的中國得以最快地積累移動應用資料。移動使用者基數使得中國的資料優勢是美國的3倍，移動食品配送是美國的10倍，移動支付是美國的50倍，共享單車設施是美國的300倍。而利用這些豐富的資料資源，中國的計算機視覺、無人機、語音辨識、語音合成和機器翻譯公司，成為全球價值最高的創業企業。

當然，威力無比的人工智能也會帶來巨大威脅，比如就業。上一次工業革命曾將許多技術活轉變成普通工作，增加了生產在線的人工工序。而人工智能革命將完全取代這些生產在線的工作。同樣，汽車駕駛、電話銷售以及放射科醫生等工作在15年內都將被人工智能所取代。僅有那些通過了“李開複五秒鐘測試”的複雜或最具創造性的工作才能倖存。我將在本書中提出一些對策，以此緩解人工智能革命對普通人生活和國家社會的衝擊。但對於人類來說，最大的挑戰並不是失去工作，而是失去了存在的意義。因為，應工業革命而生的個人價值觀讓大多數人相信生活的意義在於工作。我本人就是最好的例證。

回顧對人工智能魂牽夢繞並與之榮辱與共的半生，我除了是充滿理想的科學家、勤奮務實的工程師和追求卓越的管理者，幾乎忘記了自己還是一個兒子、丈夫和父親，直到5年前我被診斷出淋巴癌四期。這場疾病讓我的工作狂生涯戛然而止。在那段充滿未知的時間裡，我想了很多。我開始意識到完全通過在工作中的成就來實現自我價值感是一件多麼愚蠢的事情。我忽略了最親愛的家人。父親走了，我再也沒有機會告訴他我是多麼愛他。母親患了阿爾茨海默病，再也認不出她親愛的兒子。孩子們長大了，我錯過了她們成長的美好時光……我的生活和工作重心完全是混亂的。痛定思痛，恢復健康的我開始花更多的時間來陪伴親人，和母親的關係越來越親近，經常陪太太去旅行。當女兒們回家，我會推卻一部分工作來跟她們相處。與死神擦肩而過的經歷不僅改變了我的生活，而且讓我意識到人工智能所不具備的人性。

人工智能將會取代人類，完成不屬於人類專有的各種重複性工作。愛，才是人類的特質。當我們看見初生的嬰兒，當我們一見鍾情墜入愛河，當我們的經歷被朋友傾聽，當我們通過幫助別人而實現自我……人類的愛就在那裡。愛讓我們區別於人工智能。不要相信科幻電影為我們描繪的人工智能形象。我可以負責任地告訴你們，人工智能不會去愛，它們甚至沒有感情和自我意識。AlphaGo（人工智能算法）雖然能擊敗世界冠軍，但是它體驗不到手談的樂趣，勝利不會給它帶來愉悅，也不會讓它有擁抱愛人的渴望。

相比人工智能，人類的優勢在於創造力和同情心。讓人工智能做它擅長的，我們可以創造更多有人情味的職業和崗位，可以有更多富有同情心的醫護人員利用人工智能進行醫療診治、護理，可以有超過現在10倍的老師來幫助孩子在這個新世界獲得生存能力並勇敢地茁壯成長。

是的，在人工智能這個橫衝直撞、撲面而來的未來面前，人類會遭遇前所未有的挑戰。但人類不正是從各種挑戰中一路走來，掙扎奮起的嗎？人工智能革命的結果如何將取決於我們是選擇被過分天真的樂觀主義或並無實證的悲觀思想毒害，還是努力解決問題。就像我，一生最大的挫折莫過於患了癌症。然而，這個最大的挫折如今是我最大的財富。

34年過去了，作為一個理工男，曾經的科學家，今天的投資者，我非常自豪地看到人工智能創造著巨大的價值，改變了商業和世界。但我不再像21歲時那樣，認為機器最終會取代大腦。我相信，人類最有價值的並不是大腦，而是心。

前言/001

01 | 中國的“斯普特尼克時刻”

北京視角/011

一場賽局和賽局的改變者/013

圍棋機器裡的幽靈/015

深度學習發展簡史/016

揭開深度學習的面紗/021

人工智能新時代，誰能保持領先/022

實幹的年代/024

資料的年代/025

中國的優勢/026

天平一端的重要推手/030

人工智能時代真正的危機/032

人工智能時代的新世界秩序/034

02 | 從競技場殺出的世界級創業者

“成二代”和“窮二代”/042

皇帝的模仿鐘/046

什麼都可以模仿/047

模仿到底是一種阻力，還是助力？/050

eBay和阿裡巴巴：誰說免費不是商業模式/052

穀歌與百度：黃頁與購物商場/054

矽谷大腕為何在中國變成“紙老虎”/057

擊敗對手，或者被對手擊敗/058

天生“精益”的創業鬥士/063

王興的蛻變/065

創業者、電力與燃料/069

03 | 中國的另類互聯網世界

互聯網的未知海域/077

人工智能時代的數據王國/078

移動互聯網的縱身一躍/080

微信：低調的雄心/081

移動支付的珍珠港/082

蓋好了，他們就會來/084

萬眾創新/085

深入文化的革新/087

到處都是O2O/089

輕量與重磅/092

掃描或被掃描/094

聯網的“自行車賽”/098

模糊的界線與美麗新世界/100

04 | 兩國演義和七巨頭

人工智能超級大國的那些事/105

諾獎得主與無名工匠/107

人工智能知識的開放與速率/110

避開中國新年的國際會議/111

七巨頭和下一個深度學習/114

谷歌戰群雄/116

人工智能的電網、電池之戰/118

中國晶片的機會與挑戰/120

太平洋兩岸的兩個計畫/122

押寶人工智能/123

自動駕駛的困境/125

05 | 人工智能發展的四波浪潮

第一波浪潮：互聯網智能化/133

算法與編輯/134

機器人報導與假新聞/134

第二波浪潮：商業智能化/136

商用人工智能事業/136

炒掉銀行客戶經理/137

請到算法診所就診/139

看不見的法庭助手/140

誰能取得領先地位？/141

第三波浪潮：實體世界智能化/142

界限模糊的OMO世界/142

每輛購物車都知道你的姓名/144

OMO驅動的教育/146

如何收集資料？如何應用於改進教育流程？/147

公共資料與個人隱私/149

深圳製造/150

小米先行/151

第四波浪潮：自主智能化/152

草莓園與機器甲蟲/153

蜂群智能/154

穀歌模式與特斯拉模式/155

中國的特斯拉模式/156

圍繞自主人工智能技術的較量/158

征服當地市場&武裝當地公司/160

從中國市場打到國際市場的共享出行/160

展望未來/162

06 | 烏托邦、反烏托邦和真正的人工智能危機

人工智能發展現狀/168

《北京折疊》：科幻小說和人工智能經濟學/170

真正的人工智能危機/171

技術樂觀主義者和“勒德謬誤”/173

盲目樂觀的終結/174

人工智能：讓技術變得通用/178

硬體：更好，更快，更強/179

人工智能的“可以”與“不可以”/181

經濟學家的研究結果/184

這些研究忽略了什麼/187

兩類失業：“一對一取代”和“徹底清除”/188

中美失業問題對比與莫拉維克悖論/191

擔心算法還是擔心機器人？/192

人工智能導致的不平等/193

隨之而來的個人危機/194

07 | 一個癌症患者的思考

1991年12月16日/202

鐵人/204

你想在墓碑上寫什麼？/205

診斷/207

遺囑/209

向死而生/211

山頂上的法師/212

第二意見和第二次機會/215

解脫與重生/217

08 | 人類與人工智能共存的藍圖

危機考驗與新的社會契約/226

3R：再培訓、減時間、重分配/228

全民基本收入/231

矽谷的“魔杖”心態/233

人機共存：優化與人情/235

芬克的信與影響力投資/239

政府的角色/242

當司機的CEO/243

“社會貢獻津貼”：護理、服務和接受培訓/244

尚未解決的問題/246

環顧周遭，展望未來/247

結束語 | 現在已是未來

沒有軍備競賽，這是我們共同的未來/251

做好準備，迎接未來/252

人人都是撰寫者/254

忘記優化，珍愛彼此/255

致謝/257

毫不誇張地說，1999年以前，中國科技人員對人工智能幾乎一無所知。那一年，我到中國科學技術大學做講座，給同學們介紹剛成立一年的微軟中國研究院在圖像識別研究上的進展。這所大學的工程學院在全國名列前茅，但它不在北京，坐落於相對偏遠的安徽省合肥市。

講座當晚的禮堂座無虛席，氣氛熱烈。沒有搶到票的同學擠在窗戶外面，希望能隔著玻璃聽到講座的一些內容。看到這樣的場景，我請求工作人員允許熱情的學生們進來，坐在過道或講臺上聽。當我講到語音辨識、語音合成、3D圖形和計算機視覺時，他們草草寫下淩亂的筆記，請教了我許多關於人工智能基本原理和實際應用的問題。當時，中國在人工智能研究上比美國落後不止10年，但這些學生的臉龐滿是熱切，他們吸收知識、認真聽講的狀態，就像浸入水的海綿。

講座進行了很長時間，結束時天色已晚，我從禮堂出來走向校門，準備離開。當時校園十分安靜，路上行人寥寥，兩旁都是學生宿舍。突然寂靜被打破了。一大群學生不約而同地從宿舍湧出來，走上了周圍的街道。我愣在原地，看著這如消防演習一樣的慢動作畫面。直到他們在路沿坐下，打開課本，我才意識到他們要幹什麼：大學宿舍晚上11點準時熄燈，想要繼續學習的學生都會來到路邊，借著路燈看書。現在中國的一家頂級人工智能公司的創始人，就出自這幾百名未來中國最聰明的年輕工程師之中。

這些學生手裡拿的課本是當時中國最好的教材，雖然大多數版本老舊、翻譯不佳。在當時，優秀學生很難出國讀書，除非有全額獎學金，在互聯網沒有普及的校園裡，泛黃的教科書和偶爾來訪的學者的講座，是他們接觸全球人工智能研究的唯二途徑。

20年過去，現在一切都不一樣了。

人工智能超級大國的那些事

如我之前所說，在21世紀要建設人工智能超級大國，需要具備四個條件：大量的資料、執著的企業家、優秀的人工智能科學家和有利的政策環境。中國創業公司的競技場選拔出了世界上最精明強悍的企業家，中國的另類互聯網世界創造了世界上最豐富的資料生態環境，再加上另外兩項助力——人工智能專家的湧現和中國政府的政策支持，在這個人工智能實幹的年代，矽谷的優勢將不復存在。

隨著人工智能滲入經濟的更多層面，該領域對優秀人工智能工程師的數量要求，將超過對頂尖人工智能科學家智力的要求。人工智能實幹年代真正的經濟優勢，絕不僅是幾位屈指可數的拓展研究邊界的頂尖科學家，而是一個能和企業家聯手，利用已知科研創造商業價值的龐大的工程師軍團。中國正在訓練這樣的工程師軍團。

在那場講座後的近20年裡，中國的人工智能公司大大拉近了與美國同行們的差距。雖然美國在頂尖人工智能科學家方面仍然領先，但我在合肥看到的那些擁有極強求知欲的學生已經成長起來，前沿全球研究也伴隨著互聯網的發展有了爆炸性傳播，中國公司找到了大批可以驅動人工智能應用落地的優秀工程師。鑽研人工智能的中國學生不用在昏黃的路燈下研究舊課本上的知識，他們能直接從源頭實時地吸納新知，如剖析網上發表的最新學術成果，在微信中討論頂尖人工智能科學家使用的方法，通過智能手機觀看他們的講座。

連接全球的人工智能知識傳播網絡，讓中國人工智能社群得以共享最新知識，躋身高端研究，加入實時培訓。從這些社群出發，優秀工程師使自己服務的公司可以將前沿的開源算法應用於自動無人機、人臉識別支付系統和智能家居終端等人工智能產品，進一步與人工智能領域的巨頭們分享蛋糕。

人工智能時代的七巨頭——谷歌、Facebook、亞馬遜、微軟、百度、阿裡巴巴和騰訊，都是中國或美國的公司，它們動輒花費數十億美元建立驚人的資料儲備，大量延攬人工智能精英，努力建立人工智能時代的公共設施：它們正在為人工智能的未來發展鋪設大範圍的“電網”，即建設私有雲和公有雲的設施，使機器學習擴散到整個經濟體系中。巨頭們建立私有人工智能“電網”的現象，不僅令重視開放人工智能生態系統的人擔憂，也是中國迅速崛起、成為人工智能超級大國的一塊隱形絆腳石。

不過，在龐大的經濟體系中引入人工智能的力量，憑私營企業一己之力並不夠，還需要政府的明確態度和良好的政策環境。在柯潔輸給AlphaGo之後，中國政府發佈了力爭在人工智能領域領跑的藍圖。中國的人工智能計畫在新的投資熱潮中激流勇進，引導了創業、創新的新方向。不少城市爭先恐後地想成為人工智能示範城市：從規劃無人駕駛車輛路線、在公共交通系統中安裝面部識別系統，到給交通網配備能夠優化車流的“城市大腦”，幾乎每個方案都顯露出了城市管理者的勃勃雄心。通過這些嘗試，我相信在人工智能實幹的年代，中國將有力地加速資源配置、產生更多資料、種下未來持續增長的種子。這是一種持續的自我迴圈，借助大資料的神奇力量、創業家的勇氣、辛苦磨煉的專業知識，以及有力的政策導向，持續良性迴圈下去。

諾獎得主與無名工匠

要理解這兩個人工智能超級大國之間真正的競爭格局，首先要理解這種專業知識來自哪裡。

1938年，在恩裡科·費米（Enrico Fermi）登上法蘭克尼亞 II號甲板的那一刻，全球大國的勢力分佈被他改變了。費米當時剛剛在斯德哥爾摩抱走了諾貝爾物理學獎，但是他並沒有回到貝尼托·墨索裡尼統治的義大利，而是舉家來到了紐約。此行跨越了半個地球，費米的主要目的是逃避義大利新通過的種族法的限制：該法令阻礙了猶太人、非洲人擔任重要崗位或者與義大利人結婚，費米的妻子勞拉就是猶太人。

來到美國後，費米聽說納粹德國的一些科學家發現了核裂變原理，於是他也迅速展開了進一步的研究。他在芝加哥大學創造了世界上第一個自持鏈式裂變核反應爐，這個成果在曼哈頓計畫中起到了不可替代的作用。曼哈頓計畫誕生了世界上第一枚核武器，為第二次世界大戰後世界秩序的確立奠定了基礎。

費米和曼哈頓計畫代表了在專業知識領域，質量高於數量的時代。20世紀三四十年代是核子物理學基礎學科取得突破的時代。為了實現這些突破，一個恩裡科·費米比一千個普通的物理學家都重要。這個時代的美國確立在世界上的主導地位，很大程度是由於吸引了像費米一樣的天才。

但並非每次科技革命都是這種模式。通常，基礎領域的突破出現後，發展的重心會很快從頂尖科學家轉移到無名工匠，即有足夠專業能力將這種新技術應用於解決不同問題的工程師，尤其是當技術突破性成果的應用範圍遍佈整個社會經濟體系，而非集中於某幾個實驗室或者武器系統的應用時。

電的發明和大規模的電氣化很好地印證了這個過程。湯瑪斯·愛迪生讓電能變得更便宜後，數以千計的工程師開始想辦法利用電能，用電驅動各種新設備，重組工業生產過程。這些工程師並沒有像愛迪生那樣取得重大突破，但他們對電能的瞭解程度，足以幫助他們將電能用在機器上從而產生收益。

目前人工智能的發展階段更符合後一種模式。由於人工智能解決了一個又一個新難題，持續佔據媒體報導頭條，讓我們誤以為仍處於“恩裡科·費米”們有能力決定世界格局的時代。而現實中，我看到的是一個將突破性基礎技術應用於解決多個不同問題的過程，需要大量受過良好訓練的工程師。今天，這些工程師正將人工智能模式識別能力應用於貸款核發、自動駕駛汽車、翻譯文本、下圍棋、小度在家或小愛同學上。

深度學習先驅傑佛瑞·辛頓、揚·勒昆（Yann LeCun）和約書亞·本吉奧（Yoshua Bengio）——人工智能領域的“恩裡科·費米”們持續拓展著研究邊界。也許他們會實現新的顛覆性突破，再次打破全球科技界的格局。不過眼下應用領域的進展，還得由工程師們一手打造。

人工智能知識的開放與速率

投身這場技術革命的工程師有一個額外的優勢：能實時接觸到前沿先驅們的研究成果。

在工業革命中，國界和語言壁壘意味著最新的技術突破成果被保留在發源國，也就是英國國內。美國因為與英國在文化上比較相近，又有較為寬鬆的智能財產權法，才取得了一些關鍵發明的應用機會，但是發明者和模仿者之間的差距仍舊不小。不過今非昔比，當被問及中國和矽谷在人工智能研究上的差距時，有幾位中國創業者開玩笑道：差距是16小時——加利福尼亞州和北京之間的時差。美國也許有頂尖的研究人員，但他們的大多研究成果，對任何能上網並對人工智能基礎知識有一定瞭解的工程師來說，都是實時可見的。之所以有這樣的知識傳播優勢，是因為人工智能研究中的兩個重要特徵：開放和速率。

人工智能研究人員對自己的算法、資料和成果一向採取開放態度。這種開放性的根源一是來自促進人工智能發展的共同目標，二是出於希望給競爭一個客觀標準。在許多自然科學領域，一個實驗室中的實驗很多時候是無法在另一個實驗室中完全再現的——技術或者環境上的細微差別，對結果的影響都是巨大的。但是，人工智能實驗完全可複製，算法也可以進行直接對比。只需要在同樣的資料條件下訓練檢測該算法即可。國際競賽中，經常有計算機視覺或者語音辨識研究團隊相互切磋，而參賽者的研究成果，其他研究人員都很輕易地可以驗證或審查。

人工智能領域的進步速度，也是促使研究人員選擇實時分享研究成果的因素之一。許多人工智能科學家並不嘗試去完全顛覆深度學習，而是不斷優化算法。這種進步通常能讓語音辨識或者視覺識別在不同應用和場景達到新的精度。而研究人員則在這些新紀錄（而不是新產品或者收入）的基礎上進行比拼。打破紀錄的人，當然希望得到認可和回報。但因為發展的速度太快，許多研究人員都會擔心，要是等到在期刊上發表研究成果，那時他們的紀錄可能早就被打破了，而他們達到巔峰的這一刻也將無法載入史冊，所以他們一般不會隱瞞研究結果，而是會立刻在類似於www.arxiv.org這種在線科研論文庫上發佈。這類網站可以讓研究人員實時發佈研究成果，讓他們在人工智能算法的研究領域青史留名。

在後AlphaGo的世界，中國學生、研究人員和工程師都是www.arxiv.org 最忠實的讀者。他們整理、翻譯，為揚·勒昆、塞巴斯蒂安·特倫還有吳恩達等前沿科學家的講座製作字幕。在微信上，中國的人工智能社區創建了大型聊天群，還有其他一些多媒體平臺可供討論人工智能領域的最新進展。至少有13家新媒體負責專門跟蹤報導產業新聞、專家分析和開放式對話。這些聚焦人工智能的媒體擁有超過100萬的註冊用戶，其中半數都獲得了超過1000萬美元的風投。我參加了“PaperWeekly”論文討論群組等十幾個類似的500人微信群，每天能刷新幾百條人工智能相關的新信息和最新算法成果的截屏圖片，大量的研究人員在在線和線下熱烈研討人工智能領域的新研究成果。

然而，身在中國的人工智能參與者們，並非只是西方世界智能結晶輸出的受益者，他們也在為這個研究生態系統做出越來越多的貢獻。

避開中國新年的國際會議

美國人工智能促進協會（The Association for the Advancement of Artificial Intelligence, AAAI）在長達30年的時間裡每年都舉辦大型的人工智能國際會議，是全球人工智能界最重要的會議之一。但在2017年，他們差點兒辦砸——那年會議的舉辦在時間上與中國的春節撞了車。放在幾年前這根本不是問題，歷史上美國、英國和加拿大學者一直統治著這一領域，有論文產出的中國研究人員屈指可數。但是2017年的國際大會，提交論文的中國研究人員和美國研究人員人數不相上下。“沒人會在重大節日舉辦如此重要的國際會議，”AAAI理事長告訴《大西洋月刊》，“我們花了好大力氣，才將會議推遲了一周。”[1]

無論是現有模型的微調，還是構建世界級的新神經網絡架構，中國的研究者都在做出源源不斷的貢獻，他們對人工智能的貢獻是全方位的。從學術研究成果的引用次數就能看出中國研究人員日益增長的影響力。創新工廠分析了2006年至2015年間，所有人工智能研討會和人工智能期刊被引用次數前100名，發現在此期間由中文名字研究人員冠名的論文數量從23.2%激增到了42.8%[2]，增長了將近一倍。對這些作者所屬的研究機構的調查表明，除去部分作者在國外進行的研究（如沒有使用英文名字的美籍華裔研究人員），大多數的論文內容確實是在中國得出的成果。

最近對全球研究機構的引用記錄統計也印證了這一趨勢：2012年至2016年，人工智能領域的研究機構被引用次數前100名中[3]，中國僅次於美國。前沿研究機構中，清華大學甚至在人工智能被引用次數上超過了斯坦福大學等老牌人工智能院校。值得注意的是，這些研究大多還聚焦於前AlphaGo時代，也就是中國在該領域投入更多研究資源之前。相信在不久的將來，一大群年輕的博士生將引領中國的人工智能研究達到一個新的高度。

除了被廣泛引用的論文之外，自深度學習出現以來，中國的研究人員還為神經網絡和計算機視覺等領域帶來了長足進步。這中間，許多研究人員都來自我在1998年創立的微軟中國研究院（之後更名為微軟亞洲研究院），這裡培養了超過5000名人工智能研究人員，包括今天在百度、阿裡巴巴、騰訊、聯想和今日頭條任職的技術或人工智能負責人。

2015年，微軟亞洲研究院的一支團隊在圖片網絡（ImageNet）的全球圖像識別大賽中一鳴驚人。這個團隊帶來的精妙算法叫作殘差網絡（ResNet），它對10萬張照片進行了識別，並列入1000個不同類別之下，而其錯誤率低至3.5%。2年後，穀歌的DeepMind研發出了AlphaGo Zero，即能夠自學的新一代AlphaGo，殘差網絡就是它的核心技術模組之一。

研發了殘差網絡的發明人離開了微軟亞洲研究院。殘差網絡論文的四位元作者，一位加入了Facebook的揚·勒昆研究團隊，而其他三位或是創立，或是加入了中國的人工智能創業公司。帶領殘差網絡的孫劍加入了曠視科技——一個全球人臉識別及圖像識別技術領域的領軍企業。2017年的COCO圖像識別大賽，曠視科技團隊在四大領域中勇奪三個冠軍，打敗了來自穀歌、微軟和Facebook的眾多團隊。

2017年，在人工智能和全球安全峰會上，前穀歌CEO埃裡克·施密特提醒與會人員，不要小看中國在人工智能領域的潛能。他預測，中國的人工智能將在5年內趕上美國：“這些中國人很厲害……如果你認為他們……無法培養我說的這種人才，那可就大錯特錯了。”