重启|戴口罩的这一年，AI产业如何“重启、重塑、重构”？( 四 ) 中薪|高薪|产业|重构|口罩|这一

接地气是我们在落地科技时的一种“科技为人”的价值导向。科技的落地应用，与长期、有挑战的科技探索之间并不冲突。在长期、有挑战的工作上做投入、做突破，才能让科技持续产生价值。
最后，夏华夏还展望了一下AI最美好的模样：像水电煤一样成为未来生活的基础设施，无处不在，但不一定需要被用户感知。AI可以在生活的每一个角落为我们服务。
清华唐杰：认知图谱是人工智能的下一个瑰宝
清华大学计算机系教授、系副主任唐杰在会上做了题为《认知图谱，人工智能的下一个瑰宝》的演讲。

文章插图
人工智能的发展可以划分为三个时代：符号AI、感知AI和认知AI。认知AI到现在为止尚未实现。那么，实现认知AI需要做什么？唐杰教授指出，现在急需打造的是AI基础设施，比如认知图谱怎样构建。
为什么要强调认知的逻辑呢？唐杰教授举了GPT-3的例子。GPT-3，参数规模达到1750亿，数量级接近人类神经元。并且，在表达能力上，这样的大规模语言模型已经使得AI接近人类。这就带来了一个启示：我们是否可以直接通过大规模、大算力、大计算的方法，得到一个超越人类的通用人工智能？且不谈上亿人民币的训练成本，GPT-3这样的语言模型，如今已经暴露出一个明显的问题：没有常识。比如，你问它一根草有几只眼睛，它会回答“一只眼睛”。
想要解决这样的问题，用计算的方式做认知，唐杰教授谈到可以结合两种方法去实现。第一，数据驱动。把所有数据进行建模，并学习数据之间的关联关系，学习数据的记忆模型。第二，知识驱动，构建知识图谱。不过，仅仅如此仍然不够。
唐杰教授指出：真正的通用人工智能，我们希望它有持续学习的能力，能够从已有的事实、从反馈中学习到新的东西，能够完成一些更加复杂的任务。因此，认知AI应该符合9个准则：适应与学习能力，定义与语境化能力，自我系统的准入能力，优先级与访问控制能力，召集与控制能力，决策与执行能力，错误探测与编辑能力，反思与自我监控能力，条理与灵活性之间的能力。
认知图谱的概念也就应运而生。认知图谱有三个核心要素：常识图谱。比如高精度知识图谱构建工具，领域知识图谱应用系统，超大规模常识知识图谱，基于知识图谱的推荐/搜索等等。逻辑生成。与计算模型相关，如超大规模的预训练模型，能够自动进行内容生成。认知推理。即让计算机有推理、逻辑思维能力，像人一样思考。
唐杰教授表示，知识图谱+深度学习+认知心理，打造知识和认知推理双轮驱动的框架，将是接下来一个重要的研究方向。项目关键技术通过成果转化孵化了北京智谱华章科技有限公司（简称智谱·AI），形成多个核心产品，在阿里巴巴、搜狗、华为、腾讯、点通、工程院等30余家企事业单位部署了超过100余套智能型云服务系统，应用前景极其广阔。
小冰公司李笛：强大的AI不应该提供给企业，而应该给企业里的劳动者
小冰公司首席执行官李笛，在大会上分享了小冰框架的大量实践。人工智能正在不可避免地进入人类社会的每一个角落，和人类发生各式各样、千丝万缕、无处不在的关联。李笛认为，在讨论人工智能未来的价值之前，需要先讨论人工智能的边界。

文章插图
作为一个占据全世界范围内人和人工智能交互总流量60%的技术框架掌舵者，李笛根据实际经验，把技术运用的边界归结为三件事：第一件事，预判技术在运用过程中可能会遇到的困境，尝试用系统化的结构，去提升规避掉这些困局。第二件事，是对场景的克制。人工智能要发展，需要在选择落地场景上保持克制。第三件事，是尝试保护双方的机制。把人工智能想像成一个面向未来的系统，它会跟亿万人类发生各式各样实时、高并发的交互，所以在系统设计上一个非常重要的边界，就是对双方进行保护。
李笛表示，这也是为什么小冰公司坚决禁止为普通个人去训练声音。李笛在现场展示了小冰的语音能力，在有意识地加入人类语音的瑕疵之后，小冰更加接近于人，能实现31分钟的人类舒适时长。Siri的这一指标为2.6分钟-7.8分钟。李笛认为，这种能力太接近于真人，很有可能被不法分子利用。因此在技术不足以防范语音诈骗的时候，需要非常谨慎。
另外，李笛还谈到了这样一个问题：当你手上有一个强大的AI工具，应该把它提供给谁？李笛说：不应该提供给企业，而应该给企业里的劳动者。