每經(jīng)記者 莫淑婷    每經(jīng)編輯 陳俊杰    

在商業(yè)智能席卷全球的今天，企業(yè)如何利用人工智能等技術(shù)創(chuàng)造新的商業(yè)價(jià)值，成為國(guó)內(nèi)外企業(yè)關(guān)注的焦點(diǎn)。11月16 日，法國(guó)里昂商學(xué)院全球商業(yè)智能論壇暨全球商業(yè)智能中心成立儀式在深圳舉行。

中心成立儀式上，法國(guó)里昂商學(xué)院與華中科技大學(xué)、每日經(jīng)濟(jì)新聞、國(guó)家社會(huì)科學(xué)基金重大項(xiàng)目組(項(xiàng)目號(hào)16ZDA013)聯(lián)合發(fā)布《中國(guó)智能制造百?gòu)?qiáng)發(fā)展與趨勢(shì)白皮書(shū)》。

“我對(duì)市場(chǎng)流行的大停滯和科技高原理論表示不同意。我也看不出該書(shū)出版后，科技與經(jīng)濟(jì)發(fā)展事實(shí)與科技高原理論有特別符合的地方。”法國(guó)里昂商學(xué)院教授、三大國(guó)家級(jí)科學(xué)基金首席研究員龔業(yè)明在接受《每日經(jīng)濟(jì)新聞》記者（以下簡(jiǎn)稱(chēng)NBD）專(zhuān)訪(fǎng)時(shí)指出，泰勒·考恩的《大停滯？——科技高原下的經(jīng)濟(jì)困境:美國(guó)的難題與中國(guó)的機(jī)遇》對(duì)中國(guó)企業(yè)家影響較大，有些企業(yè)家過(guò)于悲觀。

龔業(yè)明表示，“這本書(shū)是2011年出版的，但在2012年就被深度學(xué)習(xí)技術(shù)打臉，2019年還有專(zhuān)家在抱怨深度學(xué)習(xí)算法近期沒(méi)突破，結(jié)果量子計(jì)算2019年又出現(xiàn)重大突破。在2012年后，ABCD（注：人工智能Artificial Intelligence、區(qū)塊鏈Block Chain、云計(jì)算Cloud、大數(shù)據(jù)Big Data）并不在科技高原期而是快速發(fā)展。至少三年內(nèi)，科技高原困境并不存在。對(duì)未來(lái)，我們是謹(jǐn)慎但偏樂(lè)觀的”。

法國(guó)里昂商學(xué)院教授、三大國(guó)家級(jí)科學(xué)基金首席研究員龔業(yè)明 主辦方供圖

考量困境：風(fēng)險(xiǎn)與收益之間的權(quán)衡

NBD：今年有機(jī)構(gòu)調(diào)研了中國(guó)各行各業(yè)300位高管的意見(jiàn)，發(fā)現(xiàn)在中國(guó)，人們對(duì)人工智能的風(fēng)險(xiǎn)意識(shí)甚至更強(qiáng)，越來(lái)越多企業(yè)管理者意識(shí)到人工智能既存在機(jī)遇又存在戰(zhàn)略風(fēng)險(xiǎn)。怎么看待這個(gè)現(xiàn)象？

龔業(yè)明：如果企業(yè)不去利用人工智能，不做數(shù)字化轉(zhuǎn)型，目前看來(lái)是比較困難。我們已經(jīng)站在又一次工業(yè)革命的臨界點(diǎn)上。2006年，深度學(xué)習(xí)算法被Hinton等人提出，2012年深度學(xué)習(xí)算法的績(jī)效得到確認(rèn)，算法上出現(xiàn)重大突破。2019年10月23日谷歌量子計(jì)算機(jī)被學(xué)術(shù)界確認(rèn)，這都是非常大的技術(shù)突破。這種技術(shù)突破會(huì)對(duì)社會(huì)、經(jīng)濟(jì)、組織和個(gè)人都形成深遠(yuǎn)的影響。

不能說(shuō)人工智能有風(fēng)險(xiǎn)就不去探索。諾貝爾獎(jiǎng)得主安德烈·紀(jì)德(Andre Gide)說(shuō)，一個(gè)人只有冒著看不見(jiàn)海岸的風(fēng)險(xiǎn)，才能發(fā)現(xiàn)新的海洋。

雖然科技高原暫不存在，但企業(yè)意識(shí)到風(fēng)險(xiǎn)是好事，最怕是沒(méi)意識(shí)到風(fēng)險(xiǎn)。人工智能有幾種商業(yè)模式，如助理式人工智能、增強(qiáng)式人工智能和自主決策式人工智能，可以根據(jù)企業(yè)自身的情況進(jìn)行選擇。如果說(shuō)害怕風(fēng)險(xiǎn)，或者說(shuō)風(fēng)險(xiǎn)承受能力比較低的話(huà)，可以選擇風(fēng)險(xiǎn)偏小的商業(yè)模式。除此之外，還可以借助AI-as-a-service 模式，利用亞馬遜，微軟，谷歌、百度、阿里云等公司的第三方人工智能技術(shù)，這樣可能就不需要對(duì)人工智能進(jìn)行那么大的投資，風(fēng)險(xiǎn)也就可以下降。

還有一個(gè)相關(guān)的目的性權(quán)衡是人工智能的收益增長(zhǎng)和成本減少目的之間的權(quán)衡。人工智能的商業(yè)應(yīng)用在目的上有收益增長(zhǎng)和成本減少兩種目的。2019年的研究表明，越來(lái)越多的企業(yè)家選擇收益增長(zhǎng)目的。

人才困境：中端和高端的權(quán)衡

NBD：今年7月，華為百萬(wàn)年薪招聘8位頂尖博士生的消息引發(fā)了全網(wǎng)熱議。8位博士畢業(yè)生之一的鐘釗研究的便是如今最熱的人工智能深度學(xué)習(xí)領(lǐng)域。除了華為，很多知名企業(yè)亦在加大對(duì)于人工智能人才的吸納和培養(yǎng)力度，現(xiàn)在人工智能方面人才是如此稀缺才這么“搶手”嗎?要如何改善這種情況？

龔業(yè)明：人工智能技術(shù)的突破是有一點(diǎn)意外的。剛剛也提到，深度學(xué)習(xí)算法其實(shí)還是基于以前沒(méi)被追捧的人工神經(jīng)網(wǎng)絡(luò)技術(shù)，2006年剛提出來(lái)時(shí)并不受重視，到了2012年它的算法績(jī)效才突然得到確認(rèn)，那一刻市場(chǎng)還沒(méi)有反應(yīng)過(guò)來(lái)。人工智能過(guò)去探索過(guò)很多新方向，很多人做夢(mèng)都沒(méi)想到出現(xiàn)突破的是人工神經(jīng)網(wǎng)絡(luò)技術(shù)這樣的老領(lǐng)域。人才培養(yǎng)也是需要一段時(shí)間的。

短期來(lái)說(shuō)，人工智能方面的人才確實(shí)存在著較大的缺口，這也導(dǎo)致人才市場(chǎng)上人工智能相關(guān)人才價(jià)格偏高。但是我個(gè)人認(rèn)為這是比較短期的，這個(gè)短期是和人工智能當(dāng)時(shí)的突發(fā)性有關(guān)。如今，中國(guó)很多學(xué)校已經(jīng)開(kāi)始開(kāi)展人工智能相關(guān)的課程，企業(yè)也開(kāi)始注重培養(yǎng)相關(guān)人才，2019年人才短缺已經(jīng)得到部分緩解。我相信不要多長(zhǎng)時(shí)間，數(shù)量型的人才短缺情況會(huì)改善。

除了數(shù)量型的短缺，另一點(diǎn)是人工智能人才的結(jié)構(gòu)性短缺，中國(guó)缺少的是人工智能領(lǐng)域領(lǐng)軍性的、有重大創(chuàng)新能力的尖端人才，這可能短期內(nèi)靠大規(guī)模培訓(xùn)很難解決，需要長(zhǎng)期培育創(chuàng)新的文化與生態(tài)。

決策困境：長(zhǎng)期與短期之間的權(quán)衡

NBD：我們也注意到，許多企業(yè)人工智能計(jì)劃無(wú)疾而終。有研究顯示，迄今為止，70%的企業(yè)表示人工智能的影響微乎其微，甚至根本沒(méi)有。有90%的企業(yè)或多或少曾投資開(kāi)發(fā)人工智能，其中只有不到40%自認(rèn)為在過(guò)去三年通過(guò)人工智能獲得了一些收益。怎么看這種現(xiàn)象？

龔業(yè)明：從現(xiàn)象學(xué)上看，有的報(bào)告跟這個(gè)結(jié)論不太一樣。比如麻省理工斯隆管理評(píng)論和波士頓咨詢(xún)(BCG)的聯(lián)合研究報(bào)告顯示，有相當(dāng)多的企業(yè)認(rèn)為在未來(lái)3到5年內(nèi)人工智能會(huì)增加企業(yè)的商業(yè)價(jià)值，會(huì)轉(zhuǎn)變企業(yè)的模式。

我認(rèn)為這可能涉及到長(zhǎng)期與短期之間的權(quán)衡。人工智能技術(shù)投入進(jìn)去之后，可能短期之內(nèi)不一定見(jiàn)得到成果，但是就長(zhǎng)期來(lái)講又會(huì)有成果。還有可能是有的組織選擇的人工智能產(chǎn)品與市場(chǎng)不匹配。這也跟人工智能目前的技術(shù)特征有關(guān)系。

現(xiàn)在的人工智能以深度學(xué)習(xí)占有優(yōu)勢(shì)，而深度學(xué)習(xí)算法是需要大數(shù)據(jù)的?？赡芤粋€(gè)公司投資了人工智能技術(shù)，但早期它的數(shù)據(jù)積累不夠，那么人工智能的效果就顯現(xiàn)不出來(lái)。等做了幾年之后，它的大數(shù)據(jù)積累到一個(gè)臨界值，人工智能的差錯(cuò)率就比較低了，那時(shí)候算法也更加有用。實(shí)際上，現(xiàn)在對(duì)企業(yè)進(jìn)行的調(diào)研，總體上對(duì)人工智能看法還是比較偏正面的。