原標(biāo)題：谷歌前 CEO 施密特談優(yōu)待員工與未來趨勢(shì)〡大咖對(duì)話 002

編者按：在接下來的一段時(shí)間里，UDACITY 將聯(lián)合極客公園（ID：geekpark）推出一檔視頻對(duì)話節(jié)目。每期節(jié)目中，Sebastian Thrun（Google 無人車之父、UDACITY 創(chuàng)始人）都會(huì)對(duì)一位科技領(lǐng)域內(nèi)的大咖進(jìn)行訪談，話題內(nèi)容涉及人工智能、自動(dòng)駕駛等多個(gè)領(lǐng)域。

本次做客的嘉賓是前谷歌 CEO 埃里克?施密特（Eric Schmidt）。和李飛飛教授不同的是，施密特傲人的成績(jī)不是來自于學(xué)術(shù)領(lǐng)域，而是作為職業(yè)經(jīng)理人，將谷歌從一家只有數(shù)百人的互聯(lián)網(wǎng)創(chuàng)業(yè)公司變成了如今全球市值第二、影響力無法估量的巨頭互聯(lián)網(wǎng)企業(yè)。這一切當(dāng)然離不開兩位創(chuàng)始人—拉里·佩奇和謝爾蓋·布林的天才想法，但又絕對(duì)與施密特超強(qiáng)的管理與運(yùn)營(yíng)能力分不開。

Sebastian 與施密特亦師亦友，在谷歌工作期間曾共同推進(jìn)過許多對(duì)行業(yè)發(fā)展有著深遠(yuǎn)意義的項(xiàng)目。2016 年，兩人共同撰寫發(fā)表于《財(cái)富》雜志的文章，呼吁大家不要對(duì)人工智能產(chǎn)生恐懼，鼓勵(lì)繼續(xù)開發(fā) AI 技術(shù)，找到消除恐懼的解決辦法，將人類從盲目、瑣碎的工作中解放出來，投身到更有創(chuàng)造性的事情中去。在本期對(duì)談中，除人工智能外，Sebastian 和施密特還暢談了關(guān)于領(lǐng)導(dǎo)力和未來教育的話題。

施密特「治理」下的谷歌始終保持著一種大學(xué)研究院的氛圍。在他剛加入的時(shí)候，谷歌還只是一間 150 人左右的小公司，在那種混亂的情況下，他開始從頭建立企業(yè)文化，將「不作惡」（Do No Harm; Do No Evil）作為人人可遵守的職業(yè)道德準(zhǔn)則，并將斯坦福大學(xué)那種舒適的科研、生活氛圍復(fù)制到了谷歌。

在問及如何推動(dòng)谷歌內(nèi)部龐大的人才團(tuán)隊(duì)朝著一個(gè)方向努力，施密特的回答是「找到和公司價(jià)值觀一致的人才，讓更多的經(jīng)理參與到扁平化的管理任務(wù)中，找到員工不滿意的地方，然后解決它們。」他還從巴菲特那里學(xué)到了一招，「如果高管對(duì)他們正在做的事情充滿熱情，他們會(huì)把問題解決的。」

Google 前CEO、Alphabet 前執(zhí)行董事長(zhǎng) 埃里克?施密特（Eric Schmidt）| 視覺中國(guó)

訪談中，在聊到關(guān)于未來前沿技術(shù)的發(fā)展趨勢(shì)時(shí)，施密特認(rèn)為一切尚處于變革開始的階段。「人工智能等新興技術(shù)帶來的負(fù)面影響，我們要首先承認(rèn)問題的存在才能提出更好的解決方法，而不斷創(chuàng)新是關(guān)鍵。」施密特如指出，「通用人工智能的到來還要很長(zhǎng)一段時(shí)間，掌握了 AI 應(yīng)用能力的人才將會(huì)成為市場(chǎng)搶奪的資源。我們應(yīng)該做出讓普通人也能夠使用的 AI 工具，更準(zhǔn)確、更快速地匹配大眾的需求。」

Sebastian 最后問了施密特一個(gè)問題，「如果回到 25 歲，你想進(jìn)行哪方面的創(chuàng)業(yè)？」施密特的回答倒也沒有出人意料，他說「我想在生物和信息技術(shù)這兩個(gè)領(lǐng)域找找機(jī)會(huì)」。在他看來，只是單純的技術(shù)迭代會(huì)非常快，但一旦加入「人」這個(gè)要素，一切都會(huì)變得慎之又慎。他認(rèn)為未來人機(jī)交互界面的設(shè)計(jì)將會(huì)變得非常個(gè)性化，這些工具將會(huì)更契合人類的交流方式，像「電話」這種設(shè)備會(huì)真正懂你，理解和預(yù)測(cè)你的需求，讓你的生活變得更高效，在朝著這個(gè)技術(shù)和產(chǎn)品方向前進(jìn)的過程中，會(huì)衍生出很多有意思的新公司。

這期間，施密特和 Sebastian 還聊到了曾共同推進(jìn)的 Google Glass 項(xiàng)目。「這個(gè)產(chǎn)品失敗是因?yàn)闀r(shí)機(jī)不對(duì)，出現(xiàn)得太早了。但想法是正確的。」施密特說，「人有眼睛、鼻子、耳朵，你得把所有的信息都輸入。我并不知道未來的人機(jī)界面會(huì)是什么樣子的，但我們熟悉的 WIMP 傳統(tǒng)界面，即窗口、圖標(biāo)、菜單、下拉菜單，基本是在 20 世紀(jì) 70 年代開發(fā)的，已經(jīng)有將近 50 年的歷史了，是時(shí)候被更人性化的 HMI 取代了。」

極客公園（ID：geekpark）這次邀請(qǐng)到了優(yōu)達(dá)學(xué)城中國(guó)區(qū)總經(jīng)理周舟，對(duì) Sebastian 和埃里克?施密特的對(duì)話內(nèi)容進(jìn)行了解讀，并就人工智能的商業(yè)化、發(fā)展前景以及未來教育等相關(guān)問題進(jìn)行了深入討論。

極客公園：Eric Schmidt 提到，未來 5~10 年摩爾定律還不會(huì)失效。在這個(gè)階段，您認(rèn)為人工智能會(huì)有怎樣的發(fā)展態(tài)勢(shì)？

周舟：我們一提到摩爾定律，首先想到的就是終端設(shè)備越來越小。想想從計(jì)算機(jī)時(shí)代，從開始的大機(jī)房，到現(xiàn)在一個(gè)手機(jī)就可以成為我們?nèi)祟惖摹概笥选梗褪且驗(yàn)槲覀兊男酒燃夹g(shù)不斷地服從摩爾定律，使其體積越來越小。但是摩爾定律不僅僅只適用于這種硬件技術(shù)。我們現(xiàn)在天天談?wù)摰拇髷?shù)據(jù)技術(shù)，看著是一個(gè)很火、很時(shí)髦的詞匯，但實(shí)則并不是工業(yè)人員所希望看到的。大數(shù)據(jù)意味著成本高，時(shí)效慢。那么我們?nèi)绾螌⒎怯布I(lǐng)域的「大」 變「小」，將是未來 5~10 年內(nèi)最重要的工作。比如降低神經(jīng)網(wǎng)絡(luò)模型的參數(shù)量，降低其內(nèi)存，從而放到更小的設(shè)備中。發(fā)展技術(shù)可以不依賴大數(shù)據(jù)，利用小數(shù)據(jù)之間的內(nèi)在關(guān)系就可以訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型。數(shù)據(jù)的大小或者網(wǎng)絡(luò)參數(shù)量的大小不僅僅在空間上有進(jìn)一步壓縮，隨之而來的數(shù)據(jù)和網(wǎng)絡(luò)模型的傳輸速度也會(huì)進(jìn)一步提高。未來，我們可以使用更廉價(jià)的設(shè)備，去運(yùn)行現(xiàn)在認(rèn)為很復(fù)雜，需要幾臺(tái)電腦操作才能完成的模型。機(jī)器也可以像我們?nèi)祟愓嬲龑W(xué)習(xí)一樣，通過看到少量的數(shù)據(jù)，就能認(rèn)識(shí)其實(shí)質(zhì)的聯(lián)系，無需海量的數(shù)據(jù)進(jìn)行訓(xùn)練。

極客公園：哪些領(lǐng)域會(huì)大幅享受到 AI 商業(yè)化帶來的益處？

周舟：安防、金融、無人駕駛、醫(yī)療、工業(yè)制造業(yè)都會(huì)是未來 AI 商業(yè)化帶來直接益處的領(lǐng)域。這些領(lǐng)域擁有一些共同的特質(zhì)，就是在某些分支的子任務(wù)，都需要人類進(jìn)行簡(jiǎn)單重復(fù)的勞動(dòng)。比如安防，在需要調(diào)用監(jiān)控錄像時(shí)，往往需要人們同時(shí)面對(duì)幾臺(tái)攝像機(jī)去觀察影像數(shù)據(jù)；或者金融，需要量化分析師不斷地觀察數(shù)據(jù)的走勢(shì)作出相應(yīng)的分析決策。這些領(lǐng)域往往是現(xiàn)在弱 AI 最擅長(zhǎng)的地方，幫助人們解放自己無謂、重復(fù)性的勞動(dòng)，人們可以利用這些節(jié)省下來的時(shí)間去做更有意義，創(chuàng)造力的事情。

極客公園：如何規(guī)避像現(xiàn)在 GANs 制作假視頻，或者 deepfake「換臉」 等應(yīng)用存在的負(fù)面影響？

周舟：法律的完善，政府的干預(yù)以及媒體的正面引導(dǎo)，喚起使用者的自我保護(hù)意識(shí)可以大大降低對(duì)于 deepfake 等「換臉」 應(yīng)用的負(fù)面影響。

極客公園：如何引導(dǎo) AI 朝著能夠增強(qiáng)人類能力、提供工作效率的方向發(fā)展？

周舟：這需要 AI 科研人員以及商業(yè)人士自發(fā)意識(shí)到有些是比利益更重要的東西。也需要各國(guó)的高層領(lǐng)導(dǎo)官員，以及相關(guān)法律部門進(jìn)行聯(lián)合的一些協(xié)商，制定規(guī)則，不僅要引導(dǎo) AI 向提高人們生活質(zhì)量的方向發(fā)展，也需要制定不允許 AI 科技觸碰的紅線。

極客公園：關(guān)于通用人工智能是否會(huì)取代人類的問題，您有怎樣的見解和看法？

周舟：以我們現(xiàn)在的觀點(diǎn)，很難想象人工智如何能擁有自己的意識(shí)。以目前的人工智能算法原理來說，計(jì)算力仍然是計(jì)算機(jī)最強(qiáng)的一環(huán)。也就是說，當(dāng)今計(jì)算機(jī)的優(yōu)勢(shì)是在于可以「囂張」 地利用自己的計(jì)算能力去學(xué)習(xí)歷史的數(shù)據(jù)，從中找到其中的規(guī)律并預(yù)測(cè)新的案例。但是一旦某個(gè)案例屬于一個(gè)全新模式，人工智能就毫無辦法。也就是說，它就像一個(gè)擁有超強(qiáng)記憶力的學(xué)生，只能擁有一點(diǎn)點(diǎn)的推斷能力。每次考試前復(fù)習(xí)的時(shí)候，并不是尋求知識(shí)點(diǎn)的原理，而是拼命地背真題，歷年考題，以填鴨的方式復(fù)習(xí)。人工智能現(xiàn)在就是如此，其不可或缺的就是「真題」，也就是數(shù)據(jù)。數(shù)據(jù)越多，「背題」 才會(huì)更有效果。因此人工智能還是需要依靠大數(shù)據(jù)，而人類學(xué)習(xí)就并非如此。單單從這點(diǎn)來講，如果人工智能的學(xué)習(xí)方法上沒有改變，即使其發(fā)展再好，在邏輯推理上仍然遠(yuǎn)不如人類，所以也無法取代人類。

極客公園：Eric 和 Sebastian 有討論到關(guān)于傳統(tǒng)企業(yè)借助人工智能工具進(jìn)行數(shù)字化轉(zhuǎn)型的問題。您認(rèn)為 優(yōu)達(dá)學(xué)城（Udacity）在幫助傳統(tǒng)和新興企業(yè)在數(shù)字化轉(zhuǎn)型以及人工智能應(yīng)用上有何優(yōu)勢(shì)？具體有沒有案例可以分享？

周舟：過去幾年以來，優(yōu)達(dá)學(xué)城（Udacity）在企業(yè)數(shù)字化轉(zhuǎn)型方向發(fā)力，幫助包括 AT&T、通用電氣、PwC 等全球知名傳統(tǒng)企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型和人才技能培養(yǎng)。以美國(guó)通信巨頭 AT&T 為例，AT&T 為謀求企業(yè)轉(zhuǎn)型機(jī)會(huì)，希望重塑成為基于云技術(shù)的科技公司，以應(yīng)對(duì)互聯(lián)網(wǎng)時(shí)代的激烈競(jìng)爭(zhēng)。AT&T 員工平均在職年限超過 12 年，舊技能完全無法匹配企業(yè)發(fā)展新方向，數(shù)十萬名員工技能亟待更新再造，同時(shí)企業(yè)也面臨著高科技人才招聘難，現(xiàn)有組織全面優(yōu)化換血成本高等現(xiàn)實(shí)挑戰(zhàn)。自 2015 年下半年起至今，AT&T 與優(yōu)達(dá)學(xué)城建立合作伙伴關(guān)系，組織內(nèi)部員工系統(tǒng)學(xué)習(xí)納米學(xué)位課程，由公司人力資源部給與員工學(xué)費(fèi)補(bǔ)貼及獎(jiǎng)勵(lì)。經(jīng)過三年多的合作，3,000+ AT&T 獲得培訓(xùn)的員工掌握了轉(zhuǎn)型所需的核心技能點(diǎn)，企業(yè)內(nèi)部 70% 的新技術(shù)崗位空缺也得以成功的通過內(nèi)部培訓(xùn)轉(zhuǎn)崗的形式獲得填充。

在中國(guó)，包括戴姆勒大中華區(qū)、上汽大眾、順豐在內(nèi)等傳統(tǒng)企業(yè)也紛紛通過優(yōu)達(dá)學(xué)城的培訓(xùn)課程進(jìn)行技能轉(zhuǎn)型。

極客公園：優(yōu)達(dá)學(xué)城（Udacity）最開始是以人工智能切入在線教育市場(chǎng)的。那么 AI 在提升優(yōu)達(dá)學(xué)城本身的業(yè)務(wù)/教學(xué)模式，比如 Sebastian 提到的畢業(yè)率和互動(dòng)率，都起到了哪些良性的作用？

周舟：對(duì)于在線教育，尤其是職業(yè)培訓(xùn)而言，一大難點(diǎn)是如何高效的幫助學(xué)員針對(duì)其多樣化的職業(yè)發(fā)展目標(biāo)、自身技術(shù)水平、復(fù)雜的技能點(diǎn)和應(yīng)用場(chǎng)景來匹配富有針對(duì)性和個(gè)性化的學(xué)習(xí)路徑和課程推薦。去年，優(yōu)達(dá)學(xué)城（Udacity）針對(duì)企業(yè)級(jí)用戶推出了基于人工智能技術(shù)的員工技能測(cè)評(píng)工具，通過多維度、自適應(yīng)的測(cè)試，運(yùn)用人工智能技術(shù)和數(shù)據(jù)分析幫助企業(yè)發(fā)現(xiàn)組織技能缺口，為企業(yè)日后的技術(shù)培訓(xùn)指明發(fā)展方向，幫助企業(yè)找到最適合其現(xiàn)狀的培訓(xùn)課程。未來，我們也有計(jì)劃將這一測(cè)評(píng)工具面向更多個(gè)人學(xué)員開放，幫助學(xué)員提升學(xué)習(xí)效率和成效。

極客公園：針對(duì) Eric Schmidt 提到的信息和生物學(xué)問題。您認(rèn)為未來人工智能在生物學(xué)、醫(yī)學(xué)領(lǐng)域都有哪些可用武之地？

周舟：人工智能的用武之地非常多。比如基因問題一直是世界最先進(jìn)的生物科學(xué)家想研究的一個(gè)課題。各國(guó)也組織自己最優(yōu)秀的科學(xué)家長(zhǎng)期探索這一領(lǐng)域的新發(fā)現(xiàn)，而人工智能技術(shù)會(huì)推進(jìn)這一領(lǐng)域的發(fā)展。基因信息學(xué)的重要性不言而喻。如果知道其中基因的秘密，那么關(guān)于人類的起源，控制人類疾病的基因片段，改善人類體制的方法都將會(huì)為人類造福。但是這一領(lǐng)域的難點(diǎn)大家也比較熟知。人工智能可以介入在基因序列，這些看似無規(guī)則的數(shù)據(jù)擺在人工智能面前，也許就可以很容易地找到規(guī)律。科學(xué)家在得到規(guī)律后，只需進(jìn)行驗(yàn)證就行。面對(duì)醫(yī)學(xué)，有很多的案例已經(jīng)幫助醫(yī)生釋放大部分的工作量，比如肺癌細(xì)胞陰陽性檢測(cè)，皮膚癌階段檢測(cè)等。這些被代替的工作特點(diǎn)就是單一重復(fù)。而單一重復(fù)的工作對(duì)于人們來說，既浪費(fèi)時(shí)間，也容易疲勞，因此誤診率高。而誤診對(duì)于醫(yī)學(xué)上來說又是如此致命。但越是致命，就越能體現(xiàn)人工智能的價(jià)值所在。

Q9：目前發(fā)展存在哪些問題？有沒有好的解決思路？

周舟：目前來說，人工智能在醫(yī)學(xué)領(lǐng)域上的應(yīng)用還是偏少，其原因在于醫(yī)學(xué)是一個(gè)復(fù)雜的領(lǐng)域。任何疾病的指標(biāo)都是判斷病狀的輔助措施，是一個(gè)概率而非確定的事。可以說醫(yī)學(xué)某種程度是一門判斷的「藝術(shù)」。而且，基于醫(yī)學(xué)的復(fù)雜性，對(duì)于很多人工智能從業(yè)者來說，有很高的門檻。同時(shí)，人工智能對(duì)于醫(yī)學(xué)從業(yè)者來說，同樣具有一定的難度。這就需要有更多的人才投入到這一領(lǐng)域中，成為一種橋梁。另外，醫(yī)學(xué)除了需要診斷患者的病狀，還有一項(xiàng)重要的任務(wù)，就是人文關(guān)懷。很多時(shí)候，醫(yī)生需要能夠給予患者心理上的輔導(dǎo)及安慰，而人工智能無法做到這一點(diǎn)。換句話說，人工智能想要大規(guī)模深入到醫(yī)學(xué)領(lǐng)域中，應(yīng)該是朝向輔助醫(yī)生，而非代替醫(yī)生的方向發(fā)展。這一點(diǎn)及其重要。返回搜狐，查看更多

責(zé)任編輯：