正文
Q：如您所说，AI时代有许多工作将被取代，剩下的十年之内，如果有人不能快速转换工作方向，或者从事人工智能，或者对创造性的工作不感兴趣。他们的未来将何去何从？
李开复：这一现象我有很大的担忧，但是也看到一些机会。先讲机会，其实人类度过好几次这样的危机，汽车淘汰马车的工业革命就是如此，只是这一次更新换代的频率太快了。尽管如此，人类似乎总是有足够的智慧面临挑战和背水一战。所以我也抱着希望，至少你不用担心下岗的温饱问题。
不过，
我觉得我们每一个人都有责任主动关注或寻找与服务业相关的工作。
我不知道你们多少人来过台湾？台湾的义工特别多，这个工作60岁到70岁左右其实就是退而不休。你会在医院、孤儿院、寺庙、佛光山，区公所发现到处都是义工。我觉得其实这种服务业是足够给人自我实现的。
他们60岁到70岁的提早退休跟我们这些50岁到60岁被迫下岗其实没有太大的实质性差别。
所以，在我看来，应对这样的就业危机，如果温饱问题能解决，可以用志愿者的方法让一部分人无偿的工作。
讲完了乐观，讲悲观的部分。我们还有另外一个技术没有谈到，是VR。我们都知道，游戏是多么的容易上瘾。你可以想象，30岁到50岁的青年，曾经是魔兽世界的玩家，好不容易找到了一个交易员的工作，然后工作被人工智能取代了，做了Uber司机，然后Uber也变无人驾驶了。下岗后找任何的脑力工作都会被取代，那怎么办？回到家里发现VR里的游戏可好玩了，西部世界就发生了，对不对？自己变得又帅又高又被周围的女生追捧，然后打怪兽也是宝剑拔出来，骑上你的白马，所向无敌。
然后你就着迷，你这一辈子就退化了。
所以，我觉得这是一个非常真实让我非常担心的平行技术发展。所以，我对你的担忧有非常强的共鸣，
我觉得我们能做一切尝试，但是最终不好的事情也一定会发生。
Xtecher&创新工场美东行哥大现场
Q:人工智能领域的事故责任性问题当下讨论的比较多，比如在医疗行业，如果机器出了事故，是机器人承担这个责任，还是医院承担责任？您怎么看待有关AI事故责任定性的问题?
李开复：所以让你们回国创业，在国内，你可以十年后再谈这个问题。但是在美国，这个问题就需要先严肃讨论。举个例子，我们这次在MIT Media Lab的时候，无人驾驶出事故该谁来承担责任，教授们讨论了四个选项：第一个是汽车公司承担责任；第二个是提供技术的公司承担责任；第三个是工程师承担责任。第四个是这辆车承担责任。这辆车怎么承担责任？搞笑。
在这种环境之下达不到共识的一批人，你会发现结果是四个投票票数都差不多。然后美国各界针对是人开车机器辅助，还是机器开车人辅助，还是全自动驾驶的问题争执不休。所以，我们看到美国社会对这件事的认知分歧和不理性。我们希望这件事情最后能够收敛达到一个理性的结论，有关法律的问题定一定的规则。但我更认为我们需要先把产品做出来再进行讨论。这短期内在美国我觉得没什么希望，所以我认为你要到一个相对决策更快的国家去做会更好。
Q:开复老师您好，如您之前所说，数据在一开始就对人工智能起到非常重要的作用。AI早期研发中，数据非常稀缺，在数据非常昂贵的情况下，开源的未来会不会成为可能？
李开复：我说过很多次，世界上有七大黑洞：微软、谷歌、Facebook、Amazon、百度、阿里巴巴、腾讯。其实数据跟专家的匹配是一个良性组合，所以当这些黑洞提供给你很多数据让你可以做更好的研究，然后再给你更高的薪水，你为什么不来？所以顶尖教授都被七大黑洞挖去了。而当你数据量特别大的时候，即便不是最顶尖的科学家，做出来的结果也比顶尖的好。因此，这也意味着学术领域里一个顶尖的科学家如果没有数据，他可能被逼去做一些很细微的事情，因为他做不了一个主流的语音识别、人脸识别，那非常不幸。
所以，我觉得未来要打破这个现象，应该让创业者、教授和研究人员拥有充足的数据。今天一个教授的数据量可能跟七大黑洞的数据量比有六个数量级的差别，一般一个数量级已经没什么事儿了，六个数量级还玩什么？
我们相信，垄断是必须要被打破的，这样才能不断地推动更多的数据被分享，更多的技术被重用。
在人工智能的领域，它独特的地方就是极高的可重复率。其他领域里自己重复一遍，很多实验条件会变，所以50%都没法重现。但是我们做AI的就不同，你研发用的什么标准数据，可重复性极高，逼着大家不断地进步。所以，我们为了科技的进步也好，为了反垄断也好，在代码方面、数据方面都需要做到更开源的方向。
李开复新书：人工智能
Q：开复老师您好，我是普林斯顿大学计算机系的博士，刚才您讲到学术界的数据量非常小，所以如果要做搜索的话，很可能就赶不上工业界。我做社交领域的人工智能研究，很多时候拿不到数据，我自己深有体会。我就想问，我个人的未来职业生涯应该怎样发展？
李开复：对于工业界而言，如果你写得很好，他把你的抄去了，然后你做的如果不好，他又来说你不好，这就是学术界的悲哀。
个人发展的话，你可以选择去七大黑洞工作，做社交数据最好的公司就是Facebook或者腾讯。我觉得这是你的一条道路，虽然我不希望你去。
还可以去为陌陌这一类公司提供技术支持的企业，这样你有了陌陌的数据也可以有所建树。但是，我觉得不必把自己局限在博士研究领域，真想要大量级的数据，你可以来来创新工场。你去腾讯、Facebook，就是帮它们打工了，你即便去刚才我说的技术公司工作，他们公司已经几十个人了，你也就是一个工程师，稀缺性并不明显。
在创新工场我们每一个工程师都有这种梦想，我们会去帮助需要数据的工程师拿数据。
怎么拿？讲个简单的例子，我们就去类似直播的大公司，讲明它的数据可以拿来做什么，我们创新工场帮它有偿做一个实验。然后我们搭配一个像你这样的专家，在背后进行算法和数据研究。如果这个有价值，我们就跟它和你分成，这是很好的收入，比去腾讯会更好。
我们还可以做一个模型，除了直播之外，还可以来做社交网络。它的数据可能最终并不会给你，但是你去这个直播公司训练模型之后，模型本身是可以带走的，只要你不断地去训练这个模型，慢慢我们可以累计出一个很强的产品。所以，我觉得你可以借助创新工场的品牌效应，然后去一个又一个的公司，帮他去做人工智能，从中累计模型，然后达到一个共赢的机会。
Xtecher&创新工场美东行活动合影
以上是Xtecher和创新工场美东行活动的活动回顾，感谢波士顿和纽约当地主办社团MIT-CHIEF和哥大学联对活动场地和活动前期筹划的支持，也感谢MITCEO、MITCSSA和哈佛大学CSSA的宣传帮助。
未来，Xtecher将会继续深耕美国东西两岸，在科技创投领域为更多的高校学生、创业者、投资人提供有价值的行业分享会，敬请期待！
━━━━━
封面来源：活动现场 排版：陈光 校对：米琪
━━━━━
Xtecher官网平台现开通认证作者，
有发稿意向的个人或媒体，可联系微信：
jueshao121
（添加好友请注明公司、职位、事由）
点击
|
关键词
|
查看对应内容
