對(duì)話(huà)主持：中興通訊云計(jì)算及IT研究院人工智能首席專(zhuān)家 杜新凱（左一）

對(duì)話(huà)嘉賓：醫(yī)渡云（北京）技術(shù)有限公司CTO 徐濟(jì)銘（左二）

知盛集團(tuán)全球CEO 王曉梅（中間）

昆侖智匯數(shù)據(jù)科技（北京）有限公司CEO 陸薇（右二）

哈爾濱工業(yè)大學(xué)副教授、智能技術(shù)與自然語(yǔ)言處理研究室副主任 劉秉權(quán)（右一）

在2017中國(guó)軟件大會(huì)的“中國(guó)人工智能和大數(shù)據(jù)百人會(huì)·數(shù)智思享高峰論壇”上，四位來(lái)自產(chǎn)業(yè)界和學(xué)術(shù)界的高管、專(zhuān)家就“大數(shù)據(jù)開(kāi)啟人工智能時(shí)代”這一話(huà)題展開(kāi)了深入討論，分享了他們的真知灼見(jiàn)。

Q：怎么看待大數(shù)據(jù)和人工智能二者之間的關(guān)系？

劉秉權(quán)：當(dāng)今IT領(lǐng)域的三大支柱是人工智能、大數(shù)據(jù)、云計(jì)算。如果人工智能是追求的目標(biāo)，那么大數(shù)據(jù)和云計(jì)算則是人工智能的重要支撐。

當(dāng)前人工智能發(fā)展的主流方向是深度學(xué)習(xí)，相當(dāng)于大數(shù)據(jù)和深度學(xué)習(xí)的結(jié)合。就我個(gè)人而言，我研究的方向是自然語(yǔ)言處理，近幾年自然語(yǔ)言里最熱的是多人對(duì)話(huà)，像聊天機(jī)器人、智能客服等。

人工智能的發(fā)展歷程和自然語(yǔ)言處理比較吻合，因?yàn)樽匀徽Z(yǔ)言處理是AI最重要的方向。很明顯的是傳統(tǒng)的技術(shù)逐漸過(guò)渡到當(dāng)前深度學(xué)習(xí)領(lǐng)域，包括多人對(duì)話(huà)，傳統(tǒng)的方法用深度學(xué)習(xí)來(lái)解決。在其他領(lǐng)域，除了多人對(duì)話(huà)外，像語(yǔ)音識(shí)別、自動(dòng)駕駛、人機(jī)博弈等，都充分體現(xiàn)了近幾年人工智能領(lǐng)域的發(fā)展。

近幾年人工智能的發(fā)展有以下幾個(gè)特點(diǎn)：第一，人工智能應(yīng)用范圍廣，成績(jī)顯著；第二，人工智能的發(fā)展存在周期性。

當(dāng)前深度學(xué)習(xí)延長(zhǎng)了人工智能發(fā)展的周期，意義深遠(yuǎn)。深度學(xué)習(xí)相比其他技術(shù)更貼近人腦的認(rèn)知以及人的思維方式。

陸薇：昆侖智匯一直是用大數(shù)據(jù)和人工智能的技術(shù)來(lái)幫助工業(yè)企業(yè)解決問(wèn)題和增加價(jià)值。在人工智能和大數(shù)據(jù)的關(guān)系的問(wèn)題上，我個(gè)人認(rèn)為二者沒(méi)有必然聯(lián)系，二者的關(guān)系依賴(lài)于不同問(wèn)題的規(guī)則機(jī)理，數(shù)據(jù)和規(guī)則機(jī)理有機(jī)結(jié)合，最終形成人工智能。

我舉一個(gè)典型的例子，大家都非常熟悉AlphaGo，棋牌類(lèi)的問(wèn)題有非常清楚的規(guī)則和機(jī)理，比如下圍棋的規(guī)則非常清楚，但是因?yàn)榭v橫十九道，有非常多的變化，其實(shí)我們面臨的問(wèn)題是計(jì)算不過(guò)來(lái)的問(wèn)題，因?yàn)槿说哪X力有限，無(wú)法對(duì)棋局進(jìn)行整體布局。但機(jī)器卻不然，其無(wú)限的計(jì)算能力，能夠快速進(jìn)行推理、演繹，推算出很多不同的路徑，從而選擇最優(yōu)路徑。這跟數(shù)據(jù)沒(méi)有必然的聯(lián)系，完全在清晰的規(guī)則和機(jī)理的指導(dǎo)之下進(jìn)行大量的計(jì)算。其實(shí)人工智能與大數(shù)據(jù)沒(méi)有必然的聯(lián)系。

另外一類(lèi)人工智能問(wèn)題是沒(méi)有機(jī)理的，比如與人相關(guān)的，像圖片識(shí)別、語(yǔ)音識(shí)別，甚至識(shí)別一個(gè)人。一個(gè)人是高興還是悲傷，我們?cè)趺从靡粋€(gè)清晰的規(guī)則來(lái)描述呢？其實(shí)非常難描述，所以在這個(gè)時(shí)候我們就只能讓機(jī)器用學(xué)習(xí)的辦法，給它大量的圖片，這叫高興的人，這叫悲傷的人，這叫憤怒的人，希望在大量的數(shù)據(jù)之中，讓機(jī)器通過(guò)學(xué)習(xí)的方法，它自己能夠掌握其中的規(guī)律，然后用這個(gè)規(guī)律來(lái)做相應(yīng)的判斷。這種情況屬于沒(méi)有明顯的規(guī)則和機(jī)理，這個(gè)時(shí)候我們需要應(yīng)用大數(shù)據(jù)，要通過(guò)大量的數(shù)據(jù)訓(xùn)練，讓機(jī)器能夠掌握這樣的一些智能，在這種情況下，人工智能和大數(shù)據(jù)有非常緊密的依存關(guān)系。

我自己是從事工業(yè)領(lǐng)域的，我們?cè)诠I(yè)領(lǐng)域的人工智能應(yīng)用其實(shí)會(huì)出現(xiàn)第三種情況，就是有部分的規(guī)則和機(jī)理，但是是不完全的，怎么理解？比如我們做風(fēng)力發(fā)電，風(fēng)力跟天氣、跟風(fēng)有關(guān)，當(dāng)跟風(fēng)電廠、跟風(fēng)力發(fā)電機(jī)有關(guān)的時(shí)候，我們會(huì)用到類(lèi)似于空氣動(dòng)力學(xué)等原理來(lái)開(kāi)發(fā)模型，對(duì)于像空氣動(dòng)力學(xué)、流體力學(xué)、摩擦學(xué)這樣的一些自然科學(xué)的原理，其中有部分的機(jī)理沒(méi)被破解。我們所處的自然社會(huì)，其實(shí)有部分的機(jī)理可循，但是還有一部分是未知的，在解決這樣的問(wèn)題的時(shí)候，我們需要把機(jī)理和數(shù)據(jù)做一個(gè)有機(jī)的結(jié)合，比如我們?cè)谧龉I(yè)智能的時(shí)候，我們一方面肯定要結(jié)合這個(gè)領(lǐng)域的知識(shí)，要結(jié)合這個(gè)領(lǐng)域里面已經(jīng)通過(guò)科學(xué)家若干年研究出來(lái)的相關(guān)的機(jī)理。同時(shí)因?yàn)檫@個(gè)機(jī)理是不充分的，我們一定還需要再結(jié)合大量的數(shù)據(jù)，把數(shù)據(jù)和機(jī)理有機(jī)地結(jié)合在一起才能更好地解決這個(gè)問(wèn)題。

總結(jié)一下，我覺(jué)得人工智能跟大數(shù)據(jù)的關(guān)系完全依賴(lài)于這個(gè)問(wèn)題本身：如果這個(gè)問(wèn)題本身是一個(gè)強(qiáng)機(jī)理的問(wèn)題，其實(shí)它跟大數(shù)據(jù)沒(méi)有關(guān)系；如果它是一個(gè)無(wú)機(jī)理的問(wèn)題完全要依賴(lài)于數(shù)據(jù)；如果正好介于中間，我們需要把機(jī)理和數(shù)據(jù)有機(jī)地結(jié)合在一起，才能很好地解決這個(gè)問(wèn)題。

王曉梅：在今天的分享開(kāi)始之前，我想跟大家分享一下我自己的從業(yè)經(jīng)驗(yàn)，知盛集團(tuán)是一個(gè)雙總部公司，核心研發(fā)團(tuán)隊(duì)在美國(guó)和歐洲，我們集結(jié)了世界頂級(jí)的科學(xué)家，在我成立這個(gè)人工智能集團(tuán)公司之前，我個(gè)人在IBM有近18年的從業(yè)經(jīng)驗(yàn)，18年里我一直在IBM美國(guó)總部主管數(shù)據(jù)信息、數(shù)據(jù)管理，特別是自2011年以來(lái)，我主管全球的大數(shù)據(jù)分析和人工智能的技術(shù)和業(yè)務(wù)。

我為什么會(huì)提到這個(gè)從業(yè)的經(jīng)驗(yàn)?zāi)?？因?yàn)槲医酉聛?lái)這些經(jīng)驗(yàn)的分享是多年來(lái)我一直在全球的各個(gè)市場(chǎng)、各個(gè)行業(yè)跟各類(lèi)大中型企業(yè)的深度合作的心得體會(huì)。接下來(lái)我會(huì)從多種維度，解讀大數(shù)據(jù)和人工智能的關(guān)系。

第一個(gè)維度，數(shù)據(jù)價(jià)值鏈。知盛集團(tuán)LOGO標(biāo)志，下面有一行小小的字，四個(gè)詞組成，依次是數(shù)據(jù)、分析、人工智能、行動(dòng)。這四個(gè)詞的組成和選擇有深遠(yuǎn)意義，它非常清晰地解讀了數(shù)據(jù)、分析、人工智能和商業(yè)價(jià)值的關(guān)系。

首先，數(shù)據(jù)。數(shù)據(jù)是資產(chǎn)、數(shù)據(jù)是基礎(chǔ)，需要對(duì)數(shù)據(jù)進(jìn)行有效的存儲(chǔ)管理；其次，分析。如果數(shù)據(jù)不進(jìn)行分析，不產(chǎn)生洞察力，數(shù)據(jù)將不再是有用的自然資源，而只是一堆垃圾，特別是當(dāng)今世界，每?jī)赡耆虻臄?shù)據(jù)量就會(huì)翻一翻，只有具備嚴(yán)謹(jǐn)、高效的分析能力，我們才可以真正地把這些數(shù)據(jù)的資源轉(zhuǎn)換為各種各樣的商業(yè)價(jià)值和洞察力；最后，行動(dòng)。只有完成這三步，我們的數(shù)據(jù)才具有生命，才能逐漸增強(qiáng)各行業(yè)的商業(yè)能力，甚至很多時(shí)候能夠產(chǎn)生顛覆性的商業(yè)模式，所以這個(gè)價(jià)值鏈的闡述其實(shí)能非常清晰和簡(jiǎn)單地解讀大數(shù)據(jù)和人工智能之間的關(guān)系。

第二個(gè)維度，如何甄別真正的人工智能系統(tǒng)。遵循三個(gè)字母U、R、L。U代表理解，理解是人工智能的基本要求，當(dāng)今全球人工智能在理解層面上，主要涉及人機(jī)交互，人機(jī)交互最常見(jiàn)的是通過(guò)語(yǔ)音或文本這種自然語(yǔ)言實(shí)現(xiàn)人機(jī)之間的交互。包括Facebook在內(nèi)的諸多領(lǐng)軍公司都在研究如何捕捉人意識(shí)的腦電波，真正實(shí)現(xiàn)人機(jī)交互。業(yè)界預(yù)測(cè)可能3～5年，這項(xiàng)技術(shù)便可以實(shí)現(xiàn)商業(yè)化。雖然很多國(guó)家把人工智能上升為國(guó)家戰(zhàn)略，迄今為止，大部分人工智能還僅僅停留或者起步在理解層面上。R代表能夠非常精準(zhǔn)地瞄準(zhǔn)人工智能的系統(tǒng)，在甄別的時(shí)候，我們要看是不是有相關(guān)的算法、模型，真正讓這個(gè)系統(tǒng)模擬人的推理能力來(lái)進(jìn)行新的運(yùn)算、推理、預(yù)測(cè)等。最后，L代表自主學(xué)習(xí)。自主學(xué)習(xí)其實(shí)是人工智能在商業(yè)領(lǐng)域如火如荼落地的一個(gè)非常重要的原因。endprint

就目前而言，歸根結(jié)底都是以人工智能、大數(shù)據(jù)分析為引領(lǐng)的幾大技術(shù)在推動(dòng)。人工智能是各大技術(shù)綜合性的應(yīng)用。學(xué)習(xí)為什么這么重要呢？因?yàn)槭澜缑繒r(shí)每刻都在變化，每時(shí)每刻都在產(chǎn)生大量數(shù)據(jù)。只有具備自主學(xué)習(xí)能力，并對(duì)當(dāng)下的數(shù)據(jù)進(jìn)行分析，你的系統(tǒng)才真正精準(zhǔn)實(shí)時(shí)。

最后一個(gè)維度，三五年以后會(huì)有越來(lái)越多的更復(fù)雜、更高級(jí)的人工智能的能力以?xún)r(jià)格低廉的方式由各大廠商提供給這個(gè)市場(chǎng)，通過(guò)云計(jì)算上的一個(gè)API你就可以輕松地調(diào)用，這個(gè)勢(shì)態(tài)將不可逆轉(zhuǎn)，三五年以后人工智能的競(jìng)爭(zhēng)點(diǎn)、競(jìng)爭(zhēng)力到底在哪里呢？從長(zhǎng)遠(yuǎn)的人工智能競(jìng)爭(zhēng)市場(chǎng)來(lái)說(shuō)，數(shù)據(jù)將是長(zhǎng)遠(yuǎn)的核心競(jìng)爭(zhēng)點(diǎn)。所以今天我其實(shí)也非常想借著這個(gè)機(jī)會(huì)，希望大家不僅僅能夠看到當(dāng)下的人工智能市場(chǎng)，也同時(shí)能夠展望三五年以后，或者更長(zhǎng)遠(yuǎn)的人工智能的市場(chǎng)，我們的關(guān)注點(diǎn)到底應(yīng)該在哪里。

徐濟(jì)銘：醫(yī)渡云利用人工智能技術(shù)服務(wù)于將近100家中國(guó)頂級(jí)的三甲醫(yī)院，利用醫(yī)院沉淀十幾年的患者診療數(shù)據(jù)，用人工智能技術(shù)服務(wù)于醫(yī)院的整個(gè)臨床研究、科研的管理、醫(yī)院的管理以及臨床的服務(wù)。因?yàn)榍懊鎺孜粚?zhuān)家和老師都從大的技術(shù)角度、行業(yè)的角度闡述了人工智能和大數(shù)據(jù)的關(guān)系。我更想結(jié)合垂直行業(yè)的應(yīng)用說(shuō)一下我自己的理解。

從人工智能角度看，我可能會(huì)把智能分成兩個(gè)方面，一方面是感知智能，另外一方面是認(rèn)知智能。感知智能主要是利用現(xiàn)在深度學(xué)習(xí)的方法，對(duì)影像、語(yǔ)音，包括相關(guān)的一些數(shù)據(jù)去感知里面所包含的信息。另外，認(rèn)知智能是各自然語(yǔ)言的處理，這是智能的核心，關(guān)注整個(gè)邏輯推理是怎樣的。

對(duì)醫(yī)療行業(yè)來(lái)說(shuō)這兩方面都很重要，醫(yī)療數(shù)據(jù)里面包含了基因的數(shù)據(jù)、影像的數(shù)據(jù)，還有大醫(yī)生書(shū)寫(xiě)的文書(shū)的文字?jǐn)?shù)據(jù)。如果要把醫(yī)療的人工智能做好，需要基于大量的數(shù)據(jù)，通過(guò)全面的人工智能技術(shù)包括感知智能和認(rèn)知智能等把數(shù)據(jù)里面的價(jià)值和經(jīng)驗(yàn)進(jìn)行有機(jī)的提取。比如，每個(gè)醫(yī)生在診療的過(guò)程中會(huì)依賴(lài)于自己的經(jīng)驗(yàn)，我們服務(wù)于頂級(jí)醫(yī)院，擁有中國(guó)最好的專(zhuān)家為患者診療的整個(gè)周期數(shù)據(jù)，這里面蘊(yùn)含著大量的知識(shí)和經(jīng)驗(yàn)，是否有好的方法從這里邊學(xué)習(xí)，把這些經(jīng)驗(yàn)?zāi)軌蛞婊?、知識(shí)化和服務(wù)化，再反饋到醫(yī)療里面，這其實(shí)是數(shù)據(jù)和人工智能技術(shù)有機(jī)結(jié)合，并且能夠用到產(chǎn)業(yè)里面很典型的例子，但是這里面的技術(shù)難點(diǎn)非常多。剛才有專(zhuān)家說(shuō)未來(lái)3～5年可能就會(huì)有一個(gè)很大的騰飛，我對(duì)這個(gè)速度表示一定謹(jǐn)慎的態(tài)度，因?yàn)檫@里面的技術(shù)難度比較大，但是我希望早一天到來(lái)，能夠解放醫(yī)生的雙手，增強(qiáng)醫(yī)生的大腦，讓更多的人接受到更好的醫(yī)療服務(wù)。

Q：如何才能夠讓兩者互相融合，使人工智能技術(shù)應(yīng)用于更多的領(lǐng)域？

劉秉權(quán)：我主要的工作是做自然語(yǔ)言處理，就是人機(jī)對(duì)話(huà)方面的研究。實(shí)際上這個(gè)領(lǐng)域與整個(gè)人工智能的趨勢(shì)差不多。目前主要是更好地運(yùn)用深度學(xué)習(xí)的技術(shù)解決所面臨的各種問(wèn)題。這些問(wèn)題包括以下幾點(diǎn)：

第一，深度學(xué)習(xí)技術(shù)自身的完善和發(fā)展。認(rèn)識(shí)深度學(xué)習(xí)自身的規(guī)律，研究其系統(tǒng)的構(gòu)建、結(jié)構(gòu)和模型等。同時(shí)，兼顧其他領(lǐng)域。針對(duì)一些具體問(wèn)題，比如如何與知識(shí)推理相結(jié)合，這并不是傳統(tǒng)的自然語(yǔ)音處理技術(shù)，像剛才專(zhuān)家講到的知識(shí)圖譜的構(gòu)建與運(yùn)用，關(guān)鍵是如何與深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)一體化。

第二，在構(gòu)建人機(jī)對(duì)話(huà)的過(guò)程中面臨一些個(gè)性化的需求，比如客服系統(tǒng)基本上很難完成特別個(gè)性化的需求，那么如何與個(gè)性化的技術(shù)結(jié)合，如何更好地讓自然語(yǔ)音系統(tǒng)滿(mǎn)足個(gè)性化的需求，自然是今后要解決的問(wèn)題。

第三，在機(jī)器學(xué)習(xí)領(lǐng)域，與遷移學(xué)習(xí)等各種成分的結(jié)合，使得深度學(xué)習(xí)系統(tǒng)具有更好的適應(yīng)和轉(zhuǎn)換能力，及終身學(xué)習(xí)的特點(diǎn)。

以上問(wèn)題都是我們研究自然語(yǔ)音處理領(lǐng)域需要關(guān)心的問(wèn)題。另外，需要強(qiáng)調(diào)的是，任何人工智能，都離不開(kāi)大數(shù)據(jù)的支持。

我們平時(shí)可能不太關(guān)注通用的大數(shù)據(jù)，比如我在構(gòu)建一個(gè)具體系統(tǒng)的時(shí)候，除了通用的自然語(yǔ)音處理資源之外，很關(guān)鍵的知識(shí)就是我們需要大量的問(wèn)答，可能是幾千萬(wàn)、上億，或者幾十億、上百億規(guī)模的面向單人的，或者面向多人的數(shù)據(jù)庫(kù)對(duì)話(huà)，這些數(shù)據(jù)從哪兒來(lái)呢？并沒(méi)有直接可以利用的表達(dá)形式。同時(shí)，需要利用我們的技術(shù)開(kāi)發(fā)多人對(duì)話(huà)資源的挖掘方法，然后建立挖掘的系統(tǒng)，實(shí)現(xiàn)工具化，經(jīng)過(guò)不斷地迭代，最后實(shí)現(xiàn)構(gòu)建足夠規(guī)模的、包含上億的問(wèn)答規(guī)模的資源。

作為高?；蚣兇獾难芯繖C(jī)構(gòu)，當(dāng)前面臨的一個(gè)突出的問(wèn)題，就是我們?cè)谧錾疃葘W(xué)習(xí)的研究過(guò)程中，需要更大規(guī)模的數(shù)量級(jí)數(shù)據(jù)，那么這些數(shù)據(jù)除了自己加工之外，更迫切地需要與行業(yè)內(nèi)其他的合作伙伴一起合作，比如從政府部門(mén)或大企業(yè)所具備的資源里獲取有價(jià)值的東西。這實(shí)際上是我們很多研究者面臨的一個(gè)困境。

我們的研究人員在做研究工作的時(shí)候，首先他們可能有很多的思路和想法，想方設(shè)法克服這些大數(shù)據(jù)所面臨的瓶頸，因此很多東西無(wú)法立即開(kāi)展起來(lái)。因此需要很大程度上通過(guò)企業(yè)合作來(lái)實(shí)現(xiàn)，我們也希望如果有機(jī)會(huì)，政府部門(mén)或大型企業(yè)能不能通過(guò)更好的機(jī)制，把他們所擁有的高質(zhì)量的、大規(guī)模的數(shù)據(jù)更好地分享出來(lái)，推動(dòng)大數(shù)據(jù)的發(fā)展。

陸薇：這些年，我們一直致力于把人工智能和大數(shù)據(jù)向業(yè)界推廣應(yīng)用，幫助企業(yè)解決問(wèn)題。這些年下來(lái)，我們自己有點(diǎn)心得，我覺(jué)得無(wú)論是大數(shù)據(jù)還是人工智能，真的要實(shí)現(xiàn)產(chǎn)業(yè)上的成功有四個(gè)因素非常重要，第一場(chǎng)景，第二領(lǐng)域知識(shí)，第三數(shù)據(jù)，第四技術(shù)。

相比技術(shù)，我認(rèn)為場(chǎng)景最重要。大家很多時(shí)候都在講，在互聯(lián)網(wǎng)上大家在進(jìn)行場(chǎng)景革命，在大數(shù)據(jù)和人工智能領(lǐng)域同樣有場(chǎng)景革命，我們要做一件事情，必須找到清晰的、有價(jià)值的、有痛點(diǎn)的業(yè)務(wù)場(chǎng)景，這才是真正的問(wèn)題所在，而且這個(gè)問(wèn)題解決以后，才會(huì)給對(duì)方帶來(lái)非常大的價(jià)值。有了場(chǎng)景，我們才能保證我們?cè)谧鲆患?duì)的事，剩下的就是我們?cè)趺窗咽虑樽鰧?duì)。

從把事情做對(duì)的角度，我們需要把剩下的三個(gè)因素很好地結(jié)合起來(lái)，一個(gè)是領(lǐng)域知識(shí)，其實(shí)有些領(lǐng)域是有規(guī)則的、有機(jī)理的，當(dāng)我們要解決這個(gè)領(lǐng)域問(wèn)題的時(shí)候，我們要充分考慮這些規(guī)則和機(jī)理，充分把領(lǐng)域?qū)＜业闹R(shí)用起來(lái)。

另外，我們需要有數(shù)據(jù)，特別是我們?cè)谝粋€(gè)不是很強(qiáng)的機(jī)理和規(guī)則的問(wèn)題之下，我們需要有大量的數(shù)據(jù)供我們學(xué)習(xí)與挖掘，來(lái)找到一些專(zhuān)家所不具備的知識(shí)。再者，有相關(guān)的技術(shù)，我們要有數(shù)據(jù)的采集、傳輸、學(xué)習(xí)、挖掘等技術(shù)的支持。最后，問(wèn)題得到一個(gè)最好的解決。endprint

從我們昆侖數(shù)據(jù)自己這幾年的實(shí)踐來(lái)看，我們認(rèn)為需要方法、工具、人這三方面結(jié)合好。

從方法的角度我們總結(jié)了一套方法叫BMT，我們首先要有商業(yè)問(wèn)題的引領(lǐng)，商業(yè)問(wèn)題是起始點(diǎn)，M就是數(shù)據(jù)科學(xué)，是必由之路。

我們也推出了相關(guān)的工具，能夠幫助我們?nèi)プ錾虡I(yè)問(wèn)題的梳理，能夠做數(shù)據(jù)相應(yīng)的管理、挖掘，然后我們把技術(shù)綜合在一起。

最后，人也非常重要，因?yàn)闊o(wú)論是問(wèn)題的解決，還是工具的應(yīng)用，最后都需要人去解決數(shù)據(jù)和人工智能領(lǐng)域的問(wèn)題，我們覺(jué)得可能需要有這么幾類(lèi)人來(lái)分工協(xié)作：

一類(lèi)是業(yè)務(wù)分析師，他的職能是理解這個(gè)領(lǐng)域的具體問(wèn)題，能夠把這個(gè)問(wèn)題從一個(gè)業(yè)務(wù)問(wèn)題轉(zhuǎn)變成一個(gè)數(shù)學(xué)問(wèn)題，一個(gè)數(shù)據(jù)的問(wèn)題。

一類(lèi)是數(shù)據(jù)科學(xué)家，他能夠開(kāi)發(fā)算法、模型，能夠解決具體的數(shù)學(xué)問(wèn)題。

一類(lèi)是數(shù)據(jù)工程師，如果說(shuō)數(shù)據(jù)科學(xué)家是大廚的話(huà)，數(shù)據(jù)工程師就是給大廚打下手的小工，在炒菜之前必須有人把菜摘好、洗好，把數(shù)據(jù)清理干凈，整理好，大廚才能有更好的發(fā)揮。

一類(lèi)是系統(tǒng)工程師，他需要懂大數(shù)據(jù)的系統(tǒng)，能夠圍繞這樣的一個(gè)核心算法，能夠把它開(kāi)發(fā)成一個(gè)應(yīng)用的系統(tǒng)，能夠部署到客戶(hù)的現(xiàn)場(chǎng)，這樣才能解決客戶(hù)的問(wèn)題。

以上是我們這些年的心得，我們需要把場(chǎng)景、領(lǐng)域知識(shí)、數(shù)據(jù)、技術(shù)有機(jī)地結(jié)合起來(lái)，我們需要有方法、工具和合適技能的人，團(tuán)結(jié)協(xié)作。然后，才能達(dá)到理想的效果，讓大數(shù)據(jù)和人工智能的技術(shù)真正地在產(chǎn)業(yè)界落地，能夠解決問(wèn)題，能夠?yàn)榭蛻?hù)帶來(lái)價(jià)值。

王曉梅：我覺(jué)得這個(gè)問(wèn)題問(wèn)得特別好，因?yàn)檫@個(gè)問(wèn)題直接就決定了大數(shù)據(jù)分析和人工智能如何能夠快速地在市場(chǎng)落地。在我分享之前，我必須強(qiáng)調(diào)一下，我是做技術(shù)出身的，我這邊必須強(qiáng)調(diào)，人工智能和大數(shù)據(jù)分析是以高度業(yè)務(wù)價(jià)值為驅(qū)動(dòng)的，必須是與行業(yè)緊密相關(guān)聯(lián)的，作為一個(gè)技術(shù)背景的人說(shuō)出這句話(huà)，這后面是有深刻的含義的，因?yàn)槿斯ぶ悄芎痛髷?shù)據(jù)分析跟傳統(tǒng)的所有以前IT的技術(shù)完全不同，這是我這么多年來(lái)最大的個(gè)人體會(huì)和一個(gè)最佳實(shí)戰(zhàn)經(jīng)驗(yàn)。

數(shù)據(jù)分析本身潮起潮落很多年了，我在全球那么多市場(chǎng)看了那么多成功的、失敗的公司，我覺(jué)得他們都高度秉承這個(gè)原理，即以高度業(yè)務(wù)價(jià)值驅(qū)動(dòng)，而且任何一家成功的長(zhǎng)青樹(shù)的人工智能或者大數(shù)據(jù)分析，特別是數(shù)據(jù)分析的公司，一定與行業(yè)緊密關(guān)聯(lián)。這就回到我設(shè)計(jì)整個(gè)知盛集團(tuán)公司戰(zhàn)略的時(shí)候，如果我用一種比較粗淺的方式來(lái)劃分全世界各行各業(yè)，有18大行業(yè)模塊。

全世界第一大人工智能采納行業(yè)板塊是醫(yī)療行業(yè)，這也是為什么我在知盛集團(tuán)設(shè)立的時(shí)候，專(zhuān)門(mén)有一個(gè)子公司做人工智能醫(yī)療行業(yè)服務(wù)，我這邊的切入點(diǎn)是預(yù)防性醫(yī)療，因?yàn)檎麄€(gè)醫(yī)療行業(yè)本身范圍非常廣泛，大家所熟知的是20%疾病市場(chǎng)，包括各種癌癥、糖尿病診療，這些僅僅屬于診療疾病的市場(chǎng)，但是真正在崛起的，在醫(yī)療行業(yè)里面最大的新的商業(yè)的機(jī)會(huì)其實(shí)是預(yù)防性醫(yī)療，整個(gè)醫(yī)療行業(yè)正在發(fā)生巨大的變化。由以前的以醫(yī)療機(jī)構(gòu)、醫(yī)院等為中心，轉(zhuǎn)變?yōu)橐钥蛻?hù)為中心的自我看護(hù)的新興預(yù)防性醫(yī)療市場(chǎng)。

第二大塊業(yè)務(wù)是人工智能與傳媒，最后一塊業(yè)務(wù)是人工智能與電子商務(wù)，這與行業(yè)的深度結(jié)合是密不可分的，因?yàn)樵谂c專(zhuān)業(yè)行業(yè)的人結(jié)合的時(shí)候，他為我們整個(gè)人工智能項(xiàng)目落地提供了幾個(gè)關(guān)鍵的元素，第一是行業(yè)的深度認(rèn)知，第二是業(yè)務(wù)的痛點(diǎn)和描述，第三是數(shù)據(jù)。只有基于對(duì)行業(yè)的知識(shí)的深度的認(rèn)知，對(duì)相關(guān)業(yè)務(wù)場(chǎng)景的深度的理解，然后再加上相關(guān)的數(shù)據(jù)，然后再配合人工智能的算法和模型，這樣才會(huì)有一個(gè)真正的切實(shí)可行的人工智能的產(chǎn)品，服務(wù)于這個(gè)行業(yè)，服務(wù)于大眾。

另外，我還想分享一點(diǎn)，這一點(diǎn)非常重要，我們?cè)谶M(jìn)行行業(yè)落地的時(shí)候，因?yàn)閿?shù)據(jù)現(xiàn)在已經(jīng)變成了一種可流動(dòng)的資產(chǎn)，一種新的貨幣，現(xiàn)在行業(yè)跟行業(yè)之間的競(jìng)爭(zhēng)，行業(yè)跟行業(yè)之間的壁壘，行業(yè)跟行業(yè)之間的界限正在模糊，所以我們大家在人工智能落地的時(shí)候，我們要考慮一下跨行業(yè)，如何打破行業(yè)之間的壁壘？如何進(jìn)行一個(gè)跨行業(yè)的合作跟融合？這也是整個(gè)人工智能落地盈利點(diǎn)更多，產(chǎn)生的一個(gè)重要的思維。

最后，我們?cè)谛袠I(yè)落地的過(guò)程中，有一種應(yīng)用場(chǎng)景，現(xiàn)在已經(jīng)占到了全世界60%以上的人工智能跟數(shù)據(jù)分析的應(yīng)用場(chǎng)景，跟行業(yè)無(wú)關(guān)，所有行業(yè)都適用，就是以客戶(hù)為中心，這個(gè)以客戶(hù)為中心非常關(guān)鍵，是另一個(gè)商業(yè)機(jī)會(huì)的嵌入點(diǎn)。

徐濟(jì)銘：剛才聽(tīng)到各位專(zhuān)家老師的觀點(diǎn)我挺興奮的，特別是剛才陸總講到在垂直行業(yè)要把場(chǎng)景、知識(shí)、數(shù)據(jù)結(jié)合才能使AI、大數(shù)據(jù)服務(wù)于整個(gè)垂直行業(yè)，醫(yī)療更是這樣，醫(yī)療場(chǎng)景很復(fù)雜，醫(yī)療又是很復(fù)雜的學(xué)科，對(duì)數(shù)據(jù)的依賴(lài)也很重，AI的技術(shù)又涉及多個(gè)方面，包括認(rèn)知計(jì)算、感知計(jì)算等。當(dāng)初我們創(chuàng)立醫(yī)渡云是相信數(shù)據(jù)可以驅(qū)動(dòng)醫(yī)療，創(chuàng)新可以驅(qū)動(dòng)醫(yī)療。（根據(jù)演講內(nèi)容整理，未經(jīng)本人審核）endprint