华为徐直军：人工智能将发生10大巨变，我们会提供全栈全场景的能力
华为轮值董事长徐直军今年4月在华为2018分析师大会剧透，将在全连接大会发布AI战略，今天，承诺如期而至。
刚刚第三届HUAWEI CONNECT 2018（华为全联接大会）上，徐直军公布了华为AI发展战略，以及华为AI全栈全场景解决方案，包括华为自研统一达芬奇架构的两款AI芯片——昇腾910和昇腾310。
徐直军谈到，AI时代，十大改变接踵而来：缩短训练模型的时间、充裕经济的算力、人工智能要适应任何部署场景、更高效更安全的算法、更高的自动化水平、模型要面向实际应用、模型更新、人工智能要多技术协同、人工智能要成为由一站式平台支持的基本技能、以AI的思维解决AI的人才短缺。
徐直军发言要点如下：
AI是ICT产业60年发展的总成果
1956年，时任达特矛斯学院助理教授的约翰.麦卡锡组织召集了达特矛斯讨论，正是在这次会议上，第一次正式提出了“人工智能”的定义。从那以后的60年里，人工智能经历了两次发展的低谷，即所谓的“冬天”，但其发展的脚步并未就此停止。
1971年，英特尔发布了第一颗微处理器。50多年来，摩尔定律见证了ICT产业的蓬勃发展。
如果我们把AI产业和ICT产业这六十年的发展轨迹画到一起，那么大致应该是图中的样子。概括来说，人工智能与ICT产业的总体发展水平密切相关，学术研究发现和工程技术发展相辅相成。
而AI产业两次“冬天”的出现，都是因为社会对AI的应用期望大大超越了ICT产业工程水平的发展现实。所幸的是，“冬天”并不是结束，而是每一次“春天”的开始。
今天，我们再次进入了“收获”的季节。这是60年来全球ICT学术界和工业界长期耕耘，相互合作的成果。
面向未来，我们应该充分用好人工智能技术，抓紧收获，努力扩大收获成果，同时要让收获的季节持续的更长一些，把人工智能（AI）建在赤道上，永远生机勃勃。
人工智能是一种新的通用目的技术
任何技术只有准确的定位，才会充分发挥其价值。给人工智能技术进行合理的定位，是我们理解和应用此技术的基础。
如同公元前的轮子和铁，19世纪的铁路和电力，以及20世纪的汽车、电脑、互联网一样，华为认同：人工智能是一组技术集合，是一种新的通用目的技术（GPT）。
加拿大学者Richard G Lipsey在其著作《经济转型：通用技术和长期经济增长》一书中提出：社会经济的持续发展是靠通用技术的不断出现而持续推动的。所谓通用技术，简单理解就是要有多种用途，应用到经济的几乎所有地方，并且有巨大的技术互补性和溢出效应。
经济学家们认为，人类发展到今天，总共有26种通用技术，人工智能就是其中一种。
我之所以强调人工智能是一种通用技术，是期望大家重视人工智能对未来的巨大影响和价值。人工智能作为一种通用技术，不仅可以使我们以更高的效率解决已解决的问题，也可以解决很多没有解决的问题。
是否具备真正的人工智能思维，是否以人工智能的理念和技术解决现在和未来的问题，是我们能否在未来构筑领先竞争力的关键。
华为在实践中发现，人工智能不但可以替代人，还能够自动降低生产成本。这是人工智能与信息化最大的不同，也是其最有价值的特点。
人工智能将改变每个行业，每个组织
人工智能触发的产业变革，将涉及所有行业。我们在座的每一位都要思考，我所处的行业是否会被人工智能技术改变，甚至被彻底颠覆。如何以一种全新的模式，重构各自行业和企业，是我们在未来都要思考和实践的。
今天，我们可以清晰地预测到，人工智能将改变或颠覆如下行业：
· 智慧交通将大大提升通行效率
· 个性化教育将显著提升教师与学生的效率
· 精准预防性治疗有望延长人类的寿命
· 实时多语言翻译交流再无障碍
· 精准药物试验可以显著降低新药成本，缩短发现周期
· 基于AI的电信网络的运维效率将大大提升
· 自动驾驶和电动汽车将颠覆汽车产业等
从华为云EI和HiAI发布以来的短短1年间，我们深切感受到了前所未有的热潮。
除了对行业带来的改变，人工智能还将改变每一个组织。
18世纪以来的历次技术革命，每一次都会对组织的结构、作业流程和人员能力等产生巨大影响。
从工作岗位和人员能力角度看，人工智能推动此次变革将有一个明显的不同：以往的历次变革总会产生大量的重复性日常工作需求，比如纺织厂的设备操作，汽车制造流水线和手机制造流水线等。
但是人工智能将在几乎每个方面提升自动化水平，因此大量的重复性日常工作岗位需求将大幅度缩减。与此对应的是，需要增加对数据科学工作岗位的需求，例如数据科学家、具备一般性数据科学能力的数据科学工程师等。这些岗位的数量将远远少于当前重复性日常工作岗位。
因此，我们认为，未来的组织人员构成可能是菱形的，其中大量处于底部的基础性、重复性日常岗位会被AI所取代。
＊改变刚刚开始，选择正确的问题比寻找新奇的方案更重要
其实，人工智能触发的各种改变，才刚刚开始。改变历来都是几家欢喜几家愁，特别是改变刚开始的时候。
我们可能会因为见证了AI实现了以前想都不敢想的某个功能而兴奋，从而产生加速广泛采用AI的冲动。也可能会因为，某个AI项目进展不如预期、或者担忧AI的应用安全可靠而焦虑，从而对未来的如何运用AI产生困惑。
从历史上所有通用目的技术的发展历程来看，这些都是正常现象。
我们刚刚经过了AI技术与应用的局部探索阶段，目前正处于第二个阶段。在这个阶段，从技术视角看，一方面AI技术日趋完善，同时又暴漏出越来越多的问题；从应用视角看，一方面AI的应用日渐广泛，价值持续得以确认，但同时政策环境、公司流程、组织人员等都是主要面向以往的技术的，比如信息化和互联网时代的技术，还没有为智能技术时代的到来做好准备，因而时常产生碰撞，甚至冲突。
AI技术终将赢得属于自己的社会环境，那时我们将迈向AI应用与生产力提升全面快速发展的第三个阶段。
在迎来新的GPT技术之前，我们将持续见证和享受这一黄金发展期，即第四阶段。但我们也要清醒的认识到，人工智能不是万能的，人工智能有它能解决的问题，也有它不能解决的问题。
我们应充分聚焦人工智能能解决的问题、聚焦其创造价值的领域，而不是把精力花在人工智能不能解决的问题或不能创造价值的领域。因为选择正确的问题比寻找新奇的方案更重要。
＊今天，令人兴奋的落差
千里之行始于足下，让我们看看人工智能今天的状况：
一方面，下面一系列大数字让我们感受到了人工智能产业发展的“辉煌”：
＊ 2017年发表的机器学习论文数是2万篇
＊ 全球有超过22个国家发布了AI计划
＊ 2017年新诞生了1100多家AI startup公司
＊ 2017年与AI相关的兼并收购金额达到240亿美元
＊ 2017年与AI相关的VC投资达140亿美元
另一方面，下面的一系列小数字又让我们感受到了人工智能初级阶段的“冷静”：
＊ 只有4％ 的企业已经投资或部署了AI
＊ 只有约2％ 零售商已经投资或部署了AI
＊ 只有约5％ 部署的智慧城市 中正在使用AI
＊ 2017年只有约10％的智能手机内置了AI
＊ 全球AI人才的供需比仅有1％
“辉煌”与“冷静”之间的差距，正在凝聚产业发展的巨大动力。所谓“山雨欲来风满楼”，这种落差令人兴奋。
1 2 下一页>
