一、人才流動加快人工智能的產學研結合
“世界科技體系就是公司做有用能賺錢的東西，用戶想要的東西。雖然每個企業都在說創新，但創新是排在第二位的，賺錢才是第一位的。”李開復告訴新浪科技。
不管是企業，還是全球的高校，對于AI技術的產業化，產品化和市場化對接都處于一個探索的過程，沒有完全形成足夠的產學研對接。李開復認為，人才從高校走向企業是第一次對接的過程，目前又有一部分人才從企業回到了高校，這是第二波對接過程。
前谷歌首席人工智能科學家李飛飛離職后回到斯坦福大學執教，前騰訊AI Lab主任張潼離職后回到學術界，前百度公司總裁張亞勤加入清華大學負責清華大學智能產業研究院，而最新的則是原字節跳動副總裁、AI實驗室主任馬維英離職后也加入了清華大學，與張亞勤一起籌建研究院。
學術的思維是從科學研究往外延伸，而產業是尋找技術，創造價值。
李開復說：“高校的天職是創新，做沒有被人做過的東西。這樣的人才流動有助于高校在研究新課題的時候，可以加入對商業化的思考，會大大提升高校做科研時的相關性。”
在第二波人工智能浪潮出現的時候，最早接觸人工智能的創業者都更懂技術，而不知道具體應該怎么商業化。李開復認為，當時投資人工智能必須投資他們，因為當時懂人工智能的人很少。“任何一個科技在初步階段都是這樣，包括互聯網。”李開復說。
但是現在是人工智能全新的階段，在這個階段開始有越來越多的商業會考慮人工智能的應用。舉一個例子，一個做人工智能的人很難去顛覆教育行業，但是當一個做教育的公司應用了人工智能的技術，就能產生更大的價值。“傳統行業的門檻高過了人工智能，單一的人工智能公司少了，但是在+AI的概念下，人工智能的投資機會更多了。”李開復認為。
傳統行業接受新技術的過程中會遇到一定的阻力，但客觀因素的存在，特別是一些公共危機事件的出現，會加快新技術進入傳統行業中。比如，在2003年非典之后，電子商務飛速發展。
新冠肺炎疫情造成的無接觸服務，保持社交距離等，也會催生傳統行業對于新技術的需求，比如餐廳的無接觸服務是送菜機器人的機會，這些現象全世界范圍內都正在出現。“我們投的很多教育公司在近半年業務量暴增。”
“新冠肺炎疫情是全世界的災難，但是也留下了很多機會。”李開復表示，過去幾個月全世界的數字化、線上化的速度非常快，用戶的習慣也在改變。“數字化加快了，就有數據做人工智能了。”
二、新局勢下的數據歸屬與保護
但面對新局勢中關于“數據歸屬”的爭論，創新工場人工智能工程院執行院長王詠剛告訴新浪科技，人工智能算法依賴大量的數據，但數據歸屬，數據安全和隱私等問題與好的人工智能算法之間并不一定是對立關系。
技術進步，法律約束和行業標準等措施，可以大幅降低數據被濫用、亂用的風險。王詠剛舉了一些例子，AlphaGo Zero已經可以完全從自我對弈的圍棋棋譜中進行學習，不存在數據歸屬的問題了;當前，也可以利用無監督學習，基于公開通用的數據生成預訓練模型，如BERT、GPT-2/GPT-3等。
王詠剛認為，在保障個人隱私的情況下，利用大數據來去提升整體業務水平的事情會明顯的在未來有一個大的進步。比如全球公共衛生危機，政府機構和企業在應對這一危機時一定需要每個人具體的數據，一定需要保護個人隱私，利用好這些數據，然后用智能的方式做相關的預測、推理疫情的發展，流行趨勢和疫苗誕生時間等等。“圍繞大數據和人工智能，同時又能圍繞著每個具體應用場景，不管是醫療、公共衛生，還是制造和零售，都會提升效率。”
責任編輯：Rex_07
