北大 AI 公開課第5講：小米黃江吉 產品化引領人工智慧硬體發展（13 PPT）

新智元原創

譯者：隨一、張易

合

【新智元導讀】在北大AI公開課第五講上，小米科技聯合創始人黃江吉老師與與北大人工智慧創新中心主任、百度七劍客之一、酷我音樂創始人雷鳴老師一起，就人工智慧硬體領域發展展開了深入的討論和交流。黃江吉老師反覆強調了產品化對於AI技術特別是深度學習發展的意義，認為產品的數據搜集效用可以和雲端的機器學習一道，形成一個良性循環，同時認為只要2C的產品做得好，用戶活躍度會相當高。這一點和我們此前發布的余凱老師對於新興技術從2B到2C的分析（北大AI課第二講），以及今天發布的Gartner分析師對於AI技術應用從B2B到B2B2C再到2C的預測，可以對照來讀，並引發讀者的思考。

北京大學「人工智慧前沿與產業趨勢」第五講昨晚開課。本講將由小米科技聯合創始人黃江吉老師（大家都親切地稱他KK）親臨現場，與北大人工智慧創新中心主任、百度七劍客之一、酷我音樂創始人雷鳴老師共同參與，就人工智慧硬體領域發展展開了深入的討論和交流。

在個人宣講部分，黃江吉老師反覆強調了產品化對於AI技術特別是深度學習發展的意義，認為大家最近經常談論的「A（AI）、B（Big DATA）、C（Cloud Computing）」，其實不妨表述為「產品+大數據+機器學習」，產品應該扮演引導開發、搜集數據的先鋒角色。通過產品，將用戶產生的大數據用機器學習技術整合分析，再反哺給用戶，並不斷迭代產品。黃江吉老師自豪地說，他們的產品都是2C的，只要產品做得好，用戶的活躍度相當高。這一點和公開課第二講余凱老師所描述的新興技術從2B到2C的發展路徑，可以對照來讀。

個人宣講之後，照例是大家非常期待的雷鳴老師和黃江吉老師的對話過程。兩位老師就此前智能硬體開發中出現的一些問題及相應對策展開了討論，得出了一些非常簡明扼要的結論。同時，也談到了智能製造企業的外部合作和內部競爭，並對大家關心的物聯網時代數據安全問題做了闡釋。

KK黃江吉個人宣講

今天真的很開心，可以在這裡跟同學們分享人工智慧。一進來，我覺得場面超乎預期。我知道雷鳴兄的號召力很強，但是我今天還是感覺很震撼。兩個月前雷鳴跟我聊起這個項目，我當場和他報了名。我知道今天又這個行業裡面很多公司的AI專家、機器學習專家。甚至北大的很多老師，我相信每個人都可以把裡面的核心技術跟我講的很好。同學們為什麼要踴躍報名聽我來講？我特別希望可以從一個產品，通過一些硬體產品，來展現人工智慧如何落地到我們的真實生活里，下面從這個角度和大家分享。

今天，雷鳴給我另一個要求是希望我更多的從產業角度去講，也不能幫小米賣廣告。這個對我來講是一個巨大的挑戰。所以今天，你們看見任何有關小米的產品，你們就把它當做是產業的一部分，不要留意裡面有價格、配置。我希望能夠從人工智慧如何落地到產品中，給同學們一些啟發。最近和朋友聊人工智慧的時候，大家常說，我們怎麼沒有聽到小米已經在做人工智慧。然後我就說，那是你們不懂，我們從6年半前剛創辦小米，我們就已經開始做人工智慧，我為什麼這麼說？

今天，大家更多地談論ABC，A是AI,B是big data，C是cloud computing。但是以我們的經驗，更多的是CBA,先是有產品導致的雲服務，然後才有可能產生bigdata，之後才有人工智慧。在我們看來，人工智慧的三大前提是:產品+大數據+機器學習。我們先從產品開始，大家最熟悉的是6年前的小米手機，小米手機通過6年的不斷迭代，我們積累了2億的日活躍用戶。在系統中，日活躍用戶超過1000萬的系統app已經超過21個。月活躍用戶超過1000萬的已經超過49個。接下來的問題是，公司如何將用戶產生的數據反哺給用戶，並不斷地迭代產品，讓產品變得更好，這才是數據背後的意義。3年前，我們通過同樣的模式，切入智能硬體，開始做智能電視，智能路由器，也開始做生態鏈。我們與其他創業者，一起打造小米生態鏈，我們已經投資了70多家類似的公司。一會兒我會提及，我們如何既能夠做到不同產品單點切入，又能夠將其連成有價值的生態鏈，使他們在雲端產生價值。

兩年前IoT很火爆。當浪潮退去，很多IoT公司跟我們說， IoT是不是被吹出來的，不過只是一個個泡沫。我肯定是第一個不同意的。因為到今天為止，小米推出的智能設備（不算手機），全部的IoT設備聯網設備，出口量就已經是5000萬。一會兒我會解釋，為什麼我認為IoT的春天馬上就要到來。通過我們的小米產品（它們全部都是聯網的）。我們的產品全部都是2C的，所以只要產品做得好，用戶的活躍度是相當高的。

小米全部產品加起來，每天產生的數據量一天是300T。為了存儲這個300T，每天我們付出的存儲成本是天文數字。為什麼我們要存儲大量昂貴的數據，其實我們等AI這個彎道已經等了很久。終於在去年迎來爆發點。現在，我們有可能利用最前沿的技術，比如深度學習，對抗性網路來發展。現在技術發展是以周計算。這對於我們都是好消息。因為技術發展到這個點的時候，我們已經準備了很多大數據去使用。這些技術可以用來驗證演算法是否靠譜，可以把我們的產品變得更智能化的話，真正實現閉環。大數據其實講了很多年。我剛進入微軟的第二年，就開始做datawarehouse，當時已經存了海量數據，都覺得大數據很有價值。但是還是停留在數據分析，analytics，即如何在數據裡面找到一些規律做商業策略。直到這兩年，我認為才找到了一個完美的閉環。如果可以把高質量有效的數據整理對，反過來可以讓我們的開發工作，讓我們的演算法更加優化。所以，我們對於數據增長很開心，並不在意成本。

我們的產品走到現在，才開始有一些大數據的積累。然後可以和大家進一步分享小米的大數據渠道，如何用？其實不同的公司都有不同的數據的來源。以小米為例，從手機、電商、家庭路由器、電視雲平台、互娛市場、生態鏈都不斷產生數據。這些數據都非常原始，需要清洗。我認為如果一個公司專註做數據清洗，都會很賺錢。因為數據量相當大，數據清洗上的技術要突破。之後是數據挖掘，數據智能。

每個公司都在干這個事情：當我們有海量的數據，而且這個數據的來源很廣泛，就可以做一個非常完整的用戶畫像。

第一，深度理解我們的用戶。我們在理解這個用戶時，甚至利用機器計算去補充用戶沒有告訴我們的信息。基於多種維度，我們甚至可以總結用戶性別。通過數據的聚合，特徵提取，推測性別數據，我們的覆蓋率是90%，裡面的準確率能達到89%。還有年齡段，職業等，準確度越來越高；

第二，用戶真實性。小米從第一天賣手機，最大的敵人是黃牛。一開始，他們模擬真實的用戶去搶手機，一開始，我們每人每天都寫很多代碼去互相攻防。後來，我們開始機器學習了，把用戶的全部維度，全部輸入到機器裡面，讓他判斷真實的用戶是這樣。之後，每一個用戶進來，可以瞬間判斷到底是不是一個真實用戶。因為黃牛可以通過一兩個維度，甚至使用10個、20個、100個維度去模模擬實的用戶，但是不可能做到1000個維度。所以我們基本上可以判斷出黃牛。有時候演算法太好了，讓一個稍微有一些異常的真實用戶被判斷黃牛，因此還要把它往下調一點。這就是我們怎麼樣用大數據反過來驗證現實上的真實度。為了畫像更精準，我們不斷地要提高我們的內容詞、知識圖庫。

那麼如何讓大數據落地到你的產品？今天下午，小米發布了最新的電視，最大的亮點是人工智慧的部分。這不是一個新的概念，但要把它做得靠譜，整個行業花了很多年。我們可以通過語音搜索片子，找到很多關於電影的信息，演員的各種信息。過去可能要花20個遙控器的操控，今天通過一個自然的語音，就可以找到。

之前我意識到，我們把人工智慧落實到可以摸得著、用的好、買得到的設備，才可以說把人工智慧帶給用戶。其實做人工智慧技術的公司很多。今年越來越多的人工智慧技術將落實到產品上。比如小米電視，已經可以做到在看電視的時候，問這個演員是誰，他就馬上告訴你，是鄧超。還可以問鄧超今年幾歲，老婆是誰，我要看鄧超的老婆的電影。基本上用戶問的越多，這個系統就會越來越自然。我想，除了語音、人臉識別技術，裡面最核心的一點是自然語言處理。怎麼把精準度達到百分之90的語音識別後的文字轉成語義，之後進行分析。比如複雜的一句話，老情人的老情人的老情人的老情人的老情人的乾女兒，這樣人理解起來都比較麻煩的句子，現在都可以理解了。

那麼自然語言處理也好，去了解特定場景下的用戶習慣也好，現在我們採用的主要方法都是機器學習。過去我們是用問卷等方式，用人工的方式去迭代。但是，現在基本上是通過機器學習，加一部分人工干預的方式，讓它更頻繁的迭代，不是一周一個迭代，而是每個小時在迭代。我認為它的進步是用一個非線性的速度在提升，舉個例子吧。我們總是說智能硬體對不對？你說這個燈是智能燈，但是你有沒有想過，如果你們用過這些所謂的智能燈，當然有兩個選擇，一個是過去直接用手按對不對，第二個方式就是打開你的手機，解開你的鎖屏，好不容易找到APP再打開，等了一兩秒鐘，然後你再關燈開燈。你基本上試上幾次，都不會有什麼用對不對？

我認為今後大家會看見真正懂你的燈，而且懂你一個人。因為每個人開燈、關燈的習慣千差萬別。如果要找全世界最強的工程師把它做出來的話，十萬個規則都做不好。而且這個代碼量驚人。正確的做法是，通過燈的維度，知道你的特徵，通過家裡全部的智能硬體來掌握你的特徵，比如家裡wifi與你手機的狀態，家裡電視的狀態，音箱的狀態，客廳凈化器的狀態，房間的凈化器的狀態，可能要上百個特徵。就根據過去一個月的使用歷史進行分析，知道在這些特徵成立下，你會開燈，你會關燈，這樣才有可能做出一個真的是懂你的燈。

有很多人說用一個攝像頭、感測器就知道了。這其實是遠遠不夠的。比如，晚上下班回去，他就開燈，然後打擾到你的室友。真的要做這個，難度遠超大家的想象，因為這些維度不應該是人去學習的。當你家裡的設備越來越多，他們的狀態全部都可以被分析，被記錄，我只要跟隨一個禮拜，就可以理解你的習慣。我認為他會比任何一個工程師可以做的10萬個規則都更符合你想要的。

另外一個案例，就是智能手環。把這個東西做精準很不容易，要靠演算法判斷是在走路還是在跑步？然後不斷的調試，每個人揮手的方式不一樣。所以，工程師拍腦袋去想辦法，然後把演算法變成了代碼。

其實有一個更好的方法，就是讓足夠多的用戶帶著他去跑步，打羽毛球，玩排球，打籃球，上山下山，OK，然後機器學習，我們就可以很方便的知道各種各樣的活動裡面的規律。如果機器學習發揮好，可能過去十個工程師才可以做到的事情，未來可能只需要兩個工程師，非常擅長收集高質量的大數據，知道怎麼樣用機器學習。

雷鳴剛問我，對於這一波人工智慧的看法是什麼？其實在小米看來，可以做兩個事情，就已經非常了不起了。第一，可以讓全部開發者意識到機器學習是一個最新的一個生產力。借用雷鳴的話，他可能是繼這個工業革命之後，最偉大的生產力。

昨天還問我們那個負責深度學習平台的同學，現在小米內部到底有多少個業務正在使用這個平台。他給我一個列表，已經有十幾個二十個業務都在申請機器去用這個平台。我們那些CPU已經有十幾個業務都在使用機器學習，替代過去的演算法。我們可能要做一個最基礎的演算法，最困難的可能是如何讓這個應用被用戶使用，從而產生大量的數據，你才可以跑順。有一天，產生的數據已經足夠到可以把之前寫的代碼邏輯取代，之後迭代數學模型就好了；第二是產品裡面怎麼樣可以落地語音交互。就像今天小米電視一樣。我認為人工智慧如果可以做好這兩個的話，已經非常好了。

第二個比較大的投入是視覺，我們在人臉識別上做的投入還挺大的。從去年開始，你就已經可以看見我們可以根據人臉，幫你自動分類，而且精準度越來越高了。因為數據量很大，現在已經可以做到人臉識別，性別識別，甚至年齡識別。小孩子的年齡差了一歲了，我們已經可以做到超過80%的精準度，因為小孩子的變化比較大。大人可能中間需要相差幾歲。當你做這一些事件之後，給用戶提供的實際功能的想象力非常大。我們的相冊上，在做物體識別。可以在相冊裡面，幫你分類，比如要找到上次和雷鳴吃飯的照片，各種各樣自動化的分類。

在自然語言處理，我們的投入也很大。我剛才講有多少人工就有多少智能，加上機器學習，這裡可以突破的空間很大。

我很相信技術，基礎科研。因為我本身也是一個工程師，知道做技術的重要性。但是這7年，讓我有一個很深刻的體驗。今天，我講得很多，也比較分散，但如果說我最希望你記住KK講過的一個點，那就是：一定要把技術做到產品裡面，做到服務裡面，它的價值才可以最大化地發揮出來。我在這裡建議同學們，你們在做各種各樣的探索研究，最重要的就是永遠要想如何可以最大化得突破這些技術。如果可以把它用在用戶真的需求裡面，才有可能把人工智慧或者其他研究做好，真正影響到我們的生活。我甚至認為，因為我們高度關注產品，貼近用戶，用戶往往會告訴你，我們下一步的方向是什麼，他真正的需求是什麼，然後我們再研究產品、工程方向，往往才能夠取得更直接的突破。所以，今天希望通過產品這個角度跟大家分享一下我們是怎麼看待公司的。OK，謝謝大家。

KK黃江吉和雷鳴的對話

（以下「雷」代表雷鳴老師，「KK」代表黃江吉老師）

雷：非常感謝KK的分享。下面我們進入到對話環節。三年前其實我們看到了一個智能硬體的熱潮，比如智能手環等等，但一年前投資和研發都有些沉寂了。現在這個趨勢又回來了。想問問KK，這個產業變化的原因是什麼？你如何看下一步的發展？

KK：兩年前我們確實看到有很多做智能硬體的廠商，但大部分都做得不夠好。我們深刻的分析了其中的原因。原因有三：1.市場需求不旺盛、不明顯。消費者認為他們使用的東西已經夠好了，沒有必要再加入智能了。比如開一盞燈，用開關就很方便了；2.當時的智能產品還不夠好。我們能感覺到，一個加了所謂智能功能的產品，有時還不如普通的、沒有智能的產品好用和方便；3.在前兩個前提下，你智能產品的價格比非智能的還貴。這三個問題在當時做智能硬體的企業中廣泛存在。

針對這三個問題，我們想了三條對策：1、我們的智能產品，它本身的功能要比傳統產品的相應功能還要好。智能只是消費者使用很順暢以後，發現的額外亮點。比如說，我們生產的智能空氣凈化器賣得非常好，但它賣得好的原因不是因為它有多智能，而是因為它空氣凈化的功能本身就做得非常好。智能化只是消費者後來會慢慢發現的驚喜；2、我們做了一個很簡單的優化，卻大大方便了使用者：當你買回去一個智能凈化器的時候，通上電，你的手機上就會接到一個Push，提醒你新發現了一個設備，是否能允許它加入你的家庭網路。你點擊允許，它就可用了。不需要你設wifi、下APP、設密碼等等。就這樣一個功能，我認為就可以成功轉化大量的小白用戶。當然你會問我，這個功能你們在技術上是如何做到的？我們在設備裡面加入了一個wifimodule，通上電以後，就會發現它還沒有聯網。我們把它做到了晶元層面。用起來很神奇，但其實這個不難，只要用心就可以做到。消費者會覺得這是超出預期的，它本來的功能比相似產品還好用，又有智能這個加分項，使用者當然願意推薦給朋友了；3、成本問題。我想加一個智能的功能，比如剛才說的wifi module，但最初我們調查了一下，發現wifimodule本身的價格就要60塊，但產品本身，比如一個插座，可能才40塊，我們把它變成智能插座，價格就要150塊——因為整合wifimodule還需要一些其他成本。這樣的話消費者是無法接受的。於是雷軍就跟我們說，你們一定要把wifimodule這一塊降到10塊錢以內。我們開始覺得很難，但後來慢慢發現，原來的wifimodule裡面有很多不需要的功能——因為它本身不好賣，所以功能越來越多，希望能變得好賣一些——我們把它做減法，只要它最核心的功能。成本降低了，生產量上去了，成本又進一步降低了，從開始的40多塊，最終真的降到了10塊以內。還是舉凈化器的例子。一開始我們內部都有很多人有疑問，凈化器為什麼還需要聯網？加wifimodule有什麼用？但因為成本不高，10塊錢嘛，先加上再說。慢慢的，不能在APP中查看家中的PM2.5值，就變得不可思議了。所以說當你把它的成本降下來以後，才可能：1.為你將來的智能化做準備；2.只有聯網，才能為將來數據的收集和利用打下基礎。

所以回到雷鳴老師剛才的問題，為什麼三年前很多的廠商做不下去了，我想是因為他們沒有抓對產品本質的東西，或者是沒有做好，或者是在這個過程中讓客戶承擔的壓力太多。生產的所謂智能化其實是偽智能。而今天，我們發現市場對智能模塊、智能化的需求已經比三年前旺盛多了。這也是我所說的，IoT的春天很快就要到來了。

雷：你說的這個問題我深有感觸。一個燈，本來價格合理，一按就亮，但現在你買了個智能燈，又要聯網又要註冊用戶名密碼，你說你會選擇哪個？我以前還買過一個智能秤，沒有顯示，你站到上面，需要在手機APP上看自己的體重。（笑）

KK：一個不能顯示體重的秤。（笑）

雷：後來它的系統還自己升級，我又需要重新設置密碼。最後我只好把它扔掉了。又比如手機，最初的功能是打電話，後來附加的功能越來越多，才變成了智能手機。但它最原始的功能你仍然要把它做好啊。又比如美國有個智能音箱，叫SONOS，價格在500-1000美元，在大概賣4000多人民幣。你們會花4000多買一個音箱嗎？KK老師也許你會買？（笑）

KK：我覺得它給我們留下了很多機會。（笑）

雷：後來就出了亞馬遜的ECHO，價格在200美元。所以智能化本身也是需要時間的。另外KK說到智能家居的人機交互需要對話系統，實際上我們知道今天的對話系統，語音理解已經過關了，語義理解我認為慢慢也會過關，但仍然有個問題，就是知識庫。我們回答一個提問時，其實不僅需要對問題的理解，更需要有相關的知識。我們看今天谷歌和百度是全球做得最大的知識庫了，但它仍然不能在你搜索的時候，在結果的第一位就顯示你想要的結果，對吧？所以說這就是一個問題。

KK：對，這點我非常認同。實際上我們說對話系統，其實用戶真正需要的並不是要和它對話，而是能高效地為你服務。比如一個人在亞馬遜買過高爾夫球。那麼亞馬遜就知道，你的高爾夫球很快就會打沒了。它隔一段時間就會主動問你，你需不需要再買些高爾夫球。這比你去網頁上自己找高爾夫球然後再下單購買要便捷多了。但這本質上不是對話，不是要連續和你對話多少次你還分辨不出它是機器，不是要展現這個，而是能在最短時間內、最好是一句話給你答案。

雷：好，我們再問一個問題。很多傳統廠商在做智能化，有一些會尋求互聯網公司的協助。在這個過程中，企業會擔心自己淪為一個只做硬體的低附加值的廠商，高附加值的部分都被互聯網公司拿走了。你是怎麼看待未來企業間的這些合作的？

KK：因為現在整個環境還是一個高度競爭的環境，所以我更傾向於認為未來會是一個高度兼容的生態。經過競爭，最後肯定會有幾個協議、平台或者說入口誕生出來，但是它們為了把它們的用戶服務到極致，肯定會把別家的服務也兼容接納進來。每家公司都不可能把什麼事情都做到第一的。哪怕是BAT，他們今天的競爭也是非常激烈的。所以只要他們是以用戶為核心的，因為用戶肯定是希望一站式解決所有的問題。那麼多家平台之間可以有協議，在這個場景下，你是主我是輔，在那個場景下我是主你是輔，咱們共同來吸引用戶，或者給用戶更好的體驗，實現商業價值的最大化。我想之前會有一個博弈的過程，但最終企業都會理性的選擇對自己有利的方案。當它們嘗試在別的領域發展的時候，也會開始反思，是不是和別人合作，從成本上或者從效果上會更好。

我還是以亞馬遜的ECHO為例，ECHO已經進入了美國很多家庭。那些傳統的做燈、做音箱等等小家電的廠商，就會開始考慮，我究竟是自己從頭開始做智能化比較有利，還是儘早進入到ECHO的生態裡面，分享它的紅利比較有利？這樣我還可以走在傳統的競爭對手前面。企業本質都應該是理性的，永遠從最大化自身利益的角度出發。他們會考慮，如果自己做能夠實現利益的最大化，那麼就自己做。當然自己開始做以後，就會發現其中各種各樣的坑。試過幾次，可能就會有別的選擇。這種選擇短期可能是不理性的，但是長期來看都是理性的。這和以前其實一樣，都是為了自己核心業務競爭力的提升。

雷：好的。今天咱們提到了NLP。國內也有一些專門做NLP的公司。同時剛才你也講了，小米對這一塊也很重視。包括語音識別、語義理解、問答等等。那麼你認為，一個企業如果想研發或者提升一種技術，是從外部尋求合作好呢？還是調動自身內部的資源來把它做大做強好呢？

KK：這裡可能有兩個角度，不同角度會得出不同的結論。一個是從行業投資人的角度，來看技術公司的發展。這個角度我們先不談了。另一個角度是從產品公司的角度看。我們首先覺得，越多這樣的技術選擇，我們越歡迎。那麼剛才雷鳴老師問了，有些業務其實是很核心的，比如NLP，你們小米不做嗎？當然做。但是從技術評測的角度來看，我們不認為內部做出的技術和外面的有何不同。我們始終會選擇最好的技術提供者。雖然我們花費了資源來做這件事情，但除非內部團隊比第三方做得更好，否則我們會毫不猶豫地選擇第三方的技術或產品。我認為以前很多大企業都有這樣的弊病，他們花了錢花了力氣去做一項技術，就因為做了，所以就一定要用，哪怕做的不好。這樣就好像被內部的技術團隊綁架了。而越是這樣，內部團隊可能就做的越不好，因為缺乏市場競爭。而使用了不好的技術，最終也會使你企業的產品力下降。有些技術我們當然要去學習、去做，但如果不如第三方，我們不會猶豫。正因為這樣，我們發現我們自己的技術團隊才越做越好，因為這樣才有壓力。我們給了他們更好的資源和扶持，他們理應做得比別人好才對，如果沒有，那隻能怪自己的能力。我認為只有這樣，才能保持競爭力。

雷：看來內部競爭也是很激烈的。

KK：才有動力！！

雷：關於深度學習，你們現在主要是在雲上做的，那麼有沒有計劃，或者說已經開始在端上考慮插入深度學習的模塊，或者說晶元呢？

KK：這是個很有意思的問題，我們反覆也在討論這件事情。我們的考慮主要是：1.因為深度學習離不開大數據，所以AI的家最終肯定還是在雲端，這是前提；2.當你為了不斷提升用戶體驗，你經常需要把雲端的AI能力或者是經過訓練的模型在端上執行。我認為這是一個平衡。當你需要在本地進行零延遲的運算或者是提升用戶體驗時，確實需要AI的本地化。數據在雲端，但是怎麼做加速等等這些事情，本地優化提升的空間是巨大的。在晶元層面能做的事情也很多。

雷：這個講得很好。上次余凱也講到，當對反應時間有特別高的要求時，比如自動駕駛，如果這個處理也回到雲再回到車裡，時間就來不及了。另外還有一種說法就是在雲上訓練，訓練和壓縮完畢之後把模型直接放在端上，直接實施就可以了。然後定期update這個模型，這也是一種策略。

KK：對，當它有很多很多source，需要做很多判斷的時候，會有一個局限。

雷：好。這個問題是咱們的同學問的：因為智能家居的發展，物聯網的發展，必然伴隨著數據隱私的問題。想請問一下，你是怎麼看這個問題的？

KK：很好的問題。我的回答就是：如果把安全性作為第一優先順序的事情去做的話。機器學習，可能會提供比以往任何時代都安全的信息服務。因為以前是人去處理數據，和這些數據打交道，而我們的發展方向是，只有機器去看這些數據，只有機器去處理這些數據。在機器看來，全部的數據是一個大的歸類，它不是到具體某個人的Identity去操作。這樣就避免了人為的錯誤。這是其一。其二就是我們要尊重數據，把數據分成不同的維度，比如哪些是隱私數據，哪些是和隱私信息關係不大的環境數據、通用數據，哪些是需要用戶授權才可以使用的數據，哪些是任何時候都不可以使用的數據。我們要把這些數據分得非常清楚。尊重遊戲規則，當我們要為你擴展一個功能，需要你的一些數據的時候，會跟你協商清楚，會用到你哪些數據，怎麼用。同時有一些數據是只有你可以訪問的，你有密鑰才能訪問自己的私人數據。如果你忘了的話，我們都幫不了你，沒有機器能夠再訪問那個數據。我覺得要做到這一點。有時大家會探討一些深刻的問題，比如隨著技術發展，機器都變得不可控了。我想如果我們現在連數據的安全性這樣的問題都保證不了的話，我們也就先不要去考慮超級智能的威脅這樣的問題了。

雷：好的，謝謝！！

KK：謝謝大家！

課程介紹

「人工智慧前沿與產業趨勢」課程由北京大學開設，並面向公眾開放。課程由人工智慧創新中心主任雷鳴老師主持，共14節，每節課邀請一位人工智慧領域頂級專家和行業大咖作為主講嘉賓，就人工智慧和一個具體行業的結合深度探討，分析相應技術的發展，如何影響產業，現狀及未來趨勢、對應挑戰和與機遇。所有課程相關信息、通知都會在文末的公眾號發布。

課程參與方式

掃碼福利：

⊙ 直播、錄播課程地址

⊙課程精華文字版

⊙人工智慧交流群入群方式

⊙ 群內每日精選AI內容更新

⊙ 參與群內活動並有神秘大咖進群交流互動

新智元「3·27」AI 技術峰會購票二維碼：