7月5日，百度和阿里巴巴同時在北京舉行了AI發布會。百度在發布會上確立了自己的核心戰略：開放賦能，將來必須建立在每個開發者供應的基礎上，并且開源了Apoollo自動駕駛平臺和Duer OS語音交互平臺；而阿里的發布會上，而是以人工智能音箱天貓精靈X1作為探索人工智能領域的消費級AI產品。

7月9日，“未來已來”全球人工智能高峰論壇在杭州舉行，中國（杭州）人工智能小鎮同時開園。人工智能領域的專屬路演成為此次活動的最大亮點，機器人、無人機、人臉識別、3D打印、AR/VR、無人駕駛等等帶來了前所未有的視覺盛宴。 

圖靈獎獲得者、康奈爾大學教授約翰?霍普克洛夫特(John Hopcroft)以“人工智能的前沿研究和對社會的影響”為主題的演講解讀了人工智能國際前瞻性研究。

“過去幾年，我們一直讓體力活變得自動化，而現在我們讓智力活也變得自動化了。我們已經給了很多體力工作者做培訓，他們可以完成一些自動化的工作。之后他們可能還會隨著自動化技術的到來而失業。那么，革命背后的驅動力是什么呢?在1960年，人們做了一個非常簡單的，關于神經網絡的模型我們可以把人類的數據分成兩部分，看一下這個數據能不能線性分布。如果數據不能線性分布的話，就會把這些數據影射到更高的位度，這是20年前科學的研究結果。而這也是我們對于自動化機器背后的推動力，需要支持項量機數據，完成更高位度影射的工作。”

“大家在講到人工智能的時候，我想要指出有很多事情并不需要任何AI的編碼，它們只需要一些計算能力就可以完成。在過去70年有深度學習的發展，為什么會有深度學習呢?其實是由于一個競爭叫做圖像識別競賽，它是有120萬個圖像，有1千個不同的類別。在這個競賽中，大家就是要設計出一個電腦的程序，識別出越來越多不同類型的圖像。誰能識別多，誰就贏。我們可以看到2011年這個錯誤率最低是25%，2012年下降到15%。兩年之后，也就是2014年，Googlenet出現，把錯誤率下降到1.67%。2015年resNet出現了，把錯誤率下降到3.57%。如果用人來做，錯誤率是5%，計算機比人類的實力更強，它們的錯誤率更低。它們也可以完成100層次的深度學習，人們可以將深度學習應用到各個領域，并且獲得成功。但是他們還沒有完成的是，為什么深度學習可以產生這么好的效果，基本上在圖像識別領域，他們有一個機制叫做卷積層在卷積層中有一個個小的窗口，把圖像分成不同類別。在卷積層中分成了三層，還有另外三層叫做全連接層，最后會出現柔性最大值的傳輸函數。我們通過不斷調節網絡中的闡述，就可以調節最后出現的結果，這個就叫做監督式學習，會給神經網絡或者計算機網絡提供一個培訓的項目，并且能夠讓他們自主的進行學習，產出一個好的結果。”

“可能大家有點擔心的一件事情，之前有些人說，深度學習的機制是騙人的。你可能把這個圖像編輯成貓，或者改了幾個象素，那么深度學習程序就會把貓的形象轉變成了一個汽車的形象。就是相當于一種虛偽欺騙性的深度學習，我們不希望深度學習成為這樣一種機制。而我們發現這種欺騙性的深度學習不是一個大的問題，因為我們發現在更改象素的時候，象素不再和相鄰象素相關聯。在深度學習的程序中，可以告訴你到底哪些象素是互相關聯的，是起作用的，然后你可以防止這個象素的變更導致圖像最后的變更。有些人對人工智能非常有興趣，他們做了一些研究。他們每隔10秒就在十字路口拍一張照片，探測出人先通過還是車先通過。他們把這些圖片都連接起來放到向量機中，把合成的照片都放到向量機中，產生一個矩陣。如果說矩陣是L+S的話，就會判斷出在這個十字路口接下來會發生什么事情。這個和AI沒有什么關系，只是拍了一張照片進行研究，但這些都是從計算能力演變過來的。對于計算不僅僅是一個基本的計算，而同樣也融入到生物學，對于生物學有很大的發展。”

“我先給大家說一下對于AI的想法，我一般問的問題，AI是真實的嗎。就目前來看的話，人工智能實際上是一個更高領域的模式識別。實際上AI的項目現在還沒有辦法萃取一個事物的精華，知道它的功能，AI現在并沒有辦法了解這些。它知道一個自行車長什么樣子，可能在未來40年的革命之后，它就能夠幫助我們了解一些事物的特性。AI的變革，在20年前有一個知識向量機，現在基本上在每一個商業領域都廣泛的應用。另外一些發展，就是一些巨大的及能力，大量的數據，還有溝通能力。之后在2011年，也就是六年前，深度學習出現了。大概在三年之前，我們可以做一個無監督的學習。當然每年都會有更多的突破，有人說感覺所有的公司都在往AI方向發展，但我覺得并不是這樣。因為有可能在工業革命的過程當中，每一個公司都想往制造、交付上來做。”

牛津大學歷史學博士、《未來簡史》作者尤瓦爾?赫拉利（Yuval Harari）以“人工智能與人工意識“為主題深度解析了人類意識與智能的交織關系與發展趨勢。

人工智能和人工意識，在很偉大的革命變革邊緣。這不僅僅是在歷史上，實際上也是從地球有生命開始最偉大的一個革命。大約40億年前，人類歷史發生了根本性的變革，所有的一切都是自然的選擇而最終導致的結果，所有的生命也都是有機化學的結果。然而，根據現在的革命，特別是AI以及生物科學的革命，在未來幾十年，我們會改變這樣人類革命的基本原則。我們的生命會由智能設計而控制，從一個有限的有機變成無限的無機體。這樣一個革命對人類就業市場產生快速的影響。隨著AI的發展，很多人可能會失去工作。也沒有人知道未來的就業市場會是什么樣子。因為對于世界，以及2040年，2025年的世界，最大的不變就是變化。”

AI也會在情感智能上比人類更杰出，人類的最后一道防線就是這個機器人或者計算機會擁有情感智能。比如醫生這個職業，計算機會比人類的醫生在醫療診斷方面更好。但是有些人說我們還是需要人類醫生，因為醫生有情感智能，可以很好地照顧病人。對待一個病人，就是要對待病人的情緒，不僅僅是他的身體情況，還有心理情況。但就算是診斷心理上的疾病，人工智能也可能比人類的醫生更加的好。人工智能會比人類的醫生在未來的語音識別、臉部識別上做得更好，可以更好監督病人外部的一些表征，身體的一些動作，臉上的表情。人工智能可以比人類醫生做更多，甚至是可以實時監控人類身體內部的一些情況。但有一件事情，人工智能是不能夠和人類媲美的。這件事情在不久的將來也是會不斷保持這樣一個狀態，人工智能在這方面不能戰勝人類，那就是我們的意識。意識，在另一個層面來說是感知外部世界的能力。所有的哺乳動物都是通過情感，通過意識、感受來解決問題，而過去人工智能還沒有發掘出意識，它們只是不斷的發展智能。它們在意識上的發展是零，也就是人類使用意識和情感感受來解決的問題，是人工智能不能達到的。

“可以總結一下，在過去150年的生物化學研究中，從達爾文開始，他們只是用了三個字來總結，生物體就是算法，這是一個最大的理論結果，進化論的精髓。生物體，比如說人類、哺乳動物，都是算法。他們是機器，處理數據的機器，做出決定。這個機器，我們的感受，我們的感官是這個大算法中的一部分。還有兩個我們所不知道的問題，在這個理論中存在一些漏洞。我覺得科學的想法是對于宗教相悖的，因為宗教想要無所不知。科學對于無知無所畏，如果說有一些東西不知道，科學家說無所畏，我們做出一些研究得到答案。在講到意識和認知時，有一些很重要的。首先，我們并不知道大腦是如何產生認知或者是意識的。我們可以找到其中的相關性，可以看顯微鏡或者掃描，看其中的聯系。其次，我們不知道它到底是怎么發生的，也就是意識的問題，以及為什么需要主觀的感覺。諷刺的是，我們能夠更好的了解大腦，為什么我們需要對認知有更好的理解就變得更疑惑。因為很多年之前，當我們對大腦一無所知時，認知就可以很容易做相應的解釋。為什么它從獅子那邊逃跑，因為它害怕。為什么它想要吃蘋果，因為它渴望這個蘋果。現在我們能夠做更好的解釋，并且能夠明白神經元發出信號的過程以及處理。我們看到一個獅子，大腦中的一個神經元發出信號，到另外一個神經元，最后再發出神經元到腿部，讓我們開始逃跑。我們對認知做的研究有更多的問題。為什么需要它？然而為什么又不要神經元，僅僅互相刺激就可以了？如果沒有這樣的現象，沒有主觀的感知，可能神經元就無法發出信號。它發出這個信號，是不是因為它害怕的感覺呢。還是因為我們心理的感知，還是來自其它的經驗，我們在這方面一無所知。

“特別重要的是要了解認知或者意識，特別是在2017年。因為這其中所蘊藏的，AI的巨大能力會帶來變革。我們的認知，對于快樂最大的反應是希望渴望更多。不管能夠達成什么結果，或者能夠擁有什么權力。如果我們沒有辦法了解或者改變，也就是認知的更深層次結構，那沒有什么是讓我們最終滿足的。這其中所存在的危險性，我們對于這樣的創造和建造有更多的權力，但卻會成為非常不容易滿足，且不負責任的一群人。”

人工智能的發展已經開啟了革命之門，也帶我們走進了一個全新的世界。“未來以來”，你準備好了嗎？