笑談中國 AI 發展態勢，張鈸、李德毅、張正友、肖京同臺共議「AI 五問」| CCAI 2019

9 月 21 日至 22 日，為期兩天的 CCAI 2019 在秋意濃濃的中國青島膠州隆重舉行。會議在接近尾聲之際，迎來了本次大會的壓軸論壇：「如何認識我國當前人工智慧發展態勢」。本場論壇由王雪純擔任主持，嘉賓陣容包括張鈸、李德毅兩位院士以及騰訊 AI Lab 主任張正友和平安集團首席科學家肖京。

這場跨越 30 後、40 後、60 後、70 後的對話，是 CCAI 2019 唯一的大會論壇，也是本次會議萬眾矚目的環節，各位嘉賓之間究竟產生了怎樣的思想碰撞和化學反應呢？我們下面來看。

在論壇正式開始前，王雪純就滿面笑容地用一口大家都非常熟悉的「播音腔」以及活潑俏皮的口吻為本場論壇定下了輕鬆、隨和的基調：「大家好，我是雪純，在這裡我先給大家鞠個躬。今天特別榮幸能夠有機會和四位國內人工智慧研究和開發領域的頂級專家同臺而坐。因為四位專家彼此之間都有非常多的瞭解，臺下的各位聽眾也對他們非常熟悉，我作為一個外行，在這裡就不再對他們的成就和背景多做介紹了。我今天來做這場壓軸論壇的主持人，就是想先做個鋪墊，讓各位嘉賓展開一場很輕鬆的對話。」

笑臉盈盈的王雪純

隨後，她步入正題，為各位嘉賓提出了開場問題：「今天我向臺下各位聽眾瞭解了一下，他們很多人都說非常期待這場論壇，非常想聽到臺上的四位嘉賓之間的思想碰撞。那你們認為他們想聽到大概會是怎樣的碰撞呢？大家可以隨意聊天。」

張鈸院士：我認為一個話題是大家對於人工智慧當下發展現狀的看法；另一個話題是我們國家現在的人工智慧發展到了什麼水平。（笑嘻嘻看向李德毅院士）我認為這兩個問題首先應該由我們人工智慧學會的理事長來回答。

咧嘴笑的張鈸院士

李德毅院士：（哈哈大笑）我本以為雪純會給我挖坑，結果張院士給我挖了個坑。

哈哈大笑的李德毅院士

張鈸院士：這是碰撞的開始。

第一問：我國人工智慧「當前」處於怎樣的發展階段？

王雪純：這場論壇是同行之間針對相關領域的一次交流，其實也是一場面向大眾的傳播。剛才張院士提到的兩個話題就是很大的話題，加上我也比較喜歡琢磨標題，我琢磨了下這場論壇的主題「如何認識我國當前人工智慧發展態勢」，注意到了「當前」這兩個關鍵字，我們都知道這兩個字其實是指一個發展階段，那各位認為「當前」大概是指一個怎樣的發展階段呢？我們先請兩位院士談談。

張鈸院士：對於這個問題，我認為大家關心的其實是中國的人工智慧水平在國際上處於怎樣的位置。我們談科技發展現狀，大體是指兩個內容， 一是科技發展水平，二是科技發展能力，二者存在相互關係。

不過人工智慧領域的發展存在特殊性，這種特殊性表現在人工智慧發展還處於初級階段，只有 50 年曆史並且在這 50 年曆史中還存在很多反覆情況，因此 從發展水平來看，各國之間的差距並不大，都在起跑線附近。所以相對而言，我們現在其實最關心的是人工智慧的發展能力，因為最終人工智慧的發展誰先誰後，並不取決於現在在哪，而取決於跑得有多快。

而科技的發展能力主要是指三個方面：一是科學發現的能力，二是技術開發的能力，三是工程實踐或者產業化的能力。其中我主要講下科學發現的能力，它其實就是創新能力尤其是原始創新能力，我認為從人工智慧的角度來看，在原始創新能力上，我們跟世界是存在差距的。以圖靈獎為例，目前獲獎者一共有 11 位，其中 10 位是美國人，1 位是加拿大人，也就是說人工智慧領域所有的原始模型演算法都是由美國人提出來的。

我們如果能夠認識到這一點是一件很好的事情，因為雖然過去我們一再強調基礎研究，但是現在對基礎研究的重視度還不夠。 如果我們想在人工智慧領域引領世界的發展，就必須非常重視並加強基礎研究。

李德毅院士：我補充一點，中國人將科學和技術統稱為科技，因此談到人工智慧的水平， 我們首先要想到智慧科學的水平，而智慧科學涉及到兩類科學，一是腦科學或神經學，二是認知科學，前者是研究人類智慧的生物學基礎，後者研究的是人類智慧的心理活動。此外，智慧還有一個重要屬性叫做智慧的社會學屬性，即人類在研究客觀世界時對大自然的瞭解和對物質能力的把握所琮琤的非常豐富的科學技術寶庫。

因此， 人類智慧的生物學基礎、人類智慧的心理活動規律和人類智慧的社會學屬性是研究人類智慧的三大要點。基於此，我個人認為現在的人工智慧確切地說還只是一項技術，因為它很少涉及到人工智慧科學。

最近有一個關於人工智慧的比較簡單的定義：人工智慧就是人類智慧的體外延伸。我認為這個定義對於老百姓來說比較好懂，並且將人工智慧的根本問題說清楚了。從這個層面來講，我認為我們國家在腦科學尤其是認知科學上的研究還很落後。因而雖然世界都還處於人工智慧的起跑線附近，但是我們的基礎研究、基礎演算法以及認知模型要落後於世界。

現在我們在經歷深度學習所帶來的人工智慧第三次浪潮，今年的三點陣圖靈獎獲得者中沒有華人，之後我們華人是否能提出能夠拿到圖靈獎的認知模型呢？我們要努力。 雖然中國在認知科學上整體落後，但是我們有一個非常大的優勢，那就是擁有很大的應用市場，並且從生物遺傳的角度上來看，我們中國人才在智力方面同樣也具有一定優勢。

王雪純：兩位院士一開場就直奔主題，並且在梳理人工智慧發展歷程的時候就將自己的很多核心觀點都表達出來了。現在我們有請另外兩位 60 後和 70 後科學家談談自己的看法。

張正友博士：剛主持人提到大家希望我們有所碰撞，雖然我和肖京博士是 60 後和 70 後，但是我們同樣也在人工智慧領域深耕了幾十年，比如我也研究人工智慧 30 多年了，所以我們跟兩位 30 後和 40 後的院士在觀點上可能會比較接近。

開心地表達自己的觀點的張正友博士

我認為中國人工智慧現在的發展可以用兩個字來概括，一個是「hot」，一個是「cool」。「hot」是指人工智慧在中國非常火熱，相關的會議也很多。這次是我第三次參加人工智慧會議，第一次是 7 月份在深圳舉辦的 CCF 全球人工智慧與機器人峰會，當時我在演講中對計算機視覺的歷史做了回顧並對今後人工智慧的發展發表了一些看法；第二次是 8 月底在上海舉辦的全球人工智慧大會，我介紹理論騰訊在人工智慧領域的佈局；這是第三場，我主要參與組織了這場會議。

我這裡說的「cool」包含兩層意思，一重意思是「酷」，指的是中國現在幾乎每家公司、每個部門都在往人工智慧上靠，在他們看來，人工智慧是一項很酷的技術；另一重含義是「冷」，也就是說我們需要對人工智慧有一個比較冷靜的判斷。現在我們各級政府都非常看重人工智慧，並且投入了很大的人力、物力，以期在人工智慧領域佔據制高點，然而我們還應該清晰地認識到目前的人工智慧距離真正的人工智慧還很遠，這一點張院士和李院士在他們的報告中都已經提過了。

因此，我認為我們應該 堅持兩條腿走路：一方面是我們還要繼續加強應用方面的探索，並且落實到人類生活的方方面面；另一方面我們更要加強對基礎研究的持續投入和穩定支援。

肖京博士：我完全認同前面三位的看法。人工智慧確實是一個非常大的研究領域，是自然科學和社會科學的交叉學科。雖然我們中國在人工智慧發展上的進步非常快，但在原創上確實還是跟歐美等一些西方國家存在比較大的差距，這一點我完全同意兩位院士的觀點。

贊同地看向其他三位嘉賓的肖京博士

由於我來自產業界，有很多應用的經歷，所以我從技術應用的角度補充下。技術應用需要軟硬體方面的各個條件：硬體方面，其中在很多基礎能力包括 CPU 等計算機裝置上，我們還是比較落後的，但是我們國家如華為、中科曙光等公司都在努力尋找可替代的方式，目前我認為也取得了比較大的進展。在軟體方面，我們現在也在嘗試發展深度學習計算，不過它除了 GPU 以外還有很多底層的軟體，這就需要長期的積澱來形成這樣的基礎，因此這一過程並不容易。所以 除了科學以外，我們在技術工程上也跟美國等西方國家存在差距。

不過從另一個角度來講 ，人工智慧其實是一個賦能的工具，它本身不構成一個獨立的產業，需要依託於其他產業去實現「三提兩降」，產生附加價值。這就需要市場大環境的支援，而中國在這方面具有很大的優勢。在應用方面，比如我所在的金融領域，中國其實還是其他國家很多金融機構的學習物件，為什麼會出現這種情況？一個很大的原因就是 現在西方很多傳統行業處於非常舒服、穩定的狀態，他們並沒有很大的動力來進行變革，而我們國家的市場競爭非常激烈，大量企業都有非常大的驅動力來變革和創新。所以，我們在這種創新的意向和心態上，是比美國等西方國家更有優勢的，並且我們也可以很好地利用這一點去推動我們在科技領域的發展。

李德毅院士：我同意我們國家在人工智慧的技術研究上比較明顯地落後於先進的已開發國家，但是我想補充的一點是，中國在人工智慧的技術研究上也有它的特色。我們可以回顧一下中國人工智慧的先輩們所做的工作， 比如說人工智慧學會名譽理事長吳文俊老先生，他的一項重大貢獻就是數學的機械化證明，而除了吳文俊之外，馬希文、華羅庚等科學家也都在幾何定理證明或者代數證明上做出了重大貢獻，另外我們的錢學森在軍事科學領域最早發起了軍事專家系統的工作，中國的人工智慧學者還曾經跟日本一起搞五代計算機。

所以我建議， 大家在認識到我們的技術研究整體上落後於西方國家的同時，也不應該忘記這些先輩們曾經做出的重大貢獻！

第二問：如何理解人工智慧現在的「變」以及該怎麼做？

王雪純：四位嘉賓在第一輪已經有了碰撞，下面可以繼續。從我自身的感覺而言，人工智慧這個話題在大家的日常生活中熱起來差不多是 2015 年前後，幾乎所有人，懂或者不懂，都在談論這個話題。到我們這屆人工智慧大會的時候，正如它的主題「智變融合」中的「變」字，我們感受到人工智慧帶來的變化越來越明顯，產生的力量越來越大。希望各位能夠從各自的領域和角度來談談你們對於這種變化趨勢的感受，以及為了應對變化，我們應該做哪些準備？

張鈸院士：這個問題提的很好。我認為人工智慧有一個非常好的特點，能夠讓中國人在其中發揮很好的作用。人工智慧的發展過程是一個階段一個階段的，不像其他學科一樣，搞清楚幾個基本原理以後，就能形成整個科學體系，之後一條路走到底。人工智慧不是這樣，因為智慧這個問題太過複雜了。

我們現在處於什麼階段呢？正如我在報告中提到的，現在我們已經走過了第一代人工智慧的發展階段，到了第二代人工智慧發展階段，而現在大家都能夠明顯看到人工智慧遇到了很多瓶頸，比如說可解釋性、安全性和魯棒性等問題， 在這個階段，大家其實差不多又在同一起跑線上。所以現在，中國完全有可能在基礎研究上有所突破，從而帶動科技的發展。我認為中國完全有可能在人工智慧當下的發展階段中，做出重大貢獻。

王雪純：張院士一直在強調的一個觀點是人工智慧永遠在路上，而現在則是一個新的起點。

張鈸院士：對，因為永遠在路上，所以我們永遠都能跟著它一塊走，並且如果現在跑得快一點，就能跑到前面去。

李德毅院士：「智變融合」這個詞用得非常好，其中的「變」是指變革、轉型升級，「智」是指多樣化。

我在開幕式裡講了 人工智慧是經濟發展的領頭雁、社會發展的加速器，而沒有講它是 經濟發展的新引擎。因為新引擎是指那種像原子 彈這樣能量巨大的新事物，而人工智慧的力量跟原子 彈相比還是比較微弱的，就其本身的能量而言，智慧參與的部分不會很多，並且不會超過化工、冶金、鋼鐵和運輸等。

因此，當我聽到各個省市討論智慧產值時，多少有點尷尬。並且有很多企業在產值報表中，將網際網路、積體電路等的產值說成是智慧產值，但智慧在其中起到的作用真的有這麼大嗎？所以 我們更要看到的是智慧的多樣化、AI+ 的作用以及看清當前人工智慧的特色到底是怎樣的。

張正友博士：我沒有仔細去想「智變」，我在思考的問題還是可以回到剛才提到「hot」和「cool」的上去。

人工智慧之所以變得這麼熱，確實是因為人工智慧在很多應用中體現出了價值，有足夠多的資料，人工智慧就能很好地理解場景，幫助提高效率，並最終改善人民生活。但是另一方面，大家也能夠明顯感覺到現在投資界對於人工智慧領域逐漸轉「涼」了些， 我認為這其實是比較正面的，因為可以讓我們冷靜地思考到底應該如何研究人工智慧。那如何研究？

我的觀點是：深耕細作。也就是說，我們要真正理解各個行業的各個痛點，這樣人工智慧才會迎來更大的突破。就像昨天張院士在演講中提到的人工智慧輔助診斷，這是個很好的案例，我認為應用人工智慧技術能夠診斷工作做得非常細緻，我們可以嘗試在各個層次的醫院推廣，看看到底對醫生有多少幫助。

再舉個醫療領域的例子，比如門診掛號，它對於病人而言是個非常耗時耗力的難題，但是如果我們能夠真正理解為什麼掛號這麼難的話，我們就可以利用人工智慧來技術來完善各個流程，比如病人在看病前將自己以前的病歷用智慧攝像頭拍下來，攝像頭就能夠智慧分析出有可能得了什麼病，並自動推薦病人去掛哪個門診。

中國的人口體量非常大，如果人工智慧技術在應用方面稍微取得一點進展，都能夠對人民的整體生活帶來很大的幫助，所以 一方面我們應該繼續推動人工智慧向前發展，不能因為它現在稍微有點「涼」就停止；另一方面，我們應該到具體場景中去找到並解決痛點和難點，才能夠讓人工智慧發展到更高的高度。

肖京博士：我完全同意前面幾個前輩的說法，「變」太重要了。歐美的人工智慧應用為什麼不如中國，很大的原因就在於它們的社會太規範了，很多傳統行業、龍頭企業都很大，它們保持安逸的狀態就行了。

例如我們四五月份到加拿大和美國業務交流的時候，我們向他們諮詢如何保持續保。他們的回答是：什麼都不用做就能保持 95% 以上的續保率。並且他們還告訴我們，曾經也嘗試使用網際網路技術去提醒客戶續保，結果續保率不增反降，這是因為這種做法反而提醒了這些客戶，原來還有其他產品能夠替代續保產品。但是我們就完全不一樣，如果不提醒客戶，平均續保率只有 40%，會流失掉一半客戶。所以在這樣的環境中，我們需要做更多智慧化的高質量服務，提高效率和效果來增強業務的競爭力 ，這也在無形之中驅動中國企業不斷地嘗試創新和變革，反而為我們帶來了機遇。

同時，我非常同意正友剛才說的深耕細作。因為人工智慧的應用，涉及到對原有生產的改造，要求我們必須深耕細作才能對原來產業進行好的改造。並且在大企業中，往往只有得到「一把手」的支援，人工智慧應用才能做好，所以我們必須要清楚地知道痛點在哪，才能定目標、做規劃。

我認為人工智慧在這種「變」的環境下，如果有比較好的頂層設計和戰略規劃，我們中國是能夠做得非常好的。

第三問：人工智慧應用領域目前面臨哪些痛點？

王雪純：剛才張博士提到一個關鍵詞詞——「痛點」，就像張院士也提到的，基礎研究領域同樣也有痛點和侷限性，只有非常理性、負責任的科學家和企業，才會真的理解這個痛點，從而從痛點入手去找到一個新的起點。另外我也想請各位嘉賓從應用的角度，比如說智慧交通、智慧金融、智慧製造等方面，談談目前所面臨的痛點，以及最能夠為大眾所感知的痛點在哪。

張鈸院士：比如自動駕駛，現在為什麼在動態複雜的環境下還沒法用？從基礎研究的角度來看就是人工智慧現在還不能實現隨機應變、舉一反三。我認為這個基本問題如果無法得到解決的話，自動駕駛汽車根本就沒法兒到複雜路況上開。當然，我們可以考慮另外的思路，比如說直接改變道路，將複雜的路況變成單行道或者結構化的路。

如果你將所有的希望都壓在自動駕駛車上，那我們就只能到人工智慧技術層面去尋找突破，然而我認為這種突破是非常難的，需要相當長的時間。所以我之前也跟李院士討論，我的看法是自動駕駛不能將所有的壓力都施加在車上，而應該考慮在道路上解決問題，這樣的話，人工智慧所承受的壓力就小了，甚至當道路都變成結構化的道路或專用道時，目前自動駕駛遇到的問題都不需要解決了。所以我一直在強調， 人工智慧確實存在很多基礎性問題，但是我們在解決實際問題的時候，我們可以從另外的角度出發去思考解決問題的方法。

（轉向李德毅院士，笑著說）你如果覺得不對的話，可以反駁我。

李德毅院士：我從另外一個角度講下這個痛點。現在各個省、直轄市都在談落地產品、落地場景，那什麼叫落地場景呢？

我從另外一個觀點講這個痛點，因為各個省、直轄市都在講落地產品、落地場景。 什麼叫落地場景呢？其實就是指最需要改革的痛點。比如說要將無人駕駛技術應用到港口地區，痛點是什麼？是司機的成本。

我們之前到礦山區調研，礦山老闆對我們說得很直接：如果你不能降低我的成本，你就靠邊站，我並不 care 技術是自動化還是智慧化，我要的就是降低成本，你們不是說無人礦嗎？機器能夠一天 24 小時給我挖煤、運礦嗎？如果不能降低我的成本，我要無人車幹嘛？在這個場景中，無人車只能承擔運輸的任務而不能解決兩頭的有效作業，所以無人車並不能解決這個場景中的痛點。

而找到痛點後，我們還需要將人工智慧技術融入到現有系統中。比如說張院士做的醫療系統，很好，但是一定得跟現有的醫生看病系統相容，如果不能相容，就需要將醫院的現有系統打破才能使用，這樣的話，醫療是下不了這麼大決心的。所以，人工智慧技術只有能夠相容到現有系統中，才能夠有持續發展的可能。

所以我認為， 人工智慧在場景落地中，第一步要切中場景的痛點，這是最難的點；第二步是要能夠融入到現有的系統中；在前面兩步都實現後，第三步就可以進行大面積的技術推廣了。

而在大面積的技術推廣中，我們不能說得太過，比如說將應用了無人駕駛技術的港口稱作「無人港」，這是不準確的，因為實際上只是將幾千人的港口變成幾百或幾十人的港口，人是不可缺少的。所以 大家在技術宣傳上要注意的一點是，人工智慧技術的應用只是說能夠實現少數人和多數機器系統的協同，而不是讓機器完全取代人類。

張正友博士：剛才主持人講到智慧製造，我在這裡可以稍微講一下，因為我之前參觀了一些工廠，瞭解過企業智慧製造的痛點在哪裡。

現在智慧製造的大部分工廠都已經實現自動化了，並且自動化程度都相當高，目前剩下還未自動化的，一個就是要求非常精細的裝配部分，目前還需要人工進行裝配；另一個就是質量檢測，需要人工將螢幕等產品翻起來從不同角度進行檢測，涉及到非常精巧的操作。如果人工智慧能夠對些更加精細的工作有所幫助，可以大大提高整個智慧製造的效率。

我現在在騰訊負責的機器人實驗室，就在研究如何提高機械手的觸覺能力，一旦機械手的這種能力得到提高，很多此類相關問題就能迎刃而解了，不過目前雖然這些問題還解決不了，但是我們知道最主要的痛點，依舊可以往前推進智慧製造。

另外我想講一下研究和應用之間的關係。 現在很多做研究的人往往對應用嗤之以鼻，覺得應用是太工程化的東西，不願意花精力去了解，所以很多研究者往往都跟在別人的後面，去刷榜費心費力提高百分之零點幾的效能等等，其實並沒有多少原創，也沒有花精力去理解這個問題。

實際上，去找到某個場景的痛點，然後將它抽象到一定高度，並找到解決這個問題的方法，這就是原創的東西，而且這種解決方案是可以泛化到其他領域。因此，研究者一定要逐漸培養這種心態。這就是我為什麼非常強呼叫場景來驅動研究，因為場景能夠幫助研究者找到一些真正的技術難點，一旦能夠解決這些難點，就能夠舉一反三。

肖京博士：我非常同意剛才李院士說的，人工智慧在落地到某個場景前，要先把場景的痛點了解清楚，並仔細梳理整個流程，如果一開始就說這個東西完全是自動化的，實際上大部分任務都完不成，所以分辨出哪些任務由機器協助完成、哪些任務由人來做，才能提升整體的效率和質量。

然而為了解決某個痛點，實際上會導致人工智慧技術的應用進展很慢、成本也非常高。 另外，我們國家在人工智慧的很多場景應用的管理規劃和標準上都比較缺乏，雖然國家現在在逐漸建立，還目前還是比較少，這就會帶來很多問題。比如說前段時間的網際網路金融問題，雖然監管部門也想管好，但是無能為力。

在未來的人工智慧應用市場，會出現很多這種良莠不齊的現象，所以國家現在需要大力加強規範和標準的建立。除此之外，現在在資料方面，同樣由於缺乏規範，導致資料的使用混亂，風險也很大，那 如何在對資料進行約束同時又不會限制對資料需求量巨大的人工智慧的發展呢? 這同樣也是現在亟待解決的一個兩難的問題。

王雪純：所以說現在為什麼科學家和企業家們總是心事重重，原來是因為他們老是在找痛點，但也正是因為這樣，我們對人工智慧的未來發展才更加有希望。

本場論壇設定的時間為一個小時，所以在聊了以上三個話題後，王雪純提議，將後面剩餘的一點時間留給臺下的聽眾提問。我們來看現場的聽眾們又提了哪些問題。

第四問：人工智慧發展到什麼程度才是產業切入的最佳時機？

聽眾提問：李院士昨天在報告中提到智慧駕駛需要分級，今天又提到人工智慧需要腦科學和認知科學的融合。我來自產業界，非常想了解未來人工智慧發展的確定性，關於人工智慧何時能夠達到比較成熟的階段，有的人說 30 年，有的人說 50 年，這讓我很悲觀，所以我想問一下，人工智慧技術以及腦科學、認知科學發展到什麼程度，才是產業切入的最佳時機，而不是像此前的物聯網一樣，發展了這麼多年卻依舊不成熟？

李德毅院士：我覺得有一句話很重要： 自主學習也要服從常識。開車的同志們都知道，每個司機都有個性，踩剎車的時候可能猛一點，也可能比較有禮貌慢一點。所以自動駕駛並不僅僅實現自主學習就足夠，還需要有常識，也就是通用常識和規則，這也就意味著，我們如果單純依靠深度學習，可能並不那麼靠譜，還需要規則推理、知識圖譜這些方法來幫助。

那無人駕駛到底什麼時候能走入我們老百姓的日常生活呢？我認為 乘用車要晚一點，商用車、特種車可能要早一點。

比如說在煤礦區等場景中，人的工作非常無趣、單調和重複，條件也非常惡劣，無人駕駛可能會在這樣的場景裡先應用。而且如果在技術上實在做不到完全自動化，我們讓幾個人去幹預一下也是可以的。就像我們剛才講的， 不要過分強調完全自動化，這樣的話自動駕駛這條路是完全可行的。

第五問：傳統能源行業該如何靠近人工智慧技術？

聽眾提問：我是一名石油工程專業的學生，剛剛接觸人工智慧也沒有很久，我就結合我之前的學習和這兩天的聽會報告，問一下我的疑惑，現在人工智慧語音識別、影像處理、無人駕駛等方面都已經取得了長足的進步，這些都是民生方面的問題，那傳統能源行業應該如何更加靠近人工智慧技術，或者說如何更有效率地將人工智慧技術引入呢？

肖京博士： 人工智慧技術現在在一些傳統能源行業已經有一些應用，比如說如何最佳化排程、最佳化配置、節能減排等等。

所以說到底，能源行業跟其他行業一樣，在人工智慧技術的應用上是一個意願問題。只要企業願意應用人工智慧技術，像剛才李院士所說的，把痛點找出來，將流程細化，做必要的改變，分出一部分任務給機器來做，是一定能夠比現有系統做得更好的，即實現所謂的三提兩降：提效率、提效果、提體驗，降風險、降成本。這一點其實有非常標準的套路，關鍵就看你所在的企業要不要選擇這個路徑。