樊登：我为什么会提到这个，是因为我们看过彼得·蒂尔写的那本书，叫《从0到1》。在那本书里边彼得·蒂尔还说机器未来一定是跟人结合，因为机器没法识别东西，机器识别东西比人慢得多。这才过了几年，你会发现机器识别比人要快得多了，已经应用到各个地方了。
第二个需求就是海量的数据。我举一个例子，有一个我们投资的公司是做贷款判断的，就是刚才说的要不要借钱给这个人，我们当然知道，最重要的因素一定是他挣多少钱、有没有工作、有没有买房、有没有租房、信用如何、有没有犯罪记录等等，这些当然是最重要的。如果是人，可能也就只看这10个因素就决定借不借钱给他了。但是这套机器可以看3000个因素，3000个所谓的特征，其中包括了今天是几月几号，今天是礼拜几，这个都有关的。比如说到了周末借钱去狂欢的，如果是小额贷款，那就可能周末要谨慎一点，或者是月底快发工资的，那借给他他可能就会还钱，因为工资一发就可以还了，但是如果刚发工资他就要贷款了，那可能就不知道这个人会不会还了。甚至他下载了什么APP在手机上也可以作为参考，因为这都会上传的，如果他下载了一大堆游戏，甚至如果有任何非法的游戏，那马上就是一个红灯。甚至你可能都不能想象，手机还剩多少电都相关。
李开复：人多当然是它的最重要的一个起点，但是实际上中国在接受数字化的过程中，至少在互联网领域要比美国快得很多。比如说我们外卖的数据是美国的十几倍，我们的电子支付是美国的50倍。这些数据都会回过来变成能源，能够帮助阿里、腾讯发展更多的业务，更了解他们的用户。
李开复：相对不靠谱一点点。但是这个差别不是巨大的，不是说一个是满分，一个是零分，可能一个是61分，一个是60.5分。
李开复：我觉得这事不能说是不可能发生，但是现在看来没有。确实有一批人说奇点要来了，奇点来了，机器就什么都接管了，我们就不做事了。我是反对这种说法的，虽然我们可以每天看到新的AI应用出现，但是它们都还是基于同一个技术——深度学习和相关的机器学习。所以我们看过去70年AI的发展，我们其实只看到一个突破，就是深度学习。你看到AI可以识别肿瘤了，或者突然机器人可以在街上跳来跳去了，或者突然发现AI可以做很好的贷款了，听起来是一个一个科技的突破，但是其实并不是，它是一个深度学习的突破应用在多个领域。
李开复：让我们有足够的时间创造出新的工作了。这一次我们相信未来十五到二十五年会有一半的人没有工作，因为现在社会上大部分的人还是认为工作是最重要的，是生活的核心，这个看法我是反对的，但是确实大部分人这么认为。所以一旦没有了工作，可能就会有抑郁、沉迷游戏等等的问题。所以我觉得这一次我们可能要比过去的革命更关注怎么样能够快速地重新训练、创造足够的岗位，然后做一次人类有史以来最大量的工作迁移。
李开复：放射科医生他看片的部分，机器应该是在未来的十五到二十年会超越的，而且可能远远超越他们的精确度。因为看片这件事情是一个电脑视觉、机器人视觉，我们可以看到，现在人脸识别技术已经远远超过人类了，这个可以得知的是，它可以识别三百万张脸，人你能识别三百万张脸吗？肯定不能，你认识一两千个人就不错了。所以人脸识别跟癌症肿瘤识别是类似的问题，我只要有足够多的训练数据，那我们人脸识别技术是怎么超过人类的，肿瘤识别技术就会怎么超过放射科医师。当然，放射科医师学了很多知识，比如说对于癌症的病史等等这些还是有用的，但是看片这件事情，可能放射科医生一半以上的时间以后都会被AI取代。
李开复：但还是要挑。我们一杯水可以半空或半满，对不对？对一个很厉害的广告人来说，我现在有一个机器帮我生了东西，然后我从里面挑，过去我可能要绞尽脑汁花三天时间才找出广告语，现在我只要三个小时了，那只要你的客户还是愿意付一样的钱，那你赚的钱就突然多了八倍了，所以也难说。不过还有最后一个职业真的是很难被取代的，就是有温度的、有关怀的服务业。因为AI是没有温度的，我们用这么一个冷冰冰的机器，它来做我们的老人陪伴、做护士、做医生、做老师，都是绝对不可以的。因为第一个，做不了，它连跨领域常识都没有，那怎么会有自我意识跟情感？怎么会招人喜欢？怎么会得到人的尊敬、认可？它如果达不到这一点，我们就会继续用人来做这方面的服务，而且用户会要求一定要人来做。而且我们一大堆工作被机器取代了，我们其实会发现人与人之间还是需要接触的。
李开复：我们提供马戏团机器人，能挣多少钱？要说机器人，那肯定是要能够卖给一个有钱的、能靠这个机器人赚钱或省钱的公司，一定是比如说在工厂或者商场才可以使用。而且机器人为什么要像人？我们过于自恋了，认为它就要两个手两个脚，需要吗？有两个轮子不会走得更好吗？所以我觉得我们还是要回归商业的本质，就是说一个炒菜机器人，肯定长得像个锅，一个洗碗机器人肯定长得像个洗碗机，一个工业的机器人肯定长得像个机器，它们不会长得像人的。而且我们在这个世界上弄一大堆长得像人的机器人跟你握握手，然后在路上走来走去的，不是挺不自然、挺恐怖的吗？而且它们最终也根本做不像人，我们人也不会把它们当作人，只会是一个在网上传得很广的短视频。
或者是说我们用来做银行贷款，那些还钱的人，他们的“画像”是什么样的——就是说他们背后的使用习惯、银行存款等等信息，我们会尽量多借给那些人——他们的“画像”更像过去借钱还钱的人，而不是像那些借了钱然后不还的人。所以深度学习就变成了一个决策机器，就是你可以把各种东西，把围棋棋谱输进去，它就会下围棋了。所以当我们人类有这么一个魔术的黑盒之后，当然它的调整还是需要很多专家，但是这个黑盒就可以用在各种领域。
李开复：可以有上几千维度的数据，而且有些维度的数据可能都超越你的想象。比如说淘宝也是用这个技术，猜你想买什么东西，然后把它当广告放你面前。各位观众可能都上淘宝，五年前你们上淘宝，那些广告可能不靠谱，谁要买这个东西，怎么会发给我这个广告？最近会发现它的广告越来越靠谱了，那就是因为它了解了你和像你的人，知道了像你这样的人在这样的一个时候可能买什么东西，就多推给你。最后它的整个训练的目标函数是什么？目标函数就是它优化的东西。如果是淘宝的话，它就要优化、调整所有的参数让所有来的顾客花最多的钱，所以就很自然地会推那些你会买的东西，让你花最多的钱。比如说银行放贷，它要想做的就是最少的钱最后成为坏账，所以它这个一训练就直接达到了公司的商业目的。
李开复：对，而且你想，在街上有各种不能想象的事情：一个小朋友突然跳出来，撞到了怎么办？还有比如说北京有些胡同那么窄，当然它窄不是问题，但是对面碰到一个车，你怎么彼此倒出去？这种都还是挑战。因为就像现在大部分的车是人开的，一个机器的车突然进来，就需要机器去符合人的方法，这个是很头疼的，因为人开车开得并不好。
樊登：因为特斯拉的确也出过几次生命安全的事，后来我到谷歌去的时候，谷歌的人就说他们那个不对，我说为什么，他说特斯拉追求的是99%安全，我们追求的是100%安全，99%安全其实最不安全，他说99%安全比50%安全还更不安全。各位能听懂吗？就是99%安全的情况下，这个人就懈怠了，就无所谓，看着手机开车，最后撞上去了。它只要有1%的不安全就不行，你要是50%，你还可以拿着手扶着方向盘，还会看。所以未来您是更看好100%这种方向的纯安全吗？
李开复：可以。但是我们爱我们的宠物，不会想要机器人去训练它。而且我们需要狗以后跟人相处，不是要它跟机器人相处，而且狗就像我们家庭的一份子一样，所以驯狗师就像老师一样，即便机器人能做到他70%的功能，我们作为这个狗的主人，不会想把它交给机器去训练。
李开复：应该是包含关系。但是这里面最大的突破就是深度学习，所以大家都用这个当作案例。你就可以想象一个特别巨大的excel表，你输入一些东西、按一个按钮，结果就出来了。比如说excel，现在我们可能每一个季度的收入、税收、盈利，按一个钮就知道这个月挣了多少钱。但是深度学习伟大的地方就是，它里面没有人去写代码了。excel计算出结果，还是要靠人写代码。那深度学习，我们就把它当作一个大黑盒子——其实是一个神经网络，它在看到很多案例以后，就会学着去做决策。比如说我给它看很多人的脸，这个脸是张三、这是李四，它就会判断这是张三、这是李四、这个我不认识，或者我给它看很多美图修过的脸，然后那些修过的、大家认可的脸，它就说好，以后我就把人家都变得这么美，如果是那些不认可、被删除的，它就会说，那我就不要做这个。
樊登：不过在人类历史上有一个好事，就是每一次工业革命的时候，大家都有这样的危机，说要完蛋，结果后来发现又催生出很多新的工作。但愿这一次AI的革命之后还是会催生出很多包裹着AI内核的工作。
樊登：咱们先说说最前沿的事。最近网上我看到特别多人工智能的小片段，比如说昨天有人转发一个像人一样的机器，而且做成红色的，就很像那个去了皮的人一样，在大街上走，还一边走一边看，特别像一个闲逛的人。还有一个公司做的是可以翻跟头的，自己拿着箱子噼里啪啦翻着跟头就跑掉了的一个机器人，还有可以送快递的机器人、可以炒菜的、可以跳芭蕾舞的、写中国书法的机器人。这里边哪种算是最先进的？
李开复：可以有上几千维度的数据，而且有些维度的数据可能都超越你的想象。比如说淘宝也是用这个技术，猜你想买什么东西，然后把它当广告放你面前。各位观众可能都上淘宝，五年前你们上淘宝，那些广告可能不靠谱，谁要买这个东西，怎么会发给我这个广告？最近会发现它的广告越来越靠谱了，那就是因为它了解了你和像你的人，知道了像你这样的人在这样的一个时候可能买什么东西，就多推给你。最后它的整个训练的目标函数是什么？目标函数就是它优化的东西。如果是淘宝的话，它就要优化、调整所有的参数让所有来的顾客花最多的钱，所以就很自然地会推那些你会买的东西，让你花最多的钱。比如说银行放贷，它要想做的就是最少的钱最后成为坏账，所以它这个一训练就直接达到了公司的商业目的。
第二个需求就是海量的数据。我举一个例子，有一个我们投资的公司是做贷款判断的，就是刚才说的要不要借钱给这个人，我们当然知道，最重要的因素一定是他挣多少钱、有没有工作、有没有买房、有没有租房、信用如何、有没有犯罪记录等等，这些当然是最重要的。如果是人，可能也就只看这10个因素就决定借不借钱给他了。但是这套机器可以看3000个因素，3000个所谓的特征，其中包括了今天是几月几号，今天是礼拜几，这个都有关的。比如说到了周末借钱去狂欢的，如果是小额贷款，那就可能周末要谨慎一点，或者是月底快发工资的，那借给他他可能就会还钱，因为工资一发就可以还了，但是如果刚发工资他就要贷款了，那可能就不知道这个人会不会还了。甚至他下载了什么APP在手机上也可以作为参考，因为这都会上传的，如果他下载了一大堆游戏，甚至如果有任何非法的游戏，那马上就是一个红灯。甚至你可能都不能想象，手机还剩多少电都相关。
再往下讲其他的领域。其实劳力的领域还是有很多是机器不能做的，我们刚才谈到了需要手特别灵巧的领域，比如说修理飞机或者是精密的仪器。另外还有一个很有意思的，是机器人在这种新的、没见过的、非结构化的环境很难做。比如说我很难做一个机器人打扫这个房间，这个房间是每次都不一样的，就打扫这一个房间，机器人是可以做的，但是打扫“任何的房间”其实非常困难，因为什么东西会被撞破，然后先清哪里后清哪里，还有这个屋主是特别在乎灰尘的还是特别在乎整齐的，这些事情都要考虑进去。所以我觉得还有很多非结构化的、跟手的灵巧相关的工作是可以去做的。