由第一财经联合主办的人工智能主题论坛上，创新工场董事长兼CEO李开复、第一财经CEO周健工、香港科技大学计算机系主任杨强教授以及第四范式首席执行官戴文渊从投资人、资深媒体人、学者以及企业代表的角度揭开最真实的人工智能现状。
黄金时代?
从微软、谷歌到创新工场，这些年看了太多创业项目的李开复最为“执念”的似乎还是人工智能。
来自李开复的感叹是，他已经在人工智能领域经过了好几个貌似的黄金时代，然后又进入了黑暗时代。但1980年就开始了自己第一次人工智能的科研项目的李开复如今坚持现在是人工智能的黄金时代。
对于大多数普通人而言，人工智能是被AlphaGo与李世石的五番围棋大战推向舆论的风口浪尖。
于是，一时间被各种电影充分演绎过的人工智能“未来”场景成为讨论的焦点，人工智能威胁论甚嚣尘上。
但在李开复看来，作为一个负责任的人工智能科学家，不应该探讨没有科学证明揣测的未来现象。虽然现在还不能证明上述场景在遥远的未来绝对不能发生，但它绝对不是我们今天需要关注的现象。“因为人工智能有很多内容，但人工智能绝对没有自我意识、没有情感，也没有欲望。”
对于当下的人工智能热，李开复关心的是在人工智能还没有“统治”人类的时候，人工智能就是奴隶和工具，应该讨论的是怎么样好好利用这个工具为人类创造更多的价值，让更多人免于饥饿，让我们有更好的生产力，“让人生活得更快乐，让我们追求真正有价值的工作，而那些重复性的工作应该让人工智能取代。”
因此，人工智能商业价值的体现也意味着一些从事重复性劳动的人可能会失去工作。毕竟在一些领域，人工智能是一个远超人类的存在，因为人工智能就是不会累、不会休息，可以一天24小时、一周7天进行工作，这是正常人类无法做到的。
随之而来的问题是，到底有多少领域会被来势汹汹的人工智能颠覆?
李开复认为，人工智能最有价值投资的是大数据领域，应用最快的是互联网领域，而能在3年或5年后会产生巨大价值的是金融领域。不论是结构化数据还是非结构化的数据，人工智能可以将多领域的数据进行结合，继而应用到金融领域投资、保险、银行等细分领域之中。
不过，作为资深媒体人，第一财经CEO周健工已经清晰地感受到人工智能技术对媒体的冲击与重构。
“可以看到信息技术发展的历史，它的每一次长足的进步，首先影响和颠覆的都是跟媒体有关的行业。”在周健工看来，最近这几年整个媒体行业产生了很大的改变和颠覆，各种各样的人工智能技术对媒体的影响特别多，尤其是机器学习让机器会变得越来越聪明，它会重新定义知识，如果媒体不考虑这些问题，不理解、不掌握这样的技术，就永远处在被动挨打的状态。
初级阶段
尽管AlphaGo成功普及了人工智能的价值，但是对于在这一领域从事多年研究工作的学者们而言，目前的人工智能还很初级。
在戴文渊看来，如今大众对人工智能的认识可能更多还是来自于科幻电影。不过，科幻电影描述的这个人工智能叫做“通用人工智能”，就是说有一个真的像人类大脑一样的“大脑”，什么都能干。而今天的人工智能其实不是这样的，今天的人工智能需要人类告诉“他”要解决什么问题。
“今天是要下19×19的围棋这样的问题，人工智能就能够成一个19×19围棋的高手，但今天如果说让AlphaGo去下17×17的围棋可能还下不过我，所以它只能干这个事情，你让它去干和定义的不一样的事情它是干不了的。”戴文渊认为，人工智能的特殊性决定了它是一个大数据的问题，这意味着一个很简单的方法在大数据场合下可能都是比较困难的方法。尽管过去的十年诞生了很多分布式计算的解决方案，至少目前看到的大多数解决方案都不能解决机器学习的问题。
不过，在戴文渊看来市场教育使得人工智能的边界越发清晰，而互联网解决了大数据的问题，目前顶尖的数据科学家设计各种各样的算法来更适合人工智能的分布式计算框架，既分工又有协作，在外部反馈方面也研发了自学习系统，一边犯错一边自我调整自我修正。
而人工智能协会首位华人会员、第四范式首席科学家、香港科技大学计算机系主任杨强的观点是现在的人工智能只是一个很初级的人工智能，因为它利用大数据的存在来补足算法的不足，所以现在如果数据足够大的话，很多算法上的补丁都不用去打了。但当数据变小的时候，这些漏洞和补丁就显得尤为重要，不补就很有可能失败。“在人工智能的研究上如何在小数据的情况下也能让人工智能用起来，这是技术研究人员责无旁贷的，我也相信我们一定能研究出来，我们研究的迁移学习也是其中之一。”
值得一提的是，机器学习在日常生活的应用中比比皆是，然而看似离生活很近的人工智能实则与我们颇有距离感。如何将人工智能的门槛降低，让更多的人应用人工智能，这目前对科学家们而言依然是个难题。
杨强的观点是对于人工智能的普及需要足够的耐心，目前可能只是在程序员领域和平台领域推广，而真的到傻瓜机的程度又需要等上个3到5年。
尽管人工智能技术目前对于普罗大众还有着一定的距离，但是李开复已经给出了创新工场投资这一领域的标准，而这里面最为刚需的是要有闭环、垄断性的数据，拥有很多深度学习的科学家和架构师，在此基础上还要有商业计划和变现计划。
