创客猫注：本文来源3月28日，在由中新经纬主办的第五届财经中国V论坛上，北京航空航天大学机器研究所名誉所长、教授王田苗的主题演讲，创客猫受邀作为合作媒体到场进行图文直播及报道。

在演讲中，王田苗分享了人工智能、机器人在推动社会发展的一些最本质问题。他认为，人工智能能够走得通的正确发展路径应该是，围绕着社会当下的问题，模拟人的智能去解决问题而形成的产品，而不是造一个像人一样的机器，去替代人能做的很多事情。

有幸这十年多向企业家、资本家、科学家学习参与了一些投资和孵化。我把我最近半年学习的心得和大家分享一下，主要是人工智能、机器人在推动社会发展的一些最本质问题。

我从国外回来参加了医疗机器人的研究，包括骨科、脑外科、面对未来老人康复、检测方面的创业项目的基础技术研究，并且鼓励学生接触一些资本市场，进行创业。当然还包括智能制造、软体手、水下机器人，像深之蓝也得到了一系列资本市场的支持。通过向企业家、金融家、科学家学习，我突然感觉，应该从社会发展形态和历史角度来看待一些高起高落的颠覆性技术。我仔细罗列了这几个，这几个都是将来可能会派生出新的、优秀的企业。通过我的分析让我感觉到，人工智能它不仅仅是个颠覆性的技术，也不仅仅是一个能够产生经济和社会价值的产品，它是一个伟大的时代。

我们从世界范围内来看，在2020-2025年期间，人工智能与机器人相关技术将在这个时间产生一些拐点，会产生一些技术，包括识别技术、生物特征技术、推理技术、智能材料技术等等，它可能会率先在中国进行相应的应用，在特定的应用环境下来推动产业化的应用。比如云服务，5G、柔性感知和显示，工业机器人在降到10万以下将会逐步形成无人化的工厂，自动驾驶在特定区域的商用，干细胞作为抗衰老特定部分的服务，以及绘画、情感交流和养老机器人等等。当然，还有法律方面。当看到这样的浪潮从政府、媒体，从金融到技术都在欢呼的时候，我总是在想人工智能60年，机器人的65年，它发生了什么？是什么造成了它又上又下。

人更需要机器做的是人做不了的事情

我把近代人工智能历史发展大事罗列了一下。这个时代让我们感觉，一个伟大的时代是多学科交叉的课程。当时在欧洲通过模拟，隔一个帘子，进行人和机器对话，设置若干个问题，当裁判说判断不出是机器回答还是人回答的就定义这个机器有智能。1966年美国把它命名为图灵奖，当时预测，过20年机器将完全取得人类大部分的工作和活动，这个目的使美国自然科学基金投入了大量的钱。可是过了5-8年，没有人们想象的结果，这是人工智能的第一次低谷。这个事情，本质上我在分析一个很重要的原因是，你不能造一个机器，像人一样，去替代人能做的很多事情，应该围绕着社会当下的问题，用人的智能去解决，这是两条路。

这个事情出来以后，得出两个结论，原创性的技术是靠好奇、想象和基础研究派生出来的；但是完全模拟人，形成这样的机器，这条路走不通。反过来，模拟人的智能解决当下的问题而形成产品这条路是走得通的。没有好奇就产生不了颠覆性，意思是好奇可以去研究，但没有必要人类干得好好的，为什么一定要用机器呢？人更需要（机器做）的是人做不了的事情。随后出现了五代机，当时价值相当于80亿人民币一样，它想象着完全用人的知识库和推理机解决机器学习的推理，这路最后用了7年时间，被IBM、苹果、台式机打败了，也就是说这种推理，包括Symbolics AI推理机完全替代不了当时IBM分那么样一个的结构，随后就出现了深蓝，以及2016年AlphaGo，以及Hinton深度学习。

说AlphaGo超过人，有两件事情大家想过没有，它下围棋这么好，它能下象棋吗？这说明，它是以解决具体的场景来衡量；第二，有规则，棋是有规则的，对于非规则的人工智能解决不了。

机器人也是这样，机器人始终伴随着人工智能，因为当一个事情起来以后，人们就需要把这种行为、动作、对话通过一个有形的东西去展现出来，比如Minsk当他创立人工智能时，50、60年代他自己做了一个手模拟人去抓持。包括斯坦福、微软基本经常是这样。

AI&RT的内在动力

通过这个事情，我想总结自己对历史的思考，整个发展就是由这三部分推动的：一是好奇的想象，二是社会需求的痛点，三是战争、军事的推动。AlphaGo是美国2055年要增兵给阿富汗，没有那么多部队，说我给你投钱，能不能搞个大骡子一样，背着武器在山地上行走，其实很多的技术也是这样。这里罗列出结论，原创性加速工业应用还需要原创，但好奇过度容易产生泡沫，而痛点的场景才能真正推动经济和应用的发展，这是相互的。

最后，我简要得出三个结论，一是要从社会形态来看待人工智能的发展。我们这么理解来看，人工智能当下生态基础是什么？我的第一个理解，是多形态的，发达国家、北上广的痛点需求和其他地区所需要的产品、技术是不一样的；发展中国家也不一样，欠发展中国家也不一样。如果把这个理起来，才能理解技术和产品在不同层次下的表现。比如发达地区需要什么，发展地区需要什么，从这里我们也能理解，“一带一路”在欠发展、发展和发达地区的关系。

AI&RT的内在动力，其实是同人性+产业+年龄三者交集不同，就能够聚焦到未来需要什么技术产业，当下需要什么技术产业。比如这里肯定会出现新的问题，招工难；现在出来那么多的数据我不知道谁好谁坏；精准的服务；我培养一个人很难，他会不会有私心，比如未来C2B的形式......这就是社会形态。

社会形态得出这么一件事儿，在发达地区，以客户为中心的服务生态模型+人工智能+网络化制造模式+现代服务业。发展中地区，提供人们现在必须的吃住行用的产品，保证相应的产品安全；欠发达地区，需要能源、交通、机场、房子（房产），还需要信息的基础。这样就理出来了，G2B、B2C以及C2BAT2B，未来就成了B2BAT2C2DDS/BAT2C发展。G2B是政府买单基础设施，B2C是我知道客户要什么，我就生产什么给他；北京是发达地区，就变成C，我需要什么网上搜，BAT就告诉他。现在变成B-DDS/BAT-C，什么意思呢？就是突然格力、小米、华为、美的，说为什么一定要通过BAT呢？我如果产品线比较多，可以直接服务客户，为此他们自己也开始建生态链，以数据驱动。比如人忙这工作，它会提醒我，你要体检了，最近为什么老吃面食，不吃点蔬菜？最近要下雨，你最好少出差，北京要雾霾，别忘记带口罩......这是数据系统，现在是人有什么需求，BAT数据驱动直接推动市场。

在人工智能分类过程中，基本上集中在感知的智能，就是说具体应用大数据，加上模型、芯片，大家谈个商业合作。因为客户、数据所有者、应用数据者是三个不同的群体，所以，曾经出现法律的问题。最近，剑桥毕业的小伙子创业，搞了一个剑桥分析公司，和Facebook合作，Facebook说好啊，你给我分析，他把Facebook的数据收集过来，最后调查他影响了英国脱欧，让他出庭，他解释这些事儿，最后Facebook老大抱歉，美国传票让他去，他不去。也就是说这个问题上，就涉及到很多法律上的问题。当然，认知是在研究之中，现在我们的翻译、记忆、推理、识别、交互都在特定的环境，如果对于时变环境、非确定、非完备条件下就比较难，比如金融就比较难，金融受气候、国外、政策的影响，不封闭。它的大数据学习，过去的数据对当前来说只是参考了40-50%，又有新的问题，会变化的。

智能机器人技术与产业发展的四大趋势

机器人的发展趋势，我提几点，一是智能机器人的四个关键技术突破不了，走入不了家庭；二是仿生的结构、控制和感知，不要用电机，要用人工肌肉，要低成本；三是要交互；四是要有高效的电池和动力。无人化工厂的定制，它是从物联网、AGV、机器人、3D打印整体来考虑服务机器人是先从B再到C，B是什么意思？它专，比如安防就是安防，巡逻就是巡逻，手术就是手术；C不一样，五花八门，它是先从专业再到服务，专业就是无人车、物流；服务比如娱乐、交流，包括音箱、医疗康复、手术、陪护，家用扫地机器人等。

人工智能的特征。

1、C的痛点，这是指发达地区，一定要理解现在的客户需要什么；不发达的地区，你给我什么我都要；

2、智能的机器。

3、大数据的云计算。

AI&RT未来三个本质作用

第一个本质，人类就是好奇地想研究出一个和人一样的东西，一样的漂亮，一样有情感交流，一样在非结构化环境下能完成任务，这个结论是什么呢？它能派生出原创性、颠覆性的技术，但是把它形成类似的产品，这条路走不通。

第二个本质，对社会所发生的作用就是提升效益。

第三个本质是精准。你上网买了一套服装，就不断地开始给你推服装的消息，他知道你需要买，当你喜欢吃永和大王，它就不断推永和大王给你，这说明他已经知道你很多需要。它是否真的知道？比如一个学生早上起来跑步，和别人聊天，发微信，和同学讨论未来就业的情况，你说他知不知道我？它一定知道我。这两件事情完成了，就会出现预测我未来的需求，叫预测个体与社会的需求的行为导向。

所以，有时候深层次想社会问题、法律问题，突然就感觉到，这个社会将来有可能是个四元结构的社会。

一元结构是酋长家族式，圈了一块森林；二元结构到了工业社会，我们要交换，所以出现了报表、农业耕地；三元结构，警察出现了，必须有警察，政府也出现了，还出现了大学，之后创建了另外一个组织叫企业，它决定你必须按这个时间来，必须大家围绕同一个目标。现在就出现了政府、数据和大众，又出现了人工智能大数据的判断。这就是我们所说的，人工智能+政府+企业+大众+信任区块链。

区块链是什么？比如我去三元社会，它对我服务的态度，对我最后治病的效果，给我开了什么药，最后回访的情况，如果以区块链的方式来记录，就改变不了，你的数据统计相对就准确。也就是说效率、精准、预测，其中预测是建立在信任的基础上。

中国新时代，正在借助于人工智能的效率、精准和预测重构和洗礼消费产业和社会。最后，用一句话来结束，赢得这场世界经济下半场的胜利，我认为还有几个挑战问题：

第一个挑战，原创性的基础和高端人才的培养，这是需要经费，需要体制和文化来支撑的。

第二个挑战，有三个要素，看待人工智能和机器人一定要按照社会形态，中国有发展中地区也有欠发展地区，不同地方对人工智能、机器人的应用是不一样的；还有产学研结合的生态；最后是法律。