关于智能化转型的思考:审势、连接、破题和红线

2020-03-31 14:49

来源|投资家

作者|龚克

“网聚产业专家,论道数字经济”——数字经济创新讲堂3月16日开播,该讲堂是由“北京创新科技研究所”与“国合·耶鲁全球领导力培养计划”项目联合发起并主办。讲堂围绕数字经济国家战略、数字技术创新以及产业数字化展开,邀请国家政策的研究与制定者、学术权威和知名企业家,分享数字经济发展趋势、创新前沿、企业数字化成功转型案例等。

3月24日15点,世界工程组织联合会(WFEO)主席、中国新一代人工智能发展战略研究院执行院长龚克先生带来“关于智能化转型的思考:审视、连接、破题和红线”的直播分享。

本文根据龚克先生直播内容编辑而成,以飨读者。

大家好,现在许多企业都在谈转型,但是转型所要考虑的问题是多方面的。

例如,企业数字化或者智能化的转型既包含技术问题,我们有没有技术?在哪里可以找到技术?,又要考虑资金问题,我们该不该花这个钱?有没有这个钱?去哪找这笔钱?有了技术、资金,还有更核心的人才问题,我们到底有没有人才?去找什么样的人才?有了人才以后,人才能不能融入我们这个企业?他们能不能在企业呆得住,真正发挥作用?还有,从使用平台的角度来看,还面临着是要建平台还是上平台的问题。此外,还涉及到整个企业的文化问题、体制机制问题等,问题很多,所有问题交织在一起,如何来解决,起统领、提纲携领作用的就是企业的转型战略。

审势

从战略上来思考,首先就要把握住大的形势,我将其称之为审势。审势是企业发展战略的出发点,古人云“不审势则宽严皆误”,作为企业的管理者,如果不审势,宽也好严也好,最后都会影响企业发展。

那么如何审势?我们先来看当前推动经济社会发展的生产力有哪些重要的变化。

2016年,美国政府出台了关于发展人工智能的国家战略计划,在同年日本政府,第二年的欧盟、英国、法国、中国政府等也陆续推出了新一代人工智能发展战略规划。各国纷纷看重人工智能,最重要的是意识到了当今时代新兴生产力的发展。

从社会发展史看,人类经历了农业革命、工业革命,如今正在经历信息革命。工业革命拓展了人类的体力,而信息革命则增强人类的脑力,带来生产力的又一次质的飞跃。对国际的政治、经济、文化、社会、生态、军事等领域都产生深刻的影响。

信息技术有许多,其中在新一轮科技革命中发挥引领作用的是人工智能,习近平总书记曾指出,“人工智能是引领这一轮科技革命和产业变革的战略性技术”。所谓战略性技术,就是关系全局、关系长远的技术,而且具有带动性很强的“头雁效应”,头雁在雁阵中不仅飞的速度快,而且它是领方向的。

我们要认识到,人工智能是具有头雁效应的先进生产力,生产力作为推动整个社会经济发展的革命性的力量,我们必须要适应它,要顺势而行。

什么是人工智能?人工智能的定义有很多种,在此我根据自己的理解尝试着对它作一个定义,与大家来一起探讨。

首先,智能是一种感知、认知和决策能力,这个能力不是与生俱来的,而是在学习中形成的,哪怕一个大脑非常发达的儿童,如果永远不学习,他也不会智能。这是我们所说的智能——学习形成的自主感知、认知和决策能力。

这个能力是依附在一个人工设计的装置上面,比如说平板电脑、手机、可穿戴的设备等。而且,它是在完成人工规定的任务,比如让它下跳棋、下围棋、说话、对话,通过人工设计的算法和人工提供的数据。那么,两者结合在一起,就是人工智能。这是我尝试着为人工智能所作的定义。

从技术上来说,人工智能是数据、算力和算法的融合,在融合推动之下,全世界都在加紧对人工智能的技术理论和关键技术研究,在大数据智能、群体智能、人机混合智能、跨媒体的智能和无人自主智能这五个重要方向上,正在酝酿着进一步突破,这样的突破将把人工智能带到一个更高的发展阶段。

深度神经网络、机器学习等技术,发展日臻成熟,特别是在视觉识别,听觉识别等方面,基本上逼近甚至超过了人类的水平。

从应用上来看,人工智能技术正在进入经济社会的各个领域,所以智能化不是未来时,而是现在进行时,在我们生活和工作的场景中可以看到各种各样的人工智能应用。

去年7月,清华曾发布了《中国青年视角下的AI风险与治理》预调研报告,这份报告是对年轻人所开展的一项调查,调查发现在以中学生、大学生为主的群体中,70%以上的人都用过三种以上不同的智能技术,尽管在现阶段人工智能技术还存在很多不足,但是它已经走出了实验室,走出了paper,走进了我们的生活。

从这次疫情来看,在整个抗击疫情的过程中,我们看到人工智能发挥了重要的作用。很多非常有责任心的企业,在政府大力支持下,通过运用人工智能技术,开发研制出了新产品新工具,有力支援了抗疫斗争。回顾AI在抗疫中大显身手之处,有四大方面:

一是在监控、指挥、教育和咨询方面发挥了非常巨大作用,我想在座很多位都曾用过这些系统;二是在排查、诊断、救治和护理方面也发挥了非常积极的作用,在医疗的后勤保障、生活服务等方面也发挥了重要作用;三是在病毒发展态势预测、决策支持方面,通过使用大数据、智能算法,快速进行预测,对我们的决策起到了很大的帮助和支持作用;四是在药品的筛选和开发方面,也在大量的使用人工智能算法在进行排查。

此外,还有各式各样的机器人,比如:物流的机器人、配餐的机器人、导诊的机器人、消毒的机器人,各式各样的无人机等等,在这次抗疫过程中,智能机器人作为一个辅助抗疫的手段,也发挥了非常积极作用。

以上例子,充分说明了在现阶段智能化已经不再处于少数公司探索应用的阶段,而是进入到了一个大量快速应用的阶段。所以我们思考战略,首先要把形势看清楚,要有紧迫感,要主动地转型,乘势而上。

连接

主动转型,乘势而上,这又会涉及到很多方面的问题,因为时间关系,我简要谈一个问题,就是连接。

智能化转型中,连接是基本的条件,不知道在座企业在多大程度上实现了上下游、纵向横向的连接。人工智能在技术上的一个重要特征叫跨学科融合,它在产业形态上特征就是高度连接。

我所在的中国新一代人工智能发展战略研究院是2018年的1月开始运行的,这两年多以来一直在做智能科技产业的调研。跨界融合是人工智能与生俱来的特点。从产业来看,我们把智能产业看做是一个多主体作用的复杂适应系统,那么在这样一个系统中包含了多元主体。这其中有企业,我们调研了745家智能科技企业,发现跟这700多家企业直接联系的有94所大学,有75个科研院所,有许多会议、联盟组织作为链接者,有1780个投资者(包括他们之间的相互投资),还有政府(涉及到300多政府的政策和160多家科技园),加在一起共同组成了我们的样本总量。

作为一个多主体相互作用的复杂系统,这些企业的资金、技术和人才从哪来?它的资金、技术、人才又向哪去?我们绘制出一张由密密麻麻的节点和网络所组成的图,把它用复杂系统参数来表达一下,可以看到这745个节点间形成了2万多种这样的人、技术和资金的关系,节点和节点之间平均路径长度小于4,也就是说从统计的意义上来讲,只要经过三个企业,就可以连接到另外任意一家企业,因此这些企业从统计上讲都是互相连接在一起的。

在图中,可以看到汇聚形成了几处大的黑点,比如:腾讯、阿里、百度,等等,这些黑点说明其他企业跟它的连接特别紧密,我们称之为企业的中心度特别高。

从企业来看,中心度最高的是腾讯、阿里、百度、华为、京东、科大讯飞,等等。从非企业主体来看,中心度最高的是清华大学、红杉资本、IDG、北大、经纬中国、真格基金、中科院、上海交大、微软、创新工场等,可以看出一方面,高校和科研院所作为学术生态系统的重要组成部分,它们为价值网络中样本企业输送了大量人力资源,同时为整个价值网络提供了强力的技术支持;另一方面,国内外投融资机构为中国人工智能科技产业的发展提供了强大的资金支持。我们看到的是一个中心度非常高的产业发展形态。

我们再来看人力资本的供给,这些企业里面75.78%的人才,他前期的学习经验在中国,不是外国人给我们提供了人才的主力军,但是最后经历从海外直接回来的也占到了24.22%。而工作经验,80.2%在国内,19.8%是在国外。

从前期工作经验上看,提供输出较多的国内企业有百度、阿里、腾讯、华为出来的,国外企业有微软、谷歌、IBM;从前期学习经验上看,提供输出最多的国内高校是清华,国际高校是斯坦福。

再看技术来源,80%以上的技术输入来自国内,有18%是从国外吸收的技术;从技术赋能关系上看,90%为国内赋能,9.49%为国外赋能,745家企业以对国内的技术赋能为主。技术赋能最多的企业是腾讯,赋能总数是958,但腾讯也有输入,它不是纯对外赋能。

再看资金,作为专业的投资机构,排在前面的是红杉资本;作为非专业投资机构(也就是说它本身也是个知名企业),排名靠前的有腾讯、百度、阿里。BAT之间的共同投资,资金上形成的连接也是非常明显的。

也就是说无论从资金、人才、技术,我们都看到了这些企业在发展之间的非常紧密的连接性。这些中心度很高的连接点就形成了这个平台。

为什么要连接到它这里?因为它提供了平台的服务,它提供技术,它提供算力,它甚至还提供数据,它提供了在它上面和别人建立起连接的机会,我们看到其中起着关键性作用几个重大平台,在整个连接生态里起到了非常关键的、突出的、连接聚集化的作用。

简单总结起来,连接、集聚、赋能、加速、扩散是智能产业发展的形态特征,搞经济学的人告诉我说,比起传统的机械制造行业,比起交通运输行业,甚至比以互联网行业它都体现出来了更强的连接性,本来AI技术与生俱来的就是跨界,那么在产业上就表现为连接。

这里我引用北大陈春花教授讲的:

到了智能化时代以后,到了数字经济以后,我们的竞争逻辑就变了,以前企业战略三问是:

想做什么?看你企业的梦想使命是什么;

能做什么?看你企业的资源能力什么;

可做什么?看你的企业产业条件什么。

那么今天你想做什么?你可以重新定义;能做什么?不是完全看你现在自己有的资源和能力,还要看见你和谁连接;可做什么?是可以跨界的。所以她认为从竞争逻辑转向共生逻辑,是数字经济内在逻辑的转变。

现在,我国在实施新一代人工智能发展战略以后,有一个非常重要的举措,就是要建立开放创新平台,现在已经公布了两批,第一批5个平台,第二批10个平台,共15个开放创新平台。我觉得考虑连接的话,首先要考虑跟这些平台取得连接,因为这是我们国家所公布支持的平台,平台上的算法、算力都是提供起来给大家服务的。

着力点

抓住形势,抓住连接,我们真正让企业转型发展落地的关键在哪呢?

我认为是要选好着力点,通过这个着力点,打开我们整个产业化转型的新局面。

在这个问题上,智能化的发展要靠数据、靠算力、靠算法,但是它们必须和应用场景相结合。所以我们说的着力点实际上就是企业智能化的应用场景怎么选择,我们要思考怎么来提升我们产品或者服务的质量,怎么来提升我们产品或者服务的效率,怎么来降低我们产品和服务的成本。

围绕两升一降,我们来思考自身的问题,来建设应用场景。我建议大家不要纠结于概念,也不要纠结于某一个特定的方法或者模式,我们改革开放之所以能够成功,能够走到今天,非常重要的一条理念:“不管黑猫白猫,抓住耗子就是好猫”,能解决我们提升质量、提升效率、降低成本的问题,那就是好办法,所以我们不见得一定要追求无人车间,也不见得一定要追求马上做到全面的数字孪生。

那么这里我还想提一点,有些企业在推进数字化的时候,看到一些先进企业是使用这样的一个工具,那么也花了资金谈好价格,把这个工具引到自己的企业里,甚至还派出或者引进开展培训。但是,我们不能停滞于工具的采用和培训的完成,最终还是要出效益,就是怎么找到痛点。

再以智能制造为例,智能制造是多维度的系统工程,智能制造是基于新一代信息通信技术与先进制造技术深度融合,贯穿于设计、生产、管理、服务等制造活动的各个环节,具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。

如果把它系统展现出来,至少有三个维度,一个维度称之为智能特征,要素包括:资源、互联互通、融合共享、系统的集成、新型的业态等;有生产过程环节的维度,要素包括:设计、生产、物流、销售、服务的维度;还有系统层级的维度,包括:设备、若干设备组成的单元,整个车间,全部企业以及跨企业之间的协同,所以整个制造是一个多维度的系统工程。

那么从不同的企业角度展开来看,比如说设计是一个重要的环节,已经有了CAD设计,如果想从设计角度来突破,如这张图中所示,,在智能特征上来看,因为CAD软件是融合共享的,它是共享单元;从系统层级来讲,CAD是在企业和车间的层级上;从生命周期来讲,它在设计环节里,随着智能制造发展,这个环节要从单纯的设计环节延伸到生产环节,从这个车间级的设计,向着企业甚至企业和企业间拓展,这是这个环节的一个特点。

如果以这个环节为突破点来讲,现在的着力点是要解决设计,通过设计提高产品的质量,提高整个生产流程的效率,那么我们需要解决什么问题,需要什么人才,需要在哪个地方投入资金。

如图所示,从生命周期维度看,是在制造和物流的环节里使用工业机器人,从系统层级的维度看,工业机器人是一个设备,可以形成一个生产线,可以是一个单元,那么工业机器人往前发展的话,它会向着车间级的机器人、向着企业延伸,它和CAD结合起来,将通过工业的互联网更大发挥作用。

所以如果拿机器人作为一个突破环节,我们要看机器人怎么发展,如果说要抓工业互联的话,可以先看工业互联在里面属于什么样的层级,然后它会发生一些什么样的变化?总之我们要非常具体的,不可能一口吃下一个智能制造的整个工业体系,就单个企业而言还做不到。要看到企业相对的痛点痛在什么地方,然后找到痛点的定位。

从平台的问题上来看,我个人观点是现在需要工业互联网的运营商,消费互联网之所以做得好,是有一批运营商在支持着消费互联网发展,比如像阿里,就是典型的消费互联网运营商。这些运营商得到了充分的发展以后,在运营商的支持之下,就可以降低进入智能化的门槛。所以,我觉得需要有工业APP的开发平台,资金不够的时候,可以由企业来出题,中心汇聚的其他企业来解这个题,解得好的,政府给应用补贴,这个结果也会开源开放给其他的企业来用,要形成这样一个大家连在一起共生共长的生态。

在人才问题和安全问题上,现在大家担心数据的安全,从今天来讲这个不是问题,就像以前考虑资金放枕头底下安全还是存银行里安全一样,应该说存银行更安全。那么,将来有一天探讨我们的数据是放在自己的企业里、放在自己家里的电脑里安全的,还是放在U盘上安全,还是放在云上安全?最终应该证明云像一个数据银行一样,它应该是变得更安全。

人才问题也是这样,其实人才是在实干中学习起来的。所以我觉得现在需要的是建立全社会的转型培训体系,建立一个数据安全的保障体系,来降低企业获得人才和建立互联的门槛。

3月19日,工信部颁布的《中小企业数字化的赋能专项行动方案》,《方案》主要分为三个部分:行动目标、重点任务和推进举措。目标中提到“要以新一代信息技术和应用为支撑,来提升中小企业应对危机的能力,夯实可持续发展的基础,来集聚一批面向中小企业的数字化服务商”,这点非常重要,一定要让他们充分发展起来,这样门槛就会降低,培育起一批符合中小企业要求的数字化平台。

平台和服务商是相互连接的,推出一批系统的解决方案、产品和服务,来助推中小企业通过数字化、网络化、智能化赋能,实现复工复产、增添发展后劲、提高发展质量。从这次抗击疫情来看,我们的数字化、智能化转型,我们的互联网+、AI+,将会加速发展。

3月23日,为了贯彻工信部的《方案》,工信部中小企业局又下发《关于推动落实〈中小企业数字化赋能专项行动方案〉的通知》,其中要做这样几件事。

第一件事是推荐服务产品;第二件事是推荐典型案例,也就是推荐解决方案;第三件事是培育标杆中小企业;第四件事是组织数字化服务商和中小企业的对接活动。还有第五就是鼓励自荐,比如哪家企业好的服务产品,有自己的应用战略,可以自荐,政府来进行支持。

也就是说在我们选着力点,在突破转型格局的时候,现在政府越来越重视,政府的相关行动也能够助力企业更快发展。

红线

最后,我还想用一点时间再谈一个问题,这个问题我称之为红线。所谓红线就是企业转型发展的生存底线,这个底线是安全,是企业的社会责任。

人工智能有双重属性,一方面它具有技术属性,它是个技术;另一方面它又具有社会属性,就是技术应用所带来的社会影响。人工智能与社会系统互动相比其他技术要更紧密,所以在谈新一代人工智能的时候,特别强调要把握新一代人工智能技术属性和社会属性高度融合的这样一个特征。

从社会属性角度来讲,它可能改变社会的就业结构,冲击社会的法律和社会伦理、侵犯个人隐私、挑战国际关系准则等,这几乎形成了世界的共识。

但是这些问题来自哪里呢?我认为它来自两个方面,一方面来自技术;另一方面来自于使用。现在好多小说、电影里都担心人工智能技术太强了,强到制服人类,现在其实不是它太强,而是还不够强,这个是一个很重要的局限。

再一个还有道德的风险,有时候并不是人为地一定要植入坏的道德算法。举个例子,这来自于一个实例,法院在使用犯罪风险评估算法对罪犯假释时,一筛选把黑人都拒绝了,因为模型在根据已有数据进行训练的时候,数据中黑人总是被拒绝,所以它就认为黑人假释出去对社会危险性大,这种歧视可能不是来自算法本身,而是来自于以前的数据。还有,一个地区的一家公司在招聘时,利用人工智能做初筛,结果把所有女性都给筛掉了,因为公司用的是以前录取的数据做训练,而之前的数据录用男性比较多,类似这样的问题,都是现在技术上不完善造成的。

那么当然也有使用上的风险,这里最大的风险就是隐私的风险。怎么处理好隐私,怎么保护好个人隐私、保护好企业的秘密,保护好行业的安全。这也是现阶段在智能化应用上,各方都非常认真地采取措施的一件事。这就要求我们在对人工智能应用进行部署的同时,就要部署对应用的治理,从任务的定义就要做相应的伦理判断,对训练数据的包容性和平衡性做选择。

比如刚才所说的招聘案例,在数据选择的时候,干脆把数据的性别属性去掉。不管性别,看他的工作经历、能力等,在形成模型以后,对模型训练的时候,对它做算法公平性之类的检测,然后反馈模型在应用中的问题,还要在整个应用的全过程中,考虑应用和治理安全的问题,特别是数据隐私的问题。

我国在去年6月份提出了人工智能治理的八项原则,国家科技部成立了两个专家委员会。这八项原则就是其中的人工智能治理专家委员会所提出来的。

这八条中有几个值得注意的地方:首先不是以人为本,而叫做和谐友好,与人类的可持续发展来和谐,与人类友好,也与人类的发展环境友好。

再一个强调共担责任,人工智能在、开发、设计、规划、使用、维护,所有的人都要分别共同责任,而不是把责任推到某一个环节上去。

最后一条叫敏捷治理,因为这个技术发展非常快,治理往往比较落后,所以治理的方法也要创新。

那么以上我就智能化转型,审势、连接、着力破局以及要守住的安全道德红线谈一些思考。

总的来说,我们审势就是要主动的转型,来弄潮我们智能化,而不要被大潮所淘汰。

连接就是要适应智能化生产力所要求的特定生产关系,人工智能生产要素生产关系是一个共生的生产关系。

着力点就是要真正让人工智能在企业落地,而落地过程中是一个实事求是解决问题的,是能逮住耗子。

最后红线就是智能企业是要有道德、担责任的智能企业。

以上是我跟大家做的一个分享,许多材料包括数据、图表、事例取自互联网,未能一一说明出处,不正确的地方,请大家批评指正,谢谢各位!

………………………………

作者简介:龚克,世界工程组织联合会(WFEO)主席、中国新一代人工智能发展战略研究院执行院长。

扫描下方海报二维码,回看直播。

封面