北大公开课邓小南 北大AI公开课|胡郁:谁将弄潮人工智能时代?

近日,科大讯飞执行总裁、消费者BG总裁胡郁作为北大AI公开课第十讲主讲人,与北大人工智能创新中心主任、酷我音乐创始人雷鸣老师共同就人工智能技术和产业进展开展了讨论交流。

胡郁被授予北京大学人工智能创新中心特聘顾问证书

课程内容涵盖:

♢人工智能是什么,由哪些核心部分组成?

♢在人类发展历程中人工智能将扮演什么样的角色,当前人工智能的浪潮将如何改变我们的生活?

♢人工智能的核心技术将如何发展,科大讯飞引领的语音技术为何称为是人工智能的核心要素之一?

♢在人工智能时代里,未来商业的形态将发生哪些变化,带来哪些机遇,对创业者来说又应该做好哪些准备?

以下为胡郁演讲内容整理,原文来自“新智元”微信公众号。

胡郁在讲课中

很高兴能够来到北大与大家交流。我与雷鸣都希望能够推动中国人工智能产业的发展。在不同的时间,我们对于人工智能的理解也是不断进步的。今天,想和大家分享一下我、科大讯飞对于 AI 一些问题的认识。希望能够促进同学们自身的发展,以及对于产业的认识。

今天主要和大家分享 5 个问题:What,Where,How,When,Who。

“What”——人工智能是什么?

第一个问题是 What,人工智能是什么?

前几年,有人认为 AI 是深度神经网络,是智能设备,是大数据,是机器人,但其实这都不是 AI 的概念。想讲解人工智能的概念,需要看一下科技的发展进程。其实,前一次科技发展为后一次科技发展在做准备工作。比如,若没有解决蒸汽问题,就没有接下来的电子时代。

若没有线电,非线电,就没有数字电路的时代。有了电子时代,才能够进入互联网时代。最近,我们认为进入了人工智能时代。那么,建立在前三个时代之上的人工智能时代,到底是怎么回事?

我们从原点开始寻找,智能是什么,智能生长的环境是什么。130亿年前的宇宙大爆炸,产生了宇宙,经过逐步发展,才产生了人类。地球的生命是40亿年,大概在300-400万年前才有猿人。人工智能的产生与自然宇宙中的智能产生的历史相比,可以忽略不计。

1946年,美国军方研制出ENIAC,标志数字宇宙的诞生。因此,真正的数字宇宙产生到现在才71年。最早,探讨数字宇宙中可能孕育出生命智能的人是哥德尔、冯·诺依曼、图灵、毕格罗。相信大家对于冯·诺依曼已经耳熟能详了,我们现在计算机的体系结构是冯·诺依曼机,图灵提出图灵测试。

最近这本《Turing’s Cathedral》讲了四个人如何在数字宇宙中讨论智能。哥德尔在数学上证明了数字计算机可以计算任何问题,甚至包括智能问题。这四个人当时在普林斯顿研制一台计算机叫MANIAC,是世界上其他计算机的鼻祖。中国当时根据MANIAC建立了508号机,IBM也深度参与了这一项目。当这四个人讨论的时候,人工智能的名词还未被提出。

1956年,美国达特茅斯会议提出“人工智能”的概念,自然宇宙中产生人类智能,数字宇宙中产生人工智能。这一会议有两个重要的遗产:提出AI这一名词;参加人工智能的那群人。后来,这一群人中,产生4个图灵奖得主,1个诺贝尔奖得主。这一群人在2016年之前基本都已经去世。有意思的是,在60年后,也就是2016年,人工智能在产业上得到了真正的发展。

很多人都在使用人工智能这个词,这个词最早有好几种不同的解释。一个是研究人工智能的一群人关心的“强”人工智能,他们希望能够真正破解人类产生人工智能的奥秘,并且让机器实现这一点,比如有一个机器就可以下棋、语音识别等等,同时拥有很强的学习能力。

人脑的学习能力很强,但是我们现在的机器学习系统,可能需要给他看几十万张、上百万张图片,才能认识物体。持这一派观点的大多都是科学家,后面发展出符号主义,连接主义等人工智能的讨论。

60年来,人工智能虽然输出很多理论,但是实际进展并不大。因为,我们并不清楚人脑是怎么运作的。计算机领域做应用的人认为的人工智能是希望用计算机的方法模拟人的智能的某一方面,比如下围棋。但是,完成这个系统并不能做决策、驾驶汽车等。

目前,弱人工智能被普遍用到工业界中。因此,你会看到不同形态的机器人可以完成人的一项任务,或者一项任务中的一个步骤。2015年,当时华为2012诺亚方舟实验室主任、现任港科大计算机系系主任杨强老师说,计算机真正可以思维的强人工智能是想实现从0到1的突破。

而我们现在工业界(计算机应用界)做的人工智能只是让计算机的行为表现得像人工智能一样,即内部的工作原理是否与人一样,大家并不关心,他称为从1到n。

因此,人工智能的发展并不是一帆风顺的。这条曲线,更多描述的是人工智能应用的不同发展阶段。1956人工智能被提出后,大家认为AI很快能够满足大家的需求。人工神经网络(Perceptron)1957年被提出,第一个人工智能软件(做定理整理的LogicTheorist)也很快被提出。

因为当时计算机速度很慢,存储量很小,同时,人们意识到人的智能思维过程不能单纯依靠符号表示。因此,人工智能不能很快实现。这一阶段,中国并没有参与。

在20世纪80年代,个人电脑出现,美国在搞“星球大战”计划,欧洲在搞“尤里卡计划”,日本提出“第五代计算机”,即可以做出一个像人一样可以交互和思考的计算机。中国当时发起863计划,第一次开始进行研究人员的培养和补充。

到了90年代末,互联网兴起,人工智能处于最不景气的阶段。当时AI专业毕业都找不到工作,因为人工智能解决不了实际问题。在那个时间点,中国已经储备了做人工智能科学研究的人才。科大讯飞是1999年成立。当时创业很艰难,当时提出3年要做100个亿,其实到今年,讯飞要做100亿还是有难度的。

但是,互联网和移动互联网的发展为AI的发展奠定基础,这也让中美两国成为世界上唯二两个既拥有AI技术准备(庞大的科研人员),又拥有互联网和移动互联网基础设施和产业构型的国家。如今,AI在全球的竞争,就是中美之间的竞争。

不同的人对于AI有不同的观点。而另一些真正做人工智能研究的人,比如Michael Jordan和YannLeCun认为,人工智能还远未达到能够威胁人类的地步,还有很多技术探索工作要做。人工智能威胁派想的大多是强人工智能,现在工业界取得突破的是弱人工智能,这之间还有很大差距。

最近有两本书很有名,《人类简史》和《未来简史》。《未来简史》中提到一个观点,将来的人工智能是否会有意识。我在过去两年也提到,将来我们可能做出智能与人类一样,但是没有自我意识的智能体。在自然宇宙中,智能与自我意识是共存的,且两者之间强相关。

比如,动物的智能越强,自我意识就越强。在数字宇宙中,智能体可能很聪明,但不一定有自我意识。如果将来能够把两者分开,一个没有意识的智能体还能灭绝人类吗?我们还不如担忧另一个问题,机器人是否会取代人类的工作,这是一个值得严肃考虑的问题。

“Where”——人工智能现状如何?

目前,人工智能的发展如何?强人工智能看不到突破,但是弱人工智能已经发展的不错了。那么,与人比较,发展怎么样?ENIAC被发明出来后,军方希望用其计算炮弹的运行轨迹。人类的大脑最不擅长计算。我们将这种智能称为运算智能。

所有的棋类程序都可以用运算解决,因为他们是完全信息公开的博弈系统。2016年AlphaGo战胜了李世石九段,但这并不能说明问题。围棋的运算量很大,大概是10的170次方。按照目前的计算机运算能力,大概在10-15年之后,才能算完。

现在AlphaGo运用了其他技术,比如感知智能才算完。但是本质还是计算。AlphaGo学习了16万盘人类的对弈过程,自己又生成3000万盘。人类不可能记住3000万盘中的每一步对弈经验,机器能够记住,并能够推算后面10-30步。

从运算能力和重组能力来讲,人类早不是机器的对手。但是从感知智能(能听会说,能看会认)和运动智能(能抓会扔,能走会跑)来看,最近很多的技术都是与这两个智能相关。在感知方面,人类有眼耳鼻舌声,机器的进步也很快,深度神经网络应用于图像和语音;在运动方面,我们过去用智能控制的方法。

“How”——人工智能将如何实现?

中科大以前的校长提到,人的大脑局部有量子效应的,量子效应也可能使得人的大脑在放电中产生智能。各种说法都有,这是一个未探知的奥秘。我个人推崇的是“鸟飞派”。最早的人类学习飞行是像鸟一样粘很多次毛,跑到高处往下跳。

发明飞机之后,钱学森的导师冯·卡门研究了空气动力学(air dynamics),研究鸟的羽毛为什么能够产生升力,主要是羽毛的横截面在空气的流动过程中能够产生向上的升力,这个升力很复杂,有多种现象。现在人的飞机比鸟更先进。大脑受脑壳的物理限制,大脑不能很大,结构也不能特别复杂。但是其中的结构、存储记忆的方式,以及放电行为的传递,是非常有意思的。

如果我们能够研究智能动力学(intelligence dynamics),我们可以将智能和意识分开。因为两者产生的机理可能不同。若搞清楚,我们可以将智能的东西单独剥离出来,做出超脑,不受到自然宇宙中神经连接的物理限制。关键是是否能够将智能动力学搞清楚。目前,我们正在研究视觉、听觉、各种感知的机理,我们希望能够突破,但是可能需要10年甚至更久。

目前的产业界,人工智能为何能够工作,主要因为3大法宝:首先是深度神经网络。虽然在数学上不beauty,但是随着数据量增加,性能能够不断提升。但是想提醒的是,现在神经网络有用,并不代表二三十年后,没有其他算法能够超过他。

随着认识的加深,可能之后有新的算法超越深度神经网络。现在,应该有其他科学家坚持其他机器算法的语言。其次,互联网和移动互联网的普及有利于获取真实的统计大数据。在统计模式识别中有一个基本的假设,training data和testing data要同分布。

训练的数据需要来自于使用环境,互联网和移动互联带给大家这种条件。比如,现在的讯飞输入法,用户会将语音数据上传,可以降低数据收集成本。

另一个很重要的是“涟漪效应”,这是互联网思维在核心技术研究中的应用。为什么现在的实验室,不能提出最好的算法,主要是没有大数据和涟漪效应。在移动互联网下,因为软件免费,用户愿意花时间用这些产品,且不会产生抱怨或反抗。

当推出一个不好的人工智能算法(包括图像、语音、自然语言理解)时,就像水滴滴在水面,只有一小部分人才会用到。一旦使用,数据会送到云计算服务器,云计算服务器可以立即学习更新。当水波扩大到更广泛的人群时,系统的性能已经提高。

水波的振幅就是系统的误差。当水波扩散,振幅越来越低。当水波纹扩散到第1000万人时,10000001个人是第一次使用这一系统,他会觉得系统很好。利用涟漪效应,可以把不熟的、需要在真实环境中训练出来的系统,真正培养出来。在实验室中,可以做人工智能的算法。

正是有了以上对于人工智能的分析、定义和决策,公司在2014年推出 “讯飞超脑”计划。我们希望能够突破感知智能和认知智能,能理解会思考,这样才可能真正解决问题。

我们如何构造讯飞超脑系统?若将人类的大脑皮层摊开,大约是类似于餐巾布的厚6层的部分。大脑皮层的不同部分处理不同信息,比如视觉、听觉,再汇聚到概念层面。眼睛看到一只猫,会映射到“猫”的概念,大脑会做好准备,听到的猫叫是怎么样的,摸上去是一个毛茸茸的动物。人类可以将这几方面完全联系到一起。《On Intelligence》这一本书详细解释了人工智能与脑科学的关系。

讯飞超脑有感知智能,我们做了viewing machine,reading machine和listening machine。我们的路线是采用深度学习。深度神经网络应用于语音识别最早的公司是科大讯飞和谷歌,之后的6、7年间,深度神经网络被应用于合成、自然语言处理、翻译等各方面。

深度神经网络现在已经有很多开源工具,比如TensorFlow,Torch,Caffe,最重要的还是对于深度神经网络的理解。深度神经网络中线怎么连接,构型如何,重复之间的反馈,如何协调不同节点之间的关系,对于性能的提升很重要。掌握这些,并与脑科学连接在一起,才可能达到最佳效果。

在大数据方面,每一个公司都应该有一个大数据的训练平台。讯飞训练语音识别需要10的11次方个训练样本,其中的参数要更新10的9次方次。人脑是不需要那么多数据的,但是目前弱人工智能需要。这种性能在实验室里很难实现,也是目前公司成为研究的主力的原因之一。

讯飞输入法现在可以支持方言,少数民族语言,中英、中日之间的翻译。2010年讯飞输入法刚上线,识别率只有55%,第二年就达到83%,去年达到97%。每一种人工智能算法都会按照这一途径发展。

去年,讯飞取得了国际多项测试的第一,标志着中国在AI的技术和产业上做好了充分的准备。国际多通道语音分离和识别大赛(CHiME)里,一个pad上有6个麦克风,2个麦克风,1个麦克风,距离4-5米远讲英语,讯飞去年参加比赛,将前年的识别率提升100%,做到了2.

24%的错误率。在国际语音合成大赛上,讯飞连续11年保持第一。在去年的国际知识图谱构建大赛,讯飞也获得冠亚军。

同样一句话,“爸爸没法拒绝他儿子,因为他很虚弱”,这中间只换了一个词答案就完全不一样,这个测试叫常识,人类都知道的常识。比如说我们讲一只大老鼠爬上了一只小象的鼻子,虽然它讲了大老鼠和小象,但是我们的常识都知道小象比大老鼠要大很多很多倍。

这类常识需要很强的推理能力和知识的记忆能力,计算机是很难搞的,任何人类十岁的小孩就可以做得到90分,机器在这方面就是打不了高分,这个测试第一年参加我们得了第一名,但是它的正确率只有58%,人类十岁的小孩可以做到90%,知识技能上机器人的挑战非常大。

另外还有一个我领衔的事情就是人工智能863这个项目,就是高考机器人,这个项目当时刚出来的时候,很多人说这个项目肯定做不出来,因为高考是每年真考,高考卷子每年不可能从题库里面查的到,而且又是实打实的,一定要推出来,当时我们国内有一百多个专家参与这个项目,一开始很多人都说有两部分人,一部分人嘲笑我们,说这把吹牛吹大了,你们肯定做不出来;还有一帮替我们担心的,说这个题目是不是太难了一点。

事实证明今年是第三年,我们现在语文做到90分,数学做到110分,地理和历史能做到40到50分。

地理和历史比语文和数学都难,数学只要能看懂题后面都简单了,后面是逻辑推理,但是语文要写作文,现在我们也能写作文了,问题是看它每一句话都对了,放在一起就不太对。

“When”——人工智能时代何时到来?

人工智能挑战是非常大的,下一个问题就是什么时候人工智能会到来?

人工智能能用在什么地方,这个是我们现在都很想回答的问题。在我们看来人工智能主要是用在两个方面,第一个方面就是改变你所有的日常生活,人工智能使很多机器具备了和人自然交互的能力,包括用语音、红外可以和我们自然交互;人工智能因为可以学习,可以颠覆很多需要专业人士的领域,比如说医疗、教育,这里面很多需要专业人士。人工智能可以替代这些专业人士的某些技能。

简单看一下,交互大家都知道每发展十年,计算机任何类的交互时代都发生变化,刚开始是打二型字,后来用键盘,键盘我学了三个月才敲键盘,我父母肯定不会敲键盘,后来又发明了鼠标,现在有触摸屏,触摸屏现在大家都会用,我们家小孩两岁多都用触摸屏很顺了,但是触摸屏只能输入简单信息,复杂的信息不行。

我给大家讲一个故事,现在大家会发现,人类说有80%信息来自于眼睛,人类获取信息是这样的,正好计算机有一个显示屏,所以说他在表述一件衣服的时候,他衣服给你看一下就行了,因为计算机有显示屏,人类对图象的理解能够超强。

如果人类想画一个画给电脑看怎么办,所以说只有两个选择,要么画一张,要么就跳一段舞,我估计你跳舞计算机看不懂。所以说人类想把自己的感觉传播出去最快捷的通道其实是讲话。人类如果自己大脑感受东西,你会发现唯一的办法是讲话,或者把它写下来。

而计算机这边接收端正好可以理解我们现在讲的话,就是它的智能水平,计算机现在对视觉的智能水平跟人相比差太远,计算机看到视觉里面的语意还提取不出来。这种情况下,我们会发现越来越多,包括现在这样的产品,通过一个音响、耳机或者手环可以直接跟机器人对话,就像打电话一样,我们把这个叫做弱世界呈现语音交互,你看不到东西也可以打电话,就像跟家里人对话一样。

还有一种情况你必须看到东西,比如说你给你女朋友或者男朋友买一件衣服,你会拿一个Pad给他看,这上面你觉得衣服怎么样,这样我们才能完成一次交互,而这种交互我们叫做强世界呈现语音交互,这个交互在家里面的电视和手机,或者投影跟车上的这种信息结合在一起,能够解决我们相当多的人机交互的问题。

人机交互问题,讯飞现在有一个技术叫做AIUI,可以自由跟机器进行对话,现在在讯飞开放平台上有10亿的终端设备连接到云计算上,包括你们在座很多手机,每天使用次数超过35亿人次,有超过30万个第三方创业团队在用我们的东西。

所以这是一个非常大的数量,而且这个数量正在急剧上升,从去年到今年大概增加了100%到150%的速度,这里面有很多数据,包括讯飞输入法、包括灵犀,包括耳机,还有我们的音箱,我们的车载设备。

在家电方面,现在智能家庭现在也在进入生活,用语音就可以跟他们交互了,包括在汽车里面的分析助手,最近我们在国内做的分析助手还被宝马专门买过去,就是为了分析我们语音交互的性能到底怎么样。

另外一个方面,在行业里面需要各种各样的专家,教育里面我们最需要的是好老师,我们恨不得给每一个小孩都配个老师,这个老师能看他的作业,因为每个小孩进度不一样。我们希望给他不一样的教育,不一样的题目,不一样的辅导,但是有那么多好老师吗?北京的学区房为什么那么贵?就是因为那个学区的老师好。

医疗也是一样,如果你不想被误诊你要去协和,你要去301,而这里面也是一样,老师是稀缺资源,医生稀缺资源,特别是那些好的,人工智能干什么,人工智能能够学习这些最好的医生、老师、法官、律师、公安干警的能力,然后机器学习去替代他们。

在教育方面,讯飞现在已经为8000万师生在提供人工智能服务。中国是世界上唯一一个对发音水平进行测试的国家,上次我问过中国区的总裁,美国人都不测这个的。中国是世界上唯一一个国家能大面积考英语口语的国家,其他国家根本考不了,因为没有那么多老师去改口语的卷子。

为什么以前只改革听力,听力用机器改,口语需要老师听着你的口语听懂以后才能改,他不是判断发音准确程度的,他是判断语法的。但是中国现在可以,在广东、广西、安徽、江苏,中国越来越多省在高考和中考四六级考试在使用,广州、惠州的学校他们的口语因为用了这个东西,每年口语成绩会提高1分,口语成绩一共才20分,中国是应试教育。

第三个,中国是世界上唯一一个可以用机器来改除了选择题以外所有题目的国家,手写的填空题、问答题和作文现在都可以机器来改,现在我们也在做这个工作。

医疗里面也是一样,最因为好的医生看了这个片子是有经验的,他看了这个片子以后原始片子和最后记录会记录下来,我们讲的三大法宝,深度神经网络、大数据和涟漪效应就可以学习它,学了以后就可以替代医生的一些技能,这些东西就可以帮助县里面那些不是协和和301的专家,也可以学习301、协和专家技术的机器辅助诊断,从而提升整个国家医疗方面的整体能力,在智慧城市等很多方面都是这样。

这也可以总结出:人工智能在各个行业里面可以让机器学习这些顶尖专家的知识,达到他们的70%到80%,甚至60%水平就够了,顶级专家的能力学到了这个程度已经超过了一般专家、远远好过一般人。人工智能到各个行业里面会改变这个行业的思维方式,原来一些用人可以做,但是这个行业需要10万人才能解决的问题,原来不可能,现在用人工智能有可能。

我们把工作分成几种类型,如果是所有的信息都完备的任务,比如说下围棋,机器随着运算智能、感知智能、运动智能和认知智能上的提高一定会超过人类。但是信息不完全,比如说打仗得到的信息都是破碎的,甚至有很多是假的,这个时候人工智能不能够完全变成人类,需要人机协同,而无中生有、从0到1,刚才讲的创造、自我意识,生产出艺术,这些方面人是绝对的主导,这个可能跟灵魂、自我意识有相当关系,而现在人工智能还达不到这一点。

“Who”——谁将弄潮人工智能时代?

最后,谁将弄潮人工智能时代?我经常碰到这样的问题。我觉得一个技术创新的公司应该能做到这几点:第一个,核心技术创新要做到就做到世界第一,但不能挂羊头卖狗肉,其他方面做的最好,不是说技术排到世界前三四名就够了,一定要第一。但是很多学校可以做到这一点,清华大学、科大很多技术都做到世界上最好,但是技术有没有产业化,通过技术创新结合商业模式创新能挣到大钱,这种大规模的利益和系统创新。

我右边会画一个发动机,在机械工业时代,发动机就是所有产品里面最牛的那个,每个零件都需要一个核心技术创新才能创新出来,发动机世界上只有两个公司可以造,一个是GE,还有一个是生产劳斯莱斯那个品牌,其实也是生产航空发动机的。

最后一点也很重要,你说你这个企业很大,但都是在一个地区,你在中国很大,在新加坡就完蛋了,新加坡市场非常小,所以一定是要国际化的。如果真的有竞争力,真的能够给国家战略形成支撑的话,必须是国际有竞争力的,生意必须做到全球去。

从这个角度上来讲,在我们过去IT信息产业里面几次的革命都是技术创新所带来的,包括个人电脑上的Wintel体系,移动互联网时代的安卓 IOS ARM整套的系统创新,这套系统创新里面需要我们刚才讲的源头核心技术系统创新,也需要我们讲的产品创新和微创新。

比如说安卓和IOS里面操作系统手机做的很好,但是上面还需要很多的应用,应用要瞄准用户的痛点,要能解决实际的问题。而在人工智能领域也是一样,既需要能提供人工智能核心技术包括图象、语音、交互,包括我们刚才讲的认知智能和感知智能核心技术,又需要很多人用这些技术解决各个行业和用户所需要的实际问题。

在这一点上,其实我们能看到不同类型的公司,总结起来有两种:一种是登山型的公司,做源头核心系统的公司必须脚踏实地的一点点做。所以说在这一点上,我们看到有很多的中国的技术创新型的企业,比如说中国的航天,中国的航空、军工,中国包括高铁其实都是这么做的。包括华为,我觉得这一点华为做的很好,我相信中国还能产生越来越多这种公司。

登山型的公司就是山就在那里,你要慢慢一点点攀登,坐十年冷板凳子讲的就是这个精神,一点点研究需要大量的时间。中国长征5号运载火箭,开发这个产品用了10年,这个产品之间的预演又做了10年,做这个产品用了20年,没有这样的韧力根本做不出来。

另外一个叫浪潮之巅,浪潮来的时候如果你不能够抓住这个机会,比如说像微信,微信没有任何核心技术创新,关于3G、4G的核心技术创新已经被华为、Google操作系统已经做完了,但是这上面仍然存在着我们讲的产品创新,微创新和应用创新的机会,这里面也能承受大量的商业生态,这种冲浪型的公司也是大量存在的,要抓住这种机遇,将来要做出大的工作,可能要把这两个结合起来。

要不然你利用登山型公司提供的机会,要不然你就做登山型公司,更多向整个行业提供体各种各样的产品,或者把他们两个结合起来,这一点来讲,每一个做技术创新的人都需要意识到你的位置和需要做出的选择。

最后一条,现在创业很热,我经常讲在学校里面创业,大家在产业上看的东西都已经足够多了,外面又有那么多的精神导师给大家讲这个创业故事、那个创业故事,搞的大家内心很澎湃。大家不要忘记一点,真正要去创业会面临非常多的压力,而这些压力会直接决定你的日子过的好不好,你的心情舒不舒畅,所以说这个是我们这么多年来,包括我自己的一点点小的感受。

就是说经常我们都讲要什么样的心态去创业,有说我一定要干出一个名堂来,不然这个创业就白创了,在别人面前就抬不起头来或者什么之类的。

其实你应该想一下,你小时候去玩耍的时候是什么样的心态,这个例子是真正的给奥运冠军辅导的心理学家告诉我的,他说奥运冠军如果在一个大赛上真正想拿到冠军过程必须是放松的,因为一紧张,老想着金牌自己拿动作就会变形,反而会失去这个机会。

但是如果能够放松——放松是我们小时候玩的,那时候有几个条件:你去玩的事情一定是你喜欢的,你不会说我小时候去玩,爸妈让我去玩、还玩一个不喜欢的事情。第二个,去玩的时候如果不是一个人,你叫一帮小伙伴,那帮人一定是你比较认可的,是你喜欢的。

你不会找一帮你的死对头去玩,那不是玩,那是打架。最重要玩的过程中,也许小时候有很多游戏,玩完以后那个结果谁赢谁输不一定有人记得,但是那个过程你一定记得,过程中你的乐趣你一定记得。

我刚才讲的奥运冠军心理教练告诉大家的是,你在这个过程中全身心的投入了,但是在这个过程中关注的是这个过程中的每一刻的体验,你尽心尽力去做了,你反而更容易能够获得最后的成功,因为你的动作更能够达到你的极限,而不是因为受到各种各样的障碍使你动作变形了,我们讲欲速则不达。

这一点上,大家想一想你收获了什么,创业也许没有成功,但是你的创业经历,给你带来的培养和很多过程一定是有价值的,这种价值你是随随便便参加一个公司,谋得一份职业或者学校里面永远学不到的。这一点上来讲,大家马上进入到整个社会,进入到我们很多人都讲的职场如战场,好像生死相搏的一个环境,其实我看远远不一定要这样,你可以继续享受蓝天和白云,但是我想北京也是比较难,也许到南方好一点。

最后,我非常希望大家能够用技术创新和自己在学校里面所碰到前沿的东西,能一起参与到整个国家和整个世界的人工智能大潮当中来。

今天我跟大家分享的就是这些,谢谢大家!

附:北大AI公开课——“人工智能前沿与产业趋势”课程由北京大学开设,并面向公众开放。课程由人工智能创新中心主任雷鸣老师主持,共14节,每节课邀请一位人工智能领域顶级专家和行业大咖作为主讲嘉宾,就人工智能和一个具体行业的结合深度探讨,分析相应技术的发展,如何影响产业,现状及未来趋势、对应挑战和与机遇。