摘要：本期节目为《AI在制造》系列节目第五期，由蘑菇物联联合华为云共同打造。蘑菇物联工业AI科学家周子叶先生邀请香港科技大学(广州)协理副校长、人工智能学域主任熊辉教授，一起畅聊“灵活的工业AI才能满足企业需求”。
AI技术会造成大范围失业吗？回答这个问题，再没有比钻研这项技术的世界级学者熊辉教授更合适的人选了。作为人工智能领域世界级科学家，熊辉教授曾当选ACM杰出科学家并在2020年当选IEEE Fellow与AAAS Fellow，他指出我们对AI技术自身能力边界有两层理解：一层是它能做到，但我们以为它做不到；还有一层是它做不到，我们以为它能做到。
深刻理解AI技术本身的熊教授，接着回答了这个问题：AI技术在工业领域，有哪些事情能做？又有哪些事情不能做呢？挑战有哪些？怎么去解决？熊辉教授在节目中多次表达了对既懂技术又懂领域知识的人才的渴求。
对于在工业领域有AI和没有AI的区别在哪里？熊教授直言：“有没有AI，那简直是天壤之别，如果没有AI，你就完全失去竞争力了。”
那么，AI会让你失业吗？熊教授认为不会，但是你需要不断学习，跟上时代，利用新技术提高自己的生产力，因为“现在是一个技术井喷的转折点，如果我们没有在合适的时间采用合适的技术”，后果不堪设想，这就好比你回到瓦特发明蒸汽机的时代，你却对他的发明视而不见只顾埋头织布，这个后果你能想象吗？
以下，是周子叶先生和熊辉教授的对谈全文：
01 AI技术会不会造成大范围失业？
周子叶：熊老师，在当下ChatGPT和GPT-4大火、华为的盘古大模型蓄势待发的情况下，AI技术大规模应用后，您认为会不会造成大范围失业情况出现？
熊辉：任何一次人类的技术大进步都是人类生产力的解放，比如纺织业革命，很多自动化纺织设备的产生，客观上对于某些行业、某些工种造成一些冲击，但同时又创造了很多新型的工作机会。
我们拥有这种新型的AI工具，可以提升我们的生产力，这是一个整体的发展趋势。我是站在一个相对比较正面的角度来看待这个问题。但是新的技术对人就提出了新的要求。
就像刚才所提到的纺织工业革命，如果你当时没有及时从传统的手工业转移到工业革命时代的知识结构，那么有可能会失业。
如果我们保持终身学习的心态，能够跟上新技术发展的能力和要求。对于大家来说，特别是对于整个工业来说，我们创造了更多的机会，蛋糕变得更大了，而且效率空间包括企业的利润空间也变得更加大。
02 有AI和没AI，区别在哪里？
周子叶：那您认为在工业领域有AI和没AI，区别在哪里？
熊辉：工业革命时代以来，所有的技术进步，从最早的机械化到自动化到现在的智能化，我们整个智能化发展水平，其核心目的都是提升效率。
整个工业的各环节，无论是生产、物流、营销环节，AI可以极大的提升生产效率。
从生产的角度来说，现在的人工智能的自动化流程，可以做到非常高效、及时的生产，而且会减少生产中发生的各种各样的错误、事故，帮助我们能够非常及时的跟上市场的需求。
所以说，有没有AI，那简直是天壤之别，如果没有AI的话，企业就完全失去竞争力，而且AI在工业中的渗透只能是越来越多。
03 AI能够满足差异化和碎片化的工业场景吗？
周子叶：工业场景有碎片化和差异性大的特点，AI能够灵活地满足场景的差异化和碎片化的特点吗？
熊辉：我认为是可以的，但是中间会有挑战。工业有很多碎片化的应用场景，也有很多碎片化的应用需求。每一个碎片化的应用场景，它都有各自领域上的挑战。
从技术本身来说，技术核心都是类似的，但是应用在不同的场景，挑战在于各领域对于技术运用的成熟度要求和技术与场景的适配度的要求。
这对运用技术的人才要求是非常高的。我们训练出来的人才有的只懂技术，有的只懂领域知识，既懂技术又懂领域知识的人很少。
在这种情况下，在工作过程中有一部分懂技术的人去自我学习、自我进化，学习领域知识，或一部分懂领域知识的人又学习了技术知识，这两者融合在一起，最终就可以解决既需要领域知识又需要技术知识的问题，然后解决各个碎片化行业的具体问题，形成一个又一个智能化的子系统，最终帮助整个工业实现全盘的数字化和智能化的革命。
04 能被数字化的地方，AI都可以发挥作用
周子叶：您认为在工业领域哪些场景比较适合应用AI技术，哪些场景不太适合？
熊辉：我们考虑很多工业问题的时候，我们经常要问自己一个问题：所谓的智能化到底是想智能化什么东西？
比如我做很多和行业结合的项目，我需要很多的领域知识，我经常问行业的专业人才每天想解决的问题是什么？如果解决步骤相对是比较规律化的，我们就可以通过智能化来自动实现。这都是人工智能相对来说会适用得非常好的场景。
人工智能在哪些场合不是很适用？我个人认为现在整个数字化已经渗透到了各行各业，而且渗透到了各个子空间，只要最终能够被数字化的地方，人工智能都可以发挥它的作用。
05 AI在工业领域落地的3种挑战？
周子叶：在工业领域您认为AI落地面临的挑战有哪些？
熊教授：首先是人才的挑战，任何工业领域有两方面的知识，一个是领域知识，一个是技术知识。工业对人才的要求是通才的知识结构，但是学校培养出来的人才又是专才的知识结构。
从这个角度来说，培养出来的人才和工业需要的人才中间有一个不匹配的过程，人才就需要自我演化和自我学习，来达到和工业需求匹配。
第二个挑战，现在任何技术的应用都涉及到传统观念和新观念的碰撞，比如说管理者受很多传统观念、传统技术的影响，他们对于新事物必然有很多不了解或者不理解，因为他不了解，所以他不理解，甚至会产生一些敌视。
我们在新技术运用过程中，必然会碰到对于技术的认知不够，或者了解不深、理解不透彻的，就会产生很多的误解，在过程中就会产生很多的碰撞。
还有一个挑战是技术本身。人类对技术的能力边界的理解也是在不断深入的，比如说ChatGPT，当你对它的本质、对它的能力边界不够理解的时候，往往就会产生很多不切实际的应用需求，已经超出了它的能力边界。
我们对技术能力边界的理解就两层：一层是它能做到，但是我们以为它做不到；还有一层是它做不到，我们以为它能做到。
在这种对技术的理解基础上，如果对能力边界把握不够，我们在运用的过程中也可能会产生很多的资源浪费，或者说产生很多的不适配。
06 AI项目中领军人物的重要性
周子叶：您刚才讲的三大类的挑战，业界专家如何克服这些挑战？
熊辉：任何运用到人工智能技术的行业，对于人才的要求非常高，任何一个项目需要有非常好的领军人物，领军人物对行业非常了解，对技术也非常了解。
为什么要对技术了解？不懂技术的话，你不知道技术的能力边界到底在哪里，同时要懂领域，如果不懂领域的话，你都不知道技术能够解决什么样的问题，你不能把具体领域的问题抽象成一个具体的数学问题，你根本不知道什么样的技术能够用来解决它。
所以领军人物非常重要，领军人物不光能够带来视野，可以看到未来的方向，同时又有团队的管理能力，能够凝聚一批人才，这种人才具有很强的技能，同时又有很强的学习能力，这些人才凝聚在一起，就可以去解决刚才所说的挑战。
领军人物还有一个很重要的作用，就是对风险进行把握和控制。现代的社会，技术演化实在是太快，我个人认为现在是一个技术井喷的转折点。
当技术处于快速迭代周期，我们采用技术的时候，就面临一个非常大的风险。如果我们没有在合适的时间采用合适的技术，我们的投资、资源就浪费了。
作为一个对领军人才，对于风险的把控非常重要。如何去寻求到一个领军人才？如何帮助他去建立一个团队？才能面临现在快速发展的挑战，更好的降低风险，把整个过程做到更加的平和。
07 工业界的GPT-4什么时候会出现？
周子叶：熊老师，您认为工业界的GPT-4什么时候会出现？
熊辉：所谓工业界的ChatGPT-4，或者说未来的GPT-5或6，从某种意义上来说，工业有各种垂类的要求，比如说医药行业、金融行业。这些行业对于语言模型的要求是非常高的，对语言模型要求它具有可解释性，为什么？
比如说我帮你看病，我判断你得了病，给你做治疗，我一定要有依据，换句话说我要可解释，如果没有可解释的话，我可能面临极大的法律上、人伦上或者医疗本身的风险。
我们要在现有的通用型大模型基础上，开发那种专有的能够去更好解决可解释性问题、人伦道德问题等其他问题的垂类模型，开发出针对医疗行业、金融行业、智能制造等各个子分类的垂类模型。
我相信整个人工智能界会有非常多这样的努力，在通用型的模型基础上，如何去更好的训练出一个垂类的模型，这种垂类的模型就可以更加符合行业的要求，来解决行业的智能化的问题。
