中欧国际工商学院25周年校庆
1994 - 2019
美国论坛主题演讲
Max Tegmark
麻省理工学院（MIT）物理学教授
未来生命研究所创始人
《穿越平行宇宙》《生命3.0》等畅销书作家
人工智能是一项非常强大的技术，所有行业都与之息息相关。
人工智能不会止步，它将继续发展并最终成为有史以来最强大的技术，这意味着它最终将成为人类最棒的或最糟糕的事情。无论是美国和中国，大家都会在这场科技革命里输赢一体。
让我们从宇宙之广远开始。宇宙经历308亿年的发展演化之后，在我们这个小小的蓝色星球上，发生了一些奇妙的事情。那就是我们现在致力于开发的人工智能技术，有可能帮助我们的生活实现前所未有的蓬勃发展，这是一个非凡的机遇。
宇宙里诞生的第一个生命，我叫它“生命1.0”，因为它像细菌一样，没有学习能力。而我管人类叫做“生命2.0”，因为我们具备学习能力。这让我们的文化得以进化，使人类成为了地球上最强大的物种。未来，“生命3.0”不仅可以取代软件，还可以取代我们身体的硬件。
我的朋友，Skype的联合创始人Jaan Tallinn曾用火箭技术来比喻其他技术的发展。他认为，我们仅仅让科技变得强大并不足够，还需要懂得如何驾驭科技，以及知道我们打算利用科技到达哪里。所以，我想谈谈AI的几个方面：AI的力量，如何驾驭AI，以及AI的发展目标——也就是我们尝试用它来做什么。
AI会完全替代人类吗？
在我看来，智能是实现目标的能力。实现的目标越复杂，越需要智能。智能只与信息加工有关，与加工介质到底是碳基（如人类大脑）还是硅基（如电脑）无关。
今天，人工智能的发展速度令人咋舌。不久前，还没有可以行走的机器人。而现在，自运行火箭可通过人工智能完成自主降落。不久前，人工智能还无法进行人脸识别。而现在，人工智能不仅可以识别人脸，还可以模拟人脸，甚至以你的面孔出现并说出你从未说过的话。
如果我们能够加速人工智能在各个领域的研究，那么现有成就将只是极小的一部分。在生物技术和医疗技术领域，AI或将得到更广泛的应用。
例如，在诊断前列腺癌、肺癌和眼部疾病等方面，AI已经可以与顶级医生媲美甚至更为出色。在硬件方面，我们现在也正在用超声波机器取代大而笨重、价格昂贵的机器。超声波机器不仅体积小到可以放进你的口袋，而且价格也更便宜。
另外一个例子。谷歌DeepMind建立了Alpha Zero，它只需要自我训练24小时便能够击败最优秀的人类选手。但于我而言，印象最深刻的部分并不是AI可以打败人类之中最优秀的玩家，而是AI可以淘汰像我这样的人类AI研究者。
我喜欢通过比喻来思考AI所处的现状，一起来看一张图。
在这张图上，海平面之下的是AI可以完成的任务，海平面之上的是AI不能处理的任务。海平面会随着AI的发展而不断上升。一个问题是：海平面最终会上升到什么位置？最终会不会淹没陆地，从而AI完全代替人类？
有人会说：“不，总有一些工作，人类可以比机器更好地完成。”这是事实吗？
建立AGI（通用人工智能）一直以来就是人工智能的研究目标。一旦我们实现了AGI，AI可以比人类更好地完成所有工作，包括完成AI开发人员的工作。这意味着谷歌、百度、腾讯等企业的AI研究员都会被AI所替代。
如果你认为AGI就像是疯狂的科幻小说，那么还有更疯狂的科幻小说——超级智能，即人工智能自我创造出来的智能。
AGI和超级人工智能会成为现实吗？
我前同事Rodney Brooks是严肃的AI研究者，他认为“未来几百年都不会发生这种事”。但是，像谷歌DeepMind的领导者Demis Hassabis这样的人，则认为这绝对会发生。
这就提出了一个问题，如果这种情况真的发生了，人工智能完全代替了人类，人类将何去何从？对此，我们面临着一个选择。不是是否停止技术发展的选择，而是自满和野心之间的选择。
我们可以自满地说：“我们只要发展比人类更好、更便宜的技术就行了，不必担心后果。”我们也可以设想一下，我们更愿意生活在什么样的未来，然后思考如何才能走向这样的未来。
人类如何驾驭AI的发展？
我们正在让人工智能变得更强大，但怎样才能引导AI帮助我们到达想要的未来？
如果我们能让智慧跟上技术发展的步伐，就可以创造出一个鼓舞人心的高科技未来。但挑战在于，我们将不得不改变策略。
在早期的技术发展中，我们的策略是从错误中学习。例如遭受火灾后发明了灭火器；遭遇车祸后发明了安全带和安全气囊等。但是，面对核能、合成生物、AGI等技术，我们最好在开始就一步到位，预防错误，因为容错空间太小，甚至根本没有。
因此，从微观层面，企业应用AI系统时需周全考虑它可能被骇客攻击的方式，以及它可能以何种形式失灵或损害企业利益。从全球层面，我们要思考AI技术中有哪些可能会步入歧途，确保其处于正确轨道。
在引导AI积极发展方面，我认为中国有着独特的优势，原因有二：其一，中国具有很强的技术实力；其二，中国具有古老的智慧。
中国的技术实力有目共睹。去年我去了中国三次，对中国的技术进步印象尤为深刻。在麻省理工学院，优秀毕业生中有很多都是中国人。中国作为文明古国之一，有着长远规划的传统和能力。
2017年，我们在（美国加州）阿西洛马讨论人工智能的发展原则，有很多来自中国的参会者。这次讨论产生了23条人工智能原则，迄今为止全球已经有1000多名AI研究人员在上面签名。
任何科技，都可能成为帮助人们或伤害人们的新方法。AI研究人员希望禁止人工智能用于破坏性的军事用途，即用于致命性自主武器。因此，在阿西洛马的讨论会上发生了许多令人振奋的事情，个人代表、企业以及其他人承诺不制造这些人工智能武器。在这其中，发展中国家联盟也起到了推动作用。
在阿西洛马的讨论会上，人们还达成了一个共识：人工智能有能力推动全球GDP的快速增长，就像工业革命推动全球经济增长一样。你看看美国就知道，由于技术发展的原因，生产率得以上升，工资也是如此。
但是，这种情况在最近一些年有所变化。非大学毕业的美国白人男性并没有比几十年前赚更多的钱，这就是为什么会出现日益严重的愤怒情绪和两极分化等。实际上，技术才是关键因素。当机器代替了人工，大部分收入都归于那些拥有机器的人。如何使AI发展所带来的财富惠及每一个人，而非加大贫富差距，是我们需要思考的问题。
除了禁止致命性自主武器，缩小AI发展所带来的贫富差距，我们还必须在提高AI的可靠性和稳定性方面加大投入。如果无法保证系统的可靠性和稳定性，AI可能会发生故障并产生危害。
AI带来的真正风险，不是像电影里那样变成邪恶的终结者，而是与我们的目标不一致。因此，必须确保我们制造的机器能够理解目标，实现目标并真正坚持目标。就像我们对待自己的孩子那样，在养育的过程中确保他们有良好的目标。而且我们还必须确保AI不能落入某些可以使用它们的恐怖分子的手中，被非法地用来对付普通大众。
AI是有史以来最强大的技术。它可以放大我们的智慧，使我们更好地解决重大问题。我们可以借助AI的力量，实现所有可持续发展目标。但是，我们接纳AI的好处时，要谨慎思考它的使用禁忌，以确保我们不会做出对人类有危害的事情。只有这样，我们才能创造一个人类驾驭AI，而非AI凌驾于人类之上的未来。
赵先德
中欧国际工商学院运营及供应链管理学教授
京东运营及供应链管理学教席教授
中欧-普洛斯供应链与服务创新中心主任
我的学术背景是供应链管理，并且我大部分的学术生涯都在研究制造公司。但是近几年，电子商务和新型零售业中出现了很多供应链相关的创新，这个领域也成为我的新兴趣点。在中欧国际工商学院，我有一门选修课叫“新零售供应链与服务创新”。如果你关注电子商务，就会发现它的发展势头正猛。电子商务占中国零售总额的比例从2013年的2.1％上升至2017年的23.6％。再看美国的数据，事实上比我们低很多（注：2016年美国电商占全零售的比重仅为12.9%）。如果你进一步关注中国的全零售行业，对比线上和线下的玩家，很明显的一点就是线上玩家成长速度要快很多。
阿里和京东是现今占据中国零售市场份额最高的两大巨头。而传统线下零售的领先者——大商、苏宁和国美的市场份额则低很多。为了更好地参与竞争，他们也正在努力拓展线上业务，并探索将电子商务与线下零售相结合，努力地开发全渠道供应链。
在中国，有相当数量和不同形式的电子商务公司。其中，增长最快的就是跨境电商。在过去五年中，中国消费者购买外国商品的需求每年约增加34％。而且根据预测，到2022年时，跨境进口电商的网站成交金额（GMV）将上涨到当今水平的将近四倍，使跨境电商在电子商务总量中的占比翻一番。这意味着外国公司有更好的机会向中国出售更多的产品——跨境电商可以高效解决这些问题。这个领域的未来不可限量。
中国已成为全球最大的跨境电商消费市场。如果你想真正进入中国市场，这是一个非常好的方式。通过电子商务，你可以与中国境内外的合作伙伴一起赢得市场。
但与此同时，你必须意识到中国消费者的需求、要求和偏好正在迅速变化。越来越多的消费者希望买到更高质量的产品、更符合他们个性的产品，也希望在购买过程中获得更优质的服务体验，这就需要根据个体的个性化需求来设计产品和服务，给电子商务的卖家带来了更多的挑战。
另外需要关注到的是，中国消费者们也正在购买越来越多的健康类产品，并且他们也更乐意为购买时的便利性买单。总体上看，好消息是我们有越来越多的消费者愿意支付更多的钱，而坏消息是他们变得越来越挑剔。因此，零售企业必须努力尝试了解不同类型顾客的差异化需求，并有效地满足这些需求，这样才能在市场竞争中获胜。如果在这方面做得不好，便很可能会失去市场。更重要的是，如果你面对这些需求变化而无所作为，那么很可能难逃破产的厄运。
随着顾客需求的巨大变化，人们也正在创造新的零售模式。现在最热门的词汇是“新零售”或“无界零售”，这个概念的背后，实际上包括了三个方面的无界：
第一， 你需要为不同类型的顾客提供不同的产品和服务。即使是同一类型的顾客，他们在不同的时间、不同的地点也可能有不同的需求。当你尝试服务多种类型的顾客时，这种变化就会加剧，而对创新的需求也随之更大。
第二， 为了满足不同类型顾客的多样化需求，还需要融合线上和线下渠道。许多公司有不止一个渠道在开展零售业务，但新零售的想法是尝试整合所有这些不同的渠道，然后尝试将它们设计成一个整体，从而降低成本、提高效率、提升品质，使顾客最终能够获得更好的体验。
第三， 对于零售企业而言，除了无界的顾客和无界的渠道，可能更重要的是无界的供应链。因为如果真正想要满足这些顾客并为他们创造价值，你必须能够集成来自多个组织的资源和能力，使他们在你的供应网络中扮演着不同的角色。然后，你必须要具备一定的技术和管理能力，设计新的流程和业务模型，从而真正打破组织之间的界限。这就是所谓的供应链整合：多个组织以无缝方式协同工作，以便他们能够利用自己的资源和能力在供应链中承担不同的职责。最后，整合的供应链将能够真正满足所有不同顾客的多样化和差异化需求，并且以更低的成本高效、快速、准确地完成整个服务流程。
在这样的新模式下，我们需要建立供应链的新能力。我将适应新零售时代需求的供应链描述为PDA供应链。第一个字母P代表拉动(Pull), 这表明我们不是做传统的推式供应链，而是需要成为以顾客为中心的拉式供应链。需要去了解不同类型的顾客在不同时间不同地点的需求，用他们的需求来倒推供应链不同环节中的活动。
第二个字母D代表数字化（Digital）。为了能够将供应链的不同环节连接在一起，数字化技术不可或缺，因此拥有数字化供应链的重要性可见一斑，通过数字化供应链将端到端的流程连接在一起后，企业可以更快、更准确地执行操作。在降本增效的同时，企业还能通过数字化供应链积累不同环节的大量数据，并通过对这些大数据的集成和分析来进一步优化供应链中的决策。
第三个字母A代表敏捷（Agile），也就是敏捷供应链。通过敏捷供应链，你将能够使用来自多个组织的资源和能力来配置供应链，形成柔性供应网络乃至生态圈。当你拥有了PDA的供应链能力后，就可以更充分地满足顾客的无界需求，同时成本比别人更低、效率比别人更高。但要想真正建立这种供应链能力，并不容易。
（本部分由王良博士参与编辑校正）
Kristian J. Hammond
西北大学计算机科学Bill and Cathy Osborn教席教授
CS Plus X Initiative项目总监
McCormick学院工程与应用科学学院人工智能硕士生导师
作为西北大学的计算机科学教授，我一生都致力于制造智能机器。我发自内心地喜欢机器智能的概念。从儿时起，我就认为这是世界上最伟大的概念，即使每个人都相信这些机器终将消灭我们。我总是对《2001太空漫游》这部电影中的情节感到震惊，电影中的智能机器HAL为了顺利完成任务，杀死了宇宙飞船上的所有人。我总觉得HAL因此受到了很多无端指责，因为造成这个后果的唯一原因是人们向它委派任务时，没有跟它说“你不能为了完成任务而枉顾他人性命。”如果一开始就对它解释清楚，就不会发生这样的事情了。
因此，对我而言，对智能进行研究至关重要。有两种方式来研究智能的本质。一是研究人类。我花了相当多的时间来做这件事。与其他物种相比，人类在很多方面毫无竞争力，却能够在自己的领域做得出奇地好，我总是为此而震撼。二是从机器智能的角度来思考。你正在创造一些新的东西，因而必须从工程的角度来考虑智能。
我现在从机器智能的简单定义开始讲起。这个定义是1956年由一位名叫约翰••麦卡锡的人确定下来的。他认为，如果机器做到了人类可以做到的事，就可以被称为智能。人类会做各种各样的事情。我们做数学、物理，我们思考谋划、了解世界，我们遭受失败。那么，我们将哪一类行为定义为智能呢？当机器与有才智的人类所做的事情相似，我们称之为智能机器。
问题是，是什么让我们如此聪明？
让我们变得聪明的是我们可以做出决定。我们了解周围发生的事情。我们可以理解语言。我们可以得出关于世界的结论。我们可以审时度势，因时制宜。我们可以解释过去、认识现在、预测未来，这三个要素对认识“什么是智能”至关重要。因此，我们必须意识到，我们所做的一切，都是建立在我们可以学习的事实之上。
那么，人工智能为何现在才被创造出来？
我们今天能发展人工智能，是因为我们终于拥有供机器学习的大数据。我们每天收集的数据相当于地球上每个人阅读500本书所摄取的信息量。然而这只是开始。
但是，当你看到大数据如何被使用，以及数据收集与数据使用之间的差距，就能意识到大数据实际上已经失败了。更甚者，数据本身竟成了问题。幸运的是，这个问题为发明新的数据收集和使用技术提供了动力。请大家在思考AI的时候，不要把它当作孤立事物，从获取良好的结构化数据到基于这些数据进行学习（即统计机器学习），都属于AI的范畴。
这是数据驱动的时代，不同的技术发展都归功于数据的存在。我举一个标准化考试的例子。
我弟弟每年都参加标准化考试。根据回答问题的对错情况，最终得到一个分数。通常一个问题有四个备选答案，一个对的，三个错的。但是，错误答案并不是随机错误，在某种程度上，它们是对你的想法和你所犯错误的预测。如果你分析学生的答案，你就能真正理解一个学生存在什么问题。而一个后瞻性的评估，可以成为诊断和提供建议的系统。没有老师有时间为每一个学生做这种规模化的分析、诊断和建议，但是机器可以。在不到一秒钟的时间内，机器就能提供更精确、更切中要害的建议。这意味着我们可以改变教育和考试的性质，将其纳入咨询系统的范畴。可见，我们在这个领域有很多机遇。
在人工智能的世界里，我们有很多事情可以做，但问题是从哪里开始。大家首先要看看你的组织中有哪些任务，再思考这个任务是否由数据驱动，然后思考自己是否知道如何去做，是否可以分解任务，最后思考我们是否真的会因重复做事而希望将任务自动化。一个任务如果是一年一次，可能不需要自动化，因为自动化过程也会耗费时间。但一个任务如果每天都要做1000次，你就会迫切想要将其自动化。
实现自动化有5个基本步骤：工具、追踪、培训、测试和转换。
你想要制造一个工具来帮助别人完成任务，使他们的生活变得更好。制造出来的工具投入使用后，你可以获取使用者的数据和决策信息来用于追踪。通过追踪获取的数据和信息，你可以训练系统，使其模拟人类进行决策。完成训练的系统就可以投入测试了。如何测试？你把设备连接到系统上，让人们继续做决策，同时让你的设备也做决策，再比照人们的决策，去调整系统决策的准确度。当你对系统决策准确度比较满意了，就可以转变整个流程了。
机器和人类是伙伴关系，永远不要中断这种关系。人工智能将机器与人类联系起来，将机器所做的事情与人类联系起来。今天人工智能所发生的一切，都是由分析和数据驱动。机器学习产生的知识和规则，可协助你解决问题。你要做的是思考如何把这些知识和规则融入到一个更大的图景中，即综合数据。通过AI学习技术，可把这些数据转化为知识，从而真正地推动决策、推理、规划、解决问题和预测。
我们正走向一个美好的未来。从数据和分析开始，我们正处于并且正在超越纯粹的机器学习阶段。使用这些信息、知识和推理意味着什么？一旦我们真正掌握了推理，就意味着我们要考虑数据交互，就是刚刚提及的伙伴关系。我们不能对AI放任自流。如果我们盲目相信AI，最终可能会被其征服；如果我们毫不信任AI，那它便毫无用处。当今世界是一个合作的世界，而一个合作的世界是强大的，因为这意味着最高效的机器和最智慧的人类可以团结在一起，它所能做的事，比任何一方单独做的都要好。