人工智能時代的看法精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的人工智能時代的看法主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：人工智能時代的看法范文
英國科學協會展開的一項調查顯示，在2000名被調查者中，三分之一的人相信人工智能將在下世紀給人類帶來嚴重威脅，超過60%的受調查者認為機器人將在未來10年搶奪人類的工作。四分之一的受調查者則預計，在20年內機器人將成為人們日常生活中的一部分。就好似任何一種新生事物的出現都會有支持派、反對派和觀望派一樣，目前人們對于人工智能的看法也分出了“支持”“不支持”和“看不明白”幾大陣營。
許多科學家擔憂：
人工智能是人類生存的最大威脅
事實上，許多科學家對人工智能表示擔憂。著名物理學家霍金曾與多位科技界名人發表聯署公開信，表示人工智能對于人類的威脅更甚于核武器。他認為：“對完全人工智能的發展可能會招致人類歷史的終結。”他警告稱人類正面臨來自智能技術的威脅，隨著技術體自身開始學會自我思考，并學會適應環境，我們人類將面對不確定的未來。他表示：“成功制造出一臺人工智能機器人將是人類歷史上的里程碑。但不幸的是，它也可能會成為我們歷史上最后的一個里程碑，除非我們能學會如何去規避這種風險。短期來看，人工智能產生何種影響取決于誰在控制它；而長期來看，這種影響將取決于我們還能否控制它。”
霍金并不是唯一一個對人工智能表示擔憂的人。特斯拉汽車的首席執行官馬斯克的看法更加引人注目，他用個人推特賬號警示，稱人工智能是人類遇到的最嚴重的“生存風險”。既然人類可以進化出文明，人工智能為什么不可以建立自己的文明？既然機器有了自己的意識和思維，那它是否會擁有自主意識，就如同“奴隸”意識到自己是“人類”。在人類不長的歷史中，確實存在過長達千年的“奴隸社會”時代，那時候的“奴隸”根本沒有人的權利，只能被稱為“會說話”的工具。英國數學家歐文?約翰?古德把超智能機器的發展形容為“人類需要做的最后一項發明”，因為在超智能機器出現后，人類會把創新與技術研發的工作讓給超智能機器這位更為智慧的繼任者。
機器人會傷害人嗎？
1950年，阿西莫夫提出了著名的《機器人學三大法則》：
第一法則：機器人不得傷害人類，或坐視人類受到傷害；
第二法則：除非違背第一法則，機器人必須服從人類的命令；
第三法則：在不違背第一及第二法則下，機器人必須保護自己。
在阿西莫夫創作一系列機器人短篇科幻小說并提出“機器人學三大法則”時，世界上還沒有機器人。而隨著人類社會的發展，人工智能與人類的關系發展也將產生階段性的變化，我們可以先暫且簡單分為如下階段：
第一階段：機器人還沒有自我認知，只是服從人類編寫的程序。
第二階段：機器人知道自己是機器人，并可以自我學習，但還未超越人類。
第三階段：機器人可以自主升級迭代，全面超越人類。
無論在哪一個階段，阿西莫夫的“機器人學三大法則”都充滿了“種族歧視”。
規定機器人不可傷害人類，難道人類就可以隨意傷害機器人嗎？機器人在阿西莫夫的科幻小說中，因為三大法則的制約，被描述成為人類的忠仆與朋友。但如果真按這套法則去執行，估計到了第三階段，機器人就會完全被人類教壞。當機器人自主升級迭代時，他們大概也會思考人類有無存在的必要性。
鏈接2
人類能夠控制機器人的善惡嗎？
顯然，在目前的科技及計算機領域，我們已經看到了部分類似人工智能的應用形式，可以模仿人類的大腦來思考，達到某種目的。但真正像科幻電影中具備自主思考能力、學習能力甚至是情感的人工智能什么時候會出現，暫時還很難說。但可以肯定的是，人類是一種擅于不斷挑戰極限的生物，從整個人類的發展史來看，我們已經創造了太多奇跡，如果有一天人工智能真的出現，也不足為奇。首先，它們正變得越來越聰明和強大；其次，目前很難通過編程或設計來保證它們的無害性。那么，人們真的無法設計出一個友善的人工智能程序嗎？科學家表示這是極為復雜和不確定的，因為人工智能會模仿人類思考方式，人性本身便是復雜的，可善可惡，我們無法來制定一個不變的標準。
人工智能將使人類喪失斗志？
還有一些科學家認為，人工智能最大的威脅不是毀滅人類，而是將取代人類。李開復認為：大部分人類工作可被機器取代。他表示，雖然機器在邏輯分析推算方面的能力會遠超人類，但是依然是屬于人類操控的工具。“阿爾法圍棋”這類的“人工智能”機器真正可能帶來的危機，不是奴役人類，而是讓人類喪失斗志，無所事事。“阿爾法圍棋”是一個能深度學習的機器人，經過專家的調節，它能在任何可以純憑邏輯分析推算的問題上，把人類遠遠地拋在后面。基于深度學習的人工智能將帶來什么改變呢？我們將看到無數的商機和產品，能夠解決問題、拯救生命、產生巨大的商業和用戶價值。這些技術可能輔助專家，也可能取代專家。很多非專家的工作者將面臨失業。未來十年，大部分今天的人類工作可被機器取代。人類最應該擔心的是：一旦當機器供養著人類，人類達到了馬斯洛需求的基本需求，人類真的還會有動力去追求更宏偉的目標？還是醉生夢死、無所事事？人工智能讓人類越來越缺乏思考，而其自身則有可能越來越聰明，從而威脅到人類的生存。
樂觀派科學家認為：人工智能將為人類服務
在支持者看來，人工智能的發展并不會給人類帶來威脅，而之所以會引發恐慌則是因為人們對于人工智能的工作原理并不了解。從科技發展史上看，并沒有因為汽車和輪船的出現而使田徑、游泳這些體育項目消失。他們堅信，人工智能的未來是要給人類帶來更加高效、便利的生活。就在“人機圍棋大戰”的前一天，谷歌董事長施密特在會上表示，這場比賽李世石無論輸贏都代表著人類的勝利，因為是人類的努力才讓人工智能取得了這樣的突破。谷歌不只是想做一個棋類程序，而是希望打造一個通用的智能計算系統，用于災害預測、風險控制、醫療健康和機器人等復雜領域。英國著名人工智能科學家、智能機器人Cleverbot的發明者羅洛?卡朋特表示，他相信人類在相當長一段時間內將保持對人工智能技術的掌控，而且未來將實現利用人工智能技術解決眾多世界性難題。
前人工智能發展尚處在早期階段
當然，我們現在談論“人機大融合”可能還為時尚早，人工智能的發展目前仍處于早期階段。既然現在機器的計算能力已經完勝人類，學習模式也在逼近，為什么還說人工智能處在發展早期？主要原因或者說難點有三：
第一，機器在信息輸入端還望塵莫及。人類的感官對世界的感知是目前機器最為缺失的。比如人有視覺、聽覺、嗅覺、觸覺、味覺，這些人類大腦的“輸入設備”是經過幾億年的進化而來，極其精良。以最容易數字化的視覺為例，目前為止還沒有電子設備在生活場景中可以趕上人類的眼睛對信息的快速捕捉。更別說人類還有同情心和好奇心，同情心是對他人情感的感知和共鳴，好奇心是對陌生信息的獲取、處理、存儲的動力。機器對這些信息的捕捉能力還有待發展。
第二，機器在輸出端同樣捉襟見肘。機器人要如何趕上人類的身體構造呢？“阿爾法圍棋”仍然需要一個替身去代它和李世石下棋，而不能自己去瀟灑地持子。人類一個看似簡單的動作，機器模仿起來都很困難，更別說去滿足機器人保姆之類的工作需求。
第三，人類大腦的復雜性恐難企及。人類的大腦神經元是一種生物化學構造的樹狀結構，對信息的存儲、檢索、緩存和分析的效率極高。計算機要想全面趕上，可能在硬件結構和算法設計上還需要一些突破。
新知識的產生往往需要站在前人的肩膀上。在互聯網時代，人類信息和知識獲取的成本在不斷降低，這極大地促進了新知識的產生，繼而整個人類科學的發展應該是在不斷加速的，你看，原本想也不敢想的自動駕駛現在也近在眼前。隨著技術的不斷突破，未來十年一定會是人工智能的黃金十年。
鏈接1
機器人下棋為何會戰勝人類？
有些人描述“阿爾法圍棋”是“和人一樣的方式思考，但是比人快無數倍”。這么說并不精確。“阿爾法圍棋”確實比人快無數倍，但是“阿爾法圍棋”的思考只能說是“被人的大腦啟發”，而并非和人類一樣思考。機器運算速度會越來越快，學習能力會越來越強，數據會越來越多。谷歌的“阿爾法圍棋”之所以能戰勝職業棋手，借助的是模仿人類大腦的神經回路、被稱為“深度學習”的最尖端人工智能技術。谷歌采用這項技術，在2015年推出了一邊玩電子游戲一邊找出新戰術的人工智能“DQN”，創造了超過人類的高分，展現了人工智能在深度學習領域的實力。以“阿爾法圍棋”為例，首先輸入協助開發的職業棋手的3000萬種圍棋下法讓其學習，達到能夠以57%的概率預測與其對陣的人類行動的水平。在此基礎上，人工智能將自己的對戰重溫數百萬次，在不斷積累勝負經驗的過程中，掌握取勝方式。它在觀察圍棋棋子的整體布局的基礎上選擇最佳下法，這一方式接近于帶著直覺和第六感做出判斷的人類大腦的功能。
鏈接3
哪些工作會被人工智能代替？
隨著人工智能的發展，機器確實可以通過深度學習來代替人類做越來越多的工作。根據一項報告，到2025年，約有25%的工作將被人工智能或是機器人所取代。具體而言，內外科醫生、編舞、教師、作家、律師、人力資源經理、科學家、工程師和記者屬于比較安全的、不容易被替代的職業；司機、技工、建筑工人、裁縫、快遞員、抄表員、收銀員、保安和洗碗工則屬于比較危險的、有可能被替代的職業。
鏈接4
第2篇：人工智能時代的看法范文
我首先從 AlphaGo說起。
AlphaGo人機大戰發生之前，應該說大部分人，尤其是行家對機器都是不看好的，即便大數據已經熱了好幾年。在這種前提下， AlphaGo 卻仍然給我們帶來了震驚。以前我們沒有想過會有這樣的事發生。
AlphagoGo應用的局限性
業外的人都說圍棋太復雜了，可以走的策略比宇宙里的原子還要多。這種說法其實是不對的。這樣的問題在我們學術界尤其是統計物理和量子物理已經處理過很多次了，處理這種問題我們使用蒙特卡羅樹的方法。而且，在國際象棋領域，早在1997 年，機器（IBM深藍）就戰勝了人。
那對于AlphaGo，行家怎么說？他們說看了之前AlphaGo和歐洲冠軍的打法，覺得它的水平離圍棋九段的人的水平還差很遠。但其實，這里面最重要的一點是，AlphaGo是一個會學習的機器，幾個月的學習就讓它的水平提高了很多。這是AlphaGo給我們帶來的一個震驚――它是會學習的機器，前提是大數據，跟我們統計物理使用的蒙特卡羅不一樣，它是用大數據解決問題，并采用了強化學習的辦法。
要強調的是，AlphaGo的基本原理是馬爾科夫決策過程，它可以應用于一般的智能決策系統，但背后的數學模型都是馬爾科夫決策過程，包括醫療、健康和政府決策、軍事決策等。機器人在很多不同領域的數學模型都可以適用。
當然，這并不是說AlphaGo已經把所有問題都解決了。只是圍棋與其他應用不同的是，它是一對一的博弈系統，角色是對稱的。而剛剛提到的金融、醫療健康、決策問題則是多方的博弈，且是不對稱的。
所以，盡管AlphaGo背后的數學模型是通用的，但是并不是說AlphaGo已經把所有問題都解決了，要解決其他的問題，我們還需要進一步的努力，還需要解決在角色不對稱的前提下怎么把AlphaGo推廣得更好。
智能時代意味著什么
但是這里需要強調的一點是， AlphaGo作為標志，使得人工智能進入了新的時代 。人工智能這個領域已經有了幾十年的歷史，到20世紀80年代人工智能在走下坡路，很多人工智能企業都開始做跟人工智能沒有關系的業務了。但是以AlphaGo作為標志，我們看到人工智能進入新的時代。這里面主要的原因是它的核心技術有一個重大改進，就是以大數據為學習尤其是深度學習為基礎，這使得人工智能進入新的時代。
這樣一個新的時代，智能化的時代意味著什么？
人類已經完成了非常大的改變，就是工業化的時代，這是因為我們人類造出了會勞動的機器，即機械化。機械化對我們產生了什么影響？
第一，它把我們人類從非常繁重的體力勞動中解放了出來； 第二，機器勞動的效率比人類的勞動效率提高了很多倍； 第三，我們的生產進入了專業化的模式，就是說我們生產出來的東西都是標準化、大規模地去做，由此給國際社會產生了很大的影響，包括國際貿易、商業化，甚至我們現在的社會制度，都跟工業化、機械化有直接的影響和關聯。
現在我們面臨著的就是下一個突破，也就是智能化的時代。中間可能會插入一個信息化，我們正在完成的所謂信息化時代，但是我認為信息化只是一個過渡，真正要面臨的是智能化時代這樣一個新的轉變。
智能化時代就是以會學習的機器作為代表，我們人類造出了會學習的機器，你試想人跟機器，跟其他的有什么不一樣？就是因為人會學習，通過學習我們積累了很多經驗，我們可以處理機器不能處理的問題，我們有直觀感覺。直覺是從經驗來的。為什么在座領導可以做領導其他人不可以做領導？就是因為我們在座領導有很好的經驗，可以做很好的決策，是通過工作經歷和學習經歷學習過來的。
現在我們造出了會學習的機器，這個會學習的機器比我們人類學習的效率要高很多倍。這點，通過AlphaGo，我們已經看到了，它通過自己下棋積累經驗的速度遠遠超過人類。這會給我們這個社會產生什么樣的影響？
首先，我們可以想像的是，機器可以幫我們人類做決策 ，把我們從一些我們不大喜歡的、比較繁重的體力和腦力勞動里解放出來，使我們人類可以做更富有創造性的勞動。
其次，跟工業化相對是個性化。工業化時代產品是標準化的，下一步可能有智能化個性化的產品 ，我們喜歡什么就造什么。
從社會管理的角度，我還是想談一點我自己的看法。現在很多人都在講智慧城市，智慧城市是什么？它絕不僅僅是搞一些物聯網的傳感器，而是有更深刻的背景。
我們現在的社會管理是專業化的模式，比如說四川省下面有很多的部門，像環保部門、農業部門和水利部門，不同的部門都是由專業人員在管他們專業范圍內的事，他們在自己專業范圍內做得非常好，是專業化的管理模式。
但以環境為例，環境涉及到不僅是環保部門，還有工業部門的污染，還有交通、農業、林業、水利等的污染，是一體化的事。讓我們來想想人是怎么做決策的？人通過眼睛、鼻子、手采集信息，采集完了以后傳輸送到大腦，由大腦作決策，再通過手、腳執行，這是人類決策的模式。大數據驅動下的智能時代的決策模式，應該跟人的決策模式類似。決策是中心化、平臺化的，而部門起到的作用是信息采集和執行的作用。這樣的決策模式可以更系統化，可以把不同的重要的因素都給考慮進去。就像我們說的數據孤島，它將來可能就是數據平臺，數據平臺下的執行模式一定是中心化的。
我們該怎樣衡量社會的發展程度？現在我們采用的是專業化的模式，比如GDP、各種各樣的指標。但實際上，我們關心的并不只是GDP，而是個人的滿意程度和社會發展的和諧程度。這些在過去是很難來實現和描述的，但在未來，我們可能將社會進步的標準逐步地變成個人價值、個人滿意的幸福感和社會的和諧程度。
發展與挑戰
要做到這一點還面臨很多挑戰。首先，我國人才缺乏 ，人才是一個重要的問題，這方面我不多言。
還有一個很現實的問題，我們各個相關領域的知識結構還有一點落后。跟大數據和人工智能、智能化比較相關的有哪些領域？首先像人工智能、機器學習、數據挖掘、計算方法、統計，這些在我國都有，而且做的人還很多，但是我們的知識結構和概念、理念還比較落后，還沒有達到應有水平。比如說人工智能，我們多少人是做新模式人工智能的，有多少人是在做舊模式的人工智能？比如說計算方法，我們有多少人在做新的算法，多少人在做過去的傳統算法？知識結構尤其是概念的落后，在我國是非常普遍的。 還有一個困難是基本概念的混淆 ，我們在推動一項新措施的時候常常看到，比如把云計算和大數據混合在一起，這對我們推動大數據和人工智能以及智能時展是非常不利的。
另外就是體制機制的制約。產學研在我國已經提了很長時間，各個學校都有產學研的部門，但是不是做到位了，是不是可以滿足智能化時代新的需求，尤其是大數據提出的新需求，還需要掂量。
第3篇：人工智能時代的看法范文
人工智能現在主要的缺陷或者不足還是在機器學習方面。神經網絡是學習的一個方法，這個方法確實可以解決很多問題，但是它的問題是你不知道它是怎么解決問題的，在神經網絡機器人的表達里面有很多東西是沒有辦法定性、解釋的，這是比較難的一個問題。如果把這個問題解決掉，人工智能可能又會來一波大的浪潮。不管怎么樣，怎么樣做好知識處理，能夠做到知其所以然，這是現在面臨的一個比較大的問題。
這方面有人在做研究，圍繞這個領域，做機器學習的人都在探索怎么把這個理論實用化，因為他們的理論太理論，沒辦法直接用，所以很多人都在探索這個問題。
人工智能的劃分
現在的人工智能和未來的人工智能到底從階段上怎么來劃分？或者說我們現在做了多少事，未來還有多少事需要做？
不要認為我們解決了人工智能的所有問題，我們解決的問題還是很小一部分。是哪一部分呢？我們把這個分成四部分，包括可推理，可統計；可推理，不可統計； 不可推理，可統計；不可推理，不可統計。
第一部分是可統計，可推理的。這一部分工業界已經可以用了，拿去做機器人、去做各種各樣的知識決策系統都是可以的。
第二部分是不可統計，可推理的。什么東西是這樣的？要么數據不完備，要么數據里面特征的描述還沒有找到更好的辦法，可能里面是很稀疏的東西，表達根本沒有辦法統計出來，在里面是游離狀態，但是是可推理的，可以寫出正確的規則。這些靠大數據解決不了問題，但是只能靠傳統的邏輯來做。這方面又相當脆弱，許多東西需要進一步去驗證。
第三部分是可統計，不可推理的。這個意思就是我有大數據，通過大數據都能把規律統計出來，但是用語言表述出它的因果關系不行，有點復雜。當然隨著時間的推移，可能也變成可推理。至今這里有相當一部分用神經元網絡可以解決，但是用推理的辦法還很難解決。這方面曙光有一些，但是也需要更多的沉淀。
第四部分是不可推理，不可統計的。未來機器人在這方面很難有作為。為什么？連我們自己都說不清楚。比如說人類有很多頓悟，這些頓悟通過統計能證明它產生？不可能統計出來。通過理論證明這個東西產生嗎？不可能。也不知道什么人在什么環境下突然想明白一件事，這個機器做不了，沒有模型和數據，所以這些東西是未來機器人不可能涉足，不可能勝過人的。我講到這里，大家都很容易理解，將來機器人會在哪些領域可以，在哪些領域不可以替代人類。
人工智能時代真的要到了嗎？答案可以是肯定的。比如你僅僅是期望計算機能夠做的事比人做得更好，很多事情是可重復、可統計、可推理的，把這些事交給計算機去做，它一定做得比人強。
例如下圍棋，盡管比較難，但是它是經驗和知識積累的過程。也就是說，慢慢的，機器一定會勝過人。之前我在香港和一個教授還在討論，以后還有沒有人下圍棋呢？為什么這樣想呢？他說人和人下很有樂趣，和計算機下盤盤輸，為什么還要下？我說為什么要和計算機下？還是要和人下，這樣你還是冠軍。
人工智能對經濟的五個影響
這是我們對AI的看法。現在大家可能知道，2016年10月13日，美國白宮兩個和人工智能有關的報告。2016年12月20日，美國白宮又了一個報告，叫做《人工智能自動化與經濟》。這篇報告中說，人工智能總體來說，不管你是否接受，不管你是否看好，這件事就要發生了。我們現在要做的是，如果這件事發生了，我們怎么去應對它。
我認為這個報告出得非常及時，列出了人工智能對經濟五個方面的影響。例如對總的生產率增長的影響是積極的，對就業市場的影響會發生變化，對不同層次的人變化不一樣，影響分布是不均衡的，所以不同層次、部門、領域、區域的都會不一樣。人工智能會導致一些工作職位的消失，也會產生一些新的類型的工作。勞動力市場將會被攪亂，一些工人短期會失業，失業的時間肯定更長，這就看政策到底怎么調整。
按照美國的判斷，對每個小時40美元以上的工作影響不大，只有4%，對每小時20～40美元之間的影響是31%，但是對于低于20美元的勞動力影響非常大，達到83%。所以政府要有所應對。應對的策略包括鼓勵投資開發，也包括對新的工作類型進行培訓、對轉型期間的工人提供幫助，讓他們能夠通過再學習得到就業。
下一波浪潮一定是AI
回到今天我們的主題，人工智能帶來的機遇對全社會，當然也包括對于自動化領域，特別是機器人領域，機遇是非常多的。如果我們說過去這幾十年比較大的浪潮，第一波是PC浪潮，給信息領域帶來顛覆性的影響。緊接著是互聯網浪潮，成就了一大批互聯網公司，例如谷歌、百度。之后馬上出了一波新的浪潮，叫移動互聯網，比如說今天的蘋果就是這波浪潮起來的公司。下一波是什么？一定是在AI，這一技術的研發和應用，將使得蘋果、百度、華為這樣的公司得到更大的發展。
是否用AI做機器人？當然可能，也有可能是做別的，所以說浪潮就在這里。
我們現在做機器人，絕大部分的行為是設計出來的，我們把它叫做Designed Robot，要前進、拐彎都是按規律設計出來的。這沒有錯誤，但是不是AI。什么是AI機器人？或者叫學習機器人呢？就是機器人做好以后，他不知道要干什么。你訓練他干什么他就干什么。就像小孩一樣，小孩出生了，你說他將來是數學家、物理學家、技術工人、農民？他什么都不是，但什么都可能是，就看你教他什么。
我們以后的機器人也應該是做出來的時候什么都不是，你教他做什么他就是什么，你教他開車，他就會開車，你教他上流水線操作，他就會流水線操作。這一天一定會到來，就看誰在上面花的工夫更大，或者準備更充分。
AI帶來的機遇與挑戰
我們怎么樣能讓系統和人具有同樣的知識能力和水平呢？現在大部分是軟件知識，有一個系統，你會給它大數據的集合，它進行不斷的訓練，不斷的和人聊天、對話。這些機器人開始的規則比較簡單，當大數據進去之后，不斷的會話調整反饋，就能慢慢抓住聊天對象的注意力，讓你跟著它轉。這可能是現在的一些情況。
真正到了AI階段，就不是軟件知識，而應該是開放知識。現在人類之所以一直在進步，是因為知識本身是_放的，我們得到了一些知識，然后把它教給學生，寫成書給社會，社會得到這些知識之后就會不停的進步。在這個基礎上，別人再去加新的知識。所以一定是開放的，如果不開放，這個社會就不能進步。這個道理一樣落到機器人和AI方面。
人工智能對于教育和就業的機遇比較多，因為現在整個社會需要非常多的學習人工智能的博士，現在在美國，博士能夠拿到上百萬的年薪，當然在國內也一樣。有時候我們開玩笑，老老實實教了一輩子書，剛畢業的學生就比我們的薪水高。需求太大就水漲船高，所以需要教育提供更多的人才。
第4篇：人工智能時代的看法范文
“機器人”是傳感器和執行器結合在一起的特例，而在更多數的情況下，傳感器是散落在環境中的，比如路燈上或者智能手機里，而執行端則在遠處的一個集群服務器中，隨著傳感器越來越小，它們會從我們的視野中“消失”。卡普蘭舉了一個很形象的例子，“有一天當你走在一片原始荒原時，你可能并不會注意到你眼前有一個巨大的網絡，大量組織和協作的設備正在維護這個環境，同時也在照看你，就像在參觀迪士尼樂園時那樣。”
最初，計算機一直被視為“只能按照編好的程序工作”，然而，以AlphaGo為代表的深度學習算法所展示出來的人工智能，已經足以改變人們的看法，即智能軟件在特定問題上的智能已經遠超人類最為杰出的選手，而智能軟件其實早已在量化投資、電子商務、互聯網廣告等領域處理著每秒數以億兆計的數據洪流，并從其中賺取巨額收益。
卡普蘭指出，由于智能軟件有著極快的信息處理速度、更高的準確度，以及更低的成本，比如量化投資軟件可以做到每秒十萬次交易，它們可以不知疲倦地24×7小時工作。實際上，智能軟件所能獲取的數據也遠多于人類，比如互聯網廣告可以從數以千計的信息中交叉判斷用戶特征；電子商務中的大數據分析可以知道所有賣家和買家的信息……這些都意味著人類是沒法和智能軟件抗衡的。
雖處于劣勢，但卡普蘭認為人類和智能機器之間并不會像《終結者》中那樣發生戰爭，機器并不會拿起武器來挑戰人類的統治。它們會很緩慢而隱秘地接管控制權。因為人類會對它們逐漸地加深信任，“讓它們運送我們，為我們介紹合適的對象，定制每日新聞，保護我們的財產，監控我們的環境，種植和烹飪食物，甚至教育孩子……”，在此情形下，人類會逐漸失去大局觀，無法再介入控制了。
卡普蘭對未來的預測并不美好，人類很可能會被機器所圈養，“地球可能會變成一座沒有圍墻的動物園，我們的機械看管者為了維護正常的運轉偶爾會推動我們一下，而我們會為了自身的幸福高舉雙手歡迎這樣的幫助。”當然，他并未止步于此，他看得更為深遠。他希望能夠引起大眾對人工智能所可能帶來的社會倫理和法律、失業與經濟發展、貧富差距等問題的重視，并思考這些問題。
今年5月，特斯拉的一名車主由于開啟了自動駕駛功能，而在一起車禍中喪生。特斯拉官方聲稱“自動駕駛”功能被誤解了，實際上他們提供的是“智能輔助駕駛”功能，即只有用戶雙手握在方向盤上，才可開啟“智能輔助駕駛”功能。另外，特斯拉已經有了數十萬小時的無事故率，因此不是特斯拉的責任。
在傳統的汽車駕駛中，發生駕駛責任的事故肯定是駕駛員的責任，但對于自動駕駛汽車而言，事故的責任方應該是誰？車主，汽車生產商，還是自動駕駛技術提供方，亦或是可以自動駕駛的汽車自身？卡普蘭提出，如果智能機器已經具有可以意識到自己權利的時候，就應當承擔法律責任。那么，應該如何對機器采取處罰呢？按照“消除其達成目的的能力”的原則，針對智能機器，則可以消除它們的“記憶”。像AlphaGo這樣的智能軟件，它們需要花許多時間深度學習，如果消除它們的記憶，那么它們就需要從頭來過。
如果說法律問題還不太棘手，那么智能機器所可能帶來的倫理問題就復雜得多了：
―能否讓自己的機器人代自己排隊？
―如果你心臟病發作，而你的自動駕駛汽車拒絕加速更別說超速把你送到醫院，你該怎么辦？
―如果自動駕駛汽車與一輛載有很多孩子的汽車在一座只能通過一輛汽車的橋上相遇，智能汽車是救你還是救孩子們？
從古希臘到現在，道德一直是西方哲學家思考的重要問題。數千年的爭辯仍然未有定論。這大概就是因為在處理不同的利害關系時，會有不同的視角。對于人類文明而言，博愛、奉獻成為絕大多數人們所認可的優秀品質，然而，你個人是否會購買一個會犧牲你而拯救更多人的智能汽車？
討論到人工智能對人類的影響，無法回避失業問題。據調查發現，美國注冊在案的 720個職業將會有47%被人工智能取代。這其中不僅是藍領，還包括律師、醫生這類金領。未來，有接近半數的人會失業。很多人認為這是杞人憂天，因為人類可以創造出新的和更多的職業。的確，相比工業革命之前，現在許多職業都是新事物，比如軟件工程師、形象顧問等，因此，很多人認為失業不是大問題。
然而，與許多人不同，卡普蘭認為這次和工業革命時期不同。這是因為結構性的問題，即勞動細分市場的變化速度會比人們學習新技能的速度快得多。在工業革命開始到現在，已經有200多年的時間了，在這樣的時間中，人類實際上是通過代際更替來解決職業變更的。比如，我們的祖輩和父輩可能還是以農業或者工業為生，而我們可能已經以服務業為生。從70%的人口從事農業到只需要2%的人從事農業就能滿足美國所有人口的需求，這個時間是100多年。而人工智能時代，職業的更替要快許多，可能就是5到10年，甚至更短。一個失業的駕駛員是很難在短時間內學會軟件編程的工作技能的；而用戶體驗設計和增長黑客這樣的崗位在十年前是不存在的。
如何解決失業問題？卡普蘭提出需要改變傳統的教育方式，不再由學校指定授課的內容，而是由對工作有需求的企業，它們所需求的崗位和技能，由學校來培養，如果你學會了這門技能并被企業錄用，那么就可以從工資中扣除你的教育貸款。卡普蘭認為需要推出一個類似房貸一樣的新的金融工具：職業培訓抵押貸款，以未來可償付的工資收入來解決再就業的問題。
不過，說實話，這對失業的人來說是很大挑戰，人們可能會疲于應對職業危機，生活陷入無助。這又不得不提到貧富差距擴大化的問題。卡普蘭認為，人工智能所帶來的高效率，會導致財富過度向金字塔頂端聚攏。根據數據分析，1970年代，美國收入前5%的家庭獲得的平均收益比后20%的家庭高10倍，而40年后的今天，這個數字已擴大到了20倍。“富者愈富，窮者愈窮”已成為事實。
第5篇：人工智能時代的看法范文
李開復帶隊奔赴硅谷，
了解美國的科技前沿。
日前，
他在中國“硅谷”中關村的一次演說中，
分享了他的見聞。
先講一些比較吸引眼球的東西吧。我覺得在硅谷的每個會議上都有一些有趣的討論。比如跟安卓之父安迪?魯賓的討論就非常有意思，他做的公司叫環球游樂場，其實《華爾街日報》上已經報道了很多。見到他的那天，我們正好也看到了谷歌旗下軍用大型機器人公司波士頓動力的那只機器狗。 踹不倒的機器狗的前世今生
這只機器狗很好操作，我也玩了一下。說起來還挺有緣分的，因為波士頓動力的創始人馬克?萊布特，之前是卡內基梅隆大學的教授，我是學生的時候，他的辦公室就在我隔壁。那個時候他在做的項目是一個會單腳跳，然后跳一分鐘都不會摔倒的機器人。不過那個時候，如果你拿著棍子輕輕一碰，它就會倒了。而且當時還有一捆很粗很長的線，連接在電腦上，這就是最早的情形。
前幾天刷屏的那個怎么踹都不會倒的機器狗和機器人，已經迭代進步了很多。馬克?萊布特后來創立波士頓動力，并且獲得了美國國防部的研究經費，專門做機器人研究。從一只腳做到四只腳，再做回兩只腳，每一步推進都很不容易，可能已經花了美國國防部上億美元的經費了。然后，谷歌看上了，就把波士頓動力買進來了，買進來以后谷歌就沒有讓它再拿國防部的錢。 機器人的創業平臺的誕生
安迪?魯賓后來離開了GoogleX，創立了一個叫環球游樂場的公司。簡單來說，他的公司就是希望做一個機器人版的安卓平臺。如果我們以手機來參照的話，大概在十年前，你要開一個手機公司可能要花一兩億美金做研發，才能把手機做出來，但是現在你可能花一百萬美金就能做出來了。因為有各種代工，有標準模塊，軟件用安卓，還有其他。如果不要什么特色，就是要搞一個手機出來。硬件的成本已經被降低了一百倍，普及了。所以現在樂視為代表的互聯網手機廠商全都跑出來了。當然，小米創業的時候做手機還是挺貴的，不過在此之后就越來越便宜。
同樣的，安迪?魯賓認為，機器人普及也必然發生，他希望做的事情可以降低機器人創業模塊的門檻。比如安卓提供了智能手機的模塊，讓開發手機的，從硬件到軟件都容易，成本低，讓更多人進來，讓更多人圍繞手機進行創業，要不然創業門檻太高了。
安迪?魯賓認為機器人的研發進度和十年的前智能手機差不多，所以做一個機器人平臺，讓更多的人來做機器人創業，這會是一個改變世界的事情，也是他從孩童時代的一個夢想。要做工業機器人，或者是掃地的機器人，都是可以的。從機器人模塊的角度來看，機器人基本就是一大堆傳感器，組合起來，然后有學習訓練和控制，讓它能夠動――動手、動腳、動爪子。軟件里加入輸入和識別之類的系統。
這就是安迪?魯賓跟我們分享的他的夢想。他的模式跟創新工場初期非常相似，由一個孵化器來深度參與一些項目，然后把有價值的模塊標準化，把好的項目拆分出去，作為獨立的公司發展。 深度學習人工智能博士生的高薪人生
另一個很有趣的現象，是做深度學習的人工智能博士生，現在一畢業就能拿到200到300萬美金的年收入，這是有史以來沒有發生過的。當然我覺得硅谷的公司都在追捧這個方向，而且基本是四大名校：斯坦福、麻省理工、卡內基梅隆、伯克利。以前這些學校的博士生在硅谷都可以拿到高薪，但是從來沒有到250萬美元/年的薪資水平。
這為什么會發生呢？第一，是因為真正懂深度學習的人現在還不是很多，所以供需不平衡。第二，是因為很值。谷歌拿到這樣的人，可以馬上用他賺一百倍的錢。因為只要把這樣的一個人用在某個領域，比如說，假設谷歌要做最聰明的二級市場財務投資，一年就能賺出一百倍來，所以這事毫無疑問是劃算的。第三，是因為涉及競爭。谷歌會很不希望這樣的人落入他的競爭對手懷中。因為谷歌可以因此有領先的優勢，但如果這個人去了臉譜、微軟，馬上就會給后兩家機會。所以是人才的戰爭。對于這一批一年可能少于50個的博士畢業生，這三大公司：谷歌、臉譜和微軟，都在用不合理的價錢去挖。
這給了我兩個啟示。一方面是遺憾自己生得太早了，我學的就是這個領域，但是那時候沒有公司這樣來挖我們。另一方面是類似的人才戰爭，可能也會在中國發生。
中國的大學恐怕沒有50個這樣的博士，但是我們這邊有幾所“大學”，這幾所“大學”的名字叫做騰訊、百度和阿里巴巴。這幾家公司之間互挖，可能會成為很有趣的事。
因為我自己是做這方面的，所以我覺得深度學習雖然很厲害，但是沒那么了不起。你讓一個聰明的人學兩年，他也可以有這個價值。這也就是說，我們是不是應該來幫助培訓一千個中國的深度學習專家，這些都是很有趣的討論。
我也問了他們，這樣拼命的競爭，再過兩三年，中國學這些東西也不難，中國數據也比你們多，你們這套公開了，中國在這個領域的人才可能會比美國多。
因為在中國，百度、騰訊、新浪微博等等的數據量也非常大，如果在中國也有250萬美金的年薪誘惑，中國人會更瘋狂地沖向這個領域。所以我相信這個領域最后應該也是一個中美領跑的狀態，雖然現在中國遠遠落后于美國，畢竟美國有斯坦福、伯克利出來的人，而且不斷流動。但對于中國來說，這批人可能就在百度、騰訊和阿里。現在百度、騰訊和阿里自己掌控得住這些人，但是長期來說他們也不可能永遠掌控。而且小米、奇虎360也都會有這樣的人，所以這會是一個很有趣的業界競爭的狀態。
與此相關的，領英的霍夫曼提到馬斯克和彼得-蒂爾他們成立了一個開源平臺。主要是為了防止谷歌、臉譜和微軟這樣的大公司形成壟斷。他們有那么多計算機，那么多錢，又把最優秀的人全挖進去了，所以就要搞一個開放式的開源平臺，來確保這個東西能夠被更多的人快速學習掌握。所以這是一個很有趣的事情，硅谷考慮得很超前。 虛擬現實與增強現實將改變人生
整體來說，關于虛擬現實和增強現實，感受主要有這么幾點。
先拿虛擬現實（VR）來說，對于這個領域的發展，有一批人是非常樂觀的，另外一批人則認為我們還早了一個周期，就是說現在還在摸索狀態，因為內容不夠多、體驗不夠好、太貴，可能真的還在一個玩家的時代。
就創新工場來說，我們也綜合了一些意見。我們的看法是，虛擬現實長遠來講對社會的影響應該是特別巨大的，而且隨著摩爾定律等作用，它應該會越做越炫，越做越不頭昏，越做越沒有線，越做越輕，越做越小。最終變成一個物體，也許不是眼鏡，但會讓你不知不覺把它融入生活里去，這一天是絕對會到來的，會是一個巨大的產業，會改變所有的事情。
但是具體方面，我們可能會稍微保守一點。我們可能對這種五到十年的未來，抱有很樂觀的期待。但是對于到底能不能在一兩年之內，打破玩家的領域，達到普及的狀態，我們還是抱觀看和懷疑的態度。
當然我覺得從投資的角度，現在看到好公司就得投了，因為你不能進入生產周期才投，只是說要顛覆什么的話，還需要一點時間。
我個人對于虛擬現實的看法是，它的第一個突破一定是在娛樂方面。因為我們講了那么多3D的東西，只有在娛樂內容相關的領域得到了驗證，看電影更爽、玩游戲更爽、然后越做越逼真，大概是這樣一個狀態。然后是電影業和游戲業的延伸，但需要說明的是，這是一個巨大的延伸。
增強現實，可以有不同領域的應用。可以用在教育方面、輔助方面、服務方面。增強價值的應用是能夠直接被證明價值的，而不只是讓娛樂感更爽更強，可以在一些領域挖掘出一些垂直性的應用，這是大家的一個達成的認知。 谷歌的野心與科學家的心聲
此外還去了谷歌見了他們的CEO皮猜，斯坦福人工智能教授李菲菲，以及領英的創始人霍夫曼。與他們談論的主題都是人工智能相關的，可以把我的總結分享一下。
去年谷歌調整出一個母公司Alphabet，其實我們也知道他們為什么這么做，但這次去了就更加深刻地了解了。基本上，谷歌想要做一個“機器大腦”出來，這個“大腦”是下列幾件事情的結合體。
第一，要有特別大的數據量，這個數據量最好不是公開的，是私有的，而且是可以不斷地更新、增加的。因為沒有這個東西，就沒有競爭優勢。第二，要有特別大的機器平臺，能夠在上面運作、學習、迭代，讓你的“大腦”越來越聰明，而且用這個數據越做越好。第三，需要一批特別棒的深度學習或者機器學習的專家，他們知道怎么去弄海量的服務器和海量的數據，從里面把數據變成一種認知和知識，以及能做的事情。
一旦有這三件東西之后，可以應用到其他領域。用在搜索上，這個“大腦”能把世界全部索引了，你搜什么都能告訴你，還可以做一個最好的排序。用在生活領域，就是一個在線谷歌，可以告訴你今天要去什么地方吃飯，最好選擇怎樣的出行方式，路上可以買花，提醒你老婆生日快到了，實際上是把這些東西都結合起來了。用在廣告領域，就是怎樣投放一個廣告能讓你賺更多錢。
而且之前我們這些IT人總是想著如何用IT讓生活更美好，往往忽略了這套數據為什么不能用在基因排序？為什么不可以用在生物科技、制藥、健康領域？或者是你可以想象的所有領域，因為一旦有了巨大的數據，價值就大了。
于是你可以看到，谷歌從美國基因泰克公司挖了CEO，來做Alphabet的醫藥公司的CEO，谷歌的野心是非常清晰的。他用搜索和廣告來塑造了一個巨大的“大腦”，這個“大腦”讓聰明的工程師來調整，用巨大的數據來學習，用巨大的計算量來不斷地迭代。然后把這三者配到一起，找一個領域，比如說要學癌癥的治療，假如能夠有一個數據庫，包含某個國家所有人的基因、癌癥病例，讓數據滾起來，跟醫院結合起來，有回饋的途徑，知道是否有效，不斷去追蹤，實時迭代，可能就會掌握癌癥治療的方法。
所以谷歌的方向，就是不斷地找新領域，找該領域內的領軍人物，擁有相關大數據，再配幾個機器學習專家，給他們一大堆機器用來計算，就能產生價值了。這在任何領域都會攻無不克。幫年輕人找對象、吃什么、推演所有的事情，甚至軍事，都沒有問題。
歸結起來，Alphabet的野心就是成為一個無所不為，用“大腦”來驅動并顛覆傳統行業的一個公司。他們一定有很多內部的方法來分析，接下來介入哪個領域，是醫學、建筑、房地產、金融還是二級市場之類的。
舉個例子，Alphabet做一個銀行相關的應用，來分析人的信用和風險能力。假如一個人找銀行借一千萬，如果只看內部資料，銀行可能只知道你在這里存了五百萬、在新浪科技上班等信息，但如果有另外一個爬蟲，能把你的其他數據都爬來，比如你還在美國高盛藏了兩千萬、在開曼群島買了一棟房子，咚咚咚，“大腦”就會告訴你可以借錢給他。
所以Alphabet這么一來，可能就會成為世界上最偉大、同時也是最可怕的公司。當然我覺得有這個野心的公司其實很多，但是Alphabet應該是最有基礎把它做好的公司。
第6篇：人工智能時代的看法范文
此番320億美元現金的天價收購案外加孫正義對ARM架構芯片未來市場如此大膽的預測，不禁引來了外界猜測聲一片。伴隨著猜測聲的還有質疑聲，其最明顯的表現就在軟銀的股票價格上。根據《華爾街日報》的報道，由于投資者對這樁溢價了43%的收購并不看好，7月18日東京股市午盤收盤時，軟銀股價大跌10.7%，跌至5365日元（約合50.7美元）。并且，該股在盤中還曾短暫觸及到了4月初以來的最低水平價位――5329日元。
與此同時，還有一點是需要我們關注的，在軟銀宣布收購ARM之前，軟銀曾在近期大規模的拋售阿里巴巴的股份，同時還拋售了最近風頭正勁的Supercell公司的股份。無論是阿里巴巴還是Supercell，都可謂是優質公司，外界起初并不能看明白孫正義拋售兩家公司大量股份的目的，但隨著收購ARM的消息被拋出，這一疑問也得到了合理的解答。
引爆媒體
對于此次收購，外國媒體和專家紛紛發表評論。路透社評論道：“ARM為iPhone提供技術支持，是移動處理領域的重要參與者，其處理器和圖形技術被三星、華為、蘋果等公司應用在自己設計的微芯片中。軟銀收購ARM是迄今為止歐洲科技界最大的收購案之一，也是軟銀收購的最大手筆。2013年，軟銀曾斥資220億美元獲得無線運營商Sprint的控股權，但這筆交易令軟銀背上沉重的債務負擔。軟銀創始人孫正義宣布將要把軟銀打造成互聯網投資發動機”。英國《金融時報》報道稱：“軟銀收購ARM可能是來自亞洲對英國的最大筆投資。這筆投資將保證未來5年中，ARM在英國創造的就業數量翻一番，將這家英國公司變成全球現象。英國脫歐公投后僅3周，軟銀即收購ARM已經證明，英國并未對國際投資者失去吸引力”。BGC Partners亞洲股票銷售經理Amir Anvarzadeh指出：“我們認為軟銀收購無線運營商Sprint的決策是個敗筆，而孫正義可能想要通過收購科技領域的知名企業恢復榮譽”。市場分析機構Moor Insights & Strategy CEO、首席分析師Patrick Moorhead稱：“ARM與客戶始終保持長期合同關系，我認為這種關系不會很快改變。但是所有賭注正押在下一代架構上。從長期來看，軟銀可以調整任何產品結構，投資ARM將推動其企業產品向前發展。這最終將對移動科技巨頭產生巨大影響，包括蘋果、通用以及三星等”。研究機構Digitimes Research報告稱，孫正義對軟銀收購ARM交易過于樂觀，其實收購ARM對軟銀并無太大幫助。Digitimes Research認為，孫正義高估了收購ARM的益處，低估了物聯網市場垂直和水平整合的難度。
既然投資界對于軟銀此番如此大手筆的收購案的發展前景看法不一，那作為“老江湖”的孫正義為什么愿意花費如此巨資完成對于ARM的收購？
ARM發展回顧
提起芯片廠商，相信很多人都會想起英特爾、三星、高通等這些家喻戶曉的公司，ARM給普通消費者的印象總是既熟悉又陌生。那么，我們就先來回顧一下ARM公司發展過程中的關鍵節點：
1978年，ARM前身Acorn RISC Machine于英國劍橋成立。
1985年，當時的IT巨頭Olivetti收購Acorn 49.3%的股份，并且將ARM處理器更多用于研究開發，這讓Acorn在商業用途上的發展受阻，所以Acorn選擇獨立。同年，Acorn Computer Group 開發出全球第一款商業 RISC 處理器。
1990年， Acorn、 蘋果和VLSI科技公司共同出資創建了ARM。隨著合作的正式啟動，Acorn RISC Machine也正式更名為Advanced RISC Machine。三方合作的目標是創立一個世界通用的全新微處理器標準。
1993年，ARM了全新的ARM7處理器核心。其中的代表作名為ARM7-TDMI，其搭載了Thumb指令集，是ARM通用32位微處理器家族的成員之一。其代碼密度提升了35%，內存占用也與16位處理器相當。伴隨著ARM7的卓越表現，同年Cirrus Logic公司和德州儀器公司也相繼宣布加入ARM陣營，兩家公司被ARM授予了技術許可證。德州儀器公司憑借著ARM7架構，打造出了一款手機芯片，這款芯片也助力諾基亞8110在后來的手機市場上大放異彩。
1997年，ARM了具有里程碑意義的里產品 ――ARM9，這標志著ARM正式進入微處理器領域。
1998年，ARM宣布正式在倫敦和納斯達克證券交易所上市，發行價為每股5.75英鎊，當時市值達到了大約2.64億英鎊。
2001年，ARM在32位嵌入式RISC微處理器市場的份額已增至76.8%。
2002年，ARM架構的芯片出貨量突破了具有里程碑意義的10億片。
2004年，Cortex系列處理器誕生。Cortex系列的誕生對于ARM具有重大的意義，因為從此該公司不再用數字為處理器命名。取而代之的是分別為A、R和M三類產品，旨在為各種不同的市場提供服務。
2 0 0 9年A R M了Cortex-M0，這款32位處理器體積小巧，功耗超低。此款產品一經問世，便吸引了眾多產商前來購買授權。
2010年，蘋果表示有意以80億美元的價格收購ARM，但遭到拒絕。ARM公司CEO Warren East稱“ARM作為獨立公司更具價值”。
2011年，ARM推出了旗下首款64位架構ARMv8，此外，該公司還推出了big.LITTLE技術，制造商可利用該技術將高性能核心與節能核心結合起來，并用軟件控制核心間的無縫切換，以達到省電的目的。
2015年，ARM基于ARMv8架構推出了一種面向企業級市場的新平臺標準。同一年，ARM還開始在物聯網領域發力。
縱觀ARM發展壯大的近二十年，其中不乏跌宕起伏的劇情，但總體來說，ARM的伴隨著移動電子消費品市場的快速崛起而發展迅速。從移動智能終端起步到現在，ARM一直處于這個芯片市場的領導地位。截止2015年，包括高通、三星、聯發科等在內的全球1384多家移動芯片制造商都采用了ARM的架構，全球有超過85%的智能手機和平板電腦的芯片都采用的是ARM架構的處理器，超過70%的智能電視也在使用ARM的處理器。從這些華麗的數據上來看，ARM無疑是芯片領域巨無霸級別的寡頭企業，但為什么外界對于軟銀想要收購ARM的計劃并不是持有一致樂觀的態度？
ARM的商業模式
首先來看同樣是芯片廠商的英特爾，其會在打造完成自身的架構后，根據不同的市場定位設計一系列的芯片，最后設計會由自家的工廠負責生產。英特爾可以說集成了芯片生產中的所有流程。雖然這樣做的工作量相當大，但同時也能從產品中獲得很高的回報。近些年隨著PC機市場的低迷，英特爾的業績也有所下滑，但其在2015年營收還是達到了516.9億美元。與英特爾的商業模式完全不同，ARM不對市場輸出任何的芯片，而是向其他的供芯片制造商提供設計IP，比如指令集架構、微處理器、圖形處理器等，同時也會對外進行使用許可的授權。ARM的客戶買下他們所需IP的許可，然后采用這些設計來生產自己的芯片。從營收和估值上看，ARM和英特爾對比懸殊，事實上，作為以技術創新和技術授權為主的ARM一直站在半導體產業鏈的上游。這樣說來，ARM的風頭似乎并不輸給英特爾，但由于ARM所采用的商業模式主要以授權為主，而ARM對其授權所收取的價格可謂是非常低廉，這就導致了ARM雖然占據了絕大多數的移動設備芯片市場，其營收卻相比英特爾有著天壤之別。ARM在2015年的全年營收只有14.89億美元，差不多是英特爾營收的3%。這次軟銀收購ARM的320億美元報價有著43%的溢價，如果ARM繼續保持這種經營模式，投資者很難看出軟銀今后從ARM身上賺取大量回報的可能性。也正是因為這樣的原因，外界對于孫正義此次堅決收購ARM的態度感到驚訝。
但隨著近些年移動終端產品的市場銷量呈現爆發式增長，移動終端芯片市場也呈現出了龐大的需求量。英特爾也看到了市場的未來所在，一直想憑借在PC機及服務器芯片市場上的絕對優勢，將芯片架構引入移動終端，因此這幾年動作頻頻，卻因為其超高的功耗而顯得困難重重，而ARM向來只設計低功耗處理器，在移動終端領域的芯片競爭中，英特爾顯得有些力不從心。
軟銀的未來版圖
今年早些時候，當孫正義談及軟銀未來的發展時，他表示：“我想建立一家可以持續增長至少300年的公司，為了實現持續的增長，我們需要找到所有的潛在障礙并找到解決的辦法。”現在，隨著軟銀收購ARM的議案浮出水面，孫正義口中的解決方法似乎也有了答案。業界普遍認為，軟銀收購ARM意在押寶物聯網和人工智能領域。孫正義在解釋這筆巨額收購案時表示：“軟銀正在積極尋找物聯網的機遇，希望抓住該市場的重大商機，ARM會成為軟銀絕佳的戰略資產補充和未來增長戰略的核心，這是軟銀所進行最為重要的投資之一”。根據ARM的財報顯示，在2015年第四季度，ARM共授權了51個芯片許可，主要應用方向為移動計算、智能汽車、安全系統和物聯網。根據IDC報告，到2020年，全球的物聯網市場規模將從2012年的4.8萬億美元增長到8.9萬億美元，屆時將有300億設備接入互聯網。更有預測稱，到2025年物聯網連接將達到1000億個。海量的物聯網連接需求低成本、低功耗的芯片和模組。而這是ARM架構的強項。在智能手機和平板電腦領域，低成本、低功耗和生態系統優勢，讓ARM成為全球手機芯片背后的霸主。軟銀希望ARM這樣的優勢能夠在物聯網領域得到延續。
除了物聯網，軟銀另一個著力發展的領域是人工智能領域。軟銀曾在去年公開發售過一款名為“Pepper”的機器人。根據軟銀介紹，Pepper可以讀懂人的情緒，還能對情緒信號作出反應，比如笑或者皺眉。Pepper在額頭和嘴巴都裝有RGB相機，左眼配有距離感應器，它通過相機分析人類表情，用麥克風記錄人的聲音，從而判斷人的喜怒哀樂。對于人工智能的未來發展，孫正義曾經說過：“技術奇點已經開始出現，人工智能開始超過人類。即使人工智能超過人類，我們也不應該將它視為威脅。相反，誰如果可以從人工智能中獲得最大好處，誰就有機會成為新時代的英雄”。就在軟銀宣布準備收購ARM后，其又對外公布了一項與本田汽車合作計劃。軟銀著手準備創造出可以閱讀駕駛員情緒并可以和駕駛員交流的車。在這項合作中，軟銀將向本田提供技術，系統研制成功后將預裝于本田汽車內，通過云技術和互聯網與駕駛員進行互動。孫正義稱：“想象一下，如果機器人擁有了超級智能，它們可以服務于人類，與人交流。未來某一天，一輛車也可以變成超級計算機或機器人，本田將是第一個應用該技術的公司。”
第7篇：人工智能時代的看法范文
如果你想要搜索一款P圖的軟件，而且希望能有搞笑的P圖效果，怎么辦？
你只需要說出需求，“如何P一張搞笑的圖”，搜索的結果不再是簡單的應用的羅列，這些應用到底能P出什么效果，也會直觀地展示給你；此外，還有文章內容告訴你怎么P圖，這些文章也許來自知乎，也許是某個網友的知識分享，也可能來自旅游達人旅游的分享。
如此的應用搜索是不是更貼心、更好用、更懂你？
這正是四季度將正式的騰訊應用寶7.0版希望做到的。應用寶新版本將全面升級 “應用+”，從通過內容和服務吸引用戶下載的體驗式分發，全面升級為內容和服務直接觸達用戶的直達式分發，從而將應用寶打造成為用戶需求解決平臺。
其實在“應用內容和服務直達用戶”這條路上，騰訊遠不是踐行的第一人。
更早時候，豌豆莢在內容聚合和應用內搜索領域曾一度走在前面，兩年多前了“應用內搜索技術協議”，并宣稱是“世界上第一家把‘應用內搜索’這項技術產品化的公司”；再比如百度早先的移動內容搜索產品“輕應用”，到后來的“直達號”等等。
這些互聯網大大小小公司的嘗試，都是希望能夠解決“應用和服務直接對接”這個問題，讓用戶跳脫出“應用下載、安裝激活、服務得以滿足”的復雜路徑，能夠路徑更短、更簡單快速易操作、更智能、更有效、個性化地享受“發現（內容）”到“消費（內容）”的完整閉環服務。
“破墻”是實現這種應用服務場景化的第一步，打破一個個APP所形成的信息孤島。在這個方向上來看，互聯網平臺公司更有資源更有優勢更有實力打通和串聯起這一個個的APP信息孤島。
今年7月初，阿里巴巴對外公布了對豌豆莢的收購；今年第四季度即將亮相的騰訊應用寶7.0版本，騰訊進行AI基礎理論研究及工程實現，應用寶將成為騰訊人工智能先行嘗試的首批產品。
應用服務場景化從“概念階段”到“成熟階段”，還需要做哪些工作？可以想見的是：還需要更多的時間把產品的模型做得更好；在開發者的接入上，引進更多開發者加入；需要一個更強大的方法讓用戶過渡到這種“場景化”的應用分發體驗中去。
“分發應用”到“分發服務”
“新機紅利”正在消退，智能手機新用戶的紅利基本上消失，整體進入換機的市場，這是APP開發者們和應用分發市場都必須面對的現實。
誠如騰訊移動應用平臺總經理周濤所分享的：APP開發者和應用分發市場幾乎沒有新用戶可以洗了；2016年新出貨的智能手機里，88%的都是換手機，只有12%是從來沒有用過智能手機的小白用戶，過去還是嘗鮮的“小白”用戶現在都已經變成了智能手機的“老司機”，他們知道什么應用對自己有用，什么對自己沒用，當他們沒有需求場景的時候很少會去下載應用。
這意味著什么？APP們的用戶可能流失在當他換上新手機的時候，應用們又要付出一次拉新的成本。如何把應用商店從一個單純的應用下載市場升級為用戶需求解決的平臺，這是騰訊應用寶7.0版本希望著手去解決的，用騰訊副總裁林松濤的話說，用戶不是到平臺上找應用，而是來發現需求解決需求的，應用分發平臺將變成用戶需求解決平臺。
正是在這樣的背景下，應用寶2015年正式推出“應用+”戰略，旨在幫助開發者用內容和服務更加精準地觸達用戶。而在今年，應用寶將全面升級“應用+”戰略，并引入基于人工智能的機器人分發全新模式，讓開發者內容和服務的觸達方式更符合用戶使用習慣。根據騰訊官方的數據，應用寶日分發量突破2億，APP接入數量達350萬，應用寶已穩穩占據應用分發行業第一。
周濤介紹，將于今年第四季度正式的應用寶7.0版，希望打造稱為“用戶需求解決平臺”。“我們將在應用寶內引入人工智能技術，打造機器人分發新模式，我們認為這才是最符合用戶使用習慣的分發模式。”周濤表示更好的用戶交互體驗是應用寶推出機器人分發的初衷，機器人分發的目標是進一步降低用戶獲取內容和服務的門檻，使用戶交互過程更加智能和人性化。
比如，當用戶在搜索框輸入“把照片變成油畫風格”后，應用寶會根據語義分析用戶搜索背后的真實需求，最終把Prisma這款APP推薦給用戶。當用戶漫無目地逛應用商店時，應用寶將圍繞用戶需求進行個性化推薦，努力猜到用戶需要的內容和服務；當瀏覽詳情頁時，應用寶將提供由開發者自主運營定制的個性化主頁，憑借內容去吸引用戶光顧。
周濤介紹，在應用寶7.0版中，用戶無需下載APP，便可以直接向機器人下發指令獲取服務。用戶越來越多的需求都可以通過機器人分發一站式解決，全新的機器人分發模式將在“應用+”基礎上徹底變革用戶的交互方式，進一步拉近用戶與開發者內容和服務之間的距離。
在今年9月下旬召開的2016騰訊全球合作伙伴大會上，騰訊副總裁林松濤正式宣布成立騰訊AI lab，進行AI基礎理論研究及工程實現，而應用寶將成為騰訊人工智能先行嘗試的首批產品。值得一提的是，AI開放平臺將幫助開發者共享騰訊智能，包括騰訊社交體系積累的數十億用戶畫像大數據、騰訊賬號體系等獨有能力、原生識別能力、人臉識別技術、哼唱識別技術等核心技術能力。
AI應用分發，看上去很神秘，其實應用分發的AI初級階段，就是PC時代的應用市場把合適的應用軟件推薦給可能需要它的用戶。現在，應用分發市場“匹配推薦”的功能沒有變化、只是需要面對更多新問題，比如應用場景化，智能手機的新機紅利期正在消失、更多的智能硬件的涌現、更多更豐富更便捷的人機交互方式的出現等等。
取代應用？
據騰訊官方的消息，應用寶7.0版將提供一站式體驗打車、訂餐、美圖等機器人智能服務。
按照周濤的理解，機器人將成為一種新的應用的模式。對于用戶來說，用戶不再需要下載應用，只需要對話，通過自然語言的交互顯示，取代復雜的操作和學習；對于開發者來說，不再需要前端、后端的開發和設計才能完成一個應用，借由機器人基于AI和云端的能力。
看上去如此強大的應用分發機器人，讓APP更加智能的“魔術師”，開發者會不會有所顧慮？比如，有了這個機器人是不是就不需要APP了？機器人和APP到底有什么關系？
周濤介紹，現在應用分發機器人和APP是共存的關系，機器人只是一種新的APP開發模式，一種新的用戶交互的體驗，它不能取代APP。尤其是在現在AI技術的基礎上，它甚至可能只能做好一些單一的服務，也有可能是開發者把一個復雜的APP里常用的功能獨立分裝成一個機器人，成為APP的試用版。在他看來，“機器人將成為所有開發者可以選擇的一種開發平臺和模式”。
對于開發者來說，新的一種開發平臺和模式，隨之而來的是開發成本、數據的安全、為自己的APP能夠帶來的流量貢獻能力等等關鍵問題。
當年豌豆莢在“應用內搜索技術協議”時特別強調，他們遵循“不重新發明輪子”的原則，在技術上以降低開發者接入成本、提升經濟性。當時這個“不重新發明輪子”，所指就是國內搜索巨頭百度在移動內容搜索產品“輕應用”上的技術邏輯，“輕應用”幫助移動應用開發商將自己的數據轉化成 HTML5 的“網頁應用”，然后再用百度的搜索引擎去檢索，以此將應用內的內容與網頁內容進行一一映射。
騰訊的應用分發機器人將如何與APP共存共榮，這個問題還需要時間觀察。
豌豆莢當年在打通各個APP信息孤島時，還面臨一個窘境，“頭部”應用向豌豆莢開放內容的意愿不強。現在來看，BAT尤其是騰訊，對于開發者而言具有天然的優勢――流量。
騰訊“應用+”的重要方向，就是把應用的內容輸送到應用寶。如周濤所介紹的，在應用寶踐行“應用+”近一年時間之后，“應用+”的體驗式分發在今年進一步規模化，“應用+”使合作伙伴分發轉化效率大幅提升35%；已有8000家開發者加入“應用+”，應用寶內容庫突破3千萬條。同時，應用寶大數據能力推動算法效率提升23%，騰訊覆蓋7億用戶畫像和20000應用知識庫構成應用寶大數據能力的兩大支柱。
應用分發的機器人能否解決特別垂直的APP，或者初創開發者，獲取流量難的問題呢？周濤的看法是，過去APP的推廣模式依賴信息流，是信息流、預覽、點擊的路徑，未來的機器人應用開放平臺上，APP的推廣模式會發生很大的變化，會不會產生新的推薦機制，是值得探討的話題。
第8篇：人工智能時代的看法范文
“全球互聯網用戶已超30億，不過新用戶的增長速度在減緩。過去8年中，全球GDP增長有6年低于20年來的平均水平。發展中國家比預期更難趕超發達國家，因為互聯網接入依然困難，或者使用不起。“印度是互聯網使用率增長最快的國家，增幅達40%，超過去年的33%。印度已經于2015年超過美國，成為互聯網用戶數量僅次于中國的互聯網第二大國。
“在線廣告依然不是很有效。盡管繼續保持增長，但廣告攔截技術也在進化，這促使更多創新的廣告格式出現。對于傳統媒體來說，廣告支出依然龐大。
“在通信領域，視頻和照片分享業務都在增長，創作者、消費者以及廣告主都參與其中。消息應用正從簡單、昂貴的對話向復雜、方便過渡，創造出人機互動的新范例。”
Speeches at a Glance
如果宇航員沒有在零重力環境中翻跟頭，就不算是首次對外太空的直播。
―6月1日上午，Facebook CEO馬克?扎克伯格通過Facebook Live連線國際空間站的宇航員，直播了與他們的互動交流。
Google、蘋果、微軟和亞馬遜之間的AI競賽并不像美劇《權力的游戲》里那樣激烈，而是接近于對NBA總冠軍的爭奪。我們做了大量的研究工作，我認為我們是處于領先地位的。
―Google CEO皮查伊日前在Code大會上表示，在人工智能方面，Google領先于蘋果、微軟、亞馬遜。
我們可以獨自對抗這個世界的日子已經過去了，我們需要成為一個更大的國家集團的一部分。這既是為了我們的安全，也是為了我們的貿易著想。我們離開歐盟的可能性已經導致英鎊的暴跌，因為市場認為脫歐會損害我們的經濟。
―5月31日，物理學家史蒂芬?霍金在《早安英國》節目中表達了對英國計劃退出歐盟的看法。同時，他還說，2016年美國總統候選人特朗普的走紅比黑洞理論更難理解。
我們正面臨進入后抗生素時代的危險。
―語出自美國疾病控制與預防中心主任托馬斯?弗里登。美國近日發現了首例無敵細菌病例，對現階段全部抗生素都有耐藥性。
第9篇：人工智能時代的看法范文
在談問題前我們有必要看一下信息化在世界的發展趨勢，就在今年五月，谷歌公司的市值達到了4980億美元，再次成為全球市值最大的企業，我們就把眼光投向谷歌。2016谷歌I/O開發者上，Sundar Pichai如圖1所示，以“人工智能”（AI）和“深度學習”開場；以“我們生活在一個特殊的計算機時代”結束。總體意思是AI是2016 I/O的核心。
Sundar Pichai是現在谷歌的首席執行官。他提到的事情――“人工智能”和“深度學習”。作為一名教育學研究者，我發現這個“深度學習”有兩種理解：從計算機學科來講，就是機器人來做一些事情，跟人越像越好，這是一個角度；從教育內部談到我們教育孩子的時候，孩子要把知識學到真正掌握并能應用的地步。我們這里談的是計算機領域這個詞，大家可以區分一下。Pichai最后說我們生活在一個特殊的計算機時代。
任何事情都是有發生的背景的。實際上就在今年，谷歌所做的另外兩件事同樣值得我們關注：
（1）3月谷歌的AlphaGo以4：1戰勝韓國圍棋手李世石。“深藍”在國際象棋上戰勝卡斯帕羅夫的時代，我們認為下圍棋戰勝人是計算機做不到的，因為圍棋的算法太復雜。但是到現在不到20年時間，AlphaGo就戰勝了李世石，計算機的能力發展是非常迅速的。
（2）谷歌主管搜索業務（幾乎占到了谷歌全部公司盈利的70%）的副總裁換將。可以說谷歌引領著全球正在走向AI時代。谷歌搜索業務高級副總裁Amit Singhal（致力于移動搜索）于2016年2月26日離職退休，接任他的是谷歌AI工程部負責人John Giannandrea。
AI的概念已提出了將近大半個世紀，但什么因素使得最近幾年AI突飛猛進？這個因素就是大數據。大家再來看一個幾天前剛發生的事情，2016年5月19日，在第八屆中國云計算大會上，香港科技大學的楊強教授如圖2所示就提到：“強人工智能和超級人工智能，一定需要大數據”。為什么人工智能忽然就厲害起來？楊強的分析：“基于大數據技術，數據科學得到了非常快速的發展，以至于很大程度上改變了計算機學科領域發展的情況。”這是我個人也比較認同的。
二、大數據在高等教育領域如何應用？
我們使用大數據就是為了實現更精準的分析，我們要進行靠譜的預測就一定需要大數據。可以說下一階段我們高校的信息化建設也應該是“一切為了數據”，讓數據成就我們的一切。但就在那場演講中，按照楊教授的觀點，目前來看對大數據的使用，他認為比較弱的領域有兩個：一個是生物領域；另一個就是教育領域。
根據今天主題，我們可以談談后者，特別是高等教育的信息化問題。
三、Minerva大學為例
那我們來看看大數據在國外的高等教育領域如何應用。去年11月份在北京召開了全國第二次教育信息化工作會議，劉延東同志主持召開過兩次這樣的會議，她提到了“全球浸潤式大學”。這是哪一所大學？這所大學就是建校不滿五年的密涅瓦大學（Minerva）。這個大學成立才兩三年，時間很短，現在正處在一個剛剛起步的階段。
1.Minerva大學特點
（1）浸潤式的全球化體驗 （Global Immersion）；
（2）現代化的課程 （Modern Curriculum）；
（3）終身的成就支持 （Future Success）；
（4）真正無地域限制、歧視的招生（Admission）。
該校提供的是一個浸潤式的全球化的體驗環境。該校學習時間一共四年，八個學期，其中兩個學期在舊金山。學校沒有傳統意義上固定的校園。學校大部分的課程都是線上的，課程全部被重新安排。我不認為我們所有的學科都可以像目前Minerva這樣的大學來學習，但確實也有一些專業是可以按照Minerva的方式來辦。
我們搜集到了Minerva大學上課的真實場景圖片，這就是他們課堂的真實境況，如圖3所示是他們上課的一個截圖，上面這里一個個小格子是來自全球各地的Minerva的學生，這是Minerva大學第一屆的學生。據一位中國籍的Minerva大學學生說，他們“課堂上”鏡頭前的每一個行為都被記錄，每一份作業都被記錄，每一次發言都被記錄，學校有專門的數據分析師和學情分析師對他們的行為進行分析，他們的學習真正做到了科學高效。上課過程中討論一些問題的時候，持不同顏色觀點的孩子，會在這個圓環上被標注出來，討論問題時候的立場分布就會顯示出來。所有學生都是在各自的場所，只要保證網絡通暢，課程就可以進行。這兩個孩子正在發言，所以他們的視頻會比較大，其他人都在小窗里。據說他們還有一個觀測的技術，如果你的腦袋太長時間移出這個鏡頭，會被認為你在開小差。這個時候正好在討論一個問題，立場有分歧，這兩個人在說，其他人在聽，這是一個例子。
凡是接觸過信息化的都知道，雖然在這里我們看到的只是一個教學平臺，但是背后的支撐網絡是龐大的，尤其是當學生處于世界不同國家、不同城市時這樣的支撐難度就更大。從這點來說，其信息化工作是超過一般的大學的。Minerva大學教學的流程對我們傳統的大學來說，我個人感覺至少是一個挑戰，對中國大學教學的挑戰尤其大。至少目前為止，全世界其他大學還沒做到這么開課。
2.從信息化的角度來看，Minerva大學的特點：
（1）以“數據技術”為核心，形成“互聯網+校園”新數據形態；
（2）以“云網端”為核心，形成“互聯網+校園”新技術形態；
（3）以“實時協同分工網絡”為核心，形成“互聯網+校園”新組織。
Minerva大學，讓我們看到了“互聯網+高等教育”。這是用互聯網再造的教學流程的教育，我們討論教育信息化、大學信息化，可能還是更多的用信息化手段來優化我們的傳統的教學模式。這是互聯網+高等教育非常前瞻的一個模式，當然我們還需要對它有一個觀察的過程。
3.“互聯網+教育”與“教育+互聯網”的區別
我們最近一直在談“互聯網+教育”，但“互聯網+教育”和“教育+互聯網”的區別在哪里？我的看法是：“教育+互聯網”是以工作（業務）為核心；“互聯網+教育”是以數據為核心。需要指出的是在我看來，“教育+互聯網”是達成“互聯網+教育”的一個階段，從信息化建設的一般規律來看必定需要走過“+互聯網”才能走到“互聯網+”。但恕我直言，目前中國高校大多還處于“+互聯網”，離“互聯網+”還遠得很。
四、高校信息化治理
1.工作流?數據流如圖4所示
就目前來看，高校的工作流和數據流之間有一種互動。這種互動隨著信息化的建設越來越強大。我們一直提出：數據不僅僅包括基礎數據，對我們的工作而言動態數據往往價值更大。我們一直提倡數據的“伴隨式”收集，數據產生在工作中，理想狀態下，通過工作流積累數據流，通過數據流優化工作流。工作流越順暢，連接得越多，獲得的數據才能更多，指導優化工作流的效益才能更大。數據流越強大、越優化，可能工作就越順暢，工作流的效能發揮就越好，這本身是一個相輔相成的過程。
2.信息化情況
大家可以看到，高校信息化治理的情況，有信息化統籌部門，除了信息辦還有各種各樣的處室、院系，這本身就是一個互相溝通的治理協調。如圖5當下高校信息化治理架構所示，為什么叫治理？什么叫做治理？最本質的問題就是誰也說了不算，必須商量著辦。信息化隨著國家財力的增加，不管地方高校還是國家重點高校，實際上一般投入到一定量以后，它整個水平還是比較會趨同，大部分條件都能達到，就是有個前后的問題。但是信息化治理是非常難的一件事情。大家看到如圖6所示，我們的角色是這樣的：學生、老師、管理者都面臨著一堆的管理系統，這是比較糟糕的。使用者在信息化系統中轉了幾圈轉不回來，解決不了問題，就會抱怨、投訴等。很多學校處于這樣的階段。
3.信息化存在問題
（1）業務流程復雜，臃腫。
跨部門的流程更為繁復。且流程內容簡單模糊，一旦遇到摸棱兩可之處，灰色區域之間，用戶往往周旋于各部門而終不得其果。部分職能部門開始建設自己的線上流程系統。如設備采購，財務審批，科研審批等。但各個線上流程之間往往缺乏集成與互通。對于用戶而言，其業務流程并未得到簡化，反而可能變得更加復雜。
（2）建維難度高。
將業務流程作為一個應用系統來建設，就必須要進行系統開發，要寫代碼。建設難度較高，業務部門通常無法獨立完成，必須委托第三方公司來進行。在此模式下，將來流程一旦發生變更，勢必要對系統代碼進行更改。維護成本高昂且響應速度緩慢。
（3）各自為政。
數據無法形成合力，工作流，業務流也往往是斷裂的。
（4）數據緊耦合。
由于缺乏對部門業務的執行數據整合。數據緊緊的落在業務部門內部，無法與外界共享。
4.信息化治理方式
大家可以看如圖7所示，決策支持在上面。然后我們看到數據中心，從決策者、應用者我們面臨的就是工作流。這是我們希望達到的狀態。通過工作流的建設，理順流程，連接各個應用系統。以用戶為中心，提高業務效率。通過運行產生的數據進行分析，為決策提供支持，并對工作流進行優化，形成閉環。我們學校在設計新的網站的時候，就設計了所謂的角色安排。你是在校學生還是在校老師等等，你的角色不同我給你看的頁面就不一樣，你只考慮你的角色，不需要惦記后臺是哪些部門。
要達到這種狀態，最好的辦法是所有的系統由信息化統籌部門統一開發，但這明顯不符合現階段高校信息化建設的實際。而且信息化統籌部門全面介入所有業務部門的工作也不現實。比較理想的方式是使業務部門能夠與信息化統籌部門直接對接，使業務部門減少對技術人員和企業的依賴程度，就能夠對流程進行制作/修改（模塊化的組建，簡單的鼠標拖拽），提高對業務需求的響應速度。而要達成這種局面就需要通過工作流工具。通過工作流平臺的開放，實際上也對業務部門的流程系統開發提出標準。而在大家都符合標準后，流程自然能夠進行有效地串聯和整合。我覺得這種改造是今后一階段信息化建設的趨勢。
我校有一個信息化的統籌部門能夠來協調企業、業務部門，這是我們希望能做到的。現在來看，我們希望能夠通過工作流，信息化部門負責統籌所有的業務部門，業務部門都在工作流中扮演不同的角色如圖8所示。
大家知道，現在有很多工作流工具，如圖9所示。我們的同志都在對這些工具進行各種各樣的測試。我們比較強調用微信上的一些企業號的功能來做學校的一些改革。我們認為，“十三五”期間我校所有的主流業務都必須能夠在手機端上有應用功能。手機是離不開的東西，所以必須考慮手機端，手機的服務提供好，你得到的響應度會更好，這也是一個很重要的考慮因素。華東師范大學正在利用工作流工具全面提升學校信息化建設。
