Willie Tejada，IBM首席开发人员倡导者还有Kaggle的CEO Anthony Goldbloom主持人：Cloudflare产品主管Jen TaylorJT：我们今天关注的是人工智能对日常生活的意义。我听说了很多关于人工智能的事。你对我们现在的处境有何评价，以及它是如何发挥作用的？WT：我们正处在一个前所未有、有趣的时代。从消费者的角度来看，消极的内涵。这是一个有趣的时代，这些技术将在消费者选择他们购买的产品方面发挥巨大作用，帮助以患者为中心的护理。数据集和资源可用性的结合正在推动人工智能。你可能听说世界上90%的数据都是在过去两年中创建的。人工智能将帮助我们处理这种信息过载。与编程系统的最大区别在于人工智能知道如何理解、推理、学习和交互。AG：有一套技术可以让我们更准确地预测欺诈、保险计划、信用评分。这是过去15年来的一次飞跃。5年前，利用非结构化数据完成非常令人兴奋的事情的能力，即自动化放射学。然后数字网络出现了，然后我们有了一个又一个的用例。人工智能有很多编程用途。WT：算法对肿瘤学有贡献。你可以看看我们在肿瘤学中所做的事情：训练系统的能力；这种效果是基于人工智能正在接受的训练集。我们是不是用合适的人来训练这些系统？我们需要让这些系统和人类保持同样的标准。设计原则：总是辅助的。不是替换。你觉得未来是有帮助的吗？AG：我不一定同意未来是有帮助的。重复性任务可以自动化，例如放射科。最终的结果是，任何涉及重复或平凡任务的算法都不适用。人类花很多时间做重复的事情。我认为算法将是我们未来的放射科医生。任何需要大量重复的工作，例如，审计，日常法律任务。对于人类来说，在常规算法和更具挑战性的案例之间，可能存在某种组合元素最终，算法将完成常规的、简单的任务，而更具挑战性的任务将交给人类。WT：我同意。"我们要让人类提高他们的游戏水平"。这个想法是为了摆脱商品任务。当我打电话给康卡斯特的时候，我又重复了一遍同样的问题。那么如何将时间从1.5天缩短到5分钟呢？我们如何让人类找到解决更复杂问题的方法？即使在人工智能正在玩游戏的场景中，人工智能也会处理商品的移动，以及人类最终的胜利。创造力来自人与商品JT：大跃进是处理非结构化数据并提供见解；向可能只看到一小部分的人提供见解。WT：在生命科学中尤其重要；它们是非结构化数据：手写报告等。10万篇临床试验新文章AG：比如说放射科医生一年可以看3000张图像，人工智能每秒可以看到3000张图像。只要任务合适，人工智能就可以实现目标。机器有不公平的优势。JT：作为一个社区，我们应该做些什么来实现AI在日常生活中的潜在好处？AG：我在谷歌工作，我认为谷歌能有效地做到这一点：当我们使用语音助手或照片时，我们通过"搜索我的名字"搜索我们的照片，它会找到我的照片。这是谷歌大脑团队走出去，给产品注入数字意识。公司应该做出一个转变：愿意转变为需要少数优秀的机器学习者，而不是很多人；思考人才的正确方式-小型的，非常有才华的团队。WT：开发者是这个时代的医生/工程师。数据和应用程序团队现在主要是协作工作。更需要数据科学。数据团队和应用程序团队以前是分开工作的；现在更需要数据科学家和这些团队的协作。数据是人工智能的燃料，所以这是一个需要考虑的重要动态。这些角色直到最近才出现。随着我们进入下一阶段，新的角色和分工将会出现。建立一个拥有丰富专业知识的团队是必要的。JT：展望未来，我们应该和可以把人工智能带到多大程度？AG："未来已经到来，只是分布不广"挑战主要是组织上的。谷歌大脑是一个例子，说明你如何在一家公司里进行机器学习。另外，强化学习：现在有一种技术可以自动尝试和错误；它玩了足够多的游戏，学会了怎样才能得到好分数。我们开始把人工智能视为股票交易、广告定位等的输入。生成模型是机器学习的一个新领域：它们将拍摄图像并能够为该图像编写标题。视障人士现在可以用人工智能来描述场景。数字网络开始进入现有的用例。WT：没有理由相信像税法这样的东西不能被人工智能取代。未来，系统将具有嵌入式人工智能；互联网可以在商品层面提供对这些系统的访问。JT：你已经谈到了替代商品活动，使用更广泛。我想到的是信任的发展，这需要这些技术的普及。我很怀疑。JT：我们如何建立信任？我们应该如何为更广泛的采用建立信任？AG：这是市场准备就绪的问题。我相信机器对我的癌症诊断吗？建立信任是个案。让我们用放射学：你可以先让一台机器和一个人一起工作；看看协议费率。通过医学诊断，你最终会知道的。因此，随着时间的推移，文章被发表，机器作为一个跟踪记录。如果它是高性能的，也许它会接管它。没有一般的答案；非常特定于用例。WT：同意。我认为你必须建立在一些原则上，即透明度。作为一个消费者，你想知道你是在和一个人或一个系统打交道。如果一个系统，是谁教的？当它生成建议时，您需要知道生成建议的数据集。人的协助是重要的；将产生人们可以信任的系统类型。JT：还有，没有人是完美的，那么我们对系统和人的期望是什么呢？AG："没有一种算法是完美的。"特斯拉会像人类一样发生意外。问题是：特斯拉的事故率比人类低吗？你可以肯定的是，当一个非人类发生事故时，我们会有不同的看法。问答：Q： 我是斯坦福大学的医生。医生只花30%的时间照顾病人，70%的时间花在数据上。我们开发人工智能是以牺牲人类智能为代价的吗？WT：不以牺牲为代价——人工智能是如何给你更多的时间让你真正变得更有效率，并为你提供更好的决策数据？将进行数据输入在某些情况下，我们在数据集和效率方面为您提供了更多的优势。你不必输入数据，它将由机器学习/阅读/收听。AG：当你把平凡的、重复的任务去掉，未来的生活会更有趣。假设我们的世俗角色消失了，这是否意味着我们需要的人更少？历史上，我们经历了自动化浪潮，创造了更多的职业。在这种情况下很难知道，是不是这种破坏发生得太快而无法适应？有点吓人。如果结构真的改变了，我想我们所有的生活都会变得更加有趣，除了平凡的任务。Q： 我有一个20岁的女儿在上大学。这么多工作都有可能被取代，你对她有什么职业建议？AG：计算机编程和机器学习是不错的选择。如果这项工作涉及创造力，并以不同的方式连接各个点，那么没有任何机器学习技术可以取代这一点，即使是远程的。我不知道有什么机器学习技术能做到这一点。WT：在重大革命中，人们总是担心职业会被取代。我们在同一个时代。Q： 用例是科学的和医学的；那么人工智能实现的社会和政治限制呢？E、 法律涉及类似算法的规则：你愿意用人工智能取代陪审团审判吗？为什么？AG：在法律体系的底层，是的；只有当你到了最高法院，那些仍然应该由人类来执行。但有太多死记硬背的案件，一次又一次地上法庭；所以这似乎是可行的。死记硬背的案例很可能被人工智能所取代。WT：推理仍然很重要。你可能有数据集来帮助陪审团做出更好的决定，但你不能在判决时取代人为因素。我们所有的会议都将直播！如果你不能参加Summit，下面是链接：cloudflare.com/summit17