每经专访法国里昂商学院教授龚业明：至少三年内不存在科技高原困境

在商业智能席卷全球的今天，企业如何利用人工智能等技术创造新的商业价值，成为国内外企业关注的焦点。11月16日，法国里昂商学院全球商业智能论坛暨全球商业智能中心成立仪式在深圳举行。

中心成立仪式上，法国里昂商学院与华中科技大学、每日经济新闻、国家社会科学基金重大项目组（项目号16ZDA013）联合发布《中国智能制造百强发展与趋势白皮书》。

“我对市场流行的大停滞和科技高原理论表示不同意。我也看不出该书出版后，科技与经济发展事实与科技高原理论有特别符合的地方。”法国里昂商学院教授、三大国家级科学基金首席研究员龚业明在接受《每日经济新闻》记者（以下简称NBD）专访时指出，泰勒·考恩的《大停滞？——科技高原下的经济困境：美国的难题与中国的机遇》对中国企业家影响较大，有些企业家过于悲观。

龚业明表示，“这本书是2011年出版的，但在2012年就被深度学习技术打脸，2019年还有专家在抱怨深度学习算法近期没突破，结果量子计算2019年又出现重大突破。在2012年后，ABCD（注：人工智能Artificial Intelligence、区 块 链Block Chain、云计算Cloud、大数据Big Data）并不在科技高原期而是快速发展。至少三年内，科技高原困境并不存在。对未来，我们是谨慎但偏乐观的。”

考量困境：风险与收益间的权衡

NBD：有机构调研中国各行业300位高管发现，人们对AI的风险意识更强，管理者意识到AI既存在机遇又存在战略风险。您怎么看这种现象？

龚业明：如果企业不去利用人工智能，不做数字化转型，目前看来是比较困难。我们已经站在又一次工业革命的临界点上。2006年，深度学习算法被Hinton等人提出，2012年深度学习算法的绩效得到确认，算法上出现重大突破。2019年10月23日谷歌量子计算机被学术界确认，这都是非常大的技术突破。这种技术突破会对社会、经济、组织和个人都形成深远的影响。

不能说人工智能有风险就不去探索。诺贝尔奖得主安德烈·纪德（Andre Gide）说，一个人只有冒着看不见海岸的风险，才能发现新的海洋。

虽然科技高原暂不存在，但企业意识到风险是好事，最怕是没意识到风险。人工智能有几种商业模式，如助理式人工智能、增强式人工智能和自主决策式人工智能，可以根据企业自身的情况进行选择。如果说害怕风险，可以选择风险偏小的商业模式。除此之外，还可以借助AI-as-a-service模式，利用亚马逊，微软，谷歌、百度、阿里云等公司的第三方人工智能技术，这样可能就不需要对人工智能进行那么大的投资，风险也可降低。

还有一个相关的目的性权衡是人工智能的收益增长和成本减少目的之间的权衡。人工智能的商业应用在目的上有收益增长和成本减少两种目的。2019年的研究表明，越来越多的企业家选择收益增长目的。

人才困境：中端和高端的权衡

NBD：今年7月，华为百万年薪招聘8位顶尖博士生的消息引发全网热议。8位博士毕业生之一的钟钊研究的便是如今最热的人工智能深度学习领域。除了华为，很多知名企业亦在加大对于人工智能人才的吸纳和培养力度，现在人工智能方面人才是如此稀缺才这么“抢手”吗？要如何改善这种情况？

龚业明：人工智能技术的突破是有一点意外的。刚刚也提到，深度学习算法其实还是基于以前没被追捧的人工神经网络技术，2006年刚提出来时并不受重视，到了2012年它的算法绩效才突然得到确认，那一刻市场还没有反应过来。人工智能过去探索过很多新方向，很多人做梦都没想到出现突破的是人工神经网络技术这样的老领域。人才培养也是需要一段时间的。

短期来说，人工智能方面的人才确实存在着较大的缺口，这也导致人才市场上人工智能相关人才价格偏高。但是我个人认为这是比较短期的，这个短期是和人工智能当时的突发性有关。如今，中国很多学校已经开始开展人工智能相关的课程，企业也开始注重培养相关人才，2019年人才短缺已经得到部分缓解。我相信不要多长时间，数量型的人才短缺情况会改善。

除了数量型的短缺，另一点是人工智能人才的结构性短缺，中国缺少的是人工智能领域领军性的、有重大创新能力的尖端人才，这可能短期内靠大规模培训很难解决，需要长期培育创新的文化与生态。

决策困境：长期与短期间的权衡

NBD：我们也注意到，许多企业人工智能计划无疾而终。有研究显示，迄今为止，70%的企业表示人工智能的影响微乎其微，甚至根本没有。有90%的企业或多或少曾投资开发人工智能，其中只有不到40%自认为在过去三年通过人工智能获得了一些收益。怎么看这种现象？

龚业明：从现象学上看，有的报告跟这个结论不太一样。比如麻省理工斯隆管理评论和波士顿咨询（BCG）的联合研究报告显示，有相当多的企业认为在未来3到5年内人工智能会增加企业的商业价值，会转变企业的模式。

我认为这可能涉及到长期与短期之间的权衡。人工智能技术投入进去之后，可能短期之内不一定见得到成果，但是就长期来讲又会有成果。还有可能是有的组织选择的人工智能产品与市场不匹配。这也跟人工智能目前的技术特征有关系。

现在的人工智能以深度学习占有优势，而深度学习算法是需要大数据的。可能一个公司投资了人工智能技术，但早期它的数据积累不够，那么人工智能的效果就显现不出来。等做了几年之后，它的大数据积累到一个临界值，人工智能的差错率就比较低了，那时候算法也更加有用。实际上，现在对企业进行的调研，总体上对人工智能看法还是比较偏正面的。