香港交易及結算所行政總裁李小加 、創新工場董事長兼CEO李開復、海爾家電集團副總裁兼首席技術官趙峰、中國科學院自動化研究所復雜系統管理與控制國家重點實驗室主任王飛躍、北京大學人民醫院外科教授王杉五位嘉賓針對人工智能對于行業帶來的沖擊進行了討論，以及詳細闡述了智能化在行業內的發展。

　　王飛躍稱，在不久前的人機大戰期間，我買了谷歌的股票，因為我認為AlphaGo能以5:0勝利。AlphaGo可以在計算上解決復雜問題，這是可以走向智能時代的一個標志，所以這個意義很重大。要做人工智能，李開復稱，第一要有巨大的數據量，第二個是要有巨大的計算量。谷歌用15個深度學習領域的專家，花費兩年時間做出AlphaGo。我對人工智能在未來十年的發展是很樂觀的，15%的工作都會被AI取代。

　　關于大數據和人工智能在金融領域應用以及影響，香港交易及結算所行政總裁李小加稱，金融是互聯網最后才能顛覆的一個領域。深度學習在金融里面叫程序化交易，有的人叫高頻交易。高頻交易是通過計算機的深度學習來判斷市場，把市場里面的所有信息集中在一起然后進行交易。但是如果高頻交易違反基本的誠信，就變的邪惡了。李開復稱，智能的交易會取代炒股的工作，過去我的基金就是機器人幫我買的。

　　對于AI在未來醫院的應用，北京大學人民醫院外科教授王杉稱，從傳統角度將，醫療很可能你是堅持到最后，不會被互聯網顛覆的一個行業。但王彬同時表示，智能機器設備在未來智慧醫院前景是十分廣泛的。目前來看，個性化治療聽上去美好，但是現在還無法實現。人工智能對醫療模式肯定會產生很重要的影響。比如，手術機器人的出現，讓醫療中的涉及病人隱私的操作，可能就不需要人了。技術永遠是以需求為導向。

　　以下為對話實錄：

　　主持人 大家下午好，今天上午聽了互聯網大咖的精彩高端對話，我們下午也有壓力，一個是比較累比較困，第二個我們講的東西是不是大家都喜歡的呢？不知道，但是從昨天晚上的閉門會看，這個領域是非常多人關注的，包括媒體在內，尤其是最近谷歌的AlphaGo 打敗了九段的圍棋冠軍李世石后，人工智能這個領域變得非常熱，也受到非常大的關注。今天臺上的嘉賓盡管不像上午兩三位特別有名氣，但都是人工智能領域或者是各自的專業領域的大咖。我這里就按照順序做一下簡單介紹。

　　坐在我旁邊的第一位是王飛躍教授，他是中國科學院自動化研究所復雜系統管理與控制國家重點實驗室主任，大家一聽這個頭銜挺長不好記，從表面看是一個學者教授，但是在人工智能教育已經有將近30 多年的經驗。他另外幾個頭銜大家聽到會比較震撼一點，國防科技大學軍事計算學院與平行系統技術研究中心的主任，也就是說如何把人工智能應用到軍事上，王飛躍教授是非常重要的參與者。中國科學院大學經濟與社會安全研究中心主任，如何把人工智能放在網絡安全上、社會安全上，這也是王飛躍教授承擔的一個國家專項。同時他也是青島智能技術產業研究院的院長。歡迎王飛躍教授。

　　第二位是大家非常熟悉的李開復先生，他是2009 年 9 月在北京創立了創新工常大家都知道他曾經就職于谷歌、微軟、蘋果等世界頂尖的科技公司，任到全球副總裁非常高的職務。李開復大家都很熟悉，大家也知道前面幾年他身體不太好，這一次專門從臺灣體檢完了趕回來，但好消息是他的身體恢復得很好，咱們祝福他，也非常感謝他來參加我們這次會議。

　　第三位大家也是非常熟悉的李小加先生，是港交所的行政總裁，他也曾經擔任摩根大通中國區主席、美林證券中國區主席，他今天將從金融領域會對人工智能產生什么樣的影響進行分享，歡迎。

　　第四位趙峰先生是海爾家電產業的首席技術官和副總裁，他的簡歷也是赫赫有名，微軟亞洲研究院的常務副院長，施樂研究中心的首席科學家，也是這個領域的大咖，咱們對他的到來表示感謝。

　　最后一位是王杉博士，他也是前北大人民醫院的院長，北大國際醫院集團的董事長，北大國際醫院集團可能很多人不大熟悉，王杉從零開始建設的一個國際水平的，而且是社會資本投資的醫院。他今天將從未來醫院的形態，他當時建這個醫院是按照未來醫院的標準進行建設的。我們對王杉院長的到來也表示感謝。

　　前兩位更多的是從專業的角度，是從人工智能的專業角度橫向講人工智能的發展，另外三位會重點談人工智能在不同的領域將給我們帶來什么樣的影響。第一個問題給王飛躍教授，他是人工智能的鼻祖，我想問他AlphaGo 在戰勝李世石以后，引起了社會非常大的關注，您作為這個領域的元老，因為人工智能已經存在了 30 多年，為什么這一次會有得到這樣大的關注？現在深度學習新技術和傳統的人工智能相比到底有些什么樣的突破？它對未來的經濟社會會有什么樣的影響？我知道王飛躍教授準備了一兩張 PPT ，非常認真地做了準備。

　　王飛躍：首先我不是元老級的，人工智能已經60 年了，我還不到 60 歲呢。馬云先生說是炒作，市場策劃，其實一點不錯，我也覺得這件事情還早。微博上我就寫了這段話，但是我仔細看了一下相關的七八篇文章，我也沒有看懂過，我是去滑雪去了。但看完了以后確實有一個觀點變了，我的觀點跟李開復先生的觀點一樣，我這個預測是在比賽之前做的，我是賭 AlphaGo 5 比 0 戰勝人類，所以他說得也沒錯，而且我確實輸了，我買了谷歌的股票當時 700 塊錢，現在最多已經到了 750 塊錢了。從技術上看，它確實沒有方法上的創新，但我覺得它的貢獻也是非常大的，這是工程上大規模地集成了深度學習。以前 IT ，你們把 IT 定義為智能，我認為這個太智能了，在歷史上 IT 最早叫工業技術， 50 年前才變成機器，現在叫智能機器，以后的 IT 有三個層次的含義。昨天馬云先生說叫 DT ，這個人是創造奇跡的人，所以我也祝愿他 DT 成功。我說這個話有兩個含義，一個是科學依據，大家別忘了 1936 年這就是 Church 跟圖靈兩個人，當時提出 Church 、圖靈，所有合理的競賽都可以用圖靈完成。這個想法給了他靈感，圖靈在對面小的房間，計算機原型出來，從那之后才有了計算機產業。我覺得這次 AlphaGo 可以用來技術上解決問題，這就可以走向智能時代。

　　有一點我想強調一下，德日進說生命就是復雜化的物質，深度網絡里面有上億參數就給了我們智能因素和物理因素。但就因為說不清楚會產生智能。這就是開了一個頭。今天早上談邊界劃分，我覺得在智能世界根本就沒有邊界的概念，大家要把不確定性、多樣性和復雜性就當作常規，誰要能把這些東西轉化成你自己的敏捷性，向問題聚焦，我覺得誰就贏得了未來。這是我一直鼓吹的，將來的智能一定平行智能，每個企業都要下圍棋，你要把企業變成軟件企業，你要不下圍棋，你就是大刀、長毛，你不倒閉天理難容。

　　主持人 我估計很多人似懂非懂，我聽了好幾遍也是似懂非懂。開復先生也是這個領域的專業人士，他在AlphaGo 前后都發表了不少感想，而且他昨天說專門回硅谷，特別是回到谷歌了解了不少細節。所以想請開復先生給我們講講。能不能講感想之前盡量用大家懂的語言講一下深度學習和縱向學習的基本概念，給大家做一些科普。

　　李開復：其實就像王教授所說，人工智能已經存在很多年了，60 年了，甚至這次深度學習所基于的神經網絡也已經存在了五六十年了，而這個領域是跌宕起伏的，一陣子很熱，然后又一下子沒有很蓬勃的樣子，然后又一陣子很熱。我們作為從業者是比較樂觀的，這次 AlphaGo 里面使用的技術是基于特殊的神經網絡，過去神經網絡，如果機器學習，你給他看很多樣本，告訴它這是什么，比如給它看貓，它就學會了貓是什么，給它聽很多聲音就知道 ABCD 是怎么念的。其實圍棋就是給它看了很多棋譜，然后告訴它這個贏了，這個輸了，在這個學習過程中它從千萬級別的與高手對弈提升到一定的層次。在這個基礎上，它又做了兩個核心，一個是特殊的神經網絡，圍棋里面有很多特征，我也不知道這些特征是什么，給它一些方法學習這些特征，而這些特征我們看到 AlphaGo 的表現，它下得很多棋路是人的高手看不懂的，它在挖掘圍棋真理，已經超越了人類，至少跟人類不一樣的，這是它自我學習的功能。

　　第二個是它的自我學習，它把高手的棋路學了以后怎么再上一層樓呢？就是兩個AlphaGo ， A 和 B 下， A 贏了照 A 的路子走， B 贏了照 B 的路子走，進行很多的排列組合。第三個是強大的運算能力。先跟高手學，再跟自己學，再用非常大的機器運算量不斷地學，而且它有 200 個 CPU ，一天 24 小時學習，所以我們人類再聰明也不如它勤奮。

　　我覺得AlphaGo 肯定是巨大的成功，因為它是里程碑的事件，包括我個人在內都認為圍棋至少需要五年的時間才能跟人類的高手交鋒，因為我們推算一下國際象棋是 20 年前做的 10 的 50 多次方，圍棋是 10 的 170 多次方，計算的次數大概需要 30 年。結果超越了我們的想象，所以它讓很多人樂觀地說 AlphaGo 里面的技術跟著人學習也好，自我學習也好，是不是可以用到別的領域。我覺得這是它達到的非常巨大的效應，讓我們更多人覺得原來這個速度比我們想象得還要快，所以我們是不是可以用它來做很多其他的領域，比如說幫著律師看，幫著醫生做判斷，判斷股票的走勢，這些都會比我們想象得走得更快，這是很大的成就。

　　另外澄清一下，這些技術是十年前就有的，到底偉大在什么地方呢？這次我去谷歌也和谷歌的CEO 和專家交流了一些，簡單地講，我覺得今天人工智能，如果你具有三個條件就可以深度地進入很多人類過去感覺不太能解決的問題，而且提供巨大的商業價值，這三個是什么呢？第一個是要有巨大的數據量，最好還是能自我迭代的，他們有數據就可以學習，我們在座的還沒有。第二個要有非常巨大的計算量，谷歌的一大秘密是他的技術比全世界任何一個公司都多，他的巨大的計算量又是巨大的優勢。第三個技術講得這么偉大，實際上要平臺化，網上公開的還是與谷歌相差的相當遠。谷歌投入了 15 個世界頂尖的深度學習的專家，把 15 個人投進去兩年。這些基本上可以在任何可理解的領域里達到他的貢獻。

　　所以我們從投資人和創新創業的角度看，我覺得一方面對AI 的發展我對未來十年特別樂觀，會改變每一個產業，而且 50% 的工作都會被 AI 取代掉。但是前兩年的觀點我還是認為還是只能在比較小的領域，因為平臺的形成是要時間的，不像過去安卓、 hadoop 是有很多基礎的，這還是需要時間。我認為這個技術兩年比較保守，但是十年特別巨大有顛覆性的基矗

　　最后講一下谷歌做的事情，谷歌經過做搜索、廣告提煉出了一個大腦，這個大腦用在基因檢測、醫學就會形成新的公司，所以就是用這個大腦做比喻，也有做投資、無人駕駛、語音識別都可以用上。所以國內的科技發展還是需要看哪些公司能夠有數據、計算量和深度學習的科學家進打造更多的大腦工程，無論是大公司來做，還是創業公司來做，這都是有必要的。

　　主持人 包括華爾街用大數據和一些過去老的分析方法已經很久了，所以金融領域應該是人工智能非常重要的一個應用。所以我想請小加講一講在這方面有什么樣的技術，另外這方面新的人工智能可能對這個領域產生什么樣的影響？剛才聽了兩位專家講以后。

　　李小加：我希望講兩個，一個是物理上的互聯網怎么改變金融，另外一個是化學上的。從智慧型的深度學習來講改變金融，無論是物理的還是化學的，互聯網改變金融，我希望這個觀點大家把它打破，金融應該是互聯網最后一個才有可能顛覆的行業，這個行業的特殊性使得它極其不容易被互聯網技術完全顛覆。你剛才講的深度學習，我們先不講國內，首先講到的概念，在金融里面叫程序化交易，有的人叫高頻交易，高頻交易是通過計算機的深度學習來判斷市場，把市場里面的所有信息集中在一起然后進行交易。這個交易主要體現在高頻上，就是在速度上。咱們先說美國，最近中國已經遇到了巨大的挑戰，沒有在中國開始就已經基本上暫時結束了。到底高頻交易是什么？高頻交易本身就是速度，速度為什么在國外這么重要呢？在美國有50 幾個交易所，在我們這里只有 2 個交易所。當有 50 幾個交易所，有大量不同信息的時候，只要價格有微小區別的時候，就能夠通過高頻交易找平了，這提供了巨大的流量，但找平不存在價值，所以在美國也具有爭議的高頻交易。今天拿到中國來幾乎變了去年股災的重要元兇之一，這個大家一定要有充分的認識。高頻交易本身就像汽車一樣，它就是一種交易手段，非常快。高頻交易從兩百年前就開始了，從拿坡侖打了敗仗以后，很多快馬就像倫敦奔跑，把拿坡侖失敗的消息告訴金融市常這時候是用信鴿的形式，把信息綁到鴿子的腿上，結果鴿子新到了倫敦。當你有電話的時候肯定比跑得更快，當有電腦的時候肯定比電話快，當有電腦的時候肯定有比電腦更快的東西。真正的高頻交易的問題不是速度本身，不是技術本身，不是學習本身，而是作為一個工具干什么。因為什么工具都可以干壞事，咱們中國的資本市場之所以把高頻交易放在非常負面的情況就是去年的股災造成的。但是大家一定要知道高頻交易什么情況下根本上是不好的，什么時候是沒問題的。比如一個農民拉著一車西瓜到市場上賣，如果他去的過程中有可能在路上西瓜的價格發生了重大的變化，到了那是什么就是什么。而交易本身是干什么的呢？如果一個高頻交易的人能夠在那邊知道是多少價格，然后快馬奔到路邊跟他說不用進城了，你西瓜賣多少，他說昨天 1 塊錢，今天能 1.1 元我就很開心了，這個人知道市場上是 1.5 元。這是好的高頻交易。什么是壞的高頻交易呢？這個人騎著馬擋著這個老鄉說別進城了，市場已經到 9 毛錢了，我 1.1 塊錢買進來。這就變成了高頻交易的邪惡，高頻交易違反了基本的誠信。如果高頻交易本身就是比你快，你也不在乎，你本來也到不了那個地方，這是沒有問題的。可是今天的高頻交易在中國的資本市場上，這樣的 IT 的深度學習在資本市場的應用還沒有開始就已經倒下了。至于倒下以后還能不能再站起來就要看相關的市場智慧和市場本身的變化。因為中國市場 80% 大家都騎著自行車，那這個市場要想發展，必須要大家都開車。可是你不可能在大家都開車的情況下，有可能市場混亂撞死人，現在汽車不允許做，那就大家都是自行車市場慢慢往前走吧。

　　主持人 王飛躍教授曾經試圖用人工智能來協助他進行炒股方面的工作，深度學習再發展下去的話，如果不用電腦的話，還炒股嗎？

　　王飛躍：在中國我已經沒有炒了，剛才李先生講的，我不認為做人工智能深度學習一定要靠互聯網，這是我個人的看法，我覺得以后你只要給一個模型，有足夠多的參數，你用有效的方法調它就能產生智能。這就是我為什么說圍棋打敗圍棋，AlphaGo 只是開了一個頭而已，將來不見得就是深度學習這個方法。我不認為要靠深度學習專家，要靠多參數。 90 年代算一遍一個星期，讓我的學生覺得這個方法沒效。我覺得這就是我認為還有跟深度學習不一樣的方法，智能并不復雜，你只要有一個方法來調整就完全可以。這個東西是跟金融非常相關的，這不是信息完全對稱的。前兩天 1992 年找我炒股的朋友，這兩年在香港炒得蠻瘋的，就是拿當年的方法，現在想回國內來炒，我覺得這個事情有錢人可以做，小股民就不要做了。

　　李開復：我補充一點跟炒股有關的消息，在美國智能交易出來之后交易員從10 萬掉到 5 萬，智能交易會取代人的工作。過去一年我就沒有再買過人管理的基金，我過去一年的投資都是機器人幫我管。

　　王飛躍：我覺得這是知識自動化的方向，為什么軟件機器人或知識機器人是未來的保障，AlphaGo 也是軟件機器人，以前我們靠工業自動化發展到了今天，下一階段就是知識自動化。我去年去美國就發現大家都往自動交易上面上。

　　主持人 你每天跟機器人打仗可能都不知道，你在炒股的時候，他們都用機器人跟你打，所以世界的變化是非常快的。下一個領域是IOT ，就是我們平時說的物聯網，海爾最近也發布了智能平臺，還跟微軟簽訂合作協議，引入了很多人工智能的技術，跨越了傳統的智能家電、智能家居這些理念。我想請趙峰總談談人工智能對于家電制造業和未來家庭的影響。

　　趙峰：我想在座的除了炒股之外，還有其他方面的需求。家庭是大家每天花時間最多的地方，大家對家電的智能化期望很高。家電什么時候能變成智能化的？現在的狀態不是很理想，為什么？用戶的期望非常高，覺得家電應該像其他的設備一樣。但是在市場上看到的產品功能比較單一，操作有些很復雜。現在很多還不是聯在一起的，比如智能冰箱，真正對用戶有作用的是現在冰箱上是有屏的，這個交互是管理里面的食物，告訴你什么時候需要再去購買一些，什么東西快過期了，把這些服務聯在一起。但現在很多產品還沒有達到這個。另外這次會議的主題共享，在共享經濟下，大家說的是生態，海爾在轉型實際上就是從硬件生產供應到以后的服務。在生態圈里面，特別是智能家居，大家都在摸索生態圈是怎樣的，這樣生態圈才能興旺。這個行業一直在探索從產品的智能化、產品的聯動，還有商業模式。

　　在家庭當中大家的需求確實是剛需，這不是一個偽需求。而且有些習慣是可以培養的，包括大家現在的很多習慣也是有了智能手機才形成的。在智能家居也一樣。關鍵的是丁健問的人工智能技術會對我們帶來什么影響。第一個是現在的交互比較單一，最多拿一下手機看一下你的設備，控制。我覺得接下來的智能家居交互入口應該是全場景的、分布式的，無處不在。你在哪個地方，最接近的一個屏或交互入口就自然可以交互，包括圖像、語音、語義理解、手勢和人臉等，現在單個技術能夠用起來，但是全場景集成是整個生態落地。近期比較主要的就是把交互整合在一起，使得整個家庭是無處不在的，背后是智能管家的概念。

　　第二個是商業生態圈模式的落地，在家庭當中不只是食物，還有跟洗護有關的，還有空氣凈化等。就拿食物來說，對海爾來說，我們的硬件不只是給用戶提供硬件上的服務，更多的是這些硬件能夠聯在一起形成一個場景的體驗。用戶最重要的是會問這些東西能給我帶來什么，他的需求是多樣的，所以你需要引入各種各樣的內容和服務。我剛才說在冰箱，很多就是跟菜品有關的，大家在做東西的時候你需要有一個非常便捷的方式投影到墻壁上說這個菜怎么做，或者用語音的方式問。另外一個是各種各樣的服務，我剛才在上面吃飯的時候有一位先生說做跟食材有關的，在國內物流非常便捷，在中國你下班的時候如果覺得家里缺什么，你點購買，半小時以后快遞就會送到你家。像這種便捷的方式，資源方和需求方聚合在一起，通過平臺的方式直接在里面產生對接，這是智能家電要做的。智能家電最終還是要把各方，包括家電行業，新興的互聯網硬件供應商、軟件供應商，還有互聯網，大家都聯接到一起。IOT 的難度在哪？下面所有的家電要能夠互聯互通，但現在這個行業的問題是大家都有自己的協議，自己的網絡標準，數據的格式也不一樣。我想接下來有幾種可能，一種是封閉式的體系，像蘋果的體系。我覺得開放的平臺會更快地把資源整合起來，各個廠商的硬件和服務都能夠互聯互通，不光是設備之間的通訊互聯，還有另外一個是互通共享。一個是 IOT 互通互聯的技術，還有人工智能多場景、多入口、分布式的交互。另外是后面沉淀的大量用戶數據和用戶行為的分析，怎么把它變成為用戶提供更好的服務。海爾這幾年一直想把這些技術整合起來，能夠給用戶提供這些服務的話，他能想到的給他提供，他想不到的推薦給他，就是智慧管家的概念。

　　主持人 這兩天我看到俄國推出了智能廚房，據說可以做2000 多種菜，這是家電領域很好的發展。下一個領域我們也講講互聯網，因為中國的醫療行業，前面移動醫療 O2O 火了一段時間，現在仍然是很熱門的一個話題，但好像進展比較慢。最近一些醫院開始要求醫生必須切斷和所有移動醫療公司的關系，看上去好像在某些方面還有倒退。王杉院長曾經在網上流傳一個著名的和互聯網醫療公司的，在一個論壇里面進行激烈的辯論，就講為什么移動互聯網在中國有很大的問題，我們今天可以聽聽他的想法。當然我很希望他另外講的，這個只是一帶而過，更想聽的是在未來的醫院里面，在王院長的腦海中未來的智慧醫院應該是怎樣的？

　　王杉：謝謝，剛才小加講金融業是最后一個被互聯網顛覆的行業，我說醫療是堅持到最后不被顛覆的一個行業。為什么這樣講呢？上午我已經講到我的夢想就是共產主義，那時候按需分配，那時候我估計病還不會沒有。在整個會議期間我也聽到誰不愿意成為傳統產業，我非常自豪地講我很愿意成為傳統產業，自人類產生以后就存在，而且具有活力，而且有非常強的生命力，這是我的第一個觀點。第二個談到醫療，其實看病主要是講醫生，未來的醫生和外科醫生到底是怎樣的？***曾經有一個非常著名的文章《紀念白求恩》，白求恩是我們這個行業里面的榜樣，他也是外科大夫。今天上午張教授講到50 年以后連外科機器人都可以有了，未來的外科機器人是怎樣的？就是毫不利己、專門利人，對技術精益求精，而且是一個高尚的人，一個純粹的人，一個有道德的人。雖然在我有生之年是否看得到另說，這次的會議真的讓我學習了很多。我是夢想家，也一直在作夢。

　　再講到未來的醫院或者未來的醫療保障系統是怎樣的，對于疾病發生、發展及轉危，得癌癥是怎么得的，為什么得同樣的胃癌，那個就發展得快，壽命短，這個就長命？我想無論是現在的大數據、云計算，現在又講認識計算等一系列一定會對疾病的發生、發展，預先它的規律產生重要的作用。這兩天我不斷在學習，我們老問王飛躍教授人工智能的算法是什么。其實今天上午的討論跟我的想法很類似，現在講到的深度學習，這個是不是要發現疾病規律的唯一正確的方法，我是表示懷疑的。是否是一定要經過大數據呢？其實大家誰都知道，一個資深的老大夫他需要從癥狀一二三，體征一二三，依據一二三分析下來再做診斷。大家聽說過懸絲把脈，其實見到個體的病人已經能總結出來就是什么病癥。我們從技術的角度是不是一定要經過大數據，那么復雜的技術方法花那么長的時間和努力，最后實現診斷和治療呢？我這里只是提出疑問，但確確實實在這方面大家都聽說過個體化治療，就是你這個人得了什么病，然后根據你的基因組學、蛋白學、代謝學等，你就最適合用哪個療法。聽上去非常美好，但是到現在為止有多少真正的研究是用這個思維方法最后找出規律呢？不見得。

　　主持人 打斷一下，現在深度學習這邊，關于精準治療和深度學習的結合是現在很熱的問題，我動議你的觀點現在這點還沒有真正體現出來。

　　王杉：第二個對醫療模式一定會產生影響。將來就有可能相當一部分病人就是在自然的狀態下進行數據的采集、診斷分析和干預，什么叫自然狀態？就是他在工作、生活、學習的狀態下進行采集。我想可能大家也許在家里就有這么一個智能的系統，也許不是我們看上去那么丑陋的一個東西，但是它可以根據你的不適給你進行調整，告訴你應該去哪個醫療機構找誰，甚至把車也給你安排好去了醫院。去了醫院，我認為一定是這樣的，進了醫院以后，可能見的不是今天看上去很漂亮的接待護士，就那么一套系統把你預先采集的跟診斷、治療相關的數據，然后把你轉給醫生，醫生坐診是真人。

　　主持人 叫機器人接診。

　　王杉：機器人已經可以做到跟人的反應速度一樣，將來不僅僅是做手術，甚至在一些隱私的操作比如導尿就不是真人了。這里面會有一系列的改變醫療的模式。最后一句話信息是要解決問題的，我一直說信息的建設和利用是需求為導向的，解決一線難題為目的。真正成功的都是他了解醫生診療的需求是什么，幫助他解決了，這才是可持續發展的將來的IT 應用。希望 IT 團隊深入地跟各個行業的專家共同來開發，謝謝。

　　主持人 我想大家可能跟我一樣，有很多問題來不及問，但今天我們時間有限，最后給嘉賓提一個問題，一位專家預計未來30 年以后人工智能將全面超越人類的智能，就是基點，我想讓每一個在座的嘉賓就給我一個數字，你們腦海中這個基點大概要多久？我們以后每年問有什么樣的變化。

　　王飛躍：如果你相信科學的話是220 億年，所以要實現要 220 億年的時間。

　　李開復：我覺得這是拍腦袋猜測出來的，今天AlphaGo 再厲害也是我們人類的奴隸，他厲害的是能夠復制出 1000 個奴隸幫我們干活。現在的機器沒有絲毫能力，不知道做什么，沒有感情，沒有喜怒哀樂，這是什么時候都教不會的。

　　王飛躍：是人的奴隸，但是有更多的人去伺候這個努力，所以不會失業，會創造更多的就業崗位。

　　趙峰：我想大家要問的是怎么定義機器什么時候超過人腦，在一個比較窄的領域當中，我覺得機器和人的距離越來越短，但真正要取代人的很多能力的話，我覺得至少要50 年，這 50 年怎么定義？它可以取代人現在做的 80% 左右的工作。但是真正人的能力，我覺得機器花很長時間，比如我們人有能力忘掉東西，但是機器有沒有這個辦法把它不需要的東西忘掉，我覺得這是要改善的。

　　王杉：我的觀點是從醫學的角度講，機器要想超越某個個體那是一定能實現的，而且比這個時間還快。但是機器要超過人類，我想是現在不可能完成的任務，對于醫學的東西要想替代，我覺得不可能。