李彦宏:创新不是闭门造车,摸着“反馈”才能过河

i黑马  •  扫码分享
我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

李彦宏:创新不是闭门造车,摸着“反馈”才能过河

来源:雷达财经(ID:leizhuba),作者:苏红,编辑:深海

李彦宏说,沿着这个思路,如果让其来判断第四次科技革命的标志,其认为是深度学习算法。

“过去一年,人们对‘风口’的讨论少了一些,对增长的健康度关注更多了。增长从何而来?”在1月10日举行的第五届百度 Create AI开发者大会上,李彦宏抛出了这个问题。

李彦宏分享了过去2000年世界人均GDP的曲线图。在更早的1800年里,世界人均GDP的变化不明显。而在最近的250年左右,人均GDP出现了爆发式的增长。这是人类历史上的几次科技革命带来的。

李彦宏说,沿着这个思路,如果让其来判断第四次科技革命的标志,其认为是深度学习算法。

“那创新本身,它又是从何而来呢?” 李彦宏总结为“反馈驱动创新”。

有科学家做过一个思想实验:把魔方打乱,交给一个盲人还原,假设盲人每秒转动一次,复原魔方需要137亿年。如果有人反馈,则只需要两分半钟的时间。

所以,创新不是闭门造车。创新,是不断从市场获得用户和客户的反馈,摸着“反馈”过河才能实现的。

据李彦宏介绍,百度在经营发展中,也有很多“反馈驱动创新”的实践经验。百度从一年前开始,每个季度都发布萝卜快跑的订单量。百度的目标是保持自动驾驶出行服务订单量全球领先,这背后也是“反馈驱动创新”的理念。订单量最大,意味着能够获得最多的市场和用户反馈。李彦宏认为,自动驾驶的落地速度,可能比预期要快。

以下为李彦宏演讲全文:

创新驱动增长,反馈驱动创新

各位开发者们,

大家好,今年是第五届百度 Create AI开发者大会,感谢大家的陪伴!每年我们都在这里,探讨技术发展和创新机会。

过去一年,我们看到,人们对“风口”的讨论少了一些,对增长的健康度关注更多了。

今天我的分享,就围绕“增长”这个话题展开。增长从何而来?什么会推动可持续的增长?

我这里有一张过去2000年世界人均GDP的曲线图。可以看见,在更早的1800年里,世界人均GDP的变化是不明显的。而在最近的250年左右,人均GDP出现了爆发式的增长。大家应该都已经想到了,这个爆发式的增长,是人类历史上的几次科技革命带来的。科技创新驱动了大的增长。

沿着这个思路,如果让我来判断第四次科技革命的标志,我认为是深度学习算法。这个技术能够带来的效率提升、能够驱动的经济增长,是比很多人想象的要更大的。与深度学习相关的重大创新,包括自动驾驶,也包括水电能等领域的智能调度系统。它们的应用会像汽车、互联网这些发明一样,产生重大社会影响,是重大创新。

所以,是科技创新驱动了大的增长。那创新本身,它又是从何而来呢?

我总结为“反馈驱动创新”。有科学家做过一个思想实验:把魔方打乱,交给一个盲人还原,假设盲人每秒转动一次,他需要多久才能将魔方复原呢?答案是137亿年。但如果盲人每转动一次魔方,就有人向他做一次反馈,告诉他是更接近目标了,还是更远离目标了,盲人需要多久能把魔方还原?答案是两分半钟的时间!没有外部反馈的时候需要137亿年,能及时获得反馈的时候只需要两分半钟,这就是反馈的神奇力量。

所以,创新不是闭门造车。创新,是你有机会进入市场,不断获得用户和客户的反馈,摸着“反馈”过河才能实现的。

百度在经营发展中,也有很多“反馈驱动创新”的实践经验。

我举个例子,百度昆仑芯片在AI芯片中性能非常领先,这是因为它已经为百度的搜索服务优化了十年。百度的搜索服务,每天响应几十亿次真实的用户使用需求,每天进行1万亿次深度语义推理与匹配,能够提供最真实、最及时的反馈,从而倒逼大模型、深度学习框架和芯片的优化。这就是一个典型的案例,大规模的真实反馈,驱动了创新。

再举个例子,百度从一年前开始,每个季度都发布萝卜快跑的订单量。我们的目标是保持自动驾驶出行服务订单量全球领先。这背后也是“反馈驱动创新”的理念。订单量最大,意味着我们能够获得最多的市场和用户反馈。北京有一个小伙,一年打了600多次无人车,打萝卜快跑,已经超过传统出行方式,成为他的出行首选。我们从社交平台看到,很多地方的网友,希望无人车出行服务能够开到自己家门口。这代表着,人们对自动驾驶的接受度很高,自动驾驶的落地速度,可能比预期要快。

很多时候,事物的实际发展路径,和最初的设想是大相径庭的。技术的发展,没有导航地图,只有指南针。在方向大致正确的情况下,基于实践反馈,一步步迭代,才能跑出有价值的创新。

百度是全球为数不多的、进行全栈布局的人工智能公司。我们所做的事情可以分为四层:芯片层、框架层、模型层和应用层。从高端芯片昆仑,到飞桨深度学习框架,再到文心预训练大模型,各个层面都有关键自研技术,每一层之间都有很多反馈,通过不断获得反馈,实现端到端优化。

这个技术架构,越往下越通用,越往上越专用。更通用,意味着不断降低行业使用技术的门槛;更专用,则是深入产业去深化应用。

具体来说,有两方面:

一方面,人工智能技术的通用性越来越好,开发和应用的门槛进一步降低。

比如说飞桨,是百度自研的开源深度学习框架。目前,飞桨凝聚了535万开发者,服务20万家企事业单位,基于飞桨创建了67万个模型,已经构建起一个繁荣的深度学习生态。飞桨就是人工智能时代的操作系统,让开发者能够像搭积木一样构建AI应用,大大降低AI的应用门槛。芯片卡脖子很要紧,但软件卡脖子一样要紧。必须要把软件的根扎下去,才能让创新持续发生,才能让顶层的商业更加繁荣。

2022年是大模型产业化应用元年,大模型已成为许多上层应用的技术底座。它能有效集成自然语言处理、计算机视觉、智能语音等多模态能力,可以结合多种行业和业务场景进行调优,从而摆脱传统AI应用碎片化、作坊式开发方式,为深度学习技术进入新阶段带来了机遇。百度文心已经累计发布了11个行业大模型。

另一方面,是人工智能深入产业,赋能实体经济发展。

比如智能交通,我把它看作一个“智能调度系统”,可以通过智能红绿灯控制交通流量,从而提升交通效率。通过对交通网络的智能化改造,可以把通行效率提升15%至30%。百度的智能交通方案已经落地全国63个城市,交通部也正式将百度列为交通强国的试点单位。我预测,智能交通方案可以使得,2027年之前,中国一线城市不再需要限购限行,从而激活汽车消费,为城市疫情之后的经济注入新活力。2032年之前,靠交通效率的提升,拥堵问题就基本可以解决。

智能交通的应用,为能源、电力、水务等领域创造了一个行业范式,依靠“智能调度系统”实现效率的显著提升。这正是开发者和创造者们的机会。

去年Create大会上我说,“随着技术应用门槛不断降低,创造者们将迎来属于人工智能的黄金10年”。今天,我想继续把这句话分享给大家。

这些发展的方向是明确的,但实现的过程却不会容易,甚至会非常困难非常有挑战。这就是技术发展的特点。技术战略,意味着长周期,而长周期不可能一帆风顺。

2000年1月,我回国创业。现在回头看,很多人会觉得赶上了好时机。但当时的实际情况是,就在我创业两个月后,互联网泡沫破裂,全世界蒸发了8万亿市值。那时候,很多人被困难动摇了信心,选择放弃、选择离开。最后,是那些坚持挺过寒冬的人,成就了互联网发展的黄金十年。

人工智能从今天走向未来的过程中,这样的起起落落还会发生。

积极的方面是,过去一年,无论是技术层面还是商业应用层面,人工智能都有了方向性的改变。技术层面,AI从理解内容,走向了自动生成内容,这包括AIGC用于作画、用于图文、视频等多类型的内容创作。

商业应用层面的改变,最具代表性的是自动驾驶。过去大家认为,从L2-L5是一步步来的。但其实L2之后,率先进入商用的很可能是L4,而不是L3。因为L2和L4的事故责任界定都是清楚的,L3的事故责任界定是不清楚的,因此普及需要更长时间。百度L4级自动驾驶落地很快,截至今年9月累计订单超过了140万单,在北京、上海等10多个城市运营,在重庆和武汉还开放了全无人商业化运营。

然而,我们必须意识到,挑战同样很大。事实上,实体经济很多领域的数字化改造尚未完成,而数字化本身并未能够带来效率的明显提升。智能化的广泛渗透还需要时间,智能化对实体经济的巨大拉升作用还没有成为广泛共识。因此人工智能的商业化还需在黑暗中摸索一段时间。

我用“危机和希望”为关键词,在百度AI作画平台一格上,由人工智能自动生成了这样一幅画。我觉得很传神。生机勃勃的新生命已经破冰而出,然而寒冷还没有完全褪去。所有伟大的企业、伟大的创造者也是一样,没有一帆风顺,只有不断地历经困难再凯旋。困难会刺激创新,而创新是增长的真正动力。

最后,百度将一如既往为社会、为产业培养AI人才。三年前,我们宣布五年内为社会培养500万AI人才,目前已培养了超过 300万。未来,百度会投入更多资源,与各位开发者们一道,为中国AI的发展尽我们最大的努力。

文章评价
李彦宏:创新不是闭门造车,摸着“反馈”才能过河 匿名用户
发布
发布

    随意打赏

    提交建议
    微信扫一扫,分享给好友吧。