關於 鉤針圖解之家 ，我們在網路上蒐集到這些相關的討論、資訊與評價

🧶 用鉤針翻轉童話！手織娃娃打造夢幻樂園
募資達標 100% ，確定開課啦～🎉
63折早鳥預購再拿限量折價券▶ https://bit.ly/3B1J4jr
.
鉤針線上課募資 1 天就達標，確定開課啦！
防疫在家除了育兒之外，最忙的就是準備課程了😆
這次的課程花了很多心思籌備，除了入門的編織技法之外，還將大家最容易卡關的塞棉、縫合、表情製作全都加進課程了，就是希望能讓你們一次學到會！
.
這些年因為舉辦多次愛心團織，經手過無數隻大家的愛心織偶，知道大家可能會遇上哪些問題或困難，希望透過這堂完整的玩偶鉤針課，用最簡單易懂的方式，解答你們在編織路上的所有疑問。
.
希望大家都能跟我一起，享受編織時的療癒手作時光✨
.
近 9 小時豐富課程內容：
Lesson 1. 織圖圖解與基礎編織技法教學
Lesson 2. 不可不知的完美填充技巧（身體／臉型）
Lesson 3. 畫龍點睛的表情製作與植法教學
Lesson 4. 牛刀小試暖身操：小魚、小花製作
Lesson 5. 加入植毛做出毛絨感：黑羊白羊故事篇
Lesson 6. 結合音樂盒更有趣！：龜兔賽跑篇
Lesson 7. 臉部細節製作：戴斗笠的地藏王菩薩篇
Lesson 8. 動物＆人物製作細節：桃太郎篇
Lesson 9. 翻轉娃娃好驚奇！：灰姑娘變身篇
🔒 解鎖課程：綠野仙蹤音樂盒、翻轉小紅帽、翻轉白雪公主
.
由淺到深的課程教學，總共 6 個故事 10 多款豐富作品，將近 9 小時的課程預購只要 $1780 元，領取折扣還能省更多！一起拿起鉤針，享受愜意編織時光吧💖
.
課程預購這邊走 🏃 ▶ https://bit.ly/3B1J4jr

👉🏻加入榮耀投資學院社團
並且給我們clubhouse的意見跟反饋
即可參加贈書活動
#請留言在社團的文章下方

🎊Club House #散戶的交易人生#開播啦！
謝謝廣大CLUB HOUSE聽眾，我們將送三本好書給您
活動方式
留言你對我們CLUB HOUSE 節目＃散戶的交易人生＃的意見與心得
即可抽中老師推薦的好書喔！（三本） 3/30公佈抽獎結果喔！
👨‍🎓Cristina 老師堆薦書單
『我的第一本投資心理學』
心理學，它是一門研究人類思維究竟是如何運作的學科
乍看它與充塞著資產負債表與收益表的投資世界相隔頗遠，但因心理學家關注並企圖了解大腦所有的運作，這些思維運作當然也包括認知控制（即思考與認識的過程）與情緒控制
因此這導致心理學家對人們如何學習、如何思考、如何溝通、如何感受情緒、如何處理訊息、如何決策與如何形成核心理念以引導其處事行為等之積極研究，這些研究成果當然也適用於投資領域
原因是投資是一種在大腦主導下進行充分運作的求利活動，因此投資與心理學就有了緊密掛鉤。
Cristina老師推薦原因:
投資其實最重要的就是戰勝人性的過程，所有人恐懼時你貪婪，所有人貪婪時你恐懼。雖然這是如此簡單的邏輯理論。
但事實上許多投資人都是因為懼怕或是不認輸雃賠錢。我覺得這本書很適合新手在了解投資時先做的心理建設。
『我畢業五年，用ETF賺到400萬：每月1,000元就能開始！不用兼差斜槓，兩檔ETF投資組合，年賺20%以上』
ETF的中文名稱是「指數股票型基金」（Exchange-TradedFund，簡稱ETF）。乍看之下你一定會問：這到底是股票、基金，指數又是什麼？ETF由ETF發行公司組成，為追蹤某個指數的投資工具，例如追蹤台股、追蹤美股，既像股票一樣交易方便，又有基金分散風險的效果。加上不用盯盤、不用找尋單一個股，非常適合沒時間看盤、也讀不懂財報的人。
Cristina老師推薦原因:
我常常告訴投資新手說如果你什麼都不會就買元大0050，到底0050是什麼呢？
就是在追蹤台灣50指數，也就是整個台股中市值最大的50間公司，等於你一次買齊台灣前50名公司股票的感覺，當你沒有高額本金，但又想分散風險時，或是你無法針對個股做仔細的分析。我覺得ETF就非常適合投資新手的理財方式。
『投資最重要的事：一本股神巴菲特讀了兩遍的書』
在美國投資界與巴菲特齊名的霍華．馬克斯，其所聯合創辦的橡樹資本成立時間超過二十年，管理資產規模已達千億美元，其長期績效表現更是驚人
二十八年來（包含六位創辦人任職TCW時期）平均複合報酬率高達一九%（同期美股標準普爾五百指數表現只有一○‧一%，MSCI全球指數只有四‧九%）。
也就是說，如果在二十八年前將一百萬交給橡樹資本管理，現在已擁有一億七千萬。霍華．馬克斯從不吝於和市場分享其投資洞見，持續以「投資備忘錄」與客戶及所有投資人溝通。
橡樹備忘錄受到美國投資界高度重視，地位等於巴菲特波克夏每年股東大會，連巴菲特本人也罕見背書：「只要在郵件信箱裡看到霍華．馬克斯的投資備忘錄，我會馬上打開與閱讀！」
Cristina老師推薦原因:
我建議這本書給有膽經驗的投資人閱讀。連股神都會看的一本書
裡面有提到許多投資人常見的雷區以及如何作逆向思考，高獲利的背後往往都是與趨勢以及大盤持有反向的投資策略。
但是並不是一昧的逆向操作，而是在細節思考以及行情發生時更可以事先看到價格背後的邏輯理論。而比其他投資人更先做出反應。
👨‍🎓Ace老師推薦書單
之前我分享過很多次
在交易市場裡佔最多影響層面的其實還是心理因素
技術佔兩成
心理佔八成
所以我這次推薦的三本書籍是我在整個人生體悟、邏輯、市場等等有很大的啟發效果
『通往財富自由之路』→開啟整個對於人生思維邏輯的維度
『他是賭神更是股神』→看到專業操盤大師對於市場的心態跟紀律
還有交易如何透過科學、統計、數學、分析理性的去做投資而不是賭博
『經典技術分析』→在去當你做知識面、工具面的打底
做好整個交易從人的本質出發在到工具面我們如何去搭配昇華
👨‍🎓Miss Diamond 老師推薦書單
『人人都能學會技術線型（全圖解）』
K線是一切技術分析的基礎，學習技術線型，首先就是要從認識K現開始！K線由開盤價、收盤價、最高價、最低價等4個關鍵價位組成，K線線型的變化所呈現的就是每日股市中多空力道交戰的結果，因此學會判讀K線就能解讀市場的氣氛和情緒，到底是多方氣盛還是空方強勢？連續的K線組合還能顯現股價趨勢的方向，協助投資人先一步研判股價未來的走勢。
趨勢線和移動平均線，則能夠幫助投資人解讀市場短、中、長期的多空格局，判斷轉折、支撐和壓力的位置，看懂這兩條線就能幫助你在市場中趨吉避凶，跟上上漲波段，躲開股市下殺段。
Miss Diamond 推薦原因：技術線型是所有金融商品都會需要的基礎，在還沒想好開始進入哪個商品市場進行操作前，技術線型是必備的功底，先有基本功再進入市場，才有讀懂市場的機會
『大避險』
遇到戰爭或病毒危機，手上抱什麼才能保值？黃金？美金？或是一個菜園？
股市空頭時，第一步不是馬上賣股票，而是了解中央銀行正在做什麼？
當全球化開始停頓，我的錢要投資什麼才能安全又保值？
Miss Diamond 推薦原因：市場的型態是有很多原因組成，經濟循環與不確定因素常常影響著市場，在多頭市場賺錢相對容易，但面臨空頭時該怎麼做才可以受到比較少的傷害呢？因此我推薦這本書，大家也可以多研究一些其他避險技巧。
『股海老牛專挑抱緊股，穩穩賺100％』
抱：挑到好公司就要一直抱著。
緊：以好價格買進才抱得緊。
處：上下震盪能處變不驚，不敗在情緒。
理：理智配置投資組合，順勢加減碼。
巴菲特曾說：「我最喜歡的持股時間是 ──永遠。」
所以，找到好股票，你唯一要做的就是，伺機抱緊處理！
Miss Diamond 推薦原因：很多新手投資人可能沒有時間盯盤做短線的進出，然而股神巴菲特其實就是價值投資的擁護者，從這本書可以先入門學習長期投資的心法喔！
最後還有Ace老師的最新課程喔！

ACE選擇權初生之犢不畏虎養成 線上課
👉https://mrop.1shop.tw/0evq65

3/21（日）台中 13:00-17:00

榮耀K線說明會👉
https://acegloryinvest.tw/ace-kline-course

3/20 (六）台北 14:00-16:00

3/21（日）台中 19:00-23:30

榮耀K線 高勝率技巧👉
https://aceinvested.1shop.tw/

4/10（六）台北 13:00-17:00
4/11（日）台中 13:00-17:00

4/17（六）高雄 13:00-17:00

近日，我與阿萊克斯·彭特蘭教授（Alex Pentland）展開了一場”AI如何重塑人類社會”的精彩對話。

《連線》雜誌的資深撰稿人威爾·奈特（Will Knight）主持了這場對話。

阿萊克斯·彭特蘭教授任教于麻省理工學院，為全球大資料權威專家之一，現任MIT連接科學研究所主任、MIT媒體藝術與科學教授，擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜，曾參與創建MIT媒體實驗室，是全球被引述次數最多的計算科學家之一。

對話金句：

李開復：

 AI最大的機會蘊藏在與傳統企業的結合中，這種價值的產生極其迅速，只需要幾個月，甚至短短幾周。
 未來突破很難預測，對奇點、超級智慧的爭辯，在我看來都過於樂觀了。
 小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，不要與巨頭核心業務正面硬碰。

阿萊克斯·彭特蘭：

 AI絕非試圖取代人類，而是促進多元文化之間的相互連接、團隊合作，讓人們更好的進行社交和連接彼此。
 最困難的其實是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。
 人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

我在對話中表示，當我們試圖解決AI問題時，應該用技術來解決技術的問題，可以尋求與監管部門協作，而不只是丟給他們，“新技術會衍生新的問題，我們應該多方嘗試用更進階的技術性解決方案，就像電腦病毒剛出現時，殺毒軟體隨之誕生。”

彭特蘭教授認為，人工智慧的核心，是促進多元文化之間的相互連接。不只是工程師或科學家，連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準，就像TCP/IP互聯網協定那樣，避免AI冷戰。” 我們都贊同，AI發展從來不是單打獨鬥，跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇（MIT-CHIEF) 組織的高峰對話系列活動，主題是《計算與未來: AI與資料科學如何重塑人類社會》。

麻省理工學院中國創新與創業論壇（MIT-CHIEF）由麻省理工學院的中國留學生創立，至今已有十年，是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者，共同探討科技創新及商業化過程中面臨的挑戰。

以下是我們對話的核心內容，由我的同事整理、分享給大家：

Part I 主題演講

▌李開復：各方應協作，讓AI 更務實

非常榮幸再次受到MIT-CHIEF的邀請，對於人工智慧的看法，這次我主要想講四點。

第一點是我書裡的主題，人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段，從應用落地層面來說，正迎來了AI發展最大的機遇。

很多科技公司目前已對人工智慧進行了多樣化佈局，從視覺、語言、觸覺和其他感知技術，到自動化機器人、無人駕駛等，對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性，但我預測未來的格局會非常龐大，依據統計，各行各業採用AI的程度目前不到5%，AI應用的中長期增長曲線相當可期。

第二點是我很欣喜看到的一點，AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多，更多的AI公司湧現出來。

AI最大的機會蘊藏在與傳統企業的結合中，創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。

作為AI投資人，我認為在這些行業如果找到正確的AI應用方向，就能帶來上千萬的回報。這種商業價值的產生是極其迅速的，通常只需要幾個月，甚至短短幾周就能看到成果。

現在人工智慧在傳統產業的滲透率仍在個位數，仍然有很大的提升空間。然而對於很多公司來說，它們需要的是高度定制化的方案，而非通用型AI方案，所以融合的過程中，不可避免會遇到不少挑戰和痛點。

第三，我早年做過很多科研工作，很高興能看到關於系統一和系統二（System One, System Two）的討論，我們期待人工智慧技術從系統一升級為系統二，即從識別、決策、優化等能力，升級到感知、認知等進階智慧的能力。

有不同的學派都在努力讓人工智慧更接近人類智慧，其中一個流派主張回歸經典的AI理念，甚至重新構建嶄新的模型結構，在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。

回看人工智慧過去60多年的歷程，最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路（CNN）帶來的喜人成績，還有預訓練自然語言處理模型（Pre-Trained Models for Natural Language Processing）的廣泛運用。

預訓練模型與人類語言學習的模式類似，不管是英語還是中文，在習得這些語言之後，再去學習程式設計、藝術、化學。在無人監督的學習環境中，這種模式比我們想像得還要強大，就像阿爾法圍棋（AlphaGo）一樣。

最後一點我想說的是，如何讓AI變得更務實。

AI有很多問題，例如隱私、資料安全、治理和監管，在此就不一一討論了。當我們試圖解決這些AI難題時，有人認為讓監管部門加強管理是唯一辦法，其實不然，我們是否也可以朝著研發更厲害的技術性解決方案去努力？

就像電腦病毒剛出現時，殺毒軟體隨之誕生；面對千年蟲難題時，也迅速找到了技術應對方案。我們可以通過研發新技術，應對DeepFake深度換臉程式的挑戰；或者通過聯邦學習技術，在保證資料私密性的同時，滿足深度學習訓練需求。

作為握有技術能力的群體，我們需要與監管部門一起協作，而不只是把工作丟給他們。相信有了各方的助力，我們可以讓AI的應用變得更有深度，更加務實，更高效地克服現在面臨的種種問題。

▌阿萊克斯·彭特蘭：國家間應建立互通標準，避免“AI冷戰”

我對當前的深度學習技術不太樂觀。

最為主要原因是，深度學習不僅需要龐大的資料來源，而且要求這些資料長時間恒定不變，以保證模型訓練結果的可靠性，例如人類的面容、語言，就是相對穩定不變的資料來源。

但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時，出現了倉庫貨物緊缺，不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰，就是因為快速變化的疫情，和深度學習對恒定資料來源的需求是矛盾的。

另外，我想談談如何通過聯邦學習，促進資料的流通。

大多數公司沒有足夠豐富的資料，需要聯合不同的資料來源。基於這種需求，出現了很多新商業模式，比如“資料經紀人”——他們不出售資料，而是把資料借出去，作特定需求的使用。

“資料經紀人”業務湧現了很多，他們促進了資料的流通，也加強了資料的隱私性。因此，像聯邦學習這樣的技術和商業策略結合，有效解決了資料在合規性和所有權方面的難題。

聯邦學習也依賴於新的基礎設施建設，為資料應用和深度學習提供基礎環境，比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗，新加坡等國家設置了一種相互競爭的區塊鏈系統，來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗，涉及不同資料的互通性和連貫性問題。

我們仍在研究如何用儘量少的資料，實現人工智慧的目標。少量資料是指不斷更新的短期資料，這些資料能使AI應對迅速變化的情況，並及時做出調整。

我們打算將AI與其他基礎科學結合，例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料，可能會比深度學習更加強大。

除此之外，我們在探討用AI保障聯邦學習過程中不同資料方的權益，這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。

另一方面，我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作，找出解決系統入侵和保障網路安全的方法。

我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策，也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率，比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。

基於我們已有的多中繼資料庫，現在可以利用AI實現全新的資料優化方式，將貧困、不平等這種之前無法量化的指標，通過可量化的指標進行評估。

同時，要真正實現這個目標，我們還需要制定統一的互通性標準。如果沒有這個標準，國家之間就不會相互信任去合作，就可能出現AI冷戰。

因此我們需要找到促進合作的方式，就像TCP/IP互聯網協議那樣。而之前我提到的，新加坡、瑞士等現在正在嘗試的區塊鏈系統，將有希望解決國家間缺乏互通標準的問題。

Part II 對話

▌ 美國線上教育發展難度更大，只在ZOOM上講課是不夠的

Q1：疫情加速了行業的改變，遠端醫療、線上教育開始蓬勃發展，這只是AI對人類社會產生影響的冰山一角。想請兩位談一談，目前看好AI在哪些領域應用的未來前景？

李開復：疫情的確對整個社會產生了實質性的影響，人們行為習慣發生了很多改變，更願意接受線上學習和工作了。

這種新的行為習慣產生了大量資料流程，為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料，可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究，因此我相信AI在醫療健康領域的潛能是非常巨大的。

AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務，例如批改作業，讓老師得以將時間精力投入到更有創造性的事情上，能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性，比如設置卡通版AI虛擬老師，讓課程充滿趣味性。

在中國，有很多線上教育公司在疫情之前就已經發展迅速，像創新工場投資的VIPKID，讓國外的純正英語老師線上上教授中國學生。目前，中國的線上教育已經擴展到了更多科目，包括體育、舞蹈、書法等素質教育課程。

相比之下，美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的，好的線上教育必須要有好的內容。

▌AI核心是增強人際互聯，應注重文化多樣性

阿萊克斯·彭特蘭：李開復博士提到的教育案例，我不是很認同。

MIT大約20年前就在教育中使用AI，重點根本不是內容，我們甚至提倡將內容免費開放給大眾。

AI絕非試圖取代人類的作用，我們更強調用AI增強人與人之間的互動，讓人們更好的社交和連接彼此。比如手機上人工智慧技術，不是要取代你，而是讓你高效地找到最適合的工作、最正確的人，讓你更容易的獲取資訊，並進行創新。

我們可以利用資料激發更強的創新力，培養領導力。只有基於這樣的宗旨，才能促進更有創造力的教育和學習，這比關注教育內容本身重要得多。

在加拿大，有家創業公司正在訓練普通民眾學習AI，比如水管工，教學效果非常不錯。他們的教育方式不是簡單的教授基本知識，而是以一種能夠激發人們互動思考的方式。

我們之前在中國調研了3000多個孵化器，發現創業公司成功的要素裡，第一個是文化多樣性，也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性，他們能否發揮自己所長，並很好地進行團隊合作。

1956年，馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解，不應該只停留在“人工”層面，而應擴展到多元文化之間的相互連接、團隊合作，我把它叫做延伸智能（Extended Intelligence)。這也是我想強調的，人工智慧這個名詞有一定的偶然性，但它的核心點是增強人與人之間的互聯性。

▌AI未來突破難預測，奇點、超級智慧過於樂觀

Q2：未來十年AI有沒有可能取得重要突破？比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼？

李開復：過去60多年來，深度學習是唯一的重大突破。在這之後，卷積神經網路（CNN）和GPT-3等都算是重要的改善，我對於人工智慧的漸進式改善保持樂觀。

對科學家來說，他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易，只要有大量的資料，就可以從實驗室進入到行業應用，CNN和GPT-3都是模型加海量資料的成果。

我是務實派的，雖然持有樂觀態度，但並不是一位“未來學家”。未來的突破很難預測，對奇點（Singularity）的爭辯，甚至預測超級智慧的出現，在我看來都過於樂觀了。

阿萊克斯·彭特蘭：我同意李博士的觀點。很多生物機制很難解釋，包括用感知認識事物、理解聲音、尋找食物等，是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論，並進行實踐。

從務實的角度來說，我最感興趣的就是聯邦學習。就醫療而言，我們有這麼多醫院，在新冠疫情期間做了很多的實驗，為什麼這些實驗資料不能進行聯合呢？

儘管資料有不相容的地方，但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來，我們對資料的需求也許會越來越少，外科醫生或者物理學家或許不需要太多資料，因為他們對規則已經瞭若指掌了。

▌不要墨守成規，要跨領域、跨學科應對挑戰

Q3：人工智慧會有什關鍵挑戰？對於想從事這個行業的人，有什麼是需要瞭解的關鍵點？

李開復：首先，大背景在改變，新科技層出不窮，我們每年都需要學習新的東西。

其次，人工智慧可能引起各種問題，包括偏見、歧視、倫理道德等，是否危害人類的身體健康，無人駕駛技術該何去何從等等。

第三，人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校，能夠把AI教育擴展到各個學科，讓研發人員及早意識到自己的責任和價值。

阿萊克斯·彭特蘭：是的，我朋友做過一個有關電的趣味類比，電動馬達最初在工廠裡用於生產的時候，並沒有發揮出多大的作用，因為大家並不知道如何改造生產流程。

AI在一些領域發揮的作用是顯著的，但應用到其他領域時，就需要改造流程。很多情況下，最困難的就是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。

而有意思的是，就像李博士提到的，像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。

比如，我今天早上正好就這個話題跟G20領導人對話，大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題，不能只是工程師或者社會科學從業者們在做，經濟學家，政治家等等都必須參與進來緊密合作。

隨著AI的應用領域越來越廣，除了必須具備強有力的技巧來建立社會規則，還需要對研究經費、企業投入等進行各種調整。

▌雖然大公司實力不容小覷，但依舊對小公司抱有期待

Q4：AI研究會消耗大量的資源，我們是否應該將資源往學術界平衡？現在已經發生資源的重新分配和平衡了嗎？

李開復：就人才而言，現在已經有重新平衡的跡象了。

過去，頂尖大學的學者基於待遇和種種考量，不少選擇去企業界工作。而近期，曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。

但像GPT-3這樣的技術，仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練，就要花費460萬美金，只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。

我觀察到，近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建，為了解決特定問題而生，並非紙上談兵做突破性科研，切入的領域也往往是巨頭公司忽略的地方。

例如，為製造業進行AI賦能，不是一件輕鬆的事，需要去工廠實地勘查，瞭解運作方式。大公司因為賺錢很容易，不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果，就會給產業界帶來革命性的影響。所以，雖然大公司的實力不容小覷，但我依舊對小公司抱有期待。

阿萊克斯·彭特蘭：大學和公司是一種融合的關係，不僅體現在人才流動上，也會進行資訊資源分享，彼此是整體性的合作態勢。

當然這也不是絕對，產業界的保密需求還是存在的，只是從學校的出發點來說，我們願意毫無保留地為大家提供更好的研究成果，並與企業合作，形成標準化平臺。

▌人工智慧取代人類需要上百年或更久

Q5：兩位認為什麼是AI不能取代的？

李開復：一類是創造力、分析能力、邏輯辯論能力，瞭解自己知道什麼不知道什麼，這些是人工智慧無法取代的。另外一類是同理心，人類之間的信任、友誼，自我認知、意識等。

阿萊克斯·彭特蘭：人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

▌AI創業建議I：找到小切入點，不要與巨頭正面硬碰

Q6：李博士提到了AI在小企業中的運用，可否再舉例說明是如何運用的？

李開復：這個問題分兩部分：一個是小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，並且不要與巨頭核心業務正面硬碰。

對於那些中小型非AI、但想應用AI的公司，需要確保有足夠的資料，以訓練與核心商業價值掛鉤的AI模型，並且有願意變革的開放性公司文化。

所以，早期應用AI的公司可能規模較大，因為他們有足夠大的資料，和可相容變革的商業模型。每個例子都不同，不是任何一家公司都要應用AI。

阿萊克斯·彭特蘭：如果我們放寬AI的定義，或許水管工、合同工都有資料，通過一些簡單的分析、整合，AI也可以在很大程度上改進他們的工作。

這些都是很小的切入點，基於簡單的AI分析、機器學習，依舊可以產生巨大的潛力。

▌ AI創業建議II：知曉技術，同時理解商業

Q7：兩位再分享一下最後的建議？

李開復：我們在步入一個AI開始滲透到方方面面的令人振奮的時代，我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地，而不僅僅鑽研技術本身。

阿萊克斯·彭特蘭：不要太較真於深度學習或者冗長的演算法，一切始於要解決的現實問題。不要止步於技術本身，要明白資料類型、形態和規律，關注商業流程。

感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。