雲計算

演讲嘉宾：王晓平，花名子关，高级产品经理 视频回放地址：https://developer.aliyun.com/live/1402?spm=a2c6h.12873587.0.0.560314b8CiquAr 以下内容根据演讲视频以及PPT整理而成。本次的分享主要围绕以下三个方面： 一、EMR产品概述二、EMR产品新特性三、EMR Road Map 一、产品概述1. E-MapReduce（EMR）是什么E-MapReduce是阿里云上云原生的开源大数据平台，一款利用开源大数据解决用户分析问题的大数据产品。在2016年6月，E-MapReduce开始公测，2016年9月开始商业化，目前为止E-MapReduce已经商业化三年多的时间。在2019年8月，阿里发布了E-MapReduce (EMR)敏捷版。在2019年10月，阿里巴巴将发布EMR4.0版本。EMR4.0版本的Hadoop将会升级到3.1.x。 2. EMR产品特性：EMR产品特性主要展现在以下三个方面。100%开源组件：EMR产品所使用的大数据组件为100%开源组件。对用户来说，学习成本和迁移成本都相对较低。此外，EMR会根据社区的进度和Bug Fix进行升级，保证产品是根据社区持续升级，实现较好的用户体验。还有，EMR对Spark、Hadoop、Kafka等组件均有性能和应用性的增强。以Spark为例，EMR比较早的集成了Spark AE，推测执行的自动化和特性，同时包括基于Spark来进行物化视图的自研的产品功能。成本优势：EMR产品相对于用户自建Hadoop更具有成本优势。首先，EMR集群支持弹性伸缩。此处的弹性伸缩指两方面。比如可以根据一个时间点，大部分用户在用开源大数据Hadoop时在每天晚上12点定时跑一个较大的日报任务，而日报任务可能并不需要全天都跑，可能在早上就会跑完。此时使用弹性伸缩有利于节省计算资源。同时也可以采用按负载伸缩的方式，设置YARN Root的队列的某一个指标进行伸缩。用户可以根据自己实际的application排队情况及container分配的情况进行伸缩。其次，EMR支持OSS作为数据存储系统。除HDFS之外可以使用OSS，将HDFS的schema改为OSS路径直接读写OSS。相对来说，可以实现用户的数据分层存储，当用户的热数据放在HDFS里，冷数据则可以放在OSS中。同时实现OSS的生命周期的管理。比如说相对温数据放在一个标准型里，但如果用户的数据是一年前或者几年前的数据，则可以放到归档型或者低频型的更便宜的OSS存储中。第三个特性是EMR在弹性伸缩的基础上同时支持竞价实例。ECS提供了一种比较便宜的实例类型，即竞价实例。用户可以自己出一个价格来实现成本节省。考虑到数据可靠性的影响，竞价实例只能用在计算节点上，若上面有HDFS的数据存储，则不允许使用竞价实例或者弹性伸缩。最后，EMR可以通过作业来拉起一个临时集群。当用户只是想要跑一个大数据的任务，可以通过集群模板设置集群的配置。当作业被触发时，EMR会先创建好临时集群，作业执行完毕，临时集群会被释放掉。通过临时集群的方式实现比较灵活的集群创建和管理。企业级特性：EMR采用了MIT Kerberos和Apache Ranger实现用户鉴权和用户权限管理。同时提供了EMR APM实现集群和作业的监控。3. EMR开源软件栈下图是EMR目前支持的开源软件栈。最底部是EMR的Docker和ECS。通过ECS是目前在公有云上的主要形态，专有云可以通过Docker的方式，在ECS之上部署一个EMR Agent，主要负责集群管理和集群运行数据的采集，检测集群端前是否出现问题。数据导入时EMR提供了Sqoop，使用开源的DataX组件、Flume组件或SLS将数据导入到EMR上。数据存储这一块EMR支持HDFS和OSS。在OSS之上又开发了jindoFS，jindoFS可以用OSS作为数据湖的概念，通过jindoFS catch的方式做数据加速，提升OSS读取数据的效率。EMR最新版本支持Kudu和Delta […]

10月21日，“2019智慧城市创新创业大赛”全国30强正式集结在南京市建邺区，正式接受赛前集训活动。集训营邀请了多名导师，围绕BP打磨、商业模式、演讲能力等方面，对进入决赛圈的项目团队进行了系统的培训和提高。这标志着历时3个月的全国性大赛，正式拉开总决赛大幕。 据了解，此次在南京建邺集结的全国30强，是从全国5大赛区近1000个项目中，经过层层选拔脱颖而出的人工智能科技创新项目。其中不少项目在此之前，曾获得资本的青睐，从项目核心团队构成来看，留学归国、博士、硕士等高端人才比例较高。 （阿里云智能事业群华东大区解决方案架构师陈钟鹏）（清华大学全球私募股权研究院院长助理胡岩）（伯藜创投创业孵化器CEO钱琼炜） “希望通过集训营，帮助这些团队进一步补齐和提升相关的能力，以争取在总决赛中有更好的表现。”主办方相关负责人表示。 当天，中科院资本、元禾原点、松禾资本、金沙江联合资本等十数家主流机构合伙人于集结建邺，他们将担任此后两天的赛事评委导师及相关工作。 “2019智慧城市创新创业大赛”是由南京市建邺区人民政府主办，南京建邺高新技术产业开发区、阿里云创新中心协办，创头条承办的全国性创新创业赛事。活动主要依托阿里巴巴生态资源，聚集国内一线的人才、项目、机构资源，共同选拔、发掘和扶持智慧城市及人工智能等相关领域的优秀项目，搭建科技赋能、交流合作的平台，助力相关产业发展。 活动历时3月，在全国设置了京津冀、长三角、粤港澳、华中、华西等5大赛区，主要聚焦智能+新金融、智能+新服务、智能+教育、智能+大健康、智能+新出行、AI消费产品等领域，聚合100多家创投及创服机构资源，吸引1000余优秀项目报名参加。 据了解，智慧城市及相关产业是南京建邺区的重要发展战略，已形成产业高地。当前建邺区正以中新智慧城市示范区整体规划为统领，聚焦数据开放和集成应用，依托阿里云，与阿里巴巴集团开展深度合作，以城市大脑为中枢，重点推进基石、创联、数联、智联四大工程，依托生态科技岛先行先试，力争率先建成“人工智能示范岛”和“数字孪生岛”。 南京建邺高新技术产业开发区于2017年12月采用“一区多园”模式组建，规划总面积约10.85平方千米。目前已经建成了国家广告产业园、中国（南京）游戏谷、国家电子商务示范基地、国家移动互联特色产业基地、国家版权示范园、国家级检验检测高新技术服务业共6个国家级平台。 目前，建邺区已与南京紫金投资集团、阿里云计算有限公司共同成立南京智慧新城科技发展有限公司，与南京紫金投资集团合作设立智慧城市建设基金，并与阿里等公司签约落地12个智慧城市应用场景。伴随于此，建邺区的智慧城市产业生态及相关产业逐渐加速发展。 此次创业大赛，通过聚合优秀人才、项目、资金、资源等创新创业核心要素，连接和打通相关产业上下游产业生态资源，通过政策引导及产业联动等举措，进一步加速科技创新成果的落地和优秀项目的快速发展。 据组委会相关负责人介绍，10月22日全国30强将进行突围赛，争夺全国10强的名额。挺入10强的优秀项目将于10月23日下午的总决赛上冲刺全国总冠军。届时，还将有智慧城市领域的权威专家、大咖投资人在现场进行精彩分享、高峰对话等。

PyTorch快餐教程2019 (1) – 从Transformer说起 深度学习已经从热门技能向必备技能方向发展。然而，技术发展的道路并不是直线上升的，并不是说掌握了全连接网络、卷积网络和循环神经网络就可以暂时休息了。至少如果想做自然语言处理的话并非如此。 2017年，Google Brain的Ashish Vaswani等人发表了《Attention is all you need》的论文，提出只用Attention机制，不用RNN也不用CNN，就可以做到在WMT 2014英译德上当时的BLEU最高分28.4. RNN机器翻译简史 在Transformer模型被提出之前，机器翻译一直是以RNN为主。使用的工具是著名的RNN的两个改进版，1997年提出的长短时记忆网络LSTM和2014年提出的门控循环单元GRU。这三种实现均在torch.nn包中有提供。 应用这两项工具，2014年成为机器翻译的突破性一年。2014年，主流的机器翻译方法seq2seq被提出，论文为《Sequence to sequence learning with

文 | 窦勇 在10月17日的达晨2019年经济论坛上，达晨财智业务合伙人窦勇发表演讲表示，人工智能初创企业，到D轮之后存活率不到6%，企业BP里展示的场景落地，距离很遥远。资本泡沫之后，大家开始反思投的这些企业，未来的成长盈利点在什么地方，有没有现金回流？ 人工智能概念经过几年热炒之后，正在迅速进入资本退潮期，融资数量在断崖式下跌。但窦勇表示，达晨2019年，到目前为止已经投了4家，按照正常的进度，今年应该会至少10家以上。 窦勇认为，人工智能的数据量、算法、存储、法律法规等基础设施已经完善，行业正在进入发展阶段。因此人工智能不会出现第三次泡沫。投资人并没有逃离AI赛道，只是更加理性了，更关注场景落地的应用能力。 以下为投中网整理的窦勇演讲实录： 投资退出仅四成 资本反思泡沫 从2012年开始，人工智能赛道里面，投资机构到底做了哪些事情？第三方统计数据显示，2014到2018年，整个人工智能领域里面发生了126起的退出事件，占同期的投资事件大概1/20，整个上市IPO退出的概率只占到四成，回报率并不高。 整个2018年大家感觉寒冬很冷，人工智能领域大额融资事件普遍集中在C轮、D轮，在其他领域也是。在年初融资还是比较简单的事情，到了年中感觉融资好好像不那么容易了，投资机构都比较刁。说得好好的，协议都签了，钱没有到位。 人工智能这个赛道现在面临什么问题呢？ 首先是高投入，人力资源密集型企业，需要大量的资本，找很昂贵的人才进行长期的研发。经过统计显示，AI初创型企业，经过A轮、B轮、C轮、D轮下来，存活率不到6%，这是极低的数据。为什么？经过资本的泡沫之后，大家都在讲一个问题，AI的场景如何落地？企业BP里展示的场景落地，距离很遥远。 资本泡沫起来以后大家蜂拥而入，冷静之后大家又会想，到底我们投的这些企业，未来的成长盈利点在什么地方？有没有现金回流？不是一味长期的投入？ 是不是整个资本都变得很冷了呢？其实并不然。第一阶段我们发现融资变得难，难在哪个地方？首先资本本身面临问题，上半年GP募资的资金量在断崖式的下降。达晨去年募了50亿基金，在寒冬里有这个表现也是一个证明。 基础设施提升 人工智能的核心 反过来讲，人工智能这个板块会不会第三次泡沫呢？我们并不这样认为。从行业本质来看，我们认为整个产业，从小数据到大数据、到人工智能，这个过程中，现在已经来到了行业深层次的发展。大家知道，数据数量越来越多，算法越来越好，存储的性能，包括法律法规，包括人力资源也在进一步完善。 我们从人工智能的本质来解释两个问题。 第一，大家都在说人工智能缺数据，实际数据并不缺，缺什么？缺高质量的数据。什么是高质量的数据呢？从数据本身看，数据有价值吗？很多人说数据没有价值。在过去大数据风口的时候，很多企业追求有多少体量的数据。我们可以这么理解，数据经过清洗以后，才会变成信息，信息只有经过整理才会成为知识，知识应用以后才会智慧。这样因果逻辑循环的关系，才会对数据背后的价值应用产生一定的逻辑关系。

在大数据发展和人工智能时代来临的背景下，个人隐私和数据保护也变得尤为重要。2019年互联网大会乌镇峰会“网络空间数据法律保护论坛”云集了来自产业界与法学界等权威专家，共同探索以法治思维和法治方式推进数据保护、增强数据安全，提升互联网治理现代化、信息化、法治化的路径和方案。阿里巴巴集团副总裁俞思瑛从业界角度阐述了数据背后对算法的认识。 1、数据和算法是数字经济时代竞争的关键 大数据的应用需要通过算法来实现，算法从古到今都是人类面对特定问题的解决办法，交通问题、金融问题的背后都有算法。 俞思瑛表示，“数据+算法”，让我们面对的环境从不确定转变为确定：从物质世界的运行总结运行规律，再将规律模型化，进而将模型算法化、算法代码化、代码软件化，软件不断优化物质世界运行。 目前，物质世界正在数字化、并实现科技算化。她举例，没有算法的时候，对个人的描述可能是身高、年纪、发色等，有了算法以后，对个体的描述可能会通过数字来体现。 在应用方面，数据和算法的驱动也应用到了城市大脑和工业大脑上。 其背后的逻辑是把各个不同的系统数据集成，最后达到用户想要的一个结果。例如“城市大脑”就是用摄像探头把各条道路的交通状况收集起来，再中心化的进行决策的过程。 俞思瑛表示，算法创新已经成为全球创新的高地。“在全球化和产业竞争力视角下，数据、算法和算力的竞争，是数字经济时代竞争的关键因素。” 据了解世界知识产权组织(WIPO) 公布的有关人工智能(AI)技术专利的首份报告指出，近年来在AI方面，以机器自己找出最佳答案的“深度学习”为代表的机器学习技术以及自动驾驶所需的图像识别技术等迅速发展。最近数年的相关专利申请数量骤增。 2、算法不应被单独治理，而应围绕着应用场景治理 需要注意的是，数据与算法的快速发展也带来了担忧。“我们会担心算法违反伦理道德、算法黑箱、算法合谋。” 俞思瑛表示，“我们期待算法的可透明、可解释性、可公开性。” 不过俞思瑛指出，数据和算法应该在不同的应用场景当中被分层治理，不应当被一刀切，算法规制是对系统性解决方案的规制过程。例如公共管理和服务领域的算法，应该公开透明，有预见性。私人领域的算法，应当保持其专利或商业秘密属性，通过商业价值和竞争以激励其持续创新和超越算法合谋。以杭州ET城市大脑为例，城市级算法应用是一个规模性、系统性解决方案，并非一个单纯的“算法功能”。 对于涉及人的生命安全等特殊算法，应当接受验证、监督和检查，以建立用户的使用信心。

作者|马鏖 出品|阿里巴巴新零售淘系技术部 导读：近年来，关于用户流量的瓶颈让很多企业感到焦虑不安，互联网用户整体增速放缓，用户规模趋于饱和。同时，竞争个体成倍增长，流量资源争夺越发激烈，流量成本日趋高涨。企业面对巨大的流量黑洞，形成群雄逐鹿的局面。用户增长现已成为决定企业产品的生命线。 为此，2019年10月18日，阿里巴巴淘系技术部联合QCon在上海特别举办了“淘系技术嘉年华——用户增长突围之夜”晚场活动，邀请了四位来自阿里淘系的技术专家，分享阿里淘系的用户增长策略，与参会者展开深度交流和知识共享。 关注「淘系技术」微信公众号，回复“增长”即可获得「淘系技术嘉年华-用户增长专场」 PPT 下载链接，赶快下载吧~ 01、淘系用户增长策略思考与实践 2019年6月，有“互联网女皇”之称的玛丽·米克尔发布了2019年的互联网趋势报告。文中第一条重要信息便是“全球互联网人口红利持续衰减”。 报告显示，全球互联网用户增长为6%，2017年的数据为7%；全球新智能手机出货量下降4%。根据 Questmobile 统计数据，我国移动互联网月活跃用户数量于 2019 Q1 触顶 11.38 亿，2019Q2 用户数净下降 193 万。

伴随着金融科技的不断创新，人工智能技术已成为金融行业的重要驱动力。 在9月27日于杭州云栖小镇召开的云栖大会“金融智能”专场上，蚂蚁金服集团副总裁、AI首席科学家、达摩院金融智能负责人漆远博士做了开场演讲，向与会嘉宾分享了金融智能方面的思考与实践。议题覆盖复杂网络、共享智能、知识图谱、深度图学习等多个核心技术领域，以及这些技术在蚂蚁金服的业务落地和实践，体现了以”人工智能+金融服务+普惠可持续”来打造“有深度有温度的金融科技”的理念。 以下为演讲的文字实录。 最新调查显示，全世界仍有超过17亿成人没有使用过银行服务，占世界总劳动力的50%，并且，金融服务在不同地区存在巨大服务差异，尤其是低收入、女性、少数民族和经济不发达地区。由此可见，普惠金融仍然任重道远。 AI是普惠金融的核心驱动力之一，这里将分享蚂蚁金服在发展金融智能过程中的实践与思考。 金融与AI两者是相辅相成的。AI可以赋能普惠金融提升风控能力，提高效率，改善用户体验和减少信息不对称。而金融也为AI提供完美的场景，因为金融行业数字化程度最高，拥有全方位多场景的应用，同时AI可以对金融服务提供显著的改善效果，所以金融行业也更有动力去发展和应用AI。 金融智能的机会与挑战 那么从金融行业的角度，目前对金融智能有哪些机会和挑战？我们总结，它主要集中在复杂动态网络、对抗性、人机协作、公平性、数据安全和隐私保护，以及不确定性几个方面。 首先是复杂动态网络，网络在金融服务里无所不在，不管是人和商家、商品间的网络，还是支付交易网络，再是社交网络，各种网络产生大量复杂的结构性数据，这些网络之间带有各种强网络效应，比如合作或竞争活动等，如何对它们进行建模后分析是非常有意思的挑战。 规模本身也是一个挑战，蚂蚁金服已经服务了上千万家的商户，全球十二亿用户，超过一百万服务和小程序，这背后有海量的数据和巨大的生态，我们需要考虑如何从这些海量并有噪音的数据里提取有效信息构建好的金融服务。 比如对贷款的套现欺诈，或者保险的带病投保，如何有效地利用机器学习分析海量的网络数据来防止欺诈行为是非常关键的。蚂蚁金服在这方面已经取得了一些成果，在AAAI 2019上发表论文：基于Attention及LSTM的GeniePath学习网络关键路径的重要性，在实际防骗保应用里达到95%的准确率。 第二，对抗性是金融里非常关键的特点。每一笔交易都有可能是人和系统的对抗。对抗性与前面的大规模网络和实时处理需求结合起来，将会变成更大的挑战。比如在支付宝一个简单的扫码结账的操作里，需要多个流程节点，而人和商家之间的结账交易构成了一个非常大的关系网络，同时要得到近乎实时的返回结果。对此，对抗性的风险决策的时间需要控制在100ms以下。这绝对不是个容易的任务。 第三，人机协作问题，要想服务海量用户，可扩展是很基础的能力，而要实现可扩展，需要把操作链条中的人移除，实现自动化。但另一方面，为了防止灾难性风险或者系统性错误，金融系统中人工干预是不可或缺的。在这种混合式的人机系统里，我们需要解决机器预测和决策的可解释性，自动化算法可监测、可中断等等问题。 第四，算法的公平性。女性、少数族裔、低收入人群等弱势群体都应享有无偏见的金融服务。但标准化方法极易引发不自觉的偏见，完美的公平性和算法的准确性可能产生矛盾。随着机器智能在我们越来越多的系统里发挥着关键决策功能， 我们如何能够合理设计算法及其Metrics来预防和减少算法偏见，也是一个非常关键的研究方向。 第五，数据安全和隐私保护，在整个社会对数据和隐私保护越来越重视的大前提下，作为服务提供方希望能够打破数据孤岛，让更多的数据融合产生价值，同时保证数据安全隐私，这两者其实也是矛盾的，因此，我们要想办法应对这个挑战。 最后，还有金融风险的不确定性，现实中的一些黑天鹅事件会对金融造成非常大的影响。这些不确定性可能来自非线性自反馈或者隐含变量或者复杂动态网络。当前的机器学习缺乏好的工具来处理这些问题。我们看到一个好的方向是把经济学中的理论，比如博弈论和机制设计，与机器学习进行融合，推动对抗学习、基于机器学习的机制设计、多智能体系统，及因果分析等方面的进步。 当然，金融智能还有不少其他方向，这些方向既是挑战也是机会，每个方向往前走一步会推动技术发展和业界落地。 蚂蚁金服金融智能实践

活动时间：2019年10月23日活动地点：济南 禧悦东方酒店 会议室·秋

10月18日，在2019中国计算机大会上，“蚂蚁金服隐私保护共享智能平台”荣获“CCF科技进步优秀奖”。 据悉，中国计算机大会（CNCC）是中国计算机领域级别最高、规模最大的学术盛会，其中“CCF科学技术奖”主要嘉奖计算机及相关领域在技术研究、技术开发、技术创新、推广应用先进科学技术的杰出成果。 用技术保护数据安全，实现数据共享与价值传递 随着人工智能的兴起，数据的质量和数量，已经成为影响机器学习模型效果最重要的因素之一，因此通过数据共享的模式来“扩展”数据量、从而提升模型效果的诉求也变得越发强烈。但在数据共享过程中，不可避免会涉及到两个问题：隐私泄露和数据滥用。而共享智能技术正是针对解决这一问题而生。 共享智能是指在多方参与且各数据提供方与平台方互不信任的场景下，能够聚合多方信息并保护参与方数据隐私的学习范式，是蚂蚁金服为解决数据共享需求与隐私泄露和数据滥用之间的矛盾，提出的技术解决方案。 从2015年开始，蚂蚁金服就一直致力于共享智能平台的技术研发，该平台能够帮助不同机构在满足用户隐私保护和安全合规的要求下进行数据联合使用和建模，可以做到“用户隐私不会被泄露，数据使用行为可控”，并能够提供数据接入、数据连接、数据加工及挖掘等一站式数据服务能力,覆盖大数据探索和研究的全链路需求。 据介绍，该平台不仅具有安全可靠性、高可扩展性、完备性以及易用性等特点，同时还具有覆盖场景面广，支持算法丰富，支持工业化、规模化发展等优势。既能够充分实现数据持有节点间互联合作，又可保证数据安全和隐私保护。 打破数据孤岛，落地更多数据共享应用场景 让数据孤岛在安全环境下进行连接、合作、共创、赋能，是蚂蚁金服共享智能平台的核心使命。 目前蚂蚁金服共享智能平台已应用在蚂蚁金服内部及合作伙伴方的智能信贷、智能风控等业务领域中。以中和农信为例，通过数据融合，中和农信不仅大幅度提高了风控性能，而且把原来传统的线下模式，变成线上自动过审模式，完成授信只需5分钟，8个月累计放款31.9亿，授信成功人数44万人，业务覆盖20+省区，300+县城，10000+个乡村，助力实现农村普惠金融。未来，我们希望与更多的合作伙伴，共同探索更多更强的数据孤岛解决方案，推进数据共享下的机器学习在更多场景下落地，实现数据可用不可见。 据了解，蚂蚁金服共享智能平台曾荣获2019中国人工智能峰会“紫金产品创新奖”、2019全球人工智能创业者大会“GAISC Award 2019 应用案例示范奖”和2019世界人工智能大会上“世界人工智能产业安全十大创新实践”等奖项，这体现了业界对蚂蚁金服共享智能技术和平台的认可。

“我们必须要短平快吃东西，不吃东西科研维持不了。” 10月16日下午，日本工程院(EAJ)院士、中国科协海智专家任福继在首届世界科技与发展论坛上接受采访表示，没有原创性的东西是坚持不下去的,会被“卡脖子”。 他强调，最近30年，中国中青年科学家和科学技术已经快速赶超了“N到N+1”有人带的阶段，进入到了“0到1”没人带的原创性优先阶段，创新对未来很重要，要抓住用先进职能推动创新，建立科技创新的生态体系。 任福继表示，中国现在科学技术的引进和创新很多，但“真创新也好，假创新也好，判断体制可能比日本困难一些。”他指出，创新不是简单冲动来的，不仅要创新，怎么样创新、走什么样的创新路子，企业要有一个生态体系。在这两个方面，一个需要探索方向的引导，另一个是资金支持。 日本在一些讲座、学会或者政府机构，甚至在大学里面都有鼓励创新的体系。原来日本大学从2006年鼓励大学教授创新，有一套体系鼓励创新。现在各地区又有一个机构，解决“怎么创新”的问题。这种机构负责培训，包括怎么样申请基金、怎么写申请书、规划怎么做，都有人来教。并且，政府提供的企业扶持资金相对比较宽松，另外还有一些大的基金来支持可能失败的新领域，带动新的产业发展。 任福继还从人工智能驱动的角度谈到了教育改革。他表示，人工智能技术革命之后，传统教育体系已经不能满足新事物发展的教育需要，技术发展得很快，学生花很多精力和时间所学的内容，到后面用不上。因此，要从小培养孩子的创造性和思考判断能力，要用人工智能驱动教育改革，让孩子既能空出时间享受欢乐的童年，又能学到新的以后有用的东西。 据他介绍，在日本的中小学课程设计中，编程思维方式的教育已经在幼儿园开始实验，这种教育不是具体教他一个程序，而是培养编程的思想。“哪怕教小孩子做饭，做饭第一步是什么，第二步是什么大家讨论”，到后面他成长到了中学、到了高中，自然而然编程的理念就有了。 同时，发展人工智能也可以解决地区间教育不均衡问题，可以用机器人代替好老师的经验，把落后地区教师的水平提高上来，甚至可以在工作上减少成年人的工作量。 任福继还指出，在人工智能领域，要允许青年科学家失败，原创往往要坐很久的冷板凳，要为科学家创造条件，静下心来出原创。要发展人工智能，必须形成工程师和用户的共同体，一方面，展开人工智能科普工作，让人们走出“所有人工智能都比人优秀”和“人工智能加剧失业”等认识误区，另一方面，要建立权威认证机制，去除伪人工智能，推动先进智能发展。 在任福继看来，目前真正有人工智能含量的东西少之又少，原创缺乏。他认为，大数据驱动回避掉了人工智能的本质问题，大数据可以写一些文章，做一些产品，但是这种东西只在短期内是有用的。 转自创头条，原文链接：http://www.ctoutiao.com/2369961.html