李開復 (Kai-Fu Lee)，這位傑出的數位科技學者與實業家，即使領域以外的人也可能聽過他的名字。台灣出生，在美國受教育，獲卡內基梅隆大學電腦博士，以機器學習的語音辨識技術獲獎，後在蘋果等多家高科技公司任要職。加入微軟，建立微軟中國研究院，回美後任微軟全球副總裁。之後加入 Google，設立中國研發中心，任 Google 大中華區總裁、全球副總裁。

   對中國青年多年的接觸，產生了特殊的情結，2009 年離開 Google，在北京成立「創新工廠」(Sinovation Ventures)，幫助年輕人創業投資，在人工智慧、消費、教育、文化、服務各領域打造創業平台與資金支持。創新工廠的「人工智能工程院」，由李開復親任院長，研究 AI 核心技術，解決實務問題。

(李開復 MIT 演講：AI 將創造驚人的價值。取自網路）

   日前他在 MIT 一個會議上演講，講的是 AI，以他在業界的份量，所講的必然是親身的經歷感受，大家都會認真的聽，當然未必盡然同意他的論點。他首先說有相當大的可能，例行的辦公室工作會以 AI 自動化運作，這一替代正在進行，是一個真實的、完全抽取的替代，白領工作最先受到挑戰，藍領工作隨即在後。

   他舉例 AI 可以改變例行的辦公工作。在他投資的一家財務公司，用機器學習的方式，來決定要求透支薪水的員工的資格。另外投資的幾家公司，都是自動化客服、培訓、以及例行的辦公工作。從創投角度來看，AI 或可能製造衝擊，但中國的前瞻策略也是重要考量，尤其是政府大筆的 AI 投資，激發了動力 ，使他的「創新工廠」更以 AI 做為營運的方針。

   李開復把 AI 分成不同、但非連續的四個發展波段，第一波是大量標記數據 (Labeled Data) 的成熟，供給大型網路公司營運以及鞏固 AI 的能量。

   第二波關係到企業本身，用既有的數據破壞自身的工作生態，特別是法律與會計的工作領域，如果機器能快速、有效的搜尋數以萬計與案件有關的資料，律師事務需要的助理，人數勢必大量縮減。

   第三波是企業從產品與 App、或付費所創造的數據，企業從這些數據發展多項 AI。

   第四波是完全自動化，還有一段距離，像是無人駕駛汽車與機器人助理。

   這四波發展的簡單闡述，有如 AI 的四個面向，不依順序，甚至同時發展。大家都知道數據是 AI 的血液，沒有足夠的數據 AI 就會營養不良，而數據又以標記數據為主，自然或人造的一般事務，隨時取得的數據，都是非標記數據，但把這些數據取名稱、貼標籤、分類別，就成為標記數據。為數據加註標記，開始的時候必須用人力，非常費時，但漸漸建構成模型，以後新的非標記數據就可以用這個模型機器學習，快速的加註成標記數據。所以第一波是 AI 打地基紮根。

   第二波的發展特別迅速，法律領域更是千真萬確的事實，我讀過幾次專家呼籲現在的法律學生考慮退學，因為以後的發展極為有限。會計事務也是如此，不但一般會計行政事務員逐漸減少，連負責專屬帳戶的指定會計師也有被AI取代的，AI 可以延伸到相關領域，對帳目細節與分類可以精準判斷。

   第三波則顯而易見的是大型網路公司佔到優勢，百度、騰訊、Google、臉書，都藉自己製造的龐大數據發展多項 AI。

   第四波的全自動化，牽涉面很廣，而且很多是人與機器互動的關係，發展的型態會由小而大，由簡單而成熟，但時間不會太久。幾年以前對無人駕駛計程車，招之即來、下車即去，還是一個夢想，日前 Waymo 宣佈 500 輛無人駕駛計程車，即將在亞利桑納州鳳凰城上路。

   李開復在會議中說，一旦 AI 運用到各個不同的領域，就會創造出「驚人價值」 (phenomenal value)，無論投資者或大公司想抓住這一技術，現在正是 AI 的開放時刻。

   AI 與未來的工作，是這次 MIT 會議的主題，傳統的爭論無法避免。一些技術專家與經濟學家不同意 AI 與自動化所造成的衝擊，他們認為 AI 會孵出更多新的工商業，所創造的工作機會，遠多於 AI 所淘汰的工作數量。

   李開復不同意，他說許多人對技術革命持樂觀的態度，工作會消失、工作會再生。AI 當然會創造出新的工作機會，但他認為卻是例外情況。

   我同意他的看法，理由只有一個，即使 AI 能創造很多的新工作，但所需的工作知識與能力，只怕要比以前更高的科技才能勝任，學校沒有教過，被 AI 淘汰的人更沒有這樣的能力，所以新工作一時難以填補，可能需要一段時間，甄選有潛力的人接受訓練，才能略為彌補青黃不接。AI 的青黃不接衝擊，勢必大於以前任何的技術革命。