在近日舉行的“2018上海國際人工智能創新應用峰會”上，機器學習奠基者、美國加州大學伯克利分校電子電機和計算機系及統計系教授Michael I. Jordan在題為《人工智能的未來：挑戰與機遇并存》的演講中，闡述了他對人工智能的深刻理解。

Michael I. Jordan表示，過去智能科技進步主要是指提升機器執行指定任務的能力，而當今的人工智能則賦予機器反應和適應能力以優化產出。通過與物聯網、機器人等技術的結合，人工智能能夠構造出一個整合的信息物理世界。

技術可行性只是影響自動化速度及程度的一個因素，還有其他因素需要考慮，包括研發和應用成本、勞動力市場供需、經濟效益，以及社會和政府監管部門的接受度。在現今所有工作內容之中，過半會在2055年左右自動化，但這一過程存在諸多變量。如果自動化推進速度快，達到該程度可能會提前20年；如果推進緩慢，則可能延后20年。

他說，的人工智能發展多由科技企業推動引領。得益于大量的搜索數據和豐富的產品線，一些互聯網企業走在了自然語言處理、圖像和語音識別等技術前沿。這些技術被整合應用于新產品中，如自動化私人助理、自動駕駛汽車等。展望未來，在醫療領域，人工智能將極大提升我們分析人類基因組和為患者開發個性化治療方案的能力，甚至大大加快治愈癌癥、阿茲海默癥和其他疾病的進程。

上海科技大學信息學院副院長虞晶怡教授指出，人工智能的工作模式依據通用的學習策略，可以讀取海量的“大數據”，并從中發現規律。因此，人工智能能夠根據新數據自動調整，無需重設程序。利用機器學習，人工智能系統獲得了歸納推理和決策能力；而深度學習更將這一能力推向了更高的層次。這些計算機系統能夠完全自主地學習、發現并應用規則。

復旦大學信息學院教授葉士青認為，只有將人工智能技術正確、準確地賦能給傳統行業，才會產生巨大價值。各個國家和地區看到人工智能的巨大前景，正紛紛出臺政策、投入資金以加快布局速度。例如，在全球各個地區，“人工智能+醫療”不再是一種創新概念，它已經為醫生、患者、企業、醫療及研究機構提供了前沿和切合實際的服務。而美國、、歐洲是在“人工智能+醫療”領域表現搶眼的區域。

峰會還發布了《2018智造時代勞動力研究關鍵數據報告》。

報告指出，從勞動力密集型的制造工廠升級到技術驅動的智造平臺已是制造業的共同選擇。就在關于“機器是否取代人”的討論不斷升級時，制造業已經在大量應用人工智能、大數據、云計算、物聯網、機器人等新技術，轉型智能制造。由“制造”走向“智造”，我們要關注的問題是人如何來適應智造時代，人怎樣才能更好地生存下來。可預見的是，智造模式在設定的框架內表現優秀，但在框架外則表現拙劣，未來工人的大職能就是框架的構思者、設計者、建設者。幸運的是，借助智造模式，我們擁有了更多改變世界的機會和更大的能量。