过去我们很难想象ATM机这种边界是可以做的，实际的应用场景有的时候是超越你想象的。我们是业界最前沿的，有时候都会受到惊讶，举个例子，警察拿着人脸识别去辨认尸体，这不是设计者最初能够设计到的，我也不是这么弄的，警察说这个也可以，尸体不知道身份，他就可以查出来。他应用于这个事情的时候，大大超越设计者的想象。今天的智能，我们的想象已经跟不上人工智能发展的速度了，所以千万不要担心人工智能技术跟不上我们的想象。

　　邓锋：我举一个例子，你虽然做的很准，但是你很难应用。拿医学图像处理来说，大家知道照X光，或者是各种各样的CT，MRI，你可能有很多东西，如果你的影象科医生是很好的，医生他看的比较准，不好的医师可能看不好，经验不丰富看不了那么准。人工智能来做非常好，现在这个准确率也有提高，但是问题在哪儿呢？因为我们用了深度学习的方法，导致什么呢？他看的图片以后，他可能看了几百万的图片，其中有可能有几十万是病人，他就告诉你这个可能是有癌症，或者说准确率多高有癌症，但是他解释不出来为什么。你要给到这个临床医生他给你看，他说，你这个左胸和右胸的这个纹理不够清晰，或者是哪儿不够清晰，结节的形状，结节的大小等等，他会说一些这个东西，可是人工智能给你回答的只是说你这个疑似癌症。这怎么在实际当中用？你没法跟病人解释怎么办？

　　朱珑：我来解释一下，刚刚那个片子可能大家没有细节看，我没有展开。我刚才有一个CT的片子，我们出的报告恰恰是你说的，里面对结节的大小，它的体积、可疑性等都有描述，我们会出诊断报告。就是说它是可以被解读、可以跟医生交流的，他是做一个描述性的东西，不是只回答患癌或健康。

　　邓锋：你已经不是简单的深度学习了，你已经走到结合其他的东西来做的方向了。

　　朱珑：可以这么说吧。刚才说的问题是有一部分存在的，甚至是大部分存在的。时间就是2017年比2016年快太多，2016年比2015年快太多。

　　我举一个例子，2016年我们的产品能够被部署到医院，就用了半年时间。在公安系统同样的这个事情我做了两年半的时间。

　　就是说技术在商业化落地的过程，商业跟技术结合的过程越来越加速。当然这个可能是我们一家公司的特例，或者说不是现在市面上的公司都这样，但我觉得总体趋势是这样的。

　　邓锋：加速是最恐怖的一个事儿。

　　朱珑：对。

　　邓锋：我们下面开放给下面的听众，大家可以提问。

　　听众：您好，想问一下朱总，人工智能在技术层面还有在发生哪些重要的变化吗？短期之内是否，还有像Hinton2006年时发的那个同等重量级的那种论文的出现。刚刚您也在自己的演讲中提到，AI的技术在这两年有跳跃性的进步，想问一下您指的跳跃性的进步都有哪些？

　　朱珑：是这样，这个算法就是技术本身十年前就有了，不是在这十年有跳跃性的发展。整个世界认识它是跳跃性的，这些科学家憋着，憋着，也不是因为那个GPU、大数据，也是也不是，什么意思呢？当年我在MIT的时候，全球就少数的几家团队用GPU，就敢用GPU，他就相信那么大的数据能够上去有效果。既使是发明的这个人，他当时并不如Hinton那么坚定。就是说，同一件事情到你手里，信的人和不信的人，发展速度差别是巨大的。因为任何的转型，或者说往前突破都有风险和成本，你要学习新的语言，学习新的东西。

　　大家不要有一个误区是最近有什么特别明显的发展，这个技术是这几年有逐渐的增加。跳跃性的意思不是代表这个技术，或者科学家理解上的跳跃性，是说这个东西在工业上或者说在应用上会有跳跃性的发展。

　　比如说，今天大家开始探讨记忆，因为我们很多是识别大脑的智能的一些比较单一的功能，现在记忆推理都可以，或者说在尝试并且是科学可验证的手段，向人的水平逼近，所以这些能做了，好多事情就能够实现，包括人机对话等等。