关于奇点会不会到？AI是不是可以持续让世界越来越好？洪小文认为就算有一天做到了强AI，解决了一个难题，这个世界还有很多未解的难题，雷曼猜想、P等不等于NP，甚至宇宙从哪里来，有没有大爆炸，将来宇宙会不会再缩小，总有一个问题可能永远无解。他认为 AI=AugmentedIntelligence，Human+Machine=Superman。人和机器的共生才是终极形态。

“人类应当习惯，就像计算能力和记忆力，我们觉得机器比我们强是很正常的。我们其实早就朝着人类智能和人工智能共同进化的路狂奔了。”

AI+HI 是否会造成人类的分化？无法和 AI 结合的人是否会沉入底层？洪小文认为，分化一直都有。前几年有数字分化，将来有AI分化，其实本质就是贫富差距。我们希望人人平等。政府有责任把税收、社会福利系统做好。而微软这种大企业可以在计算资源平等上出力，微软特别拿出10-20亿价值的云资源专门给付不起钱的地区使用。

洪小文，微软全球资深副总裁、亚太研发集团主席、微软亚洲研究院院长。他亲临北大 AI 公开课，就 AI 的感知与认知能力、AI (人工智能)与 HI (人类智能)的共进化等问题展开了深入讲解。洪老师指出，黑盒无法承担重大决策，AI+HI是终极智能形态，而且人类已经在朝着 AI+HI 共进化狂奔。

IBM谢国彤：认知医疗，个性化、循症的智慧医疗

文字实录链接：

视频链接：

IBM做医疗，核心只想解决一个问题——怎么样利用数据挖掘和人工智能的技术，从海量的医疗数据中间去挖掘出证据，利用这些证据给患者提供循症的个性化医疗服务。

“类脑计算芯片的核心想法就完全突破了以前冯诺依曼通过加法器这样的一套计算框架，而是从神经元的角度做一个芯片。”

“目前，一个芯片上有上百万个神经元与神经元之间的连接，synapses（神经突触）可以达到两亿五千多万个。这样一个非常复杂的芯片功耗非常低，只有70毫瓦。大概一个智能手机的功耗在五瓦左右，它的能耗是你手机的1%，是笔记本电脑的千分之一。”

“目前，没有一种单一数据模型能够覆盖多模态的医疗数据，如何有好的云平台去处理多模态医疗数据，这是需要解决的第一个问题。”

“真实世界证据就是真实世界中数据，包括病历数据、医疗保险数据、疾病数据，输入进来，产出各种模型，比如中风病人的再中风预测模型，或心梗病人的死亡风险预测模型，或某种药物治疗有效性的模型。”

“我们用传统的医学模型认为是高危的病人，不同中风的发病率，看完这个图之后医生特别激动，发现了第一点，有一群人过度治疗了，这群人传统医学方法认为是高危的，其实并不是高危的，只不过以前的模型无法捕捉到细微的区别。”

谢国彤， IBM 中国研究院认知医疗研究总监、IBM 全球研究院医疗信息战略联合领导人，他就 AI 技术在医疗领域的应用展开了深入讲解。内容涵盖：

1. 医疗大数据及Watson健康概述

2. 医疗文本挖掘和肿瘤辅助治疗案例

3. 医疗影像分析和皮肤癌辅助诊断案例

4. 结构化医疗数据分析和真实世界证据案例

5. 认知决策技术和慢性病诊疗案例

6. 自然语言问答技术和疾病管理案例

英伟达董方亮：硬件起家的英伟达会不会越来越“软”？

文字实录链接：

视频链接：

“因为GPU 的发展有一个很重要的技术叫 Pixel Shader（像素着色器），像素着色器是决定了今天能够做gaming、video 等很多呈现在大家面前功能的技术之一。核心的发明人是北大本科 87 级或 88级物理系的一位同学，所以北大人应该非常骄傲。北大对 GPU 的技术发展起到了很关键的作用。”

“在各类 framework 不断演进的今天，GPU 与 deep learning紧紧地被绑在了一起。”