2018年8月10-12日，以“共享全球智慧，引領未來科技”為主題的世界科技創新論壇在北京會議中心舉辦。8月11日，2013年諾貝爾化學獎獲得者、美國國家科學院院士、英國皇家學會會士Michael Levitt在論壇上表示，出于三個原因使人工智能變得更加重要：

第一個，我們對于什么樣的算法有用，什么樣的算法沒用，了解更多;

第二個，我們對數據必要性的認識越來越清晰;

第二個，人工智能領域起名字非常重要，在美國沒有人再把它叫人工智能，現在多叫機器學習。

Michael Levitt發言實錄全文如下：

Michael Levitt：非常感謝，這是我第一次參加這樣的討論，我是作為唯一的外國人參加這個專家討論。通常來講如果有國外的來訪者，他們往往就會很尊重客人，另外一方面他們也尊重本國專家，所以看今天從臺上的構成就體現了中國人既尊重海外思想，也尊重本土專家的意見。

做科學工作，我是從1967年開始的，可以說我愛上了電腦，人工智能是我一直關心的領域而且關心多年了。但是從某種意義上來講，人工智能的含義隨著時間的變化而變化，當我最早開始研究的科學的時候，當時我還是十幾歲的小孩，大概只有14歲。當年我聽說電腦可以拿來下棋，我覺得真了不起，電腦居然可以拿來下棋，我以為電腦只能拿來加減乘除。我覺得下棋，照理說不是電腦被設計出來完成的工作，可是人工智能這個領域它的重要性得到了凸顯，出于三個原因使人工智能變得更加重要。

第一個，我們對于什么樣的算法有用，什么樣的算法沒用，了解更多。

第二個，我們對數據必要性的認識越來越清晰，每個人都有大量的數據，關于外部世界也有大量的數據。大家可以想像電腦的運算速度也越來越快，很多時候很多行業它的發展變化是由一些出乎意料的因素推動的，電腦使得人工智能的發展變得容易，以前電腦讓年輕人玩游戲，現在它有GPU，圖形處理，最早是讓年輕人玩電腦游戲的，但最早是小孩想通過玩游戲，促進了計算機的發展。

我們說到人工智能領域起名字非常重要，比如在美國沒有人再把它叫人工智能了，因為50年前當時承諾給他們好多人工智能的東西，現在多叫機器學習了，現在美國人不把它叫人工智能了，他們用的是機器學習。今天我們說機器學習也是一個很泛泛的概念，機器學習人們已經開展了很多年了，機器學習就是把數據拿來，在里面歸納一些東西。舉個例子，我們說孩子的身高是年齡的函數，然后你會得出一個曲線，里面有很多點點點，畫出一條線，平均一下，如果你是12歲的話應該1.4米，當然這是從數據里面歸納出一些東西。

隨著機器學習的興起，當然你也可以稱之為人工智能，還有像深度學習、神經網絡、隨機森林等等，這些都是新的術語，它是老概念的新名字。像自動化這個名字也存在很長時間了，從數據中學習也存在很久了，有一些非線性的數學等式也存在很久了，其實過去這50年，我們回顧一下是如何讓這些方法發揮更大的作用，這里有一個很好例子。對于電腦來說，無論是圍棋、象棋都不是很難的事，識別人臉也不是很難的事，今天的計算機已經可以承擔很多過去我們認為很難的任務了。當然不能說電腦變得很聰明，只是讓他們玩的事情不是很簡單了，現在可以拿來翻譯，英文翻譯成中文，中文翻譯成英文，甚至寫一首很美麗的詩，會讓我覺得很了不起，我認為這個也會變成現實。

所以我們看到今天隨著機器學習或者人工智能，機器越來越會歸納了，不再是簡單的從年齡歸納出身高，比如說電腦，不再是你告訴它什么是好的什么是不好的，電腦可以自己去歸納來，所以電腦已經可以做歸納了，我們說歸納非常重要。比如自駕駛的車輛，電腦就可以知道我到什么程度停下來，所以電腦這種歸納的能力也在不斷提升，無論化學、物理學等等，都可以借用這個發展。

我們也可以把這種歸納、概括，把數據拿來進行概括，把它用于很多廣泛的領域。假定電腦像人一樣聰明，當然是個抽象的人，可以通過圖靈測試，但是電腦真正做的是什么?就是從數據來概括，然后來自我學習。它是從數據的概括開始，這是計算機最核心的能力。