2014EAS政企應(yīng)用高峰論壇系列之UC與音視頻融合通信高峰論壇中，原傲威總裁劉宇分享了數(shù)據(jù)價(jià)值、神經(jīng)元網(wǎng)絡(luò)算法以及融合通信發(fā)展趨勢(shì)等前沿觀點(diǎn)。
劉宇：我曾在通信行業(yè)干了十幾年，然后退出通信界這三年。實(shí)際上這三年我的感受最深。首先開始今天的演講。
數(shù)據(jù)的價(jià)值是數(shù)據(jù)研究的核心
“大數(shù)據(jù)”這個(gè)概念。應(yīng)該說全中國或者全世界都在炒大數(shù)據(jù)這個(gè)概念，實(shí)際上我自己覺得，其實(shí)大數(shù)據(jù)在今天，對(duì)于企業(yè)應(yīng)用來說，我個(gè)人覺得大數(shù)據(jù)更多誤區(qū)現(xiàn)在已經(jīng)使得大數(shù)據(jù)整個(gè)的發(fā)展，在很多產(chǎn)業(yè)的思考中，發(fā)生了偏離。所以我想先做一個(gè)糾正，這是我的看法，大家可以有不同的看法：
第一個(gè)不是所有的企業(yè)都需要大數(shù)據(jù)，我們今天看到的大數(shù)據(jù)，大多數(shù)都采用的是非結(jié)構(gòu)化的數(shù)據(jù)。
而我們是不是真的需要那么多的非結(jié)構(gòu)化的數(shù)據(jù)呢？其實(shí)不一定，真正的數(shù)據(jù)的大小，不體現(xiàn)在它的價(jià)值，而真正本身的數(shù)據(jù)的價(jià)值才是它的價(jià)值的核心。
我想今天講的不是數(shù)據(jù)的本身，而是這兩年發(fā)展最多的是分析數(shù)據(jù)的方法，我們講“算法”，這里插一句嘴，我在做企業(yè)的時(shí)候，說實(shí)話我一直挺懼怕算法，都沒敢搞算法這樣的東西，比如說我們以前做的云壓縮的算法，那都是以色列的，咱們得花錢買，從來沒有想到自己搞一個(gè)很牛的高大上的算法，不敢。但我想，今天如果說，我們?cè)诖髷?shù)據(jù)這個(gè)領(lǐng)域，如果我們?cè)俨蝗ネ嫠惴ǖ脑挘矣X得我們將失去太多的機(jī)會(huì)。今天聽到很多的演講，他們比較細(xì)，比較落地，而我則希望給大家開個(gè)眼，開另外一個(gè)思路，我希望做到即深入又有高度。
算法是數(shù)據(jù)分析的基礎(chǔ)
算法本身，就是我下面要說的。
所以我對(duì)企業(yè)有一個(gè)建議，我覺得更多是應(yīng)該關(guān)注小數(shù)據(jù)。關(guān)注你自己已有的結(jié)構(gòu)化數(shù)據(jù)，那是你的金山。是高質(zhì)量的數(shù)據(jù)，然后關(guān)注算法本身。
今天我在講的是深入學(xué)習(xí)的算法，也就是我們涉及的領(lǐng)域也就是AI，也就是人工智能，人工智能上世紀(jì)20年代開始一直發(fā)生到現(xiàn)在，應(yīng)該說它的技術(shù)浩如煙海，有各種各樣的算法，各種各樣的技術(shù)，我沒干企業(yè)這幾年我干嗎呢？我就學(xué)，學(xué)了很多東西，但真正讓我找到主線的是這套東西。我想告訴大家，為什么大數(shù)據(jù)現(xiàn)在這么熱，為什么現(xiàn)在有很多的突破，為什么在今天，在算法上到底有什么突破？接下來可能會(huì)對(duì)大家有點(diǎn)壓力，因?yàn)槲抑v的是算法本身，而且是今天最主流的真正有突破的，對(duì)未來影響深遠(yuǎn)的算法本身。
我想說的第一觀點(diǎn)，算法并不神秘，以前我覺得挺神秘，反正我不敢干，出來看看這些東西，我覺得咱們不是科學(xué)家，咱們是用算法的，我們是可以去用算法的，我們就去用吧。于是我們得知道，現(xiàn)在到底是什么算法最牛，最有機(jī)會(huì)呢？最有希望呢？神經(jīng)網(wǎng)絡(luò)。
神經(jīng)網(wǎng)絡(luò)的歷史。大概有三個(gè)階段。
第一個(gè)神經(jīng)網(wǎng)絡(luò)的起源，第二個(gè)神經(jīng)網(wǎng)絡(luò)的進(jìn)展，第三個(gè)是神經(jīng)網(wǎng)絡(luò)的突破。
大家可以看到這個(gè)時(shí)間，1940年提出來，1968年有進(jìn)展，1968年，應(yīng)該是我出身那一年，而到2006年才有突破，才真正的能實(shí)用化，離今天幾年？八年時(shí)間。而八年的時(shí)間，是理論的突破，到它的產(chǎn)業(yè)界是很漫長的過程，因?yàn)榇蠹叶疾恢滥莻€(gè)時(shí)候能干什么。
我給大家講一下，第一個(gè)起源：MP。
MP這個(gè)算法很簡(jiǎn)單，我提醒大家注意的就是一點(diǎn)，這是一個(gè)心理學(xué)家W.McCulloch和數(shù)學(xué)家W.Pitts，他們名字的縮寫。
它非常簡(jiǎn)單。神經(jīng)元是什么？是受到一個(gè)刺激，然后對(duì)這個(gè)刺激做出反應(yīng)。基于這樣的邏輯，他們就寫了一個(gè)非常簡(jiǎn)單的工具，就是下面的這個(gè)公式，輸入乘上一個(gè)參數(shù)再加上輸入乘上一個(gè)參數(shù)，就是這樣一個(gè)簡(jiǎn)單的公式到今天我們?nèi)匀辉谟茫宜俏磥硗黄频幕A(chǔ)。所以在這以后，幾年時(shí)間里面，一直在這個(gè)基礎(chǔ)上，業(yè)界有所發(fā)展。
但是到了1969年，有一個(gè)叫Marrin Minsky的科學(xué)家寫了一本書，《感知器》，他對(duì)未來感到迷茫，因?yàn)槟切﹨?shù)怎么去找到？數(shù)學(xué)界一直沒有發(fā)現(xiàn)辦法，不知道怎么去設(shè)定那個(gè)參數(shù)，那個(gè)參數(shù)怎么算都不知道。所以說帶來了一個(gè)問題，未來無法去使用。神經(jīng)網(wǎng)絡(luò)就進(jìn)入了低潮。這一低潮低了多少年？將近二十年。
神經(jīng)網(wǎng)絡(luò)算法的突破
到了1986年出現(xiàn)了兩個(gè)人，他們提出了一種算法，這種算法，目的就是算那個(gè)參數(shù)。他們有辦法了，這兩個(gè)人他們今天是在業(yè)界非常牛的兩個(gè)人。
這是一個(gè)里程碑。他們的名字是，David和Geoffrey。這個(gè)算法叫反向傳播，我給大家解釋一下反向傳播，這是神經(jīng)網(wǎng)絡(luò)連接方式的一個(gè)圖，最左邊是輸入，中間是地是參數(shù)的那些節(jié)點(diǎn)，后面是輸出，我給大家演示一下，它是怎么反向傳播的。這是在80年代末期的一個(gè)科學(xué)家，我查了很久不知道這個(gè)科學(xué)家是叫什么名字，他做了一個(gè)視頻，大家可以聽一下。
“學(xué)習(xí)說話”（播放視頻）
它會(huì)不斷嘗試發(fā)音，隨著時(shí)間延續(xù)會(huì)越來越好，基于神經(jīng)網(wǎng)絡(luò)讀取字母。
神經(jīng)網(wǎng)絡(luò)嘗試說出短語，進(jìn)行一種隨機(jī)化的發(fā)音嘗試。“奶奶的房子”，猜測(cè)發(fā)音和標(biāo)準(zhǔn)發(fā)音之間的差異，會(huì)被反饋回去，通過神經(jīng)網(wǎng)絡(luò)。奶奶的房子。通過在每次嘗試之后，調(diào)整連接強(qiáng)度，網(wǎng)絡(luò)會(huì)逐漸改進(jìn)，最終通過一整晚的訓(xùn)練，第二天早晨，它的發(fā)音變成了這樣，“奶奶的房子”，我愿意去奶奶的房子看她。因?yàn)樗龝?huì)給我們糖，并且我們……
說實(shí)話我為了做個(gè)PPT花了很多時(shí)間，這個(gè)地方，我再放一遍，大家看看，一個(gè)算法能夠說話，很奇怪。203個(gè)深神經(jīng)元。就這么簡(jiǎn)單的東西能夠做出這么奇怪的結(jié)果。
剛剛注意到兩個(gè)波形在疊加的時(shí)候有一個(gè)差異，那個(gè)差異叫誤差。網(wǎng)絡(luò)回傳回去。它通過那個(gè)調(diào)整把誤差反回去，這叫回傳，把誤差回傳以后，這就做了一件事，能做到對(duì)參數(shù)的調(diào)整和計(jì)算，不斷的調(diào)整使得誤差越來越小，越來越小，最后變成了一個(gè)神經(jīng)網(wǎng)絡(luò)。接下來，所有的語言的說話的方式，也非常容易。而且它的計(jì)算量很小，在實(shí)際上產(chǎn)生的情況下。
我想說，這給我們一種什么樣的啟迪呢？——我們發(fā)現(xiàn)一個(gè)非常簡(jiǎn)單的一種數(shù)學(xué)結(jié)構(gòu)，一種數(shù)學(xué)的方式，它能夠干出使人們吃驚的事情，那對(duì)于世界的影響太大。
接下來另外一個(gè)事件。
這個(gè)是實(shí)驗(yàn)室做的一個(gè)手寫數(shù)字輸入識(shí)別，我給大家看的是什么？看神經(jīng)網(wǎng)絡(luò)的特性。
這個(gè)數(shù)字一旦顯示了，在上面的地方就識(shí)別出來的東西。下面是出現(xiàn)的攝象頭攝像下來的圖形。我想告訴大家，作為一個(gè)計(jì)算機(jī)要識(shí)別一個(gè)圖形來說實(shí)際上很困難，而這個(gè)困難用神經(jīng)網(wǎng)絡(luò)的識(shí)別，它的精度非常大。而且你們可以從后面看到，算法對(duì)于噪聲干擾的健壯性非常強(qiáng)。在這樣的干擾情況下也能夠正常識(shí)別，這跟人腦的情況是一樣的。當(dāng)我第一次看到這樣一個(gè)視頻的時(shí)候，坦率地說我很吃驚，我很驚訝。這是在什么時(shí)候呢？這是從1986年，到1999年的時(shí)間的狀況。人工智能學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)的成長狀況。
但我剛剛說了，這段時(shí)間，這個(gè)軟件，被剛才那兩個(gè)哥們兒干了多少年呢？接近二十年，才干到了這樣一個(gè)東西。這個(gè)東西效果非常好，但它只能應(yīng)用于小型的，小圖形的簡(jiǎn)單的識(shí)別，大的做不了，為什么做不了？
BP的核心價(jià)值，我之前已經(jīng)說過了。我接下來講講為什么它做不了，因?yàn)樗坏┐罅艘院螅幕貍骶秃苋菀壮霈F(xiàn)“誤差擴(kuò)散”。也就是你有多層的話，你要實(shí)驗(yàn)大型的識(shí)別的話，那么它需要的神經(jīng)網(wǎng)絡(luò)非常大，而且有很多層，你越多層的話，會(huì)出現(xiàn)的誤差傳回去越傳越小，叫誤差擴(kuò)散。第二個(gè)問題，是什么呢？它其實(shí)容易擬合，作為一個(gè)神經(jīng)網(wǎng)絡(luò)我要識(shí)別你們，誰是男的誰是女的，對(duì)我來說是很容易的事情，但如果我給他的特征是什么？是說穿白衣服的和穿黑衣服的？比如，告訴我穿白衣服的，這個(gè)人是男的，那個(gè)黑衣服的人是女的，沒有告訴他特別的特征。
總之，就告訴他不是很清楚的特征，給了他一大堆的特征，這么一大堆的特征，我拿這樣的數(shù)據(jù)來訓(xùn)練我的網(wǎng)絡(luò)出來的結(jié)果是什么？很容易找到另外一種非正常常規(guī)的規(guī)律，這就叫過擬合。
于是乎這二十年他們又在學(xué)習(xí)，又在研究，數(shù)學(xué)界，數(shù)學(xué)界不只在神經(jīng)網(wǎng)絡(luò)上這條路走，他們還走了很多路，SVMN、BOST......反正大量的算法在做。但都是有一點(diǎn)點(diǎn)提高，一點(diǎn)點(diǎn)提高。
到了2006年，一個(gè)前面那個(gè)老頭，叫做BP的老頭，做回傳算法的老頭，我叫他黑洞。他叫Hinton，他堅(jiān)持了二十年，他干嗎？就是做這個(gè)神經(jīng)網(wǎng)絡(luò)，他沒有做其他的算法，他一直專注于神經(jīng)網(wǎng)絡(luò)的研究。他突破了，其中包括下面的LeCun，還有Bengio，新的神經(jīng)網(wǎng)絡(luò)做了什么？其實(shí)做了一件非常簡(jiǎn)單的事情，在理論上非常簡(jiǎn)單的事情。就是說我們知道，我們的學(xué)習(xí)是有一個(gè)目標(biāo)結(jié)果的，有結(jié)果了，就是說這個(gè)是男的還是女的，然后通過這樣的一種方式去跟結(jié)果做一個(gè)函數(shù)匹配，在數(shù)學(xué)上是泛函數(shù)，這是自動(dòng)編碼機(jī)，我拿到在座每個(gè)人可能有100項(xiàng)的特征參數(shù)，包括你是多高、多瘦，然后你穿什么衣服，然后我會(huì)通過反向編碼的方式，使得我盡量編出來的編碼像原來的東西。
給一個(gè)解釋，大家知道，經(jīng)典723嗎？是一個(gè)編碼算法，它有一個(gè)碼本，其實(shí)經(jīng)典723不是以色列人發(fā)明的，是一個(gè)俄羅斯人發(fā)明的，他經(jīng)過很多的研究發(fā)現(xiàn)：人類說話，他總是能夠描述為某幾種特征值，然后找到一堆這樣的特征值，然后這樣的特征清楚了，然后我給他編上號(hào)，123456789，然后編了一個(gè)碼本，壓縮的時(shí)候就把特征值取出來，傳輸?shù)臅r(shí)候就拿特征值傳過來，解碼的時(shí)候直接播放。這就是編解碼，自動(dòng)的編碼——這個(gè)DNN誕生使得整個(gè)技術(shù)的發(fā)展，使得整個(gè)理論的發(fā)展，突破了以前所有的進(jìn)步，記得這是2006年，也就是8年前。發(fā)表這篇文章時(shí)沒有人關(guān)心它，每個(gè)Paper在全世界的科學(xué)雜志上發(fā)表多了去了，為什么它就牛呢？
這是我總結(jié)的，一方面，它有多層神經(jīng)網(wǎng)絡(luò)，這種多層神經(jīng)網(wǎng)絡(luò)，具有優(yōu)異的特征學(xué)習(xí)能力。我會(huì)發(fā)現(xiàn)什么是真正的特征。比如說我要識(shí)別一個(gè)人是男的是女的，我知道用什么樣的特征。那就很清楚了，我不能用衣服穿什么顏色作為特征。另一方面，它使得多層神經(jīng)網(wǎng)絡(luò)訓(xùn)練成為可能，我們前面說多層會(huì)有誤差擴(kuò)散。而它有自動(dòng)編碼以后，使得它每層獨(dú)立的去初始化，去培訓(xùn)，去學(xué)習(xí)，使得多層成為可能。一旦多層成為可能，就有突破了。
于是有了“突破”。
大家最近聽到微軟一些消息出來，這個(gè)是2012年，谷歌做了一個(gè)實(shí)驗(yàn)，它叫“谷歌大腦”它用一個(gè)神經(jīng)網(wǎng)絡(luò)，去一千多萬張Youtube的照片里面去學(xué)習(xí)貓，事先沒有給它任何知識(shí)，沒有去給它說任何特征，只是讓它自己總結(jié)。它是不是長眼睛，是不是有耳朵，都是自己去學(xué)習(xí)。這個(gè)神經(jīng)網(wǎng)絡(luò)，在下面是它的整個(gè)學(xué)習(xí)的過程，通過一千萬照片，他學(xué)出來了，他認(rèn)識(shí)了，而且同時(shí)，它認(rèn)出了很多物種。而這些物種的準(zhǔn)確率，提高了7成。這個(gè)實(shí)驗(yàn)僅僅是一個(gè)實(shí)驗(yàn)，坦率地說沒有特別大的優(yōu)化，沒有經(jīng)過工業(yè)上更厲害的東西加成。它就做到了。
剛才說的是2012年，那么2014年出了什么結(jié)果？所以說接下來就說說第一個(gè)“深度臉”，F(xiàn)aceBook干的。FaceBook做了一個(gè)“深度臉”，干嗎呢？所有的人臉的區(qū)別的目的就是告訴你說，這兩個(gè)人是不是一個(gè)人，就很簡(jiǎn)單這么一個(gè)東西。關(guān)鍵的問題是通過它的學(xué)習(xí)，通過人臉識(shí)別的技術(shù)達(dá)到的準(zhǔn)確率是99%，超過了人類。我要解釋一下，人類是97.5%。但這是沒有經(jīng)過訓(xùn)練的數(shù)值，沒有經(jīng)過真正的培訓(xùn)，告訴你這個(gè)人你要注意看什么地方，怎么識(shí)別這個(gè)臉，如果是專業(yè)的偵探會(huì)更厲害，我們機(jī)器的學(xué)習(xí)的過程是不是就像人的學(xué)習(xí)過程？前面說到了我們?cè)趯W(xué)一個(gè)語言，我在說一句話，說的不對(duì)，我重新再說一遍，我大腦里面調(diào)整，不斷的學(xué)。于是乎，就有了今天99%的識(shí)別，整個(gè)計(jì)算機(jī)界，整個(gè)IT有一雙眼睛，能夠看得懂東西，它能區(qū)別。
前兩天我打了一場(chǎng)球發(fā)現(xiàn)我腰椎間盤突出，醫(yī)院給我的CT的照片，我當(dāng)時(shí)一想，這個(gè)CT照片，我能不能找一個(gè)網(wǎng)站丟進(jìn)去看看我有沒有病呢？
今天早上我來之前發(fā)現(xiàn)，百度在三天前，發(fā)布了一個(gè)深度學(xué)習(xí)的成果：你可以對(duì)你的皮膚病進(jìn)行手機(jī)拍照，它幫你去做識(shí)別，成功率是多少？93%。準(zhǔn)確率遠(yuǎn)超過所有的人工的判斷。當(dāng)然，解釋一下，它只對(duì)8種皮膚病做判斷。
我想說，這是現(xiàn)狀而已。
語音識(shí)別。大家可以看到這是語音識(shí)別的一張圖。NIST是美國工業(yè)標(biāo)準(zhǔn)的一個(gè)機(jī)構(gòu)，我非常欣賞他們有這樣一個(gè)機(jī)構(gòu)，為什么？他們把所有做實(shí)驗(yàn)的數(shù)據(jù)，全部在上面標(biāo)準(zhǔn)的，你們誰做的更好，你直接可以從其數(shù)據(jù)中判斷出來。
這是微軟的圖，微軟在語音識(shí)別上最牛。微軟從什么時(shí)候開始的，2009年，他們干的很棒，錯(cuò)誤率一下子就下來了，越低。我剛剛講的Hindun今天人在谷歌，LeCun也在谷歌，而Beingo則堅(jiān)持學(xué)術(shù)。我們今天是不是才關(guān)注這個(gè)學(xué)科是不是很晚了？其實(shí)一點(diǎn)都不晚，它就這兩年剛剛突破，全世界都在琢磨，搞了幾十年都沒有成功，就這兩年突破了。而且應(yīng)該說從2010年才開始大規(guī)模投入干這事。所以一點(diǎn)都不晚。在我的感覺里面，這次浪潮就像我感覺到的2000年的時(shí)候互聯(lián)網(wǎng)。它的影響會(huì)非常大的巨大。
企業(yè)更應(yīng)該做好小數(shù)據(jù)
回到小數(shù)據(jù)問題，我更多的說一下我們現(xiàn)在該做一些什么事，我們要該做什么呢？
其實(shí)我想剛剛說了我們需要挖掘金礦，但我們真的不一定需要大數(shù)據(jù)，我們不一定非要需要那么多的大數(shù)據(jù)，像百度那樣像Google那樣，我們完全可以對(duì)自身的數(shù)據(jù)進(jìn)行挖掘，你們要知道那個(gè)方法，大家來之前很多人都知道BI，但你們知道嗎？BI在這么多年，都用的是傳統(tǒng)的技術(shù)。像SVN這樣的技術(shù)，傳統(tǒng)的技術(shù)用在上面，而真正的技術(shù)卻沒有用到數(shù)據(jù)挖掘上面，因?yàn)樘砹耍铝恕Ｉ虡I(yè)上面我更為一定要關(guān)注自己企業(yè)現(xiàn)有的數(shù)據(jù)，那些結(jié)構(gòu)化的數(shù)據(jù)，是我們已經(jīng)經(jīng)過思考，并且認(rèn)證它是對(duì)的，那是高質(zhì)量的數(shù)據(jù)。所以我們一定要關(guān)注自己，而且對(duì)我的企業(yè)的針對(duì)性更強(qiáng)。我去拿了一大堆的數(shù)據(jù)，就算是再高質(zhì)量也沒用，我們應(yīng)該去對(duì)自己的自身數(shù)據(jù)進(jìn)行理解。其實(shí)。在此之前，我們真的沒有讀懂?dāng)?shù)據(jù)里面的內(nèi)容。尿布與啤酒的故事，我不知道大家是否知道這樣的故事，這是BI里面拿來說事拿來講故事的，就是有人在超市發(fā)現(xiàn)，爸爸去超市買尿片的時(shí)候，總會(huì)買啤酒。最后發(fā)現(xiàn)，把他們倆放在一塊兒，然后就賣的更好，這是BI的一種東西。
當(dāng)然同時(shí)也有其他的這種BI，比如說信用卡的用戶分析，類似的傳統(tǒng)統(tǒng)計(jì)方法太多了，但是今天有了新的東西，我們可以挖掘出更多新的方法。
所以我更認(rèn)為，我們應(yīng)該去做小數(shù)據(jù)。
前天組辦方讓我來講這個(gè)融合通信的時(shí)候，我都忘了它是個(gè)什么東西了。然后我就去查了一下，說融合通信得跟計(jì)算機(jī)結(jié)合起來，我當(dāng)時(shí)第一感覺這不是廢話嗎？肯定得跟計(jì)算機(jī)結(jié)合在一起。
就融合通信，我想講一下未來吧。我認(rèn)為應(yīng)該叫融合信息，首先是發(fā)生在信息這方面。再接下來我認(rèn)為叫做交流。我覺得這個(gè)交流跟融合沒有關(guān)系，本來就得融合，你不融合不行。我覺得是交流。再接下來是智能交流。對(duì)這個(gè)東西我有點(diǎn)擔(dān)憂，智能交流，我有點(diǎn)害怕。
比如做Call Center的，做會(huì)議的，你們都應(yīng)該可以做智能call Center。因?yàn)榭梢宰R(shí)別客戶的通話，你將可以智能的識(shí)別出他在說什么，能夠自動(dòng)產(chǎn)生語言，就應(yīng)該自動(dòng)能夠回答。
智能聊天：“小冰”。大家都知道小冰，當(dāng)然小冰的東西做的確實(shí)不怎么好，以前她在微信上聊天，現(xiàn)在微信號(hào)關(guān)了，現(xiàn)在在微博上聊天，智能聊天。我在微信上我準(zhǔn)備做一個(gè)小虎，跟小冰談戀愛，我想他們有可能會(huì)把整個(gè)互聯(lián)網(wǎng)談癱了。
智能宣傳“智能文稿”。現(xiàn)在已經(jīng)能夠做到智能文稿，就是說新聞這樣的文稿，現(xiàn)在已經(jīng)不用人來寫了，直接就神經(jīng)網(wǎng)絡(luò)去寫。這種是現(xiàn)實(shí)的嗎？這是真事，我只是沒有放實(shí)際上是哪家做出了。有了智能宣傳以后，后面我就不敢寫了。我覺得可以智能洗腦。這有點(diǎn)可怕，所以我不敢寫了，大家自己去看。
對(duì)前景怎么看？
第一個(gè)詞，“深度學(xué)習(xí)”，它現(xiàn)在是世界十大通用技術(shù)之首。“通用技術(shù)”，不是專用技術(shù)，通用技術(shù)，哪個(gè)領(lǐng)域都能用，生物界能用，醫(yī)療界能用，什么都可以用,這是麻省理工學(xué)院提出來的。第二個(gè)詞“第三次產(chǎn)業(yè)革命”。是習(xí)大大說的，不是我說的。當(dāng)然，大家會(huì)問你的看法呢？其實(shí)我沒有什么看法，我就知道兩件事，第一“她會(huì)學(xué)習(xí)”她現(xiàn)在確實(shí)會(huì)學(xué)習(xí)了，而且不怕累。你注意，我用的是“她”，以后大家看到這個(gè)句要當(dāng)心點(diǎn)。第二個(gè)“她不會(huì)死”。每個(gè)人的知識(shí)，都是有限的。謝謝大家。
京公網(wǎng)安備 11010502049343號(hào)