關於 tcp ip五層 ，我們在網路上蒐集到這些相關的討論、資訊與評價

【線上資安免費講座】- Cloud Data Security 雲端資料安全與法規遵循
課程名稱：Cloud Data Security 雲端資料安全與法規遵循(免費)
直播時間：(上半場)：2021/08/03 (二) 13:30～16:30
(下半場)：2021/08/04 (三) 13:30～16:30
參與方式：預計以 Microsoft Teams 軟體進行線上直播
報名時間：2021/07/16 (五)中午12：00～07/30 (五)下午17：00
報名表單：https://forms.gle/epUawDVfejq7xCah9

歡迎園區廠商免費報名參加，請有意報名之園區廠商同仁於「報名時間」至「報名表單」連結網址報名登記，報名後將於8/2(一)寄發課前通知信及提供視訊連結，敬請留意信件！並持續關注SP-ISAC網站『活動資訊』。
考量視訊品質與所使用之平台上線人數最大值，若報名人數達標時，報名連結將關閉。

課程介紹：
近年除資安法上路，伴隨資安事件的層出不窮，面對接踵而來的新型態勒索軟體的威脅，無論是公有雲、私有雲，還是混合雲等存在於雲端主機的資料保護環境，即為現今較為嚴峻的挑戰且重視的課題。雲端資安風險將需透過尋求有/無法規與稽核標準面向來進行統整性的規劃，進而守護珍貴的資料資產，協助避免或降低企業內部導致資料外洩與被勒索加密的衝擊與損失，那雲端資安該如何落實、掌握資安突破關鍵項目，亦是降低衝擊的風險呢？
透過本課程了解在稽核雲端安全中的注意事項與雲端資安事件中的法規遵循面之資訊，幫助在處理雲端資安事件時參考。

課程內容安排：
1.近期雲端攻擊事件｜2.雲端運算架構解析｜3.雲端資料儲存架構｜4.雲端運算安全威脅｜5.雲端運算攻擊手法 ｜ 6.雲服務與個人數據安全控制機制
7.雲服務資料安全技術與政策｜8.雲端服務法規遵循｜9.雲服務事件稽核、追蹤與責任

參加對象：
1.企業資安相關領域相關人員與企業資安管理人員。
2.對資訊安全有興趣者。
3.了解作業系統操作、運作原理、TCP/IP網路運作基礎者。

IoT的快速發展迫使人們重新思考傳統Wi-Fi，Wi-Fi HaLow與傳統Wi-Fi有何不同？

TECHSUGARTECHSUGAR 發表於 2021年6月22日 15:00 2021-06-22

Wi-Fi就像是我們互聯世界的氧氣，是當今最普遍的無線網路協議，承載了超過一半的網際網路流量。「Wi-Fi 是一個通用術語，指的是經過二十多年發展而成的802.11協議家族。Wi-Fi聯盟是推動Wi-Fi應用和發展的組織，該組織用數字命名法，簡化了常用的幾代Wi-Fi名稱，例如，Wi-Fi 4 = 802.11n、Wi-Fi 5 = 802.11ac 、Wi-Fi 6 = 802.11ax。您正在家裡或工作場所使用的，很有可能就是這些類型的Wi-Fi。

儘管Wi-Fi 4/5/6無處不在，但物聯網（IoT）的快速發展，迫使人們重新思考傳統Wi-Fi，揭示技術差距，重新定義802.11協議在現今超低功耗物聯網設備的無線連接世界中應該發揮的作用。物聯網和機器對機器（M2M）應用，對遠端連接和低功耗的更高要求，促使人們需要另一種為物聯網而最佳化的Wi-Fi。

Wi-Fi HaLow（發音為HEY-low）協議，透過提供超低功耗的無線解決方案，填補了這一空白，與傳統Wi-Fi相比，該方案可以在更遠的距離和更低的功耗下，連接更多的物聯網設備。該協議於2016年得到了IEEE 802.11ah任務組的批准，被Wi-Fi聯盟稱為Wi-Fi HaLow。

Wi-Fi HaLow本質上是一款低功耗、遠距離、多用途的Wi-Fi版本，在免許可的1 GHz頻譜下運行。Wi-Fi HaLow標準結合了能效、遠端連接、低延遲、高解析度影片品質數據速率、安全功能和本地IP支持，是無線連接、電池供電的物聯網設備的理想協議選擇。讓我們仔細看看Wi-Fi HaLow和傳統Wi-Fi之間的一些主要分別，以及為什麼802.11ah協議非常適合物聯網應用的連接要求。

一種省電的協議

Wi-Fi HaLow為耗電的物聯網設備，提供了卓越的能效。IEEE 802.11ah規定的各種複雜的休眠模式，使HaLow設備能夠長時間處於極低功率狀態， 節省電池能量：

TWT（Target wake time）：這允許工作站（STA）和存取點（AP）預先安排一個時間，喚醒休眠的節點以存取訊號。

RAW（Restricted access window）：存取點可以授予工作站子集傳輸其資料的權限，而其他工作站則被迫休眠、緩衝非緊急數據或兩者兼而有之。

BSS（Basic Service Set ）空閒期：這將工作站的「允許空閒期」延長至五年。

TIM（Traffic Indication Mapping ）： 更有效地分組編碼TIM，節省信標（Beacon）的傳輸時間。

短MAC標頭：將低標頭傳輸虛耗、傳輸時間和功耗，並釋放無線電波頻段。

空值PHY協議數據單元（NPD）：這將類似MAC的ACKs/NACKs嵌入PHY層，以減少時間和功耗。

短信標：短（有限）信標頻繁發送以同步工作站，而完整信標的發送頻率較低。

BSS著色機制：顏色分配表示特定接入點的BSS組，而站點可以忽略其他顏色。

雙向TXOP（BDT：Bi-directional TXOP）：當喚醒工作站，發現存在用於傳輸的上行和下行訊框（Frame）時，會減少介質的存取次數。BDT使用實體層協議資料單元（PPDU）的訊號（SIG）字段中的響應指示，以增加對第三方工作站傳輸的TXOP持續時間保護。

該協議的高效休眠和電源管理模式，支援物聯網設備使用電池運行多年，以及多種靈活的電源和電池大小選擇，從採用鈕扣電池的短距離物聯網設備，到傳輸超過一公里的更高功率、採用更大電池的應用。與2.4 GHz和5 GHz頻段的Wi-Fi協議相比，該協議採用的sub-GHz窄頻訊號，傳輸距離更遠，能耗更低，讓每單位能耗可傳輸更多數據。

因此，Wi-Fi HaLow晶片所需的功率僅為傳統Wi-Fi晶片的一小部分。雖然傳統Wi-Fi的數據速率較高，讓使用者能夠在2.4 GHz、5 GHz和6 GHz頻段，使用寬頻頻道快速傳輸高解析影片和下載大量檔案，但這些Wi-Fi連接的有效距離很短，電池消耗很快，需要頻繁充電或更換電池，或者最好有一個主電源連接。基於這些原因，Wi-Fi HaLow是電源受限的物聯網設備的更好選擇，這些設備需要達到更遠的距離，並能用電池運行數年，同時仍然提供較高的數據吞吐量。

Wi-Fi HaLow的sub-1 GHz協議優化了滲透率、覆蓋範圍、功率和容量。

覆蓋範圍更廣

802.11標準涵蓋的頻率範圍非常廣泛，從sub-GHz到毫米波（mmWave）。Wi-Fi HaLow是第一個在免許可的sub-GHz頻段運行的Wi-Fi標準。Wi-Fi HaLow提供的數據速率，從幾百kb/s到幾十Mb/s不等，傳輸距離從幾十公尺到一公里以上。

與傳統Wi-Fi使用的最窄的20MHz頻道相比，Wi-Fi HaLow的sub-1 GHz訊號使用更窄的頻道，從1MHz到更窄。由於頻道中的熱雜訊較低，這種20倍的頻寬系數轉化為13 dB的link budget改進。與傳統的2.4 GHz Wi-Fi相比，750 MHz – 950 MHz之間的RF頻率，需要額外增加8dB-9 dB的link budget，進而節省自由空間傳輸損耗。此外，Wi-Fi HaLow協議增加了一個範圍最佳化的調變和編碼方案（MCS10），可提供額外的3dBlink budget改進。

總之，與傳統的2.4GHz IEEE 802.11n（Wi-Fi 4）相比，Wi-Fi HaLow提供了高達24dB的link budget改進。與頻率更高、頻寬更寬的802.11ac（Wi-Fi 5）和802.11ax（Wi-Fi 6/6E）協議相比，Wi-Fi HaLowlink budget優勢進一步增強，其使用頻寬更寬的5GHz和6GHz頻譜。這就解釋了為什麼Wi-Fi HaLow訊號的傳輸距離，是傳統Wi-Fi的十倍，而不需要網路擴展器。例如，電池供電的攝影鏡頭可以放置在家裡或車庫外牆更方便的地方。照明系統可以從單個AP控制，而不管燈具是在室內還是室外的花園裡。

為終端使用者提供無線物聯網解決方案，覆蓋數百公尺的距離，而無需額外的擴展器或昂貴的手機行動網路，是802.11ah協議的一個關鍵競爭優勢。Wi-Fi-HaLow的遠端覆蓋優勢，擴展了智慧型家居和智慧型城市網路的範圍，讓使用者能夠控制1公里以外的物聯網設備，遠遠超出了傳統Wi-Fi協議的覆蓋範圍。

訊號穿透力更強

一般來說：頻率越低，覆蓋範圍越遠，穿透障礙物的能力越強。Sub-GHz 的Wi-Fi HaLow訊號可以比傳統Wi-Fi更容易穿過牆壁和其他障礙物。與2.4GHz和5GHz頻段的Wi-Fi協議相比，住宅和商業建築的建築材料和布局的變化，對sub-GHz HaLow訊號的影響較小。Wi-Fi HaLow可以穿透牆壁和建築物，這有助於減少客戶投訴和產品退貨，這些問題有時會困擾使用傳統Wi-Fi的產品。

Wi-Fi HaLow使用正交分頻多工（OFDM）調變，來校正反射和多徑環境。無論設備製造商的產品是在室內還是室外，或者是在地下室還是閣樓，Wi-Fi HaLow都可以確保設備與接入點之間有穩健的連接。這種靈活性消除了提供專有集線器或橋接設備以補償不同家庭架構的額外成本和複雜性。

高度可擴展的解決方案

單個Wi-Fi HaLow接入點可以處理多達8191個設備，是傳統Wi-Fi接入點的4倍多。在可預見的未來，這足夠連接每個LED燈泡、電燈開關、智慧型門鎖、電動窗簾、恆溫器、煙霧探測器、太陽能電池板、監控攝影鏡頭或任何可想像的智慧型家居設備。典型的家庭Wi-Fi路由器，通常支援幾十種設備。當頻寬服務提供商在家居中進行部署時，單個Wi-Fi HaLow接入點可以成為一個可擴展的平台，用於提供額外的安全和公用事業管理設備和服務。

多種訊號傳遞選項，減少了管理和控制大量HaLow設備所需的開銷。這樣可以最大限度地減少訊號衝突，並為有源設備釋放無線電波，以便以最快的調變和編碼方案（MCS）速率傳輸更多數據。與傳統Wi-Fi一樣，HaLow可以根據訊號完整性和與接入點的距離，自動調整頻寬。預定義的MCS級別支持單流、單天線產品的頻寬從150 Kbps到40 Mbps，使用的頻寬從1 MHz到8 MHz，80 Mbps的能力也可通過使用可選的16 MHz寬頻道來實現。

Wi-Fi HaLow的星形網路拓撲結構、卓越的穿透力、廣闊的覆蓋面積和巨大的容量，將無線連接從難以部署和頻寬受限的網狀網路中解放出來，簡化了網路安裝，並將總體持有成本降至最低。

具有抗噪性的免許可頻譜

與採用2.4GHz、5GHz和6GHz頻段的傳統Wi-Fi一樣，Wi-Fi HaLow使終端使用者能夠擁有自己的設備並使用免許可的sub-GHz無線電頻譜，範圍從750MHz到950MHz。Wi-Fi HaLow的可用頻率範圍、最大傳輸功率和占空比，在世界各地有所不同。（例如，美洲可用的HaLow頻譜是902 MHz至928 MHz，而在歐洲是863 MHz至868 MHz）。

Wi-Fi HaLow在工業、科學和醫療（ISM）頻段內運行，可以使用多種頻段：1MHz、2MHz、4MHz、8MHz和16MHz。頻寬越窄，訊號傳輸的距離就越遠。使用OFDM，以跨多個子頻道的數據包形式傳輸數據，這可以提高在具有挑戰性的RF環境中的性能，特別是當有來自其他無線電設備的強干擾時。前向錯誤更正（FEC）編碼也為恢復數據包提供了額外的保護，確保穩健的連接。

安全性和互通性

與其他IEEE 802.11 Wi-Fi版本一樣，Wi-Fi HaLow是一種固有的安全無線協議，支援最新的Wi-Fi認證要求（WPA3）和空中傳輸（OTA）AES加密，其數據速率可以實現安全的OTA韌體升級。

就像其他類型的Wi-Fi一樣，HaLow是一個全球公認的標準（IEEE 802.11ah），定義了連接設備如何進行安全認證和通訊。採用Wi-Fi HaLow的設備供應商，可以保證其產品和網路，將按照Wi-Fi聯盟的開髮指導來實現互通性。由於Wi-Fi HaLow是IEEE 802.11標準的一部分，Wi-Fi HaLow網路也可以與Wi-Fi 4、Wi-Fi 5和Wi-Fi 6網路共存，而不影響其RF性能。

本地IP支援

所有物聯網路都需要網路協議（IP）支持，以實現雲端連接。由於Wi-Fi HaLow是802.11 Wi-Fi標準，因此它提供本地TCP/IP支持。這種內建的IP功能，意味著物聯網連接不需要專有閘道器或橋接器。所有連接到具有Wi-Fi HaLow功能的路由器的客戶端設備，可以使用IPv4/IPv6傳輸協議，直接連結網際網路，以獲得基於雲端的服務和物聯網數據的管理。

HaLow效應：延伸範圍，拓展物聯網的可能性

傳統Wi-Fi的網路擁塞、範圍限制和較高的功耗，以及可連接到單個AP的設備數量有限，在當今物聯網設備的世界中已不再可行。這些限制阻礙了各行業出現的以物聯網為中心的新商業模式，這些模式需要更遠的距離、更大的容量、更靈活的電池和電源選項，同時最大限度地降低部署成本。

作為一種遠端協議，Wi-Fi HaLow支持那些2.4GHz和5GHz Wi-Fi無法達到的室內外物聯網應用，例如遠端監控鏡頭、門禁網路甚至無人機。其他潛在的使用案例包括大型公共場所，如體育場館、購物中心和會議中心，在這些場所，單個Wi-Fi HaLow接入點可以替代大量的接入點，無需複雜的網狀網路，簡化了安裝，降低了總持有成本。

工業物聯網、過程控制感測器、大樓自動化、倉庫和零售店等眾多應用，也將受益於這種遠端、低功耗協議，讓無數設備能夠在日益自動化的世界中保持連接。事實上，Wi-Fi-HaLow在傳統的802.11協議中因其覆蓋範圍、能效、容量和多功能性而脫穎而出。

附圖：▲Wi-Fi 4/5/6與Wi-Fi HaLow的比較
▲ 傳統的Wi-Fi 4/5/6協議，使用更高的頻率和更寬的頻寬來最大化吞吐量。
▲ 比較802.11n/ac（左）和802.11ah（右）的吞吐量與範圍。（資料來源：Sensors期刊（Basel ）。2016年11月，IEEE 802.11ah：一種應對物聯網挑戰的技術，作者：Victor Baños-Gonzalez, M. Shahwaiz Afaqui, Elena Lopez-Aguilera, and Eduard Garcia-Villegas）

資料來源：https://www.techbang.com/posts/87835-wifi-halow-iot?fbclid=IwAR1P3nR4iV8V3ZhhOO4zX7GZ_9Tz4v5MBzLlCX3aXYbnOCVqPYi58LPFrmQ

近日，我與阿萊克斯·彭特蘭教授（Alex Pentland）展開了一場”AI如何重塑人類社會”的精彩對話。

《連線》雜誌的資深撰稿人威爾·奈特（Will Knight）主持了這場對話。

阿萊克斯·彭特蘭教授任教于麻省理工學院，為全球大資料權威專家之一，現任MIT連接科學研究所主任、MIT媒體藝術與科學教授，擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜，曾參與創建MIT媒體實驗室，是全球被引述次數最多的計算科學家之一。

對話金句：

李開復：

 AI最大的機會蘊藏在與傳統企業的結合中，這種價值的產生極其迅速，只需要幾個月，甚至短短幾周。
 未來突破很難預測，對奇點、超級智慧的爭辯，在我看來都過於樂觀了。
 小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，不要與巨頭核心業務正面硬碰。

阿萊克斯·彭特蘭：

 AI絕非試圖取代人類，而是促進多元文化之間的相互連接、團隊合作，讓人們更好的進行社交和連接彼此。
 最困難的其實是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。
 人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

我在對話中表示，當我們試圖解決AI問題時，應該用技術來解決技術的問題，可以尋求與監管部門協作，而不只是丟給他們，“新技術會衍生新的問題，我們應該多方嘗試用更進階的技術性解決方案，就像電腦病毒剛出現時，殺毒軟體隨之誕生。”

彭特蘭教授認為，人工智慧的核心，是促進多元文化之間的相互連接。不只是工程師或科學家，連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準，就像TCP/IP互聯網協定那樣，避免AI冷戰。” 我們都贊同，AI發展從來不是單打獨鬥，跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇（MIT-CHIEF) 組織的高峰對話系列活動，主題是《計算與未來: AI與資料科學如何重塑人類社會》。

麻省理工學院中國創新與創業論壇（MIT-CHIEF）由麻省理工學院的中國留學生創立，至今已有十年，是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者，共同探討科技創新及商業化過程中面臨的挑戰。

以下是我們對話的核心內容，由我的同事整理、分享給大家：

Part I 主題演講

▌李開復：各方應協作，讓AI 更務實

非常榮幸再次受到MIT-CHIEF的邀請，對於人工智慧的看法，這次我主要想講四點。

第一點是我書裡的主題，人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段，從應用落地層面來說，正迎來了AI發展最大的機遇。

很多科技公司目前已對人工智慧進行了多樣化佈局，從視覺、語言、觸覺和其他感知技術，到自動化機器人、無人駕駛等，對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性，但我預測未來的格局會非常龐大，依據統計，各行各業採用AI的程度目前不到5%，AI應用的中長期增長曲線相當可期。

第二點是我很欣喜看到的一點，AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多，更多的AI公司湧現出來。

AI最大的機會蘊藏在與傳統企業的結合中，創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。

作為AI投資人，我認為在這些行業如果找到正確的AI應用方向，就能帶來上千萬的回報。這種商業價值的產生是極其迅速的，通常只需要幾個月，甚至短短幾周就能看到成果。

現在人工智慧在傳統產業的滲透率仍在個位數，仍然有很大的提升空間。然而對於很多公司來說，它們需要的是高度定制化的方案，而非通用型AI方案，所以融合的過程中，不可避免會遇到不少挑戰和痛點。

第三，我早年做過很多科研工作，很高興能看到關於系統一和系統二（System One, System Two）的討論，我們期待人工智慧技術從系統一升級為系統二，即從識別、決策、優化等能力，升級到感知、認知等進階智慧的能力。

有不同的學派都在努力讓人工智慧更接近人類智慧，其中一個流派主張回歸經典的AI理念，甚至重新構建嶄新的模型結構，在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。

回看人工智慧過去60多年的歷程，最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路（CNN）帶來的喜人成績，還有預訓練自然語言處理模型（Pre-Trained Models for Natural Language Processing）的廣泛運用。

預訓練模型與人類語言學習的模式類似，不管是英語還是中文，在習得這些語言之後，再去學習程式設計、藝術、化學。在無人監督的學習環境中，這種模式比我們想像得還要強大，就像阿爾法圍棋（AlphaGo）一樣。

最後一點我想說的是，如何讓AI變得更務實。

AI有很多問題，例如隱私、資料安全、治理和監管，在此就不一一討論了。當我們試圖解決這些AI難題時，有人認為讓監管部門加強管理是唯一辦法，其實不然，我們是否也可以朝著研發更厲害的技術性解決方案去努力？

就像電腦病毒剛出現時，殺毒軟體隨之誕生；面對千年蟲難題時，也迅速找到了技術應對方案。我們可以通過研發新技術，應對DeepFake深度換臉程式的挑戰；或者通過聯邦學習技術，在保證資料私密性的同時，滿足深度學習訓練需求。

作為握有技術能力的群體，我們需要與監管部門一起協作，而不只是把工作丟給他們。相信有了各方的助力，我們可以讓AI的應用變得更有深度，更加務實，更高效地克服現在面臨的種種問題。

▌阿萊克斯·彭特蘭：國家間應建立互通標準，避免“AI冷戰”

我對當前的深度學習技術不太樂觀。

最為主要原因是，深度學習不僅需要龐大的資料來源，而且要求這些資料長時間恒定不變，以保證模型訓練結果的可靠性，例如人類的面容、語言，就是相對穩定不變的資料來源。

但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時，出現了倉庫貨物緊缺，不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰，就是因為快速變化的疫情，和深度學習對恒定資料來源的需求是矛盾的。

另外，我想談談如何通過聯邦學習，促進資料的流通。

大多數公司沒有足夠豐富的資料，需要聯合不同的資料來源。基於這種需求，出現了很多新商業模式，比如“資料經紀人”——他們不出售資料，而是把資料借出去，作特定需求的使用。

“資料經紀人”業務湧現了很多，他們促進了資料的流通，也加強了資料的隱私性。因此，像聯邦學習這樣的技術和商業策略結合，有效解決了資料在合規性和所有權方面的難題。

聯邦學習也依賴於新的基礎設施建設，為資料應用和深度學習提供基礎環境，比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗，新加坡等國家設置了一種相互競爭的區塊鏈系統，來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗，涉及不同資料的互通性和連貫性問題。

我們仍在研究如何用儘量少的資料，實現人工智慧的目標。少量資料是指不斷更新的短期資料，這些資料能使AI應對迅速變化的情況，並及時做出調整。

我們打算將AI與其他基礎科學結合，例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料，可能會比深度學習更加強大。

除此之外，我們在探討用AI保障聯邦學習過程中不同資料方的權益，這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。

另一方面，我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作，找出解決系統入侵和保障網路安全的方法。

我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策，也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率，比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。

基於我們已有的多中繼資料庫，現在可以利用AI實現全新的資料優化方式，將貧困、不平等這種之前無法量化的指標，通過可量化的指標進行評估。

同時，要真正實現這個目標，我們還需要制定統一的互通性標準。如果沒有這個標準，國家之間就不會相互信任去合作，就可能出現AI冷戰。

因此我們需要找到促進合作的方式，就像TCP/IP互聯網協議那樣。而之前我提到的，新加坡、瑞士等現在正在嘗試的區塊鏈系統，將有希望解決國家間缺乏互通標準的問題。

Part II 對話

▌ 美國線上教育發展難度更大，只在ZOOM上講課是不夠的

Q1：疫情加速了行業的改變，遠端醫療、線上教育開始蓬勃發展，這只是AI對人類社會產生影響的冰山一角。想請兩位談一談，目前看好AI在哪些領域應用的未來前景？

李開復：疫情的確對整個社會產生了實質性的影響，人們行為習慣發生了很多改變，更願意接受線上學習和工作了。

這種新的行為習慣產生了大量資料流程，為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料，可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究，因此我相信AI在醫療健康領域的潛能是非常巨大的。

AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務，例如批改作業，讓老師得以將時間精力投入到更有創造性的事情上，能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性，比如設置卡通版AI虛擬老師，讓課程充滿趣味性。

在中國，有很多線上教育公司在疫情之前就已經發展迅速，像創新工場投資的VIPKID，讓國外的純正英語老師線上上教授中國學生。目前，中國的線上教育已經擴展到了更多科目，包括體育、舞蹈、書法等素質教育課程。

相比之下，美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的，好的線上教育必須要有好的內容。

▌AI核心是增強人際互聯，應注重文化多樣性

阿萊克斯·彭特蘭：李開復博士提到的教育案例，我不是很認同。

MIT大約20年前就在教育中使用AI，重點根本不是內容，我們甚至提倡將內容免費開放給大眾。

AI絕非試圖取代人類的作用，我們更強調用AI增強人與人之間的互動，讓人們更好的社交和連接彼此。比如手機上人工智慧技術，不是要取代你，而是讓你高效地找到最適合的工作、最正確的人，讓你更容易的獲取資訊，並進行創新。

我們可以利用資料激發更強的創新力，培養領導力。只有基於這樣的宗旨，才能促進更有創造力的教育和學習，這比關注教育內容本身重要得多。

在加拿大，有家創業公司正在訓練普通民眾學習AI，比如水管工，教學效果非常不錯。他們的教育方式不是簡單的教授基本知識，而是以一種能夠激發人們互動思考的方式。

我們之前在中國調研了3000多個孵化器，發現創業公司成功的要素裡，第一個是文化多樣性，也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性，他們能否發揮自己所長，並很好地進行團隊合作。

1956年，馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解，不應該只停留在“人工”層面，而應擴展到多元文化之間的相互連接、團隊合作，我把它叫做延伸智能（Extended Intelligence)。這也是我想強調的，人工智慧這個名詞有一定的偶然性，但它的核心點是增強人與人之間的互聯性。

▌AI未來突破難預測，奇點、超級智慧過於樂觀

Q2：未來十年AI有沒有可能取得重要突破？比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼？

李開復：過去60多年來，深度學習是唯一的重大突破。在這之後，卷積神經網路（CNN）和GPT-3等都算是重要的改善，我對於人工智慧的漸進式改善保持樂觀。

對科學家來說，他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易，只要有大量的資料，就可以從實驗室進入到行業應用，CNN和GPT-3都是模型加海量資料的成果。

我是務實派的，雖然持有樂觀態度，但並不是一位“未來學家”。未來的突破很難預測，對奇點（Singularity）的爭辯，甚至預測超級智慧的出現，在我看來都過於樂觀了。

阿萊克斯·彭特蘭：我同意李博士的觀點。很多生物機制很難解釋，包括用感知認識事物、理解聲音、尋找食物等，是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論，並進行實踐。

從務實的角度來說，我最感興趣的就是聯邦學習。就醫療而言，我們有這麼多醫院，在新冠疫情期間做了很多的實驗，為什麼這些實驗資料不能進行聯合呢？

儘管資料有不相容的地方，但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來，我們對資料的需求也許會越來越少，外科醫生或者物理學家或許不需要太多資料，因為他們對規則已經瞭若指掌了。

▌不要墨守成規，要跨領域、跨學科應對挑戰

Q3：人工智慧會有什關鍵挑戰？對於想從事這個行業的人，有什麼是需要瞭解的關鍵點？

李開復：首先，大背景在改變，新科技層出不窮，我們每年都需要學習新的東西。

其次，人工智慧可能引起各種問題，包括偏見、歧視、倫理道德等，是否危害人類的身體健康，無人駕駛技術該何去何從等等。

第三，人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校，能夠把AI教育擴展到各個學科，讓研發人員及早意識到自己的責任和價值。

阿萊克斯·彭特蘭：是的，我朋友做過一個有關電的趣味類比，電動馬達最初在工廠裡用於生產的時候，並沒有發揮出多大的作用，因為大家並不知道如何改造生產流程。

AI在一些領域發揮的作用是顯著的，但應用到其他領域時，就需要改造流程。很多情況下，最困難的就是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。

而有意思的是，就像李博士提到的，像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。

比如，我今天早上正好就這個話題跟G20領導人對話，大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題，不能只是工程師或者社會科學從業者們在做，經濟學家，政治家等等都必須參與進來緊密合作。

隨著AI的應用領域越來越廣，除了必須具備強有力的技巧來建立社會規則，還需要對研究經費、企業投入等進行各種調整。

▌雖然大公司實力不容小覷，但依舊對小公司抱有期待

Q4：AI研究會消耗大量的資源，我們是否應該將資源往學術界平衡？現在已經發生資源的重新分配和平衡了嗎？

李開復：就人才而言，現在已經有重新平衡的跡象了。

過去，頂尖大學的學者基於待遇和種種考量，不少選擇去企業界工作。而近期，曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。

但像GPT-3這樣的技術，仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練，就要花費460萬美金，只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。

我觀察到，近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建，為了解決特定問題而生，並非紙上談兵做突破性科研，切入的領域也往往是巨頭公司忽略的地方。

例如，為製造業進行AI賦能，不是一件輕鬆的事，需要去工廠實地勘查，瞭解運作方式。大公司因為賺錢很容易，不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果，就會給產業界帶來革命性的影響。所以，雖然大公司的實力不容小覷，但我依舊對小公司抱有期待。

阿萊克斯·彭特蘭：大學和公司是一種融合的關係，不僅體現在人才流動上，也會進行資訊資源分享，彼此是整體性的合作態勢。

當然這也不是絕對，產業界的保密需求還是存在的，只是從學校的出發點來說，我們願意毫無保留地為大家提供更好的研究成果，並與企業合作，形成標準化平臺。

▌人工智慧取代人類需要上百年或更久

Q5：兩位認為什麼是AI不能取代的？

李開復：一類是創造力、分析能力、邏輯辯論能力，瞭解自己知道什麼不知道什麼，這些是人工智慧無法取代的。另外一類是同理心，人類之間的信任、友誼，自我認知、意識等。

阿萊克斯·彭特蘭：人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

▌AI創業建議I：找到小切入點，不要與巨頭正面硬碰

Q6：李博士提到了AI在小企業中的運用，可否再舉例說明是如何運用的？

李開復：這個問題分兩部分：一個是小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，並且不要與巨頭核心業務正面硬碰。

對於那些中小型非AI、但想應用AI的公司，需要確保有足夠的資料，以訓練與核心商業價值掛鉤的AI模型，並且有願意變革的開放性公司文化。

所以，早期應用AI的公司可能規模較大，因為他們有足夠大的資料，和可相容變革的商業模型。每個例子都不同，不是任何一家公司都要應用AI。

阿萊克斯·彭特蘭：如果我們放寬AI的定義，或許水管工、合同工都有資料，通過一些簡單的分析、整合，AI也可以在很大程度上改進他們的工作。

這些都是很小的切入點，基於簡單的AI分析、機器學習，依舊可以產生巨大的潛力。

▌ AI創業建議II：知曉技術，同時理解商業

Q7：兩位再分享一下最後的建議？

李開復：我們在步入一個AI開始滲透到方方面面的令人振奮的時代，我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地，而不僅僅鑽研技術本身。

阿萊克斯·彭特蘭：不要太較真於深度學習或者冗長的演算法，一切始於要解決的現實問題。不要止步於技術本身，要明白資料類型、形態和規律，關注商業流程。

感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。