人工智能的三次沉浮，和可能的寒冬
[[437677]]
如果将眼光放长远一点，历史上已经经历了三次发展浪潮，也经历了两次低谷。换言之，人工智能的泡沫已经破灭两次了。让我们先来回顾一下人工智能这三起两落的历史，从历史中来找寻现在的意义，推导出我们可能面临的未来。
第一次浪潮和第一次低谷：
达特茅斯会议推动了全球第一次人工智能浪潮的出现，这次浪潮从1956年一直持续到1974年。当时乐观的气氛弥漫着整个学界，在算法方面出现了很多世界级的发明，其中包括一种叫做增强学习的雏形(即贝尔曼公式)，增强学习就是谷歌AlphaGo算法核心思想内容。
70年代初，AI遭遇了瓶颈。人们发现逻辑证明器、感知器、增强学习等等只能做很简单、非常专门且很窄的任务，稍微超出范围就无法应对。当时的计算机有限的内存和处理速度不足以解决任何实际的AI问题。研究者们很快发现，要求程序对这个世界具有儿童水平的认识这个要求都太高了——1970年没人能够做出人工智能需要的巨大数据库，也没人知道一个程序怎样才能学到如此丰富的信息。另一方面，有很多计算复杂度以指数程度增加，这成为了不可能完成的计算任务。
第二次浪潮和第二次低谷：在80年代，一类名为“专家系统”的AI程序开始为全世界的公司所采纳，而“知识处理”成为了主流AI研究的焦点。专家系统的能力来自于它们存储的专业知识，知识库系统和知识工程成为了80年代AI研究的主要方向。但是专家系统的实用性仅仅局限于某些特定情景，不久后人们对专家系统的狂热追捧转向巨大的失望。另一方面，1987年到1993年现代PC的出现，其费用远远低于专家系统所使用的Symbolics和Lisp等机器。相比于现代PC，专家系统被认为古老陈旧而非常难以维护。于是，政府经费开始下降，寒冬又一次来临。
第三次浪潮：1993年后，出现了新的数学工具、新的理论和摩尔定律。人工智能也在确定自己的方向，其中一个选择就是要做实用性、功能性的人工智能，这导致了一个新的人工智能路径。深度学习为核心的机器学习算法获得发展，积累的数据量极大丰富，新型芯片和云计算的发展使得可用的计算能力获得飞跃式发展，现代AI的曙光又再次出现了。一个标志性事件发生在2016年3月，谷歌DeepMind研发的AlphaGo在围棋人机大战中击败韩国职业九段棋手李世乭。随后，大众开始熟知人工智能，各个领域的热情都被调动起来了。
深度学习的发展，让人工智能进入新的发展高潮。技术尤其是算法层面的局限，决定了这次人工智能浪潮的“天花板”。深度学习算法带来的“技术红利”，将支撑我们再发展5~10年时间，随后就会遇到瓶颈。在人工智能领域，技术的进步不是线性的，而是线性积累和间断式突破交替进行的。我们必须要达到一个“技术奇点”，才能实现根本上的突破，达到通用人工智能甚至是超级人工智能的水平。大概率的可能性，未来几年人们对人工智能怀有巨大的热情和非理性的期待，但同时会渐渐发觉推进起来越来越费劲，仿佛有个无形的“天花板”挡在那里，迟迟不能获得突破，人们的耐心被渐渐耗尽，人工智能的下一个冬天也就来临了。
就一般产业而言，线性发展的成分更重一些，即使产业不能再往前推进了，依然能够保持比较高的产业成熟度。人工智能产业则不同，如果以百分制来衡量一个产业的发展程度，人工智能不是从1慢慢发展到100，而是要么是90分以上，要么是10以下。试想一下，你有一个智能助手，如果他的智力水平一直在10岁以下，你能接受么?那样的智能助手更多的是个玩具，不能委以重任，毕竟谁也不会将重要的事情交给一个小孩子来做。再比如翻译领域，一旦智能系统能够达到人类水平的翻译能力，那将是一次彻底的颠覆，人类翻译员将彻底消失;但是，在没达到那种水平之前，翻译系统基本就是个摆设，你不能通过那套系统来与外国人顺畅的交流，也不能将看到的整段材料马上转换成另一种语言。
人工智能的泡沫，更多的是产业化和商业应用层面的。很多做人工智能应用的企业，如果发现将方案落地的期待落空，那他整个商业价值存在的根基就不存在了，整个产业将会消失，大量企业也会倒闭。
如果真的要面对那样一个未来，我们应该怎么应对呢?我提出几点参考建议：
第一，适度降低对人工智能的技术期待，理性设定商业模式。企业要仔细评估技术的发展潜力，不要抱有不切实际的幻想。寻找并设计一些智能水平不是太高就能具有商业价值的应用模式，并基于此来构建竞争壁垒。比如在自动驾驶领域，我们要做好L4在10年内无法实现的心理准备，寻找一些L3级别就能具有商业价值的应用领域。
第二，现在就开始准备“过冬的粮草”。泡沫破灭之后，融资会变得越来越难，依据公司本身的造血能力维持基本没戏。所以，现在尽可能的多融资吧，并且在未来几年省着点花，争取能挨过寒冬。
第三，实行曲线救国策略，发展一些“伪智能”业务，拓展业务领域。如果哪天发现“纯人工智能”这条路走不通，可以考虑发展一些周边产业，只要能带来现金流就行。虽然挂羊头卖狗肉有点缺德，但能保存“革命的火种”，也算一件好事。
人工智能发展的三个热潮
随着AlphaGo和Master横扫棋坛，人工智能再次进入公众的视野。但追根溯源，人工智能并不是新鲜事物，早在1956年的达特茅斯会议被公认为是人工智能的起源。而50年后当年的会议者们重聚，看着照片中白发苍苍的人工智能开拓者与奠基者，不禁感慨万千。
20世纪50年代到60年代第一次热潮：理论的革新这是电子计算机刚刚诞生的时代，当时的计算机更多的被视为运算速度特别快的数学计算工具，图灵在思想上走到了所有研究者的最前沿，琢磨计算机是否能像人一样思考，即开始在理论高度思考“人工智能”的存在。1950年10月，艾伦图灵发表了一篇名为《计算机械和智能》的论文，提出了著名的图灵测试，影响深远，直到今天仍被计算机科学家乃至普罗大众所重视。以图灵测试为标志，数学证明系统，知识推理系统，专家系统等里程碑式的技术和应用在研究者中掀起了第一次热潮。在当时，人们对人工智能普遍持过分乐观的态度，人们认为看到了几年内计算机通过图灵测试的希望曙光。然而受到计算机性能和算法理论的局限，接踵而来的失败似乎渐渐消灭了人们的热情，人工智能的热度迅速消退。至2017年的今天，仍未有计算机真正意义上通过图灵测试。
20世纪80年代到90年代第二次热潮：思维的转变在第二次AI热潮中，语音识别是最具代表性的突破性进展之一，而这个突破依赖的是思维的转变。过去的语音识别更多的是专家系统，即根据的是语言学的知识，总结出语音和英文音素，再把每个字打开成音节与音素，让计算机用人类学习语言的方式来学习语言。在研发过程中，计算机工程师与科学家围绕着语言学家进行工作。而新的方法是基于数据的统计建模，抛弃了模仿人类思维方式总结思维规则的老路，研发过程中没有或极少语言学家的参与，更多的是计算机科学家与数学家的合作。这其中的转变看似容易，其实面临着人类既有观念和经验的极大阻力。最终，专家系统寿终正寝，基于数据统计模型的思想开始广泛传播。
事实证明，计算机的“思维”方法与人类的思维方法之间，似乎存在着非常微妙的差异，以至于在计算机科学的实践中，越是抛弃人类既有的经验知识，依赖于问题本身的数据特征，越是容易得到更好的结果。——李开复
2006年至今第三次热潮：技术的融合今天的人工智能研究中，深度学习无人不谈，无人不识。从知名的AlphaGo，到不那么知名但在2014年ImageNet竞赛中第一次超越人眼的图像识别算法，都是深度学习的产物。从根本上说，深度学习是一种用数学模型对真实世界中的特定问题进行建模，以解决该领域内相似问题的过程。但不为人所知的是，深度学习的历史几乎和人工智能一样长，只是一直默默无闻，直到它等到了时代的机遇。首先，计算机的计算性能和处理能力大幅提高。符合摩尔定律而指数级增长的计算机性能最终跨过了门槛。其次，互联网的蓬勃发展为搜索引擎等公司带来了高质量的大数据。并且正是因计算机性能的提高人们得以储存和利用这些数据。可以说在第三次热潮中，深度学习+大规模计算+大数据=人工智能
看到这里，似乎三次热潮只是如同下图所示：在一次又一次的震荡中往复。
然而事实或许并非如此，可能我们已经走到了从量变到质变的风口。
这条曲线概括了绝大多数高新技术的发展历程。我们很可能正处于第四个阶段。第三次热潮仍未结束。
第三次热潮有何不同？对比：前两次：学术研究主导市场宣传层面学术界在劝说和游说政府和投资人投钱更多的是提出问题第三次：商业需求主导商业模式层面投资人主动向热点领域的学术和创业项目投钱更多的是解决问题
如今的人工智能可以说真正和产业相结合，走进了人们的日常生活当中。搜索引擎的背后是以深度学习为基础的算法；美图秀秀的背后是机器视觉和AI艺术的结合；网络地图的背后是AI对大数据的挖掘和处理；……
今天的人工智能，是有用的人工智能。——李开复《人工智能》
最后以维基百科使用的综合定义作结：AI就是根据对环境的感知，做出合理的行动，并获得最大收益的计算机程序。
人工智能诞生在哪一年
人工智能诞生在1956年的美国，它是当年夏天的智能研讨会上出现的。但人工智能早在1950年就已经起源，最开始是图灵测试，然后在1954年出行第一台可以编程的机器人，然后在1956年的时候正式出现人工智能的概念，关键人物是麦卡锡、纽厄尔、西蒙。
人工智能诞生在哪一年人工智能的诞生时间是1956年的夏天，地点是美国达特茅斯学院，在这里举办了人类第一次人工智能的研讨会，会议上麦卡锡提出人工智能，并且产生人工智能的逻辑理论机器。之后的人工智能经历了几个发展阶段，其中20世纪50-70年代是黄金时代，之后10年是低谷，稍后又进入到繁荣时代。
人工智能有什么用人工智能的用处其实非常多，在我们生活里比较常见的安防、医疗、交通、零售、金融、工业制造里面都有运用。比如安防中人工智能可以分析目标的轨迹以及可能出现的地方;医疗中人工智能可以快速的筛查患者病情;交通领域人工智能能够实现无人驾驶;零售行业人工智能可以快速导购、支付等等。
人工智能专业学什么人工智能是现在比较热门的专业，它可能学到的学科是非常多而且繁杂的，常见的有计算机、自动化、信息论、数理逻辑、仿生学等等，还会根据不同的细分专业来设定不同的学科，且每个学校开设的课程又不相同，但总体来说是与研究、开发、模拟人工智能的技术相关的。
人工智能专业大学排名国内许多大学都开设了人工智能的专业，其中排名比较靠前的有清华大学、北京大学、上海交通大学、南京大学、西安交通大学、西安电子科技大学、武汉理工大学、东北大学、南京农业大学、江苏科技大学等等，报考的时候需要参考它的录取分数线以及自己分数的排名。
2023世界人工智能大会：站在人工智能时代的门槛
7月8日，时隔一年，2021世界人工智能大会（WAIC）如约而至。
三年，四届，从2018年的“赋能新时代”、2019年的“无限可能”到2020年的“共同家园”、2021年的“众智成城”，大会主题的变化，不仅意味着上海作为“人工智能会客厅”的风范越来越有腔调，同时也展现出，人工智能正以前所未有的速度和广度链接万物和世界。
第一次参加世界人工智能大会（WAIC）华为轮值董事长胡厚崑，在开幕前一天逛了逛本届大会的展览，最大感受是“酷炫”的技术少了，实际落地的AI应用多了。看似平淡无奇的变化，却恰恰是2021年人工智能走到关键时间节点的印证：从云到雨，从天到地，AI正从科学变为技术，是离我们更近的未来。
火星车数字人祝融号
去年因疫情而首次出现的“全息影像”，今年差点让主持人“下岗”。泠鸢、火星车数字人祝融号、小爱同学、小冰……开幕式上轮番上场，个个能言善辩、肤白貌美，比去年的“马云”看上去精致许多。AI技术的突飞猛进，体现在种种细枝末节中。
泠鸢
和火星车数字人祝融号对话的百度董事长李彦宏，显然更加看重人工智能的社会价值，AI最终目的是为了服务人，而不是超越人和替代人。因此，人与AI并存的未来，不再只是科学家考虑的范畴，历史学家认为，人类的大脑不再是真理的最终仲裁者，机器智能可以到达人脑无法到达的极限，这或许意味着，站在人工智能时代的门槛上，人类进化史将迎来最重要的变革。
Part1 打造人工智能“上海方案”身在上海的你我，将毫无疑问站在这个伟大变革的潮头。
全面推进城市数字化转型的上海，正将人工智能作为转型的重要驱动力，发挥人工智能的头雁效应，打造全球AI应用场景的超级试验场和重要风向标。
这里，有完备的人工智能产业链条，截至2020年，上海人工智能重点企业1149家，上海人工智能产业规模达到2246亿元，实现50%左右逆势增长；这里，有日趋完善的创新体系，上海人工智能实验室、期智研究院、白玉兰开源开放研究院等创新集群平台纷纷落“沪”；这里，有国际顶尖人工智能专家，图灵奖得主姚期智、微软亚洲研究院院长洪小文、商汤科技创始人汤晓鸥如今都是“新上海人”，截至2020年7月，上海人工智能重点企业从业人员达18.7万人；这里，有全球最丰富的应用场景，过去三年间，陆续发布了58个应用场景，而在本届WAIC上，更是发布了世界级的人工智能重大应用场景：“数字治理浦东引领”、临港数字孪生城、人工智能开源平台、“数字伙伴计划”和嘉定未来出行，2018年至2020年，上海人工智能产业的年均增速为29.5%。
“让智能时代的美好图景在上海这座城市得到充分演绎和生动展现。”上海市委书记李强指出，人类正在进入一个“人机物”三元融合的万物智能互联时代，这应当是人机协同、跨界融合的时代，群智赋能、共创分享的时代，也应当更好成为普惠包容、协同治理的时代，因此，我们要热情拥抱潮流、拥抱未来，理性应对风险、应对挑战，更好统筹发展和安全，让人工智能真正为人所用、为人类造福。
Part2 AI爆发期后的冷静思考不过，李强也指出，站在智能时代的门槛上，我们既要热情地拥抱潮流，拥抱未来，又要理性地应对风险，应对挑战，更好地统筹发展和安全，让人工智能真正为人所用，为人类谋幸福。
2020年，经历了AI爆发期，上海从产业链到产业集群，已形成了完备格局。
AI发展初期，推动行业快速成长的是数据红利，上海政府在首届世界人工智能大会前一年，便开放了人口、法人、空间地理三大基础数据库。经历一波爆发后，上海智能视觉相关场景陆续落地，小样本学习、知识图谱等新的AI算法不断涌现。
这一阶段，上海逐渐搭建了坚实的AI基础，一方面通过人工智能实验室等推动产学研发展，另一方面通过建设公共算力平台、公共治理平台、开源平台等基础设施，降低AI的发展成本，提高AI发展效率，并实时规正AI的发展方向。
去年此时，商汤“新一代人工智能计算与赋能平台”项目于临港奠基，目前已完成主体建筑封顶。
今年7月8日，上海人工智能实验室治理研究中心揭牌，同一时间，上海人工智能实验室开源平台OpenXLab启动，首批发布了OpenMMLab（计算机视觉开源平台）和OpenDILab（决策智能开源平台）两个开源平台。
人工智能高地建成的源动力是人才。截至2020年7月，上海人工智能重点企业从业人员达到18.7万人。如今，上海还在不断优化人工智能人才引进政策，更将人才培养前置。
目前，上海11所高校成立了人工智能研究院，9所高校设置本科人工智能专业，38所高校开设104个人工智能相关学科专业，2019年招生数11490人、在校生数35492人。
在为人工智能储备大量后备人才这点上，高校的态度是冷静而清醒的。
“不要跟风去学AI，你今年学的AI知识明年可能已经过时。从中科大走出去的多位AI领域的校友都说，当年在中科大不要命地学习数学、物理等基础学科，让他们具有了更强的适应力”“自愿加入AI行业，不要被卷入”“AI应该要聚焦于解决人民健康、国家工业体系等重点领域的问题。”来自复旦、交大、中科大的三位校长都发表了对AI的冷静思考，在打好基础学科底座的同时，利用交叉学科的方式推动人工智能的产学研发展。
有了技术、人才、应用场景，于是，智联世界，众智成城。
大咖说每年的WAIC都是全球人工智能界最高级的“头脑风暴”，但今年的主题演讲大咖阵容，与往年略有不同。除了技术方面的顶尖科学家、人工智能领域的互联网大厂、WAIC2021开幕式上多了不少初次见面的产业界人士：华为轮值董事长胡厚崑、格力电器董事长兼总裁董明珠、红杉资本全球执行合伙人沈南鹏、软件银行集团代表社长孙正义，而压轴演讲的则是美国前国务卿基辛格……
这似乎从侧面反映出人们对AI认知的逐渐成熟，从科幻到科学再到技术，人工智能不仅必然、而且已经开始改变现在的世界，机遇和挑战扑面而来。
01 李彦宏：未来的汽车不是手机，而是机器人举行四届的WAIC，第一次迎来“星际嘉宾”——祝融号。这个有着方方的大脑、圆圆的眼睛和两个太阳能光伏板翅膀的小可爱，是百度智能云带来的“火星车数字人”。尽管都是“车”，火星上的祝融号与百度正在地球上造的Apollo显然完全不同，但这并不妨碍李彦宏考虑，如果将来人类登上火星，是否能把自家的汽车也送到“乌托邦平原”上逛一逛。
对于人工智能，李彦宏认为，过去人们往往集中于人工智能对于未来经济发展和效率提升以及于人工智能的伦理道德问题，但他觉得人工智能的社会价值也值得社会各界认真对待。
比如，对于智能交通，人们往往热衷于通行效率提升与GDP增长的关系，却忽略了交通其实是个民生问题，有着明显的社会属性，公共属性和服务属性。人们对于交通拥堵、限行限购的感受，远远超越了它对经济所产生的负面影响。因此通过聪明的车和智慧的路构建一个智能交通系统，不仅可以明显降低交通事故发生，提升安全通行效率，而且对人们美好生活的向往有帮助。
很多人觉得，智能汽车会是1个大号的智能手机，或者是一台电脑加上4个轮子，但李彦宏觉得，智能汽车未来更像是一个智能机器人，比如郊区农场的苹果熟了，你可以让汽车机器人去帮你把它取回来，而不必自己舟车劳顿。
人工智能无疑将会影响未来40年人类的发展进程，交通、金融、工业、能源、媒体等各个行业人工智能技术的应用，都给出了行业数字化升级的新思路和新解法，甚至已经开始重塑整个行业的面貌，进而影响人类社会的未来。
李彦宏介绍，不久前百度刚刚推出了新一代共享无人车，目标就是让出行比现在的网约车更便宜。未来2~3年，百度计划将共享无人车的服务全面开放到国内30个城市，服务更广泛的用户。
同时，百度希望将自己打造成一个数字城市运营商，帮助中国城市构建世界级的智能交通系统集群。
一个全新的人工智能社会即将到来，AI正在不经意间融入到社会的脉络当中，人工智能技术带来的便利也终将演变成为人与社会的常态。
02 胡厚崑：AI正从天上的“云”变成地下的“雨”第一次参加世界人工智能大会（WAIC）的华为轮值董事长胡厚崑，在大会当天早上，还做了另一件事，拨打上海市民热线12345。早在来上海之前，胡厚崑便听同事说，引入AI技术的12345，实现了自动派单、语音识别、情绪感知，派单事件大大加快。去年疫情期间，12345热线平均一个月要处理60多万单的咨询，平均每单的处理时间只需几秒钟。
短短两天的体验，让胡厚崑充分感受到上海作为人工智能超级场景城市的魅力，有了AI的加持，与市民生活息息相关的城市服务力度和温度都提升了。
人工智能发展到今天，处在一个关键的时间点上，胡厚崑认为，它正从“天上的云变成了地下的雨，它将改变我们身边的每一件事。”
对现阶段人工智能的发展，胡厚崑提出三点建议。第一，应该汇聚各方力量，大力发展以人工智能计算中心为代表的新型城市基础设施，让AI算力像水和电一样成为新的城市公共资源，让智能触手可及。让算力成为一种人们可广泛获得、能负担得起的公共资源。
目前，全国有20多个城市正在积极开展人工智能技术中心的规划和建设工作，但胡厚崑认为，算力中心一定要合理规划，在算力需求集中的地方和建设，而不应该漫天撒网，尤其要避免重复性的建设。此外，架构规划应以终为始，而部署和建设则应该从小处着手，由近及远跟随需求变化，小步快速不断迭代升级，技术的提供方与广大的应用单位要通力合作，一边建设一边引导应用落地，才能推动本地的产业升级和发展。
第二，技术要扎到根，根深才能叶茂。我们应该大力发展“根技术”，尤其是处理器、AI、计算框架等，增强人工智能产业的发展韧性。硬件方面，华为与10多家合作伙伴推出基于生成模组板卡的AI系统，同时，华为的AI计算框架已经成为国内主流的AI计算框架，有500多家合作伙伴。如今，华为已经构建了一个相对完整的人工智能产业与生态。
第三，应该大胆运用技术手段突破当前AI普惠的瓶颈。AI发展当前的瓶颈，不是技术和应用，而在于开发效率。
人工智能旧有的“手工作坊式”模型，已经严重地阻碍了技术和应用的结合，而基于预训练的大模型，开发者只需要少量的行业数据，就可以快速开发出精准度更高、方法能力更强的AI系统，胡厚崑称之为“工业化开发的游戏”。因此，华为发布了业界首个兼具语义生成与理解能力的中文NLP大模型和通用思维大模型——盘古。
这种工业化开发模式会大大促进AI产业的发展，华为也为这种模式的转变在技术创新上做好了准备。
03 董明珠：数字化时代，世界会爱上中国造“铁娘子”董明珠也是第一次参加世界人工智能大会，自带“网红”体质的她上台时，场下响起的掌声明显要更热切一些。
作为中国传统制造业的“灯塔工厂”，格力的黑灯工厂早已盛名在外，但这似乎是董明珠第一次在公开场合，介绍格力数字化转型的成果。
2016年开始，格力将数字化融入了工业制造业，实现了全线覆盖、无人操作的“黑灯工厂”，对精度、质量、项目带来颠覆性变化，原本上万人的工厂，如今只需要1000多人。
一直在和小米“打赌”的董明珠，对于工业总是被戴上“非先进性产业”的帽子很是不满，她认为，互联网不是不属于传统企业，而是和传统企业完美结合，才能实现真正的数字化时代。
如今，从物流进场到成品入库再走向市场，格力电器全产业链已经实现了智能化，从过去10万人企业做800亿产值，到今天8万人完成2000亿产值。格力的人员结构也发生了根本性变化，研发人员从初期的800人到现在的16000人，拥有16个研究院、1000多个实验室，智能化对制造业而言，是如虎添翼。
2021年4月，格力和清华合作的“零碳源”空调在全球首届制冷技术创新大赛中，从2100多支队伍中脱颖而出，获得最高奖，空调技术碳排放量较传统技术降低80%以上。董明珠表示，这就是互联网大数据带来的变革，提高了研发技术的能力，特别是在各种不同设备交接过程中，可以起到很好的作用。
“科技助力打造我们人与自然生命的共同体”，对于中国造的未来，董明珠向来信心满满，当中国制造业进入数字化时代，世界一定会爱上中国造。
04 基辛格：AI将带来人类进化史上的重要变革康德说，我们相信的客观事实，只是人类大脑真实结构的反映，但我们并不知道真正的事实是什么。
五六年前，美国前国务卿基辛格偶尔间参加了一场讨论大西洋两岸关系会议，其中一个主题是关于人工智能的讨论，于是在接下来一年的时间里，基辛格每周都会用两个晚上参加与AI有关的讨论，因为，他看到了另一个时代来临的可能。
无论是康德时代的启蒙运动，还是爱因斯坦和埃森伯格推动的启蒙科学，即使是微观物理中的量子理论，也无法达到AI如今可以探索到的极限。“我们仅仅处于这一进程的开端，在过程中我们会有惊人的发现，这是人类进化史上一次重要的变革。”基辛格此前从未想到，机器能产生如此重要的成果，而AI将导致启蒙运动的终结。
在基辛格看来，启蒙运动的原则是，人类理性是真理的最终仲裁者，但在人工智能时代，机器或许能够到达人脑所无法改变的那些推动启蒙运动基本假设的地方。
在Sornay董事长兼CEO、基辛格国际咨询公司资深顾问乔舒亚·雷看来，基辛格有此看法，很大程度上因为他是一名欧洲历史学家。欧洲是启蒙运动的结果，四百年来，被一场又一场的战争撕裂，而基辛格的首要任务是避免悲剧、维护和平，那么在什么基础上才能做到这点呢？沟通！没有什么比沟通更基本的防范，而当技术本身可以成为沟通工具的时候，那将代表着通往希望的未来，而巴别塔终将出现。
作为中国人的老朋友，对于中美当前的摩擦，研究人工智能之后的基辛格指出，双方应该建设互利共赢的关系，“我们不可能事事达成一致，在很多问题本质上，中美不可避免地会有分歧，比如目前在高科技商业领域出现的垄断性倾向”。他认为，任何一方都不能谋求垄断，只有双方在达成一致的前提下设置相应的限制，并且要符合各自的安全利益、未来的商业利益和人文发展利益。