繼去年馬斯克與馬雲在開幕式上演「雙馬對話」後，SpaceX和特斯拉創始人馬斯克第二次參加世界人工智慧大會，這一次是通過視頻的方式在線參會。
馬斯克表示，特斯拉自動輔助駕駛在中國市場應用還不錯，目前公司在中國做很多原創性的工程開發，不僅僅是簡單把美國的東西搬到中國，歡迎中國工程師加入。
關於自動駕駛技術，他表示，有信心在今年完成L5級別自動駕駛的基本功能。實現L5級別自動駕駛目前不存在底層根本性的挑戰，但有很多的細節問題。特斯拉麵臨的挑戰就是要解決所有這些問題，然後整合系統，持續解決長尾問題。
馬斯克表示，特斯拉上海工廠進展很順利，對特斯拉團隊感覺到無比自豪，也期待著儘快訪問上海超級工廠，預計未來在中國工廠中會運用更多的人工智慧和更智能化的軟體。他認為，在工廠真正有效使用人工智慧還需要花一些時間，可以將工廠看作是一個複雜的結合體，其中也涉及到機器，實際上所有公司都是如此。
以下為馬斯克發言實錄：
馬斯克：感謝邀請。再次參加大會太好了。我非常期待未來有機會能可以親自來到現場。
提問者：首先，我們都知道，Autopilot 自動輔助駕駛是特斯拉純電動車非常受歡迎的一項功能。它在中國市場的應用情況如何？
馬斯克：特斯拉自動輔助駕駛在中國市場應用還不錯。但因為我們與自動駕駛相關的工程開發集中在美國，所以自動輔助駕駛功能在美國的應用的更好，在加州最好，這也主要是因為我們相關的工程師在加州。在我們確定這項功能在加利福尼亞運作良好後，我們會將其推送到世界其他地區。目前我們正在中國建立相關的工程團隊。如果你想成為特斯拉中國的工程師，我們會非常歡迎，這將會非常好。
我想強調下，在中國我們要做的是進行很多原創性的工程開發。所以並不是簡單的將美國的東西直接照搬到中國，而是就在中國進行原創的設計和原創的工程開發。所以，如果您考慮工作，請考慮在特斯拉中國工作。
提問者：您對於我們最終實現L5級別自動駕駛有多大信心？您覺得這一天什麼時候會到來？
馬斯克：我對未來實現L5級別自動駕駛或是完全自動駕駛非常有信心，而且我認為很快就會實現。
在特斯拉，我覺得我們已經非常接近L5級自動駕駛了。我有信心，我們將在今年完成開發L5級別的基本功能。
我認為實現自動駕駛L5目前不存在底層的根本性的挑戰,但是有很多細節問題。我們面臨的挑戰就是要解決所有這些小問題，然後整合系統，持續解決這些長尾問題。你會發現你可以處理絕大多數場景的問題，但是又會不時出現一些奇怪不尋常的場景，所以你必須有一個系統來找出並解決這些奇怪不尋常場景的問題。這就是為什麼你需要現實世界的場景。沒有什麼比現實世界更複雜了。我們創建的任何模擬都是現實世界複雜性的子集。
因此，我們目前非常專注於處理L5級別自動駕駛的細節問題上。並且我相信這些問題完全可基於特斯拉車輛目前搭載的硬體版本來解決，我們只需改進軟體，就可以實現L5級別自動駕駛。
提問者：您覺得人工智慧和機器人技術的三大支柱：感知、認知和行為，目前在各自領域的進展如何？
馬斯克：我不確定人工智慧技術是否可以這樣分類。如果按照這個分類標準，在感知層面，以識別物體為例，目前的技術取得了巨大進展。 可以說，即便是在專業領域，當今的高級圖像識別系統也比人類都要好。
問題的實質在於需要多強的計算能力，多少計算機和多長計算時間來訓練感知能力？圖像識別訓練系統的效率如何？就圖像識別或聲音識別而言，對於給定的字節流,人工智慧系統能否準確識別處理？ 答案是非常好。
認知可能是最薄弱的領域，人工智慧是否可以理解概念？是否會有效推理？能否創造有意義的事物？目前有很多非常有創造力的技術先進的人工智慧，但是它們無法很好地控制其創造活動。至少現在在我們看來不太對，不過未來它會看起來像樣些。
然後是行為。這個可以以遊戲打比方。在任何規則明確的遊戲中，或者自由發揮空間比較有限的遊戲，人工智慧就像超人類一樣。就目前而言，很難想像有什麼遊戲，人工智慧遊戲玩家不能發揮超人類水平的，這甚至都不去考慮到人工智慧更快的反應時間。
提問者：Autopilot自動輔助駕駛在哪些方面推動了AI算法和晶片的發展？它又如何改變了我們對AI技術的理解？
馬斯克：在為自動輔助駕駛開發人工智慧晶片時，我們發現市場上沒有成本合理且低功耗的系統。如果我們使用傳統的GPU, CPU或其他相似的產品，將耗費數百瓦的功率，並且後備箱會被計算機，GPU巨大的冷卻系統佔據，由此一來成本高昂，佔用車輛體積，而且高耗能。要知道能耗對於電動汽車的行駛裡程很關鍵。
為此我們開發了特斯拉自有的人工智慧晶片，即具有雙系統的特斯拉完全自動駕駛電腦，該晶片具有8位元和加速器，用於點積運算。在座各位可能有很多人都有所了解，人工智慧包含很多點積運算，如果你知道什麼是點積運算，那麼便知道點積運算量巨大，這意味著我們的電腦必須做很多點積運算。我們事實上還未完全發揮出特斯拉完全自動駕駛電腦的能力。實際上，幾個月前我們才審慎地啟動了晶片的第二套系統。充分利用特斯拉完全自動駕駛電腦的能力，可能還需要至少一年左右的時間。
我們還開發了特斯拉Dojo訓練系統，旨在能夠快速處理大量視頻數據，以改善對人工智慧系統的訓練。Dojo系統就像一個FP16訓練系統，主要受晶片的發熱量和通訊的速率的限制。所以我們也正在開發新的總線和散熱冷卻系統，用於開發更高效的計算機，從而能更有效處理視頻數據。
我們是如何看待人工智慧算法的發展呢？我不確定這是不是最好的理解方式，神經網絡主要是從現實中獲取大量信息，很多來自無源光學方面，並創建矢量空間，本質上將大量光子壓縮為矢量空間。我今天早上開車的時候還在想，人們是否能夠進入大腦中的矢量空間呢？我們通常以類比的方式，將現實視為理所當然。但我認為，其實你可以進入自己大腦中的矢量空間，並了解你的大腦是如何處理所有外部信息的。事實上它在做的是記憶儘可能少的信息。
它獲取並過濾大量信息，只保留相關的部分。那人們是如何在大腦中創建一個矢量空間呢？它的信息僅佔原始數據很小一部分，卻可以根據這個矢量空間的表達做決策。這實際上就類似一個大規模的壓縮和解壓縮的過程，有點像物理學，因為物理學公式本質上是對現實的壓縮算法。
這便是物理學的作用。很明顯，物理公式是現實的壓縮算法。簡言之，我們人類就是物理學作用的證據。如果你對宇宙做一個真正物理學意義上的模擬，就需要大量的計算。如果有充足時間，最終會產生覺知。人類便是最佳證明。如果你相信物理學和宇宙的演化史，便知道宇宙一開始是夸克電子，很長一段時間是氫元素，然後出現了氦和鋰元素，接著出現了超新星。重元素在數十億年後形成，其中一些重元素學會了表達。那就是我們人類，本質上由氫元素進化而來。若將氫元素放一段時間，它就會慢慢轉變為我們。我覺得大家可能不太贊成這一點。所以有人會問，specialist的作用是什麼？覺知的作用又是什麼？整個宇宙是一種特殊的覺知或者不存在特殊性？又或者，在氫元素轉變為人類的過程中何時產生了知覺?
提問者：最後一個問題。祝賀特斯拉今年出色的業績，我們也想知道，特斯拉上海超級工廠目前的進展怎麼樣？在上海超級工廠有沒有一些製造業相關的AI應用？
馬斯克：謝謝，特斯拉上海工廠進展順利，我為特斯拉團隊感到無比自豪，他們做得很棒！ 我期待能儘快訪問上海超級工廠，他們出色地工作確實讓我深感欣慰。我不知道該如何表達，真的非常感謝特斯拉中國團隊。
預計未來我們的工廠中會運用更多的人工智慧和更智能化的軟體。但我認為在工廠，真正有效地使用人工智慧還需要花費一些時間。你可以將工廠看作一個複雜的集合體，控制論集合體，其中涉及人也涉及機器。實際上所有公司都是如此。
提問者：再次感謝您參加世界人工智慧大會，也感謝您的精彩分享，我們期待著明年的大會能在現場見到您！
馬斯克：謝謝您的線上採訪。 我希望明年能有機會能親自參加，我很喜歡到中國。 中國總是給我驚喜，中國有很多既聰明又勤奮的人，中國充滿了正能量，中國人對未來滿懷期待。我會讓未來成為現實，所以我非常期待再次回來。