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。

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。

美國蓬佩奧國務卿講話的全文翻譯（轉自美國之音）＋錄影：
　
謝謝你，謝謝大家。謝謝州長的介紹，實在是過獎了。的確，你走進那個健身房，提起「蓬佩奧」的名字時，會有人悄悄耳語。我有個兄弟，馬克，真的是很棒，真的是很棒的籃球手。
　
再次為藍鷹儀仗兵和空軍下士凱拉·海史密斯和她精采的國歌演唱鼓掌，怎麼樣？
　
也感謝勞瑞牧師動人的禱告，我想感謝休·休伊特和尼克松基金會邀請我在這個重要的美國機構發表講話。很高興有一位空軍的人為我唱歌，一位海軍陸戰隊的人為我做介紹，而且他們讓陸軍的人站到了海軍的人的房子前。這一切都很好。
　
很榮幸來到約巴林達。尼克松的父親在這裡建了這座房子，他在這裡出生長大。
　
感謝尼克松中心董事會和工作人員使我和我的團隊今天的活動成為可能，在眼下這樣做絕非易事。
　
我們有幸看到在座的有些非常特殊的人，包括克里斯，我得以結識他，克里斯·尼克松。我還想感謝翠西·尼克松和朱莉·尼克松·艾森豪威爾對這次訪問的支持。
　
我還想感謝幾名勇敢的中國異議人士，他們遠道而來參加我們今天的活動。
　
所有的其他貴賓，所有的其他貴賓，感謝你們來到這裡。那些能夠坐在帳篷下面的人，你們一定是多付錢了。
　
也感謝那些收看直播的人。
　
最後，就像州長提到的，我出生在聖安娜，離這裡不太遠。今天在座的有我姐姐和姐夫。謝謝你們來。我敢打賭你們從來也沒想到我會站在這裡。
　
我今天的講話是一系列有關中國的演說的第四部分，我請國家安全顧問羅伯特·奧布萊恩、聯調局局長克里斯·雷和司法部長巴爾與我一道發表這些演說。
　
我們有一個非常明確的目的、一個真正的使命，這就是解釋美中關係的不同層面、幾十年來累積起來的那種巨大的關係失衡以及中國共產黨的霸權意圖。
　
我們的目標是表明，川普（特朗普）總統中國政策旨在解決的、針對美國的威脅是顯而易見的，而且我們為確保這些自由制定了戰略。
　
奧布萊恩大使講到了意識形態。聯調局局長雷談到了間諜問題。司法部長巴爾講到了經濟。我今天的目標是為美國人民把這些匯總在一起，詳細闡述中國的威脅對我們的經濟、我們的自由乃至世界各地自由民主的未來意味著什麼。
　
明年將是基辛格博士祕密訪問中國半個世紀的一年，離2022年尼克松總統訪華50周年也不太遠了。
　
大家知道，那時的世界大為不同。我們曾經想像，與中國接觸將會產生團結合作的光明未來。然而，因為中共未能履行對世界的承諾，今天我們都仍然戴著口罩，目睹大流行病死亡人數的上升。每天早晨，我們都在讀著打壓香港和新疆的新聞頭條，我們看到造成美國就業流失、沉重打擊美國各地、包括南加州這裡的經濟的中國不當貿易行為的驚人統計數字，我們目睹中國軍隊變得越來越強大並且越來越具威脅性。
　
從加利福尼亞這裡到我的故鄉堪薩斯州以至更遠的地方，美國人心靈和腦海中縈繞著這些問題，我也要重複它們：
　
與中國接觸50年後，美國人民現在有什麼成果可以示人？
　
我們的領導人提出的中國朝著自由與民主演變的理論被證明是正確的嗎？
　
這是中國所定義的「雙贏」局面嗎？
　
而且，從一位國務卿的視角來看，核心的是，美國更加安全了嗎？我們自身以及我們後代的和平前景是不是更大了？
　
我們必須承認一個無情的事實。如果我們希望有一個自由的21世紀，而不是習近平所夢想的中國世紀，我們必須承認一個無情的事實並應以此作為我們未來幾年和幾十年的指導：與中國盲目接觸的舊模式根本做不成事。我們絕不能延續這個模式。我們絕不能重回這個模式。
　
川普總統非常明確地表示，我們需要一個戰略，保護美國經濟，還有我們的生活方式。自由世界必須戰勝這個新暴政。
　
在我好像急於要破壞尼克松總統的遺產之前，我希望明確表示，他做的是他當時相信對美國人民最為有利的事情，而且他可能是對的。
　
他是一位出色的中國研究者、強悍的冷戰勇士，而且是中國人民的仰慕者——我想我們大家都是。
　
必須要充分肯定的是，他認識到中國實在太重要了，不能被忽視，即使當時的中國因為自我施加的共產暴政而處在被削弱的狀態。
　
1967年，尼克松在《外交事務》雜誌上發表的一篇非常著名的文章中解釋了他的未來戰略。這是他說的話，他說：「長遠來看，我們根本無法承受永遠讓中國留在國際大家庭之外……除非中國改變，世界不會安全。因此，在我們對事件所能影響的範圍內，我們的目標應為引導改變。」
　
我認為這是整篇文章的關鍵詞：「引導改變」。
　
因此，尼克松總統歷史性的北京之行，開啟了我們的接觸戰略。他崇高地尋求一個更為自由、更為安全的世界。他希望中國共產黨會對那個承諾做出回報。隨著時間的推移，美國決策者日益假定，隨著中國變得更為繁榮，它會開放，對內會變得更為自由，而且對外不那麼具有威脅性，更為友好。我敢肯定，一切似乎都顯得如此的勢在難免。
　
然而，勢在難免的時代結束了。我們一直在追尋的那種接觸政策沒有在中國境內帶來尼克松總統所希望引導的那種改變。
　
事實是，我們的政策，還有其它自由國家的政策，重振了中國失敗的經濟，看到的卻是北京反咬餵食給它的國際之手。
　
我們向中國公民張開了雙臂，換來的卻是中共利用我們自由與開放的社會。中國派出宣傳手進入我們的記者會、我們的研究中心、我們的高中和大學，甚至進入我們家長教師協會的會議。
　
我們把我們在台灣的朋友邊緣化，台灣後來成長為一個生機勃勃的民主（楷模）。
　
我們給予中國共產黨及其政權本身特殊的經濟待遇，看到的卻是中共堅持要求在其踐踏人權的問題上保持沉默，把這作為允許西方公司進入中國的代價。
　
就在前些天，奧布萊恩大使提出了幾個例子：萬豪、美國航空、達美和美聯航都從它們的公司網站上刪除了提到台灣的地方，以免觸怒北京。
　
離此不遠的好萊塢——這個美國創意自由的中心和自封的社會公正的仲裁者，對哪怕是中國稍微不利的說法都實行自我審查。
　
企業界對中共的默默接受在全世界各地都在發生。
　
企業界的這種效忠效果如何？這種奉承得到了回報嗎？我來引用司法部長巴爾上星期的演說中的一句話，他說：「中國統治者的終極企圖不是與美國進行貿易。它是搶掠美國。」
　
中國竊取我們珍視的知識產權和商業祕密，使美國各地損失了數以百萬計的就業崗位。
　
它從美國吸走了供應鏈，然後加上了奴工器具。
　
它使世界的關鍵水道對國際商貿不那麼安全了。
　
尼克松總統曾說，他擔心，他把這個世界向中共開放，創造了一個「怪物弗蘭肯斯坦」。而這就是我們所處的局面。
　
誠信者可以辯論為什麼這麼多年來自由國家會允許這些壞事發生。也許我們當初對中國的共產主義毒株過於天真，或者冷戰之後，我們相信自己必勝，或者我們是貪婪的資本家，或者被北京的「和平崛起」言論所蒙蔽。
　
無論什麼原因，中國今天在國內越來越威權，而且越來越咄咄逼人地敵視世界其它地方的自由。
　
川普總統已經說了：夠了。
　
我不認為兩黨中有很多人對我今天所舉出的事實提出質疑。但是即使是現在，有些人還在堅持說，我們必須保留那種為了對話而對話的模式。
　
現在，要明確說明的是，我們會堅持對話。但是如今的交談不一樣了。幾個星期前，我去檀香山見了楊潔篪。
　
還是老一套，話說了很多，但真的是沒有提出要改變任何行為。楊的承諾，跟中共在他之前做出的很多承諾一樣，是空洞的。我猜測，他的預期是，我會屈從於他們的要求，因為坦率地說，太多以往的行政當局都這樣做了。我沒有。川普總統也不會。
　
奧布萊恩大使闡述得很好，我們必須記住，中共政權是馬克思-列寧主義政權。習近平總書記是一個破產的極權主義意識形態的真正信仰者。
　
他的意識形態決定了他數十年來對中國共產主義全球霸權的渴望。美國不能再忽視我們兩國之間政治和意識形態的根本不同了，就像中共從來也沒有忽視它們一樣。
　
我在眾議院情報委員會任職、隨後擔任中央情報局局長以及出任國務卿兩年多來的經歷讓我有了這樣的核心理解：
　
真正改變共產中國的唯一方式就是以中國領導人如何表現而不是說什麼為基礎來採取行動。你可以看到美國的政策對這個結論做出回應。里根總統說，他本著「信任但要核實」跟蘇聯打交道。對中共，我的說法是：「我們必須不信任，而且要核實。」
　
我們這些世界上熱愛自由的國家，必須引導中國做出改變，就像尼克松總統所要的那樣。我們必須以更具創造性而且更為強勢的方式引導中國做出改變，因為北京的所作所為威脅著我們的人民與我們的繁榮。
　
我們必須從改變我國人民與合作夥伴對中國共產黨的看法開始。我們必須說實話。我們不能像對待其它國家一樣，把這個中國的化身當作一個正常的國家。
　
我們知道，與中國進行貿易不像與一個正常、守法的國家進行貿易。北京把國際協議視為建議，作為獲得全球主導地位的渠道。
　
但是，通過堅持公平條款，就像我們的貿易代表在達成第一階段貿易協議時所做的那樣，我們可以迫使中國正視其盜竊知識產權和傷害美國工人的政策。
　
我們也知道，與中共支持的公司做生意和與一家公司、比如一家加拿大公司做生意是不一樣的。他們不聽從於獨立的董事會，而且很多公司是國家贊助的，不需要追求利潤。
　
一個好的例子就是華為。我們已經不再假裝華為是一個無辜的電信公司，它只是來確保你能和你的朋友交談。我們以它本來的面目來稱它——一個真正的國家安全威脅——而且我們採取了相應的行動。
　
我們也知道，如果我們的公司在中國投資，他們可能有意或無意地支持共產黨對人權的嚴重侵犯。
　
我們的財政部和商務部因此對中國領導人以及正在傷害和侵犯世界各地人民基本權利的實體進行制裁並將他們列入黑名單。好幾個政府部門合作制定了一個商業諮詢公告，以確保我們的首席執行官了解他們的供應鏈在中國境內的運作情況。
　
我們也知道，並不是所有的中國學生和雇員都是來這裡只是為了多掙一點錢或者多為自己積累一些知識的正常學生或工作人員，他們中有太多的人是來盜竊我們的知識產權並把它們帶回自己的國家。
　
司法部和其它部門已經在大力尋求懲罰這些罪行。
　
現在我們知道，中國人民解放軍也不是一支正常的軍隊。它的目的是維護中國共產黨精英的絕對統治，拓展中華帝國，而不是保護中國人民。
　
因此，美國國防部加強了在東中國海、南中國海以及台灣海峽的自由航行行動。我們建立了太空軍來幫助阻遏中國侵略太空這個最後邊疆。
　
坦率地說，我們在國務院也建立了一套與中國打交道的政策，推動川普總統的公平對等的目標，改寫幾十年來不斷增加的失衡。
　
就在本星期，我們宣布關閉中國在休斯頓的領事館，因為那裡是間諜活動和知識產權盜竊的中心。
　
兩個星期前，我們逆轉了八年來在有關南中國海國際法問題上的那種右臉被打轉過左臉的做法。
　
我們已經呼籲中國使其核能力符合我們這個時代的戰略現實。
　
國務院在各個層級而且在世界各地與我們的中國同行進行接觸，只是為了要求公平和對等。
　
但我們的做法不能只是一味強硬。這不大可能達到我們想要的結果。我們還必須與中國人民進行接觸，並賦予他們力量，——他們是充滿活力、熱愛自由的人民，與中國共產黨完全不同。
　
這要從面對面的外交開始。無論走到哪裡，我都遇到了才華橫溢、勤奮努力的中國男性和女性。
　
我見過從新疆集中營逃出來的維吾爾人和哈薩克族人。我和香港的民主領袖們交談過，從陳樞機主教到黎智英。兩天前，我在倫敦與香港自由鬥士羅冠聰會面。上個月，我聽到了天安門廣場倖存者的故事，其中一位今天就在這裡。
　
王丹是一名關鍵的學生，他從未停止為中國人民的自由而鬥爭。王先生，請站起來，我們好認出你來。
　
今天和我們在一起的還有中國的民主運動之父魏京生。他因為倡導民主而在中國的勞改營裡度過了幾十年。魏先生，請站起來，好嗎？
　
我在冷戰時期長大並在陸軍服役。如果我學到了什麼的話，那就是，共產黨人幾乎總是撒謊。他們撒的最大的一個謊言是，認為他們是在為14億被監視、壓迫和恐嚇得不敢說出真相的人民說話。
　
恰恰相反。中共對中國人民誠實意見的恐懼甚於任何敵人。除了失去對權力的掌控之外，他們沒有理由恐懼。
　
試想一下，假如我們能夠聽到武漢醫生們的聲音，假如他們被允許對一種新型的冠狀病毒（中共病毒）的爆發發出警報，全世界，更不要提中國境內的人，會好得多。
　
在太長的時間裡，我們的領導人忽視或淡化勇敢的中國異見人士的言論，他們就我們面臨的這個政權的性質警告過我們。
　
我們不能再忽視它了。他們和任何人一樣清楚，我們永遠不可能回到現狀了。
　
但是，改變中國共產黨的行為不可能僅僅是中國人民的使命。自由國家有捍衛自由的工作要做。這絕不是輕而易舉的事情。
　
但我有信心我們能做到。我有信心，因為我們以前做過。我們知道事情會怎麼發展。
　
我有信心，因為中國共產黨正在重複蘇聯曾經犯過的一些錯誤——疏遠潛在的盟友，在國內外破壞信任，拒絕接受產權和具有可預見性的法治。
　
我有信心。我有信心是因為我看到其它國家的覺醒，他們知道我們不可能回到過去，就像我們在美國一樣。從布魯塞爾到悉尼到河內，我都聽到這個信息。
　
最重要的是，我有信心我們能夠捍衛自由，因為自由本身就是一種甜美的吸引力。
　
在中國共產黨加強對香港這座驕傲的城市的控制時，看看那些爭相著要移民海外的香港人吧。他們揮舞的是美國國旗。
　
的確是有差異。與蘇聯不同的是，中國已經深深地融入了全球經濟。但北京對我們的依賴比我們對他們的依賴更大。
　
我拒絕這樣的看法，即我們生活在一個勢在難免的時代，某些「陷阱」是命中註定的，共產黨的主宰地位是未來。我們的做法並非註定要失敗，因為美國並沒有在衰落。正如我今年早些時候在慕尼黑所說的，自由世界仍在獲勝。我們只需要相信這一點，知道這一點，而且對此感到自豪。
　
世界各地的人們仍然希望來到開放的社會。他們來這裡學習。他們來這裡工作，他們來這裡為他們的家庭開創美好的生活。他們並不急於在中國定居。
　
現在是時候了。今天很高興來到這裡。時機很好。現在是自由國家採取行動的時候了。不是每個國家都會以同樣的方式應對中國的挑戰，他們也不應該如此。每個國家都必須自己悟出如何保護自己的主權、如何保護自己的經濟繁榮以及如何保護它的理念不被中共的觸角所染指。
　
但我呼籲每一個國家的每一位領導人開始做美國已經在做的事情，——那就是堅持從中國共產黨那裡得到對等、透明和問責。他們是一小夥統治者，遠非鐵板一塊。
　
這些簡單但強有力的標準將會產生巨大的效果。我們讓中共來制定接觸條件的時間已經太久了。已經不再是這樣了。自由國家必須設定基調，我們必須在同樣的原則上運作。
　
我們必須劃定不會被中共的討價還價和甜言蜜語所沖洗掉的共同底線。事實上，美國最近就是這麼做的……我們一勞永逸地拒絕接受中國在南中國海的非法聲索……同時，我們敦促各國成為潔淨國家，這樣他們公民的私人信息就不會落入中國共產黨的手中。我們通過設定標準來做到這一點。
　
的確，這是困難的。對於一些小國來說，這是困難的。他們害怕被一一幹掉。因為這個原因，一些國家此刻根本就沒有能力或是勇氣與我們站在一起。
　
的確，我們的一個北約盟國在香港問題上沒有以應有的方式挺身而出，因為他們害怕北京會限制他們進入中國市場。這種膽怯將導致歷史性的失敗。我們不能重蹈覆轍。
　
我們不能重複過去幾年的錯誤。面對中國的挑戰，需要歐洲、非洲、南美、特別是印度-太平洋地區的民主國家使出力氣，投入精力。
　
如果我們現在不行動，最終，中國共產黨將侵蝕我們的自由，顛覆我們各國社會辛辛苦苦建立起來的基於規則的秩序。如果我們現在屈膝，我們的子孫後代可能會受中國共產黨的擺布，他們的行動是當今自由世界的首要挑戰。
　
中國的習總書記註定不會永遠在中國內外施行暴政，除非我們允許這種情況發生。
　
這不是關於遏制。不要相信這個。這是關於我們從未面對過的一個複雜的新挑戰：蘇聯當時與自由世界是隔絕的，共產中國已經在我們的境內了。
　
所以我們不能獨自面對這個挑戰。聯合國、北約、七國集團、20國集團，如果我們有明確的方向和巨大的勇氣，我們的經濟、外交和軍事力量的結合肯定足以應對這一挑戰。
　
也許是時候建立一個志同道合國家的新聯盟了，一個新的民主聯盟。
　
我們有工具。我知道我們能夠做到。現在我們需要的是意志。我要引用《聖經》裡的一句話來問：「我們的心靈固然願意，肉體卻軟弱了？」
　
如果自由世界不改變共產中國，共產中國肯定會改變我們。不能僅僅因為過去的做法舒服或方便就回到這些做法。
　
從中國共產黨手中確保我們的自由是我們這個時代的使命，而美國處於領導這個使命的最佳位置，因為我們的建國原則給了我們這個機會。
　
正如上星期我定睛站在費城獨立廳時所解釋的那樣，我們的國家建立在這樣的前提上，即人人擁有某些不可剝奪的權利。
　
保障這些權利是政府的職責。這一簡單而有力的事實已使美國成為包括中國在內的全世界人民所嚮往的自由燈塔。
　
理查德·尼克松在1967年寫道：「除非中國改變，世界不會安全。」他說得太對了。現在要靠我們來聽從他的話了。
　
今天，危險顯而易見。
　
今天，覺醒正在發生。
　
今天，自由世界必須做出回應。
　
我們永遠也不能回到過去。
　
願上帝保佑你們每一個人！
　
願上帝保佑中國人民！
　
願上帝保佑美利堅合眾國的人民！
　
謝謝大家！