📖 ZKIZ Archives

亞馬遜“搶劫式”實體超市顛覆剁手體驗丨AI還能突破哪些想象？

逐鹿X 2016-12-08 09:57

本文由逐鹿X（微信ID:zhulux）授權i黑馬發布。

昨天，Amazon Go刷爆了國內外的社交媒體。亞馬遜在西雅圖開設了第一家無人值守全自動智能線下便利店：Amazon Go，雖然目前只對員工開放，但據外媒消息，Amazon Go計劃在2017年初面向公眾開放。

其令人驚艷之處在於：你可以徑直走進超市，選好貨品之後立馬離開，不用在收銀臺前排長長的隊伍，等待結賬，甚至還可以莫名體驗一種“搶劫”商店的快感。亞馬遜將這種智能購物體驗稱為：“Just Walk Out Shopping”（拿了就走）。

如果說移動支付顛覆了既有商品交易方式，那麽“搶劫式”的Amazon Go甚至連“交易感”都消滅了。然而，這些是怎麽實現的？就其官方發布的視頻來看，技術亮點有三：

Computer Vision 計算機視覺

Deep Learning 深度學習

Sensor Fusion 傳感器融合

根據視頻里說到的三大人工智能的技術，專家們猜測：

Amazon Go采用計算機視覺技術，通過攝像頭捕捉購物者在商店的行為，然後從圖像識別中獲取購物者拿起的商品，再用人工智能中的深度學習去判斷和識別購物者是否需要這件商品，從而決定是否加入購物車。最後加入傳感器，提高最終結果的準確性。

在這樣的購物流程中，你可能覺得自己什麽都沒做，但其實你的一切都已經被新技術所洞悉，再配合移動金融支付技術，輕松完成了一次線下的購物。不知不覺中，人工智能又一次顛覆了我們的認知。

人工智能為何會在這兩年突然“爆發”？又將優先應用於哪些領域，對於創業者來說，有哪些“坑”和機遇？人工智能是否真的是“逆天”一樣的存在？逐鹿思想派X投資人說優質內容持續輸出，今天我們繼續為您梳理關於人工智能的那些事。

驅動人工智能發展的三大因素  

在第一臺計算機埃尼阿克問世後十年，就有科學家預言，人工智能時代將要來臨。1997年，當智能國際象棋機器人“深藍”贏了世界冠軍卡斯帕羅夫之後，這種美好的情景似乎指日可待。但在接下來的近20年中，人工智能研究卻因為數次技術革新嘗試的失敗而停滯，神經網絡的研究遭遇瓶頸使得人工智能的發展陷入寒冬。

隨著深度神經網絡技術取得核心突破，科技界和商界的所有人，都能明顯的感覺到，近兩年內，人工智能的理論研究和可感知產品呈現“噴發”之勢：各種可穿戴設備紮堆出現，智能機器人頻頻亮相，機器的人臉識別準確率超過肉眼，Google、蘋果和寶馬等公司齊發力無人駕駛汽車，美國、歐洲先後設立人類大腦攻關項目……驅動本階段人工智能發展的三大因素在於：

數據積累：移動互聯時代產生大量線下數據，通過線上轉化，供人工智能領域的機構或企業去進行高強度訓練，無論是在語音識別還是圖像識別方面，都產生大量的聲音與圖像樣本，線下數據不斷線上化，大數據成為了驅動人工智能發展的基礎。

算法叠代：深度學習與增強學習發展相輔相成。深度學習用於感知與處理信號，增強學習則用於進行決策。

計算能力提升：底層芯片、服務器等硬件設施不斷完備與升級以及雲計算應用為人工智能發展提供的必要條件。

七大領域優先應用     

人工智能本輪爆發以2015年為起點，以下生活場景正陸續變成現實：

開車時，你說出地點，自動駕駛系統將你帶到目的地;

在醫院，你看到來自美國的拖車機器人Tuggy McFresh在運送醫療器械和來自日本的“大白”機器人Robear在照顧病人;

在酒店，2015年新上市的日本Henn-na服務生機器人包攬了從值守前臺、運送行李到客房清掃等一眾服務;

下班後，你按下了“回家模式”，推開家門發現，窗簾已經拉上，溫度適宜，燈光柔和，熱水燒好，還有日本軟銀公司的家居機器人Pepper跟你問好賣萌；

在家里，你用iWatch打電話，使用的是可監控和改善睡眠品質的App；

電視中、手機上，谷歌超分辨率技術Raisr能使模糊照片瞬間變高清，速度提升十倍以上，我們正在移動設備中體驗著前所未有的逼真世界；

朋友圈里，因人工智能發展而不斷升級的圖像識別技術能夠讓我們的照片達到“整容式美顏”，滿屏鮮肉美女，賞心悅目……

根據《全球人工智能發展報告（2016）》顯示，人工智能率先應用於安防、金融、電商零售、個人助理、自動駕駛、醫療健康、教育七大領域。促成這一現象主要有以下兩種原因：

應用場景剛需：人工智能領域的一大特點學術關聯性較高，但是如果沒有潛在的應用場景，技術再先進也只是停留在研究階段。從技術出發，尋找到合適的應用場景，把技術變成產品，才有可能把產品變成商品。以上七大領域與生活息息相關，通過人工智能化改造，其產品需求度相對較高。

可選擇領域不多：從以往案例來看，當下人工智能領域其實可選擇的應用領域實在不多。同時，目前以語音識別、圖像識別為代表的AI技術與這七大領域關聯較深，許多擁有行業領先技術的公司最終也選擇了在幾個“毫無驚喜”的應用領域中實現技術落地。比如科大訊飛選擇了個人助理、教育等領域，Google選擇在自駕領域以及個人助理等，亞馬遜選擇個人助理、自駕以及電商等領域。

AI創業路上的“坑”與機遇   

對於AI領域創業，有一句很形象的描述：人工智能就像一列火車，你苦苦期盼，終於來了，然後它呼嘯而過，把你拋在身後。

作為創業者來說，首先得清楚要解決什麽？存在以下兩個維度三種布局：

解決技術優先：

專註於底層芯片、服務器等硬件設施的提供；

通過對底層資源的長期投入和積累，建立通用技術平臺；

解決應用場景的適用度：

多為特定領域從業者，通過內部研發或外部收購、投資的方式實現特定技術應用突破，以形成智能化升級。

創業者，應該選擇To B還是To C？

結合目前人工智能的發展來看，在To B領域稍微增加一些算法和計算能力，就能解決大量的問題，效率提升比較顯著，而在To C領域，要考慮產品應用到C端的場景，怎樣才能以最便利的方式去吸引用戶使用，無疑需要極致的設備。

To B

優勢：初期就能看到價值；更專註、無需全棧式團隊；實現應用更豐富。

劣勢：難以擴大規模。

To C

優勢：打造自主品牌；逐漸形成規模與商業模式。

劣勢：需要長時間積累、需要全棧式團隊。

創業者在關註人工智能領域時，除了看到其前景與未來發展，其實還是要關註能否通過有效模式在短時期內盡快實現盈利化。技術永遠在進步，無論是互聯網、還是移動互聯網、再到人工智能時代，都有很多技術領先的企業最終沒有存活下來，誰能更快地把自己的產品產業化，能夠形成正向的循環效應，受到更多的資本市場追捧和客戶的認同，誰才能夠生存下去。

對於AI的商業化之路，大公司一般在已有的產品中實現AI first的戰略，Google采用的便是這種布局，而更多規模較小的公司，則選擇將AI作為技術API提供給第三方。

無論哪一種模式，創業團隊都需要把自身的發展、技術的發展以及自身業務的發展三者有效結合，真正做到落地，而不是僅僅講一個關於未來科技的故事，畢竟創業者所面臨的是一個商業化的社會，這一點尤其重要。

AI，真的是“逆天”一樣的存在嗎？

在回答這樣一個問題之前，我們有必要了解什麽是弱人工智能、強人工智能、超人工智能。

首先是弱人工智能 Artificial Narrow Intelligence（ANI），這是一種只能夠在某個特定領域處理問題的人工智能，我們也必須明確，深度學習帶來了的只是弱人工智能的爆發式發展，最好的深度神經網絡可以在無監督的情況下從大量例證中學習，具備了保持語義連貫的組織知識的能力。例如，深度學習系統‘學習’了大量文本信息之後，比如說整個維基百科，能夠通過一些類比問題進行學習。但是，不管這些系統的表現有多麽令人印象深刻，這與人類憑借直覺來理解世界的方式還是存在天壤之別。

其次是強人工智能 Artificial General Intelligence（AGI），這是一種可以與人類大腦處理能力相對等的人工智能。換句話說，人類大腦能做的事情它都能做，比如思考、計劃、抽象思維以及經驗學習等。

從深度學習本身來說，深度神經網絡只受到了人類大腦中生物神經網絡的一點點啟發。盡管深度學習使用的許多術語（例如神經元和激活）都借鑒自腦科學，但這兩個系統的工作原理完全不一樣。

要理解這一不同可以用深度學習的“大腦”與人類兒童的大腦做比較，二者最大的不同點在於，人類兒童能夠探索周圍世界，並能在無外部監督的情況下獨自形成知識。有了這種無監督學習得來的知識，孩子們能夠將所有任務分解成一個個子任務，並各個擊破，從而完成任務。

到目前為止，深度學習還不具備這種能力：人們需要把所有東西教給它們，包括這是什麽東西、學習完成後應該做什麽。研究者們正在探索如何改進這種模型，但現在離目標還很遠。

第三層面的“人工智能”就是所謂超人工智能 Artificial Super Intelligence （ASI）。按照牛津大學哲學教授尼克·波斯特洛姆的定義：在幾乎所有領域都比最聰明的人類大腦都聰明很多，包括科學創新、通識和社交技能。

毋庸置疑的是，目前人工智能的發展還停留在弱人工智能階段，別說超越人類認知能力，甚至也達不到與人類匹配的認知能力。因此像科幻大片中機器人形成自我意識而反攻人類的情景也並不會在短期內實現，正如網友所說：“AI並沒有那麽神，和其他機器一樣，它目前還在被人類控制，我們仍可輕松服下這顆‘定心丸’，繼續突破。”

文章評論

匿名用戶

發布

全部評論：10

發布