📖 ZKIZ Archives

節省人力事小，銷售型SaaS客服將重塑人工智能營銷？

溫二爺 2016-12-06 16:40

本文系作者溫二爺對i黑馬投稿。

近來，To B領域對人工智能客服技術的討論沸沸揚揚，無論是各大巨頭旗下客服產品，還是投身SaaS雲客服行業的創業公司都將“人工智能”列為核心關鍵詞。

目前To B領域對人工智能客服技術主流的看法是，智能客服技術將主要在問答相對標準的售後環節發揮作用，其最大的價值在於大幅節省人力成本。但作為一個SaaS行業多年從業者，二爺認為這種觀點並不盡然，未免太小覷人工智能在客服行業的價值。

雖然目前市場上的智能客服產品主要集中於售後領域，但企業最青睞往往是售前的智能話術輔助、智能營銷策略等功能。原因在於，這些技術能夠顯著提升流量轉化率，而不僅僅是簡單的節省人力成本，這才是企業真正的需求。

在未來，人工智能客服技術真正的作用空間，是以售前客服為支點，重塑整個移動營銷的格局。它決不會簡單停留在與客戶智能的對話這個層面，而是要智能化的解決用戶從進入點擊到成交這既短暫又漫長的最後一公里。

在線營銷=引流+站內服務，前者已步入智能化時代，後者卻拖了後腿

對於絕大部分企業而言，它們並沒有太過複雜的外圍品牌營銷需求。在線營銷各個環節濃縮起來，就是引流與站內服務兩個步驟。前者是營銷的基礎，後者真正決定了一家企業的盈利狀況，甚至生死存亡。

1、智能化DSP廣告工具成熟，企業引流不再是營銷難題

在PC時代，流量的引入是一件技術含量極高的生意。各種社區論壇上的經驗總結，幾乎全是以如何引流為核心。企業只要解決好了兩個問題，基本就能躺著賺錢：其一是如何獲取低成本甚至免費的流量；其二是如何獲取精準優質的流量。

造成這種局面的原因是，PC時代的流量太過於分散，而營銷天才卻一將難求，要解決這個問題，唯一的辦法就是“全面撒網，重點培養”，經過長時間的試錯積累，找到適合自己的推廣渠道。

進入移動時代之後，企業獲取流量的日子好過了很多。免費的流量依然存在，但更大的變革在於流量集中後，眾多智能DSP投放工具的出現。它們可以幫企業精準高效的直面潛在客戶。據多盟調查顯示，PC時代廣告聯盟流量平均跳失率為78%，而移動時代下降到51%。這意味著移動時代的流量的質量出現了質的飛躍，企業營銷的關鍵轉變為“怎樣促成其成交”。

2、傳統客服機制正在浪費寶貴的流量，人工智能客服亦存在缺陷

雖然移動時代的精準引流變得更加容易，但應用場景的變化，使得用戶對於站內服務的要求大幅度提高。譬如，PC時代的用戶向客服咨詢一個問題，即使回應有所延遲，用戶也可以最小化客服窗口去做一些其它事等待。但在移動時代，切換客服窗口卻是一件相當麻煩的事，很可能回來你就找不到了。據Provide Support調查的數據顯示，62%的用戶不會再訪問一個有著糟糕客服體驗的站點。

傳統意義上認為，用戶只有在打開客服對話窗口時，才算是進入了客服服務時間，這種看法顯然是狹隘的。事實上，用戶從進入網站開始就會產生大量的瀏覽和操作行為數據，這些數據的背後滿滿的都是銷售機會。譬如用戶長時間瀏覽某個商品，並在兩個商品間反複跳轉猶豫不決，或是將某商品鏈接發送給親友參考等。掌握這些行為數據，對於轉化用戶來說是極有價值的。但即便是大多數的智能客服解決方案，也未能提供這種與客戶咨詢前行為數據相融通的技術。而且，這些智能客服解決方案重點在於回答客戶的問題，卻失去了人工客服主動營銷的能力。

人工智能客服如何重塑移動營銷新格局？

首先是基於語法的智能語義分析。它可以將客服問答轉化為溝通，將被動應對升華為主動營銷。這是未來人工智能客服發展的重中之重。

目前大多數智能及雲客服系統，對於用戶話語的判斷，是基於關鍵詞結合標點來識別的偽智能技術。而真正的人工智能，需要能準確識別用戶每一個字眼的語法含義。

以快商通為國內某銀行提供的客服系統為例，可以比較清晰的看出基於語法的語義分析與基於關鍵詞分析的效果差別：

基於語法的語義識別技術，能確保智能客服真正理解用戶所說的每一句話。同時，系統還將從人工客服的回應中學習語言，自主組成個性化的回應語言，讓用戶不會感覺對面是冷冰冰的機器人。據快商通統計的數據，這種基於語法的識別技術，目前已能達到97%的準確率，從而使得客服接待量提高80%，訂單轉化率也隨之大幅度提升。

智能語義分析技術的意義，不僅在於可以準確的為用戶提供咨詢回應，更在於它可以將客服這種被動的服務，發展為主動的營銷。譬如，當用戶的咨詢停止後，客服系統還可以分析用戶的附加需求，就像銷售一樣，主動的向用戶推薦一些其感興趣的服務和產品。這種工作效果甚至要強過一個訓練有素的真人客服。

其次是用戶行為的智能識別。即將客服的工作範圍由對話框內的問答，擴展到用戶站內行為分析，進而幫助企業提高流量的轉化率。

比如，通過分析用戶在網站內的瀏覽頁面，懸停時間，懸停部位，客服系統可以優先將購買意願最強的用戶分配給人工客服。同時，預判該用戶可能關心的商品和要點，以便讓企業方在對話中既能占據主動，又不至於惹出用戶的反感。

同時，隨著移動端HTML5技術的日趨成熟，未來的客服對話將不再局限於一個標準的客服窗口。客服窗口在移動端還是過於沈重，智能的客服系統能在判斷用戶站內行為的基礎上，在頁面以懸浮窗口的形式呈現，將不再需要占用用戶寶貴的全屏體驗。

再次，智能客服與微信生態相結合，將牢牢圈住用戶流量，改變其消費路徑。有消息稱微信將在2017年1月正式推出小程序，而小程序很有可能成為未來中小企業在線營銷的標配。同時，微信亦將為小程序開放其生態數據和其它基礎功能，為用戶打造“快進快出，用完就走”的體驗。

在這一新的營銷生態建立的過程中，人工智能客服將發揮關鍵性的作用。以前用戶找到一家企業後，想要進行二次訪問，必須經過複雜的訪問跳轉路徑。而現在，小程序應用號將大大簡化用戶的訪問路徑，企業要做的就是如何喚醒用戶。

舉個例子，用戶關註了某企業公眾號，並對某些產品感興趣。往後，人工智能客服可以結合其之前的訪問信息，主動向某用戶單獨發送消息。這樣不但不會因為影響到其他用戶而掉粉，並會大幅提高信息的打開率。

如此，用戶的消費足跡就會牢牢留在微信生態之內，為企業所獨家占有。在淘寶或百度生態內，用戶流量處於溢出狀態，因為用戶每次接觸企業都需要靠自己的主動搜索，這種溢出也就為企業帶來了巨大的廣告成本。而現在，有人工智能客服主動牽線，企業的流量便穩定許多了。

人工智能客服的王座路徑：以客服軟件為起點，築起一整套營銷生態

易觀預測2017年的智能客服市場有680億的盤子，這個數字，顯然僅僅是軟件售賣的市場規模。前文分析了智能客服對於企業營銷的革命性重塑作用，可見躋身於這條賽道上的各家企業眼中的肥肉絕不只是這一小塊。

如按照上文的劃分，將企業營銷分做引流與客服兩塊，那麽移動流量的大格局已經塵埃落定。而以智能客服為起點，構建一套與流量相對應的營銷生態，才是各大客服廠商競相追逐這一領域的題中之義。

單就在線客服來說，如果某家客服系統使用基數已經非常龐大，那麽其用戶數據分析便有了巨大的價值。某位消費者的消費行為習慣是怎樣的，重視哪些產品要素，這些經過一次智能分析便可以為廣大的企業用戶所共享，智能機器人客服甚至可以被用戶收藏在微信里，成為一個新的流量分發渠道。這樣的價值，顯然不是每年幾千塊的技術年費所能相比的。

另一個趨勢是，智能客服也正在迅速向硬件領域邁進。包括快商通等智能客服企業已開始將人工智能客服技術應用到了醫療導診、房地產銷售等機器人身上。它們的戰略意圖並不難猜，即依托機器人操作系統，以大數據挖掘、SaaS雲服務為基礎，構築從底層算法、行業應用，最終完成智能硬件的人工智能全產業鏈模式。而人工智能客服技術，正是這一數萬億級市場的入口，牽涉到龐大數據的積累及行業標準的建立。回過頭來，也就不難理解為什麽各大巨頭和資本市場會對人工智能客服領域的格外偏愛。

文章評論

匿名用戶

發布

全部評論：10

發布

周鴻祎：人工智能不是萬能的 是泡沫也是風口

360董事長周鴻祎昨日通過花椒直播暢談了他對於人工智能的看法。他表示，對人工智能一定要有客觀理性的認識。抽象地去搞人工智能，意義也不是很大。人工智能不是在各個領域都能用，還是要找到深度學習，適合解題的領域。

他還稱，真正的智能硬件是把硬件連到網絡之後，可以利用傳感器采集大量的數據，通過大數據在雲端有個智能的系統(深度學習)，可以產生智能判斷，再把這個判斷結果反饋給硬件，這才能產生真正的智能閉環。

以下為部分演講實錄：

主持人：現在人工智能太熱了，你就講講人工智能現在是風口還是泡沫吧。

周鴻祎：很多人問過我這個問題，人工智能是風口還是泡沫。我覺得都是，正因為它是風口，代表了未來的方向，所以大家都信奉我們雷總說的，臺風來的時候豬都可以在天上飛，所以現在所有的豬都往人工智能這個風口上趕，這個風口上飛的豬多了自然就帶來了泡沫。所以，有的時候泡沫為未必是個壞事，因為它可以在一段時間內讓大量有聰明才智的人、大量的投資、大量的資金、大量的公司去投入。

當然，最後很多人不一定會得到合理的結果，但它會加速這個產業的推動，所以，當年無論是手機還是當年的互聯網都經歷過這樣的風口兼泡沫的過程。但是人工智能我覺得有幾個誤解想跟大家更正一下。因為前段時間我也也去美國和研究人工智能的專家、教授、學者做了一些交流，因為我們看美國的科幻電影看得太多了，所以提起人工智能老想起終結者2里人形機器人或變形金剛，所以人工智能出來之後很多人就會說機器會不會替代人類，進化速度很快，最後把人類都幹掉了。將來我們安全公司就有事兒可幹了，我們要變成機器和人的鬥爭中，是站在機器一方還是人的一方呢？這都是杞人憂天。坦率地說，這次人工智能嚴格來說是在整個基本原理上並沒有獲得很大的突破，原來神經網絡、機器學習的算法在目前互聯網帶來了強大計算能力的情況下，等於這個算法有了非常好的用武之地，但它還是在某些領域我覺得比較適用，在有些領域實際它並不實用。

所以，今天所謂的人工智能並不是萬能的，也並不像人一樣產生真正自我思考的能力，更不可能像人類一樣有意識。人類的意識怎麽產生的，連人類自己都沒有想明白，所以它不可能產生意識，所以就不可能具備情感，成為最後取代人的機器怪物。這是肯定不可能的。實際這次機器學習的算法它是在什麽樣的領域適用呢？他們叫用大數據進行訓練，里面有個算法會訓練出一個模式，你給他類似的數據，它能給你推理出一定的結論。舉個例子，如果我們想教會機器識別貓，給他100萬張各種各樣貓的照片，經過訓練之後，再拿新的貓的照片，它能認出這是貓。這是大數據。

可能十年前已經發明的算法到今天突然就能夠找到用武之地就兩個原因，一是現在各種雲計算、計算機CPU的能力、圖像處理器的加強，使得過去的算法，如果神經網絡很多層的話，很深的話，這個算法很耗時，但速度很快。二是因為有了互聯網以後我們可以采集到真正的大數據，過去你從哪兒弄一百萬張貓的照片。在這兩個因素的結合下，就使得深度學習在圖像識別這些領域就獲得突飛猛進的發展，但在某些領域，比如說在人機對話，你會發現現在機器，我們可以訓練它從語音轉成文字，因為只要有正確的語音和文字的對照是可以訓練出來的，這是科大訊飛正在做的事兒。但你要理解，理解每句話的意思，因為每句話里有太多的knowledge，太多的知識，比如我們一會兒去樓下吃飯，這個樓下是指什麽，吃飯代表什麽含義。因為你有這個知識，我說話你能聽懂，但機器把我這句話翻譯成幾個字，但未必能搞懂我的意思。

主持人：你的樓下是指360的樓下而不是別的樓下？

周鴻祎：對，我只是舉個例子，說明深度學習的算法並不是萬能的。同樣舉個例子，如果我只是拿貓的照片讓它識別狗它就不會識別。要教小孩子，如果你給他指過一只貓看過之後，下次他看見貓基本就能認出來。這就是機器和人不太一樣的地方。我通過這個例子來講，人工智能通過今天大數據加上強大的計算能力，大數據訓練領域確實能取得突飛猛進的效果，這是我們應該抓住的風口。反過來，如果有的人把人工智能盲目地像科幻小說一樣誇大，吹得神乎其神，什麽都能幹就變成了泡沫。所以，你問我是風口還是泡沫，我認為取決於怎麽做。

我自己感覺，很多人對人工智能一定要有客觀理性的認識。這是我的第一個觀點。第二，今天來看，抽象地去搞人工智能，我覺得意義也不是很大，因為人工智能一定要找到一個業務和它能很好結合的領域，因為在這個領域你才知道要采集什麽樣的數據，才能夠對機器學習網絡，對深度學習網絡進行培訓。

再舉個例子，前段時間有個朋友來找我，說聽說人工智能很流行，有家公司讓我投資，你看靠不靠譜？他們用人工智能、人機對話能夠遠程給人診病，我說這肯定就是騙子了。因為真正的遠程見不到病人，看不到詳細地過問，他也未必診得很對。今天機器可能不具備這個能力，機器連人機對話的能力可能也不具備，沒法進行長期連續的對話，理解你的意思。IBM說用人工智能解決醫療上的問題，他就把這個問題約束得很窄，剛才我說的深度學習適合什麽呢?比如很多醫療的片子，MRI核磁共振或CT片子，如果我有歷史的醫學照片和經過診斷的病就可以做匹配，如果做訓練，可能我再給你兩個片子，計算機就能看得出來你是不是會得這種病，這種情況就非常適合深度學習。所以，深度學習包括現在大家熱烈討論的自動駕駛，比如對馬路的路面、路上的車輛進行識別，這個都可以歸屬為Computer Vision計算機視覺，都適合機器學習的算法。

當然，有人更誇張，說人工智能時代來了，無線互聯網時代都完蛋了。這種話，我認為是純粹屬於為了吸引大家註意力。這個話是不對的，因為最後人工智能其實是和無線互聯網，和萬物互聯的物聯網，甚至各個傳統行業都有可以結合的地方，反過來今天如果沒有物聯網，沒有無線互聯網根本拿不到大數據，沒有大數據談何機器學習？這個事情就本末倒置了。每個人可以想想，到底人工智能在我這個領域能不能找到應用的點，只要有應用的點，大數據也是個機會，但也不能推到神話小說那種境界里去。

主持人：我看蓋茨九幾年的時候，家里號稱是人工智能，說白天起來的時候窗簾自己會打開。

周鴻祎：那不叫人工智能，可能他寫死這端程序，如果碰到什麽情況就怎麽樣。這種程序表看好像能執行一定的任務，實際程序是寫死的，碰到其他情況就不知道怎麽辦了，或者說是種很初級的人工智能，就像那種網上聊天軟件也不是人工智能，就是有大量聊天庫，你說一句話，它看看別人怎麽回答的，他把別人聊天的話扔進來，並不是指真正說話的意思。

主持人：你是指蘋果的Siri一樣嗎？直接把說的結果抽取出來？

周鴻祎：Siri還不一定，Siri里面有兩種情況，一種是你問它簡單的問題，它實際還是把問題分成關鍵字然後去做搜索，它很難形成連續的對話。還有一種是你比較無聊，去逗它聊天，它也是把你的話到知識庫里找匹配。

我再舉個例子，Google這次AlphaGo給我們做了很好的巖石，它讓大家了解人工智能是個很好的公關宣傳，計算機能殺敗圍棋九段，很了不起。它進行深度學習，用很多棋譜和對決來訓練，使得機器在各種情況下，用機器找應對的方法。它和人最大的差別，人下一個棋能講出它為什麽。機器為什麽走這步棋，其實連編程序的人也不知道，因為它是拿模型訓練出來的。它和人最大不一樣的地方是，能走圍棋就走不了國際象棋，國際象棋需要拿另一套模型來進行訓練。這和我們有自我意識和主動思維的人還是有很大的差距。有人說機器進化很快，按照摩爾定律每18個月就會進步一代。

但我認為這里面有個最本質的問題，在算法上沒有本質的突破，人工智能基本原理上沒有突破。突破的數據計算的量和計算能力，這很容易從量變變成質變，即使機器有更強大的機器，更大量的訓練，實際也是機器經過訓練以後的一種網絡給予輸入拿輸出，它還是不會產生一種自我的意識和自我思維能力。所以，我對這個可能比較悲觀，不一定會到二零多少年會有幾點時代來臨，機器就會變成人，我認為這和人還差得很遠。

主持人：去年雷軍有個判斷，30、50年不會有AlphaGo可以戰勝人類的圍棋，象棋可以戰勝，圍棋30-50年戰勝不了，今年突然就戰勝了。

周鴻祎：你怎麽老攻擊雷總呢？我怎麽沒看到他有這個預言？

主持人：去年在烏鎮的對話我看過，他說30、50年戰勝不過圍棋的，結果今年就出來了。

周鴻祎：圍棋、象棋有強大的計算能力，只要有大數據，只要對弈有很多棋局，這恰好符合深度學習比較擅長的領域，為什麽人類自己生物會產生意識，人類自己都沒搞清楚，而且現在馮諾伊曼計算機體系原理也決定了它和人的大腦是完全不一樣的結構。比如人類大腦里神經元可以不斷地產生新的觸突，產生新的連接，就像網絡拓撲結構在不斷地相連，至少我認為幾十年內計算機產生意識這件事兒挺難。

主持人：你到矽谷好多次了吧？

周鴻祎：我講了，我這次去矽谷就是談人工智能，拜訪了專家和學者，他們還是比較冷靜的，因為AlphaGo成功以後，反正媒體愛炒，感覺好像一夜之間人類就要進入人工智能時代了，人工智能無所不能了。其實科學家還是比較理性，認為有些領域需要大概，像自動駕駛至少需要5年以上的時間。最近我看了一篇文章真的挺有意思的，就講對自動駕駛的質疑。坦率地說，自動駕駛在某些領域，比如跑長途的時候非常有效，但真的在城區，除非每個人都自動駕駛的車，比如在很多地方，你的算法一定設定前面有人就會停下來，在路口永遠過不去，因為正常人開著車會一輛一輛別在你前面。它討論一個更深的倫理問題，這和我的一個觀點非常接近，我在想如果我設計一個自動駕駛車到底有沒有方向盤，有沒有剎車？要真的沒有，大家就在想，萬一在緊急狀況下我束手無策怎麽辦？有了之後這個人也不能沒有開過車，像我這種沒開過車的人連左腳油門還是右腳剎車都分不清楚。所以，這個人還得會開車，我坐在方向盤後面，那究竟花多少精力盯這個車呢？比如這個車正常行駛也許不用盯，但平常不盯，真出事兒了我也切不過來，如果我平常盯那又變成有人駕駛，自動駕駛好像也沒發揮什麽作用，這里面就有個悖論。

現在飛機自動駕駛已經很普及了，它就帶來一個結果，很多飛行員已經自動地適應自動駕駛，結果當時法航出故障的時候，飛機已經自動從自動駕駛切換到人工駕駛時，法航兩位駕駛都缺乏足夠的安全意識，他們已經習慣自動駕駛，所以很多判斷是失誤的，如果他們意識到是人工駕駛，當時他們把機頭拼命往下拉，飛機已經失速，當時自動駕駛已經不能給他們警告了，但他們做出判斷。因為有自動駕駛，機長睡覺了，等他回來還沒明白怎麽回事，飛機已經摔到海平面了。他就舉了這個例子，到底正常的時候應該讓人開車，在遇到緊急情況由機器自動介入，還是平常的時候由機器自動開車，緊急的時候人來介入。他認為這是個悖論，某一天你坐上某某公司開的自動駕駛的車，你正在那兒很高興地聽著音樂，開著iPad看著視頻，突然車前面告訴你“自動駕駛模式結束，進入人工模式”，突然一輛大貨車出現在你前面，就會出現想象不到的結果。所以，自動駕駛不是人們想的那麽容易。

主持人：對，正常來說，我最開始理解自動駕駛非常有想象力，我什麽都不用幹，不用開車，不用駕照，我在車上玩遊戲它就可以給我送到目的地，這是我希望的。你自己操控的話，連一點安全的感覺都沒有。

周鴻祎：但要真得做到無人駕駛，這已經不是人工智能的問題，整個道路系統要配套，你不撞別人，還有別人往你車上撞，其他的都是人工駕駛的車，所以，這里面問題比較複雜。下一個話題是什麽?

主持人：下一個話題是在人工智能方面走過的坑，這應該有血淚史吧？在人工智能方面？

周鴻祎：人工智能方面我們基本沒走過坑，因為人工智能是個比較新興的技術，我們也是最近兩年從新加坡請了一個團隊，他們原來做人臉識別，但我忠實地按照王健林先生說的話，先設定一個小目標，別一上來就覺得人工智能無所不能，如果覺得人工智能無所不能，上來就要做全人工智能解決方案，這種肯定特別多，只能說啞巴吃黃連，有苦往自己肚子里咽。所以，我們先設定簡單的小目標，科大訊飛這幾年做得不錯，這幾年一直專註於語音識別，做得極其專註，所以做得很好。目前我人工智能主要做圖像識別，在家用攝像頭和智能行車記錄儀，家用攝像頭看它發生了什麽，將來行車記錄儀有輔助駕駛功能，比如前面告訴你有多少輛車，離車距離太近了告訴你，或者突然有人橫穿馬路或者橫並線可以給你警告。家里放個攝像頭，你小孩回家了，太太回家了，他能認出來，給你打個招呼，發張照片說到家了。或者家里來了陌生人也能知道。所以，我們人工智能並沒有弄得特別宏大。

我們在人工智能這兒剛剛開始，也談不上坑，我跟大家分享，我倒見過別人的坑，有兩種，一種是把目標設得太大，步子邁得太大有時候容易扯著淡，所以還是得設目標，首富王健林對大家的告誡還是對的。還有找錯了領域，人工智能不是在各個領域都能用，還是要找到深度學習，適合解題的領域。

主持人：360和智能硬件呢?

周鴻祎：智能硬件倒有很多坑，以前大家說隨便在家電里放個智能芯片就叫智能，這是不對的。因為很多洗衣機里都有一個電腦單片機，後來很多人說里面有Android，有Linux，那只是有操作系統，也不能完全叫智能硬件。後來說弄個Wi-Fi芯片，把所有的Wi-Fi都能和網絡連在一起。比如電飯煲，我就想不通電飯煲聯網能幹什麽？因為它確實能遠程做飯，但問題是飯熟了自動通知我，但誰把米下到鍋里呢？這還是需要思考的一個問題。

我後來想通了，這都是偽智能硬件，還是在智能硬件上加了一些功能，讓硬件更好賣，讓硬件有賣點，沒有談到真正的硬件。真正的智能硬件是把硬件連到網絡之後，可以利用傳感器采集大量的數據，通過大數據在雲端有個智能的系統(深度學習)，可以產生智能判斷，再把這個判斷結果反饋給硬件，這才能產生真正的智能閉環。

所以，我覺得這樣的東西才是真正的智能硬件。今天哪個攝像頭都是比如Linux的CPU，也都能聯網，但如果只能錄像或錄視頻就不叫智能，如果能認出來將來我們家里小孩在家里摔倒了，或者老人今天在沙發上很不舒服，一直坐很長時間不動它都能感知到，能告訴你，能提醒你才叫智能。我原來在家里裝過很多監控，有時候在美國大別墅里裝很多監控攝像頭就不智能嗎？有個貓從那兒過也要網上警報亂叫，有個狗在那兒叫，或者落葉飄過還叫，你還要一幀幀去看視頻，這就不叫智能。

主持人：為什麽這麽多智能硬件，360不做電視也不做空調，只是做手表、記錄儀和攝像機這幾塊?

周鴻祎：第一，我認為沒有一家公司能做成百貨商場，京東賣別人的東西，所以劉強東可以說我賣上百萬種東西，就算公司自己做做生態鏈也做不了，企業要專註，要聚焦。

第二，360做硬件的邏輯，我的硬件都是為了解決安全問題。對我來講，萬物互聯時代來到了，互聯網最牛的是把虛擬的世界和物理世界連到了一起。我們原來解決的是虛擬世界的安全，借助物聯網的安全能不能解決現實世界的問題。我們做兒童手表是為了保護小孩的安全，父母可以隨時定位小孩，小孩遇到情況可以隨時撥打電話。

我孩子很小念小學在國外念書，我在國外放了攝像頭，隨時想他們了，可以用手機查看他們怎麽樣。我父母比如住在海南，可以用攝像頭查看老人的生活情況。我們用智能攝像頭和後視鏡，開車的時候希望能做到安全駕駛，保護你的出行安全，扣緊安全。因為360是中國最大的互聯網安全公司，未來我們希望變成最大的安全公司，不僅要解決網絡安全，還要解決生活的安全。

從頂級投資人到創業者：人工智能的商業化還有多遠？

2016年春天，AlphaGo與世界圍棋選手李世石的一場世紀人機大戰，標誌著人工智能取得了歷史性的突破，更引發了一波人工智能創業熱。

在不遠的將來，人工智能還會出現哪些新的應用場景？人工智能要想全面商業化，還要走多遠？在12月14日的網易經濟學家年會——科技與未來論壇上，金沙江創投董事總經理朱嘯虎、峰瑞資本創始合夥人李豐、圖靈機器人CEO俞誌晨、 face++創始人兼CEO印奇等展開一場激烈的討論。

印奇：To B將成 AI 應用主流

在Face++CEO印奇看來，人工智能還是To B為主，在未來3年里面當然會有大公司，或者是一些很特殊的機會，會有一些零星的To C的機會出現，但是大部分是To B的。“從整個商業模式上來說，在我們看來會比較偏當年的IBM，就是人工智能的軟件作為核心算法，同時可能有些新型的行業新星出現，再結合不同的行業，有一些不同的解決方案。”

值得註意的是，不久前Face++剛剛宣布獲得 C 輪1億美金的融資，當時 Face++表示將在深度學習、機器視覺領域進行更深入的技術研發，並專註於保持泛金融、泛安防兩個領域產品的地位。此外，Face++將加大人工智能雲和智能物聯網技術投入，探索智能機器人領域的商用市場。

印奇預計，未來3年的人工智能，To B類型的會比較普遍。具體而言，就是那些勞動密集型、科技和信息化相對比較低，同時又有巨大市場份額的行業，未來很可能會是人工智能的機會。“人工智能能為它做30%-40%的產業升級。”印奇預計。

俞誌晨：“機器人”已是白菜價

在圖靈機器人CEO俞誌晨看來，人工智能範圍很廣，圖靈機器人還重點做了一個方向，就是關於機器人的產業，這本身也是語音技術、視覺技術，以及人工智能技術結合的領域。但從商業化的角度來看，機器人從去年開始到2016年已經有了很大的發展，目前主要的應用場景還是偏兒童產業，開始機器人會比較貴，比較高端，但是其實在過去幾個月時間內，目前的機器人已經是做到了“白菜價”，就是低端機。

除了To B領域，俞誌晨認為，在很多To C應用的量在快速地起來。“我們預測明年（2017年）機器人產品會更大規模進入到市場里面。不管是兒童也好，還是家庭也好，至少能夠一步一步地去更加貼近我們的生活。這是目前所看到的一個比較樂觀的機會。 ”

具體而言，他認為第一階段可能是從一些家庭場景開始做起，這也是圖靈機器人的目標，能夠在未來3-5年時間內，能夠讓這種智能機器人進出家庭。

朱嘯虎：AI 新機會在哪兒？

金沙江投資的朱嘯虎認為，人工智能需要三個東西，一是大數據，二是算法，三是應用場景。對大公司來說有天然的兩個優勢，就是用戶場景和大數據，而且最近兩年人工智能都是面向大企業。

但是將來會不會出現新的應用？朱嘯虎認為，一般在新的平臺，未來兩三年以後會不會出現To C的應用值得關註，“因為有人工智能這些平臺之後，面向消費者的應用場景也許會用。這些機會肯定是新的創業公司的機會，目前還在關註當中。”

但他同時指出，不能為了技術而技術，為了技術而技術的都是泡沫。

“任何一個高科技公司，數據好的話都是拿出來吹的，到底多少日活才是最核心的。我們講的任何一個高科技等到市場滲透率到20%可以用的時候才是爆點，現在幾乎沒有。我覺得這是我們最關心的一點，從這一點來看，這個市場還很早很早。”朱嘯虎說。

李豐：人工智能未必取代人類

如果往後看，人工智能會不會替代人？

峰瑞資本李豐給出的答案是“未必”。

“但是現在因為有人工智能，所以我們對基因進化的方式和選擇、和改變的速度可能會超過人工智能本身對人類構成威脅這件事。所以我持樂觀態度。”李豐說。

激辯：人工智能將會取代一半的人類工作嗎？

i黑馬 2016-12-15 16:45

i黑馬訊 12月15日消息，由創業黑馬主辦、摩比神奇冠名的2016年創業黑馬社群大會今日在京舉行。在本日激辯環節上，朋友印象、乂學教育創始人栗浩洋，格靈深瞳技術副總裁鄧亞峰，圖森互聯首席科學家王乃巖，智能管家CTO雷宇，DeepCare聯合創始人、CEO劉聖等六位嘉賓開展了題為“人工智能將會取代一半的人類工作嗎？”的激烈辯論。

這場討論，雖然是以辯論的形式進行，但實際上正反方只是表象，這其實是六位嘉賓對人工智能發展未來的討論。栗浩洋，用工業革命代替了大部分工人的工作為佐證，代表正方提出人工智能不只是代替一半的人類工作，可能會代替80%、90%的人類工作。他認為未來十幾年是“人工智能+”的時代，這場顛覆將會比互聯網和移動互聯網給人類帶來的顛覆更加令人震撼；劉聖則代表反方提出“人工智能不會取代人類，而是解放生產力”。

以下為現場辯論實錄節選：

正方辯手（會）：

鄧亞峰 格靈深瞳技術VP

栗浩洋 朋友印象、乂學教育創始人

雷宇 智能管家CTO                                                                                                                           

反方辯手（不會）：

王乃巖 圖森互聯首席科學家

劉聖 DeepCare聯合創始人、CEO

王曦 杉數科技聯合創始人

正方反方辯論陳詞

正方鄧亞峰：我方認為人工智能能夠取代人類的工作，人工智能是一種用機器來實現人的一些智能，增強人的能力的技術。它的目標實際上是要提高這個社會的生產力。

為什麽說它能夠取代人的工作：

第一，技術的進步。人工智能發展了60年，在近幾年內，歸功於深度學習技術的出現，在技術上取得了非常大的進步。以圖像識別中的人臉識別技術為例，過去的50多年中只有4倍的提升，但是在最近幾年內取得了20倍的提升。這個領域還會有更多的技術進步出現。

第二，歸功於大眾、資本的關註，更歸功於應用的產生。在前幾年講人工智能，關註的都是很專業的人士，大眾很少有人關註。而現在社會、資本對這個方向非常的關註，同時各種應用應運而生，這些都能夠促進這個行業的進步。

第三，為什麽我們認為很多的工作可以給人工智能代替呢？是因為人工智能的特點，決定了它要代替的是人比較簡單的重複性工作，而這部分人是在社會中數量最大的人群，所以說能夠代替一半的人。

反方王曦：今天我們討論的這個題目其實是面向未來的，但是如果回溯一下歷史，我們會發現伴隨著任何一次科技技術的革新，都會有類似的討論，所以我們不妨來看一下歷史上究竟發生過一些什麽，給大家舉一個不太遙遠的例子。

1908年，當人類第一次實現批量化、流程化生產福特汽車的時候，人們出現了相似的擔憂，因為整條生產線上可能一半以上、甚至三分之二的員工都已經不被需要了，只需要14個小時就可以生產一部汽車，這樣人類的工作徹底會被機器取代。

但是實際上我並沒有看到這些人被徹底淘汰，相反我看到的是這些人轉而能夠服務於由於機械化、流程化生產，而催生出一個比原來更大千倍、萬倍的生產。具體而言就是汽車的生產、制造、服務、保險，現在可能是一個達到了11萬億的市場。

最後總結一下，我認為這個問題不要關註眼前的這張小餅，要看人工智能給我們帶來的大餅。

正方雷宇：我覺得人工智能提高生產力，釋放很多好的需求，是一定會發生的。比如，現在人工智能的基礎是通過機器深度學習，可以把人類以前所有的基於經驗的、基於數據的很多工作，都承擔起來，我覺得這是社會進步，就和第一次和第二次產業革命是一樣的道理。

我覺得這是一個不可逆的過程，大家必須去接受它，只有這樣才能把人的精力釋放出來，人類才能引領新的格局、引領新的未來。

我本人是做機器人的，如果我們把機器人作為人工智能的最佳載體來說的話也是一樣的，很多重複勞動還有高危的一些行業已經在發生了，比如說客服機器人、迎賓機器人、消防機器人，都是在代替人類的工作，大家會覺得這是在解放生產力，我覺得這是一定會發生的事情。

反方王乃巖：我的觀點主要有兩點：第一，我確實贊成對方辯友說的，可以取代掉部分的人工工作。可能機器可以取代掉人類99%的工作，但是剩余1%的工作，是需要人來完成的。比如說在自動駕駛中，機器可能在99%的時間能夠取代人，但是在剩下1%的時間，也就是那些往往最危險、最關鍵的時刻，人的作用依然是不可取代的。但是如果只考慮那99%、忽略掉1%的話，這樣的系統仍然是不能完全被機器所運作的。

第二點，目前的人工智能依然是以數據為主導的弱人工智能，這其中涉及到我們要去采集大量的數據，用來覆蓋掉我們所有可能可以遇到的情況，我們並不能像人類這樣使用一個描述性的語言定義一個事情，這樣的一個弱人工智能其實是非常不完善的。

正方栗浩洋：剛才反方的一辯其實正好證明了我們的觀點。他說其實人工智能機械化取代了人的工作，以至於他可以做別的，或者像馬斯洛說的那樣什麽也不做，由政府來發福利。我投資並擔任董事長的乂學教育，做的就是用機器來代替人類老師的工作。我認為我們可以代替幾百萬、幾千萬的老師，因為每位老師不可能像人工智能系統一樣了解6萬個知識點，了解6000萬道題目、了解所有的高考、中考……，這樣的人工智能機器人與人對比，其智能遠高於人類智商的智能。所以我認為人工智能代替的人類目前的工作，將是大面積的而且也是恐怖式的，而人類到底走向哪里，能不能被政府發福利，能不能獲得更優越的生活，我們並不知道。

反方劉聖：剛才我覺得正方的一辨、二辨也是反過來在證明我們的觀點。剛剛我們的二辯說人工智能很多可以解決大部分的問題，但是可能最後只有1%到10%的問題是沒法解決的，所以這個時候需要人類的介入。

舉個例子，我們是做人工智能和醫療的，我們想做的事情是，想教會電腦看醫療的片子。我們在幫助醫生的時候，等於醫生在看病的時候，看的是腦袋里面的數據庫，根據他很多年的經驗積累下來的數據庫。一個好的醫生一輩子看的不會超過5萬個病例，可是5萬個病例如果教給機器來學的話，可能只需要一個禮拜的時間。那我們通過大數據的積累，幫助醫生提高其診療水平，最後做決定的時候還是由醫生來做。

三分鐘的自由辯論

正方：其實在極少數的地方，人工智能只能代替一部分的人，但是在80%的工作里面，人工智能可以全部代替人。比如說搬運機器人，比如說很多工業制造商的生產線，完全可以用機器人代替人。

反方：我們不否認這件事兒，但是我們今天的辯題是是否能夠取代人類。我們其實回想工業革命或者是農業革命，都是一樣的。我們被取代的工作通常都是重複性的比較低價值的工作。把這些人力解放出來之後，其實他們可以投入到更高價值的工作當中去，為我們整個社會創造一個更大的餅、更大的價值。

正方：實際上我覺得人工智能是不可能把人都拋棄掉或者取代掉的，但是在人數眾多的重複性的勞動上是具有非常大的優勢的。

反方：剛才我們都強調是可不可以取代，但是其實在很多行業里面，人工智能能夠比人做得更優秀，這是大家不容否認的。比如，在一些需要精度的地方，機器人是完全可以代替人類的，並且我覺得這個是可以依賴他的。科技是用來被人用的，這是我們最核心的觀點，只有科技才能推動人類發展。

我們杉數科技就是一個用運籌優化，機器學習、深度學習理論來幫助企業做決策的。但是我今天依然是反方的辯手，這兩件事情其實並不矛盾，因為我們的目的並不是要取代決策者，而恰恰相反我們要為決策者提供支持。他能夠告訴我們什麽樣的決策場景、什麽樣的決策輸入，才能得出一個合理化結論。換句話說，如果把人工智能切分開來，要以人工為基礎去開發智能，而當智能成熟了以後，他必須要反過來服務於人工。

正方：我覺得對方三位辯友搞混了智能化機器、智能系統和人工智能的區別。人工智能其實就是要全面取代人類的，至少在某一個領域里面全面取代，包括自動駕駛，我認為未來有一天一定是全面取代所有的司機，盡管它可能也會死人，但是出事故的概率遠遠低於人類，我們就可以讓它百分百取代。

還有醫療，我們每個人都受過庸醫給出來的錯誤診斷的痛苦，現在別說普通的醫病的案例，既使在CT對於癌癥的診斷方面，最高明的醫生大概也就80%的準確度，而現在人工智能已經達到99%的準確度。為什麽在這麽高準確度的時候，你要讓一個低智能的人類再來替機器做的判斷呢？

反方：這個問題其實更涉及到技術層面的一些理解。這一輪人工智能的興起，很大程度上是源於深度學習的發展。但是我們知道深度學習從2012年有了一個飛速發展之後，至今也有差不多四五年的時間了。深度學習的紅利還能持續多久？以目前從學術界的角度來看，最多也就再有5年時間。我的意思不是說人工智能不會有發展，而是在5年之後，我們在這一波深度學習的發展之下，我們能解決的問題已經解決得很好，但是我們不能解決的問題仍舊不能解決。實際上這種強人工智能，仍然需要再有一波需要像深度學習這樣的革命性變革。

正方：花旗銀行和牛津大學的一個報告，跟你的看法相反，他認為美國有47%的人類工作，中國、印度有70%的人類工作，都會在最近的15年全部被取代。

反方：剛才正方三辯一直在強調人工智能是要取代人類的，但是我想問一個事情，就是人工智能再厲害、機器人走到哪兒也是要找電源的。

正方：我想回複對方二辯說的結論。其實我是不認同的。第一，這個辯題沒有規定時間，5年。第二，深度學習技術，其實我跟乃巖本身是做算法方面的，這個技術確實取得了非常大的進步，但是並不等於它是停止了，它其實變成了一個基礎，比如說在特征表示這方面。所以說技術的進步，尤其是現在受到這麽多的關註、這麽多的資本和學校的支持，其實這個領域是很難用今天的視角來看，它就已經是限定了的。

反方：我非常同意你剛才說的，不能以一個限定的眼光去靜態地看我們現在這張餅的大小，這張餅的大小可能很容易就可以有一半甚至更多被機器人或者人工智能取代。但是因為它們所催生出來的更大的餅，它們能占多少，我相信遠遠到不了一半。

正方：所以我們並沒有說完全把人代替掉，而是把人解放出來做更高級的工作。我是說讓人解放出來做這些需要腦力活動的高級的工作。

反方：我繼續補充一下剛才的觀點。現在的人工智能仍然是數據驅動的人工智能，所以它的使用場景仍然是非常局限的。確實我們在一些限定的場景、特殊的應用下可以超越人類。但是在更多的情況下，因為機器是沒有常識的，所以會導致對於人類很簡單的一些任務反而不能實現，比如是識別紅綠燈這樣一個簡單的任務。

正方反方總結陳詞

正方栗浩洋：我們認為人工智能不只是代替一半的現在的人類工作，可能會代替80%、90%，就像在上百年來，在農業領域，90%的人類工作都已經被播種機、收割機所代替。現在人工智能的拖拉機已經可以每分鐘掃描5000株植物，可以識別出生菜和雜草、以及農作物的病變程度和未來要撒什麽農藥，從而節省90%的農藥。

除了一些共識的工人和基礎白領工作，人工智能在一些我們認為不可取代的領域里面，也取得了更好的成績，包括新聞編輯領域今日頭條的小鳴和新華社的快筆小新、律師判案，甚至是藝術領域。我們當時說人只能走到藝術的領域和情感的領域，但是現在人工智能在藝術領域的發展，它能夠讀懂畢加索、梵高、馬蒂斯等並從中抽取藝術風格。人工智能作出的畫已經超過了80%的畫家的水平，也就是說，世界上80%、90%的藝術從業者都要被取代。

人工智能在藝術的商業應用更是突飛猛進，在《冰川時代》里面，人工智能機器人所做的美術渲染，已經部分代替了美工設計。在我們“朋友印象”APP里面我們通過人工智能來促進人與人之間的交往，不但能幫你高效地進行了社交匹配，而且我們期望在未來你不一定需要那麽多的朋友和閨密，有一個人工智能的機器人閨密，可以跟你一起聊天、抒情，幫你一起去發泄罵你的老板，但是最後它們又能給你最有價值、最客觀、最冷靜的建議，能夠幫助到你。

到了那一天，人工智能代替我們所有人目前80%的工作，並不是一件恐怖的事兒，而是我們在座的每個人必須要接受和擁抱的現實，也是我們每一個企業致力於要推動的事情。我覺得互聯網+時代已經過時了，未來十幾年是人工智能+的時代，而這場對幾乎所有行業的顛覆會比互聯網和移動互聯網給人類帶來的顛覆更加令我們猝不及防和深刻，每一個人一定要好好擁抱。

反方劉聖：我先來回應正方的觀點。您捕捉到了很重要的一個點，我們現在這一波的人工智能主要是基於大數據的，所以我們用來訓練的大數據其實是從行業里面來的。

您剛才講的現在也有人工智能從事創造性的行業（比如說作詩、寫音樂、畫畫），可是這些機器人作的畫和寫出來的音樂，只能夠達到一般人的水平，也就是說讓我們一般人看起來還不錯的水平。如果真的讓專家來評判的話，還是遠遠不足的。

應該這樣講，我們在座的各位都是人工智能的從業者，所以我們對未來是堅信不一的，我總結一下，我們並不認為人工智能會取代人類，而是解放生產力。有三個觀點需要重申：

第一個觀點：人工智能目前還是比較弱的人工智能，所以它的應用場景是非常有限的，它只能在特定的場景下解決一個定義非常明確的任務。

第二個觀點：它能夠取代的工作也非常有限，有三種工作是人工智能無法取代的，也就是領導者、連接者、溝通者。領導者就不多說了，沒有人願意聽一個機器說話。溝通者和連接者是什麽意思呢？比如說醫療是一個跨學科的行業，包括軟件工程師、算法工程師和醫療工作者，連接者這個事情就必須要人來做。有一句名言說，醫生是偶爾會治療，常常會幫助，總是在安慰。那安慰這件事情只能人來做，而不能機器來做。

第三個觀點：我們認為人工智能取代的是人類的重複性的勞動，我們把這些生產力解放出來，人類可以把時間放到更好的，解決一些高難度的勞動上面去，給社會、給整個進步創造更大的價值。

文章評論

匿名用戶

發布

全部評論：10

發布

創新工場王詠剛：人工智能時代的科研與創業

創新工場 2016-12-20 09:11

本文由創新工場（微信ID:chuangxin2009）授權i黑馬發布。

當下是人工智能的黃金時代，那科研里面人工智能的角色是什麽？創業里面人工智能的角色是什麽？人工智能如何從書本上跳到真實掙錢的公司產業，能夠創造出許多既賺錢，又實現人生夢想的企業家和創業者呢？

近期，創新工場AI工程院副院長王詠剛在北大做了一場名為“人工智能時代的科研與創業”的演講，在此次演講中，王詠剛從美圖上市談起，談到人工智能的科學定義，人工智能的歷史，科研與創新的關系，以及人工智能最近這次熱潮背後的技術驅動力和創投規律。以下是演講全文。

剛剛大家看了創新工場相關的視頻，里面有一家叫美圖的公司。美圖馬上就要在香港上市了（12月15日，美圖公司正式上市），這是創新工場投資的一個開始成長為獨角獸的公司。

其實，美圖也是一家AI公司，有非常多的可以用人工智能的地方，最典型的的就是人臉識別。除此之外，還有很多可以應用AI的地方，比如，傳統的磨皮是典型的數字圖像處理算法，但是不是也可以用人工智能技術來改進呢？讓機器學習什麽是最白最美的皮膚，什麽樣的磨皮方式和現在要處理的皮膚是最匹配的。這樣，就能既做了臉部美容，又因人而異，保持每個人的皮膚和臉型特點。

美圖有世界上最大的人臉數據庫，也許其中女性臉部居多，但也因此有非常廣泛的人工智能應用場景。在這樣的創業公司里面，人工智能變成了公司的內在驅動力。而美圖本身就是一個非常技術化的公司，美圖上市後，會變成一個獨角獸規模的公司，它未來的發展一定會不斷引入新的人工智能技術。

所以，今天我想跟大家討論的主題就是科研和創業的關系，它的核心話題是人工智能。大家都知道現在是人工智能的黃金時代，那科研里面人工智能的角色是什麽？創業里面人工智能的角色是什麽？人工智能如何從書本上跳到真實掙錢的公司產業，能夠創造出許多既賺錢，又實現人生夢想的企業家和創業者呢？

我們先看第一個問題。

什麽是人工智能？

這個問題，我覺得對計算機專業以外的人和計算機專業內的人，對不懂機器學習的人和懂機器學習的人，得到的答案未必是一樣的。而且我相信，即便是同樣學計算機的人，即便是同樣懂得機器學習或者深度學習的人，對於什麽是人工智能，給出的答案也未必是一樣的。

很多人說人工智能的時候，腦子里會出現一個像人一樣的機器人。這個圖景在科幻小說里比較常見，在科幻電影里比較常見。但不要把它想象成，僅僅是非專業人才會想象的一個途徑，專業人為什麽不能想象這樣的人工智能定義？

專業人士天天看教科書，看數學公式。可是你看這些數學公式的時候，有沒有想過，這些東西未來的某一年會不會突破某一個臨界點？會不會讓你做的一個程序變得真正和人一樣聰明，甚至比人還聰明？如果你的答案是“會”，那麽為什麽？如果你的答案是“不會”，那麽又是為什麽？

我們完全可以從數學的角度，從計算機科學的角度去想一想這些理論上的問題成立不成立。我們應該建立一些相對比較科學的邏輯，就是當你去看待人工智能是什麽時候，你應該有你自己科學的邏輯，有你自己科學的認識，或者說你自己科學的定義，然後從科學的角度，判斷人工智能技術會不會突破臨界點。

今天流行的深度學習技術是機器學習算法的一種。而機器學習從本質上來說，其實就是用數學或計算機科學的手段，對世界的局部或整體進行建模。如果世界簡單到黑白分明，那一個簡單的線性函數就能描述這個世界。但我們要處理的局部世界的問題總是越來越複雜的，因此就需要越來越複雜的算法、函數來描述這個世界。

深度學習之所以取得這麽大的進展，主要還是因為深度學習提供了一種非常豐富的、非常有描述能力的建模方式。比如許多許多層的神經網絡結構可以模擬非常複雜的世界規律。

學數學的、學計算機科學的同學不妨在腦子里做一個頭腦實驗：如果深度學習的網絡結構是可以不斷擴展的，那麽，多複雜的神經網絡才可以描述我們身邊的真實世界？這一方面取決於實現深度神經網絡的計算結構、計算能力是不是真的可以不斷擴展，另一方面取決於我們如何理解這個宇宙的複雜度。

假設你的答案是，深度學習在未來可以通過不斷擴展，達到描述這個真實宇宙的能力，那不用說，基於深度學習的人工智能算法一定會超越人類的智慧。因為人只不過是這個宇宙中的一部分，人的智慧也不過是建立在對身邊這個真實世界的建模的基礎上。當然，你的答案也可能是否定的。但這個頭腦實驗會是個非常有意思的實驗。

為什麽我們說人工智能就在我們身邊呢？

當我們把人工智能定義成依賴於機器學習為主的技術，來擬合世界的一部分，就會發現，這樣一個定義可以很自然地應用到我們的生活中。

這是一個手機截屏的圖片，可以看到，這個手機上裝了非常多的應用。

事實上，當我們在用手機的時候，很多常見的應用，已經嵌入了人工智能的特點和特性。比如說微軟小冰可以跟用戶聊天；滴滴出行、亞馬遜購物這些應用里面的一些推薦算法都會自動推薦最好的產品，或給出租車司機安排一些最好的路線；而Google、百度這樣的搜索引擎本身，事實上已經是人工智能驅動的了，無論是搜索結果的排序，還是搜索引擎智能回答一些人類問題，這背後，都是基於機器學習的人工智能技術

回顧人工智能的歷史

我們基本可以把人工智能的發展劃分為三次熱潮，每次熱潮其實不太一樣，但貫穿這三次浪潮的，有一個很有意思的現象，就是都有下棋這件事。下棋是人工智能的研究者最愛用來展示人工智能技術的一個領域。原因在於，一方面，下棋是人類智慧的一個體現，機器一旦在這個領域取得突破，所有人都會覺得很吃驚，另一方面，解決機器下棋的問題，涉及人工智能研究的許多根本性技術，像搜索啊，貪心算法啊，強化學習啊，等等。

五六十年代的人工智能大師在通用計算機剛剛誕生不久、計算能力還非常有限的條件下，純粹通過數學或者非常原始的編程模型去實現他們心目中的人工智能。早在那個時候，那些人工智能大師就已經看到了下棋這件事。圖靈曾在他生命的最後幾年，在紙上寫過一個可以實現國際象棋原理的代碼，只是當時的計算機的處理能力不夠，這個代碼沒有辦法變成一個真正的可以與人下棋的程序。

實際上，五六十年代有一種比較適合當時計算機能力的棋類，叫西洋跳棋。計算機的西洋跳棋程序曾經在五六十年代戰勝了一個人類的專業西洋跳棋棋手。雖說對手在專業級別水平也不算很高，但當時的電腦，你們想象一下，是什麽樣的，電腦處理能力又是什麽樣子。電腦戰勝了人，所以在當時是一個小小的轟動事件，意味著人們已經開始關註人工智能。

當西洋跳棋勝人之後，人們會說，計算機好厲害，是不是要毀滅人類了。可沒過幾年，人們就會說，西洋跳棋太簡單了，國際象棋這種才能代表人類智慧。計算機不是厲害麽，那麽你下個國際象棋試試？

後面的故事大家都知道了。1997年IBM的深藍戰勝世界棋王卡斯帕羅夫。那時候，我在讀大學，那件事給我的震撼，給我們這些懂編程的人的震撼，一點都不亞於今年3月AlphaGo戰勝李世石時帶給我們的震撼。

可沒過幾年，人們又覺得，戰勝國際象棋的計算機程序其實也算不了什麽。我們人類不是還有圍棋嗎？今年3月以前，很多圍棋培訓班的老師都會對孩子們說，圍棋是目前唯一一種沒有被計算機攻破的人類智慧運動。可結果呢？

這種所謂人類的智慧遊戲貫穿著機器的AI發展史，成為技術人員和普通人的認知能力之間的一個非常好的橋梁。你給普通人講人臉識別，他最多會當作一個計算機的技能，就像所有的停車場都會識別車牌一樣，他不會覺得這個東西有多困難。一張人臉，普通人只會把它理解成鼻子、眼睛嘴巴。很多不會下圍棋的人，認為圍棋也不過如此，但會下圍棋的知道圍棋的深淺是深不可測的。所以一旦計算機在圍棋上贏了人類，那人類受到的震撼遠遠不是一般的技術超過人類所能夠比擬的。

我講歷史，只是想告訴大家，人類是一個健忘的動物，也是一個喜新厭舊的動物。設想一下，過兩年Alpha Go已經遠遠超過所有人類棋手，連手機上的圍棋也可以輕松打敗人類的九段，那時候人類還是會說，圍棋算什麽，圍棋可不能算人工智能，這個東西太簡單了，計算機必須拿出更大的本事來，才能被稱作人工智能。

很有意思，人類就是這麽嘴硬。當然，這也可以認為是普通人對於人工智能定義的自適應性，就是根本沒有一個量化的標準。計算機智能在不斷發展，但到底發展到什麽程度，才是普通人心中的人工智能呢？這個尺子一直在變。

深度學習的複興

從技術本源上說，深度學習有好幾十年的歷史。但2006年，才是深度學習複興的一個標誌性的年代。這不完全是因為深度學習的鼻祖Geoffrey Hinton在這一年發表了那篇著名的深度學習論文，其實，在2006年前後，深度學習賴以發展的大數據、計算能力、移動互聯網等等，都開始發展和成熟起來。

從2006年開始，業界慢慢具備了大數據的能力和計算能力。對世界建模的前提是這個世界要有豐富的數據供計算機來學習。但是在2006年以前，這個數據是非常非常匱乏的，這個世界擁有數據，但這個數據未必能夠被數字化，或者未必能夠數字化之後未必能夠被收集起來。

那麽2006年前後，產業革命發生了非常大的變化，我相信大家能夠想到一些，一個非常大的要點就是搜索引擎，搜索引擎起到了把大數據聚合起來一個提綱挈領的作用，它把所有的網上信息都聚合在一起了。

另一個非常有標誌性的技術進步就是移動互聯網。移動互聯網讓我們每個人都可以非常方便地為這些大數據庫來貢獻數據。你在網上的每一次購物，每一次打車，每一次點擊行為都會變成大數據的一部分。

有了這些大數據，也有了一定的計算能力，深度學習就有了用武之地，這是深度學習複興的根本。

人工智能步入黃金時代

有人說現在人工智能這麽火，這麽多人給出高價來招聘人才，這麽多創業公司這麽多錢堆上去，這次的人工智能浪潮會不會又像前兩次一樣，馬上就跌入低谷，沒有後續了呢？

我們不是未來預測學家，也沒法預測未來，但是我可以給大家一個我們創新工場的判斷。

第三次人工智能浪潮和前兩次相比，有著本質的不同，這是因為，在很多的垂直領域，人工智能第一次展現出來計算機能把一件事做到足夠好的能力。

至少在語音、在視覺等垂直領域，計算機做的事情都可以超過人類的心理閾值。是否超過心理閾值，是人們是否接受你的產品，接受你的技術的一個前提條件。

比如語音識別，人類對語音識別的準確率一定會有一個心理閾值。一旦你低於這個閾值，不管你是低1%還是低50%，人們都會認為這個產品是沒用的。只有你高於這個閾值，人們才認為這個產品是有用的。

至少在視覺領域，在語音識別領域，在深度學習工作得非常好的領域，第一次第二次人工智能浪潮的時候，這些技術雖然發展到了一定的高度，但是還沒有達到人類的心理閾值。

而第三次人工智能浪潮非常不一樣。

大家可以回想一下2014年這個時間節點，普通人大概是在2016年知道人工智能這件事。但科研界的人更多的看到的是科研數據上的突破。比如機器視覺，科研界通常用ImageNet視覺比賽的結果來衡量機器視覺的發展程度。恰恰是在2014年，基於深度學習的計算機算法在ImageNet上超越了人類，一下子將識別錯誤率降低到了比人類識別錯誤率還低的程度。

一張圖片上有多少個人臉，有很多相對模糊或者相對陰暗的人臉，人可能都未必分得出來的時候，計算機就認出來了。在這種情況下，說明計算機在視覺領域解決方案達到的程度已經超過了人們的心理閾值。所以人一下就感覺這個東西有用了。

這是我們想說的第三次人工智能浪潮和前兩次浪潮的本質不同。這個本質不同帶來的結果是，計算機人工智能的程序，人工智能的應用真正能在商業領域開花結果，能在商業模式里賺到錢了。以前是拿人工智能“騙錢”的，現在是拿人工智能賺錢的。

所以會說從2006年開始的這樣一個第三次人工智能浪潮，創新工場非常確信它會是一個產業革命，會進入一個穩健的發展、成熟期，而不是一個曇花一現的浪潮。原因就是我剛才說的，在很多領域，它已經超過了人的心理閾值，已經變成了一個可以用的算法或者說可以用的工具。

剛剛提到深度學習複興，其實在人工智能的第三波浪潮，它做到了在多個領域超越人類的心理閾值，並開始創造商業價值。這些領域可能包括識別領域、自動化領域、互聯網大數據領域。而深度學習，或者說人工智能正在解決這些領域里的問題。

如果說在這些領域里面比較一下，我們認為可能未來最大的領域是無人駕駛。

無人駕駛

為什麽說人工智能可以代替司機？

我不知道大家對人工智能或者說無人駕駛，是怎麽預期的。是預期每天去哪里都有無人駕駛車來接你，還是會預期每個人家里買一輛無人駕駛汽車？

業界主流的判斷會認為，無人駕駛會首先從一些限定領域進入我們的生活。比如說在美國，現在業界看好幾個無人駕駛落地、產生商業模式的機會，其中之一就是貨車運輸。因為貨車運輸相比較來說有固定路線，同時對人類來講，貨車運輸是一個非常艱苦的工作。貨車運輸用無人駕駛可以大大提高效率。

在美國實驗過，把若幹輛貨車編排成一個車隊，貨車之間間隔2米或1米，然後在路上就像一個火車一樣。只有最前面的貨車有一個人類的司機幫忙監控一下，後面的貨車都跟著前面的貨車的行為來走，可以保證不會追尾，然後快速地把大量的貨物像火車一樣，從一個地方運到另一個地方。

所以這是美國人非常看好的一個無人駕駛的應用領域，但我覺得這未必是中國的第一個應用領域。中國有中國的特點，很多中國的無人駕駛公司已經在設想許多特定的領域，開展最早的無人駕駛商用化的實驗。

比如說，在我們北大的校園里，先把校車做成無人駕駛。校車的好處是路線固定，範圍固定，時間固定，就連校車能夠遇到的交通標誌和障礙都是已經確定的。那麽在這個基礎上，要解決的問題相對簡單得多。

所以人工智能取代人類一定是一步一步的，絕不會有一天，你睡覺起來發現樓下司機全沒了，全變成無人駕駛的，這是不可能的。當無人駕駛在生活中潛移默化地一步步取代你的時候，甚至你都感覺不到人工智能來了，你會說什麽智能，不就是開校車嗎，這不叫無人駕駛。

直到有一天，無人駕駛的出租車來接你了，你可能也未必覺得它是人工智能。這個例子只是告訴大家，就是人工智能會悄悄地成為我們人類的幫手，甚至在你無法覺察的時候。

但是對於我們專業的人來說，我們應該盡量留意這些事情，盡量去看到什麽東西可以給我們創造機會，什麽東西有潛在的商業價值，而自己應該在里面扮演什麽角色。

時代的技術主流

其實，計算機的發展經歷了非常明顯的時代化。在每一個時代，只有一種技術可以主導，也只有符合時代技術潮流的公司才能生存下來。在1990年做人工智能，敵不過那些做PC和互聯網的，但是今天就不同了。今天已經不是PC時代或早期的互聯網時代了。今天，你能跟聯想搶PC的生意嗎，能跟戴爾搶顯示器的生意嗎，能跟百度搶搜索引擎的生意嗎？作為創業者，必須在最好的時代做這個時代里最有機會發展起來的事情。

創新工場認為，當今時代的主流方向是人工智能。

未來5到10年甚至更長一段時間的主流是人工智能，如果你們有創業的理想，恰好又學過人工智能，那就處在了一個非常好的，也是非常有挑戰的位置上。這個時代正在召喚創業者，這個時代正在召喚像PC時代的柳傳誌，互聯網時代的李彥宏，移動互聯網時代的王興那樣的創業者，來投入到人工智能的創業浪潮中。這個未來的創業明星，也許就在你們中間。

創新工場會把一個新興的產業，比如人工智能，按照架構分成不同的部分。在不同的部分，會有不同層級的公司進行創業，從而搭建整個生態環境。這種劃分是我們創新工場，用來指導人工智能投資的基本原則，在每一種細分領域，都有可能創造出很多十億級別百億級別，甚至萬億級別的初創公司。

一個最有趣的例子是Google。我在Google的時候很多事情未必看得那麽透，但是我離開後，從局外人的思路看很多事情，會看到一些規劃確實高人一籌。比如說，當年Google和百度一樣都是在做桌面搜索引擎，但是Google是第一個從桌面搜索引擎提出了移動優先的策略，這為移動互聯網打下了非常紮實的基礎。同樣的，Google在2011年就開始做谷歌大腦，在2012年就提出了AI First的戰略，基本是走在了所有科技公司的最前面。

Google每一個產品，只要能和人工智能結合的，它都會選擇結合。因為人工智能會在很多領域提供一些高級算法。在座的學過深度學習的應該比較清楚，深度學習的平臺化是一個非常大的挑戰。我相信在未來3年左右的時間，會有一個非常徹底的改觀。因為很多公司包括谷歌在內都在大力地做這些方面的事情。其次呢，深度學習需要大量的數據，可能要百萬千萬甚至億級數據，才能達到一個非常非常好的效果。但其實，有些領域根本就沒有所謂的海量數據，更不要說大數據了。那反過來講呢，深度學習這種對人類世界的建模方式，是唯一的建模方式嗎？我覺得未必，在未來幾年，大家可能會發明出更好的建模方式，去適應那些缺乏大數據的領域。

機器雖然在模仿人，但其實只是模仿人的一部分。人的學習有一個非常大的特性，叫舉一反三。我們家孩子只有5歲，可是我清楚地記得他兩歲的時候，我帶他去商店里，看到小孩玩的那種滑板，他就看了一眼。然後過了很久，他又到一個場合看到了一個不一樣的滑板，他馬上就說，這是滑板。而計算機視覺程序，這些對象識別程序要學上百萬張滑板才能辨別出來。這是計算機和人一個非常大的差異。

大家應該知道，現在正在研究的許多熱門領域，比如遷移學習，比如少樣本情況下的機器學習算法等等，就是讓機器來更好地模仿人類的智慧，而不是必須有巨大樣本量的情況下才能學到東西。

創新工場布局藍圖

這是創新工場，為人工智能未來的發展和投資所畫的一個藍圖。這也許是今天我的演講里最重要的一張圖。

這是我們對機器學習對深度學習，對人工智能在各個垂直領域，在不同的應用場景，幾年內走向成熟，幾年內走向產業化的一個預判。大家可以5到10年後再拿出這張圖來看一下，看看創新工場的對未來的感知，是不是像當年對移動互聯網未來的感知那麽準。

這是創新工場目前在人工智能的布局。右邊的方案是我們正在投資或者已經投資的人工智能的公司，這里面有很多公司已經發展得非常好。

比如曠視，美圖，馭勢，第四範式。說到第四範式，大家可能感覺名字比較奇怪，他們做的是商業智能，把金融行業的數據拿過來，幫助建立這些金融行業需要的各種模型。大家知道金融行業數據可能是現在所有行業里面數據最全，質量最高，同時是對數據的需求最大的一個行業。

創新工場實際上已經投入的人工智能相關的公司就有大概20家，同時在左邊，我們希望利用新成立的人工智能工程院來做一些人工智能的早期研究和早期孵化。

對正在學習的和即將畢業的學生來講，這都是一個好消息。如果你們想從事人工智能，如果有創業的打算，想趕上這波人工智能的大潮，那創新工場的人工智能工程院可以提供一個非常好的機會。

如果是畢業應屆畢業生的話，可以以工程師或者研究員的身份加入，如果是非應屆畢業生，可以申請實習。我們和從美國回來的大牛一起來搭建四五個小項目。每一個小項目，做人工智能領域的一個方向，包括自然語言處理，機器視覺，數據挖掘等。做項目期間，可以拿工資，可以接受導師的培養，不用定點上下班，只要完成任務就可以。在這里可以學習到足夠的知識，也能夠為科研貢獻一份力量，還有可能走上創業的道路。

問答環節：

1.  問：你好，我想問一下，在教育領域的應用，可以怎麽進行改革呢？另一個問題是，非技術背景怎麽進入人工智能領域？

王詠剛：在教育領域的應用，我可以給大家舉一些例子。我們創新工場投資的教育公司很多，有一家叫vipkid。美國的老師來教中國的小朋友，現在有3000多個美國老師，然後在美國老師和學生交流過程中，用的是一個視頻教育系統。現在這種最基礎的視頻教育系統能夠把兩個人從美國和中國連接在一起，那麽接下來呢？是不是應該利用這種虛擬的環境，讓教學更身臨其境？這里面有很多VR/AR以及人工智能技術的用武之地。

第二個問題，非技術同學如何參與其中，比如說創業，甚至說參與到工場項目中來。我覺得有兩個層面的問題，一方面是非技術有沒有可能轉行做技術，我覺得這是有可能的。另一方面是說，如果你想在非技術領域從事創業又該怎麽做，其實即便是一個人工智能公司，也需要商務落地，也需要商務人才，特別是在現有條件下。

2.  問：現在，比如說互聯網，肯定有些好的項目就被大公司買掉了，包括BAT都在做很多嘗試，我們做項目有什麽優勢呢？

王詠剛：非常好的一個問題。這個問題其實在創新工場內部也有爭論，雖然我們看好人工智能是一個大勢所趨，但是大公司小公司都在做人工智能，為什麽小公司就一定會有更好的成功機會呢？

從歷史角度來看會發現，實際上在每一輪的歷史浪潮里，比如在互聯網的時代，有百度有谷歌，但是絲毫不影響移動互聯網時代出現新的公司。這是因為在每一個技術浪潮里，上一個技術浪潮的領軍人物，他的企業重點，研究重點，或者研發方向未必能夠快速轉型，在新出現的熱點領域里面，中小公司擁有大把的機會。

3.  問： 我一直想問一個問題，任何一項新技術出現都會變成一個非常嚴重的問題，就是安全問題。安全問題會不會帶動安全產業共同發展？

王詠剛：我覺得這是兩個層面的事情，一個是從技術層面，技術只是人類的工具，任何技術都不是非黑即白的，任何技術都有安全上的缺陷，需要其他技術或者管理手段來彌補。技術怎麽被人類使用，這個才是安全的問題。我們都在用電、用汽車，但沒人會問，用電或者用汽車會不會導致大規模的安全隱患。其實每個懂科技的人都可以用電來制造殺人的武器，也可以把汽車改造成殺人的武器。人工智能技術也是一樣。人工智能和其他任何技術一樣具有好的一面和危險的一面。我們必須研究如何使用人工智能技術，如何與好的應用模式、應用規範相結合，才不至於出現危險的局面。所以，安全專家會不斷面臨新的挑戰，人工智能技術的發展也會反向促進安全技術、安全產業的相應的進步和發展。

文章評論

匿名用戶

發布

全部評論：10

發布

人工智能+雲計算，中國互聯網彎道超車的窗口機遇？

Alter 2016-12-21 17:13

1994年，互聯網正式進入中國，長城內的有誌青年們無不熱血沸騰。 

在接下來的十年內，新浪、網易、搜狐、騰訊、阿里、百度等曾經和現在的互聯網巨頭相繼誕生，那些早期投身互聯網的學子們多半實現了財務自由。然而，從三大門戶到BAT，從PC時代到移動互聯網，中國的互聯網世界仍有著複刻美國的影子，來自中國的互聯網公司也大多被定義為美國互聯網嬌子的模仿者。

就在不久前，高盛發布了一份長達百頁的人工智能生態報告，毫無掩飾的表示：美國仍是人工智能的主導力量，將中國、以色列、加拿大、印度等歸結為高速成長的市場。同樣，在雲計算市場也展現出了類似的局面，美國的互聯網巨頭再次表現出了“主人翁”的心態，而來自中國的互聯網廠商被稱作是“挑戰者”。

不過，相信每一位中國的互聯網從業者在2016年感觸最深的無外乎人工智能的發展和雲計算的普及，而高盛的報告也指出人工智能能力將成未來公司重要競爭力。不管是雲計算還是人工智能，對任何一個國家來說都尚處於起步階段，美國的科技巨擘擅長底層算法的研發，而中國的互聯網巨頭更擅長新技術的應用。走出美國的陰影或是不少互聯網創業者的心聲，而人工智能+雲計算會是中國彎道超車的新機遇嗎？

人工智能的新賽道，中國跑到了什麽位置？ 

如果科技領域存在一條鄙視鏈的話，美國公司位於鄙視鏈頂端，而中國互聯網企業處於鄙視鏈的下遊，似乎是很多人心中的答案。 

原因或許有兩點，一是中國互聯網企業多少有模仿美國的痕跡，即便是在國內數一數二的BAT，在他們身上也不難找到來自美國的樣本，直到今天仍然有很多創業者選擇到美國“竊取”idea；二是美國的互聯網巨頭給人的印象是無時無刻不在捯飭“黑科技”，諸如谷歌的X實驗室、Facebook的Building 8、微軟遍布世界的研究院等等，而且這些公司還時不時收購一些技術型創業公司，為自己補充技術人才和專利。當然，這些差別和文化、環境、人才等不無關系，而在人工智能領域中國的互聯網廠商們真的那麽“不堪”嗎？

根據高盛統計的數據顯示，2014年以後，中國在涉及到“深度學習”和“深度神經網絡”方面被引用的期刊論文數量已經超過美國，並特別指出中國擁有世界領先的語音和視覺識別技術和人工智能研究能力。此外，高盛引用的報告也很有代表性。百度於 2015 年 11 月發布的 Deep Speech 2達到97%的正確率，被《麻省科技評論》評為 2016 年十大突破科技之一；香港中文大學早在2014年開發的 DeepID 系統在 LFW 數據庫中達到了99.15%的面目識別正確率。

但具體到互聯網公司的動作來看，中國並沒有太多的互聯網企業表現亮眼。 

高盛將谷歌和亞馬遜稱之為創新人工智能的驅動者。原因在於，谷歌在搜索算法中是不折不扣的先行者，從1998 年的 PageRank 到 2015 年的 RankBrain，一直處於領先地位。而谷歌的DeepMind，也就是AlphaGo的創造者，稱得上是世界上最為著名的人工智能公司。亞馬遜在2015年4月份發布了 Amazon ML，或有機會成為作為服務的人工智能生態系統的領先者，並在推薦引擎中使用了機器學習技術，在匹配用戶意圖以及可欲結果方面具有競爭優勢。此外，蘋果、微軟、Salesforce、英偉達、英特爾、Uber、IBM等公司在人工智能方面的研究成果也成為高盛標榜的對象。 

屬於中國的公司中只有百度一家，“百度大腦正在改進百度全線產品的用戶體驗和提升用戶粘性，也在推動針對每一用戶的定制化高質量內容。”當然這些信息在國內科技媒體的輪番報道下近乎“家喻戶曉”。可以解釋的是，中國人工智能的研究多集中在高校和研究所，互聯網公司們也樂於同這些機構進行相關合作，比如網易和清華共同建立了人工智能實驗室，騰訊和香港科技大學共同打造了WHAT 實驗室，類似的還有很多。

可以肯定的是，中國的互聯網公司仍然未能扭轉“重商業、輕研發”的形象，但中美在人工智能技術層面並沒有拉開太大的距離，並跑在了日本、印度等國家的前面。也就是說，在人工智能的底層技術上，中國互聯網廠商相比於美國競爭者仍有一些不足，但這些不足並不會影響人工智能的實際應用，在應用層面的差距被進一步縮小。 

人工智能應用，美國向左 中國向右

人工智能的本質是什麽？如果是站在象牙塔里，答案當然是更大的數據、更快的硬件、更好更普遍可用的算法。但這終究是一個商業化的時代，技術最大的意義就是快速轉化為生產力。技術研發只是人工智能競賽的戰場之一，應用場景無疑是第二個戰場。

在某種程度上來說，美國是人工智能的起點，也是最渴望人工智能落地的地方。於是乎，那些誕生於美國的人工智能公司也在第一時間把握了人工智能應用的方向。 

比如在產品進化上。谷歌將大量的搜索工作轉移到了人工智能系統RankBrain上，蘋果也不斷為Siri增加新的功能......新算法和新技術的出現往往讓這些產品變得更加好用，甚至不惜高額收購來彌補技術上的不足。

比如在個性化服務方面，Netflix、亞馬遜 和 Pandora 都在使用人工智能來確定推薦什麽樣的內容、突出什麽樣的商品，來滿足用戶個性化的需求。這個方向被視作人工智能應用的重要場景，在國內也流行著“千人千面”的說法。

比如在新產品開發上。以人臉識別為例，Google、和Facebook都投入了大量的財力來優化人臉識別技術，蘋果也購買了一個致力於通過讀取人的面部表情來確定其情緒狀態的 AI 創業公司，目的都是為了新產品或新服務做打算.。

當然，除了這些偏C端的應用，谷歌、微軟等還試圖通過API的形式將自己的人工智能技術開源給開發者，亞馬遜推出Amazon ML的目的也是為客戶提供機器學習功能。只不過，美國人工智能的耀眼之處仍在於機器人、無人駕駛，以及對農業、金融、醫療、零售等行業的改造。所不同的是，中國的互聯網公司把“人工智能即服務”這個方向演繹的爐火純青。

按照高盛的說法，BAT及其他互聯網巨頭和數百家創業公司，在人工智能細分市場及應用領域主要集中在基本服務、硬件產品、智能服務、技術能力等四個方面。

在基本服務和硬件產品方面，百度推出了“度秘”、百度無人車以及采用了人工智能算法的移動應用；阿里巴巴推出了阿里小蜜和一大批基於阿里服務的智能硬件產品；騰訊開放了QQ物聯和微信智能硬件平臺，並憑借中國第一個新聞報道機器人大秀了一把實力。一方面，這些成果和美國的競爭對手相比談不上太多優勢，很多創業者打造的機器人產品更是相形見絀，甚至有濫竽充數的嫌疑；另一方面，人工智能和雲服務的結合成為中國互聯網巨頭們普遍選擇的策略，其火熱程度相比於谷歌、亞馬遜們有過之而無不及，這大概就是中國特色的新方向。 

其中較為典型的動作是，今年11月底，百度高調推出了“天智”人工智能平臺。這也是百度繼“天算”、“天像”和“天工”三大智能平臺後，所發布的第四大平臺級解決方案，由感知平臺、機器學習平臺和深度學習平臺三部分組成，目的在於圍繞人工智能技術能力的開放和輸出。簡單來說，百度希望通過雲服務的形式將“百度大腦”開放給更多的合作夥伴，“天智”所涵蓋的圖像技術、語音技術和自然語言處理等技術，可以應用於智能客服、身份驗證、內容審核等場景，以雲服務的形式無疑更有助於這些場景的覆蓋。

無獨有偶，阿里雲在今年8月份推出了ET，為開發者提供一套綜合的人工智能解決方案套件，包括視頻、圖像、語音識別技術等。網易雲在今年相繼上線了網易七魚和網易易盾，前者借助人工智能技術來解決廣為詬病的客服難題，後者結合深度學習、圖像識別、語義分析、語音識別、動作識別等人工智能技術，解決了80%以上的人力投入，“機器審核+人工服務”逐漸成功UGC產品的主要形態，有傳聞稱2017年網易雲將上線更多人工智能相關的服務。類似的還有圖譜科技、Udesk等創業類產品。

誠然，美國互聯網的天之驕子們把核心經歷放在了人工智能技術的研發方面，並以此來提高自身的核心競爭力。而中國的互聯網巨頭已經開始把精力聚焦在人工智能技術的輸出上，這本身雲計算的戰略需求不謀而合。值得一提的是，近幾年中國互聯網領域開始湧現出越來越多令人驚艷的公司，諸如大疆、極米等等，如果互聯網巨頭開放的人工智能技術能夠幫助這些企業提升其技術能力，似乎是一種雙贏的結果。

結語

互聯網行業是一個勝者為王的時代，在人工智能、雲計算等前沿科技的開疆擴土中，中國的互聯網公司已經從最初的觀望中過渡為參與者。且從科技發展的軌跡來看，所謂的技術門檻最終演變為商業的護城河，在人工智能的應用方面，中國互聯網廠商和谷歌們的差異化布局，尤其是和雲服務的融合，或許正在制造彎道超車的窗口期。

文章評論

匿名用戶

發布

全部評論：10

發布

人工血管內皮化破局

一根經過3D打印好的人工血管被縫合進一只恒河猴的腹腔內，如同水管工將一段水管接入原有的管道，此後，恒河猴依然像其他同伴一樣健康成長。

這不是科幻電影中的橋段，而是四川藍光英諾生物科技股份有限公司(下稱“藍光英諾”)科研團隊的實驗畫面。

目前，藍光英諾已對30只恒河猴進行3D生物打印血管體內植入實驗，這些實驗動物的術後存活率為100%。術後，科研團隊對植入血管的結構和功能進行了從1天到104天不等的後續觀察。觀察結果表明，在實驗期內，所有3D生物打印血管在植入後，其脂肪間充質幹細胞均有序分化為內皮細胞、平滑肌細胞等血管組織，在3D生物打印血管再生完成後，其結構和功能均與實驗動物自身血管的結構和功能一致，實驗動物各項生理指標均未發現異常。

“上述實驗結果與原定實驗預期一致有效，且打印材料取自實驗動物自體的脂肪間充質幹細胞，保證了該血管移植在體內的安全性。”中組部首批“千人計劃”國家特聘專家、美國毒理科學院院士、藍光英諾首席執行官兼首席科學家康裕建對第一財經記者表示。

所謂“間充質幹細胞”，是一類具有自我複制和多向分化能力的細胞，將其在特定條件下轉變為一種或多種構成人體組織或器官的細胞，是這項科研的關鍵。如果說“墨汁”是傳統打印機的原料，那麽“間充質幹細胞”則可被視為這一3D生物血管打印機的生物“墨汁”。

在心血管病領域，人們一直面臨著人工血管堵塞，即人工血管內皮化的難題，患者終其一生都要服用一種名為抗凝劑的藥物，以維護人造血管的正常工作。所謂內皮化，通俗地講就是人體自身血管內膜的最表層細胞向人工血管的管腔表面生長，形成一層內皮細胞的膜狀組織。事實上，適度的血管內皮化有利於血液流動的動力學改變，有利於人工血管的組織相容性，但當內皮過度增生時，可在局部形成瘢痕樣改變，造成血管管腔狹窄，遠端血流減少，供血不足，甚至可能發生堵塞的嚴重情況。這一難題從1952年提出至今逾半世紀，終於有了新的突破。

“3D生物打印血管在體實驗的成功解決了困擾臨床半個世紀的人工血管內皮化的問題。同時，在體實驗打破了脂肪間充質幹細胞不能分化成血管組織所需的多種細胞的認識。”康裕建強調，該技術的核心理念是在不對幹細胞加以修飾的前提下保持幹細胞的幹性，通過調動體內自主再生能力，實現機體自主調節的組織再生和功能恢複。

目前，由於生物學基礎研究相對薄弱，常規材料性能、壽命不能滿足臨床要求。生物材料由於活性欠佳、惰性不足等問題，基本以異物存在於體內。康裕建表示，由於此次實驗材料取自實驗個體自身，不會存在排斥反應。

上述人工血管的制造來自於藍光英諾自主研發的3D生物打印機，該打印機僅花費2分鐘，便能打印出10厘米長的血管，甚至還包括血管獨有的中空結構、多層不同種類細胞，為規模化生產提供了可能。藍光英諾董事長任東川告訴第一財經記者，截至目前，公司在該項目上已投入5000多萬元，擬前期投資2.15億元用於技術研發和科研團隊建設。

藍光發展董事長楊鏗對第一財經記者表示，“藍光發展堅定推行‘科學家+企業家’創業創新模式，讓科學家做科學家擅長的事情，科技研發、技術創新;讓企業家做企業家擅長的事情，市場拓展、商業模式創新。”

中國工程院院士張興棟曾對第一財經記者透露：“2015年全球生物材料的市場規模約為2460億美元，到2030年預計將超過1萬億美元。”

巨大的市場規模吸引了眾多國內企業湧入。在心血管支架、心臟封堵器領域，樂譜醫療、上海微創、吉威等國內廠商占據主導地位，而在生物性硬腦(脊)膜補片領域，冠昊生物已占據國內市場40%~45%的市場份額，與德國貝朗醫療、美國強生公司等抗衡。

令人憂心的是，中國企業生產的生物材料大多為發達國家不生產的低、中端耗材等，而高技術常規材料技術和產品優勢大多掌握在外商手中。張興棟稱：“研發投入也是一大難題，中國本土企業的研發費用大約占銷售額的1.77%，而發達國家的企業一般高於10%。”

蘋果公布首份人工智能報告：用合成圖像訓練算法的識圖能力

據福布斯報道，蘋果本月初曾表示將發布自己的人工智能研究報告。不到一個月的時間，蘋果就兌現了承諾。

近日，蘋果公司發布了其首份人工智能研究報告。這篇報告闡述了如何通過計算機生成圖像而非真實圖像來訓練一種算法的圖像識別能力的這項新技術。

報告稱，在機器學習研究中，使用合成圖像(例如，來自一款視頻遊戲)來訓練神經網絡要比使用真實圖像更有效。這是因為合成圖像數據已經被標記和註釋，而真實的圖像數據需要有人耗費大量的精力去標記計算機看到的每件事物，如一棵樹、一條狗或一輛自行車。

當然，使用合成圖像也有一定的問題存在。因為一種算法所了解的內容與真實世界中的場景會有所不同。“有時，合成圖像數據不夠真實，導致神經網絡只能了解到合成圖像中所呈現的細節，而對真實圖像的認識有所不足。”蘋果在報告中稱。

為解決該問題，提高合成圖像數據的訓練效果，蘋果研究人員推出了“模擬+無監督”的學習方法，以提高模擬圖像的真實感。蘋果研究人員使用一種經過修改的新型機器學習技術，被稱為“生成對抗網絡”(GAN)，讓兩個神經網絡彼此對抗，從而生成更逼真的圖像。

今日頭條整治平臺虛假信息，機器加人工可過濾90%

i黑馬 2016-12-27 10:01

i黑馬訊 12月27日消息 信息過載的當下，假新聞和謠言的泛濫成了新聞聚合平臺乃至整個社會新的挑戰。今日頭條近日透露，通過機器算法加人工複審的方式，今日頭條識別虛假信息的準確度可以達到90%。

根據今日頭條的做法，如果有大量用戶舉報了一篇內容為虛假信息，或在某篇內容的評論區中密集出現“假新聞”等相似關鍵詞，機器即可自動識別並將其提交至今日頭條審核團隊的工作後臺，提示進行高優先級的複審。據今日頭條透露，目前，機器通過收集分析各類用戶反饋識別虛假信息的準確率達到60%，結合人工複審可提升到90%。

據悉，今日頭條平臺上各類機構分享發布的信息每天已經接近20萬篇。僅靠人工進行識別判斷難以保證這項工作的效率和準確性。在準確甄別虛假信息後，今日頭條運營團隊將會停止虛假信息的推薦和展示，並依據平臺運營規則對發布虛假信息的來源進行處罰。

對於在被發現和停止推薦以前，已經造成較大範圍影響的虛假信息，今日頭條也在嘗試通過大數據技術進行“精準辟謠”。據悉，這項功能已經在12月開始初步實驗，其實現方法是：通過某篇虛假信息的用戶閱讀記錄，將閱讀過此信息的用戶識別和標註出來。當辟謠信息發布時，則可通過特別的推薦通道，指定向這部分曾閱讀過虛假信息的用戶進行展示。

這類“辟謠”信息在這部分用戶的信息流中顯示為帶有一類特殊標簽的信息。 “精準辟謠”功能在12月被應用於“網傳搜狐撤裁內容部不再設編輯崗位”和“網傳保定曲陽一23歲女孩光天化日之下被搶走”兩次虛假信息傳播事件中。

文章評論

匿名用戶

發布

全部評論：10

發布

麥肯錫報告：機器的崛起，中國高管眼中的人工智能

雲啟資本YUNQI 2016-12-29 10:02

本文由雲啟資本YUNQI（微信ID：yunqipartners）授權i黑馬發布

在中國，人工智能也插上了騰飛的翅膀。「百度大腦」就是其中一個推動因素。這是一家百度建立的研發平臺供第三方來開發人工智能應用，投資於無人駕駛汽車的研究，以及提供給蓬勃興起關註於機器學習應用及相關商業模式創業公司的利用。

然而，我們最新的一項研究表明，人工智能的迅速發展可能更有利於科技板塊，因為這一行業具有相關的人才、技術和資金，更易於推動人工智能的發展和普及。相比之下，中國的傳統行業還沒準備好利用人工智能技術，大多還沒把其視作戰略重點。

關鍵術語

人工智能是有關計算機系統的理論和發展，這類計算機系統能夠代替人類智能執行一般由後者執行的任務，比如視覺感知、語音識別、決策和語言轉換。

機器學習也是一種人工智能，可以不通過明確的編程就能讓計算機獲得學習的能力。機器學習專註於開發能自學的計算機程序，遇到新數據時，這些程序能夠自我成長並做出改變。

深度學習是人工智能的一項功能，主要通過模仿人腦的工作模式進行數據處理並生成供決策用的模式。深度學習是人工智能中機器學習的一個子集。深度學習具備的網絡能夠向無結構或無標簽的數據學習，而無需任何監督。

為了更好地了解人工智能對中國傳統行業的潛在影響，我們最近對 80 家公司展開了一項調查。其中，60 家處於傳統行業，如零售、重工業和建築業。另外，調查對象還包括 20 位人工智能專家，他們來自中國領先的互聯網公司，其中包括幾家初創公司。調查對象覆蓋各行各業，具有一定代表性，包括金融、醫療保健、零售、消費品、科技、媒體和電信。

有一點大部分受訪者都認同，那就是人工智能會成為其所在行業的一股顛覆性力量。盡管變化的步伐可能因行業不同而有所差別，但 90％的受訪者都認為，人工智能會從根本上改變自己的行業。在問到人工智能會怎樣產生影響時，受訪者提出了 100 多種潛在方式，從提高運營效率的應用程序開發，到全新的產品和服務開發，不一而足。

盡管人工智能帶來了一線曙光，但我們的研究表明，傳統行業公司仍在掙紮，猶豫該如何對這一技術進行投資。超過 40％的調查受訪者表示，所在公司的 CEO 並沒有將人工智能作為戰略重點，60％以上的人認為，所在公司在過去一年中，人工智能戰略並沒有取得令人滿意的進展。

在調查中，大多數高管指出，人才匱乏是制定具體人工智能戰略的主要障礙。事實上，中國只有不到 25％的人工智能從業者擁有超過 10 年的行業經驗，而在美國這一比例也只有 50％。一名首席技術官表示，開設機器學習相關專業的中國高等院校屈指可數。即便是有此專業，大多數學生也開發不出現實生活中能真正運用的應用程序。

鑒於以上種種挑戰，傳統行業的受訪者認為，要在這一領域取得成功，前景不容樂觀：84％的受訪者表示，人工智能最大的贏家可能是互聯網公司和創業公司，而不是現在的行業領軍者。

人工智能到了爆發的臨界點

在技術突破和應用機會不斷擴展的雙重推動下，人工智能走到了大規模應用的臨界點。四大趨勢表明，人工智能將給各行各業帶來顛覆性的變革：

1. 領先的半導體廠商及 CPU 和 GPU 企業均將人工智能視作核心目標，斥巨資投入大量處理技術，為人工智能及機器學習打下基礎。

2. 開源人工智能平臺的數量及規模持續激增，開發人員可以自由利用編程界面，使用各類工具、算法以及訓練數據，建立人工智能功能。

3. 數據資源的規模及種類也大幅增加，意味著可以對機器進行訓練，從而使其做出更快更好地決策。

4. 高科技巨頭以及風投機構對致力於「人工智能跨行業創新應用」的初創公司趨之若鶩。從 2010 年到 2014 年，人工智能初創公司的風險投資額增加了 20 倍以上。

我們對這種歷史性轉折並不陌生。當技術創新與市場力量匯聚在一起時，便會創造出足以扭轉整個行業局勢的產品。2007 年蘋果手機 iPhone 的發布就是這樣一個歷史時刻。當觸摸屏的成熟技術與移動電話的日益普及交織在一起時，便產生了足以改變整個行業領域的新產品。

雖然確切的時間仍無法預測，但人工智能似乎已走到了類似的爆發性歷史轉折點。人工智能的重大技術進步創造了大量機會，將催生出改變遊戲規則的產品和服務。其中一項關鍵的應用便是語音識別。自然語言處理的成功率已接近 99％（技術臨界點），全球和中國的大型科技企業正在努力推出相應的家用網絡設備，如具備語音輸入技術的路由器。

在無人駕駛領域，關鍵技術也已接近臨界點：比如目標跟蹤算法，即用於識別車輛附近目標的算法，已達到 90％的準確率。再比如，固態激光雷達也已面市（類似於雷達，但以激光為工作光束），可用於收集車輛周圍環境的高頻數據。由於這些技術迅速進入成熟可行階段，各類大型科技公司，如谷歌、英偉達、英特爾和寶馬都在快馬加鞭，努力開發自動駕駛汽車。

中國將引領行業趨勢

盡管人工智能的發展主要受全球高科技企業的推動，中國企業也致力於在這一新興領域成為領導者。

例如，中國對本土半導體行業的打造主要強調發展機器學習所依賴的 CPU 和 GPU技術。百度以 96% 的準確率成為語音識別市場的領先企業，追上甚至趕超了谷歌、微軟及亞馬遜等競爭對手。預計中國的人工智能應用市場將以 50% 的增速逐年增長，遠遠超過全球市場 20% 的複合年增長率。

中國政府已經認定，人工智能是經濟發展新的引擎，因而投入資金開展學術研究，並為人工智能企業提供經濟獎勵。中國的互聯網巨頭將人工智能視為重點，而初創公司不斷開發各種人類智能應用，包括機器人、醫療衛生、以及無人機領域。部分中國公司（比如 NIST 的科大訊飛和 Imagenet 的海康威視）在人工智能技術領域甚至超過了全球知名的競爭對手。

對傳統企業的挑戰: 成為行業的領導者還是落後於人

中國積極推進引領人工智能革命，為國內非高科技類企業帶來一定難題，因為後者將不得不開始采用人工智能技術。很多這類傳統企業開始與互聯網公司在人工智能應用領域開展合作，以增加自身的成功幾率。在這合作過程中，他們為今後可能顛覆自己的對手提供珍貴的專有數據以及行業經驗。與可能摧毀自己的公司合作，就像他們沖擊銀行、商業及其他行業一樣，真的能夠幫助傳統企業取得成功嗎？高科技企業是否成為中國人工智能繁盛時期的唯一贏家？

對於傳統企業而言，如果不開展合作，其他可采用的策略為：投入資金，加入人工智能技術和能力的競賽。然而，鑒於我們預測人工智能業未來的發展帶有很多不確定性，因此，僅靠預測采取上述舉措可能是很不明智的。中國在人工智能領域發展的這一優勢能否被國內傳統企業所充分利用？

CEO 們需回答九個關於人工智能戰略的問題

對於人工智能，中國傳統企業大多不會戰略性地采取「放任不管」的態度。中國企業的 CEO 們必須積極思考這一問題，做出審慎的戰略決策：是「發展壯大」、「建立合作」、還是僅僅采取「觀望」的態度。

以下是企業領導人在制定人工智能戰略時需回答的九大問題。

我們現在處於怎樣的階段？

1) 我們所處的行業在采用人工智能技術方面處於怎樣的階段？我們現在正在使用以人工智能為主的應用嗎？還是正處於將人工智能運用到業務當中的最初階段？

2) 我們所處的行業之中，誰正在引領使用人工智能技術？我們的公司是引領者、還是追隨者？有哪些最佳做法是我們的公司可以學習和借鑒的？

3) 我們的組織是否已經做好準備，制定並采納人工智能戰略？在公司內全面采用人工智能技術需要具備哪些基礎？

未來我們的目標競爭領域是什麽？

4) 在我公司所處的行業里，有哪些可行的人工智能應用案例？有哪些關鍵技術？哪些企業可以進入我們所處的行業？

5) 從近期和長期看，人工智能可取得哪些業務成效？在人工智能領域的投資預計多久可以回報？在決定投資時機時預計會有哪些取舍？

6) 我們應如何利用人工智能進入或打造新的領域？人工智能應用所提供的能力遠遠超越了當前的規範，可能促使企業將當前重點擴大到其他領域。人工智能將如何改變競爭規則，以及我公司所處的競爭格局？

我們需要哪些人工智能能力？如何獲得這些能力？

7) 我們應利用哪些人工智能的能力？根據我們對潛在案例的分析，以及人工智能的競爭影響，我們具體需要哪些技術和商業人才來實施我們的目的？

8) 我們怎樣才能獲得上述能力？是外購、合作、還是自建？每項選擇都有潛在的優勢和劣勢。

9) 我們應如何利用上述能力打造持續的創新流程？企業必須能預測上述能力將如何推動企業在未來持續增長，才能夠最大程度地利用人工智能的投資

對於傳統行業的企業，問題不在於他們是否應該考慮在自身的業務及戰略流程中采用人工智能應用—而是他們應該制定怎樣的人工智能戰略，以及如何去實施這一戰略。中國的非高科技企業或者可以向國內高技術企業學習，或者眼睜睜看著對方在技術行業獨占鰲頭。為避免落後或更糟的局面，CEO 們必須積極考慮人工智能在其所在行業的現狀以及潛在的未來，明確未來目標的重點，建立發現並捕捉人工智能在本行業推廣效益的引擎。

文章評論

匿名用戶

發布

全部評論：10

發布