📖 ZKIZ Archives

2016年人工智能領域十大標誌性事件

創新工場 2016-12-30 09:57

本文由創新工場（微信ID:chuangxin2009）授權i黑馬發布。

過去的2016年，全球人工智能領域的發展迎來了一波新的高潮。無論是技術精英還是普通百姓、企業精英亦或國家領袖，都將目光投向了人工智能、深度學習、自動駕駛等一系列前沿技術。

下面就來看看2016年全球人工智能發展的十大標誌事件。

1．AlphaGo圍棋對弈戰勝李世石

今年3月，由Google DeepMind主導開發的人工智能AlphaGo在完勝歐洲圍棋冠軍樊麾二段後，又在五番棋中以4-1的大比分擊敗圍棋名宿、韓國國手李世石九段，震驚全球。DeepMind創始人之一德米斯·哈薩比斯表示，這一時刻比科學家們預想的早來了十年。

圖片來源：Getty Images

AlphaGo利用了蒙特卡洛樹狀搜索與兩個深度神經網絡相結合的方法，以估值網絡來評估大量落子間的優劣，而以行棋網絡來選擇落子。在這種設計下，電腦可以結合樹狀圖的長遠推斷，又可像人類的大腦一樣自發學習進行直覺訓練，以提高棋力。

圍棋長久以來被視為棋牌運動中“人類智慧的最終堡壘”，而AlphaGo的勝利，讓社會大眾重新認識到了人工智能發展的潛力和前景。

截至12月，接受了韓國棋院名譽職業九段頭銜的AlphaGo，職業圍棋等級分已經達到3598分，世界排名高居第二，僅次於中國的柯潔九段。而據韓媒報道，中國棋院表示已經收到了來自AlphaGo的“挑戰書”，正在研究出賽棋手的人選，2017年圍棋界的巔峰對決一觸即發。

2．白宮發表人工智能戰略報告與規劃

2016年10月12日，美國白宮發布了題為《準備迎接人工智能未來》的戰略報告，同時發布的還有美國《國家人工智能研究發展戰略計劃書》。

圖片來源：Whitehouse.gov

這兩份文件的出臺，是奧巴馬政府近年來大力推進包含人工智能產業在內新興技術產業、並與矽谷科技界緊密合作溝通的結果。Quartz評論說，這份報告與戰略計劃顯示出，白宮並不急於對人工智能的研發進行大規模監管，而是會在交通、金融等垂直領域先行制定應用標準。

而在唐納德·特朗普當選美國總統後，白宮於12月20日跟進發布了《人工智能、自動化與經濟》戰略報告，指出人工智能將對生產率增長帶來積極影響，不應當因其對勞動力市場現有秩序的潛在威脅，遏制人工智能的發展有分析認為，這是奧巴馬政府離任前對特朗普的最後提醒。

除白宮之外，今年多國政府也都發布了相關發展戰略與計劃。例如日本《再興戰略2016》將人工智能發展列為十大複興戰略之首，中國政府《“互聯網+”人工智能三年行動實施方案》則提出到2018年建成千億元級別人工智能市場等。

創新工場董事長李開複認為，在人工智能領域，中國有很大的優勢。首先，中國教育體系培育出的人才有非常優秀的理工、數學基礎。世界人工智能論文作者中，43%是中國人。其次，中國社會可以快速訓練勤奮的年輕人。人工智能需要的並非培養一個火箭專家——那是需要數十年積累才能做的事情。一名特別優秀的數學和計算機專業應屆畢業生，經過創新工場AI工程院6個月的培訓，就可以進入人工智能行業，成為合格的人工智能工程師。再者，中國市場有很多傳統企業需要通過人工智能，實現產品升級。此外，中國政府對人工智能的政策約束較少。 

3．全球人工智能企業融資額再創新高

自2012年以來，全球人工智能領域收到的投資數量就一直呈現上升趨勢，2016年也是如此。今年全球人工智能產業的投資情況，創下了五年以來的歷史新高。

圖片來源：CB Insight

據CB Insight統計，今年全球人工智能領域融資額有望突破50億美元，比2015年增長了超過60%。就單季度情形來看，今年第二季度的3個月之內，全球人工智能企業就在155次融資當中募得了超過16.8億美元，這一數字也創下了歷史新高。

國內方面形勢也同樣樂觀。《烏鎮指數：全球人工智能發展報告2016》顯示，中國人工智能投資在2016年上半年就達到了月6億美元的規模，其中第2季度更是達到了創紀錄的4.70億美元，顯示出中國在人工智能領域的投資明顯加快，緊跟在美國、西歐等發達國家之後。

4．華人AI研究貢獻占據全球份額近一半

不僅是企業投資，華人在人工智能領域的科學研究水平和影響力也在與日俱增。

美國白宮今年10月發布的人工智能戰略報告就指出，自2014年起，深度學習領域中國作者的發文數與含引用文章數均已超過美國，成為世界第一。預計2016年，中國作者的科研文章發表數量，將超過全球文章發表數量的一半。

創新工場人工智能工程院副院長王詠剛，則以影響力較高的全球核心期刊為目標，核算了華人科學家在人工智能領域整體上的科研貢獻率。占全球高端人工智能科研人才五分之一的華人，在2006-2016年間貢獻了近三成的頂尖期刊文章，和31.8%的被引用頻次。

而就年度成績來看，華人AI科學家在全球貢獻中的占比更是逐年攀升，2015年高端期刊文章總數達到了42.8%，引用總數更是超過一半，達到了55.8%。就此而言，華人已經處於了人工智能研究的領先地位，占據了人工智能科研世界的半壁江山。

5．五大科技巨頭組超級AI 聯盟

今年9月21日，Alphabet（Google、DeepMind）、IBM、Facebook、亞馬遜和微軟五家科技巨頭宣布組成人工智能聯盟“Partnership on AI”，以求在科研領域建立良性的競爭與合作關系。

圖片來源：TechCrunch

這一人工智能聯盟以“為人民和社會謀福祉”為口號，表示其核心使命是在巨頭之間開展行業標準和規範討論，包括探討人工智能促進社會中的變革方式。此外，人工智能發展倫理、包容性和隱私等，也是這個聯盟的重要研究課題。

DeepMind聯合創始人穆斯塔法·蘇萊曼希望，這個聯盟能夠產生強大的聚集效應：“我們希望受到人工智能影響的相關各方，都能參與到這一聯盟當中來。”

目前，蘋果、Twitter、英特爾和百度等人工智能領域的其他巨頭企業，都尚未加入這一聯盟。盡管有消息稱蘋果對該項目“充滿熱情”，但並未見到蘋果采取任何具體行動。

6．特斯拉自動駕駛汽車首次致死車禍

今年5月7日，一輛行駛於美國佛羅里達州的特斯拉汽車在開啟“Autopilot自動駕駛”功能時，首次發生了致人死亡的重大事故，導致美國交通當局介入調查，也引發了大眾對於未成熟的自動駕駛上路的擔憂。

圖片來源：ABC News

這場事故由一輛撞上白色大型拖車的特斯拉Model S汽車引發，導致Model S車主，40歲的喬舒亞·布朗身亡。特斯拉在聲明中指出，拖車高度與顏色、當時的天氣情況、以及道路上行駛的位置等一系列罕見的偶發因素，導致了這場事故的發生。

盡管“Autopilot”系統在去年年底就以公眾測試版的名義進行了發布，事故發生前也安全行駛了2億多公里，但這一尚處於試用階段的技術是否足以達到上路標準，還是引發了各國監管機構的註意。

而據中國中央電視臺9月14日報道，今年1月20日的京港澳高速河北邯鄲段上，一輛特斯拉Model S汽車發生了嚴重追尾事故，導致23歲的駕駛員高雅寧當場死亡。但特斯拉至今未能查明該事故車輛是否開啟了“Autopilot”系統。

7．微軟在話語識別能力上超越人類

人工智能在垂直領域中又一次戰勝人類，這次的主題則是話語識別。盡管人工智能助手已經開始大量使用語音識別技術，但在較為複雜的現實應用面前仍舊不甚理想。

但在今年10月，微軟研究院人工智能科研小組的科學家發表了一篇學術報告，宣布其語音識別系統ASR的速記錯誤率，首次低於人類的專業打字員，錯誤率僅有5.9%。

微軟團隊使用了CNTK，一個經歷了多年技術積累的開源本地化深度學習系統訓練ASR。研究團隊使用了行業標準的Switchboard語音測試。同時，微軟也使用了CallHome等其他環境下的語音識別/速記測試。而在這些測試中，ASR的語音識別結果也要好於專業速記員。

8．Amazon GO展現智能商業新形態

線上零售業巨頭亞馬遜在今年12月5日，宣布將於明年年初推出基於人工智能技術的線下商店 Amazon GO，意圖徹底變革線下商業模式。

在亞馬遜發布的宣傳視頻中，消費者進入商店時需掃描二維碼通過閘機，從貨架上取貨等動作會被攝像頭和傳感器捕捉，在後臺將商品“加入購物車”。消費者離店時無需排隊，系統會自動結算商品，並通過亞馬遜賬戶扣款。

亞馬遜表示，這一商店綜合應用了計算機視聽覺、傳感器識別和深度學習算法等人工智能技術，實時追蹤店內顧客的行為，以實現實時商品確認和結算。

亞馬遜已經在美國西雅圖開設了面向內部員工的試驗店。預計這一技術將於2017年早些時候開始公開應用。

9．人工智能改善癌癥診斷療法

深度計算已經開始被用於疑難疾病診斷了。今年8月4日，日本NHK電視臺報道稱，東京大學醫學研究所通過應用IBM的人工智能平臺“沃森”，僅用時10分鐘就診斷出了資深醫師也難以判別的特殊白血病。

圖片來源：NHK

東京大學自去年7月開始與IBM合作，通過讓“沃森”學習超過2,000萬篇醫學論文和1,500萬條以上的藥品知識，建立醫學診療的大數據神經網絡，之後再用於臨床研究。

本次報道的60余歲的女性，最初被人類醫師診斷為急性骨髓性白血病，但經過數月的抗癌治療後情況卻不見好轉。而“沃森”在讀取了患者的遺傳信息之後，給出了“繼發性白血病”的更加具體的病情診斷。在調整了治療方法後，這位女性在數月後成功康複出院。

截至2016年3月，“沃森”與東京大學共為41名患者提供了協助治療的診斷或相關信息。東京大學醫學研究所副所長東條有伸表示：“人類醫師花費兩周時間完成的工作，‘沃森’只需要10分鐘。我們希望以後能夠將‘沃森’廣泛應用於癌癥治療。”

10．紮克伯格發布AI管家“賈維斯”

自今年1月Facebook CEO馬克·紮克伯格宣布開始制造人工智能管家之後，外界對其的關註就沒有消停。

先是紮克伯格將這一人工智能命名為“賈維斯”——這與超級英雄鋼鐵俠在故事中擁有的人工智能管家同名；後有今年10月鋼鐵俠的扮演者小羅伯特·唐尼同意為“賈維斯”配音，直到今年年底，紮克伯格最終放出了“賈維斯”的原型應用視頻。

在視頻中，“賈維斯”通過語音識別方式識別用戶指令，並通過攝像頭、智能家居等外接設備，實現對家庭硬件的自動操控、工作管理等。同時“賈維斯”還具備人機對話的能力，甚至還可以說漢語。

但在面對媒體的演示時，“賈維斯”在語音識別上的表現卻差強人意，其中一條指令甚至被迫重複了四次。這意味著現實場景中的語音識別功能仍然未能充分整合進“賈維斯”當中，而推出大眾版產品，則要等到更久以後了。

文章評論

匿名用戶

發布

全部評論：10

發布

人工智能：從“精英技術”到“草根應用”還有多遠

陳根 2016-12-29 17:39

烏鎮的水天、民宿與江南風情，適合休閑，也適合衍生故事。集結世界科技巨頭半壁江山，被稱為互聯網科技界“奧斯卡”的“世界互聯網大會”已經落幕許久，但其釋放出的“科技之光”，正向人們預示著“智慧未來”的無限精彩……

一、人工智能將重塑互聯網格局

移動互聯網時代是一個造就巨頭的時代。O2O領域成就了美團，共享出行領域造就了滴滴，新媒體領域殺出了今日頭條……誠如百度董事長兼CEO李彥宏強調的，如今移動互聯網時代超級紅利已經慢慢消退，這個風口已經沒有可能出現獨角獸，而互聯網的下一步是人工智能。大數據、人工智能將成為科技創新的主戰場，科技格局將會被再次塑造，未來科技的“奧斯卡”主角之爭將產生於智慧科技應用實踐之中。

二、“草根應用”推動智慧基因落地

綜觀人工智能發展的六十年，三起三落，我們只是在個別的領域，創造了一個大的機會，但是絕大部分的領域還沒有被智慧改造。而一個新的品類在走向世界的時候，有些問題必須在大規模使用中才能浮現，這時我們才有機會在這個層面上進行改進。馬雲說從人類已經經歷的三次技術革命來看，每次革命的周期都大約為50年，且有一個不變的規律，那就是前20年是技術研發的革命，新技術層出不窮，到了後30年，進入技術應用，新技術開始和傳統產業相結合，新產業不斷出現，技術得以全面落地，從而根本上改善並影響人們生活的方方面面。

重塑“智慧基因”同樣如此，它是人工智能走下神壇，由”精英技術“到”草根應用”的逐漸蛻變，這一過程註定不會平坦，問題與機遇一樣前所未有，波折將是常態，但是無論如何，人類追求智慧夢想的步伐都將持續推進它最終實現。

三、各大巨頭“跨界布局”誰主沈浮

谷歌：將機器學習概念應用於產品實踐中，強化學習理念的應用推動人工智能進化。

2016年3月AlphaGo打敗了世界圍棋冠軍李世石，實現讓軟件掌握更複雜的任務初見端倪，12月面向第三方開發者開放相關源代碼和測試平臺，這一平臺將能夠充當人工智能的訓練場。此外，作為人工智能起步較早的代表公司之一，谷歌在醫療、出行、遊戲、養老、翻譯、情感、等各領域的人工智能應用實踐都進行了全面布局，谷歌人工智能的阿波羅計劃正穩步推進。

微軟：技術民主化，源於研究，發於對話，廣泛的深度合作保證人工智能應用實踐微軟25年前已經開始對人工智能展開投資，微軟的人工智能計劃大膽而開闊，涵蓋代理、應用、雲服務和基礎設施等諸多領域。隨著聊天機器人Zo、Cortana Devices SDK和Skills Kit，以及各種智能工具包的推出，微軟人工智能願景正在逐步變成現實。今年10月，微軟成為業界首家能再語音識別能力上媲美人類的企業。Skype Translator也實現了突破性的進展，目前已經支持9種語言——這也是從研發到產品的整個過程加速發展的典型案例。

百度：人工智能走出實驗室，和O2O等商業項目展開多方位深入融合。

百度的人工智能研究不止停留在基礎技術的深入開發商，它的新技術和商業相互也在交叉前行，同時一些高投入的未來項目上同樣也在開展。而且百度也在把實驗室中的一些技術投入產品進行實踐。這其中大概分成了四個領域。第一是基礎業務功能，第二是O2O業務，第三是傳統產業，第四則是高新技術產業。此外，百度啟動“凡爾納計劃”，人工智能應用步伐明晰，短期產品、中期規劃、長期願景都已經鋪開。

阿里：低調切入，註重整合與跨界合作

阿里的人工智能發展是放在阿里DT大商業體系內的，從目前的實踐應用看，阿里的人工智能一方面基於電商業務，和商家展開融合，一方面基於B端， 配合需求廠商進行技術支持。阿里的思路是，很多事情不必自己親自做，而是交給合作夥伴來做，阿里更多是在背後做基礎設施。比如通過人工智能來進行最合理最優化的派單，優化物流；用人工智能來幫助商家解決複雜的服務場景，協助決策；為智能汽車、YunOS操作系統乃至是物聯網、智能家居提供數據支持，通過阿里雲的技術、數據作為基準展開業務支撐等。

四、垂直領域“精耕細作” 黑馬頻現

目前為止，人工智能商業化的主要方向集中於自然語言處理（包括語音和語義識別、自動翻譯）、計算機視覺（圖像識別）、知識表示、機器與機器人學。這些技術主要的應用場景有搜索、移動支付、機器人、智能硬件、智能醫療、智能汽車等，而在這些垂直領域中，許多智慧創業黑馬，讓人工智能應用充滿了無限可能。

科大訊飛：羅永浩錘子手機發布會讓科大訊飛這批黑馬迅速進入人們視野，它是一個早就活躍在語音識別領域的獨角獸，訊飛輸入法的的用戶近4億，活躍用戶超1億，輸入法語音覆蓋率達12%，龐大的用戶數據完全媲美互聯網巨頭。此外，科大訊飛在教育、醫療、汽車、客服領域也均實現了跨界合作。

曠視科技：曠視科技是以機器視覺技術研發為核心的創業公司，其核心業務包括雲服務、行業解決方案和智能硬件。曠視科技的核心競爭力在於人臉識別技術，在2014年全世界最權威的人臉識別評測系統LFW中，曠視科技以97.27%的超高識別率力壓Facebook和其他國際強手，斬獲了世界第一。基於這項技術，曠視科技往產業鏈的上下遊延伸，加強合作互補，真正讓技術應用落地。

優必選：優必選的核心是基於運動控制等技術實現AI基礎開發、生產機器人；未來將以機器人為載體，接入服務打造機器人生態。在國人“機器人都是歐美和日本能玩得轉”的映像背景下，優必選已經成功打入海外市場，成為機器人領域的“獨角獸”。去年央視春晚廣州分會場中酷爆起舞的540個Alpha 1S機器人就是優必選研發制造的，完成融資後的優必選正在以更快的速度投入技術研發與應用。

五、“智享生活”咫尺之間未來可期

政府、巨頭、創業者以及資本的大量湧入是人工智能“黑科技”應用落地得以實現的現實推動力，隨著包括美國、中國在內的眾多國家，將人工智能定義為國家戰略；Google、Facebook、蘋果、訊飛、百度、阿里、華為、騰訊、樂視、聯想，小米紛紛進入了人工智能前沿領地；以及眾多垂直領域專業公司精耕細作應用實踐。

人工智能“精英科技”走向“草根應用”成為發展必然，“智享生活”不再停留於口號，未來30年至50年，共期智慧應用改變人類生活。

文章評論

匿名用戶

發布

全部評論：10

發布

搜狗IPO或成PC時代最後收割者，新故事是人工智能

羅超 2017-01-05 11:35

本文系作者羅超（微信ID：luochaotmt）對i黑馬投稿。

今天，搜狗將於年內IPO的消息傳出，搜狗官方對此回應稱IPO並無時間表，但這個消息來源是搜狗CEO王小川，應該是八九不離十——至少王小川為代表的管理層有在2017年IPO的意願，只是還未進入實操階段，比如尚未聘請投資銀行。不過，既然由CEO說出來，IPO估值、資金用途、三年目標又有鼻子有眼的，顯然不是王小川跟彭博社記者聊high之後的即興想法。王小川關於搜狗IPO傳言一出，低迷多日的搜狐股價上漲4.87%，搜狐、騰訊顯然也希望搜狗上市，在二者助力之下，搜狗上不上市不是問題，只分以何種方式、多少估值、什麽故事上市。

PC互聯網的最後一位收割者

搜狗前身是搜狐“中搜網”，一度占了中國搜索市場超過10%的市場份額，2004年百度上市前夕，搜狗以子公司方式運作。2010年搜狗獨立運營，歷史不可謂不悠久，算是PC互聯網上的一個標桿，不論是桌面軟件，還是搜索引擎，都是重要玩家。今天PC互聯網已是夕陽市場時，搜狗終於要謀劃上市了，很可能會是PC互聯網時代留下的最後一位收割者——如果主營業務不是在移動互聯網的公司，恐怕不會再有機會上市了。

搜狗為什麽熬了這麽多年才上市？

王小川曾提出著名的三級火箭戰略，這一模式在互聯網上得到驗證。360和搜狗均是將流量從客戶端導入到瀏覽器再導入到搜索引擎，進行三級變現。然而，流量每經過一級，就會衰減多一點：搜狗輸入法是難以被撼動的老大，瀏覽器則只能做到老二（360還不一定同意），搜索則常年處於老三的位置：谷歌進入中國之前，雅虎是老二；谷歌進入中國之後，取代雅虎成為搜索老二；谷歌退出中國之後，眼看搜狗就能做老二了，半路殺出周鴻祎。直到今天臨上市，搜狗宣稱其已成為搜索市場老二，360或許依然不會答應，不過，搜狗和360是誰老二，其實並不重要。

沒有單憑輸入法或者瀏覽器上市的公司，搜索是很賺錢的生意，但搜狗未能突入前二。就算搜索做到老二的360，上市靠的也是絕對老大的安全業務，如果360搜索能夠支撐其獲得更高市值，老周就不會讓360退市了——因對在資本市場被低估不滿意，360在去年完成了私有化，現在還未圓回歸A股的夢。360從美股退了出來，搜狗又想進去，股票市場對於互聯網企業來說，圍城一般。

對於大多數企業尤其是互聯網企業，不論是為名為利為錢，上市都是必經階段和必要手段，OPPO、vivo、華為這樣的其實是少數，而且理論上來說，它們不算互聯網公司。互聯網公司的CEO，大都有一個敲鐘的夢。

搜狗欠王小川一個女朋友

記得2014年還有一篇文章《如何把IT界鉆石王老五的王小川泡到手》，王小川的單身在互聯網圈出了名。網絡瘋傳，王小川之所以今天還是鉆石王老五，是因為當初就發了個誓：搜狗不上市，就不找女朋友。

王小川為了搜狗傾其一生，將最美好的青春年華都貢獻給了它。

他在18歲獲得國際信息學奧林匹克比賽金牌，被清華大學“點招”，22歲本科畢業保送本系研究生，25歲拿到碩士學位。在21歲王小川就兼職參與了ChinaRen的創建，25畢業加入搜狐從技術工程師做起，27歲成為搜狐最年輕的副總裁，因為搜狗輸入法的成功，而立之年被任命為搜狐高級副總裁。32歲即2010年，搜狗從搜狐獨立運營時，王小川全面掌舵這家從用戶數看屬於中國第三的互聯網公司。

即便是在英雄輩出的中國互聯網初級階段，王小川的資歷，不論是教育背景還是工作經歷，都堪稱亮眼。然而，時勢造英雄，在搜索格局已趨於穩定的情況下，不論王小川多麽聰明和努力，搜狗直到今天都還未能上市。

在每天都充滿著變數、到處都充滿著機會的互聯網，王小川本有更好的選擇，比如去執掌一個準上市公司，再比如獨立創業想必會被一堆錢追著投資。然而，王小川一直對搜狗不離不棄。

搜狗的股東來了又走，2010年，阿里巴巴曾投資搜狗，兩年後馬雲套現離場。在2013年的搜索合並潮中，張朝陽對搜狗已缺乏耐心，準備打包賣給其好友周鴻祎，與360搜索整合改寫中國搜索格局，然而王小川不樂意，在騰訊、阿里、360和母公司搜狐之間斡旋，最終如願以償：合並騰訊搜搜，接納騰訊成為大股東。在這樣的時刻，王小川還是全心地為搜狗謀著出路，真是操碎了心。

這麽多年，王小川真的是一心一意為搜狗。

王小川生於1978，已近不惑之年，搜狗終於要將欠他的女朋友還上了。

搜狗的新故事是人工智能

王小川透露，搜狗上市之後估值在40-50億美元之間，這透露出兩個信息，一個是，搜狗如果上市，首選市場可能是美股，而不是港股或創業板。還有，搜狗如果上市，市值與剛剛在香港上市的美圖公司差不多（46億美元），美圖做工具出身，但已衍伸到社區、內容和硬件領域，李開複則表示，美圖是一家人工智能公司，因為美圖通過給妹紙磨皮已掌握最先進的人像優化和圖像處理技術，這是典型AI應用。如果不出意外，搜狗的故事同樣會是人工智能，而不是搜索引擎。

王小川對彭博社表示，“在移動搜索業務上，搜狗可以在三年內追平百度。”，王小川對搜索有個人情結，追平百度似乎是他的畢生夙願。在2013年，王小川憑借一己之力狙擊搜狗與360在一起，得到騰訊與搜狐的雙重庇護之後，就激動不已，大張旗鼓、野心勃勃，先接微信、又投知乎，再戰搜索市場。然而，現在我們會發現，PC搜索市場已不再是核心戰場，百度地位依然難以撼動，而用戶的註意力已全面向手機遷移。

事實上，搜狗早已意識到這點，移動端的核心業務並非搜索，而是輸入法、搜狗地圖、號碼通等產品。與此同時，搜狗在人工智能上的布局也在有條不紊地展開，比如與王小川的母校清華大學聯合成立“天工智能實驗室”，再比如在語音技術上很早就已在投入。

今天看到一篇文章《今日頭條的野心是百度,也是微博和 Facebook》，一個群里的朋友們在討論，今日頭條，究竟是像百度還是像微博還是像Facebook？今日頭條像誰沒有答案，因為個性化內容平臺本身就是一種應用形態，與搜索、SNS、微博們平行，但是，個性化推薦技術，在承載下一代搜索引擎的價值卻是事實。人們不會在手機上一天輸入100次關鍵詞，但可能會刷100次信息流，在用戶“刷”的時候，事實上就發起了一次搜索，只不過不再是關鍵詞，而是歷史數據、地理位置、個人畫像等數據，換句話說：“輸入關鍵詞搜索”不過是為了滿足需求，推薦引擎不需要輸入關鍵詞就能滿足需求，就是一種“被動式搜索”。

正在取代搜索引擎在移動端地位的，不只是今日頭條們。微信公眾賬號已成為一個與搜索引擎沒有太大關系的獨立內容生態，這樣的獨立生態還有很多，“XX號”比比皆是，現在，“小程序”來了，微信不只是要做內容的小生態，還要做服務的小生態。

百度意識到這一點，在今年的百度世界大會上就提出了內容戰略，輕應用，移動網盟，百家號，都是要在移動端鞏固內容生態的做法。與此同時，百度大力投資百度地圖、百度糯米、無人車、百度金融和百度大腦，與搜索框的關系都已經不是那麽大了。

搜索不一定有框，但一定有人工智能。王小川對搜索死心塌地，宣稱要在移動搜索上用三年追平百度，殊不知，三年後的移動搜索，恐怕已不會再是一個搜索框了。

當然，搜狗與百度的競爭卻是無可避免的，王小川表示，募資要“投入人工智能和機器學習領域”，“人工智能”才是搜狗要講的故事，現在，騰訊是搜狗最大的股東，搜狐是搜狗的二股東，這兩家缺乏自己的AI核心技術，但業務卻十分需要AI，比如搜狐在個性化推薦上就急需AI技術，正是因為此，搜狗通過人工智能故事上市的可能性更大，而這是百度正在大力投資的領域——相逢的人總會再相逢。

文章評論

匿名用戶

發布

全部評論：10

發布

專訪傑瑞·卡普蘭：中國擁有比美國更大的潛力實踐人工智能

創新工場 2017-01-08 10:15

本文系創新工場（微信ID: chuangxin2009）授權i黑馬發布，作者王詠剛。

日前，著名計算機科學家、連續創業家、未來學家、《人工智能時代》等暢銷書作者傑瑞·卡普蘭接受了創新工場人工智能工程院副院長王詠剛的專訪。專訪中，傑瑞·卡普蘭就人工智能與人類的關系、機器人產業的發展、人工智能引發的就業結構變化及應對辦法、人工智能的國家和產業戰略、人工智能時代的教育和人才等問題暢談了自己的看法。

王詠剛：傑瑞你好。一些人擔心人工智能最終會演進成超級智能（Superintelligence）並威脅甚至控制人類。你會有同樣的擔心嗎？

傑瑞·卡普蘭：我認為，這件事發生的概率是非常小的。其實，我們現在做的只是在制造工具，以自動完成此前需要人類參與才能完成的工作任務。我想，之所以會有這樣的疑問，根本上是因為大眾習慣把人工智能人格化，這是問題的根源。

這件事對於專業人士和對於大眾的意義是不一樣的。例如，大眾總是擔心無人駕駛汽車可能傷及人類的生命。在一些極端的例子里，無人駕駛汽車確實需要做出決定，是要撞向左邊，傷及左邊的行人呢，還是要撞向右邊，傷及右邊的行人。但無人駕駛汽車只是一套機器系統，它們並不會真正做出決策。它們只是根據對環境的感知，按照某種特定的原則和設計做出反應，而我們人類對於整套系統的感知和反饋模式擁有完全的控制權。如果它們做了什麽不符合我們的社會準則的事情，那一定是因為我們人類在設計它們時犯了錯誤。

我們所面對的，只不過是一系列工程設計上的問題。我們必須確保我們設計制造的產品和服務符合我們的願望和預期。你知道，這件事與橋梁工程師們使用一整套質量保障方案來確保他們建造的橋梁不會坍塌並沒有什麽兩樣。我們有許多工程學上的原則，來指導我們如何測試一個系統，什麽樣的系統是合格的，什麽樣的系統是足夠安全的，等等。在人工智能領域，我們同樣需要這樣的技術，因為人工智能十分強大，具有潛在的危險性。但這並不是因為智能機器會像人類一樣思考。只是因為它們十分強大，我們必須小心使用它們。

“智能”經歷了相當長時期的演進，從猿猴的智能，到人類的智能，再到人類制造的人工智能技術和智能機器。那些預測超級智能的人是按照這樣一種演進趨勢來思考問題的：

(圖1: 關於智能演進的線性思考)

但這種線性結構是有問題的，因為我們並沒有一種簡單的方式來對智能進行度量。這和測量體重或鞋子尺碼很不一樣。智能是一個非常定性的概念，它反映的是某個人成功解決某種特定問題的能力。例如，人們總是會問，如果人工智能的智商達到200，那會發生什麽呀？可是，什麽是人工智能的智商？實際上，智商在這里是一個被極度濫用了的概念。心理學家使用一種叫發展能力（Developmental competence）的概念來評估人類。他們測試一個人解決算術、邏輯等問題的水平，然後將測試所得的分數除以這個人的年齡——這是智商的含義。如果某人解決此類特定問題的能力超出他同齡人的平均水平，我們就說他的智商高。但是，該如何定義一部機器的智商呢？如何定義一部機器的年齡？機器可以用比人類快一百萬倍的速度解決算術問題，那麽，這些機器的智商是多少？這種說法其實並沒有什麽實際意義。

所以，問題首先在於，對智能的定義是非常主觀的，這依賴於每個人自己的視角。這一點非常像我們對美的定義。你可以說某些人比其他人長得美，或者說一個人比另一些人更聰明，但希望把美或把智商的定義客觀化、量化的想法是錯誤的。其次，關於智能的度量並不是線性的，而是一種多維度的度量。如果你用算術能力來評估，那機器已經非常聰明了。但你如何將機器納入一個多維度的度量體系？讓一部機器變得更聰明，這句話到底意味著什麽？

一個關於機器智能的更好的思維方式是：我們擁有了新的科技手段，我們可以將這些新技術應用於新的問題領域。因為機器學習技術的進步，我們現在正處於最好的時期。“當你擁有一把錘子，所有東西看起來都像釘子。”今天在美國，所有人都在嘗試，看看我們該如何應用人工智能技術，可以應用得多麽深入。我們正在解決自然語言處理問題、翻譯問題、機器視覺問題、機器人問題，等等。有些地方，人工智能工作得很好，有些地方，他們還難以滿足實際需要。驅動這種進步的主要力量並不是智能本身，而是大數據，以及使用更快、更便宜、更簡單的方式訪問大數據的能力。

我經歷過許多次技術革命，今天人們對於機器學習的興趣與曾經的每一次新技術革命並沒有本質的不同。例如，機器學習和當年關系型數據庫的發展非常類似。我們當年使用基於層次模型和網絡模型的數據庫，關系型數據庫的出現改變了一切。借助關系型數據庫，任何人都可以將數據庫當成一個方便的工具，而不需要雇傭許多專業的工程師。人工智能就是這樣一個可以為我們帶來巨大改變的便捷工具，就像關系型數據庫在幾十年前所做的一樣。

王詠剛：谷歌的AlphaGo和軟銀的Pepper機器人讓普通大眾覺得機器正變得越來越智能。這些新技術是不是正在誤導大眾，讓人們相信機器是有意識的？

傑瑞·卡普蘭：人工智能並不是一種單一的技術，它是一組不同技術的統稱。而且，它隨著時間在不斷變化。今天，這一技術領域和20年前很不一樣。公眾之所以覺得機器變得越來越智能，那是因為機器可以做新的事情。但今天AlphaGo贏得圍棋比賽的技術和20年前IBM深藍贏得國際象棋比賽的技術有很大不同。AlphaGo和深藍背後的技術是不一樣的。AlphaGo的程序是建立在大數據基礎上的新算法。因為數據極大豐富，我們可以從數據中學習經驗，讓機器發現人類可感知的模式。這是基於模式的算法，和算術問題很不一樣。公眾並不關心這些技術細節。他們只會說，現在機器會下象棋了，現在機器會駕駛汽車了，現在機器又會下圍棋了……天啊，機器變得越來越聰明了！

作為工程師，我們知道AlphaGo可以做到很多事情，但我們不會期望AlphaGo有人類意識。我們不知道讓一臺機器有意識、或有自由意願究竟意味著什麽。目前的科學體系並沒有提供一個理解這些問題的基本模型。你必須從以下兩種解釋中選擇一種：要麽，所有有關意識的人類經驗並不可靠，比如，我們認為我們了解意識，其實並不了解；要麽，我們缺少理解人類意識到底是什麽的基本工具。

軟銀的Pepper機器人擁有和人一樣的臉。它看上去就像個小孩子，你可以跟它說話。但那只是魔術表演而已——它並沒有思想。人工智能技術只是解決了以前只有人類才可以做的某些問題，但這並不代表著人工智能程序有思想，或者它們以人類標準看是智能的。那些讓大眾誤以為機器與人類相仿的應用，其實只擁有娛樂價值。它們只是一場魔術表演，無法真正取代人類。

王詠剛：你認為類人機器人會是機器人工業的一個好的發展方向嗎？

傑瑞·卡普蘭：我不能說它是好的，或者它是壞的。這不是一個非黑即白的問題。公眾認為機器人長得像人一樣，可你我知道機器人不過是機器，這些機器通常長得都不像人類。機器人有傳感器，有驅動裝置，程序使用傳感器感知環境並使用驅動裝置驅使機器人做出反應。我們並不是在制造人。

有些人因為某些商業理由而制造擁有人類外貌的機器人。類人機器人擁有和人相似的臉和笑容，例如軟銀的Pepper機器人，這些機器人在娛樂業或某些特定領域還是有商業價值的。

如果我們希望制造能夠在人類活動的空間里工作的機器人，那麽，為了讓機器人在人所處的環境里工作，賦予機器人與人體相似的尺寸，或某種類似人體的物理機能，這也非常合理。

你可能知道美國國防高等研究計劃署（DARPA）的機器人競賽。在DARPA組織的這項比賽中，機器人制造團隊讓機器人完成某種特定任務來相互競爭。例如，機器人爬樓梯、開門或是使用電鉆。為什麽DARPA要組織這樣的競賽？想象一下日本福島2011年的核電站事故。那次事故中，人們遇到的一個問題是，人類難以進入那些被輻射籠罩的區域。我們必須制造可以進入危險區域，並完成諸如關閉一扇門或關掉一個閥門等簡單任務的機器人。所以，這是DARPA組織機器人競賽的原因。這是我們制造和使用機器人的最好理由。這些機器人沒有必要長得像人，他們只是能夠像人一樣完成任務。

所以，類人機器人是那種可以用類似方式完成人類任務的機器人。類人機器人也許像人類，也許不那麽像人類。我們有許多理由來設計和制造類人機器人。

王詠剛：人工智能將在不遠的將來造成人類多大範圍上的失業？你如何估計這個百分比？由此引發的失業會成為一個嚴重的社會問題嗎？

傑瑞·卡普蘭：不是所有工作都會被人工智能取代。相反，很多工作都會轉變為新的工作機會。一個好的例子是銀行的櫃員。過去，大多數銀行櫃員總是在做最基本的銀行交易。顯然，ATM自助服務終端的使用，已經代替了一定數量的銀行櫃員的傳統工作。但有趣的是，銀行櫃員的雇員數量不降反升，因為櫃員的工作轉變了。我們仍然管他們叫銀行櫃員，但他們的工作描述與20年前相比已經有了很大不同。大多數情況下，銀行櫃員不是坐在那兒等著幫你取錢存錢。今天的銀行櫃員已經成為了銀行各類業務的銷售員。你可以走進一家銀行的支行，跟櫃員就銀行業務展開交談。那些銀行櫃員可以為你提供所有幫助。這項工作已經不同了，但職位的名稱還沒有改變。技術讓銀行變得更加高效，更易擴展。銀行可以開更多的支行，雇傭更多的員工，在新的領域投資並制造新的工作機會。

最近，一份來自詹姆斯·貝森的報告（How computer automationaffects occupations: Technology, jobs and skills: http://voxeu.org/article/how-computer-automation-affects-occupations）顯示了在過去幾十年間全職銀行櫃員的數量增長趨勢：

(圖2: 美國全職銀行櫃員與ATM機數量的變化關系)

人工智能會取代哪些工作呢？人工智能可能取代的工作大多擁有清晰的評估標準，工作業績可以客觀地衡量。人工智能無法取代的工作通常需要人類做出決策。例如，風險投資人仍然需要面對面和創業者會談，以確定投資意向。即便是高級教育背景的人，也會花很多時間來做重複性的工作，而這些重複性的工作最容易被自動化。這可以讓那些高級人才將更多的時間用於那些最能發揮他們的技能特長，最不容易被自動化的工作部分。對於某些工作，全部工作內容都可以被自動化，所以不再需要人類員工。例如，放射科醫師的工作就可以全部被自動化。但對另一些工作，比如普通醫生，你沒法將他們全部替換，因為你沒辦法徹底取消面對面的病情診斷。

人工智能造成的失業並不像某些人想象的那麽嚴重。例如，卡車司機可以完全被無人駕駛系統取代。但計算一下，目前美國約有150萬名卡車司機，假設這些卡車司機會在15年內全部被取代，那麽，15年內失去150萬個工作機會，這意味著我們平均每月要安排大約8300人再就業。這並不是一個不可能完成的任務。

與卡車司機不同，許多其他工作會轉變為新的工作。例如，醫生就不會消失。我們將會擁有自動輔助診斷系統，但這些系統只是讓醫生的工作更高效，從而讓醫生有更多時間來完成科研任務，或者接診更多的病人。今天，很多人因為醫療費用昂貴而不去看醫生。當人工智能被廣泛應用後，醫生可以更高效地接診病人。醫生的數量可能會下降，但人們可以更容易也更頻繁地去看醫生。

王詠剛：在你的《人工智能時代》一書中，你提出了解決失業問題的一個方案——“工作抵押（Job mortgage）”。這聽上去像是一種由政府、雇主和教育系統聯合提供保障的再教育機制。但考慮到在人工智能時代里，由於簡單和重複性的工作更容易被人工智能取代，人類教育可能因此比以往複雜得多。人們學習一種新技能可能會變得非常困難。鑒於此，“工作抵押”的再教育機制真的可行嗎？

傑瑞·卡普蘭：好吧，我想你的問題中包含了一種隱藏的假設：需要低級別技能和更少訓練的工作更容易被自動化，而需要高級別技能和更多訓練的工作則難於被自動化。這個假設也許不像你想象得那樣正確。

讓我來給你一個例子：放射科醫師。放射科醫師是醫生的一種，他們需要許多年的培訓來學習技能，但他們的工作完全可以被徹底自動化。這是一個高等教育程度的工作也可以被自動化的好例子。駕駛卡車可能是一種低級別的工作，也許需要一些訓練，但它顯然不是一種高級技能。我的觀點是，自動化將影響所有技能級別的、各行各業的人。當我們擔心我們該如何處置那些低級別工作者的時候，我們一樣需要擔心那些高級別工作者。

即便如此，仍然存在很多不需要大量訓練，但也很難被自動化的工作。從事這些工作的人，是不用擔心失業問題的。以人類角色出現這件事，對這些工作非常重要。例如，看看那些體育教練，我們很難將這類工作自動化。所以，也許我們可以將失業的卡車司機重新培訓成體育教練，那些能夠駕駛卡車的人也許會發現，體育教練的技能是比較容易掌握的。

當我們談論再教育的時候，你的問題包含了一個我並不認同的假定。我可以給你另一個例子。通常，按摩服務在今天的美國是一種奢侈服務。你必須擁有足夠的收入，才能負擔得起按摩服務的昂貴價格。按摩師的收入很高。按摩師需要的工作技能是什麽？這種工作技能並不需要特別高級的訓練。如果人們有了足夠的錢，更多的人就會選擇接受按摩服務。這會讓按摩師的需求大增。未來，因為可共享的無人駕駛汽車的普及，你可能不再需要擁有你自己的汽車了。在美國，這意味著平均水平的個人可以每年節省大約1萬美元的汽車保有費用。一些人就可以將這些省下來的錢花在按摩等較奢侈的服務上。然後，我們就需要更多的按摩師了。

有關人工智能只會取代低級別工作的假定是不正確的。許多需要人際接觸的工作都很難被取代，例如前臺接待員。你當然可以用一個自動化系統來取代他們，但你肯定不希望看到你的賓館或你的公司前臺，只有機器來接待訪客。你肯定需要在前臺安排人類職員，因為你需要他們在那里解決一些很難被高級規範化的系統預測的問題。

所以，我有個很有趣的建議——在你的工作或生活中，經常看一看，想一想，周圍的人都在做什麽？他們的工作是否有可能被自動化？通常你會得到的結論是，他們的一部分工作可以被自動化，但另一部分不行。這意味著，他們的工作會轉變為新的工作。這種情況隨處可見。讓我給你另一個例子：調酒師。調酒師的工作當然可以被自動化。你可以走到一臺自動售貨機前，用自助的方式買一杯金湯力。但調酒師還可以參與我們的社交活動。你希望看到他們。你希望和他們聊天。所以，調酒師的職業不會消失。那些失業的卡車司機也可以被訓練成調酒師。

王詠剛：2016年10月，美國白宮發布了《國家人工智能研究與發展戰略規劃》。這是否說明，人工智能已經成為了美國國家戰略的一部分？你希望政府在人工智能領域做得更多還是做得更少？

傑瑞·卡普蘭：在美國，白宮能做一些事情，但他們缺乏真正的控制力。例如，如果他們說，我們要讓洛杉磯的空氣變得更清潔，人們肯定會質疑他們是否具備這種能力，是否要花很長的時間才能達到目的。白宮能做的事情非常有限。他們必須勸說工業界，勸說人們去做這件事。中國的公眾看到美國公布了什麽人工智能國家戰略，也許會很焦慮。中國公眾會想，我們也需要在這個領域做些什麽，因為美國政府認為這很重要。但是，這種報告和政府聲明在美國和中國的意義截然不同。中國政府擁有比美國政府強大得多的能力來將計劃付諸行動。

此前也發生過類似的事情。許多年以前，美國啟動了一個叫做“第五代計算機”的項目。日本政府也認為他們需要做類似的事情。政府認為他們可以主持建造所謂的第五代計算機——擁有大量CPU單元以提高性能的計算機。美國政府一度在大力推動計劃的實施，但這個計劃從未變成現實。日本政府所做的類似努力讓日本經濟倒退了好幾年，因為他們投入了數十億美元卻收效甚微。

所以，當我們看到美國政府的類似計劃時，我們必須持一種懷疑的態度。美國所謂的政策，很多時候不過是一群擁有美好願望的人召開了一次政府會議並發布了一些相關文件。這些東西通常並不具有約束力。更進一步，美國政府所發布的內容也不一定就是正確可行的。對於美國可行的規劃，未必可以複制到中國。在美國，也許還需要20到30年，我們才能看到無人駕駛汽車的大規模應用。但在中國，政府可以用更大的力度投資無人駕駛產業，可以在技術的應用上選擇更靈活的政策，更早開始在試點城市測試無人駕駛技術。當然，因為中國在執行上更有效率，相關政策就更需要縝密思考後再付諸實踐。但中國不需要複制美國政府的政策規劃。

在美國，政府曾經在關系型數據庫上制定過類似的戰略規劃。這在當年意味著什麽？美國政府可以說，所有政府部門都必須更新他們的數據庫系統，以使用關系型數據庫。這是可以理解的，是一個好主意。但作為國家戰略，政府沒有理由也沒有能力強制整個國家都使用關系型數據庫。你可以對政府內部的信息技術部門做出建議，但對於私有企業，你只要讓他們做他們擅長做的事情就好了。如果這是一種好的技術，私有企業自然會采用它。

在美國，政府很難在沒有直接經濟效益的領域投入大筆的資金。例如，2009年，奧巴馬總統啟動了一個投資太陽能的項目。政府決定去做投資，我認為這是一件好事情。政府在不同公司投入了資金。在這些公司里，有一家叫Solyndra的公司拿到了5億美金的投資，其中大多數來自政府。這家公司在2011年倒閉了。當時，政府和民主黨飽受批評。奧巴馬總統的聲譽遭受嚴重打擊，因為他推動設立了這個項目。能源工業在這些公司身上投入巨資，卻因此而損失了數億美元。

王詠剛：OpenAI宣稱他們的使命是制造安全的人工智能，以保證人工智能不會威脅人類。你認為這世界上存在好的人工智能和壞的人工智能嗎？你會擔心谷歌等掌握了最強大的人工智能技術的業界巨頭做壞事嗎？

傑瑞·卡普蘭：這和公眾慣於看到問題中危險的一面有關。我們必須非常小心。回到關系型數據庫的例子，我們要確保關系型數據庫是有用的，是好的——但我們該如何做到這一點？這意味著什麽？關系型數據庫只是一種基本的技術。技術既不是好的，也不是壞的。技術既可以被用於好的目的，也可以被用於壞的目的。

你和我都可以在家里設計出一種非常危險的武器。我們都有足夠的知識來制造出非常具有傷害力的裝置。類似的，我們可以讓任何技術具有傷害力。人工智能可能很危險。想象一輛被程序控制的車輛，行駛過程中，程序可能驅使車輛殺死路人以挽救司機的生命。但是，與這種危險的人工智能技術完全相同的技術也可以被用來拯救生命、保全汽車。

技術在不同的場景中有什麽不同？當我們說我們可以開發好的人工智能技術時，你覺得這句話意味著什麽？這句話的真正含義是我們要盡力鼓勵人們將技術用於好的目的。這非常不同。你不能說，這個工具是為幹壞事兒設計的，那個工具是為幹好事兒設計的，這完全講不通，它們是完全一樣的技術。公眾通常將人工智能看成一個黑盒子。但作為工程師，你我就在這盒子里面。好的人工智能與壞的人工智能分別意味著什麽？你能測量出某個黑盒子是好的，某個黑盒子是壞的？那我們還不如假定某種人工智能技術，例如卷積神經網絡是危險的——顯然，我們不能這樣假定。

OpanAI的創始人，伊隆·馬斯克和山姆·阿爾特曼等人，他們要做什麽？他們從斯坦福大學雇了許多人。他們所能做的也許是制造一個開放的工具包。他們可以為那些缺乏經濟回報的領域制造應用系統，例如減少環境汙染的系統。這些都是好的事情。我支持他們去做這些事。

另一個相關的例子是Uber。我特別驚訝地發現，Uber在舊金山做的事情被大加贊賞，可Uber在倫敦做的同樣的事情卻飽受批評。Uber在倫敦造成了許多人失業。倫敦有非常發達的出租系統。倫敦人管傳統的出租車叫“黑色出租”。這些出租車的司機是一個有著悠久歷史的社會職業，他們需要對街道非常熟悉，以通過上崗測試。Uber在倫敦破壞了這樣的傳統，因為任何人只要有一輛車就可以成為Uber司機。在這件事上，Uber低估了英國人對於傳統職業的重視。倫敦的許多人痛恨Uber，他們認為Uber是對英國社會的破壞。在舊金山，每個人都覺得Uber棒極了。人們贊揚Uber，幾乎沒有什麽負面報道。這是同一件事在不同城市得到的不同評價。所以，你很難說某項技術是好的，或者是壞的。

至於谷歌，它擁有大量的數據和極其強大的深度計算集群。這件事是好還是壞？如果你在谷歌工作，你會覺得這真是太棒了。如果你不在谷歌工作，問題的本質就會變成，大數據和強大的計算能力是否給谷歌提供了我們不希望看到的某種可以對社會造成重大影響的決策能力？我可以給你另一個例子。你和我可能說，無人駕駛汽車顯然是好的技術。我當然相信這一判斷。但也有相當一部分人認為，無人駕駛汽車在道路上該如何工作，這是一個道德或倫理問題，將這個問題的決定權賦予研發無人駕駛技術的公司，其實是在將重要的道德或倫理決策授權給天生為了盈利的私有機構。這是問題的根源。在矽谷，Uber或谷歌等公司的態度是，我們絕不做壞事。但這並非被全世界知悉和認同。矽谷以外的人們也許會因為這些公司掌握了技術的決策權而非常擔心。谷歌因其大數據和大計算能力而擁有極其強大的能量。他們會如何使用這種能量？你可能不希望看到這種能量只被某幾個決策者控制。

王詠剛：你認為現有的教育系統是否適合即將到來的人工智能時代？

傑瑞·卡普蘭：首先，在美國，用於職業訓練的教育系統被稱作職業培訓。職業培訓使人們獲取工作技能並有機會被雇傭。首要問題是，這樣的教育系統的設計初衷，並不能真的為幫助人們獲得在勞動力市場上有用的工作技能而服務。為什麽？因為這與公共財政有很大關系。美國政府並沒有確保學生學到雇主所需的工作技能的直接動機。這里面沒有特定的因果關系。我想，要解決這個問題非常簡單。你只需要將這些職業培訓的財政投資私有化，並遵循以下的原則：如果學生學習到的技能無用，學校就賺不到錢。其次，在某些行業里，當一個工作的技能發生轉變時該怎麽辦？這里存在繼續教育的需求，我們需要一個能夠支持繼續教育的系統。例如，一個允許工程師學習新技能的系統。這一點同樣非常重要。

王詠剛：許多人工智能創業公司雇傭了資深的人工智能研究員，來出任公司的首席科學家。另一方面，資深的人工智能研究員通常都可以從谷歌、Facebook等大公司拿到豐厚的薪酬，他們很難做出加盟一家創業公司的決定。你認為人工智能創業公司有必要雇傭資深的科學家嗎？

在我看來，做科學研究和開發商業產品是不同的技能組合。有一個斯坦福大學畢業的工程師，他在斯坦福大學獲得了碩士學位。這是一個非常有價值的學位，可以借此獲得很好的工作。他的導師鼓勵他繼續攻讀博士學位。他也照做了。他的假定是，擁有博士學位會比擁有碩士學位更有價值、更容易找到高薪的工作。這是不對的。為什麽？你在碩士學位里獲取的是你需要進入公司開發產品所需的工程技能。而大學里的博士學位屬於研究角色，他們並不一定擁有開發科技產品的能力。這是兩件非常不同的事情。對於開發產品來說，你需要市場分析技能，需要理解你所用的技術的技能。你擁有一個博士學位，這並不一定意味著你是一個比碩士生更好的程序員。如果你有碩士學位，這對於研發產品來說可能要更好。如果你需要在算法層面工作，你可能才需要博士學位。

人們說，目前的深度學習框架仍然需要科學家來調整參數。但我想，懂得編程的人一樣可以勝任調整參數的工作。問題在於，使用一個會調參數的研究員或科學家時，他們通常缺乏工程經驗。他們是被訓練來做研究的人。我們需要的應該是更適合研發產品的人。

我會不會雇傭一個機器視覺專家，來設計最先進的視覺算法呢？不會。我需要的是能夠理解和使用算法的人。例如，我們可以安裝一部攝像機，來從視覺上區分樹枝和小孩子的腿。這種需求並不需要重新設計視覺算法。這是不同的工作技能。雇傭科學家來做工程師的工作，在大多數情況下會適得其反。

我的建議是，對於雇傭科學家要非常謹慎。人們說，“看這個人，他有卡內基梅隆的博士學位，他一定比另一個從喬治華盛頓大學畢業的碩士生強。”這麽說的人會花冤枉錢的，因為博士生並不需要具備工程經驗。我知道在斯坦福大學，許多博士生畢業時的工程技能都少得可憐，因為他們接受的並不是工程方面的訓練。這些博士生被訓練成視覺研究領域的先進算法專家。他們並沒有接受如何在預算範圍內按時發布產品、如何解決特定的工程問題等方面的訓練，他們更沒有接受如何理解客戶的需求並確保產品符合客戶需求的訓練，這些實際上都是市場方面的技能。

人才市場上有足夠多的擁有和理解工程技能的候選人。如果是我，我會質疑雇傭科學家的做法。不要因為某些人擁有頂尖大學的博士學位，就假定這些人特別適合做某件工作。我會主要根據候選人所擁有的技能來考慮問題。正如不要假定一個擅長編程的人也善於管理團隊。這是不同的技能。類似的事情我見到過很多。你必須雇傭最合適的人。

文章評論

匿名用戶

發布

全部評論：10

發布

人工智能專項規劃2017年編制完成 加快推進立項論證

1月10日，2017年全國科技工作會議在京召開。全國政協副主席、科技部部長萬鋼在介紹2017年科技發展改革工作時指出，“科技創新2030-重大項目”將盡快編制完成實施方案，並編制完成人工智能專項規劃，加快推進人工智能等重大項目的立項論證。

據新華社報道，萬鋼說，近年來，人工智能發展非常迅速，引發了科技界、產業界、投資界對人工智能的高度關註，美國、日本、英國等發達經濟體針對人工智能發布了一系列戰略、規劃和政策，力圖搶占未來競爭的戰略制高點。

他強調，我們一定要順應新一輪科技革命和產業變革趨勢，特別是要科學預見和高度重視人工智能、基因編輯等顛覆性技術帶來的變革性影響，加強戰略前沿領域的前瞻部署，加快實施一批關系全局和長遠的重大項目，力求在戰略必爭領域取得重大突破。

AI創業萬億市場和6個坑，李開複的人工智能戰略都說了啥？

李開複 2017-01-12 09:58

當Master在2017年開年狂虐了人類圍棋高手，當CES上各種智能產品和無人駕駛車輛驚艷亮相，人工智能這個在2016年走熱的話題，也露出了落地商用的雛形。而投資機構們對此的關註，更是達到了前所未有的高度。

創新工場就是國內最為關註人工智能領域的投資機構之一。1月10日，一部名為“投資AI生態，共贏智慧未來”的人工智能戰略白皮書發布。創新工場董事長李開複到場，不僅詳解了創新工場在2017年對人工智能的投資戰略，更是將自己對人工智能公司的思考做出了梳理。

在2016年創新工場宣布成立的人工智能工程院也正式複出水面。李開複博士出任院長，兩位副院長王詠剛和王嘉平也正式到任。李開複創新工場將以人工智能工程院為平臺，為國內人工智能創業提供人才、技術、商業、市場、軟硬件平臺、大數據環境等方面的支持。

在李開複看來，人工智能將是移動互聯網之後的下一次革命，而人工智能的體量甚至還將遠超過移動互聯網。“在未來，人類思考需要5秒以下的工作，都將被人工智能所取代。”李開複說。從而，人工智能領域蘊藏著巨大商機。

在過去的時間里，創新工場已投資了近30家人工智能相關的創業公司，如曠視科技、地平線機器人、馭勢科技、第四範式、小魚兒科技等。而李開複進一步提出，在國內，具備獨特的人工智能機會。

目前世界上43%的人工智能的論文作者中，都有華人/中國人的身影；

而在中國，年輕人具備較高的數學知識，願意追尋“熱門行業”，可以快速訓練出大批的“人工智能工程師軍隊”；

同時，在國內也存在著利於人工智能發展的市場機遇，例如傳統企業的“非智能”技術較弱，易於被取代。

中國大市場在過去孕育了大量已經走到C輪的應用，在未來需要人工智能的幫助。

中國對於人工智能的約束較少。

而這次創新工場發布的白皮書中，可以說是創新工場未來的人工智能戰略的具體體現。在人工智能創業和投資走熱之時，白皮書提到，目前的人工智能產業仍面臨6大挑戰：前沿科研與產業實踐尚未緊密銜接；人才缺口巨大；數據孤島化和碎片化問題明顯；可複用和標準化的技術框架、平臺、工具、服務尚未成熟；一些領域存在超前發展、盲目投資等問題；以及創業難度相對較高，早期創業團隊需要更多支持等。

創新工場人工智能工程院高管對話/受訪者供圖

但機會也在挑戰中蘊藏。白皮書中揭示的未來是，在未來10年，將是人工智能發展的關鍵時期。在這一時期內，人工智能產業將呈現6大特點：

機器將成為人類的工具。李開複預測，從事翻譯、新聞報道、助理、保安、銷售、客服等工作的人，將有90%在未來10年內被人工智能全部或部分取代，同時，一些全新的工作機會將應運而生，一部分傳統工作將轉變為人工智能輔助下的全新工作類型，相關人群的再培訓和再就業將變得至關重要。

人工智能將催生數個千億美元甚至萬億美元規模的產業。以金融行業為例，據高盛公司估計，到 2025 年人工智能可通過節省成本和帶來新盈利機會 創造大約每年340億至430億美元的價值。創新工場認為，在金融、醫療、安防、教育、能源、機器人、互聯網產業升級、傳統行業的流程自動化及商業智能等方面，人工智能都具有千億美元以上的市場潛力。而自動駕駛技術對於交通運輸和汽車制造業的顛覆，更具有無法估量的經濟價值。

此外，其他特點還包括：傳統行業將面臨人工智能帶來的重大機遇和挑戰；中國將成為人工智能科研與產業化的中堅力量；而人工智能時代，教育和職業培訓將意義重大。

“最近三四個月，我們看到的頂尖項目已經越來越少了。”李開複說。“人工智能和移動互聯網創業不一樣，人工智能一定需要科學家，而科學家卻不見得有工程師可以帶出來創業。”

這也是創新工場打造人工智能工程院的初衷。李開複透露，由他親任院長的工程院，將打造成面向人工智能的創業人才培養基地和創業項目孵化實驗室。工程院將面向海內外招聘人工智能科學家和駐場創業家（EIR），幫助他們完成科研成果向商業應用的轉化。工程院副院長、創新工場技術副總裁王詠剛此前曾在Google擔任工程師超過10年；在知識圖譜、分布式系統、輸入法、HTML5 動畫/遊戲引擎等技術領域積累多年。副院長王嘉平擁有中科院計算所博士學位，曾就任微軟研究院主管研究員。

同時，李開複稱，創新工場今年還完成了第三期3億美元基金和第二期25億元人民幣基金的募集，目前創新工場管理基金總額超過80億元，投資項目超過300個，涉及人工智能、數字娛樂、消費升級、在線教育、B2B和企業交易等領域，投資階段覆蓋種子輪、天使輪、A輪、B輪及C輪。

以下是李開複演講，經i黑馬編輯：

下面我想再深度介紹一下人工智能。我們重中之重的投資領域，就是我們的人工智能。

10年內90%的人類工作將被取代

最近隨著Master在網上擊潰了60位圍棋的高手，讓我們看到了其實已經不必再討論圍棋人類有沒有希望，人類已經被機器遠遠甩在後面了。這個其實帶來的，是一個特別大的機會。圍棋本身不是最大的商業價值，但是能夠打敗人類，讓我們看到人工智能將在各個領域產生價值。一定的程度上，人類的普通工作將被機器取代。

我們可以說50%的工作將會被人工智能取代，尤其是客服、翻譯、新聞報道、助理、保安等領域的，甚至90%的工作將會被取代，我們任何的工作如果說不經過超過五秒鐘的思考，都是做不過機器的。而且不是說它能不能打過我們，而是它必然把我們遠遠甩在後面。

比如我們做人臉識別，一個警衛有可能識別50萬張臉嗎？一個司機他可能開兩億英里嗎？但是我們投資的公司，機器就可以做到。隨著特別巨大、海量的數據和深度學習發展，在狹窄的領域里面，機器已經把我們拋得遠遠的。

當然，人類還有很多其他的事情機器不會做，但是如果你是挑一個領域做一件事情，然後有巨大的數據量，那麽人將根本不是機器的對手。這些機器不會累，不會罷工，也沒有情緒也不會犯錯，所以它們的這種大量產生價值和取代一些簡單的工作的情況，會不斷發生。從一個投資人的角度來說，每一個這樣的機器都是在創造新的價值。

我們回去看人工智能，其實都可以追溯到六十年前。人工智能這個詞在六十年前發生的，在三十年前就開始有人在做，有一些傻傻的人三十年前就做人工智能，但是做得太早了。但是我們現在可以看到，過去的三五年它有特別多的進步，這里包括無人駕駛，也包括機器人。現在谷歌的E-maill可以自動幫你回複；微軟的小冰，有人跟它曾經聊了九個小時，進步非常大。

因為有了人工智能，我們從圖像識別、人臉識別、語音識別都全面突破人的表現，也突破了過去所有的算法表現。那麽當這樣的一個技術超過人的時候，它就可以取代了我們。所以當人臉識別超過人的時候，保安的一大部分工作就不需要了；當語音識別超過人的時候，客服的工作就不需要了，或者銷售的一部分工作就不需要了。逐漸這些取代和產生價值過程就會開始發現。

無人駕駛將顛覆已有世界

我們看無人駕駛，現在是一個無人駕駛的黃金時代。如果說要挑一個最會顛覆已有世界的技術，和移動互聯網一樣大的，我們都不要說人工智能，因為人工智能領域會比互聯網大多了，人工智能是人類有史以來最大的領域，我們就僅僅挑一個無人駕駛就行了，這個領域就跟移動互聯網一樣。

為什麽這樣說呢？因為我們所有的習慣都會被顛覆。第一個我們可以預測的是，無人駕駛會幫助我們開車，到我們幫助它開車，最後是它開車我們什麽都不避諱，這個過程是一個必然的過程。因為這是一個特別巨大的大數據，然後是可學習的。無人駕駛不是說要等十年才取代人類，而是現在半無人駕駛已經發生了，比如在景區、飛機場、高爾夫球場。那麽在道路上，我們為什麽不可以增加一些傳感器，讓道路變得更聰明？這樣就不會有像以前特斯拉車禍開車發生的事情，因為路會告訴你，我是路、那是車，這個回饋可以告訴汽車。再往後我們談的很多物聯網的功能，無人駕駛都可以達到。比如說，第一我們就不用買車了，車子全部都是靠租賃的，全部都是滴滴型的；第二共享經濟和無人駕駛會同時發生；第三它一旦發生了以後，我們隨時需要車它就會出現在我們面前，而且不會過大，一個人出門就乘一個人的車，兩個人出門就乘兩個人的車，現在就不用浪費錢了，當你需要的時候汽車出現就好了。

然後一旦汽車開始無人駕駛了，那麽彼此之間就可以交談，一輛無人駕駛的車跟另外一輛無人駕駛的車說，我爆胎了，這樣就不會出事了；或者當你急著上班的時候，一輛車就跟另外一輛車說，我的主人急著上班，你讓開我給你兩毛錢，停車場不需要了，所有的車都應該跑起來，我們所有的價值都會被激活，空氣會變得更好，時間也會被節省。

當然像滴滴這樣的公司非常急切想取代司機，它每收入一塊錢要花一塊八毛錢，有一塊二是花在司機身上的。當你拿掉司機以後，它就從一個巨賠錢的公司；變成一個巨賺錢的公司，所以是有特別大的經濟動力讓它推進這個領域。而且全世界汽車公司都在投產，有人聽到任何汽車公司說無人駕駛還要二十五年嗎？

當這一切開始發生，五年、十年以後，新的技術會倒逼各種領域，比如說機器人，當你的汽車能聽能看能動的時候，這些同樣的技術也運用在機器人身上，對我們整個家庭工業等等都會有特別大變革的作用。

人工智能，創新工場的投資可能是四年前開始，因為我個人就是做人工智能的，我們整個團隊是一個非常技術的團隊，但是現在已經不是我們一家在說該做人工智能了，而且最有權威的這個中國政府，美國政府，歐盟，日本都已經推動了，人工智能是最重要的一個技術，它會產生巨大經濟的價值，而且科技巨頭已經匯集在一起討論怎麽樣負責的把人工智能做好，才不會傷害到人類。

谷歌為何要更名為Alphabet，就是一定的程度上，要把它的人工智能技術匯集成一個谷歌大腦，用它來做各種健康、金融、汽車、醫療等等各個領域，然後能產生二十六個像谷歌一樣有價值的公司。

怎樣做好人工智能公司？

人工智能怎麽做好呢？我覺得有幾個要素。

第一個就是說你要挑一個領域，然後收集很大的數據，而且這個數據是有標註的，而且精確的。第二你要買很多機器，第三你要找很厲害的科學家，第四你要教育一批人來使用這個東西，價值就產生出來。

所以人工智能的創業跟移動互聯網的創業很不一樣，移動互聯網的創業是低成本的，人工智能創業的成本則非常貴。

我們在7年前就談到，創業成本在人工智能領域達到了新高。但是中國其實是有很多機會的。我們的工程院的副院長王詠剛做了一個搜索，看到在過去華人在AI領域的貢獻在快速的成長，從十年前的四分之一到現在的幾乎半壁江山，所以我們在中國是有很多機會的，雖然創業成本很高，科學家很稀缺，但是這里中國做人工智能是有長處的。

第一，中國人數學本來就很厲害，論文本來就很多，所以這些專家是可以找到的。第二年輕學生好訓練，你只要給我一個數學天才，半年的時間就可以讓他在人工智能產生價值，做一個有價值的人工智能工程師，所以這種培訓特別重要，但前提是數學要好，但是非常幸運的，中國人數學本來就是好。

第三，中國傳統企業的技術能力比較弱，所以給我們人工智能創業更多的機會。

第四，中國有很多大市場，大市場有很多獨角獸，獨角獸有一天突然發現我從沒有數據變成有數據，我需要人工智能怎麽辦？那麽他們就會雇用大批的人工智能和工程師，成為人工智能公司，所以每個大數據公司都會變成人工智能公司。

第五，美國雖然現在是領先中國，但是美國公司的技術很難引入到中國來。最後，中國對人工智能發展的約束比較少。

人工智能藍圖

我們對於這幾個領域都是非常看好的。

從大數據角度看，我們最看好的、能快速賺錢的就是金融領域，其次就是最有意義、能夠解救人命的醫療領域。如果你已經是互聯網公司，你的數據當然更好用。

從感知的角度來說，我們對一切的這種識別都非常認可，非常的看好。人臉識別，手勢識別，語音識別發展非常快速，而且是顛覆性的超越人類。但是對於自然語言理解，這個還需要時間，估計7到10年吧。

再往下的發展，傳感器是個問題，為什麽無人駕駛那麽貴，那就是傳感器太貴了，但是隨著無人駕駛和機器人的量產，這個是肯定會下來的。

再往下從機器人角度來說，我們覺得家庭機器人會比較慢，但是工業，商業能夠發展較快。

最後對於無人駕駛，我已經表達了非常樂觀的看法。

人工智能工程院啟動

創新工場在過去三個月宣布的人工智能工程院，今天已經初步有一些規模了，我想介紹一下工程院是做什麽的。這里可以看到我們的人工智能布局，分兩個部分，右邊是作為一個VC，做風險投資，這個和其他的風投是一樣的，我們找已經成型的項目，我們幫他們達到更大的成功。

但是國內成熟的創業差不多該創的都創了，最近三四個月越來越少看到頂尖項目，再訓練下一批還需要時間。因為人工智能移動互聯網還不太一樣，人工智能一定需要科學家，而科學家不見得可以有工程師帶出來。

所謂的孵化模式，可能在很多領域是不需要的、不存在的、沒有價值的，誰還需要孵化一個移動互聯網公司呢？但是在人工智能的領域，這些科學家因為他們在他們的領域特別強，但是對於商業的認知，產品的挖掘，工程師的管理，產品化的執行經驗並不足，所以我們認為人工智能存在一個很特殊的孵化機會。簡單來說，就是我們要把頂尖的科學家拉進創新工場的工程院，讓他們來摸索機會。因為人工智能創業很貴，但是我們把貴的東西幫它解決。我們買機器，拿數據，提供商業的認知，幫他們招工程師，讓他們創業的途徑能夠達到更快，這就是人工智能工程院所做的事情。

工程院大概在3個月之前開始啟動，我們逐漸在招兵買馬，那麽我們在找技術型的專家，搭配年輕的工程師，提供大量的數據合作夥伴和行業經驗給他們，讓他們能夠孵化成好的項目。孵化出來項目，工場會占用一些股份，然後再給工場的基金，當然也有行業的友商機會，來投資這些項目。我們相信我們可以經過這樣的孵化機制，讓更多的科學家參與創業。

當然還有就是培訓這些工程師，還有做更多的培訓，讓更多的年輕人也可以參與並且了解在AI方面的創新創業。在人才培育方面，我們在北大、清華、上海交大都開始展開合作，也在吸引學生參與一些暑期工作，包括業余的工作，在讀書的時候就開始參與這樣的一個領域。

文章評論

匿名用戶

發布

全部評論：10

發布

創新工場發布人工智能戰略白皮書：90%簡單人類工作10年內將被取代

楊潔 2017-01-10 16:35

i黑馬訊 1月10日消息，今日下午，創新工場發布題為“投資AI生態，共贏智慧未來”的人工智能戰略白皮書。同時，創新工場人工智能工程院正式浮出水面，李開複博士出任院長，兩位副院長王詠剛和王嘉平也正式到任。

發布會上，創新工場董事長李開複回顧了創新工場在2016年的投資業績，並且表示，在2017年，創新工場將繼續加強在人工智能領域的投資布局；同時，將以人工智能工程院為平臺，為國內人工智能創業提供人才、技術、商業、市場、軟硬件平臺、大數據環境等方面的支持。

創新工場董事長李開複/受訪者供圖

李開複在演講中強調，人工智能將是移動互聯網之後的下一次革命，而人工智能的體量甚至還將遠超過移動互聯網。在未來，人類思考需要5秒以下的工作，都將被人工智能所取代。從而，人工智能領域蘊藏著巨大商機。

同時，李開複提出，在國內，具備獨特的人工智能機會。他提到，目前世界上43%的人工智能的論文作者中，都有華人/中國人的身影；而在中國，年輕人具備較高的數學知識，願意追尋“熱門行業”，可以快速訓練出大批的“人工智能工程師軍隊”；同時，在國內也存在著利於人工智能發展的市場機遇，例如傳統企業的“非智能”技術較弱，易於被取代，而且中國大市場在過去孕育了大量已經走到C輪的應用，在未來需要人工智能的幫助。

這次發布的白皮書，闡述了創新工場未來的人工智能戰略。白皮書中提到，目前人工智能產業仍面臨6大挑戰：前沿科研與產業實踐尚未緊密銜接；人才缺口巨大；數據孤島化和碎片化問題明顯；可複用和標準化的技術框架、平臺、工具、服務尚未成熟；一些領域存在超前發展、盲目投資等問題；以及創業難度相對較高，早期創業團隊需要更多支持等。

創新工場人工智能工程院高管對話/受訪者供圖

白皮書提到，在挑戰之中，也同時蘊藏著極大的機會。在未來10年，將是人工智能發展的關鍵時期。在這一時期內，人工智能產業將呈現6大特點：

機器將成為人類的工具。李開複預測，從事翻譯、新聞報道、助理、保安、銷售、客服等工作的人，將有90%在未來10年內被人工智能全部或部分取代，同時，一些全新的工作機會將應運而生，一部分傳統工作將轉變為人工智能輔助下的全新工作類型，相關人群的再培訓和再就業將變得至關重要。

人工智能將催生數個千億美元甚至萬億美元規模的產業。以以金融行業為例，據高盛公司估計，到 2025 年人工智能可通過節省成本和帶來新盈利機會 創造大約每年340億至430億美元的價值。創新工場認為，在金融、醫療、安防、教育、能源、機器人、 互聯網產業升級、傳統行業的流程自動化及商業智能等方面，人工智能都具有千億美元以上的市 場潛力。而自動駕駛技術對於交通運輸和汽車制造業的顛覆，更具有無法估量的經濟價值。

此外，其他特點還包括：傳統行業將面臨人工智能帶來的重大機遇和挑戰；中國將成為人工智能科研與產業化的中堅力量；而人工智能時代，教育和職業培訓將意義重大。

創新工場根據技術成熟度和未來發展趨勢，將人工智能各應用領域分為不同類型，並設計了相應的投資策略。李開複親任院長的人工智能工程院，將打造成面向人工智能的創業人才培養基地和創業項目孵化實驗室。工程院將面向海內外招聘人工智能科學家和駐場創業家（EIR），幫助他們完成科研成果向商業應用的轉化。

工程院副院長、創新工場技術副總裁王詠剛此前曾在Google擔任工程師超過10年；在知識圖譜、分布式系統、輸入法、HTML5 動畫/遊戲引擎等技術領域積累多年。副院長王嘉平擁有中科院計算所博士學位，曾就任微軟研究院主管研究員。

目前，創新工場已投資了近30家人工智能相關的創業公司，如曠視科技、地平線機器人、馭勢科技、第四範式、小魚兒科技等。

同時，李開複稱，創新工場今年還完成了第三期3億美元基金和第二期25億元人民幣基金的募集，目前創新工場管理基金總額超過80億元，投資項目超過300個，涉及人工智能、數字娛樂、消費升級、在線教育、B2B和企業交易等領域，投資階段覆蓋種子輪、天使輪、A輪、B輪及C輪。

以下是李開複演講，經i黑馬編輯：

下面我想再深度介紹一下人工智能。我們重中之重的投資領域，就是我們的人工智能。

10年內90%的人類工作將被取代

最近隨著Master在網上擊潰了60位圍棋的高手，讓我們看到了其實已經不必再討論圍棋人類有沒有希望，人類已經被機器遠遠甩在後面了。這個其實帶來的，是一個特別大的機會。圍棋本身不是最大的商業價值，但是能夠打敗人類，讓我們看到人工智能將在各個領域產生價值。一定的程度上，人類的普通工作將被機器取代。

我們可以說50%的工作將會被人工智能取代，尤其是客服、翻譯、新聞報道、助理、保安等領域的，甚至90%的工作將會被取代，我們任何的工作如果說不經過超過五秒鐘的思考，都是做不過機器的。而且不是說它能不能打過我們，而是它必然把我們遠遠甩在後面。

比如我們做人臉識別，一個警衛有可能識別50萬張臉嗎？一個司機他可能開兩億英里嗎？但是我們投資的公司，機器就可以做到。隨著特別巨大、海量的數據和深度學習發展，在狹窄的領域里面，機器已經把我們拋得遠遠的。

當然，人類還有很多其他的事情機器不會做，但是如果你是挑一個領域做一件事情，然後有巨大的數據量，那麽人將根本不是機器的對手。這些機器不會累，不會罷工，也沒有情緒也不會犯錯，所以它們的這種大量產生價值和取代一些簡單的工作的情況，會不斷發生。從一個投資人的角度來說，每一個這樣的機器都是在創造新的價值。

我們回去看人工智能，其實都可以追溯到六十年前。人工智能這個詞在六十年前發生的，在三十年前就開始有人在做，有一些傻傻的人三十年前就做人工智能，但是做得太早了。但是我們現在可以看到，過去的三五年它有特別多的進步，這里包括無人駕駛，也包括機器人。現在谷歌的E-maill可以自動幫你回複；微軟的小冰，有人跟它曾經聊了九個小時，進步非常大。

因為有了人工智能，我們從圖像識別、人臉識別、語音識別都全面突破人的表現，也突破了過去所有的算法表現。那麽當這樣的一個技術超過人的時候，它就可以取代了我們。所以當人臉識別超過人的時候，保安的一大部分工作就不需要了；當語音識別超過人的時候，客服的工作就不需要了，或者銷售的一部分工作就不需要了。逐漸這些取代和產生價值過程就會開始發現。

無人駕駛將顛覆已有世界

我們看無人駕駛，現在是一個無人駕駛的黃金時代。如果說要挑一個最會顛覆已有世界的技術，和移動互聯網一樣大的，我們都不要說人工智能，因為人工智能領域會比互聯網大多了，人工智能是人類有史以來最大的領域，我們就僅僅挑一個無人駕駛就行了，這個領域就跟移動互聯網一樣。

為什麽這樣說呢？因為我們所有的習慣都會被顛覆。第一個我們可以預測的是，無人駕駛會幫助我們開車，到我們幫助它開車，最後是它開車我們什麽都不避諱，這個過程是一個必然的過程。因為這是一個特別巨大的大數據，然後是可學習的。無人駕駛不是說要等十年才取代人類，而是現在半無人駕駛已經發生了，比如在景區、飛機場、高爾夫球場。那麽在道路上，我們為什麽不可以增加一些傳感器，讓道路變得更聰明？這樣就不會有像以前特斯拉車禍開車發生的事情，因為路會告訴你，我是路、那是車，這個回饋可以告訴汽車。再往後我們談的很多物聯網的功能，無人駕駛都可以達到。比如說，第一我們就不用買車了，車子全部都是靠租賃的，全部都是滴滴型的；第二共享經濟和無人駕駛會同時發生；第三它一旦發生了以後，我們隨時需要車它就會出現在我們面前，而且不會過大，一個人出門就乘一個人的車，兩個人出門就乘兩個人的車，現在就不用浪費錢了，當你需要的時候汽車出現就好了。

然後一旦汽車開始無人駕駛了，那麽彼此之間就可以交談，一輛無人駕駛的車跟另外一輛無人駕駛的車說，我爆胎了，這樣就不會出事了；或者當你急著上班的時候，一輛車就跟另外一輛車說，我的主人急著上班，你讓開我給你兩毛錢，停車場不需要了，所有的車都應該跑起來，我們所有的價值都會被激活，空氣會變得更好，時間也會被節省。

當然像滴滴這樣的公司非常急切想取代司機，它每收入一塊錢要花一塊八毛錢，有一塊二是花在司機身上的。當你拿掉司機以後，它就從一個巨賠錢的公司；變成一個巨賺錢的公司，所以是有特別大的經濟動力讓它推進這個領域。而且全世界汽車公司都在投產，有人聽到任何汽車公司說無人駕駛還要二十五年嗎？

當這一切開始發生，五年、十年以後，新的技術會倒逼各種領域，比如說機器人，當你的汽車能聽能看能動的時候，這些同樣的技術也運用在機器人身上，對我們整個家庭工業等等都會有特別大變革的作用。

人工智能，創新工場的投資可能是四年前開始，因為我個人就是做人工智能的，我們整個團隊是一個非常技術的團隊，但是現在已經不是我們一家在說該做人工智能了，而且最有權威的這個中國政府，美國政府，歐盟，日本都已經推動了，人工智能是最重要的一個技術，它會產生巨大經濟的價值，而且科技巨頭已經匯集在一起討論怎麽樣負責的把人工智能做好，才不會傷害到人類。

谷歌為何要更名為Alphabet，就是一定的程度上，要把它的人工智能技術匯集成一個谷歌大腦，用它來做各種健康、金融、汽車、醫療等等各個領域，然後能產生二十六個像谷歌一樣有價值的公司。

怎樣做好人工智能公司？

人工智能怎麽做好呢？我覺得有幾個要素。

第一個就是說你要挑一個領域，然後收集很大的數據，而且這個數據是有標註的，而且精確的。第二你要買很多機器，第三你要找很厲害的科學家，第四你要教育一批人來使用這個東西，價值就產生出來。

所以人工智能的創業跟移動互聯網的創業很不一樣，移動互聯網的創業是低成本的，人工智能創業的成本則非常貴。

我們在7年前就談到，創業成本在人工智能領域達到了新高。但是中國其實是有很多機會的。我們的工程院的副院長王詠剛做了一個搜索，看到在過去華人在AI領域的貢獻在快速的成長，從十年前的四分之一到現在的幾乎半壁江山，所以我們在中國是有很多機會的，雖然創業成本很高，科學家很稀缺，但是這里中國做人工智能是有長處的。

第一，中國人數學本來就很厲害，論文本來就很多，所以這些專家是可以找到的。第二年輕學生好訓練，你只要給我一個數學天才，半年的時間就可以讓他在人工智能產生價值，做一個有價值的人工智能工程師，所以這種培訓特別重要，但前提是數學要好，但是非常幸運的，中國人數學本來就是好。

第三，中國傳統企業的技術能力比較弱，所以給我們人工智能創業更多的機會。

第四，中國有很多大市場，大市場有很多獨角獸，獨角獸有一天突然發現我從沒有數據變成有數據，我需要人工智能怎麽辦？那麽他們就會雇用大批的人工智能和工程師，成為人工智能公司，所以每個大數據公司都會變成人工智能公司。

第五，美國雖然現在是領先中國，但是美國公司的技術很難引入到中國來。最後，中國對人工智能發展的約束比較少。

人工智能藍圖

我們對於這幾個領域都是非常看好的。

從大數據角度看，我們最看好的、能快速賺錢的就是金融領域，其次就是最有意義、能夠解救人命的醫療領域。如果你已經是互聯網公司，你的數據當然更好用。

從感知的角度來說，我們對一切的這種識別都非常認可，非常的看好。人臉識別，手勢識別，語音識別發展非常快速，而且是顛覆性的超越人類。但是對於自然語言理解，這個還需要時間，估計7到10年吧。

再往下的發展，傳感器是個問題，為什麽無人駕駛那麽貴，那就是傳感器太貴了，但是隨著無人駕駛和機器人的量產，這個是肯定會下來的。

再往下從機器人角度來說，我們覺得家庭機器人會比較慢，但是工業，商業能夠發展較快。

最後對於無人駕駛，我已經表達了非常樂觀的看法。

人工智能工程院啟動

創新工場在過去三個月宣布的人工智能工程院，今天已經初步有一些規模了，我想介紹一下工程院是做什麽的。這里可以看到我們的人工智能布局，分兩個部分，右邊是作為一個VC，做風險投資，這個和其他的風投是一樣的，我們找已經成型的項目，我們幫他們達到更大的成功。

但是國內成熟的創業差不多該創的都創了，最近三四個月越來越少看到頂尖項目，再訓練下一批還需要時間。因為人工智能移動互聯網還不太一樣，人工智能一定需要科學家，而科學家不見得可以有工程師帶出來。

所謂的孵化模式，可能在很多領域是不需要的、不存在的、沒有價值的，誰還需要孵化一個移動互聯網公司呢？但是在人工智能的領域，這些科學家因為他們在他們的領域特別強，但是對於商業的認知，產品的挖掘，工程師的管理，產品化的執行經驗並不足，所以我們認為人工智能存在一個很特殊的孵化機會。簡單來說，就是我們要把頂尖的科學家拉進創新工場的工程院，讓他們來摸索機會。因為人工智能創業很貴，但是我們把貴的東西幫它解決。我們買機器，拿數據，提供商業的認知，幫他們招工程師，讓他們創業的途徑能夠達到更快，這就是人工智能工程院所做的事情。

工程院大概在3個月之前開始啟動，我們逐漸在招兵買馬，那麽我們在找技術型的專家，搭配年輕的工程師，提供大量的數據合作夥伴和行業經驗給他們，讓他們能夠孵化成好的項目。孵化出來項目，工場會占用一些股份，然後再給工場的基金，當然也有行業的友商機會，來投資這些項目。我們相信我們可以經過這樣的孵化機制，讓更多的科學家參與創業。

當然還有就是培訓這些工程師，還有做更多的培訓，讓更多的年輕人也可以參與並且了解在AI方面的創新創業。在人才培育方面，我們在北大、清華、上海交大都開始展開合作，也在吸引學生參與一些暑期工作，包括業余的工作，在讀書的時候就開始參與這樣的一個領域。

文章評論

匿名用戶

發布

全部評論：10

發布

當人工智能指揮人類：它能調度飛機起落，也能統領180萬小哥送外賣

楊潔 2017-01-13 14:35

當AlphaGo頂著Master的代號再次出道，橫掃圍棋界一眾高手時，“人工智能還能做些什麽”，這個話題開始讓很多人深度思考。下圍棋自然不是目的，但當機器的大腦在數據處理和學習能力上遠遠超過人類時，我們，或許將在某一天，全面聽從它們的指令。

這並不是臆測。去年1月份，阿里雲在上海發布了一站式大數據平臺數加，包含了大量的人工智能產品。這些產品背後的技術組成了阿里雲旗下的人工智能ET，現在，它已經開始了“智能調度”職業。1月11日，阿里雲方面透露，阿里雲同餓了麽合作研發出了ET新的調度引擎，正全面推行到外賣送餐領域。

“智能調度員”的工作歷史

調度員的工作，ET之前已經做過四份。

在廣州白雲機場，天池選手為ET開發算法用於調度1000多架飛機。ET可以將近機位乘客的比例從77%提高到94%，減少乘客再坐擺渡車的煩惱，臨時機位的使用率減半，跑道沖突率從42%減少到5%。

同樣在廣州，ET曾通過觀察路面車輛對紅綠燈進行調度。在南華中路-寶崗大道9時~13時和15時~20時的平均擁堵指數分別下降了25.75%和11.83%。

車貨匹配公司運滿滿將ET應用到了貨車調度領域。ET可對貨物和車輛進行評估、車輛評估，進行智能化的匹配和推薦。貨車司機按照ET的建議，可以接更多順風單、接力單。

追溯到更遠，阿里雲同快的打車的合作應該是國內首次將人工智能應用到調度領域。當時搶單時長最高降低了21.11%，成交率提升了7.87%。

“供給與需求如何高效匹配，這是一個通用性的問題。”阿里雲人工智能科學家閔萬里說，“為此我們為ET配置了通用的調度引擎，同時和各個合作方聯合研發，將引擎適配到不同的行業。”現在，ET的新任務，是調度180萬名外賣小哥，把熱飯送到每一個訂餐人手中。

吃一口熱飯有多難

為什麽阿里雲要和餓了麽合作？因為在餓了麽平臺上，每天配送訂單已經超過300萬。對於人類調度員來說，每天中午和晚上的高峰都是巨大的挑戰。以上海商城路配送站為例，全天1600-1700單，有70多個配送員，一個調度員每6秒鐘就要調度1單，他需要考慮騎手已有訂單量、路線熟悉度等。可以說，這份工作已經完全不適合人類。但對人工智能而言，它則擅長處理這類問題。

要想設計一個滿足即時配送業務需求的智能調度引擎，它必須接受如下挑戰：

（1）要算的全：綜合考慮騎手、餐廳、送餐地、配送區域和天氣等多維度因素；

（2）要算的快：進行快速決策（及時派單或壓單決策），避免高峰期爆單，同時還需要在幾百毫秒之內計算出最優配送路線並推送到騎手APP端；

（3）要算的準：對餐廳屬性（餐廳出餐時間、餐廳訂單量預估）、騎手屬性（騎手配送能力、騎手抗壓能力）、送餐地屬性（熱門商圈，是否需要長時間等電梯）等關鍵因素“了若指掌”。

ET是如何實現智能派單並確保效率最優的？簡單來說，ET會將配送站新的訂單插入到每個騎手已有的任務中，重新規劃一輪最短配送路徑，對比哪個騎手新增時間最短。

為了能夠準確預估新增時間，ET需要知道全國100萬家餐廳的出餐速度、超過180萬騎手各自的騎行速度、每個顧客下樓取餐的時間。

一般來說，餐廳出餐等待時間占到了整個送餐時間的三分之一。ET要想提高騎手效率，必須準確預估出餐時間以減少騎手等待，但又不能讓餐等人，最後飯涼了。

要想計算騎手的送餐路程時間，ET還需要知道每個騎手在不同區域、不同天氣下的送餐速度。但餐送到了，顧客並不一定會立刻來取。顧客可能需要等三部電梯才能下來。這些ET都需要計算在內。

如果顧客要點個火鍋，ET可自動識別其為大單，將鎖定某一個騎手專門完成配送。

為了應對全國多個地區頻發的霧霾情況，研發團隊還為ET內置了惡劣天氣的算法模型。通常情況下，每逢惡劣天氣，外賣訂單將出現大漲，對應的餐廳出餐速度和騎手騎行速度都將受到影響，這些ET都會考慮在內。

當然，ET在“工作”過程中也曾遇到過問題。閔萬里介紹，聯合研發小組在最近的一次測試中，就發現有2個配送站點出現嚴重超時問題。後來才知道：2個站點均在成都，當地人喜歡早、中餐一起吃，高峰從11點就開始了。因此，習慣了北上廣節奏的ET到成都就懵了。

然而，ET仍然在這方面取得了不俗的成績。2016年10月24日，餓了麽蜂鳥宣布“準時達”服務取得突破，單均配送時長降至29分鐘，配送準時率逼近99%。

這並不是唯一的用AI來進行調度的案例。美團就在去年11月的《2016中國外賣O2O行業洞察報告》中指出，美團外賣的背後，就有美團外賣智能調度系統在做指揮，能夠通過算法調整策略，實現毫秒級訂單改派等。

百度也早已表示，“送外賣的”也可以實現高科技。百度外賣的智能物流調度系統已經完成了4.0版本升級，能實時監測每個城市和商圈的實時狀況。

而“送外賣”當然不是智能調度最主要的作用。除了ET曾經開展的機場、貨運等調度工作外，據稱，滴滴也正在研發智能調度。當無人駕駛正在火熱之時，我們可以展開更大的腦洞，當車輛共享經濟進一步發展，當網絡叫車平臺能夠調動無人駕駛車輛，人工智能可以準確獲取天氣、運力、路線、乘客需求等信息，進行整個城市的車輛大調度，或許，一個令人激動的未來，將在更大的層面展開。

文章評論

匿名用戶

發布

全部評論：10

發布

人工智能：高手中的對手？

李劍鋒 2017-01-13 10:18

本文系作者李劍鋒對i黑馬投稿。

2016年3月，人工智能AlphaGo曾經在韓國打敗了當時韓國專業圍棋手李世石，震驚世界。2017年新年剛過，作為AlphaGo最新版的Master就先後在弈城網和野狐網上戰勝柯潔、常昊、時越以及韓國世界冠軍樸廷桓、姜東潤等人，取得60勝的驕人戰績，在快棋領域，Master擊敗了幾乎所有中日韓圍棋界的頂級高手。

有人說圍棋是人類最後的的壁壘，接連的失敗開始讓人類感到傷感、恐慌、焦慮。如果人工智能真的在智慧上超過了人類，人類會成為AI的奴隸嗎？人類的最後一道防線是圍棋嗎？人類的終極敵人是AI嗎？對於市場上的各種陰謀論，筆者將分享自己的觀點。

細分領域尖子生，還算不上學霸

如果說人工智能打敗了圍棋高手，那是不是在其他領域也是所向霹靂，在中央電視2臺的極客出發欄目中，擁有強大人工智能的安防巡檢機器人在人臉識別過程中，由於前期采集的表情圖像有限，主持人通過喬裝打扮欺騙過了機器人。其次是日本國立情報學研究所(NII)研究人員宣布，已放棄讓“Torobo-kun”機器人考入東京大學的計劃，原因是人工智能雖然在人臉識別和語音識別方面有基礎，但是對人類語言的閱讀理解能力似乎表現欠佳，Torobo-kun作為“複讀生”，已經連續考了四年了，還是無法考入東京大學。

綜合以上案例，筆者認為人工智能在某些細分應用領域還處在尖子生的階段，甚至遠遠還落後於學霸。如果人工智能要跨越學霸，就必須滿足以下三個條件。

1、龐大的大數據，正如眾多科學家而言。人工智能超強的認知學習來源於谷歌強大的大數據系統，隨著知識數字化的更新，越來越多的知識被數字化，數據化。如果說一個人有8小時閱讀時間，那人工智能就是24小時閱讀。通過全天不間斷的學習來豐富自己的認知，

2、強大的系統算法，常言道學習不能讀死書，要學會舉一反三。在人工智能中如果人工智能將互聯網上的數據進行整理，那這樣只是算是高級人工，算不上智能。阿爾法能夠戰勝圍棋大師及德州撲克職業玩家靠著是一種前沿的算法，有專家指出擊敗李世石不代表征服圍棋，只是算法勝利。

3、過硬的硬件配置, 處理器芯片設計與工藝的突破帶動電子信息行業發展已是不爭的事實，但對於人工智能的應用而言，單就處理器的提升還遠遠不夠。谷歌、百度等互聯網巨頭與英特爾、英偉達在人工智能領域所做的是一個技術互補的路線，像谷歌更多的是做雲端、數據中心的深度處理，面向人工智能的芯片是人工智能大規模產業的關鍵，也是今天人工智能不能大規模產業化的瓶頸與核心原因，整體看當前的人工智能產業發展處於初期階段。目前人工智能的芯片和硬件水平相當於50、60年前個人電腦發明之前的硬件水平，有了個人電腦才有了互聯網和移動互聯網。

人工智能是助手，而不是對手

據外媒報道，日本三菱綜合研究所學者認為，日本積極運用人工智能技術將導致13年後日本工作崗位的數量減少240萬個。使用機器人和人工智能技術將在2030年前創建500萬個工作崗位，同時，因機器人替代人工，傳統領域的人力需求將減少740萬人，因此，將有240萬日本人失去工作。

機器人將在若幹行業替代人工勞動，或協助人類完成任務。李開複博士預測，從事翻譯、新聞 報道、助理、保安、銷售、客服、交易、會計、司機、家政等工作的人，未來十年將有約 90% 被人工智能全部或部分取代。同時，一些全新的工作機會將應運而生，一部分傳統工作會轉變為 人工智能輔助下的全新工作類型。

事實上在人類上千年的歷史中，很難因為某項技術的更新將人類淘汰，從遠古時代的鉆木取火，到工業時代的工業革命，文明時代的互聯網革命。每一項技術的背後更多的讓人類更加的勇敢面對自然與挑戰。

筆者將從以下二個方面，來概述人工智能是助手，而不是對手。

1、將問題簡單化，例如翻譯行業，微軟在美國西部發布了支持多人多語言溝通的萬能翻譯器——Microsoft Translator，通過Microsoft Translator，每個人都可以在自己的智能設備上用自己的語言和任何人溝通，這也是世界上第一個真正意義上的萬能翻譯器。但是在面對地方口音和方言的時候，人工智能既有可能束手無策。它只會不斷的提醒你的請將“普通話”。對於這樣的環境下，很多時候還是需要人類的協助才能完成工作。但是在日常的生活中，人工智能可以將通用化，複雜化的問題。通過強大的系統算法迅速的協助人類完成。

2、提升辦公效率，例如會計行業，無論是做會計的，還是做財務的，亦或者是中介機構的從業者，都不免覺得日常工作中有著大量、重複性的工作。重複地審核發票，重複地編制各種各種的表格，重複地檢查各種各樣的數據。真是不在重複中爆發，就在重複中泯然眾人。人工智能的出現，可以讓行業中的眾人跳出原來機械的、重複的工作，去做更有價值的事情，而不是淘汰會計師。

人工智能產業待完善，創業門檻偏高

雖然人工智能將催生數個千億美元甚至萬億美元規模的產業，全國各地的政府都在積極布局人工智能產業，例如成都菁蓉國際廣場、成都矽谷國際孵化器等機構都在招募人工智能創業者，但是對於目前的人工智能產業還是需要完善以下幾個方面。

一、可複用和標準化的技術框架、平臺、工具、服務尚未成熟

雖然 TensorFlow、MXNet 等深度學習框架已被數以萬計的研發團隊采納，相關開源 項目的數量也在飛速增加，但一個完整人工智能生態所必備的，從芯片、總線、平臺、架構到框架、 應用模型、測評工具、可視化工具、雲服務的模塊化與標準化工作，尚需三年或更長時間才能真正成熟。

二、人才缺口巨大，人才結構失衡

據 LinkedIn 統計，全球目前擁有約 25 萬名人工智能專業人才，其中美國約占三分之一。這 一數量級的人才儲備遠無法滿足未來幾年中人工智能在垂直領域及消費者市場快速、穩健增長的 宏觀需求。人才供需矛盾顯著，高級算法工程師、研究員和科學家的身價持續走高。人才結構方面， 高端人才、中堅力量和基礎人才間的數量比例遠未達到最優。

通過在線招聘搜索人工智能，主要的人才缺口人工智能工程師，技能需要掌握人機交互，深度學習、NLP等領域的前沿技術，具備大數據挖掘與分析能力等等。其次人工智能算法工程師，技能需要運用最新的深度學習和機器學習算法，圖像識別，語義理解，語音識別等算法。

三、創業難度相對較高，早期創業團隊需要更多支持

與互聯網時代、移動互聯網時代的創業相比，人工智能創業團隊面臨諸多新的挑戰。例如， 對高級人才較為依賴，科學家創業者自身的商業實踐經驗較少，高質量大數據較難獲得，深度學 習計算單元和計算集群的價格十分昂貴等等。

創業團隊必須具備多個學科的知識及能力，還是面對市場上各種參差不齊的開發平臺。在人工智能領域創業無疑在全球未知的市場進行探索，對於這種探索更多的是無知與未知。

結束語：

2017年人工智能將繼續引領科技的潮流，人工智能+也會像2016年的VR+。大量的創業者及資本湧入，當潮水退出的時候，才知道誰的屍體中水中漂浮。

文章評論

匿名用戶

發布

全部評論：10

發布

微軟收購深度學習初創公司Maluuba 發力人工智能

微軟宣布就收購人工智能初創公司Maluuba事宜達成了共識。

據了解，Maluuba擅長問答及決策系統的深度學習與強化學習。通過對人腦與生俱來的能力進行建模，Maluuba的團隊正試圖解決語言理解方面的一些根本性問題。這些能力模型包括記憶能力、常識推理能力，以及好奇心與決策能力。

Maluuba的聯合創始人Sam Pasupalak和Kaheer Suleman打造了一支工程研發團隊，也將成為微軟人工智能與微軟研究事業部的一份子。微軟表示，二者的攜手不僅能讓Maluuba的成果取得大規模的發展，也能提升微軟自身的軟件開發能力，讓計算機更加自然地進行閱讀、寫作及對話。

微軟將在後續幾個月發布更多關於Maluuba的規劃。