📖 ZKIZ Archives

人工智能這把火，會讓.ai域名成為下一個.com嗎？

歪道道 2017-04-01 12:33

從1985年世界上第一個 .com 頂級域名誕生開始，這一終端應用服務就依附於計算機，以摧枯拉朽的變革之勢，成為互聯網浪潮之下掀起的一朵浪花，盡管它不足以承載撼天動地的力量，卻始終能長久不衰。時至今日，依舊是一個非常具有吸引力的領域。

究其原因，在於天價域名成就的一夜暴富給了太多人遐想，一本萬利的賭徒心理給了太多人下註的刺激。但是從保守到狂熱，再從狂熱到理性，這樣循環往複的過程除了累積大量的已註冊域名，更透漏了域名投資行業的諸多危機。

域名作為增值最快的無形資產之一，在互聯網科技創新更叠之下雖然也一直備受關註，但是有一個不得不面對的現狀就是，如今的域名投資行業早已浩如煙海，負累前行。唱衰域名的論調甚至一度成為互聯網輿論的主調。

眾所周知，一個域名的火爆往往和互聯網一定時期內的熱點掛鉤，也就是說，在域名當前的行業狀態下，亟需新的增長點來打破從去年延續至今的沈寂。而這個增長點就目前來看很可能是人工智能。因為不論是從當下創新焦點還是未來的科技應用，人工智能無疑都將是未來幾十年內最主流的研究目標。並且在新的一年中，人工智能可能將會成為最大的風口。

從來都不會錯過任何熱點的域名圈，必然會在人工智能類的域名方面發力。尤為巧合的是，域名市場中，更是存在.ai這一暗合人工智能意義的後綴域名。雖然這本來只是西印度洋群島中的某個小國的域名後綴，但由於人工智能的熱度持續高漲，現在意義已經變得完全不同。那麽，在人工智能這一顛覆性生產力的助推下，.ai能否成為下一個域名霸主？

風光背後問題重重，域名產業亟需新的增長點

據中國信息通信研究院推出的《互聯網域名發展與管理報告（2016 年）》顯示，從2008年到2015年全球域名註冊量逐年增長，但增長率起伏變化大，且基本呈現連續兩年下滑或上升的趨勢。其中2015年全球域名註冊量一改頹勢，成功實現9%的增長幅度，這種情況很大程度上要得益於我國2015年域名投資和交易的火爆，這一年，米農豐收、市場活躍、儼然一副牛市狀態。

但毋庸置疑，熱潮群湧往往帶來行業泡沫的困擾，繁盛之後更多的是新一輪的沈寂和降溫。

這一點反映到2016年最大的實際情況就是，各種各樣聞所未聞的新頂級域名雖然借著這一風口瘋狂圈錢占地，但是卻並沒有產生類似.top、.wang等集中性的域名後綴，也甚少誕生天價的域名交易金額。也就說，從去年開始域名投資和交易進入調整期，米農高價搶占的部分域名很有可能會變為燙手山芋。

階段性變化和集中性投資是域名註冊和交易的主要特征，但之所以會造成火爆過後一片冷清的尷尬局面， 其實與其發展過程中暴露出的問題有著莫大的關系。

其一是優質資源的稀缺。據DN Journal綜合全球多個域名交易平臺而整理出的數據顯示，多年來高價域名的價格區間較為穩定，但從2014年起，最高和最低成交價逐步提升，兩者的差距也愈加拉大。而在2015年最高和最低成交價達五年來最高，從不同價格區間內的域名數來看，10-50萬的域名數量接近90%，這反映出優質域名日漸稀缺，平均價格趨勢逐漸降低。如果再向後推數十年，很有可能會到達一個臨界點，屆時優質的和稍微有潛力的都被占盡，很難再挖掘出新的市場。

其二是我國的域名市場應用率低，不足18%，與國外相比相差甚大。這從側面反映出我國大部分域名所有者都是域名投資人，他們註冊域名並不是來建立網站或提供網絡服務，而是單純地賺取高昂的價格差。然而，過低的應用率意味著域名投資人會積累大量的域名，這無形之中增加了投資風險。

其三受到移動互聯網的沖擊，域名這個入口價值越加降低。對最終要使用上互聯網的人來說，域名系統的意義在於給純數字的 IP 地址一個容易辨認的名字，從數字變成了文字。但是移動互聯網的興起使app變得更加普及和便捷，很大程度上減少了用戶輸入域名的必要性，在根本上降低了域名的使用價值，這必將是域名投資的最大潛在威脅。而這也是唱衰域名市場論調中最為核心的觀點。

在最近一兩年中，雖然也時常爆出各種域名收購案，但是，卻都是一些老域名的交易，與此同時，新生代的域名比如.top 、.cc、.wang等域名卻並沒有在域名領域獲得非常理想的成績。這說明市場依舊被老後綴域名所把持，已經有些僵化。加上移動互聯網時代的迅猛發展，域名無用論雖然是非常明顯的極端論調，但卻越來越受到更多的認可。

總之，現在整個域名領域的狀態和問題，無不直接反映出了整個行業亟需新的增長點來破局。

人工智能的火熱能讓.ai域名成為行業的新起點嗎？

事實上，傳統通用頂級域名增長緩慢，而借助於新頂級域名崛起的國內域名產業，正成為全球新的增長極，這對於眾多非主流域名來說，也許是挑戰.com和.net域名地位的一大機遇。

據《中國域名產業發展報告》顯示，2008年-2015年傳統通用頂級域中，.com和.net的全球註冊量依然排名第一和第二，領先地位短時間內難以撼動。但隨著新頂級域名湧進市場，售賣域名的利潤逐漸被壓縮，整個市場競爭更加激烈，從之前具有壟斷性的市場轉變為相對充分競爭的市場。從上圖中可以看出，2008年-2015年這兩個傳統通用頂級域名的註冊增長率漸趨變緩，從鼎盛時期的22%驟降到目前維持的平均增長率8%，而2015年之所以實現大幅增長，更多的是受我國域名投資的熱度影響。

但是與傳統通用頂級域名的狀態相反，新頂級域名的市場潛力正在爆發，尤其是我國已經成為全球第二大域名市場。據域名註冊量占比及排名前十的新通用頂級域的數據所示，.xyz以絕對優勢占據榜首，憑借其巨大的想象空間和符合語言習慣的特點，迅速發展為龍頭老大.com的威脅之一，甚至曾經引發了一場曠日持久的商業糾紛，並對簿公堂。

而我國主導的.top和.wang分別以8.7%和5.5%的占比排名第二和第三，一度引爆國內的域名投資行業。也就是說盡管.com域名依然維持著霸主地位，但是以.xyz、.top為首的新頂級域名已經激發了.com的危機意識。加上實力依舊懸殊，這些新生頂級域名想要真正威脅到.com，可能還是有些不切實際。

新頂級域名，除了本身自帶的內涵和特征助長其引發市場火爆，還與互聯網階段性的資本熱點相伴相生。例如去年所預測的VR元年帶動了不少相關域名的交易，其中vr.cn的域名短短兩個月內兩次易主，身價就從百萬上升到千萬級別。而2017年根據投資情況和輿論焦點可以看出，人工智能可能會成為下一個互聯網風口，那與之相關的.ai域名後綴，更是給人非常大的想想空間。

比如前幾天因為吳恩達辭職百度而備受關註的Drive.ai，使用的就是。ai域名, 據了解，Drive.ai是一家人工智能創業公司。由斯坦福大學的8名人工智能研究員創立。該公司主要致力於通過工具包將普通汽車變為無人車。除此之外，越來越多的人工智能創業公司開始啟用ai域名。

那麽在人工智能爆發所產生的強大勢能之下，.ai能否給調整期的域名投資市場帶來新的增長點呢？

當然這很大程度上要依賴於今年人工智能領域是否會取得技術上的重大突破，又或者消費市場上會不會誕生現象級產品.但是從初創企業的融資情況來說，還是可以看出這一域名的現實價值。

根據風投數據公司CB Insights 的相關數據顯示，“.ai”後綴名的初創公司中，成功獲得第一筆融資的公司數目在過去的 6 個季度大幅增加。並且 URL中包含“.ai”的初創公司，成功融資的數量在 2015 至 2016 年度飛速增長。單單就2015年第四季度的數目就已經達到2014年之前的數目總和，所以很多觀察人士紛紛指出，初創公司或許可以通過在URL中附加“.ai”後綴來降低融資難度。

相比初創企業，顯然互聯網巨頭企業更適合進行人工智能的研發。例如騰訊依靠大批投資和收購國內外人工智能公司來增強研發力量，百度顯然布局得更早，並逐漸把公司的戰略定位轉移到以人工智能為核心的技術驅動型企業，當然他們各自持有自己的.ai域名。

而經過查詢，在國內的絕大多數知名的互聯網公司的.ai域名，都已經被註冊一空。其中，有少部分並不在這些互聯網巨頭手中。比如以聚集群體智慧的問答應用網站—知乎，這顯然也是一家適合朝著與人工智能結合的方向發展的互聯網公司。但一直以高知高能形象示人的知乎，其zhihu.ai域名，持有人卻是一家叫做知外的AI+出國知識平臺，並且也已經跳轉至其平臺主頁。這件事發生知乎身上，還是讓人有些意外。

總的來說，當前的現狀是，人工智能太熱門了，現在無論是創業還是融資，想要獲得資金和關註點，使用人工智能、AI 、聊天機器人（chatbot）或機器人（bot）等字眼無疑是最為明智的選擇，甚至還可能提高估值或加快融資過程。以點帶面，在頭部行業+頭部公司門的帶領之下，.ai域名在人工智能的東風之下極有可能會迎來的爆發。

那麽，.ai會不會成為下一個.com?

縱觀近幾年受到追捧的域名後綴，無外乎符合語言習慣、容易記憶或是涵義鮮明等特征，而.ai雖然原本是安圭拉的國別域名，但因其為“愛”的拼音，同時簡單易記，所以很適合建立網站。更重要的是，人工智能肯定是未來科技發展的主流方向，受益於此，相關域名很有可能會水漲船高，但是，它有沒有機會重現com的神話，成為新的域名霸主呢？

其實.ai域名現在面臨的機會，與最初.com席卷互聯網時的境況有些類似。

1985年域名誕生後的兩三年間，註冊的網址只有100個，但是隨著消費型個人電腦的騰飛和民用網的開放，之後的五年里.com域名註冊從223個火速增長到9005個。所以.com的崛起是順應了互聯網時代的潮流。而.ai也有可能順應人工智能這一同樣具有變革性力量的生產力工具，而實現新一輪的增長。

從2017年1月份第三周的sedo交易榜可以看出，在國別域名中.ai域名後綴已經占據了榜單的半壁江山，而且交易價格普遍高於其他地區，甚至排除超過10,000美元以上的.com相關域名，.ai和.com的價格相差已經較少。這足以說明.ai相關域名的價值正在逐漸被認可。

不過從長遠來看，人工智能對其相關域名的影響並非完全有利，甚至很多人懷疑在人工智能的沖擊之下網站是否依然會存在。在此我們需要知道，目前對人工智能的任何考慮其實只是猜測，很難找到科學依據反駁一個不認同的觀點，也同樣無法證明某種趨勢是必然。也許未來網站會成為人工智能的形態之一，作為一個連接智能服務的入口而存在，這種解釋同樣合理。

而且就目前來看，網站和域名即使受到了移動互聯網的沖擊，但依然是時代的主流。截至2015年底我國網站總量達到426.7萬，同比增長16.99%，同時所使用的獨立域名共計561.7萬，也實現了較大增幅。盡管域名應用相率相比國外低，但網站依舊是大多數應用和服務的主要入口，再加上app已不像當年那樣火爆，網站和域名在很長一段時間內不會消沈。

而人工智能毫無疑問會給域名投資帶來新的焦點，也許因時而變、因勢而動，盡管未來可能面臨難以預料的危機，但人工智能在一定時間甚至很長時間內，對於域名領域尤其是.ai都將是重大利好，網址仍將是互聯網乃至物聯網的重要組成部分。而作為乘著人工智能這股東風的.ai域名，能否一飛沖天，成為下一個.com域名，拋開自身的諸多優勢，剩下的就只需要拼運氣了。

歪道道，科技媒體人，互聯網分析師。微信公眾號：歪思妙想（neihangaoxiao）。謝絕未保留作者相關信息的任何形式的轉載。

文章評論

匿名用戶

發布

全部評論：10

發布

汽車巨頭的下一個戰場：車載AI技術 | 科技心語

傳統車企的競爭開始由內燃機轉向了車載AI技術，這一趨勢正在成為主流。

大眾汽車上周宣布1.8億美元投資中國人工智能初創公司出門問問，並建立合資公司，共同研發並應用車載人工智能(AI)技術，雙方各持股50%。

大眾汽車此舉標誌著人工智能在車載領域的應用已經成為確定的趨勢，傳統汽車廠商紛紛開始占領市場先機。其實早在今年1月的CES展上，虛擬AI助手就已經引領了汽車企業的風潮，包括福特、寶馬、現代和尼桑在內的四大汽車領導品牌分別宣布了與微軟、谷歌和亞馬遜三家科技巨頭合作，為新車增加虛擬智能助手。

日產尼桑和寶馬汽車選擇與微軟合作，在不久的將來，被選擇的車輛將帶有Cortana助手。福特公司所有支持sync3系統的車輛都與亞馬遜公司的虛擬助手Alexa合作。此外，現代汽車和戴姆勒表示，他們汽車的部分語音操作助理將與谷歌智能助理合作。豐田也已經公布了一個未來概念車，它擁有自帶的數字平臺，一個名叫Yui的虛擬智能助理。大眾這次選擇和中國企業出門問問合作，很顯然是為了在人工智能領域不落後競爭對手。

汽車制造商之所以會對此產生濃厚興趣，是因為語音助理可以使用在各種電子電器上，讓人們的駕車體驗更加方便。未來汽車將會變成一個真正的娛樂空間，人們貴賓室的延伸。或許最終的結局是我們會舒服的把腳擡起看起電影，而數字助理在駕駛。你還能在車上控制家里的音響和空調，鎖定車門或發送目的地細節給車輛，在路上就把家里的車庫門打開或者關閉，播放有聲讀物，並且擁有記憶功能。

此前蘋果的Siri助手通過公司的CarPlay軟件已經開始在一些特定車輛上使用。包括寶馬，尼桑，現代和福特在內的很多汽車品牌為此設定了新模式。比如現代汽車將谷歌助手與公司本身的Blue Link軟件程序連接集成在一起。

而寶馬的車聯網數字平臺未來將會與微軟Cortana連接，能夠執行包括預定餐廳等簡單任務。寶馬公司表示，寶馬連接系統可以在約會地點不定的情況下隨時讓司機在路上保持被通知的狀態。

去年被三星收購的哈曼也已經公布過類似微軟Cortana的哈曼卡頓語音助理的一段視頻，但產品仍待開發完成。今年的CES上，哈曼展示了反黑客軟件技術，以及包括擡頭顯示器、下一代音響系統、自動駕駛在內的新技術。

和亞馬遜、微軟這些從事人工智能的科技巨頭而言，有著“谷歌背景”的出門問問的自然語言處理(NLP)領域的能力很顯然更符合大眾汽車本土化的需求。與大眾中國合作也顯示了中國車載人工智能市場的樂觀前景。去年11月，出門問問發布了針對汽車後裝市場的智能後視鏡“問問魔鏡”(Ticmirror)以及高級駕駛輔助系統(ADAS)產品，而且出門問問在車載內容建設和車內聲場方面也都積累了一定的數據。

3月29日，出門問問與中科院自動化研究所模式識別國家重點實驗室共同成立了語音智能與人機交互聯合實驗室，專註於自然語言理解、多輪對話管理、問答系統、機器翻譯等人機語音交互核心技術研發領域，也就是所謂的自然語言處理。

據雙方介紹，大眾和出門問問的合資企業將在出門問問前沿的語音識別技術和自然語言處理技術的基礎上，進一步研發汽車應用程序。首批產品將包括出門問問現有的智能後視鏡。通過語音輸入，該後視鏡可以提供導航、信息點(POI)搜索、即時通訊、車載聲控信息娛樂系統等功能。

出門問問創始人CEO李誌飛一直將出門問問的使命視為“重新定義下一代人機互動”。與大眾汽車的合作將很顯然能夠為出門問問的研發提供一個全新的平臺，因為大眾掌握了大量的用戶數據，這些數據可以讓出門問問用來做很多研究和發明，並能提升機器學習的能力以及語言處理能力，從而提升未來的用戶體驗。

對於大眾汽車而言，這項合作為為其開啟了數字化和可持續移動出行解決方案的新時代。而雙方的合資企業對於人工智能產業和汽車行業都具有重大的意義，不僅能將領先的人工智能技術應用於消費者的日常生活，而且傳統車企能夠借助人工智能初創公司的前沿科技的研發能力，為用戶帶來新的產品體驗。

在自動駕駛領域，傳統車企仍然具有得天獨厚的優勢。近期調研機構Navigant報告所選的18家全自動無人駕駛的車企中，被歸為領導者的有四家公司全部是傳統車企，包括福特、通用汽車、雷諾-日產和戴姆勒，而不是谷歌和特斯拉。百度更是在18家企業中墊底。

雖然這一排名並不具有絕對的權威性，但是至少說明了真正有能力把全自動駕駛企業推向市場的還是傳統車企。一些互聯網科技公司，雖然可能擁有很好的技術，但是除非能制造上萬輛車並讓人們坐進去，不然在高端的技術都顯得不那麽有用。也正因為這樣，科技公司和傳統汽車企業才需要更加緊密地聯系在一起。

AlphaGo將與柯潔大戰，德撲AI戰勝人類牌手，但是So What？

黑智 2017-04-10 17:18

本文系i黑馬原創 首發黑智（VR-2014）

圍棋和德撲，兩次人類組織的對機器的反攻，在今天都有新的消息發布。

就在剛剛，谷歌在位於北京的中國棋院就“中國烏鎮·圍棋峰會”召開了新聞發布會。據發布會宣布，此次圍棋峰會將於5月22-27日在中國桐鄉烏鎮舉行，在開賽的前三天中，AlphaGo與柯潔之間將進行三番棋對弈。

從4月6日持續到10日的“冷撲大師V.S.中國龍之隊-人機撲克巔峰表演賽”在今天中午正式落幕。經過了5天的征程，這場比賽，最終以人類的落敗而告終，德撲AI程序“冷撲大師”最後以792,327總記分牌的戰績獲勝，同時，200萬元的獎金，也歸屬冷撲大師所有。

兩場人類的反攻戰。一場已經以人類的再次失敗宣告結束，另一場即將開始，勝算還很難預測，但是至今為止，不看好人類棋手的預測居多。

圍棋和德撲，人類已經接連失守。這是一個值得人類反攻的戰場嗎？它又值得我們緊張，會給我們帶來“末日危機”嗎？

對戰人工智能，人類的絕望？

柯潔（最右）與聶衛平（柯潔旁邊）去年在北京聶衛平圍棋道場，憑記憶複盤 AlphaGo 與李世石第一局的開局，並向 Google CEO Sundar Pichai 展現棋局的精妙之處

谷歌表示，之後的烏鎮圍棋峰會特別設計了 AlphaGo 與中國頂尖棋手的多種比賽形式，包括：

人機配對賽：中國職業棋手將與另一名職業棋手對弈——只不過每一方棋手都將有AlphaGo作為自己的隊友與他們交替落子，真正體現共同學習的真諦。

團隊賽：由五位中國頂尖棋手組隊與 AlphaGo 進行對弈，共同測試 AlphaGo 在面對組合風格時所展現的創造力和適應性。

柯潔對陣 AlphaGo：AlphaGo 與世界排名第一的棋手柯潔進行的三番棋對弈將會成為萬眾所矚目的焦點。柯潔會將 AlphaGo 的能力推向甚至超越極限。

據報道，此次參戰的 AlphaGo 2.0 可能采用了全新的算法模型，即未先學習人類棋譜的經驗，而是直接通過對戰來獲得認知和能力。

AlphaGo的做法是使用了蒙特卡洛樹搜索與評估網絡（Value Network）和走棋網絡（Policy Network）兩個深度神經網絡相結合的方法，其中一個是以估值網絡來評估大量的選點，而以走棋網絡來選擇落子。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，以提高下棋實力。

訓練一個沒有學習過人類棋譜的人工智能。不再受到人類棋譜的局限，走出真正的“人工智能”棋路。現在的AlphaGo，比起去年的AlphaGo1.0，無疑有了更加巨大的飛躍。

而在AlphaGo上，還有一個強大的武器。前不久，谷歌公布了TPU的細節，它在神經網絡層面的操作上，處理速度比當下GPU和CPU快15到30倍；在能效比方面，比GPU和CPU高30到80倍；在代碼上也更加簡單，100到1500行代碼即可以驅動神經網絡。

就在今天，德撲人機大賽中，亞洲人類牌手精英們，剛剛敗北。五天對戰下來，德撲AI冷撲大師累計贏得792,327記分牌數，平均22.0每百手損失大盲。200萬獎金，被機器獲得。撲克在幾十年來一直是人工智能和博弈論中的一個具有高挑戰性的問題。作為帶著隱藏底牌的“不完美信息”遊戲，撲克對AI來說，具有國際象棋和圍棋遊戲中未曾出現的信息障礙。冷撲大師相對於AlphaGo更高明之處在於冷撲大師不需要提前背會大量棋譜，也不局限於在公開的完美信息場景中進行運算，而是從零開始，基於撲克遊戲規則針對遊戲中對手劣勢進行自我學習，並通過博弈論來衡量和選取最優策略。

人機撲克大戰巔峰表演賽的發起人、創新工場CEO李開複更是明確表示：“通過冷撲大師和龍之隊表演賽的對戰結果，人機對戰基本沒有懸念了。據聞AlphaGo近期即將來華和柯潔對戰，其實已經不再具有科學意義了。”

AlphaGo和柯潔的對戰結果，在李開複這里，已經提前被判了人類的“末日”。

過去的那些人機對戰

迄今為止，已經有多少次人機對戰了？

一次是全球矚目的AlphaGo對戰李世乭。它完全可以稱作一次“巔峰對決”，它掀起的是體育和科技界共同的高潮，吸引了全世界的關註，在首輪對決中，根據某門戶的數據，就有全球1億人次觀看了直播，其中中國就有6000萬人。而它的結果也可謂成功，那就是，人工智能、深度學習，這些原本是高在雲端的名詞，瞬間被大眾所接受，帶來前所未有的AI熱潮，人工智能相關的創新技術和公司，紛紛走向前臺。

Master在去年年末掀起了第二波熱潮。以此為註明網名的“棋手”，在圍棋網站弈城和野狐上，一路過關斬將，擊敗了常昊、時越、古力等眾多圍棋好手，“韓國第一人”樸廷桓、“日本第一人”井山裕太，以及世界排名居首的柯潔，也對戰落敗。60連勝後，Master被證實是AlphaGo。

今年1月，在美國賓夕法尼亞，卡內基梅隆大學開發的德撲AI程序Libratus擊敗了四名頂尖人類高手，一舉獲得了20萬美元將近和177萬美元籌碼的德州撲克人工智能系統。這也是人工智能第一次在德撲比賽中獲勝。

在今年3月19日結束的第10屆UEC杯世界圍棋“機機大戰”中，來自中國的騰訊圍棋人工智能程序“絕藝”，戰勝衛冕冠軍日本圍棋人工智能程序“DeepZenGo”奪冠。UEC杯是世界權威的計算機圍棋大賽，由日本電氣通信大學於2007年創辦，承載了計算機攻克圍棋項目的使命。在取“絕藝”這個名字之前，它以weigo為名，以“虎虎有生氣”的ID於2016年8月首次在野狐平臺（騰訊旗下圍棋對弈平臺）下棋，8月23日首次戰勝職業棋手；9月4日，weigo以“野狐掃地僧”ID連贏 ID為tby的網友8局；11月1日，weigo正式以“絕藝”ID亮相野狐，並沿用到了現在，多次戰勝中日韓三國一眾頂尖棋手，成為野狐首個晉級“十段”的棋手。

更遑論，今年還有百度的小度，在最強大腦的節目舞臺上大“秀”頭腦，用自己的圖像識別等技術，挑戰人類智商。

每一次的人機對決，人類都毫無懸念，毫無勝算。

無法戰勝AI，人類會被機器取代嗎？

如果人工智能不能比人類更強，被創造出來，又有什麽樣的意義呢？

機器戰勝人類，並不是初次。汽車和飛機被創造出來，跑得更快，飛的很高。那麽為什麽我們會對人工智能產生“擔憂”的情緒？大約是，人類最恐慌的，就是有朝一日，被機器所取代。

就像AlphaGo剛剛戰勝人類棋手時，外界討論更多的是：它會像人類一樣思考嗎？

在前不久的IT領袖峰會上，李彥宏說：“強人工智能時代，也許永遠不會到來。”

人工智能能否擁有人類一樣的智商、情感，或擁有自主意識？回答這個問題之前，人類需要先搞明白人類自身的大腦。

在博鰲論壇上，魯白也作出了同樣的回答：“絕對不會。”他解釋，人腦有五個方面的功能：第一是感覺，第二是運動，第三是記憶，第四是情感與情緒，第五是認知。“怎麽樣跟人工智能或者電腦產生感情，論題中包括兩個方面：一個就是情感的產生與情感的交流，延展一下就是社會性；一個方面是認知。認知又分兩個部分，一個是一般的認知，連動物都有，我覺得人工智能可以有這個方面的認知功能，包括邏輯思維分析，以及決策之類。人還有另外的一個方面的認知叫做高級認知功能，里面包括語言包括自我的意識，包括想象力、創造力最後還有人所特有的一種目的性的行為，而我認為，人類是在這方面，是不能被機器代替的。”

借助強大的數據處理能力和深度學習，機器已經在很多領域超越人類。但是，它不能做到的，是如何模擬人類大腦的運行，擁有自主意識和情感。

那麽，機器將在哪些領域代替人類？李開複的答案是，人工智能在符合以下三個前提的領域里，將全面戰勝人類：

第一，有海量的數據；

第二，數據有標準；

第三，單一領域。

在前不久，黑智也在采訪中，總結了機器逐漸取代人力的領域。比如鑒黃師。企業只要用互聯網音視頻有害信息監測系統，就可以自動識別網絡上傳播的涉恐、涉暴、涉黃信息。

通過音、視頻雙通道進行有害信息檢測，語言類內容為主的音視頻，采用語音識別、關鍵詞檢索技術檢測；圖像類內容為主的，就通過定時采集關鍵幀圖像，進行圖像識別，判斷是否為色情、性感、正常。

“我們的系統對直播平臺涉黃圖像檢測的準確率高達99%以上，誤報率低於1%，需要客戶進行人工複核的比例不超過3%。人工複核後的數據會被收集起來進行叠代訓練，不斷提升識別的準確率。”極限元聯合創始人馬驥說。

還比如客服和呼叫中心。大型呼叫中心的坐席，也在比以往有了縮減的幾率。以前，人工客服超過50%的時間，都在處理用戶咨詢的大量重複性問題。現在，用AI機器人客服屏蔽掉這些重複問題，就減輕了人工的工作量，並且以客服助手的形式提高人工客服的工作效率，也給企業降低了成本。

智能客服公司智齒科技CTO吳立楠以樂視為例，解釋了實際的應用場景：“在樂視，智齒科技機器人解答環節可以擋住60%的用戶。也就是說，100個咨詢者只有40個會轉到人工，另外60個都被機器人服務了。原來一個客服只能同時服務5個用戶，有了機器人的輔助，現在可以同時服務15個。如果最多只有100個用戶咨詢，原來一共需要20個客服，現在只要3個就夠了，節省了85%的人工成本，並且機器人的準確率達到97%。”

這種模型廣泛應用於各種自然語言處理問題，如語音識別、機器翻譯、分詞、詞性標註等。

什麽職業將被機器改變？和黑智談過的眾多業內人士也總結，勞動並無高低之分。那些和數據相關，重複性較強、邊界清晰的工作，容易被機器所取代。

另外，人工智能聯盟已經組建，目的就是為了防止人工智能危害人類。

當然，我們還會拭目以待，下一次機器與人類的對陣。就像馬雲在IT領袖峰會上的發言那樣：“AlphaGo 贏了李世石，so what？下圍棋本來的樂趣就是對方下一把臭棋，結果機器不會下臭棋，那還有什麽事情呢？”

或許，我們可以期待烏鎮，AlphaGo會不會特意，下一次臭棋給我們看。

文章評論

匿名用戶

發布

全部評論：10

發布

德撲人機大戰落幕人類慘敗 會打撲克的AI有什麽用？

經過五天的鏖戰，德州撲克人工智能系統Libratus毫無懸念獲得最終勝利。在這場德州撲克人機大戰中，中國龍之隊的六位牌手共與冷撲大師打了36000手牌，共輸792327分，AI完勝人類。

比賽的結局並不出乎意料，開賽之前，創新工場創始人、董事長李開複就曾表示：“對人類能贏感到悲觀，贏的概率不到10%。”事實上，今年1月，在賓夕法尼亞州匹茲堡的Rivers賭場，CMU開發的Libratus人工智能系統就曾擊敗過人類頂級職業撲克玩家，那場比賽共持續了20天，對玩了12萬手，最終AI贏得了176萬美元。

會詐唬的AI

Libratus是一個玩無限德州撲克的人工智能程序，Libratus的策略並非基於專業玩家的經驗，所以它的玩牌方式可能有明顯的不同。基於在匹茲堡超級計算機中心大約1500萬核心小時的計算，它使用算法分析德州撲克規則，從而建立自己的策略，而且它能夠在比賽中，通過預測所有未來步驟的勝率來思考自己的下一步。

與圍棋強調計算和形式判斷能力不同，德州撲克更講究多人博弈過程，如何避免人性貪婪等弱點，並將科學的概率統計與靈活的實戰策略很好地配合起來。在圍棋、象棋等遊戲中，機器和人類在決策前可以獲得全部信息，而在德州撲克中，彼此無法得知對方的底牌是什麽，也不知道發牌員發出的下一張牌是什麽，在“不完整信息”下，人工智能需要根據經驗或概率統計知識，猜測對手底牌和下一張牌的可能性，然後再制定自己的應對策略。

“如果AlphaGo是一個超級天才，冷撲大師CMU系統其實一定程度上是一個EQ專家，是靠EQ來打敗你。”李開複表示。表演賽為求降低發牌中的運氣因素，機器人采用複式對稱發牌，兩兩成對的牌手其中一人將拿到與配對牌手對打的機器人底牌，因此六名牌手將拆分於兩個房間和冷撲大師對陣，比賽過程中還必須確保配對牌手彼此不能碰面交流。在整個比賽中，冷撲大師也經常出現一些“詭異”的打法，例如時常超池下註，給對手造成極大的壓力，並做出人類出於心理原因做不到但是正確的bluff(詐唬)。

“AI利用增強學習技術，從自我對局中學習最優的撲克玩法，而避免從人類的既定模式中學習經驗，這是非常重要的一點。”李開複表示。不過，據了解，目前Libratus的算法還只適用於無限制投註的一對一比賽，如果將比賽擴展到更常見的多人制比賽，Libratus面對的挑戰會更大一些，還需要進行策略上的升級與調整。

人工智能應用挑戰

正如馬雲所提及的疑問一樣，人工智能打敗人類圍棋大師，所以會打撲克的人工智能在解決更為廣泛的現實問題方面又有哪些價值?在李開複看來，世界上大部分的信息還不是公開的，冷撲大師在面臨不完全或誤導信息時的推理能力，未來能夠解決在決策、外交、商業合作、談判方面的不確定性問題，成為人類的“參謀”。

但如同谷歌人工智能大勝人類圍棋大師，使得AlphaGo的能力被充分認知，但在商業化方法和能力方面卻並不明顯。以AlphaGo為例，需要學習數量龐大的棋局才可以掌握有效的下棋技巧，而冷撲大師目前的對戰形式也是一對一，而現實生活中德撲是多人遊戲，多人遊戲在計算上的複雜程度是目前冷撲大師所無法勝任的。

人工智能和冷撲大師所提煉出來的人工智能技術如何發揮其商業價值，李開複認為仍需要滿足三個條件：海量的數據、數據有標註、單領域。例如在金融領域，金融是虛擬的、由人創造的，數據量龐大且天生帶有標註，譬如股票的漲停、小額貸款是否還錢、買了保險後是否出事都是一種標註，這使得AI在放貸、銀行、投資、保險方面具有潛力。

“相較於告訴人們人工智能能做什麽，目前更重要的反倒是告訴人們，人工智能不能做什麽。”地平線機器人技術創始人兼首席執行官余凱曾向第一財經記者表示，在他看來，人工智能進一步拓展的首要挑戰就是數據不足的問題。眾所周知，人工智能是建立在海量數據基礎之上，通過大數據訓練，來優化算法模型，以人臉識別技術為例，訓練這一算法模型需要至少百萬級別的圖片數據。

目前，人工智能主要是監督式學習，有監督的訓練就需要帶標簽的數據，因此數據的質量和精準度與輸出結果密切相關。“如何剔除數據中的噪音、垃圾信息，獲取優質且帶有標簽的數據成為新挑戰，這其中就涉及到無監督式學習或者半監督式學習。”地平線機器人技術聯合創始人、算法副總裁黃暢說。

另一大挑戰在於深度學習的推廣和場景遷移能力不足，每個領域的數據都需要重新收集、標準和再訓練，很難進行跨領域推廣。這些挑戰也是人工智能工業界和學術界急需突破的問題。“在招聘的過程中，懂得深度學習的人很多，而懂得遷移學習、增強學習，具備思辨能力的人很少。”第四範式創始人、首席執行官戴文淵告訴記者。

在實際應用層面，人工智能仍有很長的路要走。正如李開複在比賽結束後的回應一樣：“人工智能已從完美信息的AlphaGo，延伸到了不完美信息的冷撲大師，人機對戰基本沒有懸念了，據聞AlphaGo近期即將來華和柯潔對戰，其實已經不再具有科學意義了，以後更應該關註商業領域的人工智能，在金融、醫療、教育等領域產生的商業價值。”

格靈深瞳趙勇：智能數據挖掘，將是安防領域接下來的主戰場 | AI創新50

黑智 2017-04-12 19:22

本文系i黑馬原創 首發黑智（ID：VR-2014）。

隨著底層技術的突破和國家政策的扶持，人工智能領域正在成為創投界新的風口。而對於其中的計算機視覺技術創業公司而言，目前可商用的落地應用場景，還主要集中在金融支付、安全等領域。而安防，則是其中已然得到驗證，並且被多數公司選擇首先切入的領域。

格靈深瞳就是其中之一。這家成立於2013年的公司，同時具備計算機視覺和深度學習技術，以及嵌入式硬件研發能力。作為一家視頻大數據產品和方案提供商，格靈深瞳在公共安全、智能交通、金融安防等領域進行了商業化落地，同時在無人駕駛、機器人和智能醫療方面也進行了深入布局。

格靈深瞳已經推出威目視圖大數據分析平臺，以及威目車輛特征識別系統、威目視頻結構化系統、威目人臉識別系統，能夠辨識超過4000種車輛，支持車輛和人體的細分特征識別，同時具備人臉識別功能。此外，格靈深瞳還推出了皓目人體行為分析系統；在去年下半年，格靈深瞳人眼攝像機研發成功，它采用獨創的像素動態瞬時分配技術，在距離人體50米外，可以達到數億級等效像素，展現清晰人臉。

對於格靈深瞳創始人、CEO趙勇而言，安防，是人工智能商業化最快的領域。但是，對於安防，趙勇顯然有著更深刻的思索。創業公司切入安防領域，往往需要與公安系統或者安防產業鏈的公司合作；而在業內，也有海康、大華等龍頭公司，也正在研發自己的智能產品。那麽，對於人工智能創業公司而言，真正的切入點和機遇又在哪里？

格靈深瞳給出的答案是，安防行業，正亟待把普通視頻數據變為有意義的“情報”。除了硬件和算法，大數據平臺也是目前安防領域走向智能化必需的環節，但同時也是它的瓶頸所在。“我們的眼界也正在改變。”趙勇說。

在接受黑智（ID：VR-2014）的獨家專訪時，趙勇談論了他對安防行業理解的轉變，公司的產品和技術路線，以及如何實現商業化的思考。他認為，未來十年，人工智能在不同行業的機遇有四個：安全、汽車、醫療、機器人。而安防領域，必須依靠智能硬件、算法、大數據三大支柱，在應用層面對多模態數據做深入的挖掘，才能實現智能化。

口述 | 格靈深瞳創始人 趙勇

整理 | 黑智（ID：VR-2014）

人工智能的四個機遇：安全、汽車、醫療、機器人

未來十年，人工智能在不同行業的機遇，我個人比較看好的有四個，分別是：安全、汽車、醫療和機器人。這些領域都是萬億級的市場，尤其是汽車和醫療。對於安防，不同的國家投入是不同的，但中國顯然對之投入很大，美國同樣。

這些領域非常重要，但不是每個領域發展成熟的時間都一樣。在我看來，安防會是最先成熟的領域。安防也是格靈深瞳現在主要的業務，這個市場已經存在，而且我預計，在未來兩三年內，這個領域的部分創業公司會變成上市公司。

汽車從現在來看很有可能是下一個成熟的領域，再過兩三年量會上來。至於醫療，我把它排在第三。醫療的難點在於，這不僅是大數據的問題，還涉及到小數據問題。對於小數據問題，它在數據的規模上限制是比較大的。比如說某種腫瘤的病例，每年就只有這麽多，想訓練個好的模型出來不容易。但是它又不是僅僅擴大數據量就可以了，機器學習最重要的是要跟最優秀、最有經驗的醫生來學習，不像自動駕駛或者安防，只要找一個會用電腦的人，都可以標註數據。它是一個需要優秀的專業人士參與數據標註、數據采集的過程，是小數據問題。

醫療領域可以容納大量的公司，去研究各種不同類型的疾病診斷；而缺點就是，解決醫療問題需要很長時間。在經濟較發達的國家，醫療是最大的行業。比如美國，它17%的GDP是跟醫療有關的，越富有的國家，人們對健康投入越多，這是一個成熟國家的標誌。中國再過20年，和現在比還會發生更大的改變，人們一定會在自己的健康上面投入非常多，所以人工智能在醫療領域的市場潛力是最大的。

機器人也會是一個很大的領域，但它卻是充滿了最大的不確定性。首先它目前還不是一個已經存在的行業，現在市面上還基本沒有成熟商用的機器人，還在摸索階段。我們都向往以後的生活和工作能夠被機器人幫助，但要實現它，到達消費者期待的那一階段，還是很困難的，也需要很長時間。

安防三大支柱：智能硬件、算法、大數據

在當前階段，行業對人工智能技術切入安防領域，最大的期待就是，可以把這個行業從以視頻為核心，轉變為以情報為核心。人們看視頻的目的，不就是為了得到情報嗎？但是以前從海量數據中獲得情報的過程，類似於海底撈針。我們希望，人工智能讓“海底撈針”變成“自動化”。

現在安防監控領域之所以還有機會，是因為人工智能使得一個新的潮流、新的轉型在這個領域發生了。潮流推動著變化，變化給創業公司提供了機會。

也有人會問，在安防行業中，已經有了一批龍頭廠商，那麽，人工智能創業公司的機會在哪里？而在我看來，這是一個未知的過程，也是最有趣的過程。

在當年，索尼、三星、博世等海外公司占據了安防市場大部分比例時，數字化趨勢帶給了海康切入這個市場並成功的機遇。而在今天，安防監控之所以還有機會，我認為，很大程度上，是因為人工智能帶來了這個領域一個新的轉型機會。

如果現在有公司去做高清攝像頭，我覺得是找死，因為從技術到供應鏈，海康、大華等公司已經做得非常好了。而在智能攝像頭領域，格靈深瞳的產品，每張臉從左耳到右耳，150像素，我可以監控40米寬度的通道。在這個品類里，我們會做得更好。而事實上，我認為，當人工智能進入安防，10年之後，所有的攝像頭都會變成智能攝像頭。而在這個領域，我們是有機會的。

一個行業必須要轉型才有新機會，如果沒有這個轉型的機會，根本不會出現一個創業公司變成巨頭的機會，沒有的。

其次，在安防領域里，有一個常見的誤區，那就是迷信算法，認為算法可以解決一切。這顯然是不正確的。就拿人臉識別來說，今天的算法不能夠解決所有的問題，只能夠解決一部分問題。有些人工智能公司會對外宣稱，其人臉識別算法錯誤率能達到億分之一，這是能夠做到的，但它往往是在特定條件下得到的。比如說擺拍的靜態識別。如果放在監控環境下，一個人低著頭打著電話，只有100×100像素的時候，那麽現在還遠遠做不到這樣的精準度。

今天很多人在說人臉識別，那種看到一張臉、算出來一個特征，跟黑名單比對一下看誰比較像，這是很淺很淺的挖掘。你知道壞人是誰，把他給找出來，只能解決這種問題。但是我們的客戶都希望說，我不知道壞人是誰，你給我找出來，這絕對要靠很深度的挖掘。

如果人工智能只是停留在算法的層次，那還是遠遠不夠的。而安防是全世界最大的物聯網。這是什麽概念？像因特網，大家都很熟悉了，在互聯網上，有很多人在用它，有內容的創造方，有觀看者。你早晨起來出門，發了一個微信，你的朋友看了並點贊，你們就是內容的生產者和觀看者。每天有多少人發這樣的帖子，所以互聯網上充滿了各種各樣的數據。但安防呢？你出門走出小區，被門口的攝像頭拍了下來，它識別出你的穿著，你的表情和面部特征，這個數據量已經遠超過了網上的發帖。而每隔20米，可能就會被新的攝像頭拍下，識別一遍。以北京為例，它安裝的攝像頭總數已經超過 200 萬個，它們每分每秒都在錄像，每天就會產生長達 200 多萬天的錄像。安防物聯網產生的數據量，已經遠遠大於過去的互聯網。

針對這樣龐大的數據量，你的識別精度有多高？你怎麽處理大量的錯誤？我們真的做好這個準備了嗎？我覺得這是一個極大的挑戰。如果要走通這條路，需要連通各種多模態的數據，需要把數據挖掘做得很深厚，需要人工智能的硬件進一步改善。

在這種情況下，我認為人工智能時代的安防有三個支柱：智能硬件、算法、大數據。

首先，是硬件。你想象一下，北京的200萬攝像頭，如果把這些數據全部傳到數據中心的話，帶寬的概念是什麽？一路高清視頻的碼流一般在2-4兆bps。今天一個千兆以太網，從理論上也只能傳250路，但是千兆以太網指的還是它的基帶層的帶寬，高清視頻根本傳不到250路，能傳100路就可以了，那麽200萬路需要多少帶寬？今天國內地級市的安防網絡基本上就是千兆以太網，一些較發達城市可以達到萬兆，萬兆也只能傳2000路。如果硬件不能夠智能前端化，數據都傳不到數據中心。所以第一步，硬件的智能前端化，可以對目標做現場的檢測、跟蹤和去重，能捕捉關鍵數據，並且在前端做初步加工，只把關鍵數據匯聚到數據中心處理，這樣才能形成一個大數據系統。

第二，算法。前端的算法進行物體的檢測跟蹤，後端的算法就是識別物體，對圖像做一個精確的結構化或者特征化分析。

最後非常重要的一點是，我們要在後面做非常好、深入的大數據分析，不光是基於視覺圖像，而是要把多模態、大規模的數據放進來，比如通信記錄、電子郵件、微信微博、車輛軌跡、消費記錄等等都結合起來，在應用層面做非常深入的挖掘。

而在這三個方面中，硬件也面臨很多挑戰，但隨著時間的推移，是一定會解決的。單純的算法，我覺得已經比較接近於極限了。深度學習進展很快，今天算法的主要瓶頸，就在數據上。我們發現，拍攝清晰的照片，基於同步算法，效果立刻變得很好；拍攝效果很糟的照片，算法很難提升照片的效果。所以，我覺得這部分進展的空間越來越小，除非有大規模理論上的突破。而大數據，今天則是還處於剛剛起步的階段。

而這三個領域，都不是傳統的安防廠商所擅長的。這些問題不可能被一家都公司解決，甚至我可以下定論，不可能被一家創業公司解決。應該是很多公司在不同的地方發力，一起去解決。這里面有很多機遇，這也是為什麽我們集中力量主攻安防領域的原因。

格靈深瞳皓目行為分析儀

數據挖掘將是接下來的主戰場

關於格靈深瞳，在硬件方面，去年10月，我們推出了“深瞳人眼攝像機”。它采用公司獨創的像素動態瞬時分配技術，可以在很短的時間內將局部畫面的有效像素提升百倍以上，整體畫面可以達到數億等效像素。現在我們面臨的挑戰主要是成本、穩定性、可靠性、出貨能力等幾個方面，但是要解決這些，對我們來說只是時間的問題。

算法我們也已經有了，現在格靈深瞳要做的，是向下切軟件、向上切大數據。我們如果要把大數據做好的話，就要密切切進用戶場景里去，而不能只把自己當成一個標準產品的提供商。

在其中，存儲也是一個重要的問題。很多人覺得儲存簡單，但當智能化在安防領域發生後，視頻數據的內容，轉化成了大量的結構化數據，但你不能把結構化的數據推給客戶，數據仍然是海量的。以前是海底撈針，現在把海里所有的針撈出來，但只有一根針是用戶想要的，你放了一車皮的針，也是很難找。結構化儲存的行為跟視頻完全不一樣，這對文件系統和數據系統都提出了新的挑戰。

直到現在，業內都找不到一個很靠譜的方案，處理超過1000路人臉識別產生的數據和檢索。這是個新的挑戰，必須跟大數據公司合作，去解決這個問題。

其實安防領域跟醫療領域，都是比較窄的領域，它們的核心問題就是人。而解決人的問題，首先就需要更多的數據。要把人看清楚，對傳感器要求很高，我們就去解決智能硬件的問題，前端做智能硬件，然後是人臉識別的算法、人體比對的算法，我覺得進步都很快。但當我往未來看的時候，我反而覺得它們進步的空間越來越小。主要還是大數據，我覺得這個領域在安防行業幾乎還是一個空白。如果把格靈深瞳的威目當成一個車輛大數據，那麽“人”的大數據，就是我們現在正在做的東西。

我們今年會出新的成果，會做更多試點，這是一個平臺誕生的過程。我預想過10年後這個平臺的樣子，現在來看可能和科幻一樣，但它今天還只是剛剛開始。

我感覺，我們和一年前相比，眼界已經完全不一樣了。去年的時候我們在討論算法、算法、算法，相機、相機、相機，但到了去年年底的時候，我們的討論重點已經集中在平臺、大數據挖掘上了，要具體幫客戶解決問題。

數據挖掘，將是接下來安防領域的主戰場。

格靈深瞳人眼攝像機

格靈深瞳人眼攝像機原理

格靈深瞳的人眼攝像機在去年10月已經發布了。它是基於仿生學原理，把運算和光學結合在一起，50米距離範圍內可以展現出更為清晰可識別的人臉，100米範圍內可以保證看清楚全身的主要特征。

關於它的原理，其實非常簡單。攝像頭要麽看遠，像望遠鏡，要麽看廣，像魚眼，但是沒有辦法兩個角度兼得。但是人眼，卻能從某個程度上實現兼得。人的眼球單眼角度是160度，很廣，雙眼是190度，就超過一個平面，你是可以略微看到你眼睛後面的東西，那麽作為一個廣角相機，它最大的缺點，就是它的分辨率散開，但事實上，我們來看一下視網膜上的像素分辨率，它有一個地方叫黃斑，它很小，但是我們大量的像素都是集中在那個小地方。

視網膜是一個160度的半球，把眼球的中心跟黃斑連接起來，形成一個圓錐，這個圓錐只有2.5b，但是我們視網膜上75%的像素都在這兒了。簡單地說，如果沒有黃斑，我們看到畫面全是模糊的，但是雖然是模糊，它卻可以幫助我們判斷出哪些地方可能是有興趣的，這個時候我們轉動眼球，去用很清晰的那塊掃描到你想看的東西。這就是我們了解世界、用肉眼看東西的過程。我們的眼睛看似是個廣角，其實是廣角加窄角的結合，廣角的被大腦迅速識別出來，引導眼球迅速旋轉，看清楚細節，不停反饋。

我們為什麽叫人眼相機，就是這樣的原理。我們的算法能夠從廣角的畫面里面，看清楚你的目標在哪兒。

我從2015年的秋天開始有了這個想法，於是我們的團隊去進行實驗。初步的實驗被證明了之後，產品立項，直到去年10月正式對外發布。我們已經實現了小規模產量，現在正在努力實現量產。而從量產到規模化生產，還是個較長的周期。

但是我覺得，我們不能因此，而怕去做這個事。智能化時代會有新的機遇，也會有新的坑出現。但在這個新的階段，無論是大公司，還是創業公司，都在探索，一定更會有新的公司，在這個階段獲得成功。

文章評論

匿名用戶

發布

全部評論：10

發布

中國AI力量崛起 直追美國

作為人工智能國際頂級會議，由美國人工智能協會(American Association for Artificial Intelligence)組織的AAAI大會在美國舊金山召開，在今年的大會上中國面孔成為不可忽視的力量。在2571篇投稿論文中，中國和美國的投稿數量分別占到31%和30%，雖然在被接收論文數量上，中國還是低於美國，但數量已經大幅提升。

一個小插曲則是，今年的AAAI大會原計劃在新奧爾良召開，由於和中國春節沖突，AAAI Fellow、AAAI現任執委楊強教授和幾位教授緊急向組委會發送郵件，使得最終破格更改了時間和地點。

可見，中國在AI領域正在蓄勢，逐步成長為中堅力量。據《烏鎮指數：全球人工智能發展報告》，在全球人工智能專利數量方面，中國以15745個緊跟在美國26891個之後位列第二，日本以14604個排名第三。值得一提的是，三國占總體專利的73.85%。

華人勢力

“不僅僅是學者，來參會的中國公司也變多了。”楊強表示。從今年的活動贊助商而言，百度、騰訊和亞馬遜、IBM一並成為金牌贊助商，小i機器人、今日頭條也躋身銀牌贊助商之列。在今年收錄的論文中，百度、騰訊、華為、360、今日頭條、攜程等中國公司的人工智能團隊也有出現。

百度研究院院長林元慶對第一財經記者說，過去幾年里，她在參加國際上人工智能領域的頂級會議中，確實可以看到參加會議的華人非常多，而且在過去幾年里增長很快。他認為這同時也和國內幾家公司在人工智能領域的投入有關系。

“中國人適合做人工智能，世界上43%的人工智能論文都是中國人寫的。”創新工場創始人李開複曾向第一財經表示。根據美國白宮此前發布的《國家人工智能研究與發展策略規劃》來看，從2013年到2015年，SCI收錄的論文中，“深度學習”或“深度神經網絡”的文章增長了約6倍，按照文章數量計算，美國已經不再是世界第一。在增加“文章必須至少被引用過一次”附加條件後，中國在2014年和2015年都超過美國，位居前列。

“這一輪人工智能並不是一個新的革命，而是18世紀工業革命自動化的一個延續，技術一旦掌握到手里，可以迅速擴展到做全世界的生意，所以這對於中國起到了一個彎道超車的作用。”楊強表示。

中國人數學好、刻苦努力無疑為中國發展人工智能提供了良好的基礎，但更大的驅動力在於產業需求。一方面對於傳統企業而言，需要新技術來推動產業變革，“中國的經濟結構還有很多不合理、低效率的地方，通過人工智能浪潮，就形成了一種新的競爭。”楊強強調。

對於互聯網巨頭或新興獨角獸公司而言，同樣需要借助人工智能技術，激發已經存儲的海量數據，提升服務精準度，創造潛在盈利機會，“互聯網大市場孕育的應用到C輪需要人工智能。”李開複表示。例如今日頭條在借助人工智能技術，將新聞內容和視頻進行重新排序，實現資訊分發的千人千面，美圖也利用人像數據庫，對數據進行標記、結構化，優化圖像算法。

“全世界只有中美兩國有如此大量的數據、大規模的計算和應用場景，在應用層面中美基本處於同一起跑線。”地平線機器人技術創始人兼首席執行官余凱向第一財經表示。余凱曾擔任百度研究院副院長、深度學習實驗室(IDL)主任，帶領的團隊將深度學習技術成功應用於廣告、搜索、圖像、語音等方面，在此之前他也曾在美國NEC研究院、西門子數據研究部、微軟亞洲研究院工作。

在余凱看來，中國有世界上最大的互聯網公司，且擁有搜索、社交、電商、互聯網金融等很好的應用場景，“大規模的計算平臺都需要大規模的應用場景，在小實驗室是做不了的，年輕人在這樣的工作環境中會得到持續的鍛煉，包括工程實驗能力、對算法的理解等。”

“最大的優勢是人多，這種優勢體現在三個層面，人多意味著市場大，有更強的驅動力去把這件事情做好。其次針對社會服務層面，需要很多數據。第三，人才基數比較大，冒出頂尖人才相對多一些。”第四範式創始人、首席執行官戴文淵告訴記者，“從數據量、投入的人力財力來看，中美之間沒有多少差距，且中國更有優勢。”

中美差異

但將論文數量視為中國人工智能發展水平有失公允，雖然在靠近商業價值應用層面中美並駕齊驅，但在基礎性、原創性研究、創新土壤、人才儲備層面，中國相較美國還存在不小的差距。

“國內更多是技術的落地、產業化和應用，國外仍然有很多人在公司和研究院做前沿研究，包括尋求方法論上的突破，我們擅長把事情做得更細致，相對而言突破性和奠基性的工作還不夠多。”地平線機器人技術聯合創始人、算法副總裁黃暢告訴第一財經。

黃暢畢業於清華大學計算機科學與技術系，曾在美國南加州大學和NEC美國研究院擔任研究員，2012年加入百度美國研發中心，2013年和余凱參與組建百度深度學習研究院，任高級科學家、主任研發架構師。在黃暢看來，做研究無外乎尋找新的問題和研究新的方法，而在這兩方面國內和國外相比還存在不小的差距。

楊強認為，深度學習是不斷發展的，研究領域的領導者應該是開拓新的領域，而不是在原有的基礎上深挖。“把一個10層的深度模型拓展到100層甚至1000層，我覺得這個確實是一個進步，中國人目前是這個層次，但這些在我看來並不是一個原創。”楊強舉例說道。

“現在很多高校是看教授和學生的論文達標情況，頂級會議論文的發表對學生申請院校、教授評級、申請科研經費等都有幫助，真正做出突破性理論研究，不迎合考核體系的非常少。”戴文淵直言。在他看來，雖然有相當數量的人參與到人工智能研究，但優秀的研究成果並不與參與人數的激增成正比。

余凱認為，有一些中國學生很擅長“刷分”、“刷榜”。“別人做到99.5%，我做了99.7%，並不一定有實質性突破，世界也沒有因為這個刷分而變得不一樣。原創性的創新需要不一樣的思考，現在講深度學習比較多，所有的人都進行深度學習，而不是思考What is wrong ?How to be different?”余凱強調。

在人工智能領域浸染十年有余的戴文淵也有同樣的感受，“很多人用力的方向有問題，準確率達到99.1%、99.15%或者99.2%，其實沒有什麽差別，並不應該把精力用在這些地方，而應該關註不到60分的領域，去把它做及格。”

回歸至深度學習的歷史發展脈絡來看，正是一個邊緣化課題走向主流技術的路徑。早在上世紀80年代初期，深度學習學派的開山人物Hinton一直堅持神經網絡的探索，但受限於當時的電腦速度、數據量等問題，深度學習理論是一項邊緣化的研究，當時AI的主流研究方向與之截然相反，推崇小樣本學習，主推SVM學習。

正是以Hinton為代表的一群人對深度學習的堅持，才一步步將邊緣課題變成人工智能核心技術。“十年前進入這個領域，中國學生都在學優化理論，現在一窩蜂地學習深度學習，很少有人在懷疑深度學習是不是最優解，就像之前很少有人去思考優化是不是最優解。”戴文淵說道。

人員成本居高不下

在余凱看來，中美之間的差距表現在兩方面，一方面是人才儲備的匱乏，很多高校在很長時間內並沒有人工智能專業，而在美國基本上大的院校都有人工智能教授。以美國卡梅隆大學為例，設有專門的機器人研究所，其中光教授就有100多位，縱向而言，中國布局的時間也比較晚。

早在2012年余凱回國在百度成立了人工智能團隊，擔任百度人工智能研究院執行院長，在他的記憶里，當時在高校招人非常困難，很多是在招進百度之後再自己培養。

其次從產業鏈而言，谷歌或者Facebook的人工智能團隊不僅可以從斯坦福等院校招人，還可以從微軟、IBM、HP等大公司挖走人工智能領域的人才，“當時別的企業還想著從百度挖人，無論從科研教育還是整個產業界，起步都是晚的，規模還是小的。”

至今余凱仍會頻繁去美國參加一些學術會議，讓自己保持更多的思考，“國外技術創業比較多，大家探討的是數學公式及算法，而在中國大部分在講趨勢、概念，如果PPT上放上公式就變得很無聊，心態比較浮躁。”

資本驅動之下，人工智能成為創業最火熱的領域，也在加速人才的流動。根據華創資本發布的《2016早期企業薪酬調研報告》來看，人工智能和大數據領域類的早期企業在過去一年的員工離職率高達44%，人員流動活躍。

“付不起工資、搶不到人”成為人工智能企業在人才招聘方面面臨的最大博弈。“人才比較少，需要的公司又多，人工智能的人員成本因此居高不下。”戴文淵表示，“我們想要尋找突破常規的人才，需要找到能夠將30分的東西做到60分甚至80分的人才，例如目前做深度學習的人有很多，但遷移學習的人才就非常少。”

“德才兼備”是余凱選人的標準，所謂德即對人工智能本身的熱情，願意為之做長期奮鬥，而不是短期的。“大部分人是在趕時髦，如果冰天雪地的時候心還是熱的，那才叫熱情”，才則是數學功底、統計功底、編程能力等等。

“優秀的人才、優質的研究成果永遠匱乏，好比人工智能領域論文從每年800篇漲到3000篇，但真正出色的論文在數量上基本不會有太大變化，許多人是在隨大流、挖坑灌水、解決細枝末節的問題，產生的真實價值並不大。”黃暢補充道。

與O2O、電商等產業不同，人工智能的技術創新仍舊需要長期且基礎性的理論研究工作，如何從頂層設計出發，加強人工智能基礎理論研究和核心技術突破，加強人工智能科研人才、技術人才的培養與引進，才是人工智能發展的持續動力。

人工智能挑戰

一派繁榮之下，正視人工智能的作用變得更為重要。“相較於告訴人們人工智能能做什麽，目前更重要的反倒是告訴人們，人工智能不能做什麽。”余凱笑著說道。結合當下的發展情況人工智能仍然面臨諸多挑戰。

首要挑戰就是數據不足的問題。眾所周知，人工智能建立在海量數據基礎之上，通過大數據訓練，來優化算法模型，以人臉識別技術為例，訓練這一算法模型需要至少百萬級別的圖片數據。

目前人工智能主要是監督式學習，有監督的訓練就需要帶標簽的數據，因此數據的質量和精準度及輸出結果密切相關。“如何剔除數據中的噪音、垃圾信息，獲取優質且帶有標簽的數據成為新挑戰，也正是因為這個原因，半監督式甚至無監督式學習方法必然成為未來的研究熱點。”黃暢說道。

另一大挑戰在於深度學習的推廣和場景遷移能力不足，每個領域的數據都需要重新收集、標準和再訓練，很難進行跨領域推廣。這些挑戰也是人工智能工業界和學術界急需突破的問題。“在招聘的過程中，學習深度學習的人很多，而懂得遷移學習，具備思辨能力的人很少。”戴文淵表示。反映到人才培養和教育而言，如何引導並鼓勵學生進行跨領域、原創性的探索研究尤為重要。

例如今年AAAI最佳論文來自斯坦福大學計算機科學系的Russell Stewart、Stefano Drmon，他們所撰寫的論文《用物理和特定領域知識讓神經網絡進行不帶標簽的監督學習》，就是將物理知識與深度學習相結合，通過跨領域研究給AI帶來新的啟發。

AI創投的冰與火：泡沫、跟風、短板和有錢難花的沮喪

刺猬公社 2017-04-18 17:54

本文由刺猬公社（微信ID：ciweigongshe）授權i黑馬發布，作者哲銘。

江山代有風口出，各領風騷一兩年。這兩年在全世界的創投圈都異軍突起的人工智能（AI），最近風頭似乎被共享充電寶蓋過了。AI創投圈呈現出一面是冰、一面是火的奇異景象。

今年3月5日雷軍表示，小米將增加對人工智能的投資。恰巧就在同一天，由於Messenger聊天機器人的錯誤率高達70%，Facebook決定削減對機器學習和人工智能技術的投資。

AI創投到底冷暖幾何？風向究竟在往哪邊偏？

泡沫與死亡：“每個商業計劃書上都要加上人工智能”

從創投大數據平臺“清科私募通”獲取的統計數據顯示，2001年4月9日到2017年4月9日，中國共有234家AI公司獲得融資。其中，僅2016年以來就有112家公司獲得融資，數量達到一半。

艾瑞咨詢的統計結果相對較少——中國目前有約65家AI公司獲得投資，共計29.1億元人民幣（約合4.5億美元）。

調研機構Venture Scanner於今年3月發布的報告則顯示，目前全球人工智能領域的企業達到了955家，其中395家已累計獲得48.5億美元的融資。

統計口徑的不同，導致結果所有差異。

“如何定義AI項目其實是個重要話題，有時很難說清楚。”聯想之星的投資副總裁高天垚對刺猬公社舉例說，比如一些屬於消費服務領域的項目，現在借助一些無人化的概念也會被認為是AI項目，其實不妥。但在這個領域，什麽是比較純粹的AI，很多時候比較難鑒定。

在清科私募通、投中網的投資行業分類中，目前尚未有“人工智能”這一單獨分類。如此熱門的投資領域，卻沒有在創投大數據平臺上得到反映，就是因為領域界定的難題。

人工智能目前主要有四個方向：語音、視覺、自然語言理解、控制。而這四個方向分類下又有不同的垂直應用。語音包括合成、語音增強等；視覺包括面部及物體理解；控制包括機器人、無人駕駛等。媒體人對自然語言理解或許更為熟知一些，如聊天、問答、數據挖掘等。

“在AI投資各領域中，目前視覺的場景比較多。”華登國際投資總監蘇東對刺猬公社說，人類60%的信息獲取通過眼睛，所以機器視覺有很大空間。城市安全、無人駕駛乃至掃地機器人的智能視覺都是很好的應用場景。國內視覺創業公司也已有數百家。

“最近幾年，人工智能項目從獲得投資的數量上看，肯定是越來越多，退出的卻很少。”高天垚說，資本市場從來不缺新的炒作概念，物聯網、互聯網金融、O2O、共享經濟等等，一波接一波。“可能初衷都是好的，但過度的渲染就會導致一些泡沫，使本來不應該出現的創業者或資本進入某個領域。”

“同一階段AI公司，在國內估值是在國外的3倍。”北極光創投董事總經理楊磊對刺猬公社說。

一直看多AI的創新工場董事長李開複，也在此前“尋找中國創客大會”上說，“現在創投市場人工智能泡沫很嚴重，每個商業計劃書上都要加上人工智能，幾乎任何行業的創始人都說自己是人工智能公司。”

創新工場近年來在人工智能領域布局頻繁，4月上旬剛聯合海南生態軟件園主辦了第一屆德撲人機大戰。

李開複認為，現在人工智能“有點兒過火”。他預計明年初開始，或將有第一波企業走向死亡。

跟風與短板：“不投也得投，怕錯過”

潤米咨詢董事長劉潤認為，目前這一波AI熱潮是被投資催化出來的“虛熱”。

“不投也得投。從創業和投資兩方面來看，都會有跟風。”高天垚說，早幾年看，AI在投資圈並不是主流投資領域，而現在，機構或多或少都有“怕錯過”的心理。

這和當下包括共享充電寶在內的所謂“風口”受到資本追捧的背後邏輯，如出一轍——商業模式究竟是啥、能否賺錢先不管，把位置占了再說，而且，總能找到接盤手。

成立於2008年的聯想之星，從2011年開始投AI，已經投資了60多家相關企業。除此之外，創新工場、北極光等多家投資機構，也都將人工智能作為其重點布局的賽道。

但多位關註AI領域的投資人士告訴刺猬公社，現在這個領域的部分創業團隊給人感覺是“飄在半空中”，“有些甚至完全不懂AI”。

AI是強技術領域。高天垚此前在接受《21世紀經濟報道》采訪時表示，聯想之星布局人工智能走過兩個階段，第一階段關註底層技術，重點投資各種識別技術和理解技術、傳感器等。第二階段聯想之星主要在加大對智能機器+行業應用的布局力度，利用智能技術提高效率。

“譬如無人駕駛，一定是技術驅動的，否則，再有商業模式也不會有產品。”楊磊說，在這個領域中國和國外技術有挺大差距。

南洋理工大學教授黃廣斌對刺猬公社說：“國外商業包裝比國內好，比如AlphaGo。其實國內大約在2012年左右，中國AI協會就曾舉辦了人工智能大賽。”

黃廣斌曾在一篇微博中指出，人工智能能夠給中國帶來歷史機遇。但中國的AI創業者，雖然想做實事，卻又“比較浮躁，失去了很多機會”。

在機器視覺、自然語言處理、無人機等AI發展較早的細分領域，國內有一些公司已經融到了C輪、D輪等比較靠後的輪次，但現在大量的項目仍處於早期，能跑出來的還是鳳毛麟角。

清科私募通的數據顯示，處於B輪以前（不含）的AI公司，占比近九成。

AI各融資輪次公司數量圖（數據來源：清科私募通）

光懂技術也不行。很多AI創業者有很強的技術背景，卻依然在融資路上步履艱難。主要原因是這些技術宅男“不會講故事”、“不懂商業”，無法讓投資人理解並認可自己的優勢和前景。

不過，投資人在技術上也有短板。楊磊告訴刺猬公社，很多投資人看不懂AI。

而一位不願具名的業內人士對刺猬公社說：“看不懂也不會焦慮。投資這件事兒特別簡單，就是我相信我所投的，我投的都不是我認為有問題的。現在來了個風口，多好啊。大家趕緊投，泡沫出了再說。”

什麽樣的AI項目能拿到投資？“技術做不出來，不投；太貴，不投”

AI創投泡沫何時破滅，業內莫衷一是。高天垚認為，“一定要預測泡沫何時破，沒有意義，而應該思考如何避免成為所謂的泡沫。”

在不少投資人眼里，AI是其投資的一個重點領域，卻也只是投資組合中的一部分。他們傾向於認為，考察AI創業項目與其他項目並無太大差異。

“主要考察團隊以及主攻方向。”蘇東說。

“所有技術類的投資都是這樣的，看團隊背景、賽道方向來選擇與我們投資邏輯相符合的團隊。”楊磊說。

明勢資本合夥人黃明明在接受《21世紀經濟報道》采訪時稱，該公司在選擇AI投資項目時，著重強調兩點，一是離行業更近一些，二是離錢更近一些。“創業公司要知道錢在哪里，否則算法準確度和數據未必是有用的。”

高瓴資本集團合夥人洪婧則表示，“更多還是看創業公司有沒有長期結構性的壁壘，只看需求很快就會藍海變紅海，主要還是看供給端。一定要把技術和實際的應用場景及預算結合起來，慢慢形成循環，積累數據和對行業真正的理解。”

李開複認為，投資人在選擇人工智能領域進行投資時，需要對相關技術、戰略以及成熟的速度有足夠的理解，而在投資一個案子前，要進行全面評估，“如果技術做不出來，我們不會投資，如果做出來太貴，我們也不會投資。”

“AI這個領域的投資非常不容易”，楊磊說，在互聯網投資早期，中國的投資機構和其他國家都在一個起跑線，主要競爭的是執行力、資金，還有商業模式創新。

而如今的AI投資中，技術本身的重要性，與巨頭的潛在競爭，如何將技術與商業場景結合形成閉環以及AI領域本身快速的變化等問題，都造成AI投資的難度變大。

至少從目前的跡象看來，國內的AI行業仍處於野蠻生長階段。熱錢不少，優質項目卻不多。國內AI技術發展速度跟不上投資熱情。

而且，國內的這一矛盾比國外更尖銳。楊磊解釋說，因為國內較國外的熱錢更多，但國內技術水平又相對更弱，優質標的更少。

結果就是，創業者拿錢難，投資者有錢卻花不出去。對這二者來說，都很沮喪。

文章評論

匿名用戶

發布

全部評論：10

發布

馬斯克：超級人工智能必將實現，人類只能選擇成為AI

24日據CNBC報道，特斯拉創始人馬斯克周日表示，他成立自己名下第三家公司Neuralink開發腦機交互和融合界面，動機是旨在防止類似“終結者”那樣的場景出現。

一名推特用戶詢問馬斯克，新公司是否為了“對抗天網(《終結者》中的人工智能防禦系統)”時，馬斯克回答說，這正是Neuralink背後的“靈感”。

上周，馬斯克在接受采訪時表示，Neuralink計劃在4年內推出“微米級設備”，以實現腦機界面的目標，允許人類直接通過思想進行交流。人類語言將變成“思想的壓縮版本”，在大腦中“奔流不息”。

馬斯克曾經在多個場合表示，他對人工智能（AI）研討範疇的急速提高感到擔憂。最終，他擔憂有朝一日AI將逾越人類。多年來，這種擔憂促使馬斯克采取了一些舉動，協助確保AI不會把人類變成二等公民。

馬斯克接受采訪時還表示， 超級人工智能必將實現，人類只有一個選擇：成為 AI。他認為腦機融合後的 AI 系統將以和人類的本能大腦與理性大腦同樣的特性存在。人腦和計算機將融合無間，人類甚至無法察覺自己在運用 AI 思考。

是時候告訴你，AI內心的黑暗秘密了

黑智 2017-04-25 11:03

本文系i黑馬原創 首發黑智（VR-2014）

去年，一輛奇怪的自動駕駛汽車被放到了新澤西蒙茅斯縣的一條安靜的道路上。這輛由芯片制造商Nvidia研制的實驗車與眾不同，它不像谷歌、特斯拉或通用汽車所展示的車輛那樣，而是顯示了人工智能的強大力量——汽車沒有按照工程師或程序員提供的單一指令進行操作，相反，它完全依賴於算法，通過觀察人類如何開車，自己來驅動它。

通過這種方式開車是一項令人印象深刻的壯舉。但也令人不安，因為你並不知道，汽車是如何自己作出決定的。來自車輛傳感器的信息，直接進入巨大的人工神經元網絡，來處理數據，然後傳送出操縱方向盤、剎車和其他系統的指令。現在看這個結果，似乎和我們期望的人類駕駛員的反應相匹配。但是如果有一天，它作出了意外的舉動——比如去撞了一棵樹，或者在綠燈時待著不動呢？就目前情況來看，我們是很難找到它這麽做的原因的。這個系統是如此複雜，即使是設計它的工程師，也很難找出它某個行動背後的獨立的原因。你還不能問它，因為沒有明顯的方法能設計出這樣一個系統，總能解釋它采取某種行動的理由。

這輛車的背後，隱藏的是個迫在眉睫的問題，那就是人工智能的神秘的內心。汽車中使用的人工智能技術是深度學習，在近年來，它已經被證明是非常強大的解決問題的方式，並已經被廣泛應用，比如在圖像識別、語音識別和語言翻譯中。現在人們也希望，同樣的技術能夠被用來改造更多的行業，比如診斷致命的疾病、對百萬美元級的交易作出決策等等。

但這一切還沒有發生，或者說，還不應該在現在發生。除非我們能找到方法，證明深度學習技術能夠更理解它們創造者的意圖，以及向用戶負責。否則，我們很難預測什麽時候會發生故障，而這幾乎是不可避免的。因此，Nvidia的汽車現在也仍然還是在實驗的階段。

目前，數學模型被用來幫助確定誰取得假釋、誰批準了貸款、誰得到了就業機會。如果你能接觸到這些數學模型，就可以理解他們的推理。但是銀行、軍事家、雇主和其他人，正把註意力轉向更複雜的的機器學習方法，自動決策，正變得越來越不可思議。深度學習，這種最常見的方法，代表了計算機編程的一種完全不同的方式。“這個問題已經開始影響並且將在未來影響巨大，”MIT機器學習應用教授Tommi Jaakkola說，“無論是投資決策，醫療決定，還是軍事決策，你都不會想僅僅依靠一個‘黑箱’方法。”

現在已經有一個爭論點是，能夠詢問一個AI系統關於它是如何得出結論的，是一項基本法律權利。從2018夏季開始，歐盟可能會要求公司們能給用戶解釋自動化系統如何作出決定。但這可能是不可能的，即使是對於那些表面上看起來相對簡單的系統，比如使用深度學習服務推薦廣告或歌曲的網站和應用程序而言。運行這些服務的計算機已經是自己編程了，它們以我們無法理解的方式完成了它。即使構建這些應用程序的工程師，都不能完全解釋它們的行為。

這就提出了一個令人難以置信的問題。隨著技術的進步，我們可能很快會跨越一些門檻，人工智能應用也需要一個信念的飛躍。當然，我們人類也不能總是真實地解釋我們的思維過程，但我們可以找到方法直觀地信任和衡量人。但是，思考和做決策方式和人類完全不同的機器，它們可能做到嗎？我們以前從來沒有建立連創造者都不明白其運作方式的機器，我們如何與智能機器溝通和相處，可能也是不可預。這些問題讓我踏上了人工智能算法研究的邊界，從谷歌到蘋果，包括與我們這個時代的偉大哲學家會面。

藝術家Adam Ferriss用Google Deep Dream創作的圖像

2015，紐約的西奈山醫院（Mount Sinai Hospital）的一個研究小組受到啟發，將深度學習應用到醫院龐大的病人記錄數據庫中。這個數據集有數百個患者相關的變量，包括他們的測試結果、醫生訪問記錄等等。由此產生的程序，研究人員將其命名為Deep Patient，使用約700000人的數據對其進行了培訓，在進行測試時，它被證明是非常擅長預測疾病的。在沒有專家指導下，Deep Patient發現了隱藏在醫院數據中的模式，這些數據可以診斷出人們身上的各種疾病隱患，包括肝癌。Mount Sinai項目負責人Joel Dudley說，現在有很多“非常好”的方法可以預測疾病，但是，深度學習“是更好的方式”。

同時， Deep Patient也讓人困惑。它在預測精神分裂癥方面出奇地出色。但是醫生診斷精神分裂癥比較困難是眾所周知的，Dudley想知道，它是怎麽做的。但他失敗了。這種新的工具，沒有給他提供任何線索，它是怎麽做到這一點的。像Deep Patient這樣的程序，如果實際上我們是想要它來幫助醫生，那最理想的模式，仍然是給出預測理由，來保證結果是準確的，並且作為證明，例如，來修改患者用藥。“我們可以建立這些模型，”Dudley沮喪地說，“但我們不知道它們是如何工作的。”

人工智能並不總是這樣。從一開始，就有兩個關於AI應該如何理解和解釋的學派。很多人認為，根據規則和邏輯推理機器是最有意義的，即它們的內部工作對任何想檢查某些代碼的人來說，都是透明的。另一些人則認為，如果機器是從生物學中獲得靈感，那麽通過觀察和體驗學習，智力就會更容易出現。這意味著對計算機編程的顛覆。不是程序員編寫命令來解決問題，而是程序基於數據，在自己的算法的基礎上，生成結果輸出。機器學習後來演變成今天最強大的AI系統，遵循的就是後一種途徑，機器就是程序。

起初，這種應用還是有限的。在20世紀60-70年代，它還主要是集中在一些邊緣領域內。但覆蓋眾多行業的電子化和數據化進程，激發了更強大的機器學習技術的發展，特別是神經網絡技術。到了上世紀90年代，神經網絡已經可以將手寫字符轉化成數字字符。

然後直到最近10年，經過多次調整和改進，“大”而“深”的神經網絡在自動感知方面獲得了巨大的進步，深度學習成為今天的AI爆炸的主要推動力。它賦予計算機非凡的能力，比如說幾乎可以像人一樣熟練地識別出語言的能力。深度學習改變了計算機視覺，大大改進了機器翻譯。它現在已經被用於指導醫學、金融、制造業和其他領域的各種關鍵決策。

任何機器學習技術的運作本質上是不透明的，對計算機科學家來說也一樣。但這並不是說所有的人工智能技術，在未來都將同樣不可知。但從本質上看，深度學習還是一個特別黑的“黑箱”。

你不能從神經網絡內部看出它是如何工作的。神經網絡由成千上萬個神經元構成，它們排列成數十甚至上百個錯綜複雜的互連層。第一層中的神經元各自接收輸入信號，例如圖像中像素的強度，然後在輸出新信號之前進行計算。這些輸出在複雜的網絡中，被再下一層的神經元所接收，直到產生一個整體結果輸出。此外，還有反向傳播，通過反饋調整單個神經元，達到期望輸出。

深度神經網絡中的許多層使它能夠在不同的抽象層次上識別事物。例如在識別狗的系統中，較低層識別簡單輪廓或顏色；更高層識別更複雜的東西，如毛皮或眼睛；最上層將它作為狗標註。簡單地說，同樣的方法也可以應用於機器引導自己的其他輸入：在語音中構成單詞的聲音，在文本中創建句子需要的字母和單詞，或自動駕駛所需的方向盤運動。

為了嘗試去捕捉和解釋在系統中發生了什麽，研究員們應用了巧妙的策略。2015年，谷歌的研究人員修改了一種基於深度學習的圖像識別算法，這樣就不會產生照片中的對象，而是生成或修改它們。通過有效地反向運行該算法，他們可以發現該程序用於識別，例如，鳥或建築物的功能。

由此產生圖像的項目，被稱為Deep Dream，它能表現出各種怪誕的圖形，雲彩和植物中出現像外星人一樣的動物，在森林和山脈中綻放出幻覺一樣的寶塔。這些圖像證明，深度學習並不是完全不可思議的，它們顯示出算法也需要熟悉的視覺特征，比如鳥喙和羽毛。但這些圖像也暗示了深度學習與人類感知的不同之處，比如它可能會讓放大我們知道但是忽略的東西。谷歌研究人員指出，當它的算法生成啞鈴的圖像時，它也生成了一個人的手臂，因為機器斷定手臂是這東西的一部分。

從神經科學和認知科學借鑒來的思路已經使得研究取得了進一步的進展。懷俄明大學助理教授Jeff Clune帶領的團隊，采用光學錯覺的AI測試了深度神經網絡。2015年，Clune團隊展示了他們的發現，某些圖像可以愚弄網絡，讓它們感知到不存在的事物，因為圖像利用了系統搜索的低層次模式。Clune的一位合作者，Jason Yosinski，還建立了一個工具，就像一個探針插入大腦，針對網絡中的任何神經元，搜索最激活它的圖像。這個圖像被發現是抽象的（想象一個寫意的火烈鳥或校車），這更突出了機器的感知能力的神秘性。

紐約布法羅，大約1960年的康奈爾航空實驗室，早期的人造神經網絡

然而，我們需要的不僅是AI思維的驚鴻一瞥，也沒有簡單的解決方案。深層神經網絡內部計算和相互作用，是高層次模式識別和複雜決策的關鍵，但這些計算是數學函數和變量的泥潭。“如果你有一個很小的神經網絡，你可以了解它，”Jaakkola說。“但一旦它變得非常大，它每層有成千上萬的單元，也許有幾百層，它就將變得無法理解。”

在Jaakkola辦公室旁邊的是MIT教授Regina Barzilay，她正致力於將將機器學習應用於醫學。幾年前，她在43歲時，被診斷出患有乳腺癌。診斷本身是令人震驚的，Barzilay也很沮喪，當時尖端的統計和機器學習的方法還沒有被用來幫助或指導患者進行治療腫瘤的研究。她說，人工智能有巨大的潛力去進行醫學革命，但認識到這一潛力將意味著不僅僅是超越醫療記錄。她希望能使用更多的原始數據。她說：“目前我們還沒有充分利用影像資料、病理資料，所有這些信息。”

上一年完成了癌癥治療後，Barzilay和她的學生們開始和馬薩諸塞州總醫院的醫生們一起工作，來開發一個系統，來能夠挖掘研究員想要學習的病理報告，來確定患者的具體臨床特點。當然，Barzilay明白，系統需要解釋它的推理過程。所以，和Jaakkola以及一個學生一起，她加了一步：系統提取和突出文本片段，這是一個具有代表性的發現模式。Barzilay和她的學生也正在開發一種乳腺X線圖像深度學習算法，能夠發現早期乳腺癌的癥狀，他們的目標是解釋這個系統的推理能力。

美國軍方正投入數十億美元，使用機器學習來引導車輛和飛機識別目標，並幫助分析人員篩選出大量的情報數據。不同於其他領域，甚至是醫學領域，國防部已經將證明機器學習的“可解釋性”看做一個關鍵的“絆腳石”。

David Gunning，美國國防高級研究計劃局的項目負責人，負責名為Explainable Artificial Intelligence program的人工智能“可解釋性”項目。這位滿頭銀發的老兵，曾監督DARPA項目，最終導致Siri的成立。情報分析人員正在測試機器學習，作為識別大量監控數據模式的一種方法。許多自主地面車輛和飛機正在開發和測試。但如果一個機器坦克不能解釋自己的行為，士兵可能感到不舒服，分析師也將不願意對沒有理由的命令采取行動。Gunning說：“這些機器學習系統的本質往往是產生大量的假警報，所以英特爾的分析師真的需要額外的幫助來理解為什麽要做一個推薦。”

今年3月，在學術界和工業界幫助下，DARPA選擇了13個項目，來獲得Gunning的項目的資金支持。他們中的一些人可以加入華盛頓大學教授Carlos Guestrin的團隊。他和他的同事們已經開發出一種機器學習系統，為其輸出提供了理由。基本上，在這種方法下，計算機自動從數據集中找到幾個例子，並提供一個簡短的解釋。例如，一個將電子郵件分類出恐怖分子信息的系統，可以在訓練和決策中使用數以百萬計的信息。但是使用華盛頓團隊的方法，它可以突出在消息中發現的某些關鍵詞。Guestrin的團隊還設計了在圖像識別系統中，高亮對其進行推理時的關鍵圖像。

這種方式和其他的類似方法一樣，比如Barzilay的，就是說明的部分太過簡化，所以可能會丟失重要的信息。“我們還沒有實現夢想，當AI與你交談時，讓它能夠解釋。”Guestrin說。“我們有很長的路要走。”

癌癥診斷和軍事演習這種高風險的情況之外，當該技術日益普及，成為我們生活中重要的應用之後，在其他領域，知道AI是如何給出解釋的，也是同樣重要。Tom Gruber是蘋果公司Siri 團隊的負責人，他說，“可解釋性”對他的團隊而言，同樣也是至關重要的，它能幫助Siri成為更聰明和更強大的虛擬助理。他不願意討論Siri未來的具體計劃，但這很容易想象，如果你收到一個來自Siri的餐館推薦，你會想知道理由是什麽。Ruslan Salakhutdinov，蘋果的人工智能研究室主任和卡內基梅隆大學副教授，也看到了“可解釋性”是關系著人類與智能機器之間演化的核心問題。“這將帶來信任。”他說。

正如人類行為的許多方面是不可能詳細解釋的，也許讓AI解釋它所做的一切也是不可能的。“如果有人就其行為給你一個看似合理的解釋，它也可能是不完整的。這對AI來說是同樣的。”懷俄明大學的Clune說，“這這可能是智能的本質部分，只有部分行為能用推理解釋。有些行為只是出於本能，或潛意識，或根本沒有任何理由。”

如果是這樣的話，我們的決策可能不得不是簡單地去相信AI的判斷，或者幹脆不去使用它。同樣地，這個判斷必須融入社會智慧。正如社會是建立在期望行為的契約之上的，我們也需要讓AI系統尊重和適應我們的社會規範。如果我們要創造機器坦克和其他殺人機器，讓它們作出符合我們道德判斷的決策也是非常重要的。

塔夫斯大學的Daniel Dennett，是一名著名的哲學家和認知科學家，研究意識和心靈。“問題是，我們必須做出什麽樣的努力才能明智地做到這一點，我們要求它們和我們自己的標準是什麽？”他說。

他也就“可解釋性”的要求發出了警告。“我想，如果我們要使用它們並依賴它們，那麽我們就需要控制它們並讓它們給我們解釋答案。”他說。由於可能沒有完美的答案，所以我們就需要更加謹慎——不管機器看起來是多麽聰明。“如果它不能在解釋自己這方面做得更好，”他說，“那就不要信任它！”

文章評論

匿名用戶

發布

全部評論：10

發布

霍金隔空對話李開複：超級AI將毀滅人類？AI 科學家還有什麽機會？

黑智 2017-04-27 17:47

4月27日，黑智（VR-2014）來到了今天開幕的全球移動互聯網大會（GMIC）北京站現場。今年的大會以“天·工·開·悟”為主題，用意是關註未來，著眼現在。因此，可以預料到，人工智能主題的討論，自然也是其中必不可少的環節。而今年的會議上，物理學家、劍橋大學教授斯蒂芬·威廉·霍金自然是最為引人註目的一位。

霍金一直提出的“人工智能威脅論”早已為人所知。而這次亮相，他自然也重申了這一點，提醒全世界，都要小心人工智能對人類的毀滅性威脅。他承認AI的巨大發展潛力以及對人類文明進步的推動，但他仍然表示，“人工智能是有根除疾患和貧困的潛力的，但是研究人員必須能夠創造出可控的人工智能”。

而創新工場創始人、CEO李開複表示，霍金提出的“超級智能”和“未來人工智能”碾壓人類這個狀況，並不是可根據今天科學推測出的必然結果。雖然關註它也是很必要的，但他更關心的，則是人工智能時代，科學家們即將面臨的機會和挑戰，以及當機器逐漸取代人類職業時，我們的教育問題。

同時，李開複提出，人工智能時代科學家創業會面臨3個問題：科學家的選題沒有往往過於冷僻、細微；科學家的選題跟主流創投關註的風口有巨大差距；科學家往往很不願意承認自己不具備把技術商業阿虎的洞察與能力。因此，想創業的科學家，應該問問自己是否克服這些“死穴”。

以下是霍金和李開複的演講主要觀點，黑智有編輯刪節。

霍金：人工智能的全方位發展可能將滅亡人類

在我的一生中，我見證了社會深刻的變化。其中最深刻的，同時也是對人類影響與日俱增的變化，是人工智能的崛起。簡單來說，我認為強大的人工智能的崛起，要麽是人類歷史上最好的事，要麽是最糟的。我不得不說，是好是壞我們仍不確定。但我們應該竭盡所能，確保其未來發展對我們和我們的環境有利。

文明所提產生的一切都是人類智能的產物，我相信生物大腦可以達到的和計算機可以達到的，沒有本質區別。因此，它遵循了“計算機在理論上可以模仿人類智能，然後超越”這一原則。但我們並不確定，所以我們無法知道我們將無限地得到人工智能的幫助，還是被藐視並被邊緣化，或者很可能被它毀滅。的確，我們擔心聰明的機器將能夠代替人類正在從事的工作，並迅速地消滅數以百萬計的工作崗位。

在人工智能從原始形態不斷發展，並被證明非常有用的同時，我也在擔憂創造一個可以等同或超越人類的事物所導致的結果：人工智能一旦脫離束縛，以不斷加速的狀態重新設計自身。人類由於受到漫長的生物進化的限制，無法與之競爭，將被取代。這將給我們的經濟帶來極大的破壞。未來，人工智能可以發展出自我意誌，一個與我們沖突的意誌。盡管我對人類一貫持有樂觀的態度，但其他人認為，人類可以在相當長的時間里控制技術的發展，這樣我們就能看到人工智能可以解決世界上大部分問題的潛力。但我並不確定。

2015年1月份，我和科技企業家埃隆·馬斯克，以及許多其他的人工智能專家簽署了一份關於人工智能的公開信，目的是提倡就人工智能對社會所造成的影響做認真的調研。在這之前，埃隆·馬斯克就警告過人們：超人類人工智能可能帶來不可估量的利益，但是如果部署不當，則可能給人類帶來相反的效果。比如，人工智能是有根除疾患和貧困的潛力的，但是研究人員必須能夠創造出可控的人工智能。

在過去的20年里，人工智能一直專註於圍繞建設智能代理所產生的問題，也就是在特定環境下可以感知並行動的各種系統。在這種情況下，智能是一個與統計學和經濟學相關的理性概念。通俗地講，這是一種做出好的決定、計劃和推論的能力。基於這些工作，大量的整合和交叉孕育被應用在人工智能、機器學習、統計學、控制論、神經科學、以及其它領域。共享理論框架的建立，結合數據的供應和處理能力，在各種細分的領域取得了顯著的成功。例如語音識別、圖像分類、自動駕駛、機器翻譯、步態運動和問答系統。

隨著這些領域的發展，從實驗室研究到有經濟價值的技術形成良性循環。哪怕很小的性能改進，都會帶來巨大的經濟效益，進而鼓勵更長期、更偉大的投入和研究。目前人們廣泛認同，人工智能的研究正在穩步發展，而它對社會的影響很可能擴大，潛在的好處是巨大的，既然文明所產生的一切，都是人類智能的產物；我們無法預測我們可能取得什麽成果，當這種智能是被人工智能工具放大過的。但是，正如我說過的，根除疾病和貧窮並不是完全不可能，由於人工智能的巨大潛力，研究如何（從人工智能）獲益並規避風險是非常重要的。

現在，關於人工智能的研究正在迅速發展。這一研究可以從短期和長期來討論。一些短期的擔憂在無人駕駛方面，從民用無人機到自主駕駛汽車。比如說，在緊急情況下，一輛無人駕駛汽車不得不在小風險的大事故和大概率的小事故之間進行選擇。另一個擔憂在致命性智能自主武器。他們是否該被禁止？如果是，那麽“自主”該如何精確定義。如果不是，任何使用不當和故障的過失應該如何問責。還有另外一些擔憂，由人工智能逐漸可以解讀大量監控數據引起的隱私和擔憂，以及如何管理因人工智能取代工作崗位帶來的經濟影響。

長期擔憂主要是人工智能系統失控的潛在風險，隨著不遵循人類意願行事的超級智能的崛起，那個強大的系統威脅到人類。這樣錯位的結果是否有可能？如果是，這些情況是如何出現的？我們應該投入什麽樣的研究，以便更好的理解和解決危險的超級智能崛起的可能性，或智能爆發的出現？

當前控制人工智能技術的工具，例如強化學習，簡單實用的功能，還不足以解決這個問題。因此，我們需要進一步研究來找到和確認一個可靠的解決辦法來掌控這一問題。

簡而言之，人工智能的成功有可能是人類文明史上最大的事件。但是人工智能也有可能是人類文明史的終結，除非我們學會如何避免危險。我曾經說過，人工智能的全方位發展可能招致人類的滅亡，比如最大化使用智能性自主武器。

現階段，我對災難的探討可能驚嚇到了在座的各位。很抱歉。但是作為今天的與會者，重要的是，你們要認清自己在影響當前技術的未來研發中的位置。我相信我們團結在一起，來呼籲國際條約的支持或者簽署呈交給各國政府的公開信，科技領袖和科學家正極盡所能避免不可控的人工智能的崛起。

然我們對潛在危險有所意識，但我內心仍秉持樂觀態度，我相信創造智能的潛在收益是巨大的。也許借助這項新技術革命的工具，我們將可以削減工業化對自然界造成的傷害。

我們還應該扮演一個角色，確保下一代不僅僅有機會還要有決心，在早期階段充分參與科學研究，以便他們繼續發揮潛力，幫助人類創造一個更加美好的的世界。我們站在一個美麗新世界的入口。這是一個令人興奮的、同時充滿了不確定性的世界，而你們是先行者。我祝福你們。

李開複：人工智能時代的科學家創業

霍金教授提出的“超級智能”和“未來人工智能”碾壓人類這個狀況，我個人認為並不是一個可根據今天科學推測出的必然結果。當然非必然事件不代表我們不要關註它，但我認為人工智能對於今天在座每一位來說，最重要的意義應該是下面四件事情：

第一，人工智能將創造巨大財富，讓人類第一次有機會脫離貧困。

第二，我們要擔心今天手中擁有巨大人工智能力量和數據的公司（壟斷性企業），他們是否會用數據來作惡。

第三，人工智能將要取代50%人的工作（在未來10-15年之間），這些人怎麽辦，更重要的是教育怎麽辦？

第四，科學家尤其是人工智能科學家的使命和機會是什麽？是不是都要出來創業？還是跟著霍金一起去尋找人類的未來？

我自己也是科學家創業。當年我在SGA公司做內部創業。當時我們做的是，能不能讓每一個網頁充滿了3D，3D的遊戲、動畫讓網頁更精彩，讓人們瀏覽的不是網頁而是一個一個房間，一定程度上和今天的VR非常相似，這次創業非常失敗，2000萬美元的投入，100個員工，幾乎全軍覆沒。從這個失敗里我得到了一些教訓，我想跟大家分享。

今天有一次在MIT演講的時候，要求每一位講者演講完後留下一句話，我留下的那句話是——“創新固然重要，但不是最重要的，最重要的是做有用的創新”。

科學家們往往會被自己的研究、自己認為酷的東西所打動，也認為他所看到的酷的東西是全世界人類所需要的。但是事實可能並不是這樣。比如我當年做的是頂尖研究，進入的是頂尖公司，但曾經的那次內部創業，做出的產品依然遭遇了滑鐵盧。

人工智能科學家應該怎麽想？本質上，科學家和創業者有非常大的不同。科學家追求科研突破，創業者追求的是商業回報；科學家講究嚴謹，科學家講究速度；科學家要慢工出細活，而創業者要快速叠代。這六件事情往往是背道而馳的。而這6件事情中最重要的一件，是我深深體會到的，在科研領域里我們每次問的第一個問題往往是，這件事情別人是否做過，是不是全新的。如果有人做過，要看自己有沒有增加的價值，增加的價值不如突破的價值大。所以每個科學家不斷要求創新，創新就是做前人所未做過的工作。

但是一個創業者，或者一個VC，他更重視的是什麽？是怎麽樣打造產品，怎麽樣產生商業價值。在VC今天投資過程中，我們投每一個團隊都冒了人才的風險、商業的風險、競爭的風險、執行的風險，我們不想要再冒科技風險了，所以我們更寧願看一個團隊說：這個技術已經被證明了，只是把它應用在場景里。

這是科學家本質和創業者、VC本質截然的不同。科學家很聰明，每個人有好多點子，但一個創業公司每天出個點子公司會死掉，因為什麽都做。精益創業之父STEVE BLANK幫助科學家創業，總結是科學家必須要小心，因為他的選題往往是冷僻的，沒有多大市場；第二，選題跟風口有很大差異；第三，科學家不太願意承認自己很可能不具備把技術轉換成價值的洞察力和執行力。每個想創業的科學家都一定要真誠的問自己，會否面對這些問題。

今天，科學創業面臨了一個有史以來最好的時機，除了今天談的人工智能之外，在區塊鏈、生命科學、細胞擴增、基因編程，幾乎每個領域都是創業的機會。但是科學家創業的時候一定要想清楚。

互聯網時代註定是海歸創業，因為他們在國外看到了互聯網的崛起，把它帶到中國。移動互聯網應用方面註定是產品經理的創業，因為這個時代我們需要快速叠代產品。在O2O時代，把地面銷售和後臺技術整合起來，這是我們需要衡量的。美團、滴滴就是這樣的搭配。

但人工智能時代，最核心的、最需要的一定是AI科學家。今天AI技術還沒有進入主流，AI平臺還沒有產生，因此AI應用還不能井噴，只有少數手中掌握著如何把AI應用起來的科學家能夠創業。AI本身不是一個消費者應用，AI創業不能自帶流量，但做出來的AI還是給企業應用，所以公司需要企業銷售，需要懂AI的解決方案，這才是一個黃金搭配來解決AI創業。

AI擴張一定會經過下面三個階段。第一個階段，把已有的大數據用起來，BAT在用，今日頭條、快手、滴滴、美團都在用。另外，金融領域可以用，還有醫療。第二個階段是把數據收集起來並上傳。第三個是無人駕駛和機器人時代的來臨。這大概是未來五年、十年、十五年的藍圖。剛才霍金描述的未來是真實的，不太確定的是AI會否有意識、人類情感、掌控人類、做我們的工具、會否自我重新叠代、自我重新重寫等等，這些是未知的，但已知的可以推出這些應用，會產生巨大結果、產生巨大價值，取代大量的工作。

人工智能時代對經濟有巨大改變，50%的下崗的人該怎麽辦，未來教育該怎麽辦都是我們需要解決的問題。一份工作能不能取代很容易解釋，大數據可以針對一個目標函數做一個決策，比人更好的決策，那你就可以被取代了。大部分工作都是這樣的。現在人工智能還不能做的，包括藝術、人類學、管理者、決策者，更包括最大的發明家。AI時代的人才結構，我們看到有大量的服務型人才，再往上是會把人工智能當作工具的人，再上是發明每一個領域的新技術掌控者，再上是跨領域的工作者。當然最最頂尖的，就是發明新的AI，掌控AI的人。

與霍金的現場問答

創新工場CEO 李開複：

互聯網巨頭擁有巨量的數據，而這些數據會給他們各種以用戶隱私和利益換取暴利的機會。在巨大的利益誘惑下，他們是無法自律的。而且，這種行為也會導致小公司和創業者更難創新。您常談到如何約束人工智能，但更難的是如何約束人本身。您認為我們應該如何約束這些巨頭？

霍金：據我了解,許多公司僅將這些數據用於統計分析,但任何涉及到私人信息的使用都應該被禁止。會有助於隱私保護的是，如果互聯網上所有的信息，均通過基於量子技術加密，這樣互聯網公司在一定時間內便無法破解。但安全服務會反對這個做法。

獵豹移動CEO 傅盛：

靈魂會不會是量子的一種存在形態？或者是高維空間里的另一個表現？

霍金：我認為近來人工智能的發展，比如電腦在國際象棋和圍棋的比賽中戰勝人腦，都顯示出人腦和電腦並沒有本質差別。這點上我和我的同事羅傑·彭羅斯正好相反。會有人認為電腦有靈魂嗎？對我而言，靈魂這個說法是一個基督教的概念，它和來世聯系在一起。我認為這是一個童話故事。

百度總裁 張亞勤：

人類觀察和抽象世界的方式不斷演進，從早期的觀察和估算，到牛頓定律和愛因斯坦方程式， 到今天數據驅動的計算和人工智能，下一個是什麽？

霍金：我們需要一個新的量子理論，將重力和其他自然界的其它力量整合在一起。許多人聲稱這是弦理論，但我對此表示懷疑，目前唯一的推測是，時空有十個維度。

斯坦福大學物理學教授 張首晟：

如果讓你告訴外星人我們人類取得的最高成就，寫在一張明信片的背面，您會寫什麽？

霍金：告訴外星人關於美，或者任何可能代表最高藝術成就的藝術形式都是無益的，因為這是人類特有的。我會告訴他們哥德爾不完備定理和費馬大定理。這才是外星人能夠理解的事情。

文章評論

匿名用戶

發布

全部評論：10

發布