📖 ZKIZ Archives

李開複：創新工場為什麽看好人工智能？

李開複 2016-07-17 09:16

創新工場CEO李開複7月16日在2016矽谷高科技創新·創業峰會上表示，創新工場正對人工智能進行非常大的布局，到今天已經投資了接近1億美金，接近25家公司。

他談到，人工智能之所以強大的原因在於，“今天人類做的大部分工作是重複性的，是基於一個有限的領域的，是基於可以客觀思考甚至窮舉的。這些工作在未來的十年都會被人工智能取代。”

同時，李開複列舉了十個有可能在未來十年被機器人取代的職業：包括翻譯、記者、助理、保安、司機、銷售、客服、交易員、會計、保姆，他認為，這些職業中的90%的從業者將會被機器人取代。

李開複表示，在這些領域里，人工智能不是模仿人類，也不僅僅是取代人類，所謂的人工智能就是用特別巨大的數據集看到一個人一生，甚至一百個人一生，也不能看到那麽多的數據，然後用數據推算出邏輯、判斷和推測，來做比人好的判斷。

以下是創新工場CEO李開複演講實錄：

我們今天管理大約12億美金的基金，投了接近300個項目，包括好幾家獨角獸。但是今天我想特別講的是我們投資的一個專門的方向和趨勢。

創新工場的特色是做技術型的投資。我們自認為最專長的是看到一個趨勢的崛起，並對這個趨勢做深度的分析，而且非常早期的布局。

比如說在2009年我們對移動互聯網的投資，在2011年左右我們對娛樂內容的投資，而我們今天正在對人工智能做一個非常大的布局。到今天已經投資了接近1億美金，接近了25家公司。

我們今天想分享一下為什麽我們會特別的看重這個領域？

最近人工智能得到全球關註主要是因為阿爾法狗擊敗了李世石。在很多的世界媒體上我們看到的，就是機器是否會取代人腦？我個人認為沒有足夠的科學根據，讓我們想那麽多，擔心那麽多。

而短期讓我們更應該關註的是怎麽用人工智能，我們的工具，我們的奴隸來為社會創造價值，來為創業者創造機會。

為什麽人工智能會這麽強大呢？就是因為今天人類做的大部分工作是重複性的，是基於一個有限的領域的，是基於可以客觀思考甚至窮舉的。這些工作在未來的十年都會被人工智能取代。

這些工作我這里列了一些，如果你們不太相信的話，我們可以舉幾個例子。今天美國的美聯社90%的稿件已經是機器人取代了。

在過去的十年華爾街交易員已經一半下崗離職了。未來我們肯定會看到無人駕駛的車，當這一天來到的時候，世界上大約9%的人他們部分或者全部的工作就即將被取代。當然無人駕駛可能還需要十年的時間，但是十年不是很久。

怎麽能做到呢？其實在這些領域里，人工智能不是模仿人類，也不僅僅是取代人類，所謂的人工智能就是用特別巨大的數據集看到一個人一生，甚至一百個人一生，也不能看到那麽多的數據，然後用數個數據推算出邏輯、判斷和推測，來做比人好的判斷。阿爾法狗就是研究了幾百萬的棋譜和花無數小時的時間來打敗人類專家的。

有人說這個公平，一個棋手不可能花一百萬個小時研究棋譜。這不是公平不公平的問題，而是我們如何用人工智能做出人不能做的的。最近特斯拉出了一個問題，大家可以想想它有幾億小時在車的進行中，這些數據來難道不會做比人更好的司機嗎？這一天還沒有到，但是如果有一個司機做十億小時的練習，哪怕他開始像個孩子，學完以後難道不會超過人類嗎？

我們可以想像，如果有一個人臉識別的機器，它把全世界罪犯的臉都背下來了，有人能夠做到這一點嗎？所以從這個例子可以看到，我們不用絲毫的懷疑人工智能會全方面的超越人類。

但是這不是在所有的領域里，是在一些領域可以窮舉的領域，或者可以客觀分析的領域，或者有正確答案的領域，有大數據的領域，而且是有專家參與的領域，所以它會逐漸的發生，不會一次到位的發生。

我個人有幸在三十年前開始做人工智能，但是可惜的是當時數據不夠，所以並沒有做太多超越人類的事情。所以各方面我們可以看到對弈只是遊戲的領域，它本身並不帶來巨大的商業價值。

更多我們在業界會看到的可能是感知，就是用算法，人工智能來做判斷或者反饋，這個時候機器就要動起來了。

我們可以看到過去七八年來有特別大的進步，這是為什麽呢？這是因為在機器學習的領域有一套技術叫做深度學習。它是帶來了巨大的變革，今天可能沒有時間太解釋這套算法。但是簡單來說，就是過去人是需要一步一步地告訴電腦你該怎麽走，該怎麽做，之後人可能說我一步一步來教你可能會犯錯，可能不全面，可能也不適合計算機的結構，更適合人腦的結構。

但是是不是就是人來說，就先對人臉找眼睛、找鼻子、找耳朵，但是這個大概是所謂的專家系統，就是人告訴機器一切，然後機器來計算，這個大概是三十年前的技術。

大概十五年前的技術是人落找特征，機器學參數。這里就是人告訴他識別人的時候找眼睛、嘴巴，然後你再來計算。這個有一個提升，這是人機結合的學習。

深度學習的技術應該算是最近五年推出的技術，這個技術幾乎人都不參與了，特別神奇的地方，給看一億張臉，你自己看，該學習眼睛、嘴巴，還是別的事情，也許法令紋更重要，也許耳朵的大小更重要。我們不要假設人比機器更重要，我就把大量數據給你，讓你收取你認為重要的特征。

而且這些特征只有機器懂，人都聽不懂的。這就是阿爾法狗戰李達以後世石的時候，下出了人類頂尖棋手都沒有辦法看懂的步驟。這就是深度學習，它能自我學習，抽象的概念。

而且這個抽象概念超越了人類的想象，因為它用的數據集比人更大。它就像一個孩子，能夠自我學習，而且數據量夠大的時候，什麽都學的會。所以這大概解釋了什麽是深度學習。

深度學習，這是一個識別物體的領域，而且是有人標註的數據庫。我們可以看到大概僅僅在五年前，一個機器跟人的差別還是一個74%對94%的差別。如果算錯誤率的話，可能是六七倍的差別了，所以不太能夠用到實際的場景里。但是每一年都在快速的進步著，我們可以看到在2014、2015年的時候已經超越人類，而且差距越來越大。

就是說當機器識別人臉，比人更厲害的時候，那些以識別人臉工作的人就要下崗了。同樣的，識別也超過了人，語音識別超過了人，像客服，比如每天打電話賣房地產產品的人，以後打電話的不是人了，因為機器比人更聽的懂。

所以當每個技術超越人的時候，它帶來的機會是巨大的。所以我們要認為下一個階段，未來的五年什麽東西產生巨大的價值，可能有這些領域，當然這些領域包括了高科技，用麥克風，用攝像頭等等的，這些會產生很大的價值。但是還有另外一個領域，就是如果一個領域有特別大的數據了，只是這個數據沒做挖掘，沒有產生價值。

比如說商業化的流程，比如說互聯網的數據。所以今天誰最適合做大數據人工智能呢，其實就是BAT，在美國就是Google、微軟和FB，因為他們已經有互聯網大數據。這些怎麽做到呢？

像百度搜索的十個結果，我一個都沒有點，這暗示這十個都不好，但是這不是絕對的暗示，但是數據足夠多，是可以充分的學習。其實這些BAT走在使用，滴滴、美團都在使用，只是在創業領域大家還沒有足夠的機會。

這個世界上還是Google做的最好，因為它有世界最大的數據集，它使世界上做人工智能做的最早，然後再加上Google多年累計了大浪的技術人才，還有特別快的機器。

所以為什麽Google做出來阿爾法狗，而不是BAT，美團和小米。但是Google的野心不僅僅是阿爾法狗。前幾年我們看到Google自我命名為Alphabet，是互聯網的一家公司，它可能還有做醫學的公司，可能還要做基因檢測的公司，可能做汽車等等領域。

Google做智能產品的過程中發展了一套Google大腦。其實Google里有兩套大腦，這個可以用到各個領域。發現這個大腦，其實才是它的最大價值。在其他的領域，只要有數據就可以啟動。

所以Google擁有了巨大的數據量，它們啟動了數十個不同的項目。在美國有一些機構，比如OpenAI，也擔心，Google如果這麽多數據，還有沒有機會跟它競爭，它歸不會人類知道的太多了。

我覺得這類的問題對Google，對FB，BAT，我們作為消費者和媒體都要擔心他們。當然的最好的辦法是讓更多的人參與到這個領域來創業，這樣就不會被某一個壟斷了。

Google有這麽大的野心，我們怎麽知道是深度學習呢？這是Google用深度學習的數量，在過去的三年可以一看到深度學習的數量和應用的領域在大大提升。所以剛才講的並不是空穴來風。

這麽好的機會我們怎麽捕捉這個機會呢？講了這麽多樂觀的事情，我要稍微保守地告訴大家說，這並不是人人能做，做起來也不是很簡單的。

第一，有些領域是要平臺。

比如開發一個蘋果APP，或者安卓的APP，使要有平臺的。你只要是計算機程序員就可以學會開發一個安卓APP。但是你即便是一個優秀的程序員也沒法兒用深度學習，因為這個還沒有平臺化，你還要知道進去很多微調的東西。這方面的專家可能只有幾百個人，所以這樣的人才很稀缺。

第二，需要海量的數據。

說一千萬的數據就是大數據，其實那是小數據。真的要機器學習要用用武之地，要有更巨大的量。這些數據儲存，還有存儲量。我們都認為這個超越人了，可以倒過來解釋給我們聽，但是機器學習沒有辦法告訴你怎麽決定的，你要相信就相信，按照結果說話，回來說怎麽打贏李世石的，說不出來。

怎麽做呢？買這個數據，標註這個數據，不要浪費錢，GPU可能比CPU好用。

第三，找專家，這樣的專家真的不多。

Google已經開出九位數的代價挖這樣的專家。這是我們過去不能夠想象的，在國內我們也看到，比如說看到投資的Face++，最近也是努力挖到了華人在深度學習的研究員，這些人才的價值使特別巨大的，因為非常稀缺。

但是話說回來，這個稀缺也是未來兩三年的現象，之後我覺得會有很多聰明人，尤其在中國會湧入這個領域。因為重賞之下必有勇夫。

最後，是學怎麽調這些參數了。但是有這些東西還不夠，深度學習說實在的還會有一些挑戰，最後貼貼補補還不能完成你的應用該怎麽辦呢？就要用巧妙的，非技術的方法，就是不要取代人，而是輔助人就好了。

比如做安防的人，他不一定帶著槍的機器人，他只要帶著攝像頭，拍出來的東西告訴人，這邊動靜，那邊的窗子壞了，其實就夠了，所以輔助人就夠了。還有輔助醫學，我們不是說取代醫生，但是可以給醫生做一些工具是完全可以的。第二，我們有容錯的界面，其實搜索引擎就是容錯的界面，界面設計的好也能彌補人工智能的不足。

第三，怎麽用草船借箭的方法，從用戶那邊拿多數據。我沒有數據，就像當年孔明沒有箭就是借來的。所以不一定是要買或者數據在有些例子是可以創造的。

最後，我們不要解決最大的AI問題，而是我們是不是能局限於領域一領域和場景？比如為什麽要全天候無人駕駛，為什麽在可控的領域做好無人駕駛呢？

現在特斯拉的車，我們看到這次出車禍，就是它分不清巨大的卡車和天空的顏色。我們就找一個領域不會有巨大卡車出。而且阿爾法狗怕的是天黑、下大雪，我們就找一個不一樣的場景。像在智能倉儲里做一個插車機器人，這個倉庫里燈光和環境是可控的，這里不會下雨和夏雪，不會有卡車出來。所以用一個聰明的局限領域來創造價值。

這是今天一張重要的PPT，但是我也能保證這張是有錯的，因為沒有人可以預測未來。我們相當看好大數據，尤其是剛才談的金融領域，因為它有最大的黑盒，能夠產生最大的效應，也能吸引最大的應用。在感知方面有一個誤解，就是自然語言理解。就是聽到語音了，變成字了，我就懂了。

因為人是很容易懂的。但是聽，識別你講的字，和懂你的意思還是有一個特別大的鴻溝。這點我覺得至少五年，甚至十年的時間才能突破。

人方面都想做家庭機器人，我們認可是有商業價值，能掙錢，省錢的，而不是家里有兩條腿、兩個手的人在家里跟你打打招呼的，這樣是不能滿足家庭期望值的，這個在日本可能是可以的，但是我不認為有一定的代表性。

這樣的機器人好玩兒，可以做老人陪伴，可以做小孩的玩偶，但是就是這麽多了。要期待它幫你炒菜、掃地，成為家庭主婦，或者家庭的新的一員或者新的電器，這個還是一個天方夜譚。當然你很聰明的把這個機器人做成了一個音響，或者做成了陪伴老人的小機器，像我們投資的小魚在家，當然也是可以做的。

但是我們人所想象的機器人一定會先在商業領域出現，之後才會在家庭有希望。

最後關於無人駕駛，就是怎麽樣去應用我們的約束，讓它在有些場景可以有用，先幫助人，人幫助它，最後才是無人，而是這還是在十年以後。

創新工場過去兩三年在悄悄的耕耘這個領域，因為有些領域投資一對外公布，這個領域很快就被玩壞了，現在我們投資了20家公司，我們願意和大家分享投資的兩家公司，就是Face++  ，還有駕勢科技，這兩個項目應該在國際上達到了很高的知名度。

除此之外，我們還投了很多公司，像地平線機器人，它是硬件平臺來打通這個領域，而且它會用大家電來做它的第一步的切入。

或者我們投的第四範式，它在銀行和保險業做了非常大的突破。我們將在下個禮拜做非常大的發布會，讓大家知道它做的事情，怎麽改變了中國的金融領域。還有很多中國和美國的投資。

因為深度學習需要非常大的數據量。我們跟像富士康這樣的公司有很深度的合作。所以這個領域我們是特別特別的看好，希望今天的演講對大家有些啟發。

文章評論

匿名用戶

發布

全部評論：10

發布

人工智能達到“傻瓜機”的狀態還要3~5年

被AlphaGo迅速科普的人工智能一直是當紅話題，隨之而來的是各種機器人、無人車正在“入侵”普羅大眾生活的消息。但真實的人工智能並非會下圍棋的AlphaGo，也不是科幻電影里顛覆人類的存在。

由第一財經聯合主辦的人工智能主題論壇上，創新工場董事長兼CEO李開複、第一財經CEO周健工、香港科技大學計算機系主任楊強教授以及第四範式首席執行官戴文淵從投資人、資深媒體人、學者以及企業代表的角度揭開最真實的人工智能現狀。

黃金時代?

從微軟、谷歌到創新工場，這些年看了太多創業項目的李開複最為“執念”的似乎還是人工智能。

來自李開複的感嘆是，他已經在人工智能領域經過了好幾個貌似的黃金時代，然後又進入了黑暗時代。但1980年就開始了自己第一次人工智能的科研項目的李開複如今堅持現在是人工智能的黃金時代。

對於大多數普通人而言，人工智能是被AlphaGo與李世石的五番圍棋大戰推向輿論的風口浪尖。

於是，一時間被各種電影充分演繹過的人工智能“未來”場景成為討論的焦點，人工智能威脅論甚囂塵上。

但在李開複看來，作為一個負責任的人工智能科學家，不應該探討沒有科學證明揣測的未來現象。雖然現在還不能證明上述場景在遙遠的未來絕對不能發生，但它絕對不是我們今天需要關註的現象。“因為人工智能有很多內容，但人工智能絕對沒有自我意識、沒有情感，也沒有欲望。”

對於當下的人工智能熱，李開複關心的是在人工智能還沒有“統治”人類的時候，人工智能就是奴隸和工具，應該討論的是怎麽樣好好利用這個工具為人類創造更多的價值，讓更多人免於饑餓，讓我們有更好的生產力，“讓人生活得更快樂，讓我們追求真正有價值的工作，而那些重複性的工作應該讓人工智能取代。”

因此，人工智能商業價值的體現也意味著一些從事重複性勞動的人可能會失去工作。畢竟在一些領域，人工智能是一個遠超人類的存在，因為人工智能就是不會累、不會休息，可以一天24小時、一周7天進行工作，這是正常人類無法做到的。

隨之而來的問題是，到底有多少領域會被來勢洶洶的人工智能顛覆?

李開複認為，人工智能最有價值投資的是大數據領域，應用最快的是互聯網領域，而能在3年或5年後會產生巨大價值的是金融領域。不論是結構化數據還是非結構化的數據，人工智能可以將多領域的數據進行結合，繼而應用到金融領域投資、保險、銀行等細分領域之中。

不過，作為資深媒體人，第一財經CEO周健工已經清晰地感受到人工智能技術對媒體的沖擊與重構。

“可以看到信息技術發展的歷史，它的每一次長足的進步，首先影響和顛覆的都是跟媒體有關的行業。”在周健工看來，最近這幾年整個媒體行業產生了很大的改變和顛覆，各種各樣的人工智能技術對媒體的影響特別多，尤其是機器學習讓機器會變得越來越聰明，它會重新定義知識，如果媒體不考慮這些問題，不理解、不掌握這樣的技術，就永遠處在被動挨打的狀態。

初級階段

盡管AlphaGo成功普及了人工智能的價值，但是對於在這一領域從事多年研究工作的學者們而言，目前的人工智能還很初級。

在戴文淵看來，如今大眾對人工智能的認識可能更多還是來自於科幻電影。不過，科幻電影描述的這個人工智能叫做“通用人工智能”，就是說有一個真的像人類大腦一樣的“大腦”，什麽都能幹。而今天的人工智能其實不是這樣的，今天的人工智能需要人類告訴“他”要解決什麽問題。

“今天是要下19×19的圍棋這樣的問題，人工智能就能夠成一個19×19圍棋的高手，但今天如果說讓AlphaGo去下17×17的圍棋可能還下不過我，所以它只能幹這個事情，你讓它去幹和定義的不一樣的事情它是幹不了的。”戴文淵認為，人工智能的特殊性決定了它是一個大數據的問題，這意味著一個很簡單的方法在大數據場合下可能都是比較困難的方法。盡管過去的十年誕生了很多分布式計算的解決方案，至少目前看到的大多數解決方案都不能解決機器學習的問題。

不過，在戴文淵看來市場教育使得人工智能的邊界越發清晰，而互聯網解決了大數據的問題，目前頂尖的數據科學家設計各種各樣的算法來更適合人工智能的分布式計算框架，既分工又有協作，在外部反饋方面也研發了自學習系統，一邊犯錯一邊自我調整自我修正。

而人工智能協會首位華人會員、第四範式首席科學家、香港科技大學計算機系主任楊強的觀點是現在的人工智能只是一個很初級的人工智能，因為它利用大數據的存在來補足算法的不足，所以現在如果數據足夠大的話，很多算法上的補丁都不用去打了。但當數據變小的時候，這些漏洞和補丁就顯得尤為重要，不補就很有可能失敗。“在人工智能的研究上如何在小數據的情況下也能讓人工智能用起來，這是技術研究人員責無旁貸的，我也相信我們一定能研究出來，我們研究的遷移學習也是其中之一。”

值得一提的是，機器學習在日常生活的應用中比比皆是，然而看似離生活很近的人工智能實則與我們頗有距離感。如何將人工智能的門檻降低，讓更多的人應用人工智能，這目前對科學家們而言依然是個難題。

楊強的觀點是對於人工智能的普及需要足夠的耐心，目前可能只是在程序員領域和平臺領域推廣，而真的到傻瓜機的程度又需要等上個3到5年。

盡管人工智能技術目前對於普羅大眾還有著一定的距離，但是李開複已經給出了創新工場投資這一領域的標準，而這里面最為剛需的是要有閉環、壟斷性的數據，擁有很多深度學習的科學家和架構師，在此基礎上還要有商業計劃和變現計劃。

科學家戴文淵：人工智能是個高門檻行業

AlphaGo和李世石下了幾盤棋之後，對於從事人工智能領域創業的第四範式創始人兼CEO戴文淵而言，最大的利好是以後出去見客戶再也不用因為擔心用戶看不上或者看不懂人工智能而把自己公司的業務解讀為大數據公司，在AlphaGo成功引爆了公眾對於人工智能的熱情之後，戴文淵終於可以理直氣壯地對客戶解釋自己創立的是一家人工智能公司。

而這背後，作為遷移學習全球領軍學者，曾經的百度廣告變現算法核心負責人、百度鳳巢的總架構師、華為諾亞方舟實驗室主任科學家戴文淵感受到的人工智能熱度從2010年、2011年已經開始燃起。

“2009年我加入百度時做鳳巢系統，2010、2011年我們成功展示了機器學習能夠帶來價值之後就開始感覺到團隊流失的壓力。因為兄弟公司都會盯著我們的團隊，那個時間點人工智能人才的爭奪就已經開始，如今是愈演愈烈。”戴文淵接受《第一財經日報》記者專訪時這樣解釋道。

在戴文淵看來，他從高校到百度、華為，再出來創業的這十年來，親身經歷了人工智能從冷到熱的全過程。

“剛進入這個領域的時候，我們是坐冷板凳的，但是行業還在爭議人工智能到底能不能創造一些價值。”戴文淵覺得自己挺幸運的，隨著計算資源等條件的成熟，這一領域的進入門檻開始降低，這也是他從高校轉戰百度的重要原因。

但這個門檻只是針對BAT等大型互聯網企業，如今對於大多數中國的企業而言，人工智能依然“深不可測”。

成本依然是橫在眾多對人工智能充滿興趣的公司面前的一個重要阻礙。

據戴文淵透露，2009年百度的技術去完成一個AI的系統可能需要200~300人的頂尖科學家團隊忙上一年，而這對於大多數企業來說是無法承受的人力成本和時間成本。

除了工作量太大，目前人工智能方面的工作對於專業人才的依賴程度太高。“我自己從什麽都不會，學到今天這個水平可能花了10年的時間。按照現在的標準，今天我們可能還要學6~10年的時間才能成為頂尖的數據科學家，但這樣費時費力的培訓是否必要呢?”戴文淵的想法是，如果技術足夠好，通過以深度學習為代表的技術革新，大幅地用機器替代人工，可以讓一個普通的業務人員培訓1~2個月就可以成為一個‘科學家’。

而除了人力成本，公眾對於人工智能還存在著一定的認識成本。

“我發現其實現在大家都會對人工智能感興趣，遇到一個困難自己搞不定，有時候會想是不是人工智能能幫忙解決。”但在戴文淵看來，要解決這個問題的前提是，公眾要去定義這些問題，在這個時候，需要把自然界的一些用自然語言描述的問題能轉化成用數學去描述的一個問題，因為計算機只能讀懂數學的描述，但是會造成有些人會做、有些人不會做。

黃明明談能穿越資本寒冬的兩個創業方向：人工智能和大健康

黑馬學吧 2016-07-26 10:29

7月25日8點，黑馬導師、明勢資本創始合夥人黃明明在黑馬學吧聯合一直播發起的大佬招徒第二季帶來了自己的分享，其中包含“我的神奇經歷”“資本寒冬中的突圍之路”“創業成功的秘密”三大方面，最後同時最高在線觀看人數達47.1萬，最終累計觀看人數達703.5萬。

黃明明作為一個非典型的另類理工男，一個連續創業者，也是業內聞名的天使投資人，不僅懂互聯網高科技，而且本人特別帥！

2014年7月成立到現在，明勢資本基本保持每月僅投1-2個新項目的節奏，每年新投資項目都沒有超過20個，而且大部分都集中在由創新技術驅動的機器人，智能電動出行工具，人工智能和大數據領域。

在做天使投資之前，他的經歷是以這種方式打開的

我的神奇經歷

我大一賣舊書賺了1000塊，那時是90年初。

之後通過自費加上獎學金，來到美國讀書，一個老前輩給我介紹了一個神奇的人，這個人沒讀過大學，連普通話和英文都說不清。他就是我的第一個合夥人——草根站長之王蔡文勝。

第一次見面很神奇，蔡文勝穿著花西裝，口里叼著煙，和我想象中的互聯網大潮中的創業者不太一樣。

我們從下午兩點半聊到半夜兩點半。要問我們都聊了什麽，聊聊10小時這麽久。老蔡說他自己做的是網址導航，特別low的那種網址導航。他用福建話解釋為什麽做這個：當時50%網民不會英文，50%網民不會打字。

我當時不相信，後來去大學學校發現很多大學老師都在用265這樣的網址導航。

去過大學第二天我就加入了老蔡的團隊，之後參與了一系列的創業項目。我不建議大家掙點錢就來創業，如果你家里不是富二代或者官二代，不要拿錢去創業，這很容易打水漂。

天使投資在非常早期的時候成功概率非常低。我為何做天使投資機構？

很簡單，2005-2015年回國的十年，恰恰是互聯網發展迅速的十年。我見證了一波創業者從零到一，從無到有，做成了幾十億甚至是上百億美金的公司，而我相信未來的十年會有更多這樣的機會。所以朋友建議我做機構點的基金，而不是做一個個人天使。於是，就真的去做了。

資本寒冬中的突圍之路：人工智能、大數據

我對過去10年前的複盤：

1、低估了中國互聯網的發展：我們看到了中國互聯網有一定發展，但沒想到這麽迅速。

2、所有的模型都能計算，但是唯一不能被計算的就是年輕的互聯網創業者的潛力。

3. 人口紅利消失殆盡，流量紅利也在兩三年前消失殆盡。

4. 第一代的互聯網技術已經經歷了將近20年的發展，主要解決了信息的不對稱性，因此它所帶來的技術紅利也將消失殆盡。

5. 縱觀世界各國的經濟發展趨勢，我們覺得只有兩個行業可以穿越經濟低谷期，一個是具有顛覆性的創新型科技行業——現在就是大數據、人工智能；第二就是醫療和大健康行業。

資本寒冬中如何突圍？

我覺得醫療、大健康行業可以穿越經濟低谷期，還有就是顛覆性的創新型科技——大數據、人工智能。

我們看到多的是以技術驅動為核心的大數據、人工智能，它們可以深入改變每個行業的現狀，它不亞於移動互聯網對大環境的改變。這一階段我們會花大量時間研究這兩方面。

你說你不懂大數據和人工智能，那麽加入一家優秀的創業公司去學習。現在你不做改變，未來也會被改變。

14年年底，我們投資了一家工業機器人公司，我們過去兩年投了10多家工業機器人公司。我相信他們在未來五到十年會發生更顛覆的改變。

我知道紐約由一家公司處理了幾百萬、幾千萬的保險理賠，都是用人工智能做的這個工作。未來投行的朋友、律師朋友要小心了，你們也可能被代替。

我最尊敬的一位中國的企業家——70歲高齡的任正非，他在演講中講到過：由人類創造的新人會代替舊人。另一個美國奇點大學的校長說過：2029年，人類可能會獲得永生。

所有這些勢必會引發社會學、經濟學、倫理學的巨變。也因此，人工智能和大數據的方向是未來我們會堅定投資和持續下註的領域。

還有，創業者要想被投資人青睞，先打磨好產品，這是最核心的一條。

創業者的密碼

很多人包括創業者經常問：創業者有哪些密碼？

1、年輕（Young）

天使投資人都喜歡投年輕的創業者，50歲以上的創業者在全世界各地也有成功案例，但是非常少。所以尤其是新興的一波互聯網和移動互聯網的投資機會，大家都喜歡年輕、有沖勁、有活力的創業者。

2、野心（Ambitious）

作為創業者，如果不是那麽野心勃勃，我覺得他把企業做大的可能性幾乎為零，所以這也是一個很核心的標準。

3、移民（Immigrants）

我們基金在北京投資的項目有幾十個，只有一個創業者是北京本地人。主要的原因是本地人沒有生存壓力，所謂的“北漂“就和我們講的移民一樣，移民有一種拼命向上的欲望。

4、不合群（Misfits）

很多很成功的創業者，它不是傳統意義上的好孩子、乖孩子，甚至不是傳統意義上的好人。但是我們不是去交朋友，我們是看一家創業公司、一個創始人，看他能否把一個公司做起來！所以往往你不喜歡的人，甚至你討厭的人，他具有成功的潛質。不合群說的就是這種人，你把他放在人群里面，他總是不太合群或者不太招人喜歡的那個人。

5、好奇心（Curious）

新一代的創業者，非常重要的一個潛質就是好奇心，包括很多70後、80後的創業者，當我們把公司做到一定規模的時候，擁有好奇心是非常重要的。當你已經在一定程度上成功以後，還能夠繼續推動公司去向更高的目標發展，這是很多優秀創始人的一個非常重要特色。

6、反傳統（Unconventional）

很多很優秀的創始人，他不是傳統意義上的好孩子，或者說他的很多行為方式，不是那麽符合社會傳統對他的要求。

7、激情（Passionate）

沒有激情的創業者是不可能成功的。

8、反叛（Rebellious）

這個詞很有意思，反叛、叛逆的個性，就是老話講調皮的孩子將來可能更有出息。看出一個人具有叛逆的個性很容易，但是要看出這個人還具有成功的潛質和能力，就比較難了。所以能在創業初期投資給具有叛逆精神的人，我覺得需要對人性有非常深刻的理解。

9、不安全感（Insecure）

很多創始人都具有極強的不安全感，就是一種危機意識。

哪怕在公司發展順風順水的時候，他永遠是像一個神經質一樣，這種不安全感也表現在和人接觸的時候。優秀的創業者，不是那麽容易打交道，作為早期投資人，你要獲取他的信任，說服他接受你的投資。這需要投資人理解他們內心深處的這種焦慮到底是什麽？

10、固執（Stubborn）

我發現最優秀的創始人，幾乎無一例外的固執，固執到有時讓你想踢他的屁股。明明要撞墻了，他還要往那條路上走。

最優秀的創業者，一定非常固執的，不要試圖去改變他，我覺得這個很重要。

11、專註產品（Product-focused）

我們經常碰見一些創業者，跟你談行業方向，談的頭頭是道，他不談自己的產品。對這種創業者，你需要謹慎。我們最怕的就是誇誇其談，但是真的動手一幹，產品和體驗做的一塌糊塗，核心亮點和用戶都沒想明白。

12、自力更生（Boot-strapped）

有些創業者就是這種情況，不管投資人是否投錢，他都要做，而且已經開始做了！

他已經想好接下來的幾個步驟，等一個月之後再看他，他真的跟他說的那樣，確實在往前走，而且走的比他承諾的還要好。有你的錢只是讓他可以做得更快一點，這往往是我們最喜歡的創業者。最怕創業者和我講，團隊已經組好了、模式也想好了、就差你的錢了！你的錢不到位，那幾個兄弟拖家帶口沒法出來。我覺得這種創業者太不堅決，創業也需要一種勇氣，這對一個創業團隊是非常重要的，如果他說沒有投資人的錢就沒法幹或者幹不下去，那這樣的團隊我覺得要小心。

13、獨立思辨（Contrarian）

比如在O2O領域，大家都去做高頻的事，他說我要往低頻去做。他不會人雲亦雲，如果創業者總是附和投資人的話，我覺得很難成為一個優秀的創業者。

也許不一定適合所有情況，但是這個獨立思辨的能力，確實是優秀的創業者需要有的。就創業者而言，我覺得具備這種獨立思辨的能力，才能看到別人或者普通大眾看不到的事情或一些可能性。

14、屌絲（Underdogs）

我把他翻譯成屌絲，就是出身貧寒。

中國老話講寒門出高士，在中國，我們也喜歡投屌絲創業者，因為屌絲更接地氣、屌絲更努力更勤奮。當然這不是絕對的，但這種特性可以作為一個重要的因素來考量。

15、堅持（Persistent）

最後這一條我認為是相當、相當的重要。

就像我前面講過的，我認識2005年左右創業的那一批企業家，每個人在發展的過程中，都曾面臨過企業接近斷糧、VC不願意再投資、核心成員離開等困境。

送給圍觀群眾的福利

1、小牛電動車

2、雲麥智能體重秤

3、陽光普照獎：星客多剪發體驗劵

我的招徒條件

1. 人工智能、工業4.0（工業機器人、工業自動化）和消費升級領域的創業項目；

2. 創業項目利用互聯網對傳統垂直行業的升級，能切實提高、改善生產力和生產效率；

3. 創業者對於目標市場、產品定位有清晰的認識和深刻理解；創業團隊有執行力。

最核心的就是：

不要為了創業而創業。真正的創業者從來不會因為資本市場冷熱決定是否創業的。

一家偉大的公司不會因為資本寒冬而死掉，真正優秀的企業不是被資本催生出來的，它不會受資本供需太大的影響。你要問自己是不是世界上能夠最好到前0.01%的那個人。

想要認識更多優秀的投資人

趕緊圍觀黑馬學吧&大佬招徒第二季投資人F4系列  

掃描二維碼，做黃明明的入室弟子！ 

文章評論

匿名用戶

發布

全部評論：10

發布

【人物】除了青年導師和投資人 李開複還是人工智能專家

自康複至今，青年導師李開複在很長一段時間內被媒體解讀為勵誌楷模和人生感悟專家，峰會論壇、高校演講、電視節目里關於李開複抗癌的故事被一次又一次提及，以至於人們可能忽略了他的另一重身份——投資人和人工智能專家。

專註於早期階段投資的創新工場運營將滿7年，作為創新工場的董事長兼首席執行官，康複後的李開複將更多精力投放於此。一位接近李開複的人士告訴《第一財經日報》記者，李開複基本沒有“gap time”，行程總是滿滿當當，很多采訪都是在趕赴某個工作地點的路程上完成的。

忙碌之余，讓他頗感欣慰的是，截至2015年9月，創新工場已審閱了超過2500個項目，投資孵化了200個項目和公司，總投資額接近4億美元，其中已有12個項目實現退出。投資公司中估值過億美元的項目超過25個，估值最高的項目是美圖，已超過38億美元。

在第三波互聯網浪潮下，技術出身的李開複得以回歸“創新工場的產品就是更多的高科技產品”這一初心，投身於人工智能、大數據、雲計算等前沿科技領域，而這些技術創新正是中國當前“破局”創新創業紅海的關鍵。

李開複

投資轉向

過去的幾年，伴隨上一波互聯網浪潮，創新工場在消費互聯網、電子商務、移動互聯網等熱門領域頻頻出手，這些創新往往集中於商業模式創新，投資回報率高但技術創新相對較弱。

許多小有名氣的中國互聯網公司，諸如豌豆莢、知乎、Face++、蜻蜓FM、暴走漫畫、糗事百科、SNH48背後，都有李開複和創新工場的身影。

AlphaGo與李世石的人機大戰，為大眾普及了人工智能概念，也讓該技術成為引領各個行業不可或缺的一項新銳科技。今年年初，李開複親自帶隊100人奔赴矽谷進行了15天的科技創新考察。蘋果、谷歌、Facebook、Airbnb、特斯拉、YC孵化器，這些矽谷最前沿的技術和正在發生的科技趨勢，讓李開複對投資有了新的思索。

在李開複看來，在人工智能領域，美國的公司更側重於打造一家科技驅動型公司，即將研發重點落腳於技術，把技術打造成一個工具和平臺，讓更多的人可以應用。在中國，人們則更關註人工智能技術能夠立即應用於哪些領域。

“美國是技術導向、中國是應用導向。”李開複解釋道。

除了人民幣基金之外，創新工場的資金構成還包含美元基金。目前，第二只美元基金已經完成募集，募集金額為2.75億美元。面對中美人工智能創新創業領域的差異，創新工場也相應地實施了差異化投資策略。

在美國，創新工場傾向於投資純科技公司，尤其是可以進行全球化應用的技術創新。雖然美國的互聯網公司在國內落地鮮有成功，但李開複認為，將純技術類公司作為一個技術授權，或者以合作方式帶入國內，幫助其尋找合作夥伴，而非用戶，這種路徑更為可行。

國內是其更大的投資標的，據李開複介紹，創新工場四分之三的投資項目在國內，從投資金額而言，大約95%在國內，在人工智能領域，國內投資更關註哪些應用可以借助人工智能產生價值。

李世石大戰阿爾法狗

發展隱憂

最近一年里，創新工場投資了25家人工智能公司，接近1億美元。其中包括專註機器視覺的“曠視科技(Face++)”;家庭陪伴智能機器人“小魚在家”;人工智能技術與服務提供商“第四範式”;無人駕駛技術“馭勢無人”等。

“人工智能要實現井噴普及到每一個人，還需要3~5年的時間。”李開複向《第一財經日報》表示，早期投資加前沿技術，如何平衡技術潛力和商業前景，這對投資人提出了更為嚴苛的要求。

以火爆全球的機器人研發制作公司波士頓動力為例，雖然技術過硬，但谷歌決定將其出售最重要的原因在於，運動型機器人的商業化前景不夠清晰，而集團化運作的 Alphabet 不想再供養這個花錢不討好的機器人公司。

對此，李開複認為，波士頓動力本來就不是一個有商業目標的公司，其大部分啟動基金都由美國國防部提供，因此一直就沒有特別大的商業想象力。“作為純技術創業公司，如果用商業應用來壓抑它，就無法讓它真正發揮了。”

一個有趣的細節是，李開複透露，自己在卡內基梅隆大學做助理教授時，波士頓動力的創建者Marc Raibert教授就在其隔壁辦公室。

“它是很好的科研項目，但可能不是好的投資標的。”李開複說，“從投資角度而言，我們非常強的商業邏輯就是，如果要做產品，那就一定要產生商業價值。”

例如針對一款擬人機器人，他會問創業者這個機器人會產生哪些價值;如果是安保或陪伴，他會緊隨其後地追問，這個東西真的需要兩只腳嗎，為什麽不能用四個輪子或者一個圓盤替代，嘴巴、鼻子的設置如果不能帶來用戶期望的功能為何要設置等。

“一系列追問的背後直指一個方向確保這個東西是用最低的成本產生最高的價值，並針對用戶的最強需求能做到足夠好。”

而人工智能要想實現商業化需要更明晰的定位：人工智能是輔助而非取代人，讓用戶更為自然地提供大數據，且找到具體的領域和應用場景。

對機器是否會取代人腦抑或傷害人類的擔憂，李開複表示，在沒有足夠科學依據的時候自己不想做虛幻的假設，這也是為什麽他並不喜歡《HER》這類的電影主題，“太過於專註機器有自己的意識，要來統治奴隸，或者殘害甚至消滅人群。”

“當一家公司擁有數據，又擁有資金，且高薪聘來海內外頂尖的人工智能專家，接下來是否會在某些領域造成壟斷式競爭，阻止其他公司創新。”與人工智能是否會欺騙人，甚至取代人類等問題相比，日後大數據是否會為某個巨頭所控制，包括用戶個人隱私問題如何保障，才是李開複更為擔心的。

想象空間

雖然人工智能可以在很多領域產生價值，但遠未達到一個平臺化的概念，它還不能像iOS或安卓開發軟件一樣，可以將複雜的技術隱藏於平臺下面，開發者在平臺上就能打造出蘋果或者安卓應用。

在李開複看來，人工智能遠未達到這個狀態，這也決定了在人工智能領域不能找幾個只懂商業應用的人來做，還需要懂技術的專家進來。在國內，創新工場的投資標準是“有大數據、機器學習的專才，且懂行業應用，這是我們想要投資的領域。”李開複向《第一財經日報》表示。

人工智能技術將首先從專業性較強的細分領域開始應用，隨著數據庫的積累和算法進步漸漸拓展到生活中的各個領域，從而匯聚成為通用智能。在這一過程中能夠帶動多個產業的發展，逐步打開萬億級別的市場。

李開複認為：“10年後，人工智能將取代世界上90%的翻譯、記者、助理、保安、司機、銷售、客服、交易員、會計、保姆，人工智能加速了重複性的工作被取代，也許還有一個更偉大的含義在背後，人可以尋找到來到這個世界應該做的事情。”

早在1997年，IBM“深藍”超級計算機也曾擊敗國際象棋世界冠軍，且IBM提出藍色基因計劃，目標是於2019年讓超級電腦實現完全模擬人類大腦。不過在隨後的商業應用領域，該技術鮮有進展。

在李開複看來，之所以出現這樣的問題是深藍的技術過於垂直，無法實現平臺化應用，同時當時的機器計算速度不夠快，數據量也不夠大。“人工智能更適用於擁有大數據基礎，且數據量可以實現自我推動的公司。應用領域相對封閉和客觀，且每一個判斷最後的對與錯都可以反饋給系統，進行更深入的學習。”

就目前現狀而言，李開複認為最具價值投資的是大數據領域，具體而言能夠最快實現應用是互聯網領域，包含推薦引擎、廣告、搜索、自然語言等。例如婚戀網站借助人工智能讓用戶尋找到更適合的另一半;電商平臺借此實現更為精準的定向推薦;“用人工智能激活數據的商業價值，實現傳統互聯網升級。”

更長遠而言，三五年後人工智能將在金融領域產生巨大價值。例如券商股票領域的智能高頻交易、輔助交易、智能投顧、機器人理財，銀行、保險應用方面包含針對性電話營銷、貸款審批、信用卡欺詐。

除此之外，醫學領域的自動化讀片、自動和輔助診斷、個性化診斷、基因排序;教育領域的學習外語、智能選題，BI、商業流程自動化等領域也都充滿了想象空間。

先練內功

自李開複踏足天使投資，整個中國天使投資市場也在以驚人的速度發展。根據私募通年報數據，2015年中國天使投資市場共新募集完成124只基金，披露金額共計203.57億元人民幣，較2014年分別同比增長217.95%和209.94%。市場上共發生2075起天使投資案例，同比增長170.9%。披露金額超過101.88億元人民幣，同比增長超過214.9%。

從職業經理人變為創業教父、投資人，與李開複有著相似發展路徑的還有另外一批超級天使如徐小平、蔡文勝、雷軍、薛蠻子等，他們都有著不平凡的創業經歷。

雖然這一階段的天使投資往往依照個人喜好、情感，毫無規律可言，但這批投資人通過微博迅速明星化、品牌化，成為大投資人，並從個人投資者向機構化、規模化、專業化天使轉變。這些投資機構更加關註創業公司的成長期標準和系統化判斷，讓項目的選擇、投資條約、退出渠道更加規範化和成熟化。

同時這些大天使們也在走向合作。站在整個創投產業鏈的最前端，天使投資高回報的同時也伴隨著高風險、高失敗率等特征，通過合投的方式可以拓展資源並分散風險。根據投中研究院數據，2016年天使投資過半通過合投完成。

在此之前，李開複曾聯合徐小平、蔡文勝發起創業輔助計劃“群英會”，“多年以前投資人高不可攀，但現在投資人很多，競爭也很激烈，投資人也開始協同作戰。”此前蔡文勝向《第一財經日報》記者表示。

在天使投資2.0時代，行業趨勢基本都能看明白，投賽道的方式顯然將付出越來越多的成本。對於創業者而言，天使投資人的個人魅力將不再是打動領先創業者的唯一因素，投資人對技術創新的理解程度、對行業資源的整合能力等，都更為影響創業者的選擇。

李開複在文章《創新工場為什麽看好人工智能》一文中寫道：“我個人有幸在三十年前開始做人工智能，但可惜的是當時數據不夠，所以並沒有做太多超越人類的事情。所以各方面我們可以看到對弈只是遊戲的領域，它本身並不帶來巨大的商業價值。”

在國內外人工智能領域發展突飛猛進的當下，在大學時期就開發出“非特定人連續語音識別系統”和“奧賽羅”人機對弈系統的李開複，其人工智能的技術背景和豐富的投資經歷，無疑會吸引更多該領域的創業者。

“做天使投資，先練內功。”李開複表示，“我們手中不能只有最好的行業經驗分析，而是需要努力達成全產業鏈的資源整合或者是資源的合作互補，等於投資+投後+產業資源+二級市場。”在李開複看來，這是創新工場找回初心，亦是繼續出發的新挑戰。

長虹發布人工智能電視 3秒響應語音搜索

7月28日下午，長虹發布CHiQ人工智能電視，其最大的賣點之一是能在3秒內快速響應語音搜索，並根據用戶平常的收視習慣自動推薦內容。長虹自稱其語音識別率達到97%。

在發布會現場，出現了“機器人與電視對話”的場景。當機器人“瑤瑤”通過語音發出“我想看解密”指令後，長虹CHiQ人工智能電視三秒時間便在屏幕上播出電視劇《解密》;當“瑤瑤”發出“我想玩遊戲”的指令時，人工智能電視又以秒級速度推薦數款“瑤瑤”喜愛的遊戲……

長虹公司副總經理郭德軒介紹說，“長虹CHiQ人工智能電視不是跨行業的寬泛的大人工智能系統，重點是將人工智能與黑電垂直業務領域深度融合。”。

目前，長虹CHiQ人工智能電視在音視頻、教育、新聞等方面實現三大功能——認知、決策、反饋。長虹智能機器人“小白”，是住在CHiQ人工智能電視里的機器人，可陪伴、服務於“主人”，在看電視、聽音樂、玩遊戲等黑電業務上，讓用戶得到個性化服務。

“人工智能電視和普通的智能電視是有很大不同的。”長虹多媒體公司軟件與服務中心副總經理王鑫告訴記者，CHiQ人工智能電視在“認知”層面取得重大突破，基於長虹自主研發的Ciri+語音平臺，實現以人為中心的高效語音交互協同及語義識別與理解，使CHiQ人工智能電視語音在UI效果、響應速度、識別率、覆蓋率等方面努力做到行業領先。其中，語音識別率達到97%。

在“決策”層面，長虹大數據平臺對旗下智能電視500萬終端用戶數據進行采集與分析，得到了跨業務(直播、點播、音樂等)的全景用戶畫像數據。覆蓋用戶短期興趣及長期偏好，包括人口屬性、上網特征、觀影偏好、環境偏好、購物需求、消費能力等不同維度。

至於“反饋”，長虹CHiQ電視產品經理陳科宇表示，人工智能電視會隨著用戶使用的時間增長，自動記憶、分析和推薦“主人”的喜愛，更懂用戶的個性需求，即便用戶只是下達相對“模糊”的語音指令，也能為用戶推薦其需要的內容和服務，從而有效解決當前智能電視“內容多但不精準”、“老人小孩操作智能繁瑣”等用戶的痛點。

“長虹在人工智能領域的探索由來已久，如機器人學、機器識別、人機交互、計算與應用等均有布局，今天發布的人工智能電視只是‘冰山’一角。”長虹控股公司總經理李進博士表示。

據介紹，長虹從2012年開始進入人工智能的基礎研究工作。先後在傳感器模組開發應用、語音識別芯片開發應用、基於大數據的人工智能技術研發及應用、機器視覺(人臉識別)技術研發應用、工業機器人及工廠自動化技術研發及應用、家庭服務機器人技術研發及應用等方面取得了進展，不少成果已轉化於商業運用。

“人工智能是物聯網環境下的重要應用和發展方向，而其核心是大數據。”長虹公司首席技術官陽丹表示。2013年長虹和IBM成立大中華區首個大數據競爭力分析中心，並成立家電行業首個大數據公司。目前，長虹已擁有100多名高級大數據研發工程師。

美國西北大學教授、人工智能領域專家吳郢認為，目前，語音識別合成技術和自然語言處理技術有了不小的進展，它將會慢慢地從一種小眾的科技時尚變成更加大眾的日常生活。未來的產品將會更加聰明和智能，不僅通過計算機聽覺，而且可以通過計算機視覺來實現人和機器的更加自然的交流和互動。長虹在智能家電家居上的大力投入，是想以全新的姿態迎接人工智能時代的快速來臨。

聽聽這位外國專家說，人工智能會給金融業帶來哪些影響？

劉雪兒 2016-08-01 15:50

i黑馬訊 8月1日消息 7月31日，在第六屆上海新金融年會暨第三屆互聯網金融外灘峰會上，加利福利亞大學伯克利分校計算機科學教授、人工智能專家Stuart  Russell先生做了演講，題目是《人工智能對金融業的影響》。

在演講中，Stuart  Russell先生澄清了一些AI方面的誤解，指出它是一個典型的、深度學習的架構，並指出AI對金融領域的影響。

以下是Stuart  Russell先生演講精選。

非常感謝大家邀請我來到這里，非常榮幸，這也是我第一次來到上海。我的女兒在上海住過一年，她很喜歡這個城市，我也非常高興來到上海。

首先也要澄清一些AI方面的誤解，AI並不是有感知的機器，並不是我們要擔心機器突然醒來憎恨人類，這些AI，並不一定都是深度學習的。大數據，也是我們經常見到的詞，但是很多時候AI並不是和這些概念相關。另外，它並不是萬能藥，並不是所有的問題可以用人工智能來做，很多問題我們不能理解，我們應該怎麽做、怎麽理解怎麽做、怎麽解決，但是AI的進程，在未來我們非常樂觀，來幫助我們解決。比如在英國、歐洲，有很多的銀行現在都在設計人工智能的APP。目前也做了很多研究，AI怎麽對人們提供服務，已經發展了很多，但依然還有很長的路，AI可以繼續發展，為人們提供更好的服務。

從金融方面的經典方式，沒有模型經典方式的機器來做。你在電腦里面收集一些已知來源的數據，比如個人的信用卡交易結果，他們是否歸還了信用卡欠款？還是違約了？我們把這些信息收集之後，創建一個預測的分類器。對於新的用戶來說，收集他們的數據，預測他們是否會違約，以及基於他們過往的交易，決定給他們多少額度。這也是基於電腦的決策樹、深度神經網等技術來實行。一旦建立了分類器，客戶有新的事件你就可以來應用了。

相比人類的專家來說，我們認為AI非常有價值，可以以非常低的成本做出預測，這是一個典型的、深度學習的架構。在座的各位可能對公司分析來說，都會知道一些基本內容。中石油，你想對它的股票進行分析，你看它的基本面、看它的交易、市場、相關風險等等，你要預測他們的財務結果。利用AI，對於個人也可以進行分析。非常重要的就是多少人可以被模型使用。我們可以對每個人進行分析，收集他們生命周期的靜態變量，他們的生日、教育、婚姻、子女、工作、住所等，這些參數和變量，可能對他們的金融行為都會有很大的影響，來幫助我們進行預測。比如他們是否會搬家，子女的教育是什麽樣的情況？他們還有幾年才退休等等，這些人們生命事件，可以影響每個人的金融交易和他們未來的金融模式、金融行為。我們對於每個人可以建立這樣的金融模型，我們也可以進行預測它的金融交易結果，來知道他們的金融交易、他們的賬戶、金融的流向、貨幣的兌換，當我們收集到這些數據的時候，我們看到這個人做了這個交易，就可以監測這些數據是否是真實的、是否是合理的。這種方式的優點，就是我們可以通過收集的數據來解釋決策。我們不能提供給你這個理財產品、不可以給你提供借貸，你可以解釋給他們為什麽不可以這麽做。

另外，可以通過更少的數據，做出更精準的預測。還有就是數據的錯誤率、失落率也會比較低。也有劣勢，基於模型的方法的，第一個是它的成本非常高，因為你要有建模的專家和實際數據當中要做很多的實驗，但這是一勞永逸的。也就是說，每個人出生、去學校，他們會結婚、有子女、退休、過世，人生的事件或多或少是一樣的，建立一個模型就可以一勞永逸，再用AI的軟件進行分析。

轉換一下話題，講一下金融行業以及AI對金融行業的影響。我們比較熟悉P2P借貸、銀行的APIs，也就是第三方寫軟件，和銀行直接進行交互、幫助銀行操作他們客戶的賬戶。一個公司A它的借口比較好，相比銀行B更好，那我就要選擇銀行A做我的開戶行。接口、界面非常重要，能夠決定人們選擇哪個銀行為他提供服務，賬本是在哪個銀行的，有區塊鏈和相關的軟件，我們可以看到很多大銀行就蒸發掉了，因為可能他們對個性化的服務做得並不是很好，所以在技術發展過程當中落後了。AI方面，人們會增加個人的數字助理，大家都有助理。通過手機也可以幫助你提供很多的建議。你的個人助理，可以幫你自動發起金融交易，預定酒店、買機票，確保你的孩子在學校好好學習等等，這些都會自動化來進行，也包括了金融交易的自動進行。銀行的客戶可能並不是真實的人，而是數字助手，觸發某個事件之後就會進行金融交易。

另外一個很大的變化，就是交易系統。我們知道在美國的交易所，大多數的交易都是電腦軟件進行的，現在會越來越多的進行電腦軟件自主交易。另外講一下交易系統，我們有算法。有些時候比較簡單，就是套利的。還有越來越複雜的，比如單個股票基礎面的分析、能夠自動閱讀這些新聞，從彭博、SEC等接口進行股票的交易。其中我們見到的一個很大的問題，這些系統只是從字面上來收集信息。推特被認可劫持了，所以一個推特信息說“奧巴馬受傷了”，機器得到這個信息，也不判斷，直接就賣掉這些股票了，低於2分鐘的時間，超過2萬億的股票被賣掉。如果是人做交易，他們會進行驗證，會打電話給華盛頓的朋友。經過20分鐘，市場又自動的恢複了之前的交易狀態，這些都非常重要。機器可能只是機械化的收到信息，有些信息可能是故意造假的，機器自動讀取，對系統會造成很大的擾亂、對客戶造成很大的損失。從監管來說，也造成了挑戰。

比如亞馬遜網站，一本普通的生物學的書差不多40美元。有一個出售1800萬，另外一個是2300萬，這是因為有兩個機器人，他們覺得這本書非常複雜，所以他們不斷的把這本書的價格提升，一直提升到非常高。如果你有自動財務顧問，他們可能覺得這本書比較合理，它就會買，這會對你的賬戶造成很大的損失。大事件，2到3分鐘，使整個的市值損失1萬億，這也是程序化不理解市場而造成的“五龍指”，非常快速進行交易，對於市場造成了很大的問題。2014年的時候，200個股票的市場下滑更快，0.1秒的時間，有些股票跌了20%，這對很多人來說發展太快了，0.1秒，當你把權利給到機器，他們不理解他們在做什麽，這對你造成的損失是無法估量的。從長期來說，我們認為AI系統在很長的時間里面的發展，最終會比人類決策優化。

現在，我們在做AI的時候，所有的因素都要考慮進去。一些超級的、智能的機器，最終可能會給我們帶來災難性的損失。不管是控制，還是研究，我們現在創造了一些系統，它可以幫助我們把某些事物進行優化。對於這個領域的定義，並不是非常精確的，它是一個錯誤的定義。我們所需要的AI是什麽？這樣的AI系統，我們希望它能夠執行我們的命令，而且它產生的結果，一定是我們比較滿意的。比如這個國王，當時有這樣一個想優化的目標，但是優化之後的結果並不是他最初想要的，這是我們需要避免的現象。我們怎麽樣才可以避免？這里有三個想法：

1、機器人只有一個任務、目標，就是把人類的幸福指數最大化。

2、機器人並不知道這里面的含義是什麽，因為並不確定，人類什麽才是開心的事情，真正讓我們開心的事情是什麽？

3、機器人是通過觀察人們的行為來進行學習的，人們喜歡什麽、不喜歡什麽，會通過我們的行為展示出來。

讀經濟學會知道有一個“博弈論”，如果我們有這樣的一個博弈，如果人類知道這樣的目標，機器人先把這個目標進行優化，但是機器人並不知道本來的目標是什麽。如果有不匹配，是否會產生問題？

總結一下，我剛才講了很多AI在金融領域的影響，最基本的，現在已經存在了40到50年，它可以幫助我們進行數據的整合、分析、預測，還有一些顧問方面的服務。另外，我們如果可以更好的理解人類，才可以幫助我們得到更好的結果。市場上我們看到一些交易的策略，現在越來越有效了，可以幫助我們改進市場上的效率。因此，我們要非常了解，怎麽才可以更好的把這些機器人在我們的控制當中，不能失控。有一個諺語“煤礦里的金絲雀”，煤礦中的金絲雀可以幫我們預測未來可能出現的問題。煤炭當中沒有氧氣了，金絲雀就會立馬檢測到，我們需要把它當做我們風險檢測的工具，我們要很好的管理AI存在的風險，而且是高速管理和控制。隨著AI的進步和推進，AI的系統怎麽樣控制、怎麽樣了解人們的價值，以及AI的價值，怎麽把兩者的價值結合起來，將是我們未來要探討的很重要的議題，感謝各位的聆聽。

文章評論

匿名用戶

發布

全部評論：10

發布

消息稱蘋果發力人工智能 2億美元收購初創公司Turi

據外媒報道，消息人士透露，蘋果以大約2億美元的價格收購了人工智能初創公司Turi。這也是蘋果為自己的產品和服務聚集先進計算能力而完成的最新一筆收購交易。

根據Turi官方網站提供的信息，這家公司是由華盛頓大學教授創辦，它專門為其他開發人員提供智能工具和框架，將機器學習和人工智能應用的到他們的程序中，幫助開發者開發和管理軟件與服務。借助著這一收購交易，蘋果將更快的把這一技術與公司未來的產品進行整合。

消息人士稱，蘋果周五進行的這一收購交易，也是為了該公司與谷歌、亞馬遜和Facebook在人工智能領域，特別是在軟件嘗試自動推斷出人們想要的東西的普適計算的競爭中占得先機。Turi的技術能夠被整合到蘋果Siri數字語音助手當中，並幫助定義與人類互動的新型計算。Turi還擁有讓企業打造推薦引擎、識別欺詐行為、分析客戶使用習慣、以及更好的定位潛在用戶的系統。

在過去的幾年中，蘋果公司已經在人工智能方面投入巨資，特別是通過收購多家人工智能領域的初創公司。去年秋天，蘋果就收購了Perceptio和VocalIQ。今年1月，蘋果收購了使用人工智能識別和對面部表情做出反應的初創公司Emotient和致力於機器視覺動畫工作的瑞士公司。去年，蘋果還收購了語音人工智能公司VocalIQ和Perceptio，借此來提升Siri的性能。據悉，蘋果公司已經把獲得的新技術整合到了iPhone的軟件和Siri等產品當中。

人工智能如何改變公交出行？兩個技術難點成突破口

“早上8點從家到公司，坐哪趟有空調的公交車最不堵?”

這是高德最新公布的AI智能公交導航的一個使用場景。高德地圖副總裁董振寧對第一財經記者介紹，利用高德地圖的大數據及機器學習能力，目前能夠根據路面交通狀況、實時公交時間、城市公交線路特點、用戶出行喜好等更好地規劃適合於每個用戶的出行時間、出行路線。

在董振寧看來，如今駕車、乘車用戶需求備受關註，有不少行業創新，但在出行領域占據更大比例的公交出行用戶需求卻較少受到關註，傳統公交出行方式迫切需要升級。

他告訴記者，AI智能公交導航是第一步，未來幾個月包括高德駕車導航等都將用到人工智能技術。

痛點在哪兒？

根據《北京市交通委2015年通勤交通報告》顯示，自2005年開始，北京市百姓的出行方式中公共出行占比逐年升高，到2015年占比已超過50%，高於小汽車、自行車等其他交通出行方式。而隨著公共出行占比逐年上升，人們的公共出行需求也變得越來越複雜。

在公交出行產品1.0時代，人們主要使用PC地圖查詢，在公交出行之前用電腦查詢相關線路，然後按照線路描述乘坐公交;而在公交出行產品2.0時代，隨著高德地圖發布手機公交導航產品，人們已經從PC地圖過渡到手機地圖，使用手機地圖隨時隨地查詢線路，並進行公交導航，體驗更加靈活，指引也更加清晰，更符合公交出行需求。

但即使重視用戶體驗的公交出行2.0產品，當下，也還是無法解決很多公交一族出行的“痛點”。例如，如何根據路面交通狀況、實時公交時間、城市公交線路特點、用戶出行喜好等更好地規劃適合於每個用戶的出行時間、出行路線，需要大量的大數據運算能力及機器學習能力進行智能規劃，這些都是公交出行2.0時代的產品所無法解決的。

面對早已“千人千面”的個性化公交出行需求，公交出行產品迫切需要升級。

最難突破兩點：模型算法和數據

高德地圖曾在2014年10月推出“公交導航”，在站點指引、下車提醒等方面優化公交導航體驗，提供完整的公交導航出行解決方案。

此次推出的AI智能公交產品，主要融合了高德地圖公交大數據能力，以及用戶行為為基礎的機器學習樣本，結合了城市特色和個體用戶畫像。

董振寧告訴第一財經記者，人工智能公交產品最難突破的是兩點：模型算法和數據。

在大數據應用方面，高德地圖的公交數據100%由人工實采驗證，覆蓋全國超過331個城市，總計7.5萬條、158萬多公里、近百萬站點的公交線路，每條線路都有超過130種線路屬性。

此外，高德每天監控的實時公交情報超過1000條，10分鐘內便可更新上線最新數據。實時公交、實時路況、用戶行為大數據則繼承了高德的實時數據，為用戶規劃線路。

而在機器學習能力方面，高德的AI智能公交導航運用了左右大腦雙層機器學習能力。左腦學習出行模型，根據用戶地域、距離、時長、工具等不同場景學習不同的出行決策，形成出行決策模型;而右腦學習用戶的行為偏好，根據用戶的定位數據、出行數據、反饋數據，來為用戶提供省時、省力以及舒適性的偏好決策模型。

例如，高德地圖AI智能公交的算法引擎除了能夠快速規劃公交路線，在算法中還融入了高德地圖的實時路況等信息，綜合考慮時間長短，能夠為用戶提供最節省時間的線路選擇。再如，在計算和規劃時優先為用戶推薦始發站及有空調的公交車，這都是大數據和機器學習能力在產品當中的智能體現。

乂學教育栗浩洋：人工智能如何讓教育提升十倍效率

栗浩洋 2016-08-07 12:49

i黑馬訊 8月7消息，由創業黑馬與達晨創投聯合主辦的第二屆黑馬創交會今日在京繼續舉行，乂學教育、朋友印象創始人栗浩洋出席活動並發表主題演講《人工智能如何讓教育提升十倍效率》。

栗浩洋在演講中表示，“如果AlphaGo用圍棋下贏了人類，只給人類帶來了沮喪。那我們在教育里的人工智能應用，可以讓每個孩子都能夠獲得10倍的效率提升，可以讓全中國的孩子，都能夠用最低廉的成本，獲得最高效的教育。”

以下是經i黑馬編輯的演講精選：

我做了兩家公司，在社交方面做了朋友印象，在教育方面做了乂學教育，這兩家公司都跟人工智能有很深的關系。

現在，朋友印象和乂學教育的重點都放在了人工智能上面。乂學教育的產品這個月剛上線，只有不到一百個用戶，但是已經得到了很多大基金的領投意向，最近很快會關閉估值將近6個億的天使輪融資。

為什麽我們會得到這麽多重視呢？其實我們也是比較幸運的，在兩年前踩到了人工智能的風口上，而且真正把這個事兒給落地了。

那麽，乂學教育是怎麽做的呢？

減知理論如何讓計算更有效？

今天我會從AlphaGo講起。我們都知道AlphaGo是人工智能里面最有名、最明顯的一個例證了。它讓機器智能戰勝了人類，也讓人工智能威脅論甚囂塵上。AlphaGo之所以成功，是因為利用了“減知理論”，讓整個計算變得更有效了。

其實，乂學教育也是用了一個類似AlphaGo的體系，去模擬特級教師的大腦，跟學生一對一的進行互動。我們通過每個小孩子的100個知識點，識別出他們到底哪5個知識點不會。在這種情況下，只需要教這個孩子其中的5個知識點就好了。

但是，以前包括新東方、好未來、昂立教育等公司，都是讓孩子把所有的知識點全部都學一遍。這種情況，就好比到了醫院說我胃疼，醫生檢查出了你是胃潰瘍，但是讓你把藥房里的100種藥全部吃一遍。

現在的教育，是要把所有的知識點全部推進一遍。但是通過人工智能的偵測，我們可以像癌癥的靶向治療一樣，點對點的針對性學習，從而將學生的學習效率提升10倍。

這就好比為什麽AlphaGo能夠快速的作判斷？因為它把歷史上的3000多萬盤棋譜先吃進去，並且消化完了。它每走一步都類比這3000萬盤棋局，然後再根據一定的算法，提升正確下棋的概率。

其實，乂學教育系統也是一樣。我們把這幾萬個知識點預裝在系統里面，小孩子來了以後，我們可以精確地測試他們的知識點到底有什麽，通過知識空間理論十倍的提高他們的教學效率。

用5個單詞測出3萬個詞匯量靠的是什麽？

去年有件事情非常火，就是可以用30個單詞測試出3萬個詞匯量中你知道多少。這雖然聽起來非常不靠譜，但是通過人工智能在教育里面的應用知識空間理論，就非常容易做到。也就是把3萬個單詞，根據難易程度分成了30組，每個組別只選一個單詞進行測試。

但是，用乂學教育的智適應人工智能系統，只需要5個單詞，就可以測出你的詞匯量，而且精準度和剛才30個單詞測詞匯量的正確率是一模一樣的。

我們是如何做到的呢？除了知識空間理論，我們用了信息論，信息論是由熵的概念而來，也就是說任何題目，如果答案的可能性在一般的時候，我們的所知度是最大的。所以，我先給你第15級的單詞，測完之後如果你會了，我們就知道你的詞匯量是在1.5到3萬之間。如果你不會，我們就知道你的詞匯量在0到1.5萬之間，以此類推。

通過簡單的人工智能的算法，我們可以用五個單詞來測試你的三、五萬的詞匯量，這就是人工智能帶給人類的一個顛覆性改變。當然人工智能的算法遠遠複雜於此。

智適應系統如何擊穿傳統教育痛點？

在傳統的教育中，我們還會遇到一個痛點是每個學生掌握知識點所需時間是不一樣的。最快的孩子5分鐘就學會了，最慢的孩子可能要花90分鐘去學，因為你只有掌握了這個知識點，才能進入到下一步。

但是，乂學教育的智適應系統可以根據每個人的情況，給出不一樣的學習體系，我們甚至會拋棄很多知識點。因為我們判斷以你的水平，你現在學不會這些最難的知識點的，我們只給適合你的知識點，讓你期末從兩年不及格跑到60、70分，這是最大的勝利。

這其實就是人工智能給我們帶來的改變，就像AlphaGo有時候會放棄一些局部的利益，直接去爭取一個更大的利益。

所以，我們不斷的通過學生畫像和內容測寫來用智能化的手段偵測你的水平，給你一個與眾不同的教學體系。

我們知道AlphaGo跟李世石下棋前三盤全贏了，然後第四盤輸掉了。為什麽？有一句話叫做，“我們不害怕機器AlphaGo下贏了李世石，我們最害怕的是AlphaGo故意輸。”如果機器懂得了人類的情緒和恐懼，懂得了故意輸給人類，這就是機器最可怕的時候，是我們需要去擔心的時候。

而乂學教育的智適應系統，通過教育測量學和認知判斷，給每個學生完全與眾不同的個性化路徑的推薦，讓每個小孩子在學習過程中感覺到愉悅。

過去，一個孩子如果初一、初二都不及格，到了初三我們會讓他留級，但是這樣也不會有什麽結果。但是如果用了乂學教育的智能體系，我們幾乎可以保證這個孩子再繼續學一年，他可以考到至少七、八十分，甚至更高。

我們是怎麽做的呢？我們會讓這個學生把之前小學和初一、初二的內容學完，再學習初三的知識。這個時候，他再進入到初三下半學期學習的時候，已經信心滿滿、基礎紮實。很多小孩子被放棄是因為他總學，但是總是學不會，因為你沒有追根溯源把他降級到最初。

此外，我們還會自動校正每個題的難度系數標簽。我們每個題有100多個標簽，通過機器不斷的深度學習，我們會不斷的改變每個題的標簽，以及機器給到每個孩子推薦的學習路徑。所以，通過大數據的驅動和算法的驅動，我們能夠非常深入的提升每一個還得教育方式。

也就是說，如果AlphaGo用圍棋下贏了人類，只給人類帶來了沮喪。那我們在教育里的人工智能應用，可以讓每個孩子都能夠獲得10倍的效率提升，可以讓全中國的孩子，都能夠用最低廉的成本，獲得最高效的教育。

文章評論

匿名用戶

發布

全部評論：10

發布