📖 ZKIZ Archives

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。

第四範式CEO戴文淵：AI的門檻真正降低，行業才能爆發

柯潔對決AlphaGo的人機大戰又一次燃起公眾對人工智能的關註。過去的一年，正是因為人機大戰讓人工智能概念從陌生變得耳熟能詳。

“人機大戰最大的意義在於讓公眾認識到技術的力量，雖然它沒有很明顯的商業價值，但向AI傾斜的資源更多會加速整個行業的發展。”在2017年第一財經技術與創新大會會後專訪中，第四範式創始人兼CEO戴文淵告訴第一財經記者。

“AlphaGo下圍棋已經無敵，但幹別的還不行。”香港科技大學計算機系主任楊強表示。對於以楊強、戴文淵為代表的人工智能科學家而言，人機大戰雖然燃起公眾對人工智能的熱情，但AI仍未變成大多數人的工具。

如何降低人工智能領域的門檻，讓更多的“外行人”有機會開發出屬於自己的人工智能服務，是人工智能真正發揮商業價值的關鍵。

各大科技公司也意識到這一問題，包括IBM、谷歌、Facebook、微軟在內都在開源自己的人工智能框架，其中不乏一些擁有認知功能的算法，例如神經網絡、深度學習、圖像識別等。

在戴文淵看來，這類框架只是將人工智能科學家的門檻降低，而並非讓更多人使用，即會做的人更會做，不會的人依舊不會。

“無論是PC時代還是移動互聯網時代，都不是科學家做應用，當下的人工智能主要是科學家在做應用，科學家是小眾人群，需要從科學家做研究變為開發者做研究，讓AI的門檻真正降低，行業才能爆發。”戴文淵說道。

通過封裝人工智能算法，降低建模過程中數據科學家的工作量，將人工智能數據清洗、特征變換和選擇、特征組合、算法或者參數調優等變為更易用的產品，供普通人使用，第四範式機器學習平臺“先知”應運而生。

今年上半年第四範式舉行一場特殊的建模比賽，參賽選手均為工程師、商務、售前甚至是離業務比較遠的行政等非專業人士。比賽利用真實業務數據建立模型，比拼模型對業務關註目標的預測能力。最終在沒有任何專業培訓的情況下，超過70%的參賽組合ACU成績(ACU是衡量模型效果的專業指標，取值在0到1之間)跨過0.8大關，達到工業水準。

戴文淵希望將“先知”打造成為人工智能時代的“Windows95”。在90年代，人們需要受過訓練才能使用計算機，但很多人並沒有這樣的天賦。直到20年前的今天，微軟發布Windows 95，普通人都可以操作計算機。

如果說DeepMind將端到端的深度學習應用在了強化學習上，使得強化學習能夠應付大數據，讓人工智能在圍棋上將人類擊敗，但在解決新問題上，像DeepMind這樣的人工神經網絡卻面臨“遺忘性災難”，這也使得遷移學習成為人工智能熱門話題。

“深度學習和強化學習，沒有積累，只能學習掌握單一任務，面臨新的場景需要抹掉記憶從頭學習，而遷移學習則是讓機器具備舉一反三、觸類旁通的功能，是終身學習。”戴文淵解釋道。

“遷移學習能夠讓人工智能得以擺脫對大數據的嚴重依賴，從而讓人工智能不再只是‘富人的遊戲’”。在此前的采訪中香港科技大學計算機系主任及大數據研究院院長、第四範式首席科學家楊強告訴記者。

在富人遊戲向大多數人遊戲遷移過程中，數據場景的變化也在發生作用。“以往數據集中於類似BAT這樣的大公司，現如今銀行、保險公司、零售企業、醫院也都在搭建自己的大數據系統，數據場景在發生遷移，在這種情況下BAT變成整個人工智能大版圖中的萌芽，人工智能未來會進行更大面積的推廣。”

目前楊強所在的實驗室正在進行一些遷移學習的研究，例如教計算機去讀一些文章，使得計算機在識別圖像方面也變得更簡單。一個有趣的是實驗成果是，機器曾識別一張香港科技大學的圖片，基於這個圖片計算機寫了一首詩，“草堂山水下、漁艇鳥花邊。”

正如柯潔在微博中所言，“人工智能始終都是冷冰冰的機器，與人類相比，我感覺不到它對圍棋的熱情和熱愛。”人工智能科學家們正在試圖讓機器更富“感情”、更聰明，“AlphaGo雖然很厲害，但並不會取悅你，希望未來的計算機並不僅僅是替你做一些工作，還能夠取悅你，讓你變得更開心。”戴文淵說道。

第四範式戴文淵：從落地痛點構建AI商業化能力

2018年被稱為人工智能落地年，依靠算法所帶來的紅利期即將結束，獨角獸們開始與更多行業場景深度結合進行落地。

在2018年CES Asia 第一財經“奇點舞臺”上，剛獲得三大國有銀行共同投資的人工智能公司第四範式創始人、首席執行官戴文淵，從現實應用層面出發，分享了人工智能在金融領域的探索，以及如何拓展產業布局，打開人工智能更多的商業想象空間。

金融是人工智能最有望實現規模化應用的行業之一，與以往銀行大多按需購買這樣的垂直技術不同，現如今銀行越來越多地開始從整體采購AI技術，伴隨行業的深度融合，人工智能給銀行傳統業務所帶來的改變也在深化。

在戴文淵看來，人工智能不僅能夠解決策略執行的問題，甚至已經可以扮演中間層的策略制定者。

例如在反欺詐方面，以往銀行制定反欺詐方案，需要業務專家總結經驗，而通常頂尖的專家團隊最多能制定出一千條專家規則，僅僅能夠覆蓋重點區域的典型欺詐場景。

但是在某全國性股份制商業銀行與第四範式的合作中，僅基於一年的交易數據，銀行就通過機器學習制定出了25億條反欺詐規則，不僅涵蓋“非典型區域”的“非典型特征”，對於犯罪團夥不斷更新中的欺詐方式也都一網打盡。最終，第四範式反欺詐解決方案的實際上線效果較傳統專家規則提升7.6倍。

金融行業受限於其自身特性，對場景安全等級要求很高，同時與之匹配的AI技術標準也更高，作為人工智能創業公司如何應對安全和技術標準問題？

對此戴文淵表示，在對企業服務的過程中，除了一定要遵守國家關於金融數據的法律法規，符合各種流程之外，更重要的是將技術以一種內核的方式附能給能夠接觸到涉密數據的人，由他們進行操作。而對於平臺型公司而言，要想構建完善的生態圈，一方面要看究竟能否幫助他們進行業務轉型，第二就是能否創造更多利潤。

人工智能的商業模式究竟從哪里開啟，to B還是to C？第四範式選擇了從B端開始。在戴文淵看來，科技發展會經歷不成熟到成熟階段，在科技非常不成熟的時候，一些超大型企業為了提前享受科技紅利，付出更多成本。

伴隨AI使用成本的不斷下降，人工智能產業化成本從幾億、幾十個億，降到了幾萬元的量級，對於C端而言仍然比較貴，更多局限於B端，未來成本降到幾十塊錢，人工智能C端市場機會也將打開。

人工智能產品的落地正改變著公司的競爭格局，也在倒逼公司延伸到產業鏈上下遊拓展自身業務。自我定位人工智能操作系統層之外，第四範式也開始計劃走向服務器層面。

“現在我們所能夠使用的服務器很多都很不適配於人工智能的計算要求，因此需要我們再往下探一層，如何搭建新的體系架構，產出新的更適合人工智能服務器。當服務器層比較完善的時候，可能會進一步解決芯片層的痛點。”戴文淵告訴第一財經。