近日, 在36氪主辦的商業新生態峰會——“智慧商業時代大會”上, 源碼資本投資合夥人、前金山軟體CEO張巨集江、餓了麼CTO張雪峰、AWS跨國企業部、市場和業務拓展總監林家偉、曠視科技聯合創始人兼CEO印奇、出門問問創始人兼CEO李志飛等嘉賓,
源碼資本投資合夥人、前金山CEO張宏江認為, 在大資料成熟的基礎上, 這波人工智慧浪潮會讓我們比以前更有信心。 他舉例, 每個人每天發佈朋友圈、標記的定位資料都會為人工智慧提供更多更好的資料訓練, 讓人工智慧變得真正“智慧”。 並且在今天, 我們有了非常強大的計算資源, 這也是具備信心的重要原因。
曠視科技CEO印奇認為, 人工智慧的終局重要, 但是路徑和週期更重要。 這將是一個非常長的週期, 需要更多的時間思考。 同時他提醒“人工智慧技術現在已經標準化”這樣的觀點比較危險,
AWS跨國企業部、市場和業務拓展總監林家偉指出, 亞馬遜把企業或將用到的“能力”平臺化。 基於深度學習, 亞馬遜開放了三方面人工智慧服務, 包括人臉識別、亞馬遜Polly(語音轉文字技術)、亞馬遜Lex(語音溝通的技術)。 這些技術綜合起來與垂直領域的應用能碰撞些火花。
此外, 碳雲智慧聯合創始人兼首席資訊官黎浩從資料的維度分享了“人工智慧與數位生命”的觀點。 他表示, 從生物醫學角度, 生命是可以被數位化的, 而數位生命則可以被人工智慧化, 從而被網路化。 這樣可以有效的幫助個人進行健康管理, 管理自己的生命資料, 從“對症下藥”的精准醫療變成“提前預防”的精准健康。
如果我們看下這一波人工智慧跟此前人工智慧火熱有什麼區別, 我覺得中國的發展勢頭來的比世界上任何地方都猛。 原因到底在哪兒?也許是因為AlphaGo, 它第一次在圍棋上, 在中國傳統的3000年的藝術上戰勝了人類, 使得我們對人工智慧刮目相看。
但回顧人工智慧過去60年來的發展, 我們今天談的人工智慧是人工智慧的一個分支, 也就是機器學習的這部分, 更具體的是機器學習裡面的用神經網路進行機器學習的技術, 或者說跟過去20多年前的那撥神經網路浪潮比起來, 是深度學習的技術。
基於資料驅動, 這一波AI浪潮令人信心倍增
這波人工智慧的浪潮會比以前讓我們更加有信心,
另外一個很重要的原因, 就是沒有大資料支援的同時, 也沒有如此巨大的資源的支持。 所以今天, 我們不光有深度學習的非常新的演算法, 更重要的是我們有了大資料, 我們有了非常非常強的計算資源, 所以這是這波AI浪潮非常重要的核心。
從技術上來看, 今天的深度學習跟以前的研究人工智慧的方法, 尤其是跟專家系統的方法有非常根本的區別。 今天的演算法實際上是基於資料的驅動,
這波浪潮三個大的特點, 第一是計算資源過去30年的突飛猛進對AI的支撐。 另外一個重要的支撐, 就是資料的爆炸。 根據IDC的調查, 在2013年到2020年, 整人類所創造的資料在這幾年內會有十倍的增長, 相當於每年增長40%。
每一天, 我們所產生的資料會超過10的19次方。 這是一個什麼概念?這些資料放在一個標準的iPad裡面存儲一下, 把iPad摞到一起可以從地球到月球走九趟半, 這就是我們每天產生的資料量。
和以前產生的資料不一樣的地方在於, 今天的資料是大量由互聯網產生的, 這些資料不光是品質好、資料量大, 而且是被標記過的。
或許你覺得自己每天產生的資料並沒有進行標記, 但是今天在拍照片的時候手機把你的時間、地點,把你是誰的這些資料都標記到每張照片上了。正是因為這些資料的爆炸,使得我們今天能夠為人工智慧提供更多更好的訓練資料。
給大家舉個例子,這是1997年我在美國惠普實驗室申請的一個專利。這個專利的圖很簡單,當你的移動設備拍照片以後,會把照片裡面的人臉摘出來,和你背後的資料庫進行比較,從而識別出來這個人是誰。
這是20年前的一個想法,它申請了專利,但這個專利正好今年作廢。經過了20年的發展,我們今天已經可以在手機上完成這件事情。當手機拍了大量的照片之後會發現,真正尋找這些照片的時候會出現一些問題,要麼就是根據地點、要麼就是根據時間,但是很多情況下記不住地點,也記住不時間,但是你知道跟誰在拍照片,所以用人臉識別是最好的方法。
另外一張照片是我們大家的合影,識別出認識的人和不認識的人,因為這些人對我來是也是第一次見面的,所以它會問你這些人是誰,一旦你告訴這個人是誰,以後這個人再出現在你的照片中就會自動的識別。所以這是我20年前的一個專利,今天在智慧手機上實現了。
為什麼20年前是個夢想,今天能實現?恰恰是我剛才說到的兩點,計算資源和大資料。
90年代開始做這個題目的時候,整個的資料庫只有幾百張照片,100多個人。經過十年以後依然是幾千張照片,直到五年前當Google、Facebook、微軟,這些工業的巨頭開始利用上百萬張、上億張照片開始訓練深層的神經網路的時候,用這種深度學習的方法來進行識別,我們才真正的把識別率提高了。
所以我想強調的是,當你的訓練資料規模開始呈現增長的時候,你的學習精度也開始有非常非常大的成長,比如說這塊我們可以很清晰的看到,當我們用260萬張照片進行訓練的時候,你可以看到你的精度到了76%,你把它提高一個數量級的時候,你可以發現你的精度又有10%的提高,所以這塊可以很清晰的看到它對於資料的依賴。同樣的演算法、同樣的資料,你發現你訓練所用的資源越大的話,訓練的精度也同樣得到線性的提高。
當技術本身,深度學習的演算法經過多年的改善後 ,加上大資料的驅動,加上計算資源的驅動,到了2015年時,這個技術就有一個質的提高。
今天許多公司所做的產品,其背後所用的訓練資料已經不是再幾千了,而是幾億,所標注過的人就是上億的人。這時候你所見到的不同的場景、不同的環境、不同的側面,資料的覆蓋面非常非常廣。
這也是今天為什麼像曠視,今天不光是中國的做人臉識別的巨頭,很多程度上也是世界做人臉識別的巨頭,正是因為中國遍佈全國各地的機場、火車站、交通路口的攝像頭,每天抓拍這麼多人臉的照片,使得我們的這些技術能夠在這些資料的驅動下獲得最好的精度。
如果你今天在中國的任何一個城市,只要是有攝像頭覆蓋的地方,做了任何一件壞事,基本上通過中國今天的人臉識別技術你是插翅難逃。
所以我想在這兒總結一下,這次的人工智慧的技術的核心在於機器學習,而機器學習在過去的幾年的發展中間,今天到了一個檻,這個檻就是說我們已經不再完全依賴於建模,而是從建模往大資料轉移。
AI對於人類未來的產業、生活有什麼影響?
在人類的科技發展史裡面,或者在我們技術發展史裡面總是有一些先知者,今天我想跟大家提到一點,原來微軟研究院的一個傑出的學者Jim,他十年前提出一個概念,人類科學研究的四個範式,從一開始純粹的觀察,到牛頓的數學理論方式描述整個世界,到五六年前開始用計算方法模擬世界,到今天用資料來驅動整體對於這個世界的描述。
正是因為這些技術的發展,大資料的普及,使得我們今天看到在全球各地的公司裡面,60%以上的歐美的IT公司已經有很大一部分公司開始把他們的業務建在大資料的基礎上。
我們看到在傳統的業務上,包括製造公司,都已經以很大的比例開始把他們的業務遷移到大資料的平臺上。這就是為什麼我們說資料成為了我們一個新的宗教,這也是為什麼像Intel這樣做晶片的公司,在過去大手筆的並購做人工智慧的公司,很重要的一條在於他們很清楚的相信,資料是一個新的能量。
比如說去年收購了以色列的一家公司做智慧駕駛的公司,很重要的一條在於,如果我們今天看人工智慧駕駛車的話,它每天都能創造超過4ZB的資料,如果你一定掌握了這些資料,自然就掌握了驅動未來新的技術發展的燃料。只有你掌握了這種新的技術,才能夠讓你的晶片更好的為這些技術服務,為這些應用服務,這是背後Intel並購邏輯。
今天剛剛談到了AI這撥的發展背後的兩大驅動力,計算和資料,尤其是大資料的驅動力。我們今天跟大家分享一下AI的未來對於我們產業、對於我們生活到底有什麼影響,我想從兩個角度來看。
第一個角度就是說AI能夠做的人做的事情,但是會以最快的速度、更大的規模。人類能不能像AlphaGo一樣下一百萬盤棋,這是不可能的。
第二個角度是否能像特斯拉那樣,每天從路上跑的幾十萬輛車裡學習它們的資料。再一個就是人類能否瞬間比較出所有攝像頭拍出的人臉的資料,顯然我們也不如機器。所以無論從速度上,從群體學習的能力上,還是從規模上,我們都比不上製造出來的機器。所以機器在這點上,人工智慧的機器在未來不光是能夠輔助人,而且能夠代替人或者超越人,我們對這點不應該懷疑。
我們原來說機器在有邏輯的,有數學表達的應用上可能會很快超過人,代替人。是不是在人類能夠做,但是人類不能夠描述出來,比如說怎麼開車、怎麼騎自行車、怎麼畫畫,今天我們從AlphaGo的表現已經很清楚的看到,正是在這些無法用數學明確的描述的場景下,機器也開始超過人了。
所以,機器無論是在自動駕駛這塊還是在畫畫這塊,都已經表現出非常出色的能力,而且柯傑在和AlphaGo下棋之後說了一句話,人類的發展我們只看到了冰山一角,而AlphaGo是上帝的視角。
我們如果用爬山來看的話,只是看到了周圍,這是我們過去3000年看到的。AlphaGo經過了這麼幾年的訓練,它爬的山比我們高得過,所以它看到整個的佈局比我們廣泛得多,而我們人類只看到了中間很小一部分,相當於它具備了上帝的視角。
未來,顯然有很多行業會被AI所取代。翻譯、新聞記者的寫作、投行的分析師、計程車等。今天,美國政府已經在組織一個團隊來處理未來十年中,當自動駕駛取代了卡車司機這一行以後,會對美國就業率的衝擊。
大家千萬不要小看卡車司機的行業,美國有350萬卡車司機,周圍為他服務的還有500萬人。就是說有800多萬人的工作和卡車相關。當自動駕駛卡車開始出現的時候,差不多有800萬的職業差不多消失掉,整個美國的就業人口是1.2億,800萬就相當於7%。當7%的就業人口消失以後,會對社會產生多大的影響。
如何判斷這一波AI浪潮的創業和投資機會?
未來,我們希望是從人工智慧變成智慧輔助,這是我們人類的一廂情願,我們希望造出一個機器能輔助我們,而不是代替我們。實際上我們未來看到的是AI在很多很多場景下會取代我們的工作。過去技術的發展,我們到了一個所謂的出發點,在以前的話因為人類創造技術,技術的發展我們人類總覺得我們能夠把握,所以當新的技術開始出現的時候,人類的適應程度就趕上它,能夠適應這種新的技術。
今天,技術發展的速度超過了人的適應速度,這種情況下其實我們就開始有些危機感了,技術發展超過我們人類平均的適應的程度,那麼這時候我們就知道有很多工作會被機器取代,肯定有很多人會失去工作。
《未來簡史》有一個觀點,就是說未來AI的發展可能給我們帶來的是這個世界上只有兩種人,一種叫神人,一種叫閒人。可怕的是神人可能只有1%,99%的閒人,就是當這個世界上90%的工作被電腦所取代的時候,這時候才會帶來一系列的社會問題。
當然也有人說有三種人可以替代AI的衝擊,一個是資本家,做投資、做VC的,顯然大家不用擔心,你只要能夠融到錢,投准項目就沒錯。此外就是明星和手藝人。
我們想想這三種人都不會占人口超過1%的比例,所以技術進步的加速給我們帶來的不光是對工作的影響,更深層次的是對文化、價值、倫理,整個社會,包括地緣政治,這些所帶來的影響我們其實今天很難預測。
兩個星期前我去日內瓦聯合國第一次關於AI的大會,講的全都是針對AI未來發展我們人類應該制定什麼樣的政策法規,保證AI健康發展,保證它是給人類帶來益處的。當然總是有一些非常樂觀的人,包括寫《世界是平的》這本書的作者,一個月之前我在北京見他,我問他關於AI的問題,他有一個很好的解釋,是非常樂觀的預測:如果你看人類幾千年的發展,一開始靠的是自己的一雙手。到了工業革命之後,到了電腦革命之後,人們開始靠自己的腦袋,誰的大腦比較聰明就能獲得更多的價值。而未來,則是靠你的藝術、你的心裡創造的東西。
但我其實想反問他一個問題,就是說靠心創造出來的東西有多少是能夠供其他人消費的?這個世界的藝術家我們需要有多少?這個世界上的心理學家我們需要多少?這個世界上的文學家我們需要多少?所以我想依然沒有能回答我們所說的“神人”和“閒人”的問題,所以這次AI所帶來的革命可能是我們一開始想像不到的這種深刻。
今天我們談到很多很多關於AI能夠取代我們的方面,或者說今天我們看中國的市場上大家對於AI充滿了幻想,投資方面有很多的泡沫。根本的一點就是人們沒有認清楚到底AI今天能夠做的很強的地方在於哪兒,做不到的地方在哪兒。
我想告訴大家,凡是跟感知相關的語音辨識、圖像識別,這兩個很典型的,今天的AI已經超過了人類。凡是跟理解認知相關的,今天AI還是有很長的路要走。也就是說強AI,這種通用的AI,今天依然有非常漫長的道路,所以有任何人跟你說他做出一個模擬人類思維的體系的話,基本上你就可以打一個非常大的折扣了。
既然這波AI的浪潮跟以前不一樣,能夠改變我們的未來。那麼我們作為從業人員、作為投資人,我們應該怎麼來判斷AI這個機會,判斷投資機會呢?
我最近看到互聯網女王Mary的報告,她總結的非常好的一點,就是說在18世紀之前農耕社會的時候人們是靠種植收割來生存的,靠手工做的;到19世紀、20世紀工業革命的時候人們靠機器,靠工業;21世紀,人們靠的是電腦的能力和人的能力的這種結合,或者人的潛力的結合。
智慧這塊的平臺是什麼,我想我們應該注意到應用層,尤其是我們要看到哪些應用規模特別大,而它又能夠產生大量的資料,當你有資料,規模又大的時候,自然這個時候人工智慧就能夠被引進來改善它的整體的效率,從而使得生產率有進一步的提高,從而創造出新的應用出來,從而能夠產生一些新的有規模的企業。
我們在判斷AI投資的時候有一點要想清楚,就是AI這波新的浪潮,跟上一撥互聯網的浪潮有很大的不一樣。
互聯網重點在於商業模式的驅動,互聯網的新的商業模式怎麼更好的應用在我們的生活和工作場景的時候,出現了一大批新的公司。而且在to C的方面基本上都是公司,今天的AI特徵非常不一樣,它是技術驅動的,而且是從顛覆現有的行業開始,不是會把這個行業消失,而是讓這個行業變得非常有效,所以說和垂直的應用要結合的非常緊密。
如果我們說今天是互聯網+的時代,而智慧AI從一開始就應該進入到智慧+的時代。所以判斷一下今天,如果大家是做投資的話很清楚,任何一家公司都說自己的是AI的公司,所以泡沫非常非常嚴重,尤其在圖像識別、機器人的自動駕駛推廣方面,恨不得你去一個產業園有三家都是做自動駕駛的公司。
這塊我們有幾點要把握住,如果說這個公司只有演算法,只有幾個牛人,沒有資料、沒有應用場景,或者說他未來依然很難拿到資料的話,這樣的公司做不大,很難持久。做AI晶片這塊我們也要非常非常小心,因為做晶片本身是一個非常耗資源的事。總之在你看這些企業的時候,大家要想清楚這家公司今天有沒有資料,而且能不能夠持續的生產、獲取、控制資料,能不能對資料的佔有程度比別人高,這些都是最根本的。我們想說的是技術本身並不一定能形成護城河,只有當技術和獲取資料的能力結合的時候,它才有一個非常強的護城河。
我這兒舉個例子,大家知道今日頭條過去五年迅速的成長,背後的原因在哪兒?其實背後的原因就是解決了人們非常非常根本的需求,就是把人和資訊連在一塊。
創業的時候要記住三點:
第一點是智慧+人工智慧是我們未來的一個核心的競爭力,這點是毫無疑問的。
第二個,AI的產業現在有三種模式,一個是自主開發,一個是憑技術,憑人力給別人做諮詢,今天我們看到太多的公司屬於第二類,基本上就是有技術,有幾個人,這些人很強,但是沒有資料,然後應用場景也不屬於他,所以基本是做諮詢服務,這不可能做非常大的規模。
第三個就是人工智慧即服務,AI做線上服務,我們知道這些巨頭,Google、微軟、百度,核心的一點就是競爭門檻,我們都知道人是競爭門檻,但是大家可能沒有意識到資料才是AI另外一個最重要的競爭門檻。
最後一點,就是AI是中國創業公司的一個機會,因為資料和人才。世界上所有的刊物裡面發表的關於機器學習的,尤其是深度學習,神經網路論文作者裡面,中國的作者在2014年就超過了美國,所以中國的AI的人才至少在數量上我們是不缺的。這是我在網上抓到的一張圖,每60秒鐘在中國的互聯網上所發生的事件,這些數字,所說明的一點就是每天、每小時、每分鐘,在中國創造的已經標注的資料量在世界上是最大的,基數大、資料量大,這兩個數據恰恰回應了我剛才說到的AI創業的門檻,資料+人才。
本文來自獵雲網,如若轉載,請注明出處:http://www.lieyunwang.com/archives/330825
但是今天在拍照片的時候手機把你的時間、地點,把你是誰的這些資料都標記到每張照片上了。正是因為這些資料的爆炸,使得我們今天能夠為人工智慧提供更多更好的訓練資料。給大家舉個例子,這是1997年我在美國惠普實驗室申請的一個專利。這個專利的圖很簡單,當你的移動設備拍照片以後,會把照片裡面的人臉摘出來,和你背後的資料庫進行比較,從而識別出來這個人是誰。
這是20年前的一個想法,它申請了專利,但這個專利正好今年作廢。經過了20年的發展,我們今天已經可以在手機上完成這件事情。當手機拍了大量的照片之後會發現,真正尋找這些照片的時候會出現一些問題,要麼就是根據地點、要麼就是根據時間,但是很多情況下記不住地點,也記住不時間,但是你知道跟誰在拍照片,所以用人臉識別是最好的方法。
另外一張照片是我們大家的合影,識別出認識的人和不認識的人,因為這些人對我來是也是第一次見面的,所以它會問你這些人是誰,一旦你告訴這個人是誰,以後這個人再出現在你的照片中就會自動的識別。所以這是我20年前的一個專利,今天在智慧手機上實現了。
為什麼20年前是個夢想,今天能實現?恰恰是我剛才說到的兩點,計算資源和大資料。
90年代開始做這個題目的時候,整個的資料庫只有幾百張照片,100多個人。經過十年以後依然是幾千張照片,直到五年前當Google、Facebook、微軟,這些工業的巨頭開始利用上百萬張、上億張照片開始訓練深層的神經網路的時候,用這種深度學習的方法來進行識別,我們才真正的把識別率提高了。
所以我想強調的是,當你的訓練資料規模開始呈現增長的時候,你的學習精度也開始有非常非常大的成長,比如說這塊我們可以很清晰的看到,當我們用260萬張照片進行訓練的時候,你可以看到你的精度到了76%,你把它提高一個數量級的時候,你可以發現你的精度又有10%的提高,所以這塊可以很清晰的看到它對於資料的依賴。同樣的演算法、同樣的資料,你發現你訓練所用的資源越大的話,訓練的精度也同樣得到線性的提高。
當技術本身,深度學習的演算法經過多年的改善後 ,加上大資料的驅動,加上計算資源的驅動,到了2015年時,這個技術就有一個質的提高。
今天許多公司所做的產品,其背後所用的訓練資料已經不是再幾千了,而是幾億,所標注過的人就是上億的人。這時候你所見到的不同的場景、不同的環境、不同的側面,資料的覆蓋面非常非常廣。
這也是今天為什麼像曠視,今天不光是中國的做人臉識別的巨頭,很多程度上也是世界做人臉識別的巨頭,正是因為中國遍佈全國各地的機場、火車站、交通路口的攝像頭,每天抓拍這麼多人臉的照片,使得我們的這些技術能夠在這些資料的驅動下獲得最好的精度。
如果你今天在中國的任何一個城市,只要是有攝像頭覆蓋的地方,做了任何一件壞事,基本上通過中國今天的人臉識別技術你是插翅難逃。
所以我想在這兒總結一下,這次的人工智慧的技術的核心在於機器學習,而機器學習在過去的幾年的發展中間,今天到了一個檻,這個檻就是說我們已經不再完全依賴於建模,而是從建模往大資料轉移。
AI對於人類未來的產業、生活有什麼影響?
在人類的科技發展史裡面,或者在我們技術發展史裡面總是有一些先知者,今天我想跟大家提到一點,原來微軟研究院的一個傑出的學者Jim,他十年前提出一個概念,人類科學研究的四個範式,從一開始純粹的觀察,到牛頓的數學理論方式描述整個世界,到五六年前開始用計算方法模擬世界,到今天用資料來驅動整體對於這個世界的描述。
正是因為這些技術的發展,大資料的普及,使得我們今天看到在全球各地的公司裡面,60%以上的歐美的IT公司已經有很大一部分公司開始把他們的業務建在大資料的基礎上。
我們看到在傳統的業務上,包括製造公司,都已經以很大的比例開始把他們的業務遷移到大資料的平臺上。這就是為什麼我們說資料成為了我們一個新的宗教,這也是為什麼像Intel這樣做晶片的公司,在過去大手筆的並購做人工智慧的公司,很重要的一條在於他們很清楚的相信,資料是一個新的能量。
比如說去年收購了以色列的一家公司做智慧駕駛的公司,很重要的一條在於,如果我們今天看人工智慧駕駛車的話,它每天都能創造超過4ZB的資料,如果你一定掌握了這些資料,自然就掌握了驅動未來新的技術發展的燃料。只有你掌握了這種新的技術,才能夠讓你的晶片更好的為這些技術服務,為這些應用服務,這是背後Intel並購邏輯。
今天剛剛談到了AI這撥的發展背後的兩大驅動力,計算和資料,尤其是大資料的驅動力。我們今天跟大家分享一下AI的未來對於我們產業、對於我們生活到底有什麼影響,我想從兩個角度來看。
第一個角度就是說AI能夠做的人做的事情,但是會以最快的速度、更大的規模。人類能不能像AlphaGo一樣下一百萬盤棋,這是不可能的。
第二個角度是否能像特斯拉那樣,每天從路上跑的幾十萬輛車裡學習它們的資料。再一個就是人類能否瞬間比較出所有攝像頭拍出的人臉的資料,顯然我們也不如機器。所以無論從速度上,從群體學習的能力上,還是從規模上,我們都比不上製造出來的機器。所以機器在這點上,人工智慧的機器在未來不光是能夠輔助人,而且能夠代替人或者超越人,我們對這點不應該懷疑。
我們原來說機器在有邏輯的,有數學表達的應用上可能會很快超過人,代替人。是不是在人類能夠做,但是人類不能夠描述出來,比如說怎麼開車、怎麼騎自行車、怎麼畫畫,今天我們從AlphaGo的表現已經很清楚的看到,正是在這些無法用數學明確的描述的場景下,機器也開始超過人了。
所以,機器無論是在自動駕駛這塊還是在畫畫這塊,都已經表現出非常出色的能力,而且柯傑在和AlphaGo下棋之後說了一句話,人類的發展我們只看到了冰山一角,而AlphaGo是上帝的視角。
我們如果用爬山來看的話,只是看到了周圍,這是我們過去3000年看到的。AlphaGo經過了這麼幾年的訓練,它爬的山比我們高得過,所以它看到整個的佈局比我們廣泛得多,而我們人類只看到了中間很小一部分,相當於它具備了上帝的視角。
未來,顯然有很多行業會被AI所取代。翻譯、新聞記者的寫作、投行的分析師、計程車等。今天,美國政府已經在組織一個團隊來處理未來十年中,當自動駕駛取代了卡車司機這一行以後,會對美國就業率的衝擊。
大家千萬不要小看卡車司機的行業,美國有350萬卡車司機,周圍為他服務的還有500萬人。就是說有800多萬人的工作和卡車相關。當自動駕駛卡車開始出現的時候,差不多有800萬的職業差不多消失掉,整個美國的就業人口是1.2億,800萬就相當於7%。當7%的就業人口消失以後,會對社會產生多大的影響。
如何判斷這一波AI浪潮的創業和投資機會?
未來,我們希望是從人工智慧變成智慧輔助,這是我們人類的一廂情願,我們希望造出一個機器能輔助我們,而不是代替我們。實際上我們未來看到的是AI在很多很多場景下會取代我們的工作。過去技術的發展,我們到了一個所謂的出發點,在以前的話因為人類創造技術,技術的發展我們人類總覺得我們能夠把握,所以當新的技術開始出現的時候,人類的適應程度就趕上它,能夠適應這種新的技術。
今天,技術發展的速度超過了人的適應速度,這種情況下其實我們就開始有些危機感了,技術發展超過我們人類平均的適應的程度,那麼這時候我們就知道有很多工作會被機器取代,肯定有很多人會失去工作。
《未來簡史》有一個觀點,就是說未來AI的發展可能給我們帶來的是這個世界上只有兩種人,一種叫神人,一種叫閒人。可怕的是神人可能只有1%,99%的閒人,就是當這個世界上90%的工作被電腦所取代的時候,這時候才會帶來一系列的社會問題。
當然也有人說有三種人可以替代AI的衝擊,一個是資本家,做投資、做VC的,顯然大家不用擔心,你只要能夠融到錢,投准項目就沒錯。此外就是明星和手藝人。
我們想想這三種人都不會占人口超過1%的比例,所以技術進步的加速給我們帶來的不光是對工作的影響,更深層次的是對文化、價值、倫理,整個社會,包括地緣政治,這些所帶來的影響我們其實今天很難預測。
兩個星期前我去日內瓦聯合國第一次關於AI的大會,講的全都是針對AI未來發展我們人類應該制定什麼樣的政策法規,保證AI健康發展,保證它是給人類帶來益處的。當然總是有一些非常樂觀的人,包括寫《世界是平的》這本書的作者,一個月之前我在北京見他,我問他關於AI的問題,他有一個很好的解釋,是非常樂觀的預測:如果你看人類幾千年的發展,一開始靠的是自己的一雙手。到了工業革命之後,到了電腦革命之後,人們開始靠自己的腦袋,誰的大腦比較聰明就能獲得更多的價值。而未來,則是靠你的藝術、你的心裡創造的東西。
但我其實想反問他一個問題,就是說靠心創造出來的東西有多少是能夠供其他人消費的?這個世界的藝術家我們需要有多少?這個世界上的心理學家我們需要多少?這個世界上的文學家我們需要多少?所以我想依然沒有能回答我們所說的“神人”和“閒人”的問題,所以這次AI所帶來的革命可能是我們一開始想像不到的這種深刻。
今天我們談到很多很多關於AI能夠取代我們的方面,或者說今天我們看中國的市場上大家對於AI充滿了幻想,投資方面有很多的泡沫。根本的一點就是人們沒有認清楚到底AI今天能夠做的很強的地方在於哪兒,做不到的地方在哪兒。
我想告訴大家,凡是跟感知相關的語音辨識、圖像識別,這兩個很典型的,今天的AI已經超過了人類。凡是跟理解認知相關的,今天AI還是有很長的路要走。也就是說強AI,這種通用的AI,今天依然有非常漫長的道路,所以有任何人跟你說他做出一個模擬人類思維的體系的話,基本上你就可以打一個非常大的折扣了。
既然這波AI的浪潮跟以前不一樣,能夠改變我們的未來。那麼我們作為從業人員、作為投資人,我們應該怎麼來判斷AI這個機會,判斷投資機會呢?
我最近看到互聯網女王Mary的報告,她總結的非常好的一點,就是說在18世紀之前農耕社會的時候人們是靠種植收割來生存的,靠手工做的;到19世紀、20世紀工業革命的時候人們靠機器,靠工業;21世紀,人們靠的是電腦的能力和人的能力的這種結合,或者人的潛力的結合。
智慧這塊的平臺是什麼,我想我們應該注意到應用層,尤其是我們要看到哪些應用規模特別大,而它又能夠產生大量的資料,當你有資料,規模又大的時候,自然這個時候人工智慧就能夠被引進來改善它的整體的效率,從而使得生產率有進一步的提高,從而創造出新的應用出來,從而能夠產生一些新的有規模的企業。
我們在判斷AI投資的時候有一點要想清楚,就是AI這波新的浪潮,跟上一撥互聯網的浪潮有很大的不一樣。
互聯網重點在於商業模式的驅動,互聯網的新的商業模式怎麼更好的應用在我們的生活和工作場景的時候,出現了一大批新的公司。而且在to C的方面基本上都是公司,今天的AI特徵非常不一樣,它是技術驅動的,而且是從顛覆現有的行業開始,不是會把這個行業消失,而是讓這個行業變得非常有效,所以說和垂直的應用要結合的非常緊密。
如果我們說今天是互聯網+的時代,而智慧AI從一開始就應該進入到智慧+的時代。所以判斷一下今天,如果大家是做投資的話很清楚,任何一家公司都說自己的是AI的公司,所以泡沫非常非常嚴重,尤其在圖像識別、機器人的自動駕駛推廣方面,恨不得你去一個產業園有三家都是做自動駕駛的公司。
這塊我們有幾點要把握住,如果說這個公司只有演算法,只有幾個牛人,沒有資料、沒有應用場景,或者說他未來依然很難拿到資料的話,這樣的公司做不大,很難持久。做AI晶片這塊我們也要非常非常小心,因為做晶片本身是一個非常耗資源的事。總之在你看這些企業的時候,大家要想清楚這家公司今天有沒有資料,而且能不能夠持續的生產、獲取、控制資料,能不能對資料的佔有程度比別人高,這些都是最根本的。我們想說的是技術本身並不一定能形成護城河,只有當技術和獲取資料的能力結合的時候,它才有一個非常強的護城河。
我這兒舉個例子,大家知道今日頭條過去五年迅速的成長,背後的原因在哪兒?其實背後的原因就是解決了人們非常非常根本的需求,就是把人和資訊連在一塊。
創業的時候要記住三點:
第一點是智慧+人工智慧是我們未來的一個核心的競爭力,這點是毫無疑問的。
第二個,AI的產業現在有三種模式,一個是自主開發,一個是憑技術,憑人力給別人做諮詢,今天我們看到太多的公司屬於第二類,基本上就是有技術,有幾個人,這些人很強,但是沒有資料,然後應用場景也不屬於他,所以基本是做諮詢服務,這不可能做非常大的規模。
第三個就是人工智慧即服務,AI做線上服務,我們知道這些巨頭,Google、微軟、百度,核心的一點就是競爭門檻,我們都知道人是競爭門檻,但是大家可能沒有意識到資料才是AI另外一個最重要的競爭門檻。
最後一點,就是AI是中國創業公司的一個機會,因為資料和人才。世界上所有的刊物裡面發表的關於機器學習的,尤其是深度學習,神經網路論文作者裡面,中國的作者在2014年就超過了美國,所以中國的AI的人才至少在數量上我們是不缺的。這是我在網上抓到的一張圖,每60秒鐘在中國的互聯網上所發生的事件,這些數字,所說明的一點就是每天、每小時、每分鐘,在中國創造的已經標注的資料量在世界上是最大的,基數大、資料量大,這兩個數據恰恰回應了我剛才說到的AI創業的門檻,資料+人才。
本文來自獵雲網,如若轉載,請注明出處:http://www.lieyunwang.com/archives/330825