“全世界在經歷第三波人工智慧浪潮， 這波AI新浪潮跟互聯網浪潮有很大不同。 互聯網的重點在於商業模式的驅動， 而AI則是由技術驅動的。 ”
在6月28日舉辦的2017商業新生態峰會上， 源碼資本投資合夥人張宏江博士解析了這一波人工智慧熱浪的實質， 並分享了會帶來哪些挑戰與機會。
張宏江博士認為， 人工智慧技術的核心機器學習已經從傳統的數學建模向依賴大資料學習轉移了。 這波人工智慧浪潮會帶來更多的可能， 有賴於行業的大資料和AI的人才儲備， 中國有望在技術上引領世界， 這對於中國的創業公司來說是一個機會。
在AI如何影響人類的生活上， 張宏江博士表示， 我們應該做好準備， 未來人工智慧不光能夠輔助人， 而且能夠代替人或者超越人， 因為新的AI演算法已經具備了“上帝的視角”。 而目前， 凡是跟感知相關的語音辨識、圖像識別， AI已經超過了人類。 凡是跟理解認知相關的， AI還是有很長的路要走。
張宏江博士還在現場提醒創業者和投資人， 目前， 任何一家公司都敢說自己是AI公司， 所以泡沫非常非常嚴重。 如果說這個公司只有演算法， 只有幾個牛人， 沒有資料或很難拿到資料、沒有應用場景， 這樣的公司做不大。
以下是張宏江博士演講實錄整理的內容馮總、各位嘉賓， 各位早上好。 非常高興今天參加36氪組織的這個論壇。
我想今天花點時間跟大家聊一聊這一波人工智慧熱浪的實質以及會給我們帶來哪些挑戰與機會。
這一波人工智慧的浪潮跟以前的有什麼區別？我認為中國這波來人工智慧的熱浪比世界上任何地方都猛。 原因也許是AlphaGo第一次在圍棋上戰勝了人類， 使得我們對人工智慧刮目相看。
但我們從人工智慧過去60年來的發展來看， 我們今天談的人工智慧的核心是人工智慧的一個分支—機器學習， 更具體地說是機器學習中用神經網路進行機器學習的技術， 即深度學習的技術。
80年代中期到90年代初是AI的第二波浪潮， 很迅速地就消失了， 以至於我們很長一段時間都不好意思說自己是學人工智慧的， 很重要的原因是當時神經網路非常非常熱，
今天， 我們不光有深度學習非常新的演算法， 更重要我們有了高品質的已標注的大資料， 有了非常強的計算資源， 從技術上來看， 今天的深度學習跟以前的人工智慧的方法， 尤其是與專家系統的方法有根本的區別。
我們今天的演算法實際上是基於資料驅動的， 而不是僅僅依賴於經驗規則。
我們來看看這波AI浪潮的兩大驅動：第一：計算資源在過去30年突飛猛進。 在過去的幾十年發展中， 我們看到人類的超級電腦的性能的指數增長和單位價格的指數下降。 第二：AI的另一重要支撐資料開始大爆發。
根據IDC的調查， 整個人類所創造的資料在2013年至2020年間會有十倍的增長， 相當於每年增長率在40%左右。 我們每天所產生的資料已經超過了10的19次方Byte。
今天大量的資料是由互聯網產生， 這些資料不光是資料量大， 而且是被標記過的， 比如你的手機會記錄下你所拍的照片的時間、地點等等資訊。 正是因為這些資料的爆炸， 使得我們能夠為人工智慧提供更多更好的訓練資料。
講一個我自己的經歷， 今天的智慧手機都能拍照片和識別人臉， 不只是給人臉做一些美化， 還能告訴你這張照片都有多少人， 什麼人。 這是我20年前的夢想， 有一個移動設備能夠告訴你拍攝的照片裡面都有什麼人。
經過了20年的發展，
五年前當穀歌、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時， 用深度學習的方法來進行識別時， 我們才真正的把識別率提高了， 在上億張照片裡準確識別出人。 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。 訓練所用的資源和資料越大， 訓練的精度也同樣得到線性提高。
今天這些AI公司所做的產品， 背後所用的訓練資料已經不是再幾千萬， 而是幾億，覆蓋了面非常廣，包括不同的場景、不同的環境、不同的側面。這也是今天為什麼曠視科技這樣的公司，不只是中國人臉識別技術的巨頭，也是世界人臉識別的領先者。
所以我想在這兒總結一下，這次的人工智慧技術的核心在於機器學習，而機器學習已經從經典的理論建模往大資料驅動轉移了。
在人類的科技發展史裡總是有一些先知者，今天我想跟大家介紹原來微軟研究院的一個傑出的學者Jim Gray，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，到五六十年前開始用計算方法模擬世界，到今天第四範式用資料來驅動整體的研究。
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，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，包括，IT公司、傳統製造業公司。
資料成為了我們一個新的宗教，這也是為什麼像英特爾這樣做晶片的公司，在過去大手筆並購做人工智慧的公司，因為資料是一個新的燃料。
剛剛談到了AI這撥的發展背後的兩大驅動力，計算和資料， 下面跟大家分享一下AI的未來對於我們產業、對於我們生活到底有什麼影響。
第一個角度是說AI能夠做的人能夠做的事情，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。
第二人類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。
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，但是不能夠用數學公式描述出來，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。
那麼機器其實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，“人類圍棋幾千年的發展我們只看到了冰山一角，而AlphaGo則有了上帝的視角。”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”。
這時候我們想想AlphaGo所代表的未來，也就是說智慧系統、智慧型機器，未來會超過人、替代人。其實在人類發展的歷史上，或者在整個地球發展的歷史上，我們可以看到有很多生物，當人類從一開始的猿人變成智人的時候我們的能力遠遠超過了它們，所以圖靈在很多年前就說過，說當上帝創造了人類之後，很多動物已經覺得自己的命運很悲哀了。
今天當我們看到人工智慧超越人類的時候，也許我們應該想一下，當初上帝創造了人之後，這些高級動物的感覺。今天其實我們已經到了這種轉捩點。
顯然，未來有很多行業會被AI所取代，翻譯、新聞記者的寫作、投行的分析師，今天美國政府已經在組織一個團隊來應對未來十年中，自動駕駛取代了卡車司機後對美國就業率的衝擊。美國有800多萬人的工作與卡車相關，而整個美國的就業人口是1.2億。可見這個影響之大。
未來我們希望是從人工智慧變成智慧輔助，但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，我們看到的是未來AI在很多很多場景下會取代我們。
如果大家看過《人類簡史》這本書，大家喜歡這個作者的話，不妨看一下他另外一本書叫《未來簡史》，他提出了一個觀點，說未來AI的發展可能讓世界上產生兩種人，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。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。
也有人說有三種人可以替代AI的衝擊，一個是資本家，在座的做投資、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。還有明星和手藝人。但這三種人都不會超過人口總數的1%。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、倫理的影響，其實今天很難預測。
深度學習還有另外一個問題，就是說當它的性能不斷地提高的時候，尤其被大資料驅動的時候，我們可能不得不接受一個現實，很多情況下深度學習所做出的決定，它是不能夠自我解釋的。
我們還是應該清醒的認識到我們今天談的是智慧的機器，而不是機器的智慧，或者說機器的智慧跟人的智慧還是有很大的距離。今天我們看到中國市場上對於AI充滿幻想，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今天很強的地方在哪兒，做不到的地方在哪兒。
不過，我想告訴大家，凡是跟感知相關的語音辨識、圖像識別，今天的AI演算法許多情況下已經超過了人類。但凡是跟理解認知相關的，AI還是有很長的路要走。所以有任何人跟你說，他做出一個能夠模擬人類思維的AI體系，基本上就可以打一個非常大的折扣了。
既然這波AI浪潮跟以前不一樣，那麼作為從業人員和投資人員，我們應該怎麼來判斷AI這個機會，判斷投資機會呢？
互聯網女王Mary的報告有一點總結的非常好，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世紀的話人們靠的是電腦的能力和人的能力的結合。
我們投資的時候一定要想的是，AI哪些方面，能夠讓人的潛力得到更高的發揮。過去這幾波科技浪潮，每波科技浪潮總會出現平臺的公司。
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，自然人工智慧就能夠被引進來，改善整體效率，從而使得生產率有進一步的提高，創造出新的應用，從而能夠產生一些有規模的企業。
我們在判斷AI投資的時候有一點要想清楚：AI這波新的浪潮，跟上一波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，而AI是技術驅動的。AI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。
大家做投資應該很清楚，現在任何一家公司都說自己是AI公司，所以泡沫非常非常嚴重。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。
在你看這些AI企業的時候，要想清楚這家公司今天有沒有資料，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。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根本的需求，把人和資訊連在一塊。我們幾千年前就以在繩子上打結的方式記錄一些事件。活字印刷，造紙術出現以後，資訊的傳遞就變得更加的方便。到了PC互聯網時代，我們知道互聯網實際上是把所有的資訊連接在一起，用互聯網的方式呈現出來。
到了智慧手機和移動時代，我們知道這時候你的資訊終端永遠在你手上。人們獲取資訊就比以前方便多了，同時也產生了資訊爆炸。資訊產生的速度比你看的速度快得多，這時候PC互聯網時代的搜索已經變得不能夠滿足人們的需求了，你不能夠再讓人去找資訊了，而是你知道這個人需要資訊的時候把資訊推給他。這恰恰是今日頭條的核心的商業模式，其核心是技術。今日頭條通過對人工智慧的演算法，通過大資料的演算法，通過你手機上所產生的資料，對你需要什麼樣的資訊，何時需要資訊瞭若指掌。
當我們意識到這波AI的潛力時，當我們知道這波AI所能帶來的價值時，我們創業的時候要記住三點，第一點是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，一個是賣技術，一個是人工智慧即服務。
目前大多數的公司屬於第二類，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，這不可能做到非常大的規模。
謝謝大家。
而是幾億，覆蓋了面非常廣，包括不同的場景、不同的環境、不同的側面。這也是今天為什麼曠視科技這樣的公司，不只是中國人臉識別技術的巨頭，也是世界人臉識別的領先者。所以我想在這兒總結一下，這次的人工智慧技術的核心在於機器學習，而機器學習已經從經典的理論建模往大資料驅動轉移了。
在人類的科技發展史裡總是有一些先知者，今天我想跟大家介紹原來微軟研究院的一個傑出的學者Jim Gray，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，到五六十年前開始用計算方法模擬世界，到今天第四範式用資料來驅動整體的研究。
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，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，包括，IT公司、傳統製造業公司。
資料成為了我們一個新的宗教，這也是為什麼像英特爾這樣做晶片的公司，在過去大手筆並購做人工智慧的公司，因為資料是一個新的燃料。
剛剛談到了AI這撥的發展背後的兩大驅動力，計算和資料， 下面跟大家分享一下AI的未來對於我們產業、對於我們生活到底有什麼影響。
第一個角度是說AI能夠做的人能夠做的事情，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。
第二人類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。
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，但是不能夠用數學公式描述出來，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。
那麼機器其實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，“人類圍棋幾千年的發展我們只看到了冰山一角，而AlphaGo則有了上帝的視角。”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”。
這時候我們想想AlphaGo所代表的未來，也就是說智慧系統、智慧型機器，未來會超過人、替代人。其實在人類發展的歷史上，或者在整個地球發展的歷史上，我們可以看到有很多生物，當人類從一開始的猿人變成智人的時候我們的能力遠遠超過了它們，所以圖靈在很多年前就說過，說當上帝創造了人類之後，很多動物已經覺得自己的命運很悲哀了。
今天當我們看到人工智慧超越人類的時候，也許我們應該想一下，當初上帝創造了人之後，這些高級動物的感覺。今天其實我們已經到了這種轉捩點。
顯然，未來有很多行業會被AI所取代，翻譯、新聞記者的寫作、投行的分析師，今天美國政府已經在組織一個團隊來應對未來十年中，自動駕駛取代了卡車司機後對美國就業率的衝擊。美國有800多萬人的工作與卡車相關，而整個美國的就業人口是1.2億。可見這個影響之大。
未來我們希望是從人工智慧變成智慧輔助，但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，我們看到的是未來AI在很多很多場景下會取代我們。
如果大家看過《人類簡史》這本書，大家喜歡這個作者的話，不妨看一下他另外一本書叫《未來簡史》，他提出了一個觀點，說未來AI的發展可能讓世界上產生兩種人，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。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。
也有人說有三種人可以替代AI的衝擊，一個是資本家，在座的做投資、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。還有明星和手藝人。但這三種人都不會超過人口總數的1%。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、倫理的影響，其實今天很難預測。
深度學習還有另外一個問題，就是說當它的性能不斷地提高的時候，尤其被大資料驅動的時候，我們可能不得不接受一個現實，很多情況下深度學習所做出的決定，它是不能夠自我解釋的。
我們還是應該清醒的認識到我們今天談的是智慧的機器，而不是機器的智慧，或者說機器的智慧跟人的智慧還是有很大的距離。今天我們看到中國市場上對於AI充滿幻想，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今天很強的地方在哪兒，做不到的地方在哪兒。
不過，我想告訴大家，凡是跟感知相關的語音辨識、圖像識別，今天的AI演算法許多情況下已經超過了人類。但凡是跟理解認知相關的，AI還是有很長的路要走。所以有任何人跟你說，他做出一個能夠模擬人類思維的AI體系，基本上就可以打一個非常大的折扣了。
既然這波AI浪潮跟以前不一樣，那麼作為從業人員和投資人員，我們應該怎麼來判斷AI這個機會，判斷投資機會呢？
互聯網女王Mary的報告有一點總結的非常好，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世紀的話人們靠的是電腦的能力和人的能力的結合。
我們投資的時候一定要想的是，AI哪些方面，能夠讓人的潛力得到更高的發揮。過去這幾波科技浪潮，每波科技浪潮總會出現平臺的公司。
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，自然人工智慧就能夠被引進來，改善整體效率，從而使得生產率有進一步的提高，創造出新的應用，從而能夠產生一些有規模的企業。
我們在判斷AI投資的時候有一點要想清楚：AI這波新的浪潮，跟上一波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，而AI是技術驅動的。AI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。
大家做投資應該很清楚，現在任何一家公司都說自己是AI公司，所以泡沫非常非常嚴重。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。
在你看這些AI企業的時候，要想清楚這家公司今天有沒有資料，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。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根本的需求，把人和資訊連在一塊。我們幾千年前就以在繩子上打結的方式記錄一些事件。活字印刷，造紙術出現以後，資訊的傳遞就變得更加的方便。到了PC互聯網時代，我們知道互聯網實際上是把所有的資訊連接在一起，用互聯網的方式呈現出來。
到了智慧手機和移動時代，我們知道這時候你的資訊終端永遠在你手上。人們獲取資訊就比以前方便多了，同時也產生了資訊爆炸。資訊產生的速度比你看的速度快得多，這時候PC互聯網時代的搜索已經變得不能夠滿足人們的需求了，你不能夠再讓人去找資訊了，而是你知道這個人需要資訊的時候把資訊推給他。這恰恰是今日頭條的核心的商業模式，其核心是技術。今日頭條通過對人工智慧的演算法，通過大資料的演算法，通過你手機上所產生的資料，對你需要什麼樣的資訊，何時需要資訊瞭若指掌。
當我們意識到這波AI的潛力時，當我們知道這波AI所能帶來的價值時，我們創業的時候要記住三點，第一點是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，一個是賣技術，一個是人工智慧即服務。
目前大多數的公司屬於第二類，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，這不可能做到非常大的規模。
謝謝大家。