人工智慧的3個階段
從歷史進程上講, 王小川認為人工智慧是往3個階段走, “人工智慧這個話題不是新課題, 在上個世紀60年代、80年代就在做人工智慧。 那時候做這方面的教授其實很不幸, 因為當時人工智慧的水準是遠遠不夠的, 人們把對自己世界的認知變成了規則, 轉成了機器人。 60年代到80年代, 人們對規則的表達是偏離這個目標的, 就是做不好。 ”
“到了80年代, 則是基於統計方法來做的人工智慧, 不要嘗試把人對於世界的認知告訴機器, 而是讓機器學, 讓你看答案是什麼。 今天局部開始走到第三個階段了,
同時, 王小川認為在工業領域我們正處於第二個階段, 一定要應用大資料。 這樣的好處是我們不需要工程師對原有的行業有特別深度的理解, 就能夠進行處理。 他也表示:“未來的兩三年裡已經有成功工作經驗得到了巨大的升級, 今年在智慧領域裡面有一個很大的發現。 ”
“今年的人工智慧還是有很多的局限性。 核心問題是有一個前提的條件, 要很安靜的環境裡。 人工智慧是對見過聲音的處理, 如果兩個人一起說話就不行了。 比較難點的是在自然語言的處理,
投資視角下人工智慧的分類
“ 另外一個很好的視角, 跟投資相關的地方。 但如果從產品上分類從功能上分類, 我把人工智慧分成這麼三類。 叫級別、判斷和創造, 創造叫生成。 相信大家會看到一個語音能轉化過來, 或者是圖像裡面可以看到大象在做一個什麼事情。 今天做的第一個事情就是把物理世界的東西建模, 語音辨識、圖像識別這都叫識別, 像人臉識別, 這是一類。 還有是創造生成, 語音的合成和圖像合成是在這一類。 這樣我們就可以提升人機交互, 相對而言就是在安防領域裡面做人臉識別,
“現在有一個個人的觀點, 就是讓機器做判斷和決策, 這個是裡面唯一有巨大商業價值的東西, 把人的勞動取代, 讓機器產生更高的工作, 比如像金融裡面是這個例子, 阿爾法狗也是, 它是在做判斷和決策, 一旦讓機器有這樣功能了, 他就有很高的效率。 我也看一個指數, 1和3是在交互, 不能構成一個商業品牌的核心成本, 但是做判斷, 或者做決策, 這是商業判斷的核心部分。 ”
深度思考
“我看到這個是微軟的醫院, 語音辨識是不是人工智慧的核心, 或者是人工智慧未來很重要的一個部分?我跟他們的觀點是一樣的, 我說不。 語音辨識之後機器不知道你在說什麼,
本文為投資界原創, 作者:潘航, 原文:http://news.pedaily.cn/201703/20170327410691.shtml