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