<mark id="oztn4"></mark>
1
| 本文作者： 老王 | 2017-06-13 22:29 | 專題：雷峰網(wǎng)公開課 |
雷鋒網(wǎng)按：人工智能商業(yè)化落地進度遠不及AI算法的革新，究其原因，AI技術(shù)供應(yīng)商（乙方）不明確自己的技術(shù)可服務(wù)于誰，傳統(tǒng)機構(gòu)（甲方）不懂如何有效利用人工智能與大數(shù)據(jù)提升效率。與此同時，AI公司對傳統(tǒng)公司的業(yè)務(wù)和行業(yè)場景的認知也相對較淺。
雷鋒網(wǎng)硬創(chuàng)公開課邀請了iPIN創(chuàng)始人兼CEO楊洋博士，為大家深入剖析如何把產(chǎn)學(xué)研究成果成功商業(yè)化，并應(yīng)用在傳統(tǒng)行業(yè)中。
楊洋，商業(yè)認知分析平臺iPIN創(chuàng)始人兼CEO，美國天普大學(xué)信息學(xué)博士，國際信息系統(tǒng)學(xué)會會員；曾任美國天普大學(xué)福克斯商學(xué)院助理研究員&講師、哈爾濱工業(yè)大學(xué)副教授、歡聚時代全球化負責(zé)人；同時也是一位連續(xù)創(chuàng)業(yè)者。
楊洋曾在美國國家旅游與電子商務(wù)實驗室（NLTeC）從事搜索引擎研究，師從世界著名信息科學(xué)家Rajiv Banker和Pei-yu Chen，進行大規(guī)模眾包集智數(shù)據(jù)分析和研究；2013年，楊洋又成立了哈工大商業(yè)智能（BI）實驗室，利用全球領(lǐng)先的大數(shù)據(jù)分析技術(shù)研究人力資源市場的多維度潛在信息，并領(lǐng)導(dǎo)和參與2項國家自然科學(xué)基金重要科研項目；楊洋還以第一作者身份共在ICIS, WISE, AoM，Information Systems Research， MISQ等世界頂級信息科學(xué)會議上發(fā)表研究論文共計8篇。另外，楊洋還曾獲得美國天普大學(xué)2011年跨學(xué)科優(yōu)秀青年學(xué)者獎。
（注：本次雷鋒網(wǎng)硬創(chuàng)公開課中，楊洋博士展示了大量案例，并回答多個精彩問題，所以推薦優(yōu)先觀看視頻。）
很多人會問，人工智能跟認知智能是什么關(guān)系？
目前市場上做認知智能的公司比較少，整個人工智能從計算智能到感知智能再到認知智能，它是一個逐步的過程。全世界做認知智能、商業(yè)認知智能最頂級的公司就是IBM Watson。
我們在很多業(yè)務(wù)形態(tài)和解決的問題、市場各方面確實是跟IBM Watson有非常大的相似性。我們做認知智能已經(jīng)有差不多十年，有些業(yè)務(wù)確實有很大的相似性，但是在技術(shù)體系層面，我們屬于走自己的獨特路線。
今天來跟大家分享一下認知智能它在各方面的應(yīng)用、發(fā)展狀態(tài)以及它可以解決哪些問題。分享會分為三大方面，
一方面是對整個人工智能市場空間的展望；另一方面跟大家分析很多人很感興趣的AI+各行業(yè)案例。案例分享是因為有一個特殊原因，一是我們公司建了一個認知分析平臺，我們內(nèi)部叫AI+平臺，iPIN會接觸各個行業(yè)AI的實際的應(yīng)用。與此同時，我本人也是混沌研習(xí)社的導(dǎo)師，基于此，我走訪了很多混沌研習(xí)社學(xué)員企業(yè)，并經(jīng)常與他們溝通他們對AI的需求；最后分享自己做認知智能的實踐與感悟。
首先是人工智能市場的展望。人工智能技術(shù)簡單來講可以分成三大類：語音、圖像、文字。
整個社會產(chǎn)生的信息主要是以文字的形式去存儲，溝通中的語言信息傳遞是人類的重要發(fā)明，是我們區(qū)別于其它動物的關(guān)鍵因素，尤其是高級語言。如何用一些抽象化的東西去交流，現(xiàn)在人工智能在高度抽象語言的理解方面還是面臨非常多的挑戰(zhàn)。舉個例子，圖像、聲音它一旦存儲在電腦里面，它就是數(shù)字化的，但是語言存儲下來，依然是符號形式，它高度抽象，不能夠真正代表它的些含義。
比如我說華為、騰訊兩個公司名在座的可能都知道，但是對于絕大多數(shù)的小朋友來講，他們可能不知道什么意思。同樣，如果機器首次接觸這些概念，它們也不知道該如何去理解這些高度抽象的詞。
人工智能技術(shù)做了很多展望，它帶來的商業(yè)前景非常多。人工智能主要是代替人腦去做事，人腦涉及的領(lǐng)域從管理咨詢到投資、醫(yī)療到財務(wù)金融各方面是包羅萬象，它所面臨的市場非常龐大。我們每天90%的工作都是單調(diào)的、重復(fù)的、可以被大量取代的。
從這方面來講，人工智能會取代掉我們?nèi)粘?0%的工作量，它影響到的范圍相對來講非常大，帶來的商業(yè)機會非常多。
麥肯錫發(fā)布的12項顛覆性技術(shù)里面，其中有三項關(guān)于自動化、新型機器人和自動汽車，這三項都與人工智能直接相關(guān)，在其它方面比如說物聯(lián)網(wǎng)、云、還有基因組學(xué)等等，各個方面都離不開人工智能。AI未來帶來的市場變化，首先會覆蓋到那些離錢比較近的行業(yè)，如教育、醫(yī)療、法律、金融等。這些離錢特別近的行業(yè)，是人工智能首當(dāng)其沖去應(yīng)用的。
現(xiàn)在按照我們公司自己的實踐來看，想做人工智能不單單是要去做人工智能，一個工作被計算機所替代，除了人工智能，還要去發(fā)展人機交互。我們公司在具體應(yīng)用就要做大量人際交互方面的研究，這方面當(dāng)然也會留意人工智能技術(shù)去提升人機交互的體驗。
其次是高速計算，因為大量信息的計算分析和理解對于計算的要求非常高，如何提升速度對各個人工智能公司都是一大瓶頸，也是一個挑戰(zhàn)。
兩年前，AI+可能還算是一個比較新的話題，但現(xiàn)在交通運輸方面包括無人駕駛、無人機，很多公司都有了廣泛的應(yīng)用。包括阿里巴巴和亞馬遜在倉儲方面的應(yīng)用，以及深圳停車場自動停車等。這些技術(shù)都在快速的應(yīng)用，尤其是激光雷達、激光測距這些傳感器，它的效能提升對未來撬動市場的影響越來越大。
在傳統(tǒng)制造業(yè)這方面，美的收購了全球最先進的機器手臂制造商之一庫卡。東莞有一家叫李群自動化的公司QKM，它也在生產(chǎn)機械手臂。機械手臂應(yīng)用在各種生產(chǎn)線和高空作業(yè)，它可以配合無人機兩者結(jié)合，無人機可以代替人去到人想去但又無法到達的地方，讓機械手臂代替人的手臂去做具體操作，它給傳統(tǒng)制造業(yè)還有原來的高危行業(yè)，比如高空維修電纜，都帶來很大的應(yīng)用空間。這些是傳統(tǒng)制造業(yè)的革命性變化。
與此同時，在高端制造業(yè)這方面，人工智能也正在帶來變化。其中中芯國際，原來它們制造芯片模具，人用軟件去設(shè)計，周期很長。但現(xiàn)在用人工智能基本上一周之內(nèi)就可以找到一套新的模具設(shè)計方案，效率得到大大提升。
在制藥行業(yè)，做藥物的結(jié)構(gòu)選型，尤其中國很多制藥公司，他們想去仿專利，你不僅要仿專利還要繞過專利，如何通過結(jié)合計算化學(xué)，把藥物的研發(fā)能快速找到更多的替代方案。原來花一年找個兩三個替代方案，現(xiàn)在用計算機很容易找到上百個替代方案，人工智能在高端制造業(yè)方面也展現(xiàn)出非常強大的實力。
接下來看一下教育，我們公司iPIN自己有一款產(chǎn)品，叫完美志愿，它是做高考志愿填報的，跟教育有非常大的關(guān)系,我們也對教育行業(yè)做了特別深入的了解。
全球最著名的公司Knewton，它是給美國一個叫ETS的考試機構(gòu)做自行打分起家的，后來把這套東西去幫助學(xué)生做自適應(yīng)學(xué)習(xí)計劃的制定。通過學(xué)生做題給他個性化分析他對知識點掌握的深度和廣度，給他定制化學(xué)習(xí)方案，就有了自適應(yīng)學(xué)習(xí)。
這套系統(tǒng)目前在全球很多國家都已經(jīng)得到大規(guī)模應(yīng)用，包括百度的作業(yè)幫，它是目前國內(nèi)整個教育行業(yè)里比較前沿的產(chǎn)品，用戶量非常龐大，也在往自適應(yīng)教育這個方向靠攏，自適應(yīng)教育應(yīng)該是未來顛覆教育很重要的大方向。
原來我們提互聯(lián)互聯(lián)網(wǎng)+教育很多年，但最后發(fā)現(xiàn)互聯(lián)網(wǎng)+教育對教育整個的顛覆性并不強。但自適應(yīng)學(xué)習(xí)出來之后各大教育公司都在積極跟進投資，比如新東方投資的乂學(xué)，好未來投資的Knewton等，百度的作業(yè)幫。各大教育公司都非常認可自適應(yīng)學(xué)習(xí)在未來教育行業(yè)會是顛覆性的工具。
法律這塊IBM Watson有一個Ross機器人，它可以理解并回答法律問題。同樣基于我們iPIN的法律分析引擎有一個法律谷，可在中文環(huán)境下理解律師提問，找到相關(guān)的背景，分析律師背景還可以去跑法官，去做案件斷案，總體效果不錯。
這是在非常嚴謹?shù)囊粋€法律產(chǎn)品下，AI表現(xiàn)出來非常強大的實力。
財務(wù)也是屬于商業(yè)里面非常常見的一個必不可少的一個環(huán)節(jié)，德勤是全世界所有財務(wù)公司里面應(yīng)用的最好的一家公司。它投入了巨大的人力物力，還與IBM Watson合作去提升它整個財務(wù)、審計包括細節(jié)測試環(huán)節(jié)的工作，取得了非常好的效果。
中國的會計師事務(wù)所現(xiàn)在也有跟我們合作，去提升財務(wù)、審計的工作效率。在不久的將來，AI在財務(wù)方面就會有非常深入的突破。
醫(yī)療是IBM Watson最開始突破的領(lǐng)域，其實醫(yī)療這方面Google一直在投入非常大的力量。醫(yī)療是一個極其龐大的市場，最近幾次大的融資也出自國內(nèi)醫(yī)療AI公司。不過說實話，有一個問題是中國公司去做醫(yī)療，相比于國外公司，中國公司的優(yōu)勢在哪里？
這方面我們中國優(yōu)勢不明顯，一個是數(shù)據(jù)積累的量跟國外比有很大差距。另外一個是儀器，國內(nèi)醫(yī)療儀器的質(zhì)量跟國外比還是有一定的差距的，甚至這方面我們積累的數(shù)據(jù)質(zhì)量自然就會有些差距。
整個中國在醫(yī)療這方面，沒有做詳細的疾病分級，這一方面對于我們的數(shù)據(jù)精準性也有很大的挑戰(zhàn)。再就是人種，相對來講中國的人種比較單一，不像美國多種族，對于整個醫(yī)療研究是有很大的幫助。我個人覺得中國公司去做醫(yī)療AI，優(yōu)勢是不明顯的。
金融這方面離錢最近，今天有人問我說金融公司有數(shù)據(jù)，但怎么去用AI。
說實話外面有很多號稱應(yīng)用了AI的炒股軟件，但這里面有個悖論。如果說一個公司它自己做炒股軟件很賺錢，它為什么要賣給你？一個愿意公開賣給你的炒股軟件，它一定做得不怎么好，如果做得好的它直接去賺錢就得了。
金融行業(yè)由于算法離錢特別近，只要你做得好就能變現(xiàn)，所以AI早就進入到金融領(lǐng)域。2013年2月6號就兩個高頻算法針對一個優(yōu)先股競價12分鐘，價格波動范圍非常小的，還是個Virtu Financial。它在Market里面，差不多五年的交易日里居然只有一天出現(xiàn)虧損，因為它大量的采集交易市場里的數(shù)據(jù)，用Prediction Market去提升交易準確性。股民在market上去炒股，只利用市場炒股操作上的便利，但是市場利用炒股股民的操作行為，把私有信息匯集起來，通過prediction market，加上AI算法，就可以得到不錯的結(jié)果。
在文字工作這方面，在體育新聞中有一個奧運AI小記者張小明曾對奧運新聞進行報道。不過文字工作者在AI的應(yīng)用還僅限于比較八股的狀態(tài)，八股文是機器特別擅長去寫作的，用LSTM去學(xué)習(xí)，在八股文固定的文章寫作格式上可以得到不錯的結(jié)果。不過要說寫小說，機器人就做不到，因為機器人在高度復(fù)雜的邏輯構(gòu)思這方面有些無能為力。
有一篇新聞?wù)f日本的一個AI系統(tǒng)創(chuàng)作了四篇小說，通過了一個文學(xué)大獎的初審，我只能說這個初審一定不負責(zé)任，很容易看出來小說很爛。
藝術(shù)創(chuàng)作這方面，Google在畫畫還有音樂方面都做了些嘗試，藝術(shù)創(chuàng)作AI的最大優(yōu)勢在于靈感創(chuàng)作，因為機器人對于靈感創(chuàng)意的產(chǎn)生幾乎屬于沒有限制。它不像人隨著自己成長，是有知識局限性的，會給我們帶來很多限制，導(dǎo)致創(chuàng)意發(fā)揮會被限制住。
但是機器不會，創(chuàng)意在機器里它是一個隨機數(shù)。專門研究創(chuàng)意里面發(fā)現(xiàn)創(chuàng)意是個隨機數(shù)，而人的創(chuàng)意發(fā)揮空間是一個扁平狀的，它是很難去沒有邊界發(fā)揮的。一般用人去做創(chuàng)意會需要群力群策，比如說要去做一個團隊，去腦暴才能獲得更多的創(chuàng)意，但是機器這一方面，它可以瞬間去產(chǎn)生大量創(chuàng)意，可以給人去提供的靈感，人再去識別里面哪些是屬于特別符合能夠去考慮，去加速藝術(shù)創(chuàng)作人員工作的效率。
再說編程這一方面，今年2月我去美國見了一個公司，也是一個華人辦的一個創(chuàng)業(yè)公司，它們正在做一個用機器人代替人去寫代碼的項目，我一聽覺得特別靠譜。為什么？因為從AI的角度來講的，首先代碼生成器是比較容易做的，我們可以跑一個固定目標，我們知道說是通過還是不通過，可以通過設(shè)定專門的測試去得到反饋，又有大量的歷史代碼做積累，從各種開源里很容易去獲取。
機器人學(xué)起來很快，而且我們都知道有一種開發(fā)的方法叫做Test-Driven Development，這種方法再配合AI是很容易讓機器去學(xué)習(xí)人怎么去寫代碼，甚至可以去創(chuàng)造新的寫代碼，尤其像對抗學(xué)習(xí)這種方式也都可以引進來提升編程用機器人自我去編程。我們自己也在做，比如說做解析，希望提升解析這方面的能力，用機器人去做得更好。做智能解析都是為了代替人去做代碼編寫工作，尤其是對語言語義理解這方面都需要大量的使用這些東西。
以上就是我接觸的AI在各行業(yè)的應(yīng)用。今天我們處在一個非常特殊的時代，從來沒有哪一次技術(shù)顛覆它影響面如此之廣，而且?guī)淼挠绊懭绱酥钸h，我今天也思考哪個行業(yè)或者哪個職業(yè)，它不會被人工智能影響。我不知道在座的各位有沒有想法，反正我是想不到為什么，理由很簡單，因為只要是腦力勞動，我們?nèi)巳粘５?0%腦力勞動都屬于單調(diào)重復(fù)，基于經(jīng)驗的。那這些東西理論上來講它都可以具備被AI取代的可能性，哪個行業(yè)，哪個職業(yè)不為人工智能影響幾乎是不可能的。
當(dāng)然，有一個職業(yè)我覺得永遠是不會被機器人取代的——運動員，因為規(guī)則不允許，你很難想象NBA會允許一個機器人上場打籃球，否則咱們還要勒布朗·詹姆斯、要科比干嘛。
第三部分跟大家分享一下我們自己做認知智能的實踐和感悟。認知智能領(lǐng)域，可能很多人對它比較陌生，今年3月份Yann LeCun在清華做演講時，它提到整個AI的難題讓機器去掌握人類的常識，這屬于認知智能，對一個司空見慣的常識，機器它能很好理解，常識它是不同于圖像或者聲音的，它是語言。
而有些常識，如我剛才提到的華為、騰訊或者雷鋒網(wǎng)，這些都是非常高度概括性的詞，如果從來沒有接觸過雷鋒網(wǎng)，第一次聽說雷鋒網(wǎng)，你要去理解它也需要花不少成本。如果是讓機器，它能夠代替人去理解，并且分析去做人在理解分析上的事情是現(xiàn)在面臨的一大挑戰(zhàn)，這我們iPIN一直努力去做和突破的事情。iPIN是用機器認知分析人和企業(yè)，我們不會去做所有的認知智能，只是在商業(yè)社會里面，核心是人和企業(yè)，如何讓機器去認知和分析人和企業(yè)，這是我們現(xiàn)在做的事情。認知智能也被認為是整個人工智能的第三層級，邁向強人工智能或者類人智能的第三層級。
在這方面它的應(yīng)用面非常廣，但也正是因為它應(yīng)用面廣所以幾乎適合所有行業(yè)。每個行業(yè)有它自己獨特性的知識認知，很難想象有一個公司能夠把所有的領(lǐng)域都做了，我們自己選擇的方案在理解商業(yè)社會的人和企業(yè)這一方面如何讓機器像人去理解和分析。
我們都知道人對信息的使用并不是一個特別復(fù)雜過程，首先是感知，如訊飛語音，包括我說這句話，把它轉(zhuǎn)述成文字，這一個典型感知過程。比如說“我是一個博士，或者說我當(dāng)過教授”，把它翻成一句話。
但是認知，比如說有人說“我是一個博士”，博士這個詞我知不知道，如果知道，我知道，如果不知道，讓我想一想是什么意思，到分析我要更想深一層，博士表示你有非常高的學(xué)歷。但是高學(xué)歷對我接下來的行為產(chǎn)生了怎樣的影響，這時候就要考慮具體場景。如果說這是一個招聘的過程，我們就考慮他學(xué)歷是不是合格，達到了什么樣的要求。
如果在交友過程中，博士這個概念可以證明他是不是一個很厲害的人，不同場景同樣的一句，它在認知分析層面會導(dǎo)致產(chǎn)出不同的結(jié)果，所以認知的結(jié)果和具體場景有關(guān)系。我們希望用機器去模擬人對信息處理的整個過程。
認知是圍繞人而來的，如何讓機器去無偏差地去理解一個事物，首先要去還原事物的真相，它能夠獲取足夠的信息，讓機器去做一個無偏差信息的匯集，在具體場景下該如何去理解。
我們認為認知是真相在具體場景下的一個投影，為了讓機器理解人類的常識，花了非常大的力氣，用幾年時間去建成中國社會經(jīng)濟圖譜，同時也是我目前承擔(dān)的一個國家項目，就專門去把各種信息往人和企業(yè)上去嫁接，能夠讓機器去理解人和企業(yè)。
我們整個應(yīng)用用在好幾方面，一個是圍繞人的個人發(fā)展來的，我們開發(fā)了一款2C的產(chǎn)品，叫做完美志愿，專門幫高中生填報高考志愿的。去年這個產(chǎn)品在6、7月份使用人數(shù)高達394萬，整個使用量非常大，幫助人從海量信息里篩選出他能夠上的學(xué)校和專業(yè)，并且根據(jù)用戶的意愿再進一步優(yōu)化。
這里使用了大量的認知計算，因為人去理解一個專業(yè)或者學(xué)科是不容易的，但是如果讓機器去理解，并且根據(jù)人的意向去個性化的匹配分析，其實就是一個典型的認知計算的一過程。
除此之外，我們還在做一項人生導(dǎo)航儀的產(chǎn)品。我們的合作伙伴新東方創(chuàng)始人俞敏洪老師有一個很有名的文章，叫做人生的地圖。人在職業(yè)發(fā)展里面會遇到各種疑惑，那么到底該如何去規(guī)劃自己人生。
iPIN利用技術(shù)學(xué)習(xí)了大量人的職業(yè)發(fā)展軌跡，但這里面也需要用到大量的認知計算，因為有非常多跟人與企業(yè)相關(guān)的信息，而這些信息不能用表面的字詞去理解，一定要放到認知層面。這方面我們做了非常非常多的工作，我們在努力打造全世界第一個人生導(dǎo)航儀，幫助初中升高中升大學(xué)生的年輕人，知道在人生發(fā)展職業(yè)規(guī)劃里面的每一步操作。
其實這有點類似下圍棋，我們說人生如棋，會面臨很多選擇，你到底該如何去選擇這一步，就要我們以史為鑒從，它直接放進里面去學(xué)習(xí)到其中的規(guī)律，幫助人去找到最優(yōu)的捷徑，這就是我們整個人生導(dǎo)航儀的思想。
接下來談?wù)勎覀冊谄髽I(yè)應(yīng)用這方面的嘗試，這是我們的人才分析引擎，它可分析人的300多個維度。比如招聘啟事，原來需要用人去讀去理解，再去想我要用什么關(guān)鍵詞去搜索。iPIN將所有條件全部放到認知層面去，根據(jù)各種條件從認知層面，不非關(guān)鍵詞，基于認知去做各種各樣的匹配，比如說剛才的崗位是一個房地產(chǎn)銷售崗位，它要找有房地產(chǎn)銷售背景的人，你看我們找出來結(jié)果，機器從認知層面去匹配，它把所有這些詞在這里面去找。從這里面符合條件的，發(fā)現(xiàn)有一個銷售經(jīng)理是萬科和世聯(lián)，它就用藍色的字標記出來，因為我們機器從認知層面判定，這個詞在認知層面里面是符合的，要求是房產(chǎn)行業(yè)背景一個條件的，就能夠匹配到人。
從原來的關(guān)鍵詞匹配角度去做是很難做到的。
我們分析之后，達到了一個非常實際的效果，HR的工作效率得到了非常大的提升。無論是輸入的效率還是判斷的效率，還是整個匹配的準確率和人才使用、人才庫使用都得到了很大的提升，這給HR的工作帶來非常大的提升。當(dāng)然還不能完全替代HR的所有工作，但至少在很多簡歷的甄選，占HR日常40%工作可以有很大的效益提升。
我有一個不大膽的預(yù)言，五年內(nèi)HR職業(yè)將會面臨大量失業(yè)。如果說你自己的子女在高考中填報，你要擔(dān)心HR人力資源專業(yè)，就不建議你的小孩去報了。
除此之外，我們還做了法務(wù)方面的分析，分析律師的背景、分析案情包括去幫助律師斷案，也都取得了不錯的效果。
如果說我們想在未來用認知智能代替人去做大量商業(yè)分析，這就是我們要去做的非常基礎(chǔ)的一個工作。甚至還包括宏觀經(jīng)濟的分析，比如區(qū)域宏觀經(jīng)濟結(jié)構(gòu)的分析，我們?yōu)樯钲谑心仙絽^(qū)政府做的一個區(qū)域性結(jié)構(gòu)分析，發(fā)現(xiàn)有些行業(yè)在上升，有的在下降。還包括全國的整個經(jīng)濟趨勢的分析，這都是宏觀層面的，尤其像智慧城市和政府的政策制定都是非常需要這些宏觀的信息，單靠人去做難度其實還挺大的。
除此之外，包括各種行業(yè)發(fā)展趨勢的分析，包括企業(yè)人才的戰(zhàn)略分析，還有包括市場的投資機會，就類似于Compas，根據(jù)市場各種變化，從認知層面去找出它的規(guī)律來，就能發(fā)現(xiàn)好的市場機會，獲得投資機會。
整個創(chuàng)業(yè)說一下我的幾點感悟，雖然人工智能很火的，有很多AI公司在創(chuàng)業(yè)，尤其是像我們公司，比如我們最開始創(chuàng)業(yè)的時候，人工智能一點都不火。
我們是2013年成立的，但現(xiàn)在人工智能特別火，有很多公司它的市場估值很高。但我個人認為技術(shù)本身它是沒有太大的價值，真正的價值是你的技術(shù)能夠給生產(chǎn)效率帶來多大的提升，這才是人工智能技術(shù)的真正價值。
解決任何行業(yè)的問題，AI的技術(shù)絕對不是萬能的。我們從一個領(lǐng)域跨到另外一個領(lǐng)域，從生涯規(guī)劃跨到高考志愿填報再跨到招聘和法務(wù)甚至還有商業(yè)地產(chǎn)等等。我們在去跨到每個行業(yè)的時候，我們都必須要跟行業(yè)專家緊密的合作，去深入的了解行業(yè)的規(guī)律，我們才能夠去解決問題。單純的技術(shù)是很難去說，你只要給我數(shù)據(jù)我就能跑，這種情況在解決細節(jié)問題上是根本不現(xiàn)實的。
我不認為有任何一家AI公司說我這邊有一個平臺很牛逼，就能夠解決各種各樣的公司人工智能的問題，我覺得是非常扯淡的。隔行如隔山其實就是對事情最好的一個解釋，因為你隔行如隔山，很多對數(shù)據(jù)的理解，包括遷移學(xué)習(xí)方面，有些東西是可以遷移，但是絕大多數(shù)行業(yè)經(jīng)驗是根本不可能遷移的。
另外今年2月份參加AAAI會議上就發(fā)現(xiàn)參會的人60%的是中國人，我們中國在AI方面有非常雄厚的人才儲備，在起跑線是不輸于美國的。不過現(xiàn)在市場依然AI人才非常匱乏，如何去實施戰(zhàn)略去獲得人才依然是一個很嚴峻的問題。第四個是整做人工智能，我們在做傳統(tǒng)行業(yè)時候特別強調(diào)說要專注，但是我們發(fā)現(xiàn)在做數(shù)據(jù)分析和機器學(xué)習(xí)的時候發(fā)現(xiàn)不專注是非常有價值的，你將A行業(yè)的信息學(xué)了之后，把這東西用到B行業(yè)，是可以帶來非常多的價值。因為信息或者說知識，很多東西都屬于相互關(guān)聯(lián)的，1+1往往能夠帶來大于2的效果。通過最近這幾年的接觸，我發(fā)現(xiàn)AI在各行業(yè)的應(yīng)用是突飛猛進，它的影響面非常廣，而且?guī)淼淖兓欠浅嵸|(zhì)性的，人工智能這一波浪潮，它是一個千載難逢的行業(yè)機遇，絕對不是一個泡沫。
另外再講一下，我走訪了各個企業(yè)的AI的三大需求。首先一方面是屬于信息智能化管理，目的是企業(yè)主為了想提升決策效率，現(xiàn)在iPIN主要在做這一方面。另外核心業(yè)務(wù)流程的智能化，是為了去提升生產(chǎn)效益，所以說創(chuàng)業(yè)的機會幾乎就散落在每一個行業(yè)里邊。比如剛才說的高端制造業(yè)，中芯國際它要對新品模具的開發(fā)，如何去提升效率？基本上每個行業(yè)都會有這樣的機會。
第三個有很多公司，它們有大量單調(diào)重復(fù)的腦力勞動，比如有些公司存在大量的數(shù)據(jù)錄入員，還有公司它存在店銷的人員，如何去提升它們效率這方面是有非常多的AI公司在里面去做，有很大的機會，因為它可以提升企業(yè)的利潤率。
1．AI滲入到傳統(tǒng)行業(yè)，很多時候只能用很簡單的機器學(xué)習(xí)模型，復(fù)雜的模型往往無用武之地，所以大家會花大量時間，盡量優(yōu)化算法，性價比是否高?
在具體滲透到某一個行業(yè)的時候，我不認為把時間花在這種模型算法的研究上，是我們最應(yīng)該大力投資的一點。以我們在做法律為例，我們將大量的時間是花在對行業(yè)的理解，就是你如何從這種行業(yè)專家的角度去理解他們所面臨的問題，還有就是有沒有辦法能夠去優(yōu)化這種數(shù)據(jù)的質(zhì)量。比如說能夠去得到更好的隱身數(shù)據(jù)，或者能夠去發(fā)現(xiàn)新的數(shù)據(jù)，或者能夠去接觸資源，能夠把別的領(lǐng)域的數(shù)據(jù)引用到領(lǐng)域，能夠去提升這種數(shù)據(jù)使用效率，這些問題我反而覺得是更加重要的。以我們自己做這種具體應(yīng)用背景的話，其實能夠發(fā)現(xiàn)絕大多數(shù)時間是在于理解數(shù)據(jù)和準備數(shù)據(jù)這一階段，在模型優(yōu)化這方面當(dāng)你有了很好的理解，同時你也有很好的理論基礎(chǔ)的話，其實我們在模型算法這方面當(dāng)然如果說已經(jīng)具備很好的認知，計算技術(shù)在解決商業(yè)問題的話，本來就是我們的一個先決條件，但我們的AI+平臺我們在絕大多數(shù)時間是花在去深入理解行業(yè)，并且嘗試跟專家去理解問題，去準備數(shù)據(jù)，才是我們投入時的精力性價比最高的地方。
2．如何看待微軟首席AI科學(xué)家鄧力跳槽去對沖基金？
鄧力是非常厲害的一個科學(xué)家，如果沒記錯，他是中科大的神經(jīng)生物學(xué)方向，早期做人工智能很多人走的是邏輯方向，他非常幸運，在很早期走的是神經(jīng)網(wǎng)絡(luò)方向，然后一直做到現(xiàn)在。看到新聞，我覺得很震撼，但是并不驚訝，原因很簡單，就像剛才在分享里面說的人工智能現(xiàn)在滲透的首當(dāng)其沖的四大領(lǐng)域都是離錢最近的領(lǐng)域。尤其是對沖基金，我記得最近好像它們是管理200多億美元，這時候AI是有非常大的用武之地，做AI大家都是如果說有好的算法是立刻能變現(xiàn)，而且好的算法的話，它能帶來的收益是非常快的，絕對不會是通過開發(fā)金融產(chǎn)品賣給別人去獲利的，所以加入這種非常大的推動是對AI的這種應(yīng)用非常直接的一個商業(yè)變現(xiàn)。這就是一個生產(chǎn)力提升，其實我覺得這不是第一次，后面也會有很多科學(xué)家會跳到里面去。
3．在跟同類公司競爭中與對手拉開差距的核心是深入業(yè)務(wù)和場景，更重要還是不斷優(yōu)化算法更重要呢？
我們公司之前也深入的反思過，我們舉個例子，比如說我們在做圖像識別這一方面，一旦你的識別準確率達到了98%點幾，99%點幾的時候，在絕大多數(shù)的識別場景下，我們所需要識別的對象不是那么多的情況下已經(jīng)夠用了，除非是到了百萬級千萬級規(guī)模的人口才會說特別去追求小數(shù)點后面數(shù)字，而且如果說數(shù)據(jù)都差不多情況下，算法的優(yōu)勢一般來講，你很難長期去保持。反而是你如何在這種具體行業(yè)下深入的去建立你自己行業(yè)的獨特優(yōu)勢。數(shù)據(jù)的積累，獨有數(shù)據(jù)的積累反而會更加容易成為一種核心的競爭優(yōu)勢，成為你保護自己的商業(yè)模式一種壁壘，我覺得是更重要的。我們很多時候為了獲取數(shù)據(jù)，我們商業(yè)上是可以不去考慮商業(yè)價值，但你要為未來做好保護，更重要是你如何能夠得到別人得不到的數(shù)據(jù)，我覺得這才是一個AI公司所需要考慮的一個更重要的事情。
4．選擇深入一個行業(yè)，主要看中行業(yè)的哪些商業(yè)因素呢？
我們公司其實是做了好幾個商業(yè)領(lǐng)域，但我們公司并不是每個商業(yè)領(lǐng)域都去做，我覺得這是戰(zhàn)略選擇因素。最重要的就是你能不能在行業(yè)里有你自己獨有的優(yōu)勢，比如前段時間我遇到一個人是程序員出身，有AI的背景，然后他想進入醫(yī)療領(lǐng)域，但是我問他有醫(yī)療背景嗎？他說沒有。如果這樣就貿(mào)然去進入醫(yī)療領(lǐng)域的話你的優(yōu)勢何在？所以我覺得要想進入任何一個領(lǐng)域一定要考慮自己在行業(yè)里有沒有優(yōu)勢，你能不能深入理解行業(yè)。比如說我們貿(mào)然進入法律行業(yè)，就很吃力，因為一點都不懂。如果一個公司還不大，沒有很深積累的時候，你要切的第一個領(lǐng)域要重點考慮你對行業(yè)的理解有多深是非常重要的。就像剛才說的切入一個行業(yè)一定是屬于AI科學(xué)家+行業(yè)專家，最理想你既是AI科學(xué)家，同時又是行業(yè)的專家。剛才提到中芯國際的人他自己既是AI科學(xué)家同時原來又是屬于芯片制造行業(yè)出去的，所以說他在這地方有天然優(yōu)勢。包括我們自己，我們在做這一方面，做了這么多年的人力資源，可以把自己變成一個人力資源專家，所以說后來做的時候就是比很多人力資源專家更專家，否則的話真的很難。
5．今年7月份在深圳會有雷鋒網(wǎng)承辦的CCF-GAIR全球人工智能與機器人峰會，楊老師會來跟大家分享什么內(nèi)容呢？
CCF-GAIR大會是必然要參加的，到時候我會更加深入地去跟大家深入分享認知智能以及認知智能具體在行業(yè)里的應(yīng)用。我今天雖然講了部分認知智能在AI+方向的嘗試和應(yīng)用，但是認知智能背后更深層次的東西，還是有很多朋友不清楚，大會中我會重點分享我們做認知智能的方法、經(jīng)驗與總結(jié)。
2017年7月7、8、9日， CCF-GAIR 2017——2017年全球人工智能與機器人大會將在深圳福田舉行，大會由深圳市政府指導(dǎo)，中國計算機學(xué)會（CCF）主辦，雷鋒網(wǎng)和香港中文大學(xué)（深圳）承辦。大會設(shè)置了三天的議程，包括人工智能前沿專場、機器人專場、機器學(xué)習(xí)專場、智能駕駛專場、智能助手專場、金融科技專場、未來醫(yī)療專場、智能物流專場、AI+專場、CV+專場、AI創(chuàng)投專場等11個專場，每個專場分別邀請海內(nèi)外學(xué)術(shù)和產(chǎn)業(yè)界最頂尖的專家來做大會報告和對話交流。
屆時楊洋博士也將參加大會，并作為機器學(xué)習(xí)專場的主講嘉賓，給大家?guī)砀嚓P(guān)于機器學(xué)習(xí)的干貨分享。如果你想了解更多機器學(xué)習(xí)的落地情況以及技術(shù)方向指引，歡迎購票參加！
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
