午夜免费电影-中文字幕丰满乱孑伦无码专区-久久久久久亚洲精品无码-国产精品天天狠天天看

應該說，過去一年最風生水起的技術領域就是人工智能。谷歌的AlphaGo著實掀起了一陣媒體關注的熱潮，大有上升到第四次產業革命的高度。一大批創業公司也聚焦AI技術的研發和創新，行業的發展勢頭和前景是非常好的。但與此同時，不可否認地說整個行業存在過熱現象。一批創業公司跟風巨頭，從事純人工智能技術研究，而沒有去著眼考慮具體的應用領域。下面我簡單談一下對于當前AI創業的一些個人思考：

應用技術成熟，硬件載體廉價

近年來，人工智能應用領域的飛速發展主要得益于以下三個方面。首先，適合人工智能計算的專有硬件進入量產時代。這當中非常突出的是NVIDIA，它的GPU天生擅長并行處理任務，非常適合人工神經網絡的計算。過去的一年多內其股價上漲了3倍，足以說明其相關產品的出貨量持續向好。其次是移動計算能力的強大。如今手機的處理能力已經遠遠超過三十年前的想象。很多早期科幻片里，光速飛船上還用大哥大尺寸的東西通話，而今天已經可以用小型手機來實現了。當下很多復雜計算任務和控制邏輯，可以在體積非常小且低功耗的移動平臺上完成。這讓很多過去無法想象的應用成為現實，例如無人機，本質上它只是多種應用技術達到成熟之后相互結合的一種產品。最后一個關鍵的是人工智能的應用技術正在走向成熟，這里不僅僅是指軟件技術、開源代碼包，也包含相應的人才梯隊，在市場上不再稀缺。

并無重大理論突破

從理論角度，人工智能領域這些年其實并沒有重大突破。即便是媒體炒的火熱的deep learning（深度學習）以及reinforcement learning（增強學習）也并不足夠新鮮。直到今天，我們仍舊搞不清人類智能的本質是什么。或者說，學術界和業界并不是在研究媒體關注的“具有自主意識的AI”，而更多是貼近垂直應用，解決應用當中的實際問題。今天，依賴deep learning技術，我們已經可以在特定應用下模擬人類的感知（perception）。我們可以讓機器從一堆證件照里找出某個具體的人，甚至有可能比人找得更加準確。我們正在試圖讓機器去識別和理解，圖像里到底有什么。但這絕不是極具熱度的自主意識的AI。即便是最強大最前沿的人工智能軟件，比如AlphaGo，它歸根到底還是個按照預設邏輯執行的機器，從這點上它和我們用的計算器在本質上并無差別。AlphaGo并沒有自主思考的能力，所以我們大可不必擔心，類似《終結者》電影中AlphaGo向人類宣戰的場景出現。

在真正的人工智能道路上，我們還有很長的路要走。這當中有些研究和計算理論、數學，甚至哲學相關的。比如，把圖靈問題放在人工智能領域，我們可以問自己一個詭異的問題，“使用人類智慧是否能夠理解人類智慧是怎么工作的？”甚至更繞一點，這個問題本身是否是用人類智慧不可解答的？當然，這些都不影響目前人工智能在具體應用領域大放異彩，逐步把人從一些機械的、重復的勞動中解放出來，這才是我們目前要關心的。

行業整體存在過熱現象，創業公司機會有限

目前在人工智能應用領域，已經開始出現產業過熱以及投資過熱現象。早兩年和投資圈的人閑聊時，都希望幫著介紹“VR”項目。而現在見面聊天，都問有沒有人工智能項目推介。除了資本圈一哄而上，互聯網產業內也開始追逐這股熱潮。不管有沒有使用場景，從公司的管理層到一線的研發，都希望將技術路線往人工智能上靠一靠，一定程度上造成了過度設計和資源浪費。

創業公司面臨的一個共性問題，就是缺乏用戶。在缺乏有效用戶數據的情況下，很多統計學習的方法未必奏效。比如，一些創業公司基于統計的機器學習技術（比如多層神經網絡、SVM等），來解決一些簡單的分類或推薦問題。而實際上卻沒有那么多用戶數據來進行有效的訓練。即便訓練出來一個模型，其評測的結果也很難具備統計意義。而實際上，在訓練樣本極其稀疏的情況下，基于行業經驗的啟發式規則，往往會比統計模型更加簡單可控。

而同時，我們也看到國內很多中小型公司，都跟風設立了所謂的人工智能實驗室。甚至還出現了一些沒有細分應用場景的，做純人工智能技術或平臺的創業項目或者實驗室。我認為廣義的人工智能研究，或者人工智能技術平臺，可能只有如Google、Facebook、Baidu、Alibaba、Microsoft這樣量級的大公司，才有足夠的財力、人才儲備、行業號召力來進行。而小團隊或創業公司更多的機會是聚焦在一個個具體的垂直應用上。雖然有一定技術通用性，但人工智能技術的每一個細分領域都有很深的行業沉淀和差異性。比如，一個做人臉識別的專家的經驗未必就適用在金融風控上。同樣，一個做自動駕駛的專家也未必會做程序化交易。在人工智能的細分創業領域上，往往要求founding team是在相關行業從業多年的博士或者研究團隊，否則很難在相應領域產生足夠深的積淀。因此不基于細分應用領域的，側重于純技術甚至平臺的創業項目，很可能不靠譜。

需要結合國情和實際

在分析人工智能細分領域的前景時，我們需要看到它背后的社會源動力和經濟價值，不能照搬美國的一些模式。

例如，對于美國本土市場而言，自動駕駛極有可能會是下一個巨大的風口。一則美國地廣人稀，路況簡單，對自動駕駛的技術要求沒有國內那么復雜，相對而言形成成熟技術比較容易。二則美國人工成本極貴，比如美國打車動輒上百美元，包車一天少說也得300美元。所以在商業動機上，自動駕駛的商業利益遠比國內大（國內司機人工成本低）。

除了自動駕駛自身可能觸發的出行、旅游，甚至車載娛樂業的變革，美國的自動駕駛技術還有一個巨大的潛在可能性——外賣行業。美國的人工成本極高，加上地廣人稀，外賣產業極度不發達。很簡單的道理，你送一個餐要開30公里，下一個餐又得跑20公里，效率極低。除了少數的披薩和大城市核心區域，大部分餐飲都不提供外賣服務，只能是自己去取餐。但有了自動駕駛或者無人機，這種能夠靈活實現短距離配送的手段，將打開全新的外賣市場。比如可以有一種自動配送車，按照中央調度的信息設定去哪里取外賣，然后送到哪里。按照密碼取貨，還可以保溫。這一天的到來應該不會遙遠。相反，中國城市內路況復雜，人口密度高，再加上人工相對便宜，因此自動駕駛的經濟源動力未必有美國那么強勁。

再比如，因為社會價值和經濟利益的雙重驅動，電子交警在中國國內各個城市得到了普遍應用。這催生了一個巨大的產業鏈，硬件攝像頭，違章識別系統等相關產業出現了很多上市公司。而反觀北美，因為法律、人口密度等多種原因，電子警察實際應用又遠不如國內這么廣泛。相應的技術發展和創新動力也就沒有國內那么足。

后記：

“人工智能”歸根到底是人類社會科技進步的代表，如同一百多年前蒸汽機、內燃機、電力技術、晶體管被發明出來一樣，都以不同的方式促進了人類社會生產力的提高，人工智能如今處于起步發展階段，很多應用還處于探索狀態，但不可否認基于AI技術的應用已經出現在我們日常生活中，可以代替人類去做單調、乏味、機械性的工作，機器的效率比人更高，比如物流倉儲中的機器人、無人制造工廠、汽車安全輔助系統、酒店自助入住、旅游線路定制規劃、銀行自助無人終端等，但這些無人設備工作過程中離不開人類的輔助，比如數據源更新、設備維護、修理、校正，“人+技術”組合或許是未來人工智能發展的重要途徑。

作者簡介：

“對世界上癮”系列文章，由窮游網創始人團隊主筆，分別從創新、品牌、營銷以及產業格局分析等方面，講述他們從業十余年的經驗及感想，分享行業及職場干貨。每月定期更新，陪讀者一起“對世界上癮”。

金翔宇博士畢業于南京大學、美國弗吉尼亞大學，獲計算機博士學位。2016年4月加入窮游網，擔任首席技術官（CTO），全面負責規劃、制定和實施公司技術發展戰略，包括：互聯網產品研發、大數據戰略、以及技術創新等方面的工作。

加入窮游網前，金博士先后就職于美國Yahoo！Labs（雅虎實驗室）、阿里巴巴集團硅谷研發部，從事搜索、大數據、云計算方面的研究和實踐。此前，他曾在微軟亞洲研究院、美國惠普實驗室從事過模式識別和人工智能的研究工作。金博士還曾擔任美國科學應用國際集團（SAIC）顧問，以及多家學術期刊與會議的審稿人。

【號外】想要捕捉文旅大消費行業風向標？想要了解最前沿的文旅跨界創新？想要學習行業大佬最新的干貨分享？想要與行業精英現場互動深入交流？來“2017中國文旅大消費創新峰會”吧！6月13-14日，北京·國際會議中心，文旅大消費頂級內容盛宴等你來！了解會議詳情&報名請戳：我要報名！（提前報名有優惠）