今年的兩會中，人工智能首次寫入了政府工作報告。這給行業(yè)帶來了一些新的不確定性的因素，因為人工智能行業(yè)又被炒起來了。據(jù)我所知，一些投資機構(gòu)、學校，特別是好多大學，不管有沒有自己的研究和實力，都開始一窩蜂地涌入人工智能領(lǐng)域。
人工智能寫入政府工作報告是一個很大的利好，但是可能一定程度上會干擾市場，以及干擾一些投資者的判斷。因為原來我們業(yè)內(nèi)有一個共識，就是關(guān)于人工智能大致的投資、行業(yè)發(fā)展方向是怎樣的，朝什么方向、以怎樣的節(jié)奏發(fā)展是比較健康的，但是現(xiàn)在可能會面臨更多的不確定性。一些行業(yè)外的人和資本，可能因為外部環(huán)境的變化，帶來更多的渾沌。
在我看來，短暫時間內(nèi)這又會有一場人工智能的泡沫。這對市場是一定的干擾，干擾了市場本身健康的成長。不過從長遠來看，這對人工智能行業(yè)是一個積極的事情。
做平臺型的人工智能企業(yè)99%會死
最近看到有一個觀點：未來兩三年95%以上人工智能公司會倒閉。其實這個問題要具體分析，人工智能行業(yè)的公司細分類型不一樣。
目前人工智能企業(yè)大致可以分為三類。第一類是純粹做人工智能基礎(chǔ)，技術(shù)開發(fā)的，這一類往往是百度、阿里巴巴、騰訊或者谷歌這樣的科技巨頭來做，因為他們想做自己的開源平臺，讓大家都來使用。
第二類是有自己的基礎(chǔ)開發(fā)能力，但是在細分領(lǐng)域中能夠沉淀下去，做細分領(lǐng)域的應(yīng)用的。像我們的小i機器人就屬于這一類。這樣的企業(yè)能夠自己支撐自己的發(fā)展，也是目前在業(yè)內(nèi)生存得比較好的，一個重要的原因是技術(shù)可以落地，實現(xiàn)貨幣化，也就是有收入。
第三類是純做應(yīng)用的。自己不做人工智能的技術(shù)開發(fā)，去使用別人的技術(shù)，比如?？低曉跀z像頭領(lǐng)域的量是很大的，因為它擁有市場，所以它在人臉識別方面擁有大量的客戶、數(shù)據(jù)來源和渠道，它雖然使用別人的人工智能技術(shù)來進行人臉識別，但依然能夠很好地生存。
我認為第一類的創(chuàng)業(yè)企業(yè)或者中小公司，99%的企業(yè)都會死，不僅僅是95%了。因為做人工智能的企業(yè)如果僅做純粹的基礎(chǔ)技術(shù)研發(fā)，那就是在跟BAT這樣的企業(yè)直接競爭。我相信這類企業(yè)，99%都會做不下去。不論是人才層次，資金投入，還是市場競爭，在人工智能基礎(chǔ)的研發(fā)上，小公司難以跟BAT這樣的大企業(yè)對抗。
但如果是在細分行業(yè)中做應(yīng)用，將人工智能的技術(shù)在某個領(lǐng)域提供很好的服務(wù)或產(chǎn)品的話，那可能會活得很好，這一塊的市場非常廣闊。
其實近期在經(jīng)歷了一段時間的人工智能浪潮以后，好多企業(yè)都開始出現(xiàn)一些經(jīng)營困難。我知道一家做智能音響的企業(yè)，是想模仿亞馬遜，這個公司沒有自己的云計算作為基礎(chǔ)，也去做智能音箱。
如果這個公司有自己的云計算、大數(shù)據(jù)，能夠自己搜集用戶數(shù)據(jù)，并且對數(shù)據(jù)進行分析，可能會做得不錯，但是它又沒有亞馬遜那樣比較雄厚的資金實力，自己又沒有人工智能的技術(shù)開發(fā)，結(jié)果自然做不下去，出現(xiàn)了經(jīng)營困難。
因為人工智能有四個層面，云計算，大數(shù)據(jù)，人工智能，行業(yè)應(yīng)用。云計算是獲得數(shù)據(jù)的前提，大數(shù)據(jù)是人工智能的前提，而行業(yè)應(yīng)用則是保證企業(yè)能夠生存，以及人工智能得以發(fā)揮效用的關(guān)鍵。前三個層面是行業(yè)應(yīng)用的一個基礎(chǔ)，行業(yè)應(yīng)用是一個人工智能企業(yè)能夠生存和發(fā)展的動力。
對人工智能的預(yù)期需要降低
人工智能其實是個不斷進步的概念，存儲盤、計算機，其實這些都是第一次人工智能浪潮的產(chǎn)品，但如今我們都已經(jīng)習以為常了。
第一次人工智能浪潮，是以PC(計算機)為代表的，因為那時候我們看到計算機可以記憶信息、處理程序，我們就覺得很驚奇。PC的出現(xiàn)讓大家看到了機器代替人類思考、工作的希望，大家對人工智能抱有非常大的期待。但是后來發(fā)現(xiàn)，技術(shù)的積累和計算能力各方面都不具備，所以在1970年左右的時候，有很明顯的低潮。
第二次人工智能浪潮開始于19世紀80年代，到2000年左右進入一個低潮，主要以日本研究第五代計算機為代表。第五代計算機的特征就是邏輯推理、語言組織，當時想把計算機做成具有強大能力的推理機，可以像人一樣做邏輯思考，希望通過比較復(fù)雜的邏輯推理模擬人的思維。
簡單而言，那時候主要的想法是，人類的思維應(yīng)該是有一定的邏輯的，只要計算機把人類的邏輯模擬下來，人工智能的能力就能夠得到很大的提升。
但后來我們發(fā)現(xiàn)，人類的很多能力并不是靠邏輯思維得到的。真正具備嚴密的邏輯思維對人是少數(shù)，或者說生活中使用嚴密的邏輯思維的場景是少數(shù)。人類的智能，很多時候還是比較模糊，但又很直接的判斷。我們解一個數(shù)學題，可能有比較嚴格的邏輯，但是我們做人臉識別的時候，其實沒有辦法把它表示成一個非常嚴密的邏輯的過程。所以第二次人工智能浪潮中很多的東西做得不是太理想。2000年左右投資減少，不僅僅是風險投資，還有政府對人工智能的投資也減少了，因為大家覺得可能性不是太大。
第三次的人工智能浪潮，則普遍被認為是2006年加拿大的Hinton教授一篇關(guān)于深度學習在圖象識別當中的應(yīng)用的文章帶動起來的。目前的第三次人工智能浪潮就是以深度學習為代表的。深度學習是機器學習的一種，一般叫深度神經(jīng)網(wǎng)絡(luò)，或者叫多層的神經(jīng)網(wǎng)絡(luò)。
機器學習與前面提到的嚴密的邏輯思維的人工智能的區(qū)別在于，機器學習類似于統(tǒng)計，邏輯思維是演繹。統(tǒng)計的方法，可以通過大量的標注好的數(shù)據(jù)，去找到規(guī)律從而形成模型，這個模型就可以幫助我們?nèi)プ鲆恍┤蝿?wù)，比如說像人臉識別，語音識別的任務(wù)。
原來機器學習是單層的，深度學習是多層的，能夠?qū)?shù)據(jù)信息進行加工、總結(jié)。簡單地說，就是在大量的數(shù)據(jù)中，人工智能自己去發(fā)現(xiàn)數(shù)據(jù)之間的聯(lián)系、規(guī)律，原來是人類去給計算機設(shè)定思維邏輯，而深度學習則是計算機自己對數(shù)據(jù)信息進行總結(jié)、抽象，并發(fā)現(xiàn)其中的規(guī)律。所以我們?nèi)缃竦膱D像識別、語音識別，都是如此。
舉個例子，對一張人臉，也就是一個圖像進行識別，原來可能需要用戶坐好，表情端正，然后機器根據(jù)不同部位的特點、定位來進行判斷是不是這個人。但我們?nèi)四X不是這樣工作的，同一個人，不論是哭、笑，喜怒哀樂，我們都知道是這個人。深度學習就能夠?qū)⑦@些信息數(shù)據(jù)進行抽象、總結(jié)，然后輸出結(jié)果，比如確認你就是這臺電腦的用戶。
在其他領(lǐng)域，也是如此。比如你給了一幅畫，它通過分析告訴你這幅畫有一個太陽，一座山，兩個人;你給了一段中文，它可以幫你翻譯輸出為英文或日文;你給了一段語音，它轉(zhuǎn)換成了文字。但一個特點就是深度學習需要大量數(shù)據(jù)的輸入，沒有大量的數(shù)據(jù)來進行分析，是沒有辦法得到很好的結(jié)果的。
有的領(lǐng)域，技術(shù)不是問題，但是人們對人工智能帶來的市場需求預(yù)期過高了。比如圖像識別這塊，目前圖像識別領(lǐng)域只有一個市場需求在支撐，那就是人臉識別。圖像識別的技術(shù)已經(jīng)發(fā)展得比較成熟了，但是我們發(fā)現(xiàn)人們對人類識別的需求并不是那么大，市場需求不足。
去年下半年開始，受資本寒冬影響，經(jīng)歷過一些投資的泡沫和人工智能的行業(yè)探索后，人工智能有一個理性的回歸。行業(yè)內(nèi)對于人工智能能夠做什么，不能做什么，跟前兩次人工智能浪潮相比，期望是降低了的，這也有利于人工智能自身的發(fā)展。
我們對人工智能的期待程度其實是需要降低的。人工智能就是代替人完成一些人類不愿意做的，比如服務(wù)員、簡單的文字處理、簡單的法律服務(wù)這樣基礎(chǔ)性、重復(fù)性的工作，從而讓人類去做更有創(chuàng)造性的事情，它不是萬能的。
轉(zhuǎn)型的最終目的 -提質(zhì)降本增效
分享到微信 ×
打開微信，點擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。