王小川:人工智能最具商业价值的是什么?

选择字号:   本文共阅读 741 次 更新时间:2017-09-16 12:52:08

进入专题: 人工智能  

王小川  

  

   关于人工智能,我相信大家已经接触了很多内容,包括技术、商业模式等等,但是听到的内容和实际操作之间还有很大的差距。今天主要想和大家分享我在“如何衔接技术-产品-业务”方面的思考。

  

   一、“判断”最具商业价值

  

   我将人工智能分为三类:

  

   1.识别

  

   在视觉上,基于相对活动物体的识别已经发展到一定水平。识别的核心“人脸识别”和“语音识别”也具有很大的突破。因此,原来,人所具有的感性体验现在也能够被机器所掌握。

  

   2.判断

  

   能够协助人们进行选择或者判断。比如阿尔法狗就是在帮助人们为棋子选取一个更好的位置。判断被越来越多地应用到实际工作生活和领域,比如:广告。未来在基金方面也有可能由机器自主进行决策购买行为。

  

   3.创造

  

   在学术界里面研究较多的就是创造类,比如:帮助人类合成一段文字或者语音等。谷歌发布的WaveNet就是基于语音网络使用生成算法制作而成的,相对于以前的拼接法、参数法,在声音质量上更具优势。以前方法集中虽多,但性能慢,每合成一秒的音频需要用时几分钟之多。

  

   到目前为止,创造本身仍停留在学术阶段,当然如果有人能够控制无人驾驶领域就另当别论了。但是即便拥有无人驾驶技术,技术本身仍然不具商业价值,因为目的地是由用户指定的,商业利益弱。

  

   费曼曾说过“凡是我们不能创造的,就是我们不能理解的”,比如:除了生孩子以外的方法我们不能创造生命。虽然创造在商业上并没有直接的用处,但是有助于我们对基础的理解。

  

   我认为在这三个领域里,识别和创造的商业前景并不大,最具商业价值的是判断,即帮助人们进行选择或者决策。

  

   事实上,输入法作为搜狗最大的产品并没有达到它应具有的商业价值,因为输入法作为一个工具,用户所表达的和他所需要的内容是完全一致的。比如输入“A”绝对不能显示“B”,所以输入法没有丝毫空间可以做更多的增值。

  

   当用户对一个产品具有充分选择权,这个产品就无法体现出判断的增值。这也是搜狗基于如此之大的用户规模,在输入法方面却没有获得商业回报的原因。

  

   与输入法不同的是——搜索引擎,它可以利用与搜索相关的推荐优势,帮助人们进行决策判断,在推荐的同时,就能够带来商业选择的价值。

  

   二、人工智能发展的三个阶段

  

   1.教规则

  

   将规则教给机器,让其进行判断,这是依赖于人们的经验的最初级的人工智能产品。

  

   电饭锅就是其中典型的例子,在其内部有一个测试温度的传感器,可以监控内部温度,如果温度达到103度,就停止加热。

  

   最初的人脸识别技术,虽然技术实现方面更加复杂,但是原理是一样的,就是告诉机器该从哪几个特征来进行判断。如何理解眼睛的距离、鼻子的高度,如何选取这些特征是传统人工智能的做法。

  

   传统人工智能最大的瓶颈在于,不仅要懂规则,还要能够准确描述规则。比如:人脸识别技术,我们看到一个人就能够立刻知道他是谁,但是对于机器来讲,就需要工程师将这个识别技巧写成语言告知它。

  

   但是,这一点,相对来说,就不那么容易了,因为很难用机器能懂的语言描述一个人的长相。我们把这些说不清楚的规则叫做感性:即使我知道怎么回事,但是无法用语言描述出来。

  

   2.原始数据

  

   在2012年,图像识别技术有了重大突破,机器的识别能力超越了人类。其基础原理在于,图像识别不再需要描述,而是输入大量原始点阵数据,当机器存储的数据量足够大,计算能力足够强的时候,就能够学会有效识别。

  

   举个例子,阿尔法狗就是存储了将近3000万个棋局,将每一个棋局的原始点阵数据输入进去,告诉机器人下棋的棋路和落子方法。当3000万个棋局全部输入进去以后,机器就开始学会了下围棋。

  

   中国围棋队总教练余斌,号称在围棋界里面最会写程序的人。他认为让机器下围棋最大的难点在于机器没有大局观,但事实证明机器在大局观方面比人做的更好,因为机器存储的是整个棋盘的点阵图,而人还要琢磨某一个局部。

  

   这个阶段突破的意义在于,计算机工程人员有机会进入更多的行业领域进行合作。

  

   比如:医疗领域,以前做心电图分析需要技术人员能够像医生一样懂行,到底什么样的心电图代表一个人的心脏有问题,是一种经验技巧,仅停留在医生心中,工程师要掌握这方面的知识就有些难度。

  

   但是现在如果数据量足够多,工程师就不必费力去进行规则表达描述,只要告诉机器这样的心电图是生病的心脏,那样的心电图是健康的心脏,机器就有机会学会对心电图的识别判断。

  

   这就是大数据下,强大的计算能力和精准的算法在日常工作和生活中的突破。以前需要依靠经验才能够解决的问题,现在通过数据和技术人员就能够实现,阿尔法狗最大的启发就是不用找规则,直接给出答案即可。

  

   3.强化学习

  

   有的时候我们既不知道如何向机器表达规则,也不能找出一个准确的答案,但是我们有能力去判断,机器执行后的结果是离目标更近了,还是更远了。这就是强化学习的基本意义。

  

   一个复杂性颇高的问题,很难找出正确的答案,但是验证答案是否正确十分简单。就像几何里的定理一样,证明定理很难,但是如果别人证明以后,判断是否正确就很简单。

  

   在这种情况下,给机器的答案就进化成了给机器一个目标。与围棋类似,阿尔法狗既拥有3000万个棋局作为基础,也有人为判定输赢帮助它继续学习。学习到一定程度以后,就可以安排两个机器对弈,目标就是赢取比赛,过程无论好坏,只要告诉机器棋局结果就可以了。

  

   机器根据比赛结果,自行复盘总结的这种算法称作强化学习。

  

   这是基于我个人视角进行的分类,在行业里面可能会看到不同的分类方法。我这个视角的优势在于最容易理解技术的进步路线图,最容易分析怎样的职业容易被取代。

  

   对于普通员工来讲,他们最担心的问题是科技发展到什么程度,自己就失业了。而对于企业家来讲,他们更关心的是如何将人工智能嵌入自己公司业务的发展。

  

   如果所输入的信息是封闭、有边界、可以结构化的,且包含做决策所需的所有信息,目标也是确定的,那么这样的判断能力就可以被机器所取代。

  

   在计算机数据里面有一个基本准则,机器完全可以胜任,输入可以被表达,输出目标稳定且可评测的工作。除了下围棋以外,还有类似审计和数字相关的工作其实都可以被机器取代。

  

   难以被取代的职业有画家、作家、科研人员等,就是那种创造性大、输入的问题相对开放的职业。

  

   即便机器可以进行绘画,但仍然不能取代画家,因为机器不能真正理解“画”,“画”里面融合了画家个人的人生经历和阅历,作品里带有好的人生体验。因此,机器不能创造“画”,只能作为一种噱头供人观看。

  

   过去人们总认为,人工智能会取代蓝领工人的工作,精英人士无所畏惧。但我觉得不一定,比如服务员、幼儿园老师等等面对极其不确定的、开放环境的工作者,是很难被取代的。这些工作并不需要具有高深的知识,而是在与他人的交互中处于完全开放的环境,任务也是开放的。

  

   因此,不要认为蓝领的工作容易被取代,而白领、金领的工作容易被保住。只要不带有创造性的工作,就会有被智能取代的风险。

  

   三、人工智能仍有诸多未突破的领域

  

   直到今天,人工智能领域依然有很多瓶颈没有被突破。

  

   与阿尔法狗的对局以4:1结束的结局虽然很美妙,但如果阿尔法狗连赢五局,这会让人们对人工智能产生恐惧。如果机器完胜人类,就会让人类找不到自己的生存空间。

  

   其实,机器只要赢一局就是一种胜利,企业也会把它当做英雄,老百姓更是亲昵的称“阿尔法狗”为“狗狗”。这就代表着,阿尔法狗作为机器已经被放在了和人相对平等的位置上,很多下围棋的棋友更是称呼“阿尔法狗”为“阿老师”,这彻底地将机器拟人化了。

  

   我在6月份的时候去DeepMap(硅谷自动驾驶领域的技术公司,2016年才刚刚成立,专注于高精度地图解决方案的研发)参观访问,与开发人员进行讨论。

  

   为什么阿尔法狗会输这一局?当时在现场下棋的时候,机器走着走着就开始变得毫无章法了。对于这一点,程序员也很抓狂,比赛完的当天就回去复盘了,但是结果显示程序并没有bug,没有bug就意味着代码不能改进,问题也就不能得到解决,只能想尽各种办法去找漏洞。

  

   我去的时候,比赛已经过去3个月了,但是这个问题仍然没有解决,因为程序员也不知道问题究竟出在哪里了。

  

阿尔法狗所采用的神经元网络是一个高维叠加的空间,从数据输入到结果输出,计算的复杂程度之高难以想象。比如:我们现在看到的是一个三维空间,(点击此处阅读下一页)

    进入专题: 人工智能  

本文责编:川先生
发信站:爱思想(http://www.aisixiang.com),栏目:天益学术 > 经济学 > 经济学演讲
本文链接:http://www.aisixiang.com/data/105964.html
文章来源:蓝魅之光

2 推荐

在方框中输入电子邮件地址,多个邮件之间用半角逗号(,)分隔。

爱思想(aisixiang.com)网站为公益纯学术网站,旨在推动学术繁荣、塑造社会精神。
凡本网首发及经作者授权但非首发的所有作品,版权归作者本人所有。网络转载请注明作者、出处并保持完整,纸媒转载请经本网或作者本人书面授权。
凡本网注明“来源:XXX(非爱思想网)”的作品,均转载自其它媒体,转载目的在于分享信息、助推思想传播,并不代表本网赞同其观点和对其真实性负责。若作者或版权人不愿被使用,请来函指出,本网即予改正。
Powered by aisixiang.com Copyright © 2017 by aisixiang.com All Rights Reserved 爱思想 京ICP备12007865号 京公网安备11010602120014号.
易康网