|
|
AI“低处的果实”还没摘完
人工智能有很多学派。符号学派、连接学派等等。但是除了深度学习以外的方法，经过多年被验证，是不太有发展的。
模拟人的分析方法，希望把它变成一个规律和专家系统，过去五十年已经证明了这个思路是不行的。当然也许某一天会有一个突破，但是直到那一天为止应该是不行的。
就我自己的背景来说。在1988年，我就开始做语音识别。当年第一套系统就是用完全机器学习的方法来做的非特定人的语音识别。
现在看起来这是一个特别小的方法：世界上有一个人能够从纸上读出语音，我的导师就要把这套方法变成一套专家系统。
当年就让我很坚定地认为：机器的构造跟人脑，跟人的思维方式其实是不一样的。我们硬要把A放到B其实是很困难的，就像我们不能逼自己去变成一个深度学习者，去分析事情——我们脑子思维就不是那样的，是不自然的。
用脑科学的方法制造人工智能，是一个未知的领域。未知的东西有它的魅力，你要做研究就要做未知，你要有了突破那就是创新。在学术领域你做每一件事情的衡量标准是：我要做别人从来没做过的东西。我们可以假设脑科学跟未来的AI是相关的，我们可以去证明这是或不是。但是从投资的角度来讲，押注的风险就太大了。
当年深度学习也是因为数据的不足，碰到了一些瓶颈。但近年我们看到有好几个特别大的变化：
第一个就是特别大量的数据在某些领域开始产生，而且我觉得我们目前还没有被用完。
第二个就是GPU的使用让我们能够更高效地、非常快速地做深度学习。
现在我觉得，所谓的深度学习的果实还远远没有被摘完。
人工智能的应用来说百花齐放，一个一个大果实就在你面前。在这种情况下，你还要去种花，何必呢？
我们把GPU和海量数据在全世界扫一遍，应该还够我们VC界吃个五年，所以从投资的角度这是非常清晰的事情。
再往下走，我觉得我们AI肯定不可以是只有深度学习。例如现在还有增强学习的方法，也在被探索。里面也不是只存在一个方法。所以我觉得学术界其实应该开始帮助和探索更多的可能性，当我们把这两年的粮食吃完之后也许还有更好的机会。
我没有AI宗教信仰
当然未来AI也可能没有进一步的突破了。
如果没有的话，那就说明AI的黄金时代过去了。下面就是物联网或者其他什么的。作为投资机构，我们并没有一种AI宗教信仰，我们还是要把控灵活度。
就像移动互联网时代，当时我们应该是在业界最高调的移动互联网VC。但是随后我们根据情况做了调整。
如果学术界跟产业界有一个合理的分工，我对未来五年投资界和产生价值非常乐观，对于所谓AI的泡沫我认为不会发生。当然有个别的案例会有泡沫，但是我认为能吃的粮食实在是太多了。
学术跟产业它的分工大概是这样：
一方面是一个很天然有机的分工；
另外一方面又是有一点羡慕嫉妒恨在里面。
一般来说学术界是看不起工业界的，但是在某一个时刻突然工业界的一个技术成熟了，在这个技术上学术界就做不到工业界的成就了。于是学术界就被逼的去做新的东西。例如：现在再去做人脸识别，学术界就已经打不过工业界了。所以在人工智能领域，很少见到一个老教授一生只研究一个命题。
本身没有商业价值
AI会带给我们什么价值呢？
我想先说说。之所以如此引人注目，很大程度上是因为我们这样的专家把它讲得太悬。
之前我觉得围棋比国际象棋至少难十年或十五年，但后来结果证明我是过于悲观了。我过于悲观其实有很多理由。我当时认为围棋要比国际象棋难了一个天文数字，但天文数字也是数字。
在之前最好的人工智能棋手达到了业余五段。而最新的和职业九段之间的差距，大致相当于职业九段和业余九段的差距。这确实是很大的跳跃。
那为什么会有这样的现象呢？也就是说，为什么下围棋的人工智能进步幅度这么大呢？
其实有一个非常现实的理由，就是想挣钱的人不会去做围棋。
你看的专家队伍也没那么了不起，就是二十个很厉害的机器学习专家。在谷歌里面可能有两千个这样的人，在微软里有一千个这样的人。原因在于微软和谷歌过去没有想拿两千个专家的力量打败围棋手，他们的更多时间都在做语音识别、人脸识别这些有价值的事情。
在这个没有价值的事情上，能用二十个专家就不错了。
金融、医疗是有商业价值的AI
有商业价值的AI，影响就巨大了。
AI在数据量大的领域最易应用。
这些数据最好被准确标注，自动化标注。
AI在无摩擦的领域最容易应用。
一个领域里面如果有制造、测试、物流这类摩擦，那就麻烦了。无摩擦的领域是什么？医疗是无摩擦，金融是无摩擦。
AI在挣钱最多的领域容易应用。
毫无疑问，最挣钱的又是金融。
所以金融毫无疑问会是AI最快征服的领域。因为你的算法可以很快就变成钱。
医疗
也是一个特别巨大的领域。而且医疗相对传统，能产生增值的机会很大。而且它不是基于大数据的。最好的医生是什么，就是他自己是一个深度学习的机器，根据他的经验做了好多好多次。
假设他判断了五千个病人，判对了很多，判错了一些，下面他的判断就会非常精准了。但一个好医生可能最多也就判断过五千个病人，但我们的数据是五千万的病人的级别。所以医疗超越医生应该是一个非常必然的，全球性的趋势。
但是AI医疗需要突破一些隐私问题，可能会有一些挑战。 |
本帖子中包含更多资源
您需要 登录 才可以下载或查看，没有帐号？立即注册
x
|
