泡沫促進行業發展，但如何減少泡沫對AI的破壞？
註：本文來源於「2018第二十屆中國風險投資論壇」上《智能時代：人工智慧的技術創新與模式創新》的圓桌對話。對話嘉賓有：達泰資本創始人、管理合伙人李泉生；北極光創投董事總經理李立新；百度資本研究董事總經理曹軍波；香港科技大學講座教授、第四範式公司聯合創始人楊強；大族激光智能裝備集團總經理陳焱。華登國際董事總經理黃慶擔任專場主席。
現場報道：小蘭
（ID：chuangkem） 來源：創客貓
根據清科統計數據顯示，2010至2017年5月，中國人工智慧領域共發生2218起投資事件，涉及投資金額達668.42億元人民幣。其中，2015年成為AI領域爆髮式增長的關鍵一年，2016年至今人工智慧領域連續延續較高的投資熱度。除了技術上突破了產業大規模應用的瓶頸外，還有什麼原因導致了人工智慧長期維持如此火爆的局面？
從行業分布來看，大數據、智能製造、雲計算、智能金融、模擬識別是中國AI市場最受關注的細分領域。在人工智慧形式一片大好的情況下，但其實真正成功的人工智慧案例並不多。我們在看到巨頭大手筆投入AI以及獨角獸崛起的同時，也應該看到目前自動駕駛、語義識別、小數據學習等方面還問題不斷。
而任何行業只要過熱時，泡沫就肯定會出現。人工智慧的泡沫一方面是資本的狂熱，一方面還來自帶上「AI」標籤的非技術性公司也獲得大量融資。泡沫可以促進行業的發展，但我們又該如何減少泡沫對人工智慧領域的破壞呢？
北極光創投董事總經理李立新
以下為圓桌對話實錄：（經創客貓編輯，有所刪減）
這兩年造成人工智慧火起來的原因是什麼？
李泉生：
我舉一個例子在半年前投資的項目，匯醫慧影，通過大數據的積累，訓練機器學習，然後來提高醫學影像識別的準確率。首先我們這個項目大家看到有幾個元素，第一個要通過很多的對醫學影像數據識別的輸入，訓練機器來提高識別的效率。另外用到醫學上，其實我們未來可以代替人，但我們現在不會馬上做代替，第一，它需要一個過程；第二，我們要進這個醫院，肯定是以輔助醫生為主，至少在今後相當長一段時間內是這樣。
我們國內三甲醫院的知名醫生，大概他的識別率在90%-95%之間。我們的公司的技術到今天已經可以做到國內三甲一流醫生這樣的水平。這樣的醫生在我們國內當中非常少，可能估計就是幾十個，一百來個。可是我們國內有那麼多的醫院，在三四線城市，很多患者沒有機會得到醫院當中一流的醫生來給他做診斷的，所以我們就是解決這個問題。通過大量的數據訓練，結合一些演算法，加上我們和醫院這些醫生的互動結合，不斷地來修正、訓練機器的學習能力。通過這樣的方式，來造福我們絕大部分的患病的病人，提高它做CT，做核磁共振的判斷力，這個是非常有意義的事情。
李立新：
簡單地說，我覺得人工智慧分成初級的和更高階的，現在我認為所有的人工智慧都是在路上的。在這種情況下，人工智慧要能夠讓人處理大幅提升效率，我覺得這樣一種應用技術我們看來才是有投資價值的。
我舉一個例子，我們投一個公司很有意思，微軟出來，都是一幫技術大牛，他們想在教育領域做，後來發現走不通。後來他們開始在海外論文的翻譯上，特別窄的垂直應用領域，特別是在生物醫藥方面的論文翻譯上。這個現在看，這個市場不是一個特別大的市場，但是因為它很窄，他們的技術結合這種垂直場景，我們認為會帶來很高的壁壘。這個積累不是大的平台，百度、谷歌今後所能夠全面覆蓋掉了，所以他們有他們非常明顯的技術壁壘，我覺得在這個領域上他們會走得很快，而且大部分解決了人力翻譯帶來的效率問題。
曹軍波：
我謹代表百度資本。人工智慧如果抽象來講，它是讓機器在某種程度上，具備人的能力，這是一句話。所以到各個應用領域，我們發現都可以進行展開。它的核心推動力是什麼呢？是數據加演算法，到了移動互聯網，讓數據的確是指數級的增長，演算法又發揮了它的生命，無論是積極學習，還是深度學習等等這一類的。
所以在這個時間節點下，大家發現部分的人工智慧領域裡出現了可以落地、可以商業化的階段，這也就引發了整個產業和整個行業去關注這樣一個風口。的確人工智慧這個概念非常大，從底層，到各種人工智慧的演算法，然後它的一個通用型的平台型的這種搭建，還有最頂層的各個應用行業領域，其實都是可以去把這個圖譜攤開的。所以，我覺得從目前來看，應該在某幾個領域裡面是具有讓人非常興奮的一些發展的態勢。
香港科技大學講座教授、第四範式公司聯合創始人楊強
楊強：
人工智慧一直有一批人在做研究的，像我個人就研究有30多年，從1985年就是介入人工智慧。一直都在等一些條件能夠滿足，比方說數據，演算法早就準備好了。最近有些事件使得公眾突然感興趣，像阿爾法狗，但是阿爾法狗錯誤使很多人認為這是一夜之間起到翻天覆地的變化，這是不可能。阿爾法狗是在非常局限的範圍內去做的，而且數據是充足。在很多應用場景，包括無人車，其實沒有那麼多數據，總是有缺乏的數據。醫療影像領域數據孤島現象也非常嚴重，包括數據標註是非常困難的一件事情，使得理論的極限遠遠達不到。
人工智慧的目的是想提高效率，但是提高效率就要增加收益，減少費用。所以我們看到比方說人工智慧用在客服，就可以減少人工的參與、人工的費用，用在營銷，像廣告，就可以提高效率。那麼從演算法的角度，從數據的角度，從架構的角度，今天應該說都做了很多。但是我們從宏觀的觀點來看，人工智慧成功的案例並不多，所以這也是我們今天可以探討的一件事。
陳焱：
一個新的事物的產生，它應該是有一定的環境，為什麼會產生，它是因為一種需要才會出現。人工智慧把它劃為兩端，前面就是人工，人為造出來，智能，為什麼不叫智慧呢？因為它達不到更高的智慧的基礎。人工智慧其實出來的目的，它肯定是你做一些事情，做到一個地步的時候，尤其是像我們這種，原來做基礎裝備的，做到一定地步的時候，我的人力成本上升了，我沒有足夠的場地支持了，我的數據要升級的，那麼我的企業肯定要去找辦法。這樣的話我引進的流水線，我引進語音識別來做售後服務等等，所有這一切實際上是水到渠成的結果。因為這種東西人工智慧出來的時候，它一定是社會往前進的一個必然的結果，你在某個地方走不通了，你必須要想辦法把它走出來。
所以這個人工智慧，我認為目前它其實是很有條件的，從1956年幾個年輕人提出來這個概念到最近的阿爾法狗戰勝了李世石，大家都感覺到了，這個技術的飛速發展和進步。實際上人工智慧它表面上看起來是一個智能，但實際上是很笨的東西，它是建立在大數據的基礎上，它從數據上提取出一個東西，找到一個捷徑做這個工作。所以人工智慧完成所有東西都是有邊界的。但是我們人類做的很多東西都是沒有邊界的。我覺得在未來人工智慧永遠不可能替代人類，因為人類可以立馬做出一個判斷。
我覺得在人工智慧很難解決具體的語境問題，以及圖像識別的問題。還有一個智能駕駛這塊的應用，大家都知道，我們特斯拉在智能駕駛上，連續出了很大的問題。這個問題我相信在未來十年肯定可以解決。但是這些大的演算法，我們都知道都是用大數據所提煉出來的，實際上數據越多，未來的流程就會越複雜。你對於這個模糊數據的處理就會越來越複雜，當你的技術越來越複雜的時候，又會發現一個問題，你的解決速度就不如以前了。
當然人工智慧的趨勢，是擋不住的，誰也擋不住這個步伐，甚至霍金他曾經預言，人工智慧發展到現在，他很可能會是人類社會一個災難。因為災難沒出現，我們也不知道，但是這個事情，人工智慧現在已經是成為一個社會發展的趨勢了，但是我們擋不住的，至於未來人類怎麼去做，我們只能是根據人類科技的進步，一步一步往前走。
我做一個總結，實際上一個人工智慧最終的結果我認為，肯定是服務於人類，把人類從繁重的耕作當中解放出來，這就是人工智慧現在的價值，和現在的資本蜂擁而進的一個理由，它確實可以給我們在座的人帶來福利，所以它就能夠創造巨大的價值。
百度資本研究董事總經理曹軍波
有什麼是人工智慧現在做不到
但大家有非常希望它能做到的？
楊強：
小數據學習現在還做不到，而我們在日常生活和工作當中，往往遇到大部分的情況都是小數據。這種大數據的情況，別人給你整理好，其實是不存在的，是非常稀少的狀況。但是小數據從學術上來說是有可能被攻破，因為人是可以解決小數據的問題。比方說我們家裡面小朋友學寫字或者學認圖，往往通過很少的例子可以學會。所以我們從教育學來說，衡量一個教育工作者的能力，老師的優異與否，是通過學生的學習能力來體現，他們管這個叫學習遷移。
從機器的角度來說，我們今天已經了解到一些比較垂直的領域，可以使用這種小數據學習，我們管這個叫遷移學習。比方說我們可以通過一個圖畫學到它背後的概念，然後再把這個概念遷移到文字，這個文字只用很少的訓練就可以學會識別概念，就是這種跨領域。所以這個方向在學術界是有一點點的成功。我們很期待在工業界未來也會取得很大的成功。
曹軍波：
我覺得大家比較容易理解就是自動駕駛，從現在來講，基本上的車都是1級到2級，10年之後可能百分之幾十的汽車就具備了5級的能力，所以你可以看到它是一個漸進的過程。唯一決定它的就是它的成本，特別是多感測器融合的方法論下來的，激光的成本等等這一系列，以及你的計算性能，高性能的這種計算單元能不能夠進一步地出現和量產。所以大的方向來看，現在雖然還沒有實現，但是我們可以預測，在接下來的幾個時間段內，它可以達到可實現的條件。
李泉生：
我覺得藝術創作是比較難用人工智慧來做的。我前一段時間跟很多人討論藝術，繪畫，這種東西是很難用人工智慧來完全替代的。這中間它有文化傳承的問題，有思維藝術的問題。在歐洲人發明五線譜以後，很多人開始古典音樂，才有傳承，這是我們很遺憾，我們的古樂沒有傳承。這個和數據沒有那麼大的關聯。
另外一個很難的一點，真正做到完全自動駕駛，這中間有交通系統，有激光雷達等。技術在哪兒，兩個基礎非常好，一個是新能源車，如果沒有純電動車這樣一個成熟的技術出現，我們談這種事情是很難的。因為純電動車、新能源車逐漸越來越成熟，所以打下非常好的基礎，剩下是一個識別的技術。我估計演算法理論上突破不大可能，但是演算法通過迭代、訓練，使它效率更高，用的內存少，這個理論上能做到的。剛才黃總講的，成本也是可以下來了，但是需要時間，這個時間點什麼時候能出現，我相信我們在座都沒法很準確地知道。所以就是說，一定能做到，但是時間不可控，這正是我們投資機會，也是風險。
李立新：
第一人工智慧這波是很大的，無論對於投資人還是創業者還是社會經濟架構。第二，它比我們預期來得更快，這個主要是算力的提升，會帶來很多地方的應用場景的需求的落地。就我自己而言，我覺得這樣的趨勢對人的未來其實有巨大的挑戰。人類一定要適應，可能在10年以後，人工智慧對人的工作的一些挑戰。我覺得解決之道，就應該是教育，但是現在教育上沒有看到更多的布局和跟進。因為我覺得人的認知是不同的。剛才教授講，人要有學習能力，每個人的學習能力或人的學習特點是不一樣的，未來在個性化的學習能力的培訓方面，我覺得這個是一個非常有意義的結果，但是目前還沒有看到有什麼方案。
陳焱：
因為實際的工業它更多是對人工智慧的一個應用，我們的橫向思想是什麼呢？如何提升效率，創造更大的價值。現在包括中國也提出來中國製造2025，包括歐洲，實際上都提出來的。但是現在一個最大的問題是什麼呢？智能製造這個概念雖然提出來的，但是我可以說到目前為止真正意義上還沒有一個準確的意義。我覺得這個是我們在人工智慧這塊要努力的。你沒有標準的話，大家不知道往哪個方向搞。包括大家也把它劃分出來了四大產業，也羅列了很多東西，但是去落地有很大的困難。實現智能化之後，你是不是能夠給自己真正創造價值。你要創造價值的東西，這才是有用的，否則就是一個形式，這個也是我們現在所必須要解決的。
達泰資本創始人、管理合伙人李泉生
如果看待人工智慧的泡沫？
李立新：
從另一個維度看，每天我們都在看大量的創業公司，我們跟他們都在共同探討一個問題，你看現在的趨勢，第一亞馬遜，百度，這是多狠，這種大平台都是在平台上的AI技術的投入。
另外一方面，很多已經形成的頭部公司，他們左手融資，右手投資，又把自己變成平台，包括像小米、滴滴新的生態型的企業，都在大量的投入。在這種情況下，肯定泥沙俱下，一定會有些名副其實的泡沫出現。
另外一個帶給創業者的思考，對於一個創業公司，留給他們的機會在哪。我覺得這是一個我們不斷跟創業公司的創始人在討論的東西。我覺得在通用層面，機會不多，除非那種真正是一幫國際型的大牛出來創業，有絕對的大資金的支持，可能會有機會。其他在很多垂直應用領域，因為它這種應用場景需要行業知識、知識圖譜，這個其實是一個很有成長空間的地方。
曹軍波：
我覺得這個還是拆開來看，不能一概而論。我們來看現在比方自動駕駛這塊，它涉及到的細分領域非常多，硬體、感測器，激光雷達、攝像頭、晶元，晶元又分雲端智能晶元，終端推理晶元。另一方面，軟體服務有高新地圖，有定位，又是一層。為了推進，我們也看到自動駕駛的，從L1到L5，需要主機廠能夠往裡面進行一個投入，有更多的創新路徑。再往下去看，還有當主機廠都已經開始逐步演進的時候，那麼出行服務是不是又出來了，出行服務又變革，出行服務和自動駕駛，無論是你自動駕駛的計程車，又是一個結構性的機會。
所以你可以看到，人工智慧光一個車，它在生態裡面，從成熟度到可落地的程度都要具體問題具體分析，肯定是要先從特定場景起步，定點定線，然後載人載貨，貨車還是巴士。這些都有不同的成熟度。
李泉生：
我覺得泡沫分兩個方面，第一個是估值方面，我退一步說智能網聯車未來是上萬億的市場，這個市場極大地改變人的消費方式，車不再是你要花精力，而是上面是一個消費的場景，這個消費場景會帶來巨大的商機。智能網聯車比我們現在某個互聯網的領域要大得多，所以值得未來幾年繼續投入。市場這麼大，造成大家都想往裡擠，但是這個會帶來估值的泡沫，不是很有利益行業的發展。所以投資方都想進去，自然造成估值泡沫。還有BAT級別的公司，拿著錢它也投，可能某種程度上助推了這種泡沫。
我們投的企業，其中部分用到了區塊鏈的技術，這個是去年我們引進的金融科技公司，我認為我們是為數不多的開始贏利的公司。它盈利的模式很簡單，因為它確實能夠幫互聯網公司，P2P公司，極大地提高效率，提高效率就是提高它金融產品針對客戶的準確度，我覺得就是因為大數據的應用，我也沒說這是我投的人工智慧公司。但是很多時候的泡沫，是因為都把不是人工智慧的公司做成人工智慧公司，所以這是另一點泡沫。媒體宣傳也好，大家有意無意地自我意識地去追這個泡沫也好，容易什麼都把戴上人工智慧的帽子，這覺得這是不應該的，但是往往被誤導，這是我想澄清的一點。
陳焱：
我對產業這塊，實際上研究得還是比較深。實際上中國經歷了很多個泡沫時代，如果一個產業沒有泡沫的話，基本上意味著這個產業已經是夕陽產業。這個是肯定的，因為大家都不關注了，所以大家都不去投資。如果一個產業是一個新興產業，那它一定會有泡沫。看這個泡沫到底有多大，我們具體來分析人工智慧有沒有泡沫，主要從市場需求端和我們投資的資金端來對比一下就可以了。如果說未來整個市場所創造的價值，能夠大於我們現在資金的投入，我認為這個東西不管怎麼狂熱，它不會有泡沫。如果已經遠遠大於這個產業，那它絕對有很大的泡沫。
人工智慧現在不管是對個人，對團體，對整個社會，它可以帶來巨大的方便和巨大的價值。所以對消費者來說，我們現在講究一個產業究竟未來能不能做到大，B2B的模式，這個B才可以做成巨無霸。
為什麼要到具體的消費者呢？因為現在的消費者有一個羊群效應，我們也看到一些新技術的發生，所以對於人工智慧，現在也是站在一個新的歷史風口。美國、歐洲、日本，包括中國，其實都是非常注重這個產業，而且中國也做出了一個商業的規劃。但是這個泡沫真正會大，大在哪裡，實際上還是在國家層面怎麼去對待這個東西。國家的支持，這是好事，但是國家支持過度了，那絕對就是泡沫，包括我們的機器人，包括我們的太陽能，你們這麼多的資金到了，我們都是這些行業的一個親歷者，也是一個見證者，見證它的泡沫吃破的過程。
現在大家可以對於人工智，究竟需要花多長的時間，需要多少錢來完成我們人類這麼多的一個立項和訴求，你都看不到。所以這裡面對於資金的介入是非常必要的，由於有大量資金的介入，我們很多產品就能產品化，整個產業鏈它就會誕生，它就會出現非常多的商機。
我們現在說泡沫是什麼？就是在一個領域出現的時候，比方說我們的語音，科大訊飛搞了，結果所有的行業都去搞語音識別，我認為這樣就是巨大的泡沫。國家有三個主要搞語音識別的，他們在做，互相競爭，做它的衍生品是可以的，但是如果大家都簡單重複地做一類產品，我認為這個泡沫就一定會出現。
泡沫出現的同時也能夠推動我們整個技術往前發展。至少目前整個情況，我認為這種泡沫應該是有，但是還不大。沒有泡沫人工智慧這個領域，我相信在未來是非常緩慢的。這個就是我剛才講的，國家支持的資金不能只是停留給很多的企業去做資本炒作。如果我們國家政策的支持，能夠轉化為我們社會對於AI的需求，能夠真正地落地到以市場為導向的一個製造模式，一個良性的智能發展的模式，我相信這是良性的泡沫。
大族激光智能裝備集團總經理陳焱
人工智慧是對人類的威脅還是造福人類？
李泉生：
未來相關配套的法律約定，或者是技術這幾個倫理的底線，大家有一個共識，很多事情對人的負面影響，應該是可以有各種辦法來規避的，但這個危險是存在的。我們說魔高一尺道高一丈，這永遠是一個辯證的關係，只要大家一說到這個問題，從一些技術強國的角度出發，能夠走相關的約定，或者形成共識，一定是可以有比較聰明的辦法來應對這個局面。
李立新：
我還是偏樂觀的，現在看，人工智慧或者智能設備它只是一個工具，未來我覺得人類一定會接受人工智慧跟我們共存的一種狀態，總體來說應該是造福人類。
曹軍波：
從人類發展史的角度來看，人類文明幾千年的演進，我們可以看到大的趨勢是生產力的確是在不斷提升，我覺得人工智慧應該是放在生產力這個範疇里。但是同時生產力給我們帶來很多福祉，也使得人類的風險提升，兩個都是同時在增長的。就好像愛因斯坦，最後導致我們的原子彈出來，你說這個是不是，這個也是，核能和原子彈。
我覺得AI應該也是逃不脫這個範疇，它的確極大地提升了人類的生產力，促進了人類文明的發展，但是它給我們人類在風險層面上更高。這樣一來使得我們在法律層面、法規層面，政策層面做相應的規劃，這樣可以讓人類的技術和生產力更多地限定在有利的一面。
楊強：
我覺得現在回答這個問題沒有回答意義，我們還是要多花點時間去解決實際問題。
陳焱：
我認為人工智慧不會對人類產生更大的威脅一個主要的原因是，人工智慧它是技術，它是通過演算法繼承來解決方法，任何一個機器人對知識有需要。現在互相之間兩個機器人有個交流，這種事情發生過了，但是至少我認為它很難能夠超過人的智力，所以人工智慧它為什麼不叫人工智慧就是這個原因，因為人是一個智慧的東西，我們每次出現災難的事情，一定會有天才式的人來解決問題，所以人是這個世界上最有智慧的生物，我們可以放心大膽把人工智慧往前推。
以上，創客貓現場報道，如有轉載請註明來源
TAG:創客貓 |