AI很火,但要警惕不少公司很機靈地把AI概念加到自己的公司。我認為站在這個所謂的風口,要有識別力和眼光,“個別公司泡沫是有的,長期的浪潮一定是在的?!?/p>
2015年后,當下火熱的AI也重新進入大家的視野。從成立創(chuàng)新工場人工智能工程院,到投資人臉識別Face++等多個人工智能項目,再到亮相綜藝節(jié)目暢談人工智能對人類職業(yè)分工的重新洗牌,探訪創(chuàng)新工場投資的人臉識別項目……確實感覺自己還是挺忙的。
本周,我參加了由《中國企業(yè)家》雜志主辦,一汽-大眾奧迪作為首席戰(zhàn)略合作伙伴的2017(第十六屆)中國企業(yè)領袖年會,想向大家展示自己對人工智能未來的無限熱情。
人工智能分為強AI和弱AI兩個階段,目前尚處于在單一領域用大量的數(shù)據來做強大的推測和判斷的弱AI階段,且沒有任何科學根據讓我們看到強AI的到來。雖然是單一領域,但也是遠遠超越人類的。我認為人工智能的未來應用將會出現(xiàn)四波浪潮,其中互聯(lián)網公司因產生大量數(shù)據將最先獲益。
第一波是互聯(lián)網公司,因為人工智能需要大量數(shù)據,而互聯(lián)網公司的產品往往會自動標注大量數(shù)據,就成了天然的第一批最大的AI獨角獸。以淘寶、天貓、京東購物為例,用戶在這些平臺瀏覽了大量內容后,這些平臺會越來越了解每名客戶的需求和喜好。用戶在美圖上留下的訓練數(shù)據也是如此,“數(shù)據量足夠多,就會越做越美”。
第二波就是傳統(tǒng)的機構如銀行等通過用戶數(shù)據的獲取,在正常的商務流程里面來創(chuàng)造價值。
第三波是實體世界的數(shù)據化,將世界上還沒有數(shù)據化的東西數(shù)據化,變成AI。用數(shù)據來做過去未曾有的應用,以天貓精靈、小魚在家為例,這些在機場或其購物中心布的攝像頭,能夠捕捉很多數(shù)據。
第四波是全自動的智能,比如無人駕駛。但這些技術還處在研發(fā)階段,李開復說,如果說Windows是第一代操作系統(tǒng),安卓就是第二代,那么第三個可能就是無人駕駛操作系統(tǒng)。
以下分享開復在2017(第十六屆)中國企業(yè)領袖年會的演講全文:
謝謝大家,非常高興有這個機會來跟大家分享獨角獸和AI的故事,最近美國的機構做了個評選,2017年中國創(chuàng)造獨角獸最多的公司,創(chuàng)新工場有幸在其中,當年跨過10億美元坎的公司,我們創(chuàng)了6家。
為什么能夠把早期投資做到獨角獸呢?未來獨角獸該怎么走呢?我們認為,未來的獨角獸公司的關鍵是人工智能,互聯(lián)網和傳統(tǒng)公司未來很好地用上了人工智能。
什么是人工智能
人工智能是什么呢?我想做一個非常簡短的介紹,最后有一些傳統(tǒng)企業(yè),我想分享一下傳統(tǒng)企業(yè)家如何看待人工智能。
最近有幸去拜訪北美的三位教授,包括AlphaGo,比如說大家都懂表格,你每個月把員工的薪水輸進去,最后出來一個表就是這個季度的表格。你把很多圍棋的棋一按就知道該下什么棋,你把很多按紐再一按就知道這個人會還是不會,其實這是需要很多人工智能專家去調整,但它背后的背景就是基于特別大量的數(shù)據這樣的一個表格。最后它可以做決策、預測、分類,分類這張臉是誰的臉,決策就是說我下一步該走什么棋,預測是明天的股票會漲會跌,這些事情人工智能都可以做。
強AI和弱AI
所以很多人說這么可怕,AlphaGo突破了,超過了人類的語音、人類的物體、人類的人臉識別,人工智能是不是要取代人類了呢?
這里我要特別清楚地分析一下人工智能有所謂的強AI和弱AI。所謂強AI就是能做一些人能做的事情,今天沒有任何科學根據讓我們看到強AI,今天我只會講弱AI,弱AI的意思就是在單一領域用大量的數(shù)據來做非常強大的推測和判斷。
雖然是單一領域,但它是遠遠超過人類的,如果再往后我們看,這四波人工智能的浪潮,這是創(chuàng)新工場的觀點,我們認為人工智能有四波浪潮,所謂一波浪潮,表示它不是階段,不是一個接一個發(fā)聲的,它是同時發(fā)聲的,今天的這四波浪潮都在發(fā)聲,有些可能是前潮,有些可能是后潮。
下面的兩條是大數(shù)據人工智能,上面的兩條可能你們認為是人工智能,因為它看得懂、聽得懂,能看、能聽、能講,其實背后的原理都是剛才講的深度學習,當然還有強化學習等一系列的其他的技術。
人工智能發(fā)展的四波浪潮
下面我從所謂的大數(shù)據AI先講起,大數(shù)據AI就是我搜集了一大堆數(shù)據,這些數(shù)據可能是股票的數(shù)據、互聯(lián)網的數(shù)據、醫(yī)院的數(shù)據,從這些數(shù)據來做判斷,這是下兩行(PPT播放)。
第一波是互聯(lián)網AI,互聯(lián)網AI就是在互聯(lián)網上BAT、谷歌、Facebook搜集了大量的數(shù)據,用來做AI。
第二波是一個傳統(tǒng)的機構看你有很多數(shù)據,可能是在你們的傳統(tǒng)商店里面的行銷數(shù)據,可能是銀行的存款數(shù)據,可能是股票數(shù)據,可能是保險數(shù)據,我們把這些數(shù)據用在正常的商務流程里面來賺錢。
第三波是實體世界的數(shù)據化,我們把過去不是數(shù)據的東西變成數(shù)據,用它來做過去未曾有的應用,比如說人臉識別、語音識別這一類的,或者是像天貓精靈、小魚在家很多很多的攝像頭,或者是機場、其他的購物中心布很多攝像頭來捕捉數(shù)據,把世界上還沒有數(shù)據化的東西數(shù)據化,變成AI,因為AI必須要數(shù)據化的。
第四波是全自動的智能,這四波是需要時間的。
第一波浪潮為什么這么成功?是因為BAT非常聰明地讓我們成為他的數(shù)據創(chuàng)作者,每天你在淘寶、天貓、京東購物的時候,你的每一個點擊購買都會被他吸收下來,未來再買什么東西都會被預測?;ヂ?lián)網公司就成了天然的第一批最大的AI獨角獸。因為他們的數(shù)據量最多,而且我們每天不但幫他產生數(shù)據,還在幫他標注數(shù)據。比如說我們投資的美圖就是這樣一個案例,大家有沒有發(fā)現(xiàn)美圖美得越來越好?那是因為你們每天都在標注,在五年前你自拍了一張做了美圖,你一看效果怎么這么丑,你就把它刪除了??赡苋昵澳闩牧艘粡?,這個很美,我要存下來,你刪除的和你存儲的就成了美圖的訓練數(shù)據,它就會希望以后更多把美化的效應做成你會留存的那種,而不像你會刪除的那種,如果數(shù)據量足夠多,它就會越做越美,因此這樣的公司就是這么滾動的,淘寶、百度也是這樣的道理。第一波互聯(lián)網的AI其實不是那么容易做的,因為今天這個領域已經非常擁擠了。
第二波的浪潮是什么呢?這個就是將已有的業(yè)務流程作為中心,我們可能常聽到一些C2M,從用戶的需求去設計產品,優(yōu)化你的產品流程、你的物流、你的庫存、你的供應鏈等等,這些都屬于第二波的浪潮,把你已有的數(shù)據拿來激活你的商業(yè)流程。
還有什么算式呢?比如說銀行要來決定要不要貸款給你,或者是一個私人銀行來判斷你的資產該怎么配置,或者一個AI的量化炒股決定哪一支股票下一周會漲得更多,或者是一個保險機構來決定這個保險是不是欺詐,他說他撞車了,是不是撞了。還有保險怎么去給每一個人定他的月費,這些東西都是用數(shù)據來決定的。過去用人來決定的就像人下圍棋、人下國際象棋一樣,未來將會被AI完辦。誰有大量的數(shù)據存在庫里這就是AI的機會,在座的傳統(tǒng)企業(yè)家,你們如果想擁有數(shù)據,如果你擁有數(shù)據,就要趕快用AI把它激活,讓它幫你比你現(xiàn)在的員工做出更好的優(yōu)化流程。
如果沒有數(shù)據,怎么辦呢?沒有數(shù)據就趕快搜集數(shù)據,要不然會沒有競爭力的。第二波浪潮我也舉一個投資的例子,叫做追一科技,是做客服,把你公司的產品掃一遍,把你人工客服服務客戶的流程掃一遍,把之后用戶的滿意度再掃一遍,這樣它就知道了什么樣的用戶出了什么樣的問題,怎么樣去服務于他,會讓他更滿足,甚至半年、一年以后還留在我們的公司,我們運營客服中心最大的問題就是很難去量化,不知道這個客服到底有沒有效,他給你打一顆星三顆星沒問題,他可能不賣東西的,一個好的公司會把所有的客服數(shù)據留存下來,這樣會產生巨大的價值。比如說滴滴就是用追一科技,未來有傳統(tǒng)企業(yè)的客服有一千人、一萬人都有可能被AI取代,一旦你滿足了客戶,你就可以用你的客服推銷你的產品,或做你的市場經營。
前面兩個是把已有的數(shù)據激活,下面再講一講第三波浪潮,經過傳感器的普及,我們會捕捉過去不存在的數(shù)據,比如說今年每個人進場就是人臉識別,以前的安防在那里,現(xiàn)在不需要了,機器取代了,這就是節(jié)省了成本,我們能夠更快地過關就是節(jié)省了時間。
之后還可以想象人臉識別之后有更多的應用,比如說在過街的時候,紅燈你就闖過街了,當時就把你拍下來罰單寄到家里去了,也可能在購物商場的時候,看到你這個人走到什么地方、摸了什么東西、拿了什么東西、買的什么東西都記錄下來,除了視頻、人臉、還有物體、還有語音,這些都會產生大量的數(shù)據。像當年BAT用大量的互聯(lián)網數(shù)據做出了AI,今天做一些視頻、人臉、語音的公司也會采集大量的數(shù)據,成為他們行業(yè)里面的獨角獸。還有傳感器會越來越便宜、用得越來越多。這里舉一個例子,我們投資的曠視科技Face++,現(xiàn)在人臉識別針對一個人的識別已經不算什么了,現(xiàn)在難度是你能不能拿一個100萬、200萬、300萬的數(shù)據庫把這些人隨時都識別出來,如果可以的話,以后這種劫機的事件、安全就可以大大地保障了,因為所有的被通緝的犯人都可以被搜集到一個數(shù)據庫里不讓他們上飛機,這一類的技術不但可以帶來價值,可以帶來給我們人類更多的安全和更好的生活。
未來五年,機器人從無人駕駛和工業(yè)的自動化啟動
第四波浪潮是全面自動智能化,這個機器需要動起來,就沒有前三波容易了,這不只是一個深度學習、機器學習、軟件在做事情,而是軟件要開始動了,車子要開始動了。第一個它的突破性可能會比想象的慢,大家想到我什么時候能有一個家庭機器人幫我做一些家務,雖然有些公司想讓你趕快買一臺,在所有產品的進化流程中進入家庭是最困難的一關,因為我們的期望值最好,因為它長得像人我們會認為它跟人一樣,我們人愿意花的錢又是最少。所以機器人一定是從兩件事情開始啟動的,第一個是無人駕駛,這個是全球已經認可的,在未來十幾年會成為主流,以后都不用開車了;另外一個就是工業(yè)的自動化,因為在生產的過程中,確實很多在流水線上的人,他們的工作是重復性、是可被機器取代的,就和工業(yè)革命一樣,這兩點才是未來五年的著重點。
當然無人駕駛有人說很難,一輛車開上去,撞到人怎么辦?可能就要用階段性的方法來解決這個問題,我們能不能夠先讓一輛車在低速的地方跑起來、搜集數(shù)據,或者我們能不能在機場,能不能夠跑起來,在停車場能夠跑起來,或者能不能讓他上路,但是無人駕駛適合上的路是什么呢?高速公路,因為高速公路我們開起來可能有點害怕,但機器開起來反而是非常非常合適的,我們投資了幾家公司,包括馭勢科技,它就是把一個可解的低安全問題領域的做起來,讓車子跑起來,現(xiàn)在到廣州白云機場可以坐的就是馭勢科技的無人車,還有很多其他的公司,我們還投了很多其他的公司。整個領域會激活整個產業(yè),而且它背后的技術可能會成為人類可以看到的第三代操作系統(tǒng),如果說第一代是windows,第二代是安卓,第三代就是這樣一個操作系統(tǒng),是谷歌會做持續(xù)呢?還是百度會做出來呢?要看下面的發(fā)展。
數(shù)位化
下面要提醒傳統(tǒng)企業(yè)家的事情就是如果你還沒有數(shù)位化,一定要數(shù)位化,數(shù)字是非常重要的,如果你有一家在網上賣衣服的店,你很喜歡每個用戶喜歡穿什么,你要通過每個買手店一個一個去測,等你肯定賣的多少回來了知道你的衣服哪些被南方喜歡,哪些不被北方喜歡,一旦數(shù)字化以后,有必要開始全鏈條數(shù)字化管理,識別有什么低效的地方,不斷地推進你的產品,讓你能夠做得更好。比如說在服裝這個領域,我們可以看到我們就是在搭配人、貨、場這三件事情,我們能做什么事情呢?你可以想象,我們幾乎是把每一個人在線下的行為都帶上了一個所謂的線上。比如說我們在一個賣場里面可以分析客流來了多少,每一層來了多少人,結賬的效應如何,每一個人買了什么衣服,經過人臉識別知道誰買了,整個過程就會把線下跟線上做一個非常好的結合。比如說做數(shù)字化運營,數(shù)字化之后把它的一個產品經過用戶的需求,設計的產品推到零售店的時候,只花了30天變到了7天,這個時候你可以想象賬期上能夠節(jié)省多少。
AI時代來了,簡單的工作都會被取代
最后,我想呼吁大家,AI的時代來了,有一個必然的現(xiàn)象,AI可以肯定一個一個例子,是取代了人類的工作,這些工作跟工業(yè)時代是不一樣的。工業(yè)時代比如說一輛車本來是幾個工匠做的,但是可能經過流水線變成幾十個比較低訓練的工人來取代了,它消滅了工作,也創(chuàng)造了工作,但是在人工智能呢,我們談到剛才的客服也好、流水線也好、司機也好,都是全方位地取代。未來很多工作都會被取代,這里因為時間關系就不多說細節(jié)了。比如說重復性的工作、簡單的工作都會被取代。
人類剩下什么呢?人類未來剩下的只有兩件事情,第一件事情就是創(chuàng)造力,我們要推動我們的創(chuàng)造力,包括了科學的創(chuàng)造力、文學、藝術的創(chuàng)造力,也保證了講故事的能力、公關、市場的能力,人工智能不用多說了,另外就是有愛心的工作,真的能夠把愛放到工作里面,經過人與人之間的溝通和信任,來導致更多的人信任你的品牌、信任你的產品。這些服務業(yè)會越來越重要,所以我們不但需要鼓勵更多的人進入服務業(yè),當傳統(tǒng)老板在考慮未來我們的公司該怎么辦,當一些技術被AI取代了,可能你錢賺得更多了,有一些人下崗了該怎么辦?考慮服務業(yè),尤其考慮關愛層的服務業(yè),未來人類的工作真的就是創(chuàng)造性和關愛性。AI會是我們最好的工具。
謝謝大家!
本文經授權發(fā)布,不代表增長黑客立場,如若轉載,請注明出處:http://m.gptmaths.com/cgo/market/2990.html