衛(wèi)哲：選擇在哪些領(lǐng)域創(chuàng)業(yè)，才不會被BAT吃掉？

圖片源自網(wǎng)絡(luò)

　　一、為什么說有「偽」人工智能存在?

　　第一，我們看一下人工智能的「人才儲備」。

　　人工智能人才不是一夜之間冒出來的。無論在學(xué)校還是工作中，他必須、確實(shí)從事過人工智能的工作。其實(shí)這樣的人才全世界不過幾百個。但全世界有幾萬家人工智能公司，怎么突然冒出這么多人才?

　　從人才角度來說，無論是創(chuàng)建還是參與公司，怎么可能具備真正人工智能的優(yōu)勢呢?所以我們覺得存在大量的人才泡沫。

　　第二，我們看到很多項(xiàng)目真的是穿了個「馬甲」又回來了。

　　我一直在跟創(chuàng)業(yè)者說，千萬不要給自己的項(xiàng)目穿馬甲，貼上很多流行的標(biāo)簽，流行什么貼什么，流行人工智能很多項(xiàng)目貼著標(biāo)簽來的。

　　貼標(biāo)簽之前這些項(xiàng)目挺簡單的，早在阿里巴巴我們就看到過，什么叫機(jī)器學(xué)習(xí)，什么是算法。很多只是有一定算法的，或者還是基于機(jī)器學(xué)習(xí)的公司，今天搖身一變都給自己貼上了人工智能的標(biāo)簽。

　　二、如何識別「真人工智能」?

　　我跟李教授說，我不是技術(shù)專家，我也不懂技術(shù)，請問有沒有比較簡單的方法來識別真的人工智能和偽人工智能?

　　高手就是高手，用了一個非常簡單的方法。我們先講一個歷史上的故事。

　　我們看到計算機(jī)和人類進(jìn)行國際象棋的比賽，是在很多年前發(fā)生的，互有勝負(fù)。但是從教會計算機(jī)下國際象棋，到干掉世界冠軍，不低于10年的時間。

　　Google下面的「阿爾法狗」、這個人工智能的機(jī)器，從學(xué)會，到下贏一個圍棋的入門級的初段選手，到干掉世界冠軍，據(jù)報道只用了1年時間。

　　所以真正人工智能判定方法非常簡單，看他算法的進(jìn)步速度。機(jī)器學(xué)習(xí)也會進(jìn)步，那么人工智能的算法進(jìn)步是幾何級的。

　　也就是說一個人工智能領(lǐng)域的項(xiàng)目，如果你隔3個月去看，它在算法上比如說人臉識別也好、語音識別也好，它的進(jìn)步是代數(shù)級，而不是幾何級的——那么它更像互聯(lián)網(wǎng)時代早已有之的普通算法。或者叫機(jī)器學(xué)習(xí)而已，都是偽人工智能。

　　所以，如果我們不太了解過程的話，就從結(jié)果來看。人工智能一定是像這次下圍棋一樣，「進(jìn)步神速」。

　　這是我們第一個結(jié)論。存在大量的偽人工智能，和如何去識別偽人工智能，不僅要識別偽人工智能的項(xiàng)目，還要可以判斷偽人工智能的團(tuán)隊(duì)。

　　三、做人工智能最重要的，不是技術(shù)?

　　第二個結(jié)論，人工智能的技術(shù)，如果把它比喻一把刀的話，那么massive refreshing data(大量海量且實(shí)時更新的數(shù)據(jù))，就是那把刀的磨刀石。

　　也就意味著，人工智能技術(shù)重要但不是最重要。這把刀一開始有多鋒利，不是決定性的。一把鋒利的刀不一直不磨，而一把不太鋒利的刀一直在磨，那很快那把不鋒利的刀就會超過那把鋒利的刀。

　　Deepmind團(tuán)隊(duì)中，就是阿爾法狗的團(tuán)隊(duì)中，高級的華人工程師挺多的。見到他們，我問了個問題：你們怎么不立志搞一次中國象棋?

　　他說，David，這個不是說我們愿做不愿意做的問題。我們的圍棋項(xiàng)目，還不得不感謝感謝日本人。日本人過去幾百年幾乎所有的棋譜都在，而且保留圍棋的棋譜也特簡單。只要一張紙，黑的白的，上面標(biāo)好號碼就行了：這是第1手，這是第200手。

　　所以，它其實(shí)一張圖就記錄了整個圍棋下的階段，所以復(fù)盤也特別容易。圍棋幾百年來的棋譜都存在，也就意味著圍棋的數(shù)據(jù)特別齊全。

　　咱中國象棋老祖宗留下了什么?叫殘局。它怎么走到殘局呢?不知道，沒有數(shù)據(jù)。

　　如果你把殘局喂給機(jī)器，它怎么學(xué)習(xí)?他要學(xué)習(xí)的是我如何走到殘局，以及如何從殘局走到終局。由于中國象棋的歷史數(shù)據(jù)缺失，造成這么生猛的阿爾法狗機(jī)器在中國象棋領(lǐng)域就go不下去了。

　　這就是意味著數(shù)據(jù)對人工智能有多重要。離開數(shù)據(jù)，談人工智能是沒有意義的。

　　四、下一位人工智能新獨(dú)角獸在哪?

　　在哪些領(lǐng)域，人工智能可以跑出來獨(dú)立的公司、獨(dú)立的平臺?

　　如果在美國你要用的數(shù)據(jù)，大部分或者全部由Google、Facebook、亞馬遜所掌握，那磨刀石在別人手上。今天你的技術(shù)再領(lǐng)先，也維持不了多久。

　　我們看到很多這樣的技術(shù)公司，唯一出路就是賣給美國Facebook、Google、亞馬遜。

　　同樣在中國，如果你要做人工智能，所能用到的數(shù)據(jù)，都是為BAT所掌握。那最終這個磨刀石也不在你手里，你也沒有太大機(jī)會。你就是一個技術(shù)還不錯的團(tuán)隊(duì)。

　　最后的出路可能是把這個團(tuán)隊(duì)，以并不太高的估值，賣給這些有數(shù)據(jù)的大互聯(lián)網(wǎng)公司。

　　那么在哪些領(lǐng)域，美國的Facebook、Google、亞馬遜也沒有數(shù)據(jù)，中國BAT也沒有數(shù)據(jù)呢?這種領(lǐng)域有沒有?答案是有。

　　比如說醫(yī)療數(shù)據(jù)，BAT也沒有;很多金融相關(guān)的數(shù)據(jù)目前還是銀行、保險公司的內(nèi)部數(shù)據(jù)，互聯(lián)網(wǎng)公司也沒有;可能還有一些其他的領(lǐng)域。

　　那么就以這兩個領(lǐng)域來說，和人工智能結(jié)合，至少不管這把刀是不是很鋒利，找數(shù)據(jù)源或者找磨刀石的起步，你和大公司是平等的。那就有可能在醫(yī)療、金融等領(lǐng)域，你和人工智能的結(jié)合跑出大公司來。

　　我們就拿醫(yī)療說，美國FDA已經(jīng)批準(zhǔn)人工智能讀很多片子。我們覺得一個醫(yī)生一輩子讀10萬張X光片或者CT片子就很厲害了，但這個片子拍完以后，他完全基于自己的經(jīng)驗(yàn)和知識來判斷。他判斷得先有積累。

　　但這個事對機(jī)器來說，對人工智能來說太簡單了。就是圖像和打完標(biāo)簽的圖像，同時要結(jié)合這個標(biāo)簽打完的圖像和最終診斷的病例，做一個閉環(huán)的學(xué)習(xí)過程。

　　所以機(jī)器1個小時可以學(xué)10萬張片子;人類最有經(jīng)驗(yàn)的醫(yī)生，從業(yè)30年，一萬多天，一天看10張片子，一輩子10萬張片子。但機(jī)器可以1小時讀10萬張片子。

　　但同時，由于美國對隱私的很多保護(hù)，很多醫(yī)院的數(shù)據(jù)，在美國并不能輕易開放給這些人工智能公司。

　　我們看到一個趨勢，很多從事醫(yī)療行業(yè)的公司開始尋找中國的合作伙伴，因?yàn)橹袊丝谕瑯颖姸啵[私的保護(hù)卻沒有那么嚴(yán)格，有機(jī)會讓醫(yī)療數(shù)據(jù)迅速地集中起來。

　　同樣的今天很多人臉識別的公司，估值很高。我無法評價他們技術(shù)多牛。但我突然發(fā)現(xiàn)不是從事這個領(lǐng)域的公司，只要有大量的數(shù)據(jù)，迅速可以追上或者趕超，有在A股上市的。

　　比如：?？低暎@么多攝像頭，它采集到很多真實(shí)的人臉。由于這個數(shù)據(jù)的存在，我覺得他們?nèi)四樧R別的技術(shù)不僅目前達(dá)到，未來一定在中國這方面最優(yōu)秀的公司，沒有之一。

　　數(shù)據(jù)，無論說到人臉還是醫(yī)療都非常重要。