|
|
AI“低處的果實(shí)”還沒摘完
人工智能有很多學(xué)派。符號(hào)學(xué)派、連接學(xué)派等等。但是除了深度學(xué)習(xí)以外的方法，經(jīng)過多年被驗(yàn)證，是不太有發(fā)展的。
模擬人的分析方法，希望把它變成一個(gè)規(guī)律和專家系統(tǒng)，過去五十年已經(jīng)證明了這個(gè)思路是不行的。當(dāng)然也許某一天會(huì)有一個(gè)突破，但是直到那一天為止應(yīng)該是不行的。
就我自己的背景來說。在1988年，我就開始做語音識(shí)別。當(dāng)年第一套系統(tǒng)就是用完全機(jī)器學(xué)習(xí)的方法來做的非特定人的語音識(shí)別。
現(xiàn)在看起來這是一個(gè)特別小的方法：世界上有一個(gè)人能夠從紙上讀出語音，我的導(dǎo)師就要把這套方法變成一套專家系統(tǒng)。
當(dāng)年就讓我很堅(jiān)定地認(rèn)為：機(jī)器的構(gòu)造跟人腦，跟人的思維方式其實(shí)是不一樣的。我們硬要把A放到B其實(shí)是很困難的，就像我們不能逼自己去變成一個(gè)深度學(xué)習(xí)者，去分析事情——我們腦子思維就不是那樣的，是不自然的。
用腦科學(xué)的方法制造人工智能，是一個(gè)未知的領(lǐng)域。未知的東西有它的魅力，你要做研究就要做未知，你要有了突破那就是創(chuàng)新。在學(xué)術(shù)領(lǐng)域你做每一件事情的衡量標(biāo)準(zhǔn)是：我要做別人從來沒做過的東西。我們可以假設(shè)腦科學(xué)跟未來的AI是相關(guān)的，我們可以去證明這是或不是。但是從投資的角度來講，押注的風(fēng)險(xiǎn)就太大了。
當(dāng)年深度學(xué)習(xí)也是因?yàn)閿?shù)據(jù)的不足，碰到了一些瓶頸。但近年我們看到有好幾個(gè)特別大的變化：
第一個(gè)就是特別大量的數(shù)據(jù)在某些領(lǐng)域開始產(chǎn)生，而且我覺得我們目前還沒有被用完。
第二個(gè)就是GPU的使用讓我們能夠更高效地、非�？焖俚刈錾疃葘W(xué)習(xí)。
現(xiàn)在我覺得，所謂的深度學(xué)習(xí)的果實(shí)還遠(yuǎn)遠(yuǎn)沒有被摘完。
人工智能的應(yīng)用來說百花齊放，一個(gè)一個(gè)大果實(shí)就在你面前。在這種情況下，你還要去種花，何必呢？
我們把GPU和海量數(shù)據(jù)在全世界掃一遍，應(yīng)該還夠我們VC界吃個(gè)五年，所以從投資的角度這是非常清晰的事情。
再往下走，我覺得我們AI肯定不可以是只有深度學(xué)習(xí)。例如現(xiàn)在還有增強(qiáng)學(xué)習(xí)的方法，也在被探索。里面也不是只存在一個(gè)方法。所以我覺得學(xué)術(shù)界其實(shí)應(yīng)該開始幫助和探索更多的可能性，當(dāng)我們把這兩年的糧食吃完之后也許還有更好的機(jī)會(huì)。
我沒有AI宗教信仰
當(dāng)然未來AI也可能沒有進(jìn)一步的突破了。
如果沒有的話，那就說明AI的黃金時(shí)代過去了。下面就是物聯(lián)網(wǎng)或者其他什么的。作為投資機(jī)構(gòu)，我們并沒有一種AI宗教信仰，我們還是要把控靈活度。
就像移動(dòng)互聯(lián)網(wǎng)時(shí)代，當(dāng)時(shí)我們應(yīng)該是在業(yè)界最高調(diào)的移動(dòng)互聯(lián)網(wǎng)VC。但是隨后我們根據(jù)情況做了調(diào)整。
如果學(xué)術(shù)界跟產(chǎn)業(yè)界有一個(gè)合理的分工，我對(duì)未來五年投資界和產(chǎn)生價(jià)值非常樂觀，對(duì)于所謂AI的泡沫我認(rèn)為不會(huì)發(fā)生。當(dāng)然有個(gè)別的案例會(huì)有泡沫，但是我認(rèn)為能吃的糧食實(shí)在是太多了。
學(xué)術(shù)跟產(chǎn)業(yè)它的分工大概是這樣：
一方面是一個(gè)很天然有機(jī)的分工；
另外一方面又是有一點(diǎn)羨慕嫉妒恨在里面。
一般來說學(xué)術(shù)界是看不起工業(yè)界的，但是在某一個(gè)時(shí)刻突然工業(yè)界的一個(gè)技術(shù)成熟了，在這個(gè)技術(shù)上學(xué)術(shù)界就做不到工業(yè)界的成就了。于是學(xué)術(shù)界就被逼的去做新的東西。例如：現(xiàn)在再去做人臉識(shí)別，學(xué)術(shù)界就已經(jīng)打不過工業(yè)界了。所以在人工智能領(lǐng)域，很少見到一個(gè)老教授一生只研究一個(gè)命題。
本身沒有商業(yè)價(jià)值
AI會(huì)帶給我們什么價(jià)值呢？
我想先說說。之所以如此引人注目，很大程度上是因?yàn)槲覀冞@樣的專家把它講得太懸。
之前我覺得圍棋比國際象棋至少難十年或十五年，但后來結(jié)果證明我是過于悲觀了。我過于悲觀其實(shí)有很多理由。我當(dāng)時(shí)認(rèn)為圍棋要比國際象棋難了一個(gè)天文數(shù)字，但天文數(shù)字也是數(shù)字。
在之前最好的人工智能棋手達(dá)到了業(yè)余五段。而最新的和職業(yè)九段之間的差距，大致相當(dāng)于職業(yè)九段和業(yè)余九段的差距。這確實(shí)是很大的跳躍。
那為什么會(huì)有這樣的現(xiàn)象呢？也就是說，為什么下圍棋的人工智能進(jìn)步幅度這么大呢？
其實(shí)有一個(gè)非�，F(xiàn)實(shí)的理由，就是想掙錢的人不會(huì)去做圍棋。
你看的專家隊(duì)伍也沒那么了不起，就是二十個(gè)很厲害的機(jī)器學(xué)習(xí)專家。在谷歌里面可能有兩千個(gè)這樣的人，在微軟里有一千個(gè)這樣的人。原因在于微軟和谷歌過去沒有想拿兩千個(gè)專家的力量打敗圍棋手，他們的更多時(shí)間都在做語音識(shí)別、人臉識(shí)別這些有價(jià)值的事情。
在這個(gè)沒有價(jià)值的事情上，能用二十個(gè)專家就不錯(cuò)了。
金融、醫(yī)療是有商業(yè)價(jià)值的AI
有商業(yè)價(jià)值的AI，影響就巨大了。
AI在數(shù)據(jù)量大的領(lǐng)域最易應(yīng)用。
這些數(shù)據(jù)最好被準(zhǔn)確標(biāo)注，自動(dòng)化標(biāo)注。
AI在無摩擦的領(lǐng)域最容易應(yīng)用。
一個(gè)領(lǐng)域里面如果有制造、測(cè)試、物流這類摩擦，那就麻煩了。無摩擦的領(lǐng)域是什么？醫(yī)療是無摩擦，金融是無摩擦。
AI在掙錢最多的領(lǐng)域容易應(yīng)用。
毫無疑問，最掙錢的又是金融。
所以金融毫無疑問會(huì)是AI最快征服的領(lǐng)域。因?yàn)槟愕乃惴ǹ梢院芸炀妥兂慑X。
醫(yī)療
也是一個(gè)特別巨大的領(lǐng)域。而且醫(yī)療相對(duì)傳統(tǒng)，能產(chǎn)生增值的機(jī)會(huì)很大。而且它不是基于大數(shù)據(jù)的。最好的醫(yī)生是什么，就是他自己是一個(gè)深度學(xué)習(xí)的機(jī)器，根據(jù)他的經(jīng)驗(yàn)做了好多好多次。
假設(shè)他判斷了五千個(gè)病人，判對(duì)了很多，判錯(cuò)了一些，下面他的判斷就會(huì)非常精準(zhǔn)了。但一個(gè)好醫(yī)生可能最多也就判斷過五千個(gè)病人，但我們的數(shù)據(jù)是五千萬的病人的級(jí)別。所以醫(yī)療超越醫(yī)生應(yīng)該是一個(gè)非常必然的，全球性的趨勢(shì)。
但是AI醫(yī)療需要突破一些隱私問題，可能會(huì)有一些挑戰(zhàn)。 |
|
