本篇文章8412字，读完约21分钟
当我们把人工智能定义为依靠机器学习来适应世界的一部分时，我们会发现这样的定义可以自然地应用到我们的生活中。
本文由我黑马授权的创新作品(微信号:创新2009)发布。
现在是人工智能的黄金时代。人工智能在科学研究中的作用是什么？人工智能在创业中的作用是什么？人工智能如何从书本跳到真正有利可图的企业行业，创造出许多能赚钱并实现人生梦想的企业家和企业家？
近日，创新工场人工智能工程研究所副所长王永刚在北京大学就人工智能时代的科研与创业发表了演讲。在这次演讲中，王永刚谈到了人工智能的科学定义、人工智能的历史、科学研究与创新的关系，以及最近人工智能热潮背后的技术驱动力和风险投资法。以下是演讲的全文。
刚才，每个人都看了一个关于创新作品的视频，里面有一个叫美图的公司。米托即将在香港上市(12月15日，米托公司正式上市)，这是一家由创新工场投资并开始成长为独角兽的公司。
事实上，美图也是一家人工智能公司，有很多地方可以使用人工智能，其中最典型的是人脸识别。此外，还有很多地方可以应用人工智能。例如，传统的蒙皮是一种典型的数字图像处理算法，但是不能用人工智能来改进它吗？让机器学习什么是最白最漂亮的皮肤，什么样的磨皮方法最适合现在要治疗的皮肤。这样，你不仅可以做面部美容，还可以因人而异，保持每个人的皮肤和面部特征。
美图拥有世界上最大的人脸数据库，其中大部分是女性的脸，但它也有广泛的人工智能应用场景。在这样的初创企业中，人工智能已经成为公司的内部驱动力。米托本身是一家技术含量很高的公司。上市后，米托将成为一个独角兽大小的公司，其未来发展肯定会引入新的人工智能技术。
因此，今天我想和大家讨论的话题是科研和创业的关系，其核心话题是人工智能。每个人都知道这是人工智能的黄金时代。人工智能在科学研究中的作用是什么？人工智能在创业中的作用是什么？人工智能如何从书本跳到真正有利可图的企业行业，创造出许多能赚钱并实现人生梦想的企业家和企业家？
让我们先看第一个问题。
什么是人工智能？
我认为这个问题的答案对于计算机专业之外的人和计算机专业之内的人不一定是一样的，对于那些不理解机器学习的人和那些理解机器学习的人也不一定是一样的。此外，我相信即使是学习计算机并知道机器学习或深度学习的人也可能不会给出人工智能是什么的相同答案。
当许多人谈论人工智能时，一个像人类一样的机器人会出现在他们的脑海中。这张照片在科幻小说和科幻电影中更常见。但是不要认为这是非专业人士可以想象的。为什么专业人士不能想象人工智能的这个定义？
专业人士每天阅读教科书和数学公式。但是当你看到这些数学公式时，你有没有想过这些东西是否会在未来突破某个临界点？它会让你做的程序真的像人一样聪明，甚至比人更聪明吗？如果你的答案是肯定的，那为什么？如果你的答案是否定的，那为什么？
我们可以从数学和计算机科学的角度思考这些理论问题是否有效。我们应该建立一些相对科学的逻辑，也就是说，当你看人工智能是什么时候，你应该有你自己的科学逻辑，你自己的科学理解，或者你自己的科学定义，然后从科学的角度来判断人工智能技术是否会突破临界点。
当今流行的深度学习技术是一种机器学习算法。本质上，机器学习是通过数学或计算机科学来模拟整个或部分世界。如果世界像黑白一样简单，一个简单的线性函数就可以描述这个世界。然而，我们必须处理的局部世界的问题总是越来越复杂，因此需要越来越复杂的算法和函数来描述这个世界。
深度学习之所以取得如此大的进步，主要是因为深度学习提供了一种非常丰富的描述性建模方法。例如，多层神经网络结构可以模拟非常复杂的世界法则。
学习数学和计算机科学的学生可能希望在头脑中做一个大脑实验:如果深度学习的网络结构能够不断扩展，那么复杂的神经网络能够描述我们周围的真实世界吗？一方面，这取决于深层神经网络的计算结构和计算能力能否不断扩展；另一方面，这取决于我们如何理解宇宙的复杂性。
假设你的答案是深度学习可以扩展到描述未来的真实宇宙。不用说，基于深度学习的人工智能算法肯定会超越人类智能。因为人只是宇宙的一部分，所以人的智慧只能建立在对他周围的现实世界建模的基础上。当然，你的答案可能是否定的。但是这个大脑实验将会是一个非常有趣的实验。
为什么我们说人工智能就在我们身边？
当我们把人工智能定义为依靠机器学习来适应世界的一部分时，我们会发现这样的定义可以自然地应用到我们的生活中。
这是一部手机的截图。你可以看到这个手机上安装了很多应用程序。
事实上，当我们使用手机时，许多常见的应用程序都嵌入了人工智能的特征和特性。例如，微软萧冰可以与用户聊天；滴滴出行和亚马逊购物等应用中的一些推荐算法会自动为出租车司机推荐最好的产品或安排一些最好的路线；谷歌和百度等搜索引擎实际上是由人工智能驱动的。无论是搜索结果的排名还是搜索引擎智能地回答一些人类的问题，这背后都是基于机器学习的人工智能技术
回顾人工智能的历史
我们基本上可以把人工智能的发展分为三个阶段，每个阶段实际上是不同的。然而，在这三次繁荣中有一个非常有趣的现象，那就是他们都在下棋。下棋是人工智能研究人员展示人工智能技术的最喜欢的领域。原因是，一方面，下棋是人类智慧的体现，一旦机器在这个领域取得突破，每个人都会感到惊讶。另一方面，解决机器下棋问题涉及到人工智能研究的许多基础技术，如搜索、贪婪算法、强化学习等。
20世纪五六十年代，在通用计算机刚刚诞生、计算能力非常有限的情况下，人工智能大师们纯粹通过数学或非常原始的编程模型实现了他们的人工智能。早在那时，人工智能的大师们就已经看到了下棋的重要性。图灵在他生命的最后几年写了一个可以在纸上实现象棋原理的代码，但是当时计算机的处理能力还不够，这个代码不能变成一个可以和人下棋的真实程序。
事实上，在20世纪五六十年代，有一种更适合当时计算机能力的棋类游戏，叫做跳棋。计算机跳棋程序曾在20世纪50年代和60年代打败过一个人类职业跳棋玩家。虽然对手的专业水平不是很高，但想象一下当时的电脑是什么样子，电脑的处理能力是什么样子。电脑打败了人，所以在当时这只是一个小小的轰动，这意味着人们已经开始关注人工智能。
当跳棋赢了人，人们会说，计算机如此强大，它们会毁灭人类吗？但是几年后，人们会说跳棋太简单了，这种象棋天赋代表了人类的智慧。电脑是不是很棒，然后你可以试试下一盘棋？
每个人都知道下面的故事。1997年，ibm的深蓝打败了世界象棋之王卡斯帕罗夫。那时，我还在上大学，发生在我和我们这些知道如何编程的人身上的震惊不亚于阿尔法戈在今年3月击败李世石时给我们的震惊。
但是几年后，人们觉得打败象棋的计算机程序算不了什么。我们人类不是还有围棋吗？在今年3月之前，围棋培训班的许多老师会告诉孩子们，围棋是唯一没有被电脑破解的人类智力运动。但是发生了什么？
这种所谓的人类智能游戏贯穿了机器的人工智能发展史，成为技术人员和普通人认知能力之间的一座很好的桥梁。当你告诉普通人人脸识别的时候，他们最多被认为是一种计算机技能，就像所有的停车场都会识别车牌一样，他们不会觉得困难。一张脸，普通人只会把它理解为鼻子、眼睛和嘴巴。许多不会玩围棋的人认为围棋就是这样，但是会玩围棋的人知道围棋的深度是深不可测的。因此，一旦电脑赢了围棋，给人类带来的震撼远远不是普通技术可以和人类相比的。
我谈论历史，只是为了告诉每个人，人类是健忘的动物，他们也喜欢新的，厌倦旧的。想象一下，阿尔法围棋已经在两年内远远超过了所有人类棋手，甚至手机围棋也能轻松击败人类九段棋。那时，人类仍然会说，围棋算不了什么，围棋不是人工智能，这个东西太简单了，计算机必须想出更好的技巧才能被称为人工智能。
有趣的是，人类有这样的嘴型。当然，这也可以被看作是普通人对人工智能定义的适应性，也就是说，根本没有定量标准。计算机智能在不断发展，但人工智能在普通人心中的地位如何？这把尺子一直在变。
深度学习的复兴
从技术起源来看，深度学习已经有几十年的历史了。然而，2006年是深度学习复兴的一个里程碑。这并不完全是因为深度学习的创始人杰弗里·辛顿今年发表了著名的深度学习论文。事实上，在2006年前后，作为深度学习发展基础的大数据、计算能力、移动互联网等开始发展和成熟。
自2006年以来，该行业逐渐获得了大数据和计算能力。建立世界模型的前提是世界应该有丰富的数据供计算机学习。但是在2006年之前，这些数据非常非常稀少。世界上有数据，但这些数据可能不会被数字化，或者数字化后可能不会被收集。
然后，大约在2006年，工业革命发生了巨大的变化。我相信每个人都能想到一些。最重要的一点是搜索引擎，它在聚合大数据方面发挥着关键作用。它汇集了所有在线信息。
另一个极具象征意义的技术进步是移动互联网。移动互联网让我们每个人都可以非常方便地向这些大型数据库贡献数据。每次你在网上购物，打车并点击它，它都会成为大数据的一部分。
有了这些大数据和一定的计算能力，深度学习将发挥作用，这是深度学习复兴的基础。
人工智能进入黄金时代
有人说人工智能现在很热，那么多人出高价招聘人才，那么多创业公司赚了那么多钱，这一波人工智能会不会像前两次一样跌入低谷，没有后续？
我们不是未来的预测者，也不能预测未来，但我可以给你一个我们创新工作的判断。
与前两次浪潮相比，第三次人工智能浪潮有着根本的不同。这是因为，在许多垂直领域，人工智能首次表明，计算机可以做好一件事。
至少在语音和视觉等垂直领域，计算机所做的可以超越人类的心理极限。它是否超过心理阈值是人们接受你的产品和技术的先决条件。
例如，语音识别，人类必须有一个心理阈值，语音识别的准确性。一旦你低于这个门槛，不管你是低1%还是低50%，人们都会认为这个产品没用。只有当你超过这个门槛时，人们才会认为这种产品有用。
至少在视觉领域、语音识别领域和深度学习非常有效的领域，尽管这些技术在第一波和第二波人工智能中发展到了一定的高度，但它们还没有达到人类的心理阈值。
第三波人工智能是非常不同的。
你可以回忆起2014年的时间点。普通人可能在2016年了解了人工智能。但是科学研究领域的人们更多看到的是科学研究数据的突破。比如机器视觉，研究界通常用imagenet视觉竞赛的结果来衡量机器视觉的发展程度。正是在2014年，基于深度学习的计算机算法在imagenet上超越了人类，识别错误率降低到低于人类的水平。
当一张照片中有许多面孔，并且有许多面孔相对模糊或黑暗时，人们可能无法区分它们，计算机会识别它们。在这种情况下，它表明计算机在视野中的解决程度已经超过了人们的心理阈值。所以人们觉得这个东西很有用。
这是我们想谈论的第三次人工智能浪潮，它与前两次浪潮在本质上是不同的。由于这种本质上的不同，计算机人工智能程序和人工智能的应用能够真正在商业领域结出果实，在商业模式中赚钱。我过去用人工智能骗钱，但现在我用人工智能赚钱。
因此，自2006年第三次人工智能浪潮以来，创新工程非常确信它将是一场工业革命，并将进入一个稳步发展和成熟的时期，而不是一个短暂的浪潮。原因是，正如我刚才所说，在许多领域，它已经超过了心理阈值，并已成为一种可用的算法或工具。
刚才提到了深度学习的复兴，事实上，在第三次人工智能浪潮中，它已经在许多领域超越了人类的心理门槛，开始创造商业价值。这些领域可能包括识别领域、自动化领域和互联网大数据领域。深度学习或人工智能正在解决这些领域的问题。
如果我们比较这些领域，我们认为未来最大的领域是无人驾驶。
被阉割的
为什么人工智能可以取代司机？
我不知道人们如何期待人工智能或无人驾驶。你是希望无人驾驶汽车每天无论你走到哪里都能载你一程，还是希望每个人都在家里买一辆无人驾驶汽车？
业内主流判断认为无人驾驶将首先从一些有限的领域进入我们的生活。例如，在美国，业界现在对无人驾驶着陆和商业模式的几个机会持乐观态度，其中之一就是卡车运输。因为相比之下，卡车运输有一条固定的路线，对人类来说，卡车运输是一项非常艰难的工作。卡车运输中的无人驾驶可以大大提高效率。
在美国，几辆卡车排成一个车队，它们之间的距离为2米或1米，然后它们就像路上的火车。只有前面的卡车有一个人驾驶来帮助监控它，后面的卡车跟随前面卡车的行为，这可以确保它们不会追尾，然后像火车一样将大量货物从一个地方快速运输到另一个地方。
所以这是一个美国人非常乐观的无人应用领域，但我不认为这是中国的第一个应用领域。中国有自己的特点，许多中国无人公司已经设想了许多具体领域，并进行最早的无人商业化试验。
例如，在我们北京大学的校园里，校车应该首先无人驾驶。校车的优点是路线固定，范围固定，时间固定。甚至校车可以遇到的交通标志和障碍物也已经确定。那么，在这个基础上，要解决的问题就简单多了。
因此，人工智能必须逐步取代人类。有一天，当你睡觉的时候，你会发现楼下所有的司机都走了，变得无人驾驶。这是不可能的。当无人驾驶在你的生活中一步步取代你的位置时，你甚至感觉不到人工智能。开校车，你会说什么样的智慧？这不叫无人驾驶。
直到有一天，当一辆无人驾驶的出租车来接你时，你可能不会认为这是人工智能。这个例子只是告诉每个人，人工智能将悄悄地成为我们的人类助手，即使你没有意识到。
但是对于我们的专业人士来说，我们应该尽可能地关注这些事情，并试着看看什么能为我们创造机会，什么有潜在的商业价值，以及我们应该在其中扮演什么角色。
时代的技术主流
事实上，计算机的发展已经经历了一个非常明显的时代。在每个时代，只有一种技术可以主宰，只有顺应时代技术潮流的公司才能生存。在1990年，从事人工智能的人无法与从事个人电脑和互联网的人相比，但今天情况不同了。今天不是个人电脑时代，也不是早期的互联网时代。今天，你能抢个人电脑业务的联想、显示器业务的戴尔和搜索引擎业务的百度吗？作为一名企业家，你必须在最好的时期做最有机会发展的事情。
创新工程认为，当今时代的主流方向是人工智能。
人工智能是未来5到10年甚至更长时间内的主流。如果你有创业的理想，并且刚刚学习了人工智能，那么你就处于一个非常好且具有挑战性的位置。这个时代呼唤企业家，如个人电脑时代的刘传志、互联网时代的李彦宏和移动互联网时代的王星，加入人工智能的创业浪潮。这位未来的创业明星可能就在你们中间。
创新工程将把一个新的行业，如人工智能，根据其架构分成不同的部分。在不同的地方，不同层次的公司会开始创业来营造整个生态环境。这种划分是用来指导人工智能投资创新工作的基本原则。在每一个细分市场，都有可能创造出许多规模达数十亿甚至数万亿的初创公司。
最有趣的例子之一是谷歌。当我在谷歌的时候，我不一定能看透很多事情，但是在我离开之后，我从外人的想法中看到了很多东西，我发现有些计划确实很棒。例如，谷歌和百度都在做桌面搜索引擎，但谷歌是第一个从桌面搜索引擎提出移动优先策略的，这为移动互联网奠定了非常坚实的基础。同样，谷歌在2011年开始成为谷歌的大脑，并在2012年提出了人工智能第一的战略，这基本上领先于所有科技公司。
每一款谷歌产品，只要能与人工智能结合，都会选择将其结合。因为人工智能将在许多领域提供一些先进的算法。那些研究过深度学习的人应该清楚地知道，深度学习的平台化是一个巨大的挑战。我相信在未来三年左右的时间里会有一个非常彻底的改变。因为包括谷歌在内的许多公司都在积极地做这些事情。其次，深度学习需要大量的数据，可能是数千万甚至数十亿的数据，才能达到非常非常好的效果。但事实上，在某些领域没有所谓的海量数据，更不用说大数据了。另一方面，深度学习是模拟人类世界的唯一方法吗？我不这么认为。在接下来的几年里，每个人都可能发明一种更好的建模方法来适应那些缺乏大数据的领域。
虽然机器在模仿人，但它只是模仿人的一部分。人们的学习有一个很大的特点，这就是所谓的“推波助澜”。我们的孩子只有5岁，但我清楚地记得，当他2岁的时候，我带他去商店，看到了孩子玩的滑板，他看了一眼。然后，过了很久，他去了另一个场合，看到了一个不同的滑板。他马上说，这是滑板。和计算机视觉程序，这些物体识别程序必须学习数百万滑板才能识别它们。这是计算机和人之间非常大的区别。
我们应该知道，现在正在研究的许多热点领域，比如迁移学习，比如样本很少的机器学习算法，都是为了让机器更好地模仿人类的智能，而不是必须有很大的样本量来学习东西。
创新作品的布局蓝图
这是创新工程为人工智能的未来发展和投资绘制的蓝图。这也许是我今天演讲中最重要的画面。
这是我们对机器学习、深度学习和人工智能在不同垂直领域和不同应用场景中的成熟和产业化的预测。你可以在5到10年后拿出这张照片，看看创新工程对未来的感知是否像移动互联网一样准确。
这是目前人工智能在创新工作中的布局。右边的计划是我们正在投资或已经投资的人工智能公司，其中许多已经发展得非常好。
比如蔑视、美丽的图画、统治和第四范式。当谈到第四个范例时，人们可能会觉得这个名字相当奇怪。他们做的是商业智能。他们带来了金融行业的数据，帮助建立这些金融行业所需的各种模型。众所周知，金融业的数据可能是所有行业中最完整、质量最高的，也是对数据需求最大的行业。
实际上，大约有20家人工智能相关公司正在进行创新工作。同时，在左边，我们希望利用新成立的人工智能工程研究所做一些人工智能的早期研究和孵化。
这对即将学习和毕业的学生来说是个好消息。如果你想从事人工智能，如果你想创业，想赶上人工智能的这一潮流，人工智能工程研究所的创新工作可以提供一个很好的机会。
如果你是一名应届毕业生，你可以以工程师或研究员的身份加入。如果你不是应届毕业生，你可以申请实习。我们和从美国回来的丹尼尔建立了四五个小项目。每个小项目都是人工智能领域的一个方向，包括自然语言处理、机器视觉、数据挖掘等等。在项目期间，你可以得到报酬，你可以接受导师的培训，你不必在固定的时间上班，你只需要完成任务。你可以在这里学到足够的知识，为科学研究做出贡献，并有可能走上创业之路。
问答环节:
1.问:你好，我想问一下，如何改革教育应用？另一个问题是，非技术背景如何进入人工智能领域？
王永刚:我可以给你举一些它在教育中应用的例子。我们投资了许多教育公司进行创新工作，其中一家叫做vipkid。美国老师来教中国孩子。现在美国有3000多名教师，然后视频教育系统被用于美国教师和学生之间的交流。现在这个基本的视频教育系统可以连接两个来自美国和中国的人，那么接下来呢？我们应该利用这个虚拟环境来让教学更加身临其境吗？有很多地方可以使用虚拟现实/增强现实和人工智能技术。
第二个问题是非技术专业的学生如何参与其中，比如创业，甚至是参加研讨会项目。我认为有两个层次的问题。一方面，从非技术性转变为技术性是可能的。我认为这是可能的。另一方面，如果你想在非技术领域创业，你应该怎么做？事实上，即使是人工智能公司也需要商业和商业人才，尤其是在现有条件下。
2.问:现在，例如互联网，一些好的项目已经被大公司收购，包括英美烟草公司，他们正在进行许多尝试。我们做项目有什么优势？
王永刚:一个非常好的问题。事实上，这个问题在创新作品中也存在争议。虽然我们对人工智能是大势所趋持乐观态度，但大公司和小公司都在做人工智能。为什么小公司有更大的成功机会？
从历史的角度来看，我们可以发现，事实上，在每一个历史潮流中，例如，在互联网时代，百度有谷歌，但这并不影响新公司在移动互联网时代的出现。这是因为在每一个技术浪潮中，最后一个技术浪潮的领导者，他的企业重点、研究重点或研发方向可能无法迅速转变，而中小企业在新的热点领域有大量的机会。
3.问:我一直想问一个问题。任何新技术都会成为一个非常严重的问题，那就是安全。安全问题会推动安全产业的共同发展吗？
王永刚:我认为这是两个层面的问题。首先，从技术层面来说，技术只是人类的一种工具，没有技术是黑白分明的。任何技术都有安全缺陷，需要通过其他技术或管理手段来弥补。人类如何使用技术是一个安全问题。我们都在用电和汽车，但没有人会问用电或汽车是否会导致大规模的安全隐患。事实上，每个懂科学技术的人都可以用电制造杀人武器，也可以把汽车变成杀人武器。人工智能技术是一样的。人工智能像任何其他技术一样，有好的一面，也有危险的一面。我们必须研究如何使用人工智能技术，以及如何将其与良好的应用模式和应用标准相结合，以避免出现危险的情况。因此，安全专家将不断面临新的挑战，而人工智能技术的发展也将推动安全技术和安全产业的相应进步和发展。
