王小川湖畔大学演讲：人工智能最具商业价值的是什么？

笔记侠 · 公众号 · 科技自媒体 · 2017-09-13 22:55

正文

到目前为止，创造本身仍停留在学术阶段，当然如果有人能够控制无人驾驶领域就另当别论了。但是即便拥有无人驾驶技术，技术本身仍然不具商业价值，因为目的地是由用户指定的，商业利益弱。

费曼曾说过“ 凡是我们不能创造的，就是我们不能理解的 ”，比如：除了生孩子以外的方法我们不能创造生命。虽然创造在商业上并没有直接的用处，但是有助于我们对基础的理解。

我认为在这三个领域里，识别和创造的商业前景并不大，最具商业价值的是判断，即帮助人们进行选择或者决策。

事实上，输入法作为搜狗最大的产品并没有达到它应具有的商业价值，因为输入法作为一个工具，用户所表达的和他所需要的内容是完全一致的。比如输入“A”绝对不能显示“B”，所以输入法没有丝毫空间可以做更多的增值。

当用户对一个产品具有充分选择权，这个产品就无法体现出判断的增值。 这也是搜狗基于如此之大的用户规模，在输入法方面却没有获得商业回报的原因。

与输入法不同的是——搜索引擎，它可以利用与搜索相关的推荐优势，帮助人们进行决策判断，在推荐的同时，就能够带来商业选择的价值。

二、人工智能发展的三个阶段

1. 教规则

将规则教给机器，让其进行判断，这是依赖于人们的经验的最初级的人工智能产品。

电饭锅就是其中典型的例子，在其内部有一个测试温度的传感器，可以监控内部温度，如果温度达到103度，就停止加热。

最初的人脸识别技术，虽然技术实现方面更加复杂，但是原理是一样的，就是告诉机器该从哪几个特征来进行判断。如何理解眼睛的距离、鼻子的高度，如何选取这些特征是传统人工智能的做法。

传统人工智能最大的瓶颈在于，不仅要懂规则，还要能够准确描述规则。 比如：人脸识别技术，我们看到一个人就能够立刻知道他是谁，但是对于机器来讲，就需要工程师将这个识别技巧写成语言告知它。

但是，这一点，相对来说，就不那么容易了，因为很难用机器能懂的语言描述一个人的长相。我们把这些说不清楚的规则叫做感性：即使我知道怎么回事，但是无法用语言描述出来。

2. 原始数据

在2012年，图像识别技术有了重大突破，机器的识别能力超越了人类。其基础原理在于，图像识别不再需要描述，而是输入大量原始点阵数据，当机器存储的数据量足够大，计算能力足够强的时候，就能够学会有效识别。

举个例子，阿尔法狗就是存储了将近3000万个棋局，将每一个棋局的原始点阵数据输入进去，告诉机器人下棋的棋路和落子方法。当3000万个棋局全部输入进去以后，机器就开始学会了下围棋。

中国围棋队总教练余斌，号称在围棋界里面最会写程序的人。他认为让机器下围棋最大的难点在于机器没有大局观，但事实证明机器在大局观方面比人做的更好，因为机器存储的是整个棋盘的点阵图，而人还要琢磨某一个局部。

这个阶段突破的意义在于，计算机工程人员有机会进入更多的行业领域进行合作。

比如：医疗领域，以前做心电图分析需要技术人员能够像医生一样懂行，到底什么样的心电图代表一个人的心脏有问题，是一种经验技巧，仅停留在医生心中，工程师要掌握这方面的知识就有些难度。

但是现在如果数据量足够多，工程师就不必费力去进行规则表达描述，只要告诉机器这样的心电图是生病的心脏，那样的心电图是健康的心脏，机器就有机会学会对心电图的识别判断。