李开复:世界上最懂人工智能的绝对是谷歌
深度观点

李开复:世界上最懂人工智能的绝对是谷歌

在李开复眼中,谷歌的人工智能才是最优秀的。

2016-12-01 10:07:39


如果对人工智能不十分了解,却又很感兴趣,那么可以看这篇文章。李开复娓娓道来的传授风格很适合作为小白用户的进阶篇读物。

在格隆汇” 决战港股” 海外投资嘉年华系列峰会第五站北京站,李开复为在座嘉宾分享了自己对于” 人工智能的黄金时代” 的独特看法,他结合创新工场在人工智能上诸多的投资项目以及个人在人工智能领域的学习成长经历深入浅出的分析了人工智能的过去、现在和未来,干货满满。为此,我们特意把现场的演讲实录在此,供各位读者交流学习。

以下为李开复的演讲实录(有删节):

大家听到人工智能这个词大概是在今年年初,AlphaGO 战胜李世石的时候。当时在讨论人工智能是在模仿人脑,超越人脑,奇点是否来临?我们是否会被机器统治?

实际上这些都是很玄很远而且也不太靠谱的说法。所以我建议大家也不要再看任何讨论刚才几个问题的文章了。

其实,人工智能跟人脑的关系也不大。人工智能这个事情,其实绝对不仅仅是取代人脑,它会比人脑厉害很多。但不是说在所有领域,它一定是在几个前提条件下,而且一定是在某一个狭窄的领域。

比如说围棋,比如说传一篇文章,比如说量化交易,这些领域里面,它可以非常的厉害。因为它用巨大的数据,来做一些分类,预测或者对未来的推测。比如说,演示文稿上的这 10 个工作, 10 年以后 90%干这些行业的人就都失业了。当然,剩下来的则是顶尖的,对于记者他可以写很深度的文章,而顶尖的翻译他可以为元首做实时的翻译,或者是翻译诗词、诗歌。

这些人工智能做不到,但是普通的翻译、记者、助理等等都不需要。普通的保安也不需要了。有没有一个作为人的保安可以记住 20 万犯罪者的照片,不可能的,但是机器可以。所以在这些领域里面,人根本没有任何的机会,这不是说什么机器会不会比人能干,在这些领域里面,确实,人就是没有希望。

比如说司机,无人驾驶 10 年左右就会来临。无人驾驶来的时候,世界上做司机工作的 9%的人类他们都要换工作,所以在这个领域,就是如此被巨大的颠覆了。

人工智能也就是这样几个事情,感知、决策、反馈。

前两件已经做的很好了,后一件还需要时间。我们在这几个领域可以看到,过去二三十年有很多重要的里程碑,尤其是在最近的 5 年,我们发现人工智能能用了。

当然如果你像我这么不幸在 30 年前就做人工智能,我们就没有生逢其时,也没有找到这个风口。我们就只能写写论文,然后再换份工作。但是 30 年之后,我们非常清晰的看到这个领域成熟了。

为什么说这五年成熟了呢?30 年前做的太早呢,为什么三十年前成为先烈,现在成了伟大的创业者呢?

就是因为一个特别重要的技术,叫做深度学习。

深度学习是什么?你丢一大堆数据给它,然后问它,我应该买什么股票?这个人的保险该付多少钱?这个想贷款的该不该贷?这个信用卡的交易是否有欺诈的嫌疑?你还可以问他,这么多的男人你应该找哪一个为对象?你也可以问他,今天晚上这么多好吃的,我应该吃哪些?它都会告诉你一个答案。

但是非常重要的是它来做这么个决策只会在一个狭窄的领域,而不是任何的领域。

深度学习其实只是一个技术,以后还有很多其他的技术,这里就不说了,但是绝对不是人工智能就能取代人脑。人脑的情感、自我认知是机器完全没有的,还有我们人可以跨领域思考,比如说我现在跳出来说我中午不要吃汉堡,你们每个人都可以懂,但是机器不能懂,机器一次只能懂某一个领域。

所以说人 工智能的五个条件很简单。海量的数据,清晰领域界限,顶尖的 AI 科学家,还有自动标注数据,以及超大的计算量。 原来所说的,7 年前听到我所说的移动互联网的时代来到了,任何三个小朋友都可以创业。

在人工智能的时代,这个完全被颠覆了。三个小朋友你不要想创业了,因为你没有巨大的机器,没有顶尖的科学家,你也没有特别大的计算量。所以这个是科学家的创业时代来临了,而不是三个小朋友的创业时代。

深度学习到底有多了不起?在图像识别领域机器超越人类,左下角是语音识别领域机器的错误率低于人类。一个往上,一个往下,都是代表超越人类的表现。

当人脸识别超越了人类,我们还需要保安吗?当语音识别超越了人类,我们还需要客服吗?还需要打电话推销吗?当自动驾驶超越人类,我们还需要司机吗?当传内容,写新闻,金融稿件的能力超越了人类我们还需要金融界记者吗?这些都不需要。

90%的金融领域的报道都是传出来的,这些报道以后绝对不是人写的,人写是会犯错的,机器不会犯错,只有深度的报道才需要人写。所以,这就是超越人类的一些领域。

哪些领域可以做人工智能?

简单来说,谁能做人工智能的创业, 第一种,谁手中拥有互联网数据的这个是最了不起的,也就是 BAT、滴滴、美图等等,他们手中有数据,而且已经标注,只要有科学家就可以产生价值。

第二种是传统企业,比如说股票的数据,比如说保险业、银行业,各种金融的。我觉得数据非常的丰富,而且是非常的狭窄领域,不用跨领域的理解,而且可以快速产生商业价值。 再往下医学,如何看片子,看 MRI,看 CT,看各种人的健康记录一定是超过医生的,现在至少有 3 种重要的病症人工智能已经超越了医生的平均水平,而且你像这个是要花多少临床的时间,现在三种可能再过 5 年就是 300 种,再过 10 年可能就是 3000 种。

然后 90%的医生就都不需要了,至少被机器取代。那这些医生就要做更高等的工作,更深入的工作,去发掘新的医药的工作,或者是做更心理医疗的工作。面对病人,机器还是冷冰冰的,可能还需要一个人脸对着病人,但是 90%的医生,在 10 年以后应该都打不过我们机器的诊断能力了。这对人类是有很大意义的,教育的数据也是很多的,就不多细讲。

无人驾驶。这是我们特别看好的领域,它是最大颠覆量的,以后都不需要人开车了。再加上电动车和共享经济,以后我们出门的时候,一辆坐一人的车就会出现在我们面前,它带我们去要去的地方,节能低碳,减少雾霾,而且这还会影响整个经济。如果大家谁有投资停车场的,十年以后就没有停车场了。所以,这些都有巨大的颠覆性。

如果你们觉得听起来像是天方夜谭,像是科幻小说,那么你们也可以想一想,2009 年当我告诉所有人移动互联网时代来临的时候,大部分人也是这样想的。甚至当时的 BAT 听了移动互联网的预测之后,他们总是认为没有 PC 大,没有 PC 赚钱,成长的会很慢。但现在你看他们一个个也都追上来了。所以人工智能是一个特别巨大的领域和机会。

世界上最懂人工智能的绝对是谷歌这个公司了。Alphabet 一年前成为了谷歌的母公司。

什么是 Alphabet 呢?其实它就是把谷歌里面做搜索提炼出来的人工智能做成谷歌大脑,然后把它用到各种领域。用在围棋就成了 AlphaGo,我们已经看到它的威力有多大了,用在汽车就是 Google car,用在健康就是 Google house 用在基因检测就是 Google genetics,所以在 Alphabet 上面,谷歌的野心就是要把一个谷歌的成功变成 26 个,这是一个特别有野心的人工智能的公司。

到底人工智能如何克服挑战产生竞争壁垒呢?

简单的来说。

第一,就是要寻找行业里面有特别大的大数据,然后是垄断性和闭环的。

第二,是买很多机器,尤其是 CPU+GPU。

第三,是有很厉害的深度学习的科学家。左边两个,谷歌基本是为了买这两个人,花出 1 亿到 4 亿美金,右边的是我们投资的 Face++公司聘了的,刚才看到的 2015 年超越人脸识别,超越世界图像识别人类能力的那位科学家孙剑,他是我们 Face++挖过来的,这边就不放金钱了。

第四,虽然这些顶尖科学家很有价值,同样的小朋友也有价值。这些小朋友必须是学下面几个领域,计算机、统计、数学、应用数学,电子系,还有自动化系。

人工智能很大的一个特色是速成,他不像是你去找一个化学科学家,或者说生物科技或者甚至是计算机领域的这个 Networking Database 之类的,非常难学。

人工智能不一样,它很好学,前提是你一定要是一个数学天才。所以我们就设立这样一个计划,这是人工智能很大的一个特点,是可以速成快速创造价值的。

接下来说下怎么样让人工智能快速商业化,虽然它的技术还不够好。

有四个理由:

第一是做助手,而非取代人;

第二是界面要用好,给很多结果,而不只是一个结果;

第三草船借箭,要用户提供数据,如果你的数据不够;

第四局限你的领域,不要做一个特别伟大的超级的技术。

人工智能在中国的机会

中国在人工智能领域比移动互联网领域还适合创造世界顶尖的公司。

第一个理由就是,中国人很适合做人工智能。我们知道美国的很多中学的学生,加减乘除都做不好,我们中国虽然教育有很多的挑战和问题,但是理工科的学生平均水平特别强,人数又特别多,所以今天在世界上做人工智能的科学家有 43%是中国人,所以我们可以知道,当然很多是在海外读书,现在要把他们拉回来,所以这是一个特别大的机会。

第二,训练小朋友非常快速,这刚才已经讲过了。

第三,传统企业的人工智能技术非常的弱。就是他们现在的这个产品,是没有用人工智能,相对来说是很弱。

比如说我们现在做一个 Credit Card Fraud Protection。就是去识别信用卡被盗卡的这样一个现象,比如说我突然在这个阿布达比刷了 2 万块钱银行就会警觉了,实际上很多偷信用卡的人,比这个聪明,他不会去刷 2 万块钱,他会刷 100 块,200 块,他还会到各种城市去刷,也许就是请朋友吃顿饭之类的。我最近的信用卡就是这样被盗的。

这个如何抓呢,美国的银行做信用卡已经做了 40 年,他们靠非人工智能的技术,就是一条一条的规则写进去,然后把用户做各种的规则,比如这个人收入是怎么样的。然后如果他突然飞到几千里之外,用的金额是什么,如果有三次什么之类的。这样一大套,如果是这个就怎么样,如果不是这个就怎么样,套这个来做这个信用卡的盗卡的识别。那这些银行没有人工智能,但是这些技术在美国做的很好。

所以要在美国做人工智能的公司,去卖这样一个 Credit Card Fraud Protection 技术给银行是不靠谱的也是不可能的。除非你是有拿了大数据来做,不过那得有多难。

但是在中国几个小朋友随便写一个简单的机器学习算法,深度学习都不用,拿到中国的任何银行马上就能产生价值。所以呢,过去这些银在国内不太开放,技术也比较落后,不太愿意别的技术进来,还是要感谢 AlphaGo 自从它打败围棋世界冠军以后,中国的银行开始相对开放了。我们投的一些公司,比如说第四范式就已经进入了十五家银行,产生了特别大的价值。

银行曾经不是经常打电话给我们说,要不要买什么产品,过去它的这个转化率非常低,但是经过我们人工智能一条就增加了 65%。所以以后银行打的垃圾电话,经过创新工场投资的这个第四范式,精准度会比较高。过去 1000 个电话买 1 个,现在接 600 个电话就会买一个。

这个对于你来说,都是让人烦扰的电话,但是对银行来说,产生了多大的价值,它如果一年靠这个电话卖 20 亿的产品,现在就卖 33 亿了,因为有了之前说的那 65%的成长。所以这一类的人工智能在国内因为它的算法竞争对手太弱,在银行保险、券商等等的机会特别大。

在座可能有些看过量化交易的,但是你们看的量化交易都是没有智能的,都是拼速度的。但是加上智能就不得了。我读博士的时候就是做人工智能,我的一个同学跟我学一样语音识别,但是他比我聪明,我毕业之后去苹果了,他去了文艺复兴科技公司(Renaissance Technologies)。它是美国做量化交易第一的公司,他在那边做了 30 年,然后我们在 Wikipedia 可以看到他的这个身价大概是我的几十倍。

当然我说的不是这个,更重要的是说他把机器算法很早就做到了二级股票市场交易中去了。他们内部基金每一年的年化收益,20 年,71.8%。这就是人工智能的力量。当然这个基金做不大,一做大这个收益就会下来,但是至少也还是几十亿的规模。所以你可以看到,这些机会,是非常非常的大。

当然 30 年前美国的股票交易也很落后,量化一进去,就把大家都击溃了。他今年是 Renaissance 的 CEO,你可以看到在这种算法里,科学家的力量是多大。整个 Renaissance 的公司至少在创立的时候,都是不懂股票的,一大堆算法进来,交易大师就打不过他们了。

那么在中国,这个景象正在发生。我们看到的人工智能的项目里,三个就有一个是做股票交易的。在过去两年里面,我除了个人买了一支股票之外,其他的钱都是交给这些小朋友打理,他们在国际国内港股 A 股的这些市场,加上做这些 AI 的对冲,每一天大部分交易就是 T 或者 T+1,然后就结算,基本没有什么风险,收益率也没有一个月是负的,每一年的回报虽然不到 71.8%,但是也是很高的。

所以这是一个特别大的机会,在国内量化 AI 的环境还不成熟的时候,如何找到这些机会,可能获得的是比 VC 的基金或者 PE 的基金回报都还要高。

第四个理由,因为中国市场大,互联网公司多,很多非 AI 的公司到了一定的规模,就开始需要 AI。比如我们投资的美图,知乎,VIP KID。

第五点,美国人工智能现在是绝对领先中国的,但是他们进不了中国,中国上面有各种理由。因为美国公司进不来,给我们 3 年时间就不输于美国公司了。人工智能的这个技术都是美国和加拿大做出来的,他们是非常乐于公开的,每次写完了就放到网上,放到网上大家就学去了,中国和美国的公司一起学,所以这也没有太大的门槛。中国的公司只要给我们 3 年的时间,给我们更多的机会,我们一定会产生和美国一样的价值。

最后一点是中国对人工智能各方面的约束较少。比如说 Trump 上台以后,假如我们两年以后发现 Uber 的 Otto,这个 Otto 它是取代卡车司机的,假如它做的非常好,两年以后会取代这个人类的话,会不为有这个卡车的工会冒出来一起抗议。

美国有 150 万的卡车司机,他们也是投了 Trump 票的,我们也很清楚低收入的美国中年男人尤其是白人投了这个票,这些人要是抗议,会不会有可能通过一个法律使得卡车无人驾驶先暂缓推出,或者先要证明自己不伤人之类的。就这样,很简单的一个规矩就把这个技术给放缓了。所以我觉得中国在这方面就会有更大的机会。

扫码关注粹客网微信公众号,每日推送更多精彩资讯,随时随地关注业界最新动态
新锐编辑,微信号ZYC844937144,欢迎私信交流

热门评论

Copyright © 2015-2016 粹客网 | 广州市彼利熊网络科技有限公司 (粤ICP备15096117号)