什么才算真人工智能？
做人工智能，最重要的是什么？
姓名：卫哲
职位：嘉御基金创始合伙人、前阿里巴巴首席执行官
代表案例：爱奇艺PPS、91无线、500.com、江南布衣、中农网
卫哲，32岁成为最年轻的世界500强中国区总裁，4年后成为阿里巴巴CEO；7年证券、四大，5年零售，5年阿里，6年风投。如今他是嘉御基金创始人，管理着10亿美金资产。人工智能，是他关注的新风口。
今年 7、8 月份，我在美国花了比较多的时间，跟美国投资人、美国创业者和领域的专家交流沟通。重点关注了在中国最热的人工智能。
我和我们华人「人工智能第一人」——原来是斯坦福的教授，现在 Google 人工智能负责人之一——李飞飞教授，做了长时间的沟通。
第一个观点，我们两个达到非常高的一致， 就是今天的人工智能项目当中，存在大量的「伪人工智能」。伪人工智能比例可能高达 90%，或者 99%。
为什么说有伪人工智能存在？
第一，我们看一下人工智能的人才储备。
人工智能人才不是一夜之间冒出来的。无论在学校还是工作中，他必须、确实从事过人工智能的工作。其实这样的人才全世界不过几百个。但全世界有几万家人工智能公司，怎么突然冒出这么多人才？
从人才角度来说，无论是创建还是参与公司，怎么可能具备真正人工智能的优势呢？所以我们觉得存在大量的人才泡沫。
第二，我们看到很多项目真的是穿了个「马甲」又回来了。
我一直在跟创业者说，千万不要给自己的项目穿马甲，贴上很多流行的标签，流行什么贴什么，流行人工智能很多项目贴着标签来的。
贴标签之前这些项目挺简单的，早在阿里巴巴我们就看到过，什么叫机器学习，什么是算法。很多只是有一定算法的，或者还是基于机器学习的公司，今天摇身一变都给自己贴上了人工智能的标签。
如何识别「真人工智能」？
我跟李教授说，我不是技术专家，我也不懂技术，请问有没有比较简单的方法来识别真的人工智能和伪人工智能？
高手就是高手，用了一个非常简单的方法。我们先讲一个历史上的故事。
我们看到计算机和人类进行国际象棋的比赛，是在很多年前发生的，互有胜负。但是从教会计算机下国际象棋，到干掉世界冠军，不低于 10 年的时间。
Google 下面的「阿尔法狗」、这个人工智能的机器，从学会，到下赢一个围棋的入门级的初段选手，到干掉世界冠军，据报道只用了 1 年时间。
所以真正人工智能判定方法非常简单，看他算法的进步速度。机器学习也会进步，那么人工智能的算法进步是几何级的。
也就是说一个人工智能领域的项目，如果你隔 3 个月去看，它在算法上比如说人脸识别也好、语音识别也好，它的进步是代数级，而不是几何级的——那么它更像互联网时代早已有之的普通算法。或者叫机器学习而已，都是伪人工智能。
所以，如果我们不太了解过程的话，就从结果来看。人工智能一定是像这次下围棋一样，「进步神速」。
这是我们第一个结论。存在大量的伪人工智能，和如何去识别伪人工智能，不仅要识别伪人工智能的项目，还要可以判断伪人工智能的团队。
做人工智能最重要的，不是技术？
第二个结论，人工智能的技术，如果把它比喻一把刀的话，那么 massive refreshing data（大量海量且实时更新的数据），就是那把刀的磨刀石。
也就意味着，人工智能技术重要但不是最重要。这把刀一开始有多锋利，不是决定性的。一把锋利的刀不一直不磨，而一把不太锋利的刀一直在磨，那很快那把不锋利的刀就会超过那把锋利的刀。
Deepmind 团队中，就是阿尔法狗的团队中，高级的华人工程师挺多的。见到他们，我问了个问题：你们怎么不立志搞一次中国象棋？
他说，David，这个不是说我们愿做不愿意做的问题。我们的围棋项目，还不得不感谢感谢日本人。日本人过去几百年几乎所有的棋谱都在，而且保留围棋的棋谱也特简单。只要一张纸，黑的白的，上面标好号码就行了：这是第 1 手，这是第 200 手。
所以它其实一张图就记录了整个围棋下的阶段，所以复盘也特别容易。围棋几百年来的棋谱都存在，也就意味着围棋的数据特别齐全。
咱中国象棋老祖宗留下了什么？叫残局。它怎么走到残局呢？不知道，没有数据。
如果你把残局喂给机器，它怎么学习？他要学习的是我如何走到残局，以及如何从残局走到终局。由于中国象棋的历史数据缺失，造成这么生猛的阿尔法狗机器在中国象棋领域就 go 不下去了。
这就是意味着数据对人工智能有多重要。离开数据，谈人工智能是没有意义的。
下一位人工智能新独角兽在哪？
在哪些领域，人工智能可以跑出来独立的公司、独立的平台？
如果在美国你要用的数据，大部分或者全部由 Google、Facebook、亚马逊所掌握，那磨刀石在别人手上。今天你的技术再领先，也维持不了多久。
我们看到很多这样的技术公司，唯一出路就是卖给美国 Facebook、Google、亚马逊。
同样在中国，如果你要做人工智能，所能用到的数据，都是为 BAT 所掌握。那最终这个磨刀石也不在你手里，你也没有太大机会。你就是一个技术还不错的团队。
最后的出路可能是把这个团队，以并不太高的估值，卖给这些有数据的大互联网公司。
那么在哪些领域，美国的 Facebook、Google、亚马逊也没有数据，中国 BAT 也没有数据呢？这种领域有没有？答案是有。
比如说医疗数据，BAT 也没有；很多金融相关的数据目前还是银行、保险公司的内部数据，互联网公司也没有；可能还有一些其他的领域。
那么就以这两个领域来说，和人工智能结合，至少不管这把刀是不是很锋利，找数据源或者找磨刀石的起步，你和大公司是平等的。那就有可能在医疗、金融等领域，你和人工智能的结合跑出大公司来。
我们就拿医疗说，美国 FDA 已经批准人工智能读很多片子。我们觉得一个医生一辈子读 10 万张 X 光片或者 CT 片子就很厉害了，但这个片子拍完以后，他完全基于自己的经验和知识来判断。他判断得先有积累。
但这个事对机器来说，对人工智能来说太简单了。就是图像和打完标签的图像，同时要结合这个标签打完的图像和最终诊断的病例，做一个闭环的学习过程。
所以机器 1 个小时可以学 10 万张片子；人类最有经验的医生，从业 30 年，一万多天，一天看 10 张片子，一辈子 10 万张片子。但机器可以 1 小时读 10 万张片子。
但同是，由于美国对隐私的很多保护，很多医院的数据，在美国并不能轻易开放给这些人工智能公司。
我们看到一个趋势，很多从事医疗行业的公司开始寻找中国的合作伙伴，因为中国人口同样众多，隐私的保护却没有那么严格，有机会让医疗数据迅速地集中起来。
同样的今天很多人脸识别的公司，估值很高。我无法评价他们技术多牛。但我突然发现不是从事这个领域的公司，只要有大量的数据，迅速可以追上或者赶超，有在 A 股上市的。
比如海康威视，这么多摄像头，它采集到很多真实的人脸。由于这个数据的存在，我觉得他们人脸识别的技术不仅目前达到，未来一定在中国这方面最优秀的公司，没有之一。
卫哲给予创业者的建议：
2010至2017年5月，中国人工智能领域共发生2000多起投资事件；其中，2015年成为人工智能领域爆发式增长的关键一年，突破了产业大规模应用的瓶颈。
但是，卫哲提出不一样的看法，尽管目前市场上冒出了成千上万家以人工智能名义来获得融资的创业公司，然而大部分公司并不拥有人工智能人才，全世界真正熟悉人工智能的人才非常紧缺。在他看来，许多伪人工智能公司是“穿上了人工智能的马甲。”
卫哲指出，要警惕投资泡沫给人工智能产业带来的负面影响，因为这会导致人工智能人才竞争比以往互联网任何领域都要紧缺。“全世界就这么多人，今天人工智能就是两个争夺：人才争夺、数据争夺。”卫哲将数据比作磨刀石、技术比作刀，而人才是操刀手。他警告，操刀人如果一直找不到磨刀石那就会离开，也就是人才流失，而这类流失情况在该领域非常严重。
作为当下的经济热点，大众创业万众创新的大潮，使得很多创业者在A轮时就拥有一个很充裕的资金环境。但卫哲又一次发出警告，要看到其中蕴含的负面因素：因为资金太多，资本泛滥了。
“哪怕在阿里的成长道路中，融资环境也从来没有像今天这么好过。”卫哲感叹道。在他的印象中，阿里的融资其实并不是人们想象中的那么一帆风顺，但就因为这样，才历练了阿里注重效率的习惯。而今的资本过多，使得团队忙于比融资额、比估值；很多创业者拿到融资后只注重增长，不注重效率。“没有效率的增长不是慢性自杀而是加速自杀。今天我们看到很多创业者拿钱太容易了，很多资本又喜欢增长，所以‘独角兽’吃得多拉得也多，最后像恐龙一样在地球上消失了。”
一个公司基因的优秀与否，取决于创始人是否优秀；创业者需要补足短板，要在风险可控的情况下大胆冒险，而这样的短板补足，并不单靠创始人个人，往往需要他组建团队；除此之外，创业者还要带着会算账的角度去试错，我们不否认创业阶段创始人需要试错，但要会算账的试错。不能因为帐没算清楚而去试错，结果把整个公司都试没了。
创业的起点并不是最重要的，更重要的是学习能力，马云的起点并不高，先是教师，之后在中国创建了黄页，马云最大的能力就是再学习能力，不断和高手过招，不断提升自己——学习能力。
来源：初橙资本（ID：chuchengziben）
联系客服
