首頁 > 【乾貨分享】AI改變世界,人類的自我價值如何實現?

【乾貨分享】AI改變世界,人類的自我價值如何實現?

昨天,小編為大家奉上李開復博士精彩演講實錄,在“AI改變世界——李開復博士《人工智慧》讀書會活動上不僅有李開復博士的精彩演講,還請到了人工智慧領域的權威專家、學者和大家共同探討和交流。

以下是各位專家、學者們的精彩對話內容,

沒有到現場的小伙伴們,你們的福利來嘍!


主持人:非常感謝開復老師的分享,人工智慧已來,我相信在座的各位聽到開復博士的分享後,都在思考我們企業如何和人工智慧進行深度融合;人工智慧如何做到更好的人機交互,更好地為人類服務;在孩子的教育方面,我們應該如何有選擇,有目的的進行教育,如何幫助孩子做好教育規劃。

非常榮幸,我們的主辦方也為大家請來了人工智慧領域的權威專家、學者和大家一塊探討和交流這些問題。有請我們panel環節的主持人胡一川先生上場。

胡一川:各位來賓、親愛的媒體朋友們,大家下午好!非常高興能主持開復老師讀書會的panel環節。我叫胡一川,是亞傑搖籃計劃十二期的學員,助理來也的聯合創始人。今天在現場看到很多的搖籃計劃師哥師姐,感覺特別親近,有一種“大家庭”的感覺。歡迎在座的各位創始人加入“搖籃計劃”,和我們一同成長。

回到正題,首先,有請我們今天panel環節的各位嘉賓上臺:

我們就開始今天的討論環節。剛纔在臺下聽了開復老師的分享,感覺受益良多。開復老師也講到,在未來10年,人工智慧將在很多領域部分甚至完全替代人類的工作,這一點我深信不疑。拿我自己來舉例,我們在做的產品叫助理來也,是透過人工智慧技術營造一個在線助理,我們相信未來大部分秘書、助理的工作都將被機器取代。

問題1(所有嘉賓):這裡,我想請教各位,在你們的心目中,未來10年人工智慧會在哪些場景得到大規模應用,改變人類的生活方式?


宋繼強:現在金融、零售、醫療等等,我們日常生活其實都有很多人工智慧在參與,我們做雙十一的時候都有人工智慧幫我們整合,而不是靠人去整合。下一撥像無人車這樣的平臺,把前後端連起來,該把很多的人工智慧技術去理解發生了什麼,做一些快速的決策。再把相應的場景輸出到雲端,用雲端來優化我們案例,把雲端訓練出來,去提升每個終端,這些都是很好的案例。再往後就是往機器人方面邁進,可能還需要8到10年。


雷鳴:我從另外一個緯度來考慮,我覺得這個發展是兩個,人工智慧的能力在不斷增強,一方面我們如何考慮人工智慧是在替代一些工作,我們看到的是一種叫做重覆性的腦力勞動,從這個意義上來看,它的替代應該從低技能向高技能,越高技能對模型的複雜要求會更高。所以我們現在看到像掃地機器人大行其道了,這個要求比較低。另外一個緯度,我們也看到了相當於從高資料和向低資料化的產業去走,我們現在看到的比如金融領域,我們看到的任何網站其實都是資料化,人工智慧需要大量的資料,透過資料的積累不斷的提升自己的水平。


王詠剛:今天來的都是創業者,我個人感覺未來十年我覺得人工智慧這個技術給我們帶來非常本質的變化,我們思考創業這件事,所有的思考,我們做公司和品牌的角度會非常不一樣,比如十年前我們創業可能更多的思考是怎麼建一個網站或者建一個服務,給大家提供一個好的服務。五年前我們考慮線上線下怎麼融合,怎麼創造更好的商業模式,讓這個商業模式更好的推廣。今天發現我們實際上這些商業模式也好,這些技術也好,我們都競爭到一個白熱化階段,我們考慮一個事情我們能不能在升級的體驗上,給客戶創造更大價值,能不能引入人工智慧這件事?AI或者AI+一定是未來不一樣的思考方式。比如我們現在去創造一個新的公司,比如現在比較火的共享單車,摩拜也好,OFO也好,他們都在考慮在他們的業務流程裡面,從一開始會考慮怎麼樣收集使用者的資料,怎麼樣把使用者的習慣學習更好,怎麼樣更懂得使用者,怎麼樣更懂得商業模式在不同場景下麵的定價、推廣、獲客或者營銷等等,所有這些問題如果你能第一天開始思考就會收集到更高價值的資料,以後可能更容易的和AI做結合,更容易的用AI來提升你所謂的業務,你的業務流程、效率,以後的公司我覺得很有可能變成兩種公司,一種用AI做的非常好,一種沒有用AI非常後悔的。


孫江濤:其實我一直是做互聯網金融和支付相關的業務,我們去年錢袋寶買給了美團點評,一年交易水平在一千億人民幣規模,在今年之前我都不知道我們其實已經用了一些人工智慧的理念,因為我們一直在用深度學習的演算法,去尋找我們商戶和使用者之間的交易行為,推送一些更有價值的廣告信息。我們現在的公司一個月有50億左右的放貸的規模,在交易的行為和信貸過程當中我們如何從大量的資料當中去看出來看哪些人有還款意願,需要給他多大的額度,走過去失敗案例當中找出負面的指標。今年我聽了雷鳴講了一次課人工智慧,然後又看了開復老師的書,我們現在又用人工智慧的技術和思維方式,才突然知道已經跟我們的生活和創業這麼近的。所以今天我也是帶著一個學習的態度向各位專家進行一些請教和學習。

   

問題2(李開復、王詠剛):接下來這個問題想請教開復老師和詠剛老師。創新工場最近成立人工智慧工程院,想請問一下成立這個研究院的初衷是什麼,以及它與企業里的人工智慧研究院的最大區別是什麼?創新工場未來在人工智慧領域會重點關註幾個領域?


李開復:從投資部門的角度來說,我們會對整個的AI做一個排序,如果變成三個階段的話,第一個階段特別認可的投資應該是在金融領域,但是我覺得任何有大資料的我們都會考慮。醫療是我個人特別希望介入的,因為我自己也經過面臨失去健康的這樣一個過程,非常遺憾的是,每個醫院跟各科室收入都不能夠分享,我特別希望進入醫療的領域,還沒有看到一個資料看到曙光的投資標的。我們在無人駕駛投了兩家公司,一家馭勢科技,一家第四範式,另外也投了好幾家硬體公司,我們認為感測器會越來越便宜,技術儘快降低價錢,達到人工智慧的需求,無論是在客戶端做的學習,還是無人駕駛、機器人做的應用,我們自己去找項目的邏輯。我們認為未來量產是很關鍵的,但是有些東西量產的價格還是太高,要普及的話還是要尋找那些快速達到目的。同時,我們也看到在業界Engine(音)所領導的地位,和未來機器學習所需要的一些晶片。我們也在看哪些東西有機會能夠做出未來的機器學習可能需要的。一個是在服務端或者在企業端,怎麼樣做最適合做的晶片。Engine(音)的晶片相對還是通用的。另外在行動電話端、攝像頭類似的存在。除此之外,我們也在看用自然語言處理的方式,語音的資料量滾動的資料越大,百度、訊飛可能會有天然的優勢,硬碰硬並不適合,比如教育領域或者自然語言很大的問題在於單領域使人不太能理解。機會更大,那還是金融領域。


王詠剛:我講一下研發方面,開復和我在創新工場成立並且帶領AI工程院主要就是技術研發團隊,我們做的就是一些非常扎實的貼近業務需求的AI技術,我們沒有去做非常前沿的探索性的東西,我們把具體的演算法、架構、工具應用到金融、政府、教育等等這樣的各個不同行業的具體項目裡面。

   

主持人:非常感謝開復老師和詠剛老師的分享。接下來這個問題提給英特爾中國研究院的宋院長。

問題3(宋繼強): 我們都知道人工智慧是靠資料驅動的,未來隨著越來越多的智慧設備聯網並源源不斷的產生資料,如何讓雲端和終端更好的協同計算,從而發揮出人工智慧的價值,是一個很有挑戰的問題。這方面您怎麼看,以及英特爾是如何佈局的?機器人作為人工智慧最重要的應用領域,一直飽受關註。伴隨著近來深度學習催熱的這一波人工智慧大潮,智慧機器人產業如何破局是一個很重要的問題。請宋院長給大家談談人工智慧與智慧交互是如何實現深度融合的,以及英特爾在此方面是如何佈局的?


宋繼強:這個案例非常好,我還是舉剛纔講的兩個例子來說明一下,我們現在很多的攝像頭就是一個簡單的頭端,只能把資料採集下來,多少個頭端連到網路,這是很常規的結構,有一個問題,因為頭端沒有足夠的智慧識別能力,只能把資料往後送。如果在中間彙集程度也沒有這個能力的話,大量的資料都會往雲端送,如果現在佈局規模還可以,如果到了2020年會有更多的資料接入互聯網, 500億智慧設備接入互聯網,這個時候網路肯定受不了,一定有在前端把這個資料做存儲的需求。我們怎麼能把現在的智慧演算法、深度學習的模型部署前端,或者彙集在那個盒,所有的直接在攝像頭處理。英特爾在前端有一個Engine(音)晶片,大疆無人機都有在用,可以部署小規模的神經網路,也是一個蠻不錯的方案,我識別了很多的東西以後,我選擇感興趣的往外送。如果做智慧車載識別,檢查套牌車有可能在局部檢查,透過網路連接透過入口就把它攔住了,而不需要再做。前後端需要協同,把智慧的能力分析。舉一個更好的循環起來還能讓前端的能力繼續增強,就是無人駕駛。無人駕駛這個車本身就是一個伺服器,我們感測器種類非常多,有深度感測器比如激光雷達,視覺感測器高清,都需要處理這些資料,它要求在一個固定的延時做決策,要控制這個車的方向盤、剎車和油門,你不可能依賴於雲端做,一定要做在前端,這裡面它的資料量很大,不可不是一個伺服器。這個存儲肯定不能用雲盤,這裡面有新的存儲方式。車在路上跑,不是一個車,要形成車隊,或者要利用基礎設施去知道前面的一公里是什麼情況,然後我前面的路燈訊號燈有什麼樣的一些變化,這個實際上要用到移動邊緣計算,跟現在的任何終端計算和雲端計算不一樣,以前1G到4G都是為人服務,5G是為物服務,讓整個網路不需要都送到雲端,在接入旁邊就可以實時處理相關資料,這個車可以把一些能力卸到移動邊緣計算的,這樣形成了一個連續的網路感知處理還有存儲的網之後,我們就能看到資料在前端是可以快速處理的,形成區域網去做邊緣去處理,如果一些異常的案例,去雲端訓練以後,就可以實時的每天提升車的能力,我們也稱為良性循環,跟終端到邊緣端,它是時時刻刻在做循環,雲端的能力就可以幫助前端的智慧設備實時更新,不斷的提升它的能力,好處非常多,英特爾在這塊不光佈局計算,也有存儲,也有通訊。謝謝!

   

問題4(所有嘉賓):接下來請教一下各位嘉賓,今天這個房間裡人都認為人工智慧是非常或的一個方向,大家對人工智慧的發展和感知還是非常有限的人工智,過去兩年對大眾產生的影響還是比較有限的,目前制約人工智慧發展的最大因素是什麼?


李開復:我更擔心的是這個社會沒有準備好,人工智慧來的多麼的迅速,包括工作被取代和人們的就業問題。其實跟人工智慧本身並沒有關係。因為我其實從十幾年前就開始寫書寫文章,給中國的年輕人,也寫一些給家長,但是我覺得家長聽起來很有意思,但卻不太接受,還是要以考試為主,你說很有道理,發展自己的興趣,成為最好的自己,努力的追求自己的夢想,做文科生也可以,講的事情聽起來很好聽,最後還是考試,孩子聽隨父母,所有找一個金飯碗,再不然讀理工科,否則讀商讀醫。但是最後我看到一線曙光,50%的孩子失業後,父母開展動搖了,也許我的以前思維不對或是考慮不周。人工智慧的落地,我覺得很多手中有資料的公司,現在很糟糕的情況是他們一方面意識到了資料的重要性,一方面找不到人工智慧的人來幫他幹活,一方面不信任大公司,,一方面不信任小公司,又不肯把資料拿出來,就坐在資料上什麼都不做,我覺得這個可能是一個挑戰。


宋繼強:其實有一個點可能會讓人工智慧的發展受到一些影響,如果從正常的發展順序來看,人工智慧應該先在一些有限的場景下,比如掃地機器人,固定功能可以慢慢的做好,運行的無人駕駛,公共道路上無人駕駛,慢慢的走,這樣可以逐漸的建立起人們的信息,尤其是普通消費者對於AI驅動的設備。很多做機器人的公司會在宣傳的時候過度的宣傳。人工智慧產品定義的時候還是要尊重人工智慧的發展規律,你從感測器和演算法去分析,跨領域、知識、綜合能力、人的情感交流能力很多還沒有解決,如果一股腦的過度宣傳那麼只會造成你出局,反而對人工智慧造成一些負面的,實際上和產品的定義有關係。現在我們也在一些機器人領域,服務機器人領域,工業機器人有很明顯的定義,什麼場景下做什麼事,但在服務機器人的領域比較缺少,大家都宣傳我是機器人,但是沒有一個很好的定義。我覺得在一些新興的人工智慧驅動的設備領域最好能形成一些行業的分級標準,知道該用什麼樣的級別要求或者去消費這個產品,不會產生過度的預期。過度預期會對早期市場造成傷害。


雷鳴:預算能力並不需要大家太擔心,另外兩個點,資料是演算法,沒有資料的話就跟引擎沒有油一樣,這些資料現在來講,有資料擔心不願意去分享,沒有資料的很著急,這塊我個人覺得有幾點,第一企業其實在這撥裡面無論怎麼樣都要去擁抱未來,有能力處理資料就自己處理,沒有能力去找一家合作,未來一定會發生的,如果什麼都不做那隻有死路一條。第二政府在裡面的作用問題,我覺得中國政府的力量還比較強,做一些國家資料公開課出來,讓大家去研究,比如咱們這麼快,跟教授做了有關係,他做了很多資料讓大家在資料上不斷的進步,沒有一個統一的標準大家就不知道往哪個方向走。包括一些大型的組織或者國家可以做一些這方面的工作去推動社會的進步。另外演算法,我覺得演算法就等於人才,最優秀的人是在不斷的迭代和改進演算法,人才是極度稀缺的。開復老師當年正好學人工智慧,後來人工智慧很長時間是一個比較冷門的,有一段時間我也是電腦出身的,大家都不好講自己是學人工智慧,導致真正有這方面的人積累很少的,熱起來後人才非常的難找,而且高校培養這批的現在還沒有大量的供給,其實人工智慧真正的熱起是這幾年的事,一個學生從大學部、研究所培養是需要時間的,人工智慧人才稀缺五年之內都是處於極度稀缺狀態,一個傳統企業做人工智慧這件事實在太難了,整體來講,對於人才的稀缺性這塊是沒有辦法的事情,人才供給基本上50%在往前走,所以你覺得現在很貴,未來會更稀缺。

另外,我們如果往回20年看互聯網時代,我覺得我們做事情選擇的時候,應該為未來活著,不應該為當下活著。不管你現在做什麼事情,你要考慮人工智慧一定會影響你。未來汽車交通工具變成一個服務業了,沒有人去4S店買了,車廠直接給服務商,最可怕的事情是這個產業不存在了,首先一定要記住真正的多去瞭解人工智慧,關註一些媒體,你瞭解這些事情的話才知道未來發生什麼。第二個事情要去參與其中,你能不能跟它發生點什麼關係,如果你是搞技術的能不能學習一點,很多人學法律的怎麼樣,我覺得兩個,現在有很多法律人工智慧創業,你懂法律,別人懂智慧可以合作。第二你可以去人工智慧當法務,你知道未來在哪,洪流來的時候,不管你是做什麼崗位,都歸跟著洪流往前走是會非常快的。當科技發展很快的時候,我的觀點就是其實你的努力這個東西重不重要?重要,但是選擇更為重要,要儘早的參與其中,找到自己的角色和定位,才會更好。人工智慧發展我覺得這個時代必然會來臨,相關人參與的越多,會發展的越快一點。

   

王詠剛:人才稀缺性我還是感覺很多人認識不是很足,招聘單從簡歷上也許不太能看出,真正做事做的時候,就能看出水平相差很大,各種問題,人工智慧人才的教育越來越重視,但是離真正使用人工智慧,去行業裡面落地還是太遠了。我去了很多高校跟學生交流,現在高校內部的老師給學生帶的項目、學生自己的試驗項目太多離實際環節差的很遠,到的實際環境中還是很難融合與實際環境的關係,到底什麼樣的是客戶最急需。我非常擔憂,人才離需求為什麼跟不上,兩方面,對學生來說還是建議學生儘量多去實踐,包括產品,我們各種組織的訓練營,對於研究者,純研究理想做研究是可以的,真正希望結合產業實踐的話,必須多去真正參與創業,真正參與產業實踐,一個很明顯的道理,如果你們公司願意出錢願意花錢找真正厲害的人工智慧工程師的話,不要去學校雇,最好去谷歌、百度、搜尋部門、廣告部門,在那邊幹才能找到人工智慧人才,這是我對人才分佈不均衡的擔憂。

   

孫江濤:我自己今年年初的一個切實的感受,好多4S店可能已經開始消失了,曾經4S店是一個收益非常高的行業,我五年前貸款買了一輛奧迪車,今年正好時間到了我要把貸款還完之後,4S店有五千塊錢退款,這家4S店在北京四五家分店,現在倒閉了,這個事情已經開始大量的發生了,我覺得這次技術的改變和自動化技術的進步,或者人工智慧,可能跟以往各次非常不同,以往很多技術都帶來了很多崗位,這次技術很多工作崗位會消失,技術進步已經不需要人類了,這可能使大量人類的工作崗位將會消失。最近看到一個新的概念,叫全民基本收入,有些國家已經開始研究這件事情,一旦人工智慧來了,以後人工智慧養著人的時代可能不遠了。謝謝!

   

主持人:謝謝各位的分享,隨時我們可以看到標準、資料、人才方面的制約,這個背後還是隱藏著巨大的機會。我們接下來做一個互動,把話筒交給理財魔方的袁雨來先生。

   

理財魔方的CEO袁雨來先生:理財魔方成立於2014.12月,是國內最早探索智慧投顧領域的創業公司。經過2年半的發展,理財魔方已經成功構建了一套服務於C端客戶,完全運用AI技術管理投資和客戶的智慧投顧系統,並服務了數萬使用者,帶來了近10億的基金銷售規模。今年4月,理財魔方又率先在國內推出了千人千面版本的智慧投顧,這是國內首個實現千人千面的智慧投顧系統,透過AI的幫助,實現了精細化到每個使用者的智慧投顧管理。理財魔方的技術團隊主要來自清華電腦系和百度人工智慧技術團隊,金融團隊來自國內著名券商和基金公司,是一個AI+金融的典型應用。

    我想問開復一個問題,我們跟很多金融領域的銀行、券商、保險業交流,三大行業大家都已經感覺到人工智慧可能有一些對他們的改變,他們真正的應用非常的稀少,除了創業企業在大量應用之外,這些傳統的巨頭用的很稀少,如果人工智慧真正改變金融行業,這個市場裡面什麼柴是革命性的標誌?保險、證券、銀行誰會先出現?

   

 李開復:一方面創新工場工程院跟幾個行業談合作,我們也希望在他們需要技術,我們需要資料的時候,能達成一些合作。我們觀察過去五十年的各種行業的跌宕起伏,一般來說,霸占某個領域的成就很可能也是它的包袱。像柯達放不下過去的包袱。為什麼微軟沒有能夠阻止谷歌在的發展,因為放不下辦公軟體的收益。傳統行業放不下過去的抱負和成功的所需要的DNA,都不見得符合這種創新的AI使用的方式,所以我覺得整體來說,如果說10年以後在這三大行業有哪些巨頭出現,我可能會認為前10大公司裡面應該會有一半是創業型的公司,他們可能找到某一個切入點,見縫插針過去擴大。比如剛纔談的投資的用錢寶,就是找到的一個小額貸款。另外可能有一兩個位置今天的互聯網巨頭德威治,比如騰訊的微眾銀行,螞蟻金服所做的各種業務,蠻有殺傷力,傳統公司可能還會剩下來兩三個席位,那些與時俱進的,我們一定要接納新的技術,我覺得可能會是這樣一個佈局。哪些傳統行業最有機會去與時俱進接受AI?第一個我覺得那些有真實運營壓力的,而不是做不做的好都能活下來的。第二個老闆的開明程度還是很巨大,有些巨頭公司直接找到我談未來他們應該怎麼改。聽了半天也聽不懂,前者還是應該很有機會。  這三種都還有公司,這三個領域裡面是可能看到一個AI的介入馬上產生金錢效益,這個是剛纔談到柯達是看不到,這些金融單位是有可能更聰明的客服或者使用者的轉換,這些還是抱一些希望,還留兩三個位置給他們,要不然傳統公司是打不過互聯網公司。

 

問題:我看到開復老師的書中提到,金融是AI最佳的應用場景之一,其中第一個細分場景就是智慧投顧。請問開復老師,您覺得AI給金融行業帶來的標誌性變革將會是什麼? 或者說我現在感覺到國內的銀行,券商,基金公司等機構,對於AI的討論都很多,但是實際應用都嚴重不足,您覺得AI將會給這些行業帶來的最大改變將會以什麼為表現?

匯影醫療董事長、翼展科技聯合創始人牟曉勇先生:

醫學影像是醫療資料中最大的一個板塊,中國有非常大量的影像資料,電腦視覺和圖像處理在人工智慧領域也最成熟,目前在醫學影像人工智慧方面的研究和應用非常火熱。請問開復老師對人工智慧用於醫學和影像領域的看法?創新工場是否有在這方面的發展計劃和佈局?

因為醫學影像蠻複雜的問題,大家知道的CT,給醫生提供診斷治療的工具,這個鏈條蠻長的,我創業了兩家公司,一家匯影醫療,我們的超聲功能是做肚子里的東西,另外翼展功能共享,我們採購大量的醫學資料進行醫學的診斷,同時還創立了恆領(音)科技,最大的在線醫生平臺。我們的終極目標給醫生提供工具來完成影像檢查,最早的發現疾病,是蠻有意思的事情,今天想透過交流,非常想問開復老師和詠剛老師,我們有很多醫生參與,也出了一些成果,想問開復老師像醫學影像作為智慧醫療裡面的板塊,它路徑會在哪些方面?另外詠剛,創新工場AI工程院,像醫療這塊用什麼樣的方式可以提供給大家?


李開復:如果從純理工角度來看這很好,把很多實際因素考慮進來困難還是很大,即便你做出來很好的技術,醫生能不能接受,我還沒有見過任何一個醫生相信你說的話,按照人臉識別,只有資料量夠大,願意花時間,一定可以超越人類,但是醫生絕對否認這個可能性。在這麼強大的使用者群否認技術的前提下,我覺得我們人工智慧做一些小小的輔助工具。另外,其實很多能夠普及的技術,也許乾脆不要去走取代醫生的道路,美國一家公司做的糖尿病的預防,背後一些簡單機器學習的技術,把這些人都拉到網上,找出風險,告訴他們什麼樣的生活方式不容易患糖尿病。


王詠剛:談到合作,我們創新工場AI工程院的使命就是和需要AI技術公司合作的,為什麼我們現在還沒有開始在醫療領域做一些研發或者積累呢?兩個問題,第一個問題其實醫療即便進入到影像,但還有很多不是那麼好解決的問題,影像有的解決好一點,有的解決壞一點,工程院不會把大量精力花在研究上。第二在醫療影像方面還缺少一些醫學專家,比如醫療影像需要對影像做一些高清度標註,不是簡單作圖像標註或者無人駕駛的圖像標緻,我們缺乏影像知識,這種情況下比較難,下一步看看有沒有更好的契機,你們團隊可能在科研領域或者在醫療專業領域能夠提供的專長,我們會在機器學習領域、技術領域、架構領域提供專長,看有沒有更合適的,這樣我們可以進行合作。

   

主持人:下麵有請美國中經合集團投資副總裁王帥女士。

   

美國中經合集團投資副總裁王帥女士:美國中經合集團是跨區域風險投資界的先鋒,在北京、臺北、舊金山均設有辦公室。近二十年來,中經合已經投資了超過400家富有遠見的早期創業公司,並且已有100多家企業透過上市或者併購成功退出,中經合一直致力於尋找科技行業和健康醫療領域的優質創業公司,長期的經驗以及跨區域的戰略使我們能夠最大程度幫助創業者開拓中美市場。中經合在國內投資組合中的知名企業包括創新工場、愛康國賓、世紀互聯、分眾傳媒、精碩科技、麥迪科技、個推等。

這本書從技術、產品以及市場應用方面把人工智慧脈絡做了非常好的梳理,非常感動的地方人跟人工智慧最大的區別是在我們不是用人腦在思考,是用心,心是最大的區別。

因為我們是做風險投資的,創新工場在人工智慧領域投了不少好公司,開復老師也是人工智慧方面的專家,所以想問問開復老師,據你觀察,人工智慧領域接下來的早期投資機會?

   

李開復:我覺得其實一個很大的門檻就是這個人是不是真的很靠譜,現在每個公司都包裝成人工智慧公司,比如當我們做成一個產品之後我們有大量的資料,於是我們可以用人工智慧,就像詠剛說的你不要看這個人在谷歌工作過就可以做人工智慧,當年是非常冷門的,真的做這個領域的人還不是很多,對於每個人我們的會打破沙鍋問到底,他做的每一個演算法、每個應用是怎麼去做的,非常深的去理解。創新工場投的案子裡面失敗的非常少,也是我們比較嚴謹的一個風格。另外,談一個人技術多牛隻是一個門檻而已,他對這個商業的認知,還有他自己過去的背景、經驗,如何做好一個公司,這些可能都會要深度的瞭解。很多人在人工智慧方面還是拍腦袋去做的,比如做一個2B和2C的公司思維完全不一樣,做2B公司的CEO,你就是公司最大的銷售,你怎麼去敲開第一家客戶。做2C是另外的考量,在於個人和整個的能力,還有對於整個賽道和業界的看法,比如無人駕駛可能會有一百種,比如用不用激光雷達,我們會有一個自己的判斷。如果這個創業者想做的事情是我們認為現在的技術不允許的,我們會用我們的技術的經驗來否定這樣一個案子,同時用我們工程院的力量來幫助這個案子,很多投資人只看AI的技術背景是不夠的,即便投資團隊是很技術型的團隊,但畢竟一個技術型的合伙人或者投資總監他可能做了五年到十年的投資,即便如此,我們也會用非常嚴謹的技術型態度來判斷AI的創業。

其實很多創業我們認為它可以做AI+,這個可以見到,它本來走的方向我們認為是很靠譜的,稍微加一點簡單的AI技術就可以大大的推動,這類公司是比較多的案子。

   

雷鳴:這個問題我覺得一個是分階段,如果你的投資是天使或者估值不是很高,這種的話基本上要看個人。能不能投資看三個方面,第一看人,第二有沒有穩定的資料,第三,對市場的需求分析和獲得能力。前期項目的話人和團隊就可以。特別成功的公司,一個新科技進來的時候,你找到真實場景需要一個過程,只要這個人有一定的能力,慢慢摸索,比如現在看到的市值最高的5家公司都是科技企業。人工智慧創業技術是有優勢的,資料絕對是優勢,技術的優勢越來越低。你發現一個特別有意思的點,比如現在拿一下阿裡巴巴的交易資料,你拿不到,所以未來會是資料為企業和客戶共同擁有,有資料才是王道。我有AI是不是很厲害?人才是可流動的,不能說招進來一個人就不能離開,包括ABT谷歌,現在是最大的創業根據地,基本上都出來創業了,以前的總監都出來創業,但資料本身確實是。螞蟻金服如果不借住阿裡集團這麼多交易資料哪裡會有螞蟻金服,如果沒有零售業上面的資料,真的沒辦法做到,所以資料真的很重要的。最後就是對市場的洞察能力和真正能做出市場需求產品的能力,2B、2C不一樣,做2C前兩個是必要條件,永遠不充分,充分條件對2B公司要有買單能力,這個團隊裡面如果CEO是個技術牛人,必須得放下身段,不能是高高在上的,這是不行的,要麼找個合伙人,要麼自己做,2B一定是不要臉,出去跟別人去瞭解需求,把自己擺的姿態很低,用服務的姿態去做這個事情。2C的話要有產品感覺,互聯網時代一個企業的成功很多人覺得技術牛,是產品經理牛,背後不斷的摸索使用者的需求,有技術的千千萬萬,抓住使用者的需求,洞悉最準確的才能成功,如果你要投到後面估值比較高的時候,剛纔三個方面都要綜合考慮一下。   


主持人:非常感謝兩位嘉賓的分享,最後留一個問題給現場的來賓。

   

提問:我提問給開復老師,我想問您也說了人工智慧有一些是替代不了的?未來我覺得,現在都在做電商,如果我們做線下共享購買,以及做分享,這樣的分享購買社交的旗艦體驗,您覺得這樣的事靠譜嗎?


李開復:如果你有把握做人工智慧替代不了的,人與人之間的服務,我覺得不但靠譜,而且是我們人類非常需要的一件事情。你可以想像如果50%的人都下崗了,這些人需要做什麼來滿足他們的自我實現。因為下崗的人會覺得我能做的機器都能做了,機器能做的我不一定能,如果以前回家司機把人送到目的地,是一種自我實現,未來機器都能做的,機器比我做的更好,我的自我實現在哪?所以我覺得如果能夠教你們的員工做事用心,要得到使用者真正的愛你們的企業,甚至能創造一百、一千、一萬個工作崗位,這不但是個好的投資,對人類來說都是一個很大的福音。其實創新工場也有一些投服務業的公司,比如我們投了會計,我們投了原麥山丘,都是讓人很開心,我覺得這種創業肯定是靠譜的,你要把愛跟人與人之間的溝通最大化。當你找VC融資的時候,可能不見得是他們最心儀的項目,因為他們還是會問到一些可擴張化的,整個未來的快速成長,技術的優勢等這些可能會稍微會帶來一些小小的困擾的問題,但是你心中知道,這是對人類有意義的事情,而且可以建立足夠的現金流,未必需要快速拿到很多融資,心態要放平衡。

(結束)

views: