深度报道 In-Depth Report 穷游网CTO金翔宇谈人工智能行业过热现象。

穷游网CTO金翔宇:人工智能行业存在整体过热现象,创业者需聚焦细分应用领域

穷游网CTO金翔宇 /

应该说,过去一年最风生水起的技术领域就是人工智能。谷歌的AlphaGo着实掀起了一阵媒体关注的热潮,大有上升到第四次产业革命的高度。一大批创业公司也聚焦AI技术的研发和创新,行业的发展势头和前景是非常好的。但与此同时,不可否认地说整个行业存在过热现象。一批创业公司跟风巨头,从事纯人工智能技术研究,而没有去着眼考虑具体的应用领域。下面我简单谈一下对于当前AI创业的一些个人思考:

1. 应用技术成熟,硬件载体廉价

近年来,人工智能应用领域的飞速发展主要得益于以下三个方面。首先,适合人工智能计算的专有硬件进入量产时代。这当中非常突出的是NVIDIA,它的GPU天生擅长并行处理任务,非常适合人工神经网络的计算。过去的一年多内其股价上涨了3倍,足以说明其相关产品的出货量持续向好。其次是移动计算能力的强大。如今手机的处理能力已经远远超过三十年前的想象。很多早期科幻片里,光速飞船上还用大哥大尺寸的东西通话,而今天已经可以用小型手机来实现了。当下很多复杂计算任务和控制逻辑,可以在体积非常小且低功耗的移动平台上完成。这让很多过去无法想象的应用成为现实,例如无人机,本质上它只是多种应用技术达到成熟之后相互结合的一种产品。最后一个关键的是人工智能的应用技术正在走向成熟,这里不仅仅是指软件技术、开源代码包,也包含相应的人才梯队,在市场上不再稀缺。

2. 并无重大理论突破

从理论角度,人工智能领域这些年其实并没有重大突破。即便是媒体炒的火热的deep learning(深度学习)以及reinforcement learning(增强学习)也并不足够新鲜。直到今天,我们仍旧搞不清人类智能的本质是什么。或者说,学术界和业界并不是在研究媒体关注的“具有自主意识的AI”,而更多是贴近垂直应用,解决应用当中的实际问题。今天,依赖deep learning技术,我们已经可以在特定应用下模拟人类的感知(perception)。我们可以让机器从一堆证件照里找出某个具体的人,甚至有可能比人找得更加准确。我们正在试图让机器去识别和理解,图像里到底有什么。但这绝不是极具热度的自主意识的AI。即便是最强大最前沿的人工智能软件,比如AlphaGo,它归根到底还是个按照预设逻辑执行的机器,从这点上它和我们用的计算器在本质上并无差别。AlphaGo并没有自主思考的能力,所以我们大可不必担心,类似《终结者》电影中AlphaGo向人类宣战的场景出现。

在真正的人工智能道路上,我们还有很长的路要走。这当中有些研究和计算理论、数学,甚至哲学相关的。比如,把图灵问题放在人工智能领域,我们可以问自己一个诡异的问题,“使用人类智慧是否能够理解人类智慧是怎么工作的?”甚至更绕一点,这个问题本身是否是用人类智慧不可解答的?当然,这些都不影响目前人工智能在具体应用领域大放异彩,逐步把人从一些机械的、重复的劳动中解放出来,这才是我们目前要关心的。

3. 行业整体存在过热现象,创业公司机会有限

目前在人工智能应用领域,已经开始出现产业过热以及投资过热现象。早两年和投资圈的人闲聊时,都希望帮着介绍“VR”项目。而现在见面聊天,都问有没有人工智能项目推介。除了资本圈一哄而上,互联网产业内也开始追逐这股热潮。不管有没有使用场景,从公司的管理层到一线的研发,都希望将技术路线往人工智能上靠一靠,一定程度上造成了过度设计和资源浪费。创业公司面临的一个共性问题,就是缺乏用户。在缺乏有效用户数据的情况下,很多统计学习的方法未必奏效。比如,一些创业公司基于统计的机器学习技术(比如多层神经网络、SVM等),来解决一些简单的分类或推荐问题。而实际上却没有那么多用户数据来进行有效的训练。即便训练出来一个模型,其评测的结果也很难具备统计意义。而实际上,在训练样本极其稀疏的情况下,基于行业经验的启发式规则,往往会比统计模型更加简单可控。

而同时,我们也看到国内很多中小型公司,都跟风设立了所谓的人工智能实验室。甚至还出现了一些没有细分应用场景的,做纯人工智能技术或平台的创业项目或者实验室。我认为广义的人工智能研究,或者人工智能技术平台,可能只有如Google,Facebook,Baidu,Alibaba,Microsoft这样量级的大公司,才有足够的财力、人才储备、行业号召力来进行。而小团队或创业公司更多的机会是聚焦在一个个具体的垂直应用上。虽然有一定技术通用性,但人工智能技术的每一个细分领域都有很深的行业沉淀和差异性。比如,一个做人脸识别的专家的经验未必就适用在金融风控上。同样,一个做自动驾驶的专家也未必会做程序化交易。在人工智能的细分创业领域上,往往要求founding team是在相关行业从业多年的博士或者研究团队,否则很难在相应领域产生足够深的积淀。因此不基于细分应用领域的,侧重于纯技术甚至平台的创业项目,很可能不靠谱。

4. 需要结合国情和实际

在分析人工智能细分领域的前景时,我们需要看到它背后的社会源动力和经济价值,不能照搬美国的一些模式。

例如,对于美国本土市场而言,自动驾驶极有可能会是下一个巨大的风口。一则美国地广人稀,路况简单,对自动驾驶的技术要求没有国内那么复杂,相对而言形成成熟技术比较容易。二则美国人工成本极贵,比如美国打车动辄上百美元,包车一天少说也得300美元。所以在商业动机上,自动驾驶的商业利益远比国内大(国内司机人工成本低)。

除了自动驾驶自身可能触发的出行、旅游,甚至车载娱乐业的变革,美国的自动驾驶技术还有一个巨大的潜在可能性——外卖行业。美国的人工成本极高,加上地广人稀,外卖产业极度不发达。很简单的道理,你送一个餐要开30公里,下一个餐又得跑20公里,效率极低。除了少数的披萨和大城市核心区域,大部分餐饮都不提供外卖服务,只能是自己去取餐。但有了自动驾驶或者无人机,这种能够灵活实现短距离配送的手段,将打开全新的外卖市场。比如可以有一种自动配送车,按照中央调度的信息设定去哪里取外卖,然后送到哪里。按照密码取货,还可以保温。这一天的到来应该不会遥远。相反,中国城市内路况复杂,人口密度高,再加上人工相对便宜,因此自动驾驶的经济源动力未必有美国那么强劲。

再比如,因为社会价值和经济利益的双重驱动,电子交警在中国国内各个城市得到了普遍应用。这催生了一个巨大的产业链,硬件摄像头,违章识别系统等相关产业出现了很多上市公司。而反观北美,因为法律、人口密度等多种原因,电子警察实际应用又远不如国内这么广泛。相应的技术发展和创新动力也就没有国内那么足。


More From In Depth Report 深度报道