【人工智能】機器學習觀點與挑戰(zhàn)

目前，人們講到人工智能和機器學習，可能還是覺得它很復雜。

事實上，當你聽過我的課程，就會發(fā)現(xiàn)，關于這個話題，有很多還停留在概念性、戰(zhàn)略性的階段。當然，也有一些投入實際應用的技術，但這背后的理論，還是非常基礎和簡單的。

人工智能與機器學習，其實還遠遠不是一門基礎扎實的工程學科，它并不能為現(xiàn)在用數(shù)據(jù)分析問題提供強大且可拓展的解決方案。

因此，我們并不能將人工智能與機器學習的發(fā)展簡單理解為一個神跡，如同高樓非一夜而起，它是必須要經歷長時間的發(fā)展的。

大家首先要意識到，在這一領域，我們仍處于非常初級的階段。很多事情我們還不了解，現(xiàn)今的我們并非處于一個人工智能的神奇大爆炸時代。

可以說，我們有可能要花上百年的時間，這個高樓大廈才能真正地建立起來。

準確認知人工智能的現(xiàn)在與未來

本節(jié)要點

目前的智能系統(tǒng)還無法做到對場景的常識理解;

我們不太可能看到所謂的“超級人類AI”。

拋棄那些外界的宣傳，我們需要實際且準確地理解人工智能。我們來講，目前的人工智能有哪些可能性，以及，哪些技術還沒有實現(xiàn)的可能。

計算機視覺

可能：在可視場景中標記對象

目前尚無可能：對視覺場景的常識理解

比如，一個會議室的攝像機，把它連接到電腦上后，讓它區(qū)分哪些是人臉。在目前，人工智能也許可以標記對象，但卻不能理解這個場景。

作為人類，我知道這個會議室有很多人，出口在哪里，我要小心臺階不能掉下去。這是我的常識性理解，但計算機是做不到的。

語音識別

可能：多語種語音到文本和文本到語音的轉換

目前尚無可能：對聽覺場景的常識理解

我的聲音可以通過話筒接到電腦中并轉化為文本，轉化為語音。但如上所述，電腦并不能對文本背后的常識進行理解。

人們可以馬上理解一個很復雜的句子來預測下一步行動，但計算機做不到。

自然語言處理

可能：最低限度的翻譯和問答

目前尚無可能：語義理解、對話

自然語言中有很多東西，機器是做不到的。機器只能死記硬背，卻沒有辦法真正地回答問題。

當你和電腦交流的時候，它可以回答你“中國最大的城市是哪一個”，那是它通過“中國”、“城市”、“最大”這三個關鍵詞，在百度搜索的答案。

但如果你的問題是“中國不在河邊的第二大城市是哪一個”，電腦給你的答案一定是對你一點用都沒有的。因為在此之前可能從來沒有人做過這個問題的相關數(shù)據(jù)，沒有這個問題答案的數(shù)據(jù)列表。

但在未來的十年，上述被列為“尚無可能”的部分，將至少可實現(xiàn)基本形式。

十年，就技術而言，是一個很長的時間窗口了。事實上有一些技術已經開始出現(xiàn)，只是目前在比較原始初級的階段而已。

比如自駕車以及自駕式空中出租車，它們還是會出現(xiàn)的。盡管不會是超級智能，但肯定會越來越好。

但請注意，人工智能系統(tǒng)仍然是非常有限的智能系統(tǒng)。我相信，我的AI同事們也會贊同我的觀點：我們不太可能看到和人有同等智力的靈活性與創(chuàng)造性的AI系統(tǒng)。

首先，人類每時每刻都在以新的方式思考怎樣用新的語言來表述，就像我現(xiàn)在講的每一句話都是有創(chuàng)造性的，我在講話中可以不斷講新的內容以及新的理念，使用隱喻、反諷等修辭。

在現(xiàn)實中，AI系統(tǒng)還做不到。AI可以幫你做一些基礎工作，比如幫你在網上訂一張票，但是它無法和你談人生。

此外，人類還非常善于做新的抽象推理。

比如，“Blank從上海走到杭州只花了3個小時”。作為人類，你會做很多推理：Blank會移動，而且從上海走到杭州只花了三個小時，它的運動速度一定很快。那么，你會針對Blank問很多問題。

但AI系統(tǒng)就做不到，它需要反復、重復用海量的數(shù)據(jù)才能得出一個答案。

最后，人非常擅長計劃和規(guī)劃。而AI系統(tǒng)只是擅于捕捉目前的數(shù)據(jù)，而不可能對未來做出一個長期的、有條不紊的規(guī)劃。

很多人在講“超級人類AI”，這類人一定沒有在AI領域工作過，他們根本就不知道AI領域中存在的技術問題有多難。

AI系統(tǒng)可以知道世界所有的城市、餐廳、電影院，然而它也只知道這些事實而已。

所以，我不相信所謂的“超級人類AI”，也不相信AI會比人更聰明。

人們覺得AlphaGo很厲害，是因為覺得一般玩圍棋的人就很聰明了，那能打敗玩圍棋的人肯定更聰明。

這是有誤解的。人知道怎么還貸款，上什么學校，怎么和同伴做智慧交流，這些事都是AlphaGo做不到的。

其實，AlphaGo只是通過無數(shù)對棋盤的模擬，非常機械地、不斷重復地復盤，十幾億、幾百億次地進行學習。這背后沒有什么創(chuàng)造力，只是無數(shù)次的重復工作。

所謂的“智能”，是我們根據(jù)參數(shù)匯集起來的數(shù)據(jù)算法，它們只能復制、模仿、模擬人類的行動，而不是真正的智能。說到底，相比我們真實的世界，圍棋的復雜程度要低很多，因為真實的世界充滿不確定性。

我覺得，有生之年不會出現(xiàn)這個奇點了。

傳統(tǒng)的機器人算法不能適應未來

本節(jié)要點

傳統(tǒng)單一機器人的算法并不能應用于未來的智能城市構建;

甚至在今天，傳統(tǒng)的機器人問題也沒有得到很好的解決;

相比過去的工業(yè)革命，人工智能帶來的事業(yè)浪潮將會比過去進程快三倍;

那么，什么是值得大家擔心的呢?

我前面講到，所謂的超人類智能系統(tǒng)，我們是不應該擔心的。而正好相反的是，看似智能，實則不夠智能的這些系統(tǒng)，卻是值得我們警惕的。

很多媒體提到AI的時候，講到的是視覺、語音的方面。但我們未來涉及到城市規(guī)劃、推薦系統(tǒng)、醫(yī)學診斷等，都不再是傳統(tǒng)單一機器人的問題。

這是完全不同類型的問題。

一個機器人的某一錯誤我們是可以控制的。比如，機器人走到舞臺邊緣，探測到下面將有一個高度落差，它會知道停下來。

但如果是一系列問題呢?又或者，是很多機器人一起呢?

如果大樓發(fā)生火災，這個機器人就不會知道該怎樣逃出去。因為，這是一系列的決策，涉及到你從哪里轉移到哪里，還需要和其他人的合作。

比如，大家都從同一個逃生通道出逃，就會出現(xiàn)堵塞，那么，就要選擇換其他的道路。在這種情況下，機器人是做不到的，這樣的算法是非常難的。

如果你用過去傳統(tǒng)的機器人研發(fā)算法去應用到城市規(guī)劃建設等領域，就會出現(xiàn)很多無法解決的重大問題：

NO.1：大規(guī)模多重相關決策的錯誤控制

搜索引擎給你一個錯誤的推薦建議，如果沒有人因此死亡，就不會出現(xiàn)什么大錯漏。頂多你會覺得這個搜索引擎不好用，再換一個就完了。

但假設這個推薦是醫(yī)療診斷意見呢?如果這個意見出現(xiàn)錯誤，那真的是會出人命的。而且，我們已經看到這件事情的發(fā)生了。

即便是在金融服務領域，一旦出現(xiàn)錯誤，也可能會引發(fā)市場的大動蕩。交通也是如此，如果連公交走向都出現(xiàn)問題，就極有可能發(fā)生車輛碰撞，整個城市的交通陷入癱瘓。

因此，一旦擴大到這些領域，我們就不能再以傳統(tǒng)應用到單一機器人的算法去做這種大規(guī)模的事情，必須要有新算法。

但事實上，在這一點上，我們遠未達到。目前，我們所沿用的思路都是比較傳統(tǒng)或通用的，并沒有意識到在這個層級上還需要做很多事情。

NO.2：如何在競爭環(huán)境中共享數(shù)據(jù)

很多公司手握數(shù)據(jù)，卻不愿與人分享。

假如，有一個黑客找出了新的辦法來騙錢，他針對了某一家公司A。那么，A公司就會從這次欺詐當中學到新東西，可以未來避免同樣的情況。

但因為當初的攻擊只針對了A公司，其他的公司并不知道，因此也就不知道如何改進自己的系統(tǒng)了。

表面上看，A公司只把這個技術掌握在自己手里，讓其他人學不到，這好像有點自私。因為，他沒有從整個行業(yè)的角度去考慮問題。如果這家公司把這個數(shù)據(jù)分享給所有人，整個行業(yè)就可以一起改善這個算法。

但現(xiàn)在大家都不愿分享，其實一方面是技術原因，一方面也是法律的原因。

NO.3：大規(guī)模的云端互動

大家都在談云計算，所有的東西都在云上，讓人們感覺到非常便利。

但這些智能設備，并不是云設備，而是端設備。

事實上，我們未來將要接觸的設備，都會是所謂的端設備，它們沒有時間將數(shù)據(jù)上傳到云中。如果你和機器人的每一次對話都要上傳到云，就會導致速度跟不上。

比如，汽車做智能，“我在這里到底要不要轉彎”這樣的問題，是不可能每一次都實時和云進行交互的。

因此，要把端設備和云連接起來，還要實時交互，這兩者之間是存在極大挑戰(zhàn)的，我們現(xiàn)在也不知道該怎么做。

NO.4：如何實現(xiàn)公平，保證品質、保持多元化

收集大量的數(shù)據(jù)并沒有問題，但這些數(shù)據(jù)是可能產生偏差的。

比如，你出于某種原因不喜歡某類人而沒有把他們納入你的樣本，但以這樣的樣本去做預測其結果本身就是存在偏差和偏見的。

NO.5：穩(wěn)健性和安全性問題

我們在報紙上經常講到所謂的超級AI，發(fā)生了某種革命。

但請記住我今天講的話：很多技術還遠遠不能實現(xiàn)，很多問題還有待解決。

比如，無人駕駛車怎樣確保在所有氣候條件下，在所有的路況前提上，每一臺車都可以保證安全駕駛呢?這其實也是一個極大的挑戰(zhàn)。

甚至在今天，傳統(tǒng)的單一機器人，也仍有很多問題沒有解決。

還有失業(yè)浪潮。每一次工業(yè)革命，都有很多人會因此失去工作。但值得注意的是，過去的失業(yè)浪潮是花費三五十年完成的。但接下來，很多工作可能在5-10年內就會被完全取代，這是一個新的趨勢，貧富差距也會隨之進一步拉大。

并且，人工智能可能會被居心叵測的人濫用。AI本身不存在邪惡與正義，主要還是看它被誰利用。比如，我們現(xiàn)在的網絡安全就是一個很嚴重的問題。

現(xiàn)階段人工智能的商機

本節(jié)要點

United Masters：用數(shù)據(jù)分析打造新市場，換取新的商業(yè)模式;

Jibo：開放機器人學習的應用平臺，聚焦家庭;

螞蟻金服：應用大數(shù)據(jù)，連接客戶與商戶兩端。

我想向大家介紹三家公司，我也是這三家公司的科學顧問委員會的委員，因此有更多的信息分享。

United Masters

這家公司是專門做音樂作品的。

事實上，音樂市場在幾十年前是為幾十家大公司所控的，它們會簽幾個音樂歌手，然后在市場上大規(guī)模推廣。而作為消費者，你沒什么選擇，也就那么幾個作曲家和歌手。

但你看現(xiàn)在的音樂市場，已經并非僅限于幾位少數(shù)的歌手了。在網上，有很多音樂人才，他們會在網上播放自己制作的音樂視頻，也會有越來越多的人聽他們的音樂。這和以前聽音樂的人數(shù)相比，達到了一個全新的數(shù)量級。

問題是，這些歌手沒有一個很大的商業(yè)市場，在市場上最受歡迎的音樂，一般還是大公司做出來的。

United Masters的目標，就是希望有更多的人從事自己所喜歡的音樂創(chuàng)作，并可以以此為生。

這家公司怎么實現(xiàn)這一目標呢?就是連接數(shù)據(jù)，用數(shù)據(jù)分析。

比如一個年輕的音樂人，他寫了很好的歌，有幾萬名死忠粉。但其實他本人并不知道自己有這么多追隨者。

誰知道這個數(shù)據(jù)呢?網站，比如微信。

United Masters就會把這個數(shù)據(jù)拿過來，告訴這個歌手，你的粉絲有多少，分布在哪里，接下去可以做什么。比如，你可以去粉絲多的地方開演唱會。

而且，這家公司還會告訴你如何針對自己的粉絲去打造一些產品。

比如，有個粉絲要來這個歌手北京的現(xiàn)場演唱會，那么，歌手可以給這個粉絲一個VIP后臺通行證，讓他可以到后臺見面。很多粉絲是很看重這種和偶像親密接觸的機會的。

所以，通過這些數(shù)據(jù)的匯總，就可以創(chuàng)造出盈利模式。只要有人對這些數(shù)據(jù)感興趣，就可以獲取這些數(shù)據(jù)。因此，慢慢地，這家公司的口碑就建立起來了。

這就是非常好的商業(yè)模式——通過一個小的數(shù)據(jù)交換。傳統(tǒng)的唱片公司對歌手的抽成要到85%以上，但對于UnitedMasters來說，它只抽10~15%，就打造了這樣一個全新的市場。

Jibo

這家公司做家庭機器人很多年了。未來10~20年，我們每個人家里可能都會出現(xiàn)一個家庭機器人。

目前，很多人還是把家庭機器人當作玩具，它們在家里走來走去會發(fā)出很有意思的聲音，但真正時候幫助到人們的生活，現(xiàn)在還是很少。但是，所謂的家庭助手或者家庭秘書，卻是不一樣的。

Jibo三年前推出了一個機器人，長得很像手機。但是它會跟隨你，像眼睛一樣看著你，給你拍照片。你可以對它說：Jibo，今天晚上我要在家里開派對，你幫家里的人們拍照片好嗎?

Jibo就會給你拍照。它還會跟你說看這兒、看那兒，可以把整個派對的影像資料保留下來。

這聽上去是一個很有意思的應用，但要把它打造成一個規(guī)模性的應用還是很難。三年后，這家公司終于感覺找到了方向，推出了一款新的家用社交機器人。

這個機器人擁有電子眼睛、耳朵和聲音，可以捕捉照片、視頻通話，也可以做提醒、訂餐、發(fā)送郵件等這些輔助工作。它是一個開放式的平臺，可以讓人們不斷開發(fā)新的應用。

這和手機上的應用是不同的。手機的應用并非機器學習的應用。但這中機器人的平臺應用，會進行適應性的調整，進行自我學習。

而Jibo肯定不是唯一一個往這個的方向努力的公司。

我相信可能在中國、日本也是會對這種機器人非常感興趣。

螞蟻金服

螞蟻金服在中國發(fā)展非常迅速，我現(xiàn)在是螞蟻金服科學智囊團的主席。他們也是中國首家有這么一個科學智囊團的組織，他們希望智囊團可以幫助這家企業(yè)把握未來的方向。

這家公司比我所知道的任何一家西方公司成長都要快。

美國還是一個信用卡加現(xiàn)金的社會。盡管美國有一個Paypal，與支付寶有點類似，但是它的規(guī)模也不過是支付寶的十分之一，并且也不是所有人都在用。

也許是受益于中國沒有信用卡這個產業(yè)的束縛，使得支付寶一下子實現(xiàn)了移動支付的巨量增長。螞蟻金服手握大量的數(shù)據(jù)，它知道你買了什么，了解很多關于你的個人信息。

它使貸款變得前所未有的容易。這不是表面上你在手機上按一個鍵說“給我錢”這么簡單，其背后蘊含著大量的機器學習。這涉及到機器學習中的“欺詐監(jiān)測”：如果你很簡單地讓人們貸到款，很多人是會來騙你的。

總結：人工智能的商業(yè)模式，是要創(chuàng)造一個市場，而非一個算法

傳統(tǒng)的推薦，都是針對個人。

但這里的問題是，如果有一家很好的餐廳，它被推薦給很多人，那么大家都跑到這家餐廳去，就需要排長隊，人們的體驗就會很糟糕，反過來給差評和抱怨。

如此，整個系統(tǒng)就開始崩潰，形成惡性循環(huán)。

你必須要去創(chuàng)造一個市場，而非一個簡單的算法。

比如，在APP上面，不僅僅是向客戶推薦某一家餐廳。除了讓客戶看到自己附近有什么餐廳之外，你還要讓餐廳看到自己今晚可以供應多少食材，我今天接了一場婚宴之后，還剩下多少個散客的位置。

甚至，你可以了解一下旁邊的競爭對手餐廳，他們有沒有滿座。如果旁邊滿座了，那么對我而言就是一個機會，我可以打折吸引更多的人流到的餐廳。

你要結合客戶和商戶兩端的需求。

這不僅是一個應用的事情�，F(xiàn)在很多公司已經著手在研究這方面的工作。當然，這個過程要充分考慮人們不同的喜好和需求，要掌握大量的數(shù)據(jù)。

 

1. 選擇一個你熟悉的行業(yè)／職業(yè)（比如，物流行業(yè)或教師、翻譯等），分析從人工智能的技術進展中分析這個行業(yè)／職業(yè)中什么樣的工作會被人工智能替代，并且這樣的技術會給這個行業(yè)帶來怎樣的變革。

首先，人工智能在技術上可能實現(xiàn)的功能以及我個人對AI的理解，我認為：

AI VS 人類：

AI：掌握人類無法比擬的信息量，運算效率、調用信息的效率也是人類無法比擬的，而“想象力”或者說“創(chuàng)造力”這件事情對于AI來說，其實是所掌握的信息量重新排列組合產生的可能性，而這樣的所謂“想象力”或者“創(chuàng)造力”其實是一種純理工科純左腦的思維。

人類：掌握的信息量有限，大腦檢索有效信息的效率有限，但是人類的想象力是比較天馬行空的，可能不講邏輯的，而創(chuàng)造力則也有多總可能性，可能來源于自我已知信息的重新排列組合，也可能來源于天馬行空的想象力，然后再倒推回來需要什么樣的技術去實現(xiàn)，是一種左右腦互相協(xié)作的產物。

所以，假如AI是處于一種純理工科思維的產物，那么可能在人工智能技術進展中，有可能精算師這一類高薪職業(yè)會被大批量替代。

先說下精算師這類職業(yè)：

精算師是指保險公司雇用的數(shù)學專業(yè)人員，主要從事保險費、賠付準備金、分紅、保險額、退休金、年金等的計算，其計算依據(jù)來源于理賠參照表及會計準則，保險公司經營狀況，而這份表格是基于本公司和同行索賠的經驗及相關統(tǒng)計數(shù)據(jù)而制定的。（百度百科中的解釋）

關鍵詞：數(shù)學專業(yè)人員

精算師工作范圍：

① 保險產品的設計：通過對人們保險需求的調查，設計新的保險條款，而保險條款的設計必須兼顧人們的不同需要，具有定價的合理性、管理的可行性以及市場的競爭性；

② 保險費率的計算：根據(jù)以往的壽命統(tǒng)計、現(xiàn)行銀行利率和費用率等資料，以確定保單的價格；

③ 準備金和保單現(xiàn)金價值的計算；

④ 調整保費率及保額：根據(jù)社會的需要及時間，調整保費率和保障程度，以增加企業(yè)的吸引力和競爭力；

⑤ 審核公司的年底財務報告

⑥ 投資方向的把握：對公司的各項投資進行評估，以確保投資的安全和收益；

⑦ 參與公司的發(fā)展計劃：為公司未來的經濟決策提供有效的數(shù)據(jù)支持和專業(yè)建議。

“AI精算師”：

①保險產品的設計：通過大數(shù)據(jù)，不同人群的保險需求更容易精準地被滿足，定價的合理性、管理的可行性、市場的競爭性，這些通過AI電腦的數(shù)據(jù)分析也可以達到完美的實現(xiàn)。

② 保險費率的計算：根據(jù)以往的壽命統(tǒng)計、現(xiàn)行銀行利率和費用率等資料，以確定保單的價格。這一項，AI估計可以秒殺人類，機器可以算得比人快比人準確得多得多了。

③ 準備金和保單現(xiàn)金價值的計算；這一項AI再一次秒殺人類精算師。

④ 調整保費率及保額：根據(jù)社會的需要及時間，調整保費率和保障程度，以增加企業(yè)的吸引力和競爭力；這一項，AI做出來的調整可能是基于過往的數(shù)據(jù)以及其他市場數(shù)據(jù)來做調整，可能會比人更理性，但是這樣好不好，不知道。

⑤ 審核公司的年底財務報告，這一項，我認為AI也是能比人做得更好。

⑥ 投資方向的把握：對公司的各項投資進行評估，以確保投資的安全和收益；AI能掌握的數(shù)據(jù)量，是人類比不上的，所以，這一項，我覺得AI能結合更多信息并提出不同尋常的見解，可能會讓投資的風險跟收益更符合公司決策者所需要的。

⑦ 參與公司的發(fā)展計劃：為公司未來的經濟決策提供有效的數(shù)據(jù)支持和專業(yè)建議。這一項，我覺得AI不一定能做得比人好，因為人工智能對未來的預測應該是基于一種連續(xù)性的預測，所以它提供的數(shù)據(jù)支持和建議應該也是基于連續(xù)性的預測。但是，也像Micheal Jordan教授提到的，AI不一定明白為什么洞察能成為洞察，也無法審查洞察是“真實的”還是“有用的”。所以AI的預測不一定有用。

所以，綜上所述，常規(guī)的精算師雖然他在數(shù)學方面能力挺高的，他們要根據(jù)一大堆算法來推算出對企業(yè)最優(yōu)的配置方案。但是隨著AI技術不斷進步，可能上述的“理賠參照表及會計準則”、保險公司經營狀況數(shù)據(jù)輸入到AI，它就可以直接給到利益最大化的配置方案。而運用AI，可以直接剔除保險公司在精算師上所付的高人工成本，而且可能所給出的方案還更加的精準。

因此，我認為大部分的常規(guī)精算師將會被淘汰，而留下來的是一些非常頂尖的精算師，對非連續(xù)性高度理解，是更富有想象力聯(lián)想力創(chuàng)造力的一群精英中的精英。

2.從AI不能做什么出發(fā)，分析你自己應該如何在AI的技術浪潮中構建自己的職業(yè)／企業(yè)護城河。如果你不認同教授的觀點，可以在這一部分中進行有體系地反駁（說明為何不認同，依據(jù)是什么）。

對于人工智能來說，對人類的情感是無法理解的，或者說至少在很長一段時間里，這個是無法解決的。比如，“笑”這個表情是可以通過讓AI不斷地學習，使得它能夠識別出來的，但它卻可能無法識別“真笑”與“假笑”，也無法理解“假笑”“冷笑”“皮笑肉不笑”等背后表達出來的真正情感內容。同樣是笑，背后表達的情感可能不一樣，這是AI無法理解的。所以像做市場營銷這件事來說，要更深挖客戶感性需求，越了解心理學越能理解人的情感變化，也就越能結合人類感性需求的做法去做市場營銷活動，而一個“情感專家”型的市場營銷人員是AI無法替代掉的。另外一點，就是其實在AI發(fā)展越迅猛的時候，越要學會使用AI帶給我們的便利性去融入到工作，提升工作的效率，并不斷訓練自己的抽象思維，這樣才能打造出自己的護城河。

 

158資源整合網：提供各類學習資源，名師講座視頻，培訓課程視頻，音頻，文檔等···各類教程下載觀看。

好消息：為了回饋廣大用戶能學習更多知識。

現(xiàn)只需98開通終身VIP會員

就可以終身免費下載所有資源！

機會難得 錯過就沒有了

提示：在電腦上打開本站 tpyzk.cn 下載更方便。