2
編者按：本文是出門問問李志飛在新浪C+的演講實錄，雷鋒網(wǎng)做了不改變原意的編輯。
十年前我們談AI的時候絕對不會在這種場合，而是在學術(shù)會議或者美國軍方的某個項目上，比如我自己的項目就是美國軍方支持的項目。再到后來google開始做翻譯和語音，再到今天所有的人都在談AI，我發(fā)現(xiàn)一個特別有意思的現(xiàn)象。AI從非常高大上、非常遙遠、非常偏學術(shù)的領域變成了大眾每天都在討論的話題。每一天看到的頭條都是無人機、AI和自動駕駛，像這樣的活動很多組織機構(gòu)都在組織，我個人每天都會接到無論是媒體、政府機構(gòu)、企業(yè)的一些AI活動，所以AI已經(jīng)是非常受大家關(guān)注的領域。
AI說了這么多，到目前為止，大家作為普通老百姓，AI只是媒體上的AI、講臺上的AI、科幻片里的AI。我們正常生活中真正看到的像科幻一樣的AI產(chǎn)品非常少，對社會 、對大眾的影響力非常小。所以AI是怎么發(fā)展起來的？那么多人從事AI創(chuàng)業(yè)，AI系統(tǒng)到底能夠支撐幾年？我們接下來重點應該關(guān)注這些事情？今天我想從自己的這種比較獨特的經(jīng)驗和大家分享我自己的一些感受。我的分享主要有兩個角度：
一是AI的未來。大家每天看到各種各樣的產(chǎn)品，無人駕駛、AI、google glass，這些概念性的產(chǎn)品在視頻中使大家對它抱有非常大的幻想和聯(lián)想，我們每天都希望AI一下子能夠到來。對AI有一個最著名的論點，奇點，專門有一個奇點大學。我在很多場合說，奇點臨近的庫茲韋爾就是一個騙子。他是介于科學家之間的一個學派，就是未來學家，他描繪未來，但有他自己的一些訴求，但這個理論受到很多人關(guān)注和推崇，因為聽起來特別有意思，特別有想象力。不知道多少人看過這本書《奇點臨近》，根據(jù)現(xiàn)在指數(shù)級的增長，我們可以外延的推測到2025年計算機智能會和人類差不多，2045年機器智能會超越人的智能。
這里面會有看起來很科學化，它總結(jié)的是一種指數(shù)規(guī)律，現(xiàn)在會怎么樣，未來怎么樣，聽起來很有想象力。機器把人滅掉是不是一個美好的未來我不知道，但很多人愿意討論機器把人殺掉，他有最有名的一句話，AI是人類文明上最后的一項發(fā)明，因為發(fā)明了AI以后整個人類就被機器滅掉了。這是非常讓人向往或者興奮的一個世界。但到底是科幻還是現(xiàn)實，以前我覺得不值得批判，但我覺得現(xiàn)在這么多人對它有興趣，想了解它，其實它的一些觀點還是比較靠譜的。
首先，人類的智能等于生物智能加機器智能相融合，這是他的核心觀點。這個觀點非?？孔V。未來可能人的智能就有兩部分，一是生物上給你的智能，上帝給你的智能。二是機器的智能，這些技術(shù)是美國人做到的，大家可以想象未來我們不用帶錢包，不用帶公交卡，你的身體里就植入一個芯片，這個芯片是你的ID，你可以不需要帶各種各樣的包，還有各種各樣你生命的數(shù)據(jù)，這是非?？尚械?。
甚至我們有可能在未來放棄生物上的一些器官，比如我們的腿。現(xiàn)在可能你的腿有障礙或者殘廢了才會換一個機器腿，但想象一下，如果現(xiàn)在有一個機器腿，不傷害你的身體，使得你的能力大幅度提升，跑得特別快，甚至可以飛可以跳，有人就可能借助機械上的東西補充人的能力。這是技術(shù)上已經(jīng)成熟，技術(shù)上可能發(fā)生，只是社會法規(guī)是否能夠接受。所以，這可能比別的更容易做到。
機器智能是否能夠超越人類智能？我們很難反駁說它不能超越，因為我們沒法去證明它是否能或者不能，我們不知道怎么做到。作為一個科學家和工程師你要知道，怎么一步步做到，或者怎樣做不到。但今天我們看不到機器智能能夠超越人類智能的一種可能性。
今天所有AI的技術(shù)，無論是語音識別還是計算識別，大家熟悉它的原理的話會看到它非常機械。比如語音識別，我們對聲學和人類語言有一些理解，人類語言是怎么產(chǎn)生和溝通的，我們對此有非常深刻的認識。然后我們有一些傳感器，把這些數(shù)據(jù)速度化，比如語音識別有麥克風，把它數(shù)字化，最后訓練出一個系統(tǒng)。大家可以看到一是對原理非常熟悉，二是我們有傳感器采集數(shù)據(jù)，三是有處理數(shù)據(jù)的能力。
今天語音識別、計算識別偏感知層面的都能做得到，但真正偏理解和思考，在大家聽我講的過程中，有很多人就在思考，他根據(jù)自己過去自身的經(jīng)歷能夠思考。我們能否制造出一臺機器能夠思考，甚至超越人的智商，讓大家去協(xié)作，這是非常難的。很大的原因，我們不知道怎樣把人類的活動數(shù)字化，生命的數(shù)字化是非常難的，大家很難想象我插一個傳感器，到大腦里衡量我說的每一句話，這是非常難的事情。第二部分，就算你能數(shù)字化，你發(fā)一個照片一個帶寬，這是數(shù)字化的過程，大家可以想象，這只是每天視覺這塊數(shù)字化，如果你每天有無數(shù)的這種想法，但其實你都沒有把它數(shù)字化起來。但正因為這兩點，我們今天看不到一條可以把人的智能、把數(shù)字化量化，把它傳輸和產(chǎn)生一個機器學習的模型。這是目前做不到的。
機器到今天有一個特別有意思的現(xiàn)象，它沒有復雜的推理，但同時也沒有簡單的直覺。大家討論AlphaGo覺得是某種程度上，人類第一次開始對直覺進行建模，但我們不知道怎樣用機器或者用機器學習的模式對人類的直覺做建模。如果沒有辦法對直覺做建模，很多時候智能做不到的。因為我們聽到每一個說法，我們不是通過ABCD測出來的，而是立刻產(chǎn)生的直覺。
通過機器學習要告訴他ABCD怎么做，從第一步推到第二步、第三步、第四步，計算機所有的原理都是通過這種模式在做的，但人類很多時候是直覺。所以，我們?yōu)槭裁礇]有看到一個清晰的路徑能夠創(chuàng)造路徑，像人有思考能力。機器可能有簡單視覺、語音等方面的模擬，但理解、思考、創(chuàng)造和協(xié)作非常難做到，如果這樣的話人是永遠不可能被機器代替的。
這是對AI未來的解釋。我們作為一個創(chuàng)業(yè)者不是想機器如何不能概念源，這不太現(xiàn)實。作為創(chuàng)業(yè)者，我們怎么看今天的AI的發(fā)展，我已經(jīng)看到了幾個比較清晰的潮流。一是在已有的產(chǎn)品中實現(xiàn)AI first戰(zhàn)略。今年google就提出了人工智能優(yōu)先，在所有的產(chǎn)品中嵌入AI技術(shù)，比如地圖、搜索和視頻，這是非?？孔V，而且已經(jīng)看到非常清晰的收益的，因為它有海量用戶和數(shù)據(jù)就可以把數(shù)據(jù)放進系統(tǒng)里，就能夠大幅度提高效率。這是機器學算法可以做的。但有一個前提，首先要有一個產(chǎn)品，這個產(chǎn)品有大量的用戶。但問題AI還沒有這樣一個產(chǎn)品，我們都在用AI技術(shù)構(gòu)建一個產(chǎn)品。
二是比較清晰的，世界上99%的AI創(chuàng)業(yè)公司都在做的事情，我自己不做產(chǎn)品，我把AI開放給別人，比如我的云識別、計算識別、人臉識別，打包成API，提供給第三方，很多第三方的產(chǎn)品自己能夠開放這個AI技術(shù)，因為AI技術(shù)還有一定的門檻，并不是每一個技術(shù)都能融入AI團隊做這個事情。這個時候把它開放給別人，但作為AI公司不用去做產(chǎn)品本身，這是目前絕大部分在做的一件事情。
但它的問題是如何使這個公司能夠持續(xù)性做大？目前看到的API，首先用戶付費習慣意愿和規(guī)模比較小，這是它面臨的問題。
我們和很多AI不同，我們一直在做2C的產(chǎn)品。在2C的產(chǎn)品中有幾個思路，一是縱向產(chǎn)品深度集成，二是橫向產(chǎn)品打通。當我們開發(fā)自己的技術(shù)的時候，無論是語音、語義還是搜索推薦，市場上有的AI技術(shù)我們自己都有一套。但我們做這個技術(shù)不是為了大而全的場景，而是為了自己的場景深入的集成，我們自己面對消費者，而不是寄希望于第三方把這個AI做好或者把這個AI的產(chǎn)品化做好。在一個具體的產(chǎn)品里，我們做縱向產(chǎn)品深度集成，我們做的ticwatch，從硬件到軟件到算法都是我們自己在做，圍繞這個使用場景做深度的優(yōu)化。到今天我們在智能手表這塊全世界都是非常領先的，這里面不僅僅是AI這一項技術(shù)。
AI如果只用在一個方面，比如智能手表你的價值也沒法釋放出來。所以我們把這個品類在橫向擴充，除了智能手表還在做產(chǎn)品，比如我們馬上要售賣的是智能后視鏡產(chǎn)品，你可以想象把你的帶數(shù)據(jù)聯(lián)網(wǎng)的手機放在了智能后視鏡產(chǎn)品上，可以導航、聽音樂和做行車記錄儀，包括我們也會做家居的產(chǎn)品。
看起來是一塊智能手表，但切入了很多技術(shù)，無論是語音交互智能家居的產(chǎn)品，還有一些這里沒有顯示的，首飾控制和運動的傳感器等等都是AI里面非常核心的技術(shù)。我們把智能手表作為AI應用的載體，這里面嵌入了我們自己研發(fā)的很多的AI的技術(shù)，這套深入的去集成。我和一位記者說過，智能手表差不多是今天AI應用最高、最成熟、最集中的體現(xiàn)之一，很多人可能覺得我在瞎說，但這就是AI的現(xiàn)狀，未來我們認為AI真正要走向消費場景，一定要做更多這種產(chǎn)品，每天讓老百姓去使用和迭代，才有可能做好AI，而不是一個非常虛幻的，在空中說我們要做AI，但沒有具體的落地的產(chǎn)品，這是非常難的一件事情。
我們公司有很多AI的核心算法，比如有云、有手勢，有和機器學習的一些技術(shù)的積累，但這些技術(shù)有的屬于非常早期的，比如視覺。我們最終落地是以AI為核心算法，圍繞它做很多交互系統(tǒng)，比如我們做TicHome、TicAuto、TicRobot等產(chǎn)品，我們還會打造智能手表、智能家居等一系列的產(chǎn)品，最后你可以想象把這些產(chǎn)品串起來，就會有以前AI沒有想過的事情可以做了。比如在家里和車里如果都用同一套算法，同一個人我們有非常清晰的數(shù)字化，就可以做很多智能化的東西。這是未來AI創(chuàng)業(yè)公司也好，大公司也好，都會延續(xù)這條路來做，通過軟硬結(jié)合的方式把AI真正做出來，使得AI不再是講臺上、媒體上、科幻片里的AI，而是你生活中每天都能見到的AI，這是我們的一個愿景。謝謝大家。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
