雷鋒網(wǎng)按：人工智能商業(yè)化落地進度遠(yuǎn)不及AI算法的革新，究其原因，AI技術(shù)供應(yīng)商（乙方）不明確自己的技術(shù)可服務(wù)于誰，傳統(tǒng)機構(gòu)（甲方）不懂如何有效利用人工智能與大數(shù)據(jù)提升效率。與此同時，AI公司對傳統(tǒng)公司的業(yè)務(wù)和行業(yè)場景的認(rèn)知也相對較淺。

雷鋒網(wǎng)硬創(chuàng)公開課邀請了iPIN創(chuàng)始人兼CEO楊洋博士，為大家深入剖析如何把產(chǎn)學(xué)研究成果成功商業(yè)化，并應(yīng)用在傳統(tǒng)行業(yè)中。

嘉賓介紹

楊洋，商業(yè)認(rèn)知分析平臺iPIN創(chuàng)始人兼CEO，美國天普大學(xué)信息學(xué)博士，國際信息系統(tǒng)學(xué)會會員；曾任美國天普大學(xué)?？怂股虒W(xué)院助理研究員&講師、哈爾濱工業(yè)大學(xué)副教授、歡聚時代全球化負(fù)責(zé)人；同時也是一位連續(xù)創(chuàng)業(yè)者。

楊洋曾在美國國家旅游與電子商務(wù)實驗室（NLTeC）從事搜索引擎研究，師從世界著名信息科學(xué)家Rajiv Banker和Pei-yu Chen，進行大規(guī)模眾包集智數(shù)據(jù)分析和研究；2013年，楊洋又成立了哈工大商業(yè)智能（BI）實驗室，利用全球領(lǐng)先的大數(shù)據(jù)分析技術(shù)研究人力資源市場的多維度潛在信息，并領(lǐng)導(dǎo)和參與2項國家自然科學(xué)基金重要科研項目；楊洋還以第一作者身份共在ICIS, WISE, AoM，Information Systems Research， MISQ等世界頂級信息科學(xué)會議上發(fā)表研究論文共計8篇。另外，楊洋還曾獲得美國天普大學(xué)2011年跨學(xué)科優(yōu)秀青年學(xué)者獎。

（注：本次雷鋒網(wǎng)硬創(chuàng)公開課中，楊洋博士展示了大量案例，并回答多個精彩問題，所以推薦優(yōu)先觀看視頻。）

很多人會問，人工智能跟認(rèn)知智能是什么關(guān)系？

何為認(rèn)知智能？

目前市場上做認(rèn)知智能的公司比較少，整個人工智能從計算智能到感知智能再到認(rèn)知智能，它是一個逐步的過程。全世界做認(rèn)知智能、商業(yè)認(rèn)知智能最頂級的公司就是IBM Watson。

我們在很多業(yè)務(wù)形態(tài)和解決的問題、市場各方面確實是跟IBM Watson有非常大的相似性。我們做認(rèn)知智能已經(jīng)有差不多十年，有些業(yè)務(wù)確實有很大的相似性，但是在技術(shù)體系層面，我們屬于走自己的獨特路線。

今天來跟大家分享一下認(rèn)知智能它在各方面的應(yīng)用、發(fā)展?fàn)顟B(tài)以及它可以解決哪些問題。分享會分為三大方面，

一方面是對整個人工智能市場空間的展望；另一方面跟大家分析很多人很感興趣的AI+各行業(yè)案例。案例分享是因為有一個特殊原因，一是我們公司建了一個認(rèn)知分析平臺，我們內(nèi)部叫AI+平臺，iPIN會接觸各個行業(yè)AI的實際的應(yīng)用。與此同時，我本人也是混沌研習(xí)社的導(dǎo)師，基于此，我走訪了很多混沌研習(xí)社學(xué)員企業(yè)，并經(jīng)常與他們溝通他們對AI的需求；最后分享自己做認(rèn)知智能的實踐與感悟。

首先是人工智能市場的展望。人工智能技術(shù)簡單來講可以分成三大類：語音、圖像、文字。

整個社會產(chǎn)生的信息主要是以文字的形式去存儲，溝通中的語言信息傳遞是人類的重要發(fā)明，是我們區(qū)別于其它動物的關(guān)鍵因素，尤其是高級語言。如何用一些抽象化的東西去交流，現(xiàn)在人工智能在高度抽象語言的理解方面還是面臨非常多的挑戰(zhàn)。舉個例子，圖像、聲音它一旦存儲在電腦里面，它就是數(shù)字化的，但是語言存儲下來，依然是符號形式，它高度抽象，不能夠真正代表它的些含義。

比如我說華為、騰訊兩個公司名在座的可能都知道，但是對于絕大多數(shù)的小朋友來講，他們可能不知道什么意思。同樣，如果機器首次接觸這些概念，它們也不知道該如何去理解這些高度抽象的詞。

人工智能技術(shù)做了很多展望，它帶來的商業(yè)前景非常多。人工智能主要是代替人腦去做事，人腦涉及的領(lǐng)域從管理咨詢到投資、醫(yī)療到財務(wù)金融各方面是包羅萬象，它所面臨的市場非常龐大。我們每天90%的工作都是單調(diào)的、重復(fù)的、可以被大量取代的。

從這方面來講，人工智能會取代掉我們?nèi)粘?0%的工作量，它影響到的范圍相對來講非常大，帶來的商業(yè)機會非常多。

麥肯錫發(fā)布的12項顛覆性技術(shù)里面，其中有三項關(guān)于自動化、新型機器人和自動汽車，這三項都與人工智能直接相關(guān)，在其它方面比如說物聯(lián)網(wǎng)、云、還有基因組學(xué)等等，各個方面都離不開人工智能。AI未來帶來的市場變化，首先會覆蓋到那些離錢比較近的行業(yè)，如教育、醫(yī)療、法律、金融等。這些離錢特別近的行業(yè)，是人工智能首當(dāng)其沖去應(yīng)用的。

現(xiàn)在按照我們公司自己的實踐來看，想做人工智能不單單是要去做人工智能，一個工作被計算機所替代，除了人工智能，還要去發(fā)展人機交互。我們公司在具體應(yīng)用就要做大量人際交互方面的研究，這方面當(dāng)然也會留意人工智能技術(shù)去提升人機交互的體驗。

其次是高速計算，因為大量信息的計算分析和理解對于計算的要求非常高，如何提升速度對各個人工智能公司都是一大瓶頸，也是一個挑戰(zhàn)。

AI在傳統(tǒng)行業(yè)的代表性應(yīng)用案例

兩年前，AI+可能還算是一個比較新的話題，但現(xiàn)在交通運輸方面包括無人駕駛、無人機，很多公司都有了廣泛的應(yīng)用。包括阿里巴巴和亞馬遜在倉儲方面的應(yīng)用，以及深圳停車場自動停車等。這些技術(shù)都在快速的應(yīng)用，尤其是激光雷達(dá)、激光測距這些傳感器，它的效能提升對未來撬動市場的影響越來越大。

在傳統(tǒng)制造業(yè)這方面，美的收購了全球最先進的機器手臂制造商之一庫卡。東莞有一家叫李群自動化的公司QKM，它也在生產(chǎn)機械手臂。機械手臂應(yīng)用在各種生產(chǎn)線和高空作業(yè)，它可以配合無人機兩者結(jié)合，無人機可以代替人去到人想去但又無法到達(dá)的地方，讓機械手臂代替人的手臂去做具體操作，它給傳統(tǒng)制造業(yè)還有原來的高危行業(yè)，比如高空維修電纜，都帶來很大的應(yīng)用空間。這些是傳統(tǒng)制造業(yè)的革命性變化。

與此同時，在高端制造業(yè)這方面，人工智能也正在帶來變化。其中中芯國際，原來它們制造芯片模具，人用軟件去設(shè)計，周期很長。但現(xiàn)在用人工智能基本上一周之內(nèi)就可以找到一套新的模具設(shè)計方案，效率得到大大提升。

在制藥行業(yè)，做藥物的結(jié)構(gòu)選型，尤其中國很多制藥公司，他們想去仿專利，你不僅要仿專利還要繞過專利，如何通過結(jié)合計算化學(xué)，把藥物的研發(fā)能快速找到更多的替代方案。原來花一年找個兩三個替代方案，現(xiàn)在用計算機很容易找到上百個替代方案，人工智能在高端制造業(yè)方面也展現(xiàn)出非常強大的實力。

接下來看一下教育，我們公司iPIN自己有一款產(chǎn)品，叫完美志愿，它是做高考志愿填報的，跟教育有非常大的關(guān)系,我們也對教育行業(yè)做了特別深入的了解。

全球最著名的公司Knewton，它是給美國一個叫ETS的考試機構(gòu)做自行打分起家的，后來把這套東西去幫助學(xué)生做自適應(yīng)學(xué)習(xí)計劃的制定。通過學(xué)生做題給他個性化分析他對知識點掌握的深度和廣度，給他定制化學(xué)習(xí)方案，就有了自適應(yīng)學(xué)習(xí)。

這套系統(tǒng)目前在全球很多國家都已經(jīng)得到大規(guī)模應(yīng)用，包括百度的作業(yè)幫，它是目前國內(nèi)整個教育行業(yè)里比較前沿的產(chǎn)品，用戶量非常龐大，也在往自適應(yīng)教育這個方向靠攏，自適應(yīng)教育應(yīng)該是未來顛覆教育很重要的大方向。

原來我們提互聯(lián)互聯(lián)網(wǎng)+教育很多年，但最后發(fā)現(xiàn)互聯(lián)網(wǎng)+教育對教育整個的顛覆性并不強。但自適應(yīng)學(xué)習(xí)出來之后各大教育公司都在積極跟進投資，比如新東方投資的乂學(xué)，好未來投資的Knewton等，百度的作業(yè)幫。各大教育公司都非常認(rèn)可自適應(yīng)學(xué)習(xí)在未來教育行業(yè)會是顛覆性的工具。

法律這塊IBM Watson有一個Ross機器人，它可以理解并回答法律問題。同樣基于我們iPIN的法律分析引擎有一個法律谷，可在中文環(huán)境下理解律師提問，找到相關(guān)的背景，分析律師背景還可以去跑法官，去做案件斷案，總體效果不錯。

這是在非常嚴(yán)謹(jǐn)?shù)囊粋€法律產(chǎn)品下，AI表現(xiàn)出來非常強大的實力。

財務(wù)也是屬于商業(yè)里面非常常見的一個必不可少的一個環(huán)節(jié)，德勤是全世界所有財務(wù)公司里面應(yīng)用的最好的一家公司。它投入了巨大的人力物力，還與IBM Watson合作去提升它整個財務(wù)、審計包括細(xì)節(jié)測試環(huán)節(jié)的工作，取得了非常好的效果。

中國的會計師事務(wù)所現(xiàn)在也有跟我們合作，去提升財務(wù)、審計的工作效率。在不久的將來，AI在財務(wù)方面就會有非常深入的突破。

醫(yī)療是IBM Watson最開始突破的領(lǐng)域，其實醫(yī)療這方面Google一直在投入非常大的力量。醫(yī)療是一個極其龐大的市場，最近幾次大的融資也出自國內(nèi)醫(yī)療AI公司。不過說實話，有一個問題是中國公司去做醫(yī)療，相比于國外公司，中國公司的優(yōu)勢在哪里？

這方面我們中國優(yōu)勢不明顯，一個是數(shù)據(jù)積累的量跟國外比有很大差距。另外一個是儀器，國內(nèi)醫(yī)療儀器的質(zhì)量跟國外比還是有一定的差距的，甚至這方面我們積累的數(shù)據(jù)質(zhì)量自然就會有些差距。

整個中國在醫(yī)療這方面，沒有做詳細(xì)的疾病分級，這一方面對于我們的數(shù)據(jù)精準(zhǔn)性也有很大的挑戰(zhàn)。再就是人種，相對來講中國的人種比較單一，不像美國多種族，對于整個醫(yī)療研究是有很大的幫助。我個人覺得中國公司去做醫(yī)療AI，優(yōu)勢是不明顯的。

金融這方面離錢最近，今天有人問我說金融公司有數(shù)據(jù)，但怎么去用AI。

說實話外面有很多號稱應(yīng)用了AI的炒股軟件，但這里面有個悖論。如果說一個公司它自己做炒股軟件很賺錢，它為什么要賣給你？一個愿意公開賣給你的炒股軟件，它一定做得不怎么好，如果做得好的它直接去賺錢就得了。

金融行業(yè)由于算法離錢特別近，只要你做得好就能變現(xiàn)，所以AI早就進入到金融領(lǐng)域。2013年2月6號就兩個高頻算法針對一個優(yōu)先股競價12分鐘，價格波動范圍非常小的，還是個Virtu Financial。它在Market里面，差不多五年的交易日里居然只有一天出現(xiàn)虧損，因為它大量的采集交易市場里的數(shù)據(jù)，用Prediction Market去提升交易準(zhǔn)確性。股民在market上去炒股，只利用市場炒股操作上的便利，但是市場利用炒股股民的操作行為，把私有信息匯集起來，通過prediction market，加上AI算法，就可以得到不錯的結(jié)果。

在文字工作這方面，在體育新聞中有一個奧運AI小記者張小明曾對奧運新聞進行報道。不過文字工作者在AI的應(yīng)用還僅限于比較八股的狀態(tài)，八股文是機器特別擅長去寫作的，用LSTM去學(xué)習(xí)，在八股文固定的文章寫作格式上可以得到不錯的結(jié)果。不過要說寫小說，機器人就做不到，因為機器人在高度復(fù)雜的邏輯構(gòu)思這方面有些無能為力。

有一篇新聞?wù)f日本的一個AI系統(tǒng)創(chuàng)作了四篇小說，通過了一個文學(xué)大獎的初審，我只能說這個初審一定不負(fù)責(zé)任，很容易看出來小說很爛。

藝術(shù)創(chuàng)作這方面，Google在畫畫還有音樂方面都做了些嘗試，藝術(shù)創(chuàng)作AI的最大優(yōu)勢在于靈感創(chuàng)作，因為機器人對于靈感創(chuàng)意的產(chǎn)生幾乎屬于沒有限制。它不像人隨著自己成長，是有知識局限性的，會給我們帶來很多限制，導(dǎo)致創(chuàng)意發(fā)揮會被限制住。

但是機器不會，創(chuàng)意在機器里它是一個隨機數(shù)。專門研究創(chuàng)意里面發(fā)現(xiàn)創(chuàng)意是個隨機數(shù)，而人的創(chuàng)意發(fā)揮空間是一個扁平狀的，它是很難去沒有邊界發(fā)揮的。一般用人去做創(chuàng)意會需要群力群策，比如說要去做一個團隊，去腦暴才能獲得更多的創(chuàng)意，但是機器這一方面，它可以瞬間去產(chǎn)生大量創(chuàng)意，可以給人去提供的靈感，人再去識別里面哪些是屬于特別符合能夠去考慮，去加速藝術(shù)創(chuàng)作人員工作的效率。

再說編程這一方面，今年2月我去美國見了一個公司，也是一個華人辦的一個創(chuàng)業(yè)公司，它們正在做一個用機器人代替人去寫代碼的項目，我一聽覺得特別靠譜。為什么？因為從AI的角度來講的，首先代碼生成器是比較容易做的，我們可以跑一個固定目標(biāo)，我們知道說是通過還是不通過，可以通過設(shè)定專門的測試去得到反饋，又有大量的歷史代碼做積累，從各種開源里很容易去獲取。

機器人學(xué)起來很快，而且我們都知道有一種開發(fā)的方法叫做Test-Driven Development，這種方法再配合AI是很容易讓機器去學(xué)習(xí)人怎么去寫代碼，甚至可以去創(chuàng)造新的寫代碼，尤其像對抗學(xué)習(xí)這種方式也都可以引進來提升編程用機器人自我去編程。我們自己也在做，比如說做解析，希望提升解析這方面的能力，用機器人去做得更好。做智能解析都是為了代替人去做代碼編寫工作，尤其是對語言語義理解這方面都需要大量的使用這些東西。

以上就是我接觸的AI在各行業(yè)的應(yīng)用。今天我們處在一個非常特殊的時代，從來沒有哪一次技術(shù)顛覆它影響面如此之廣，而且?guī)淼挠绊懭绱酥钸h(yuǎn)，我今天也思考哪個行業(yè)或者哪個職業(yè)，它不會被人工智能影響。我不知道在座的各位有沒有想法，反正我是想不到為什么，理由很簡單，因為只要是腦力勞動，我們?nèi)巳粘５?0%腦力勞動都屬于單調(diào)重復(fù)，基于經(jīng)驗的。那這些東西理論上來講它都可以具備被AI取代的可能性，哪個行業(yè)，哪個職業(yè)不為人工智能影響幾乎是不可能的。

當(dāng)然，有一個職業(yè)我覺得永遠(yuǎn)是不會被機器人取代的——運動員，因為規(guī)則不允許，你很難想象NBA會允許一個機器人上場打籃球，否則咱們還要勒布朗·詹姆斯、要科比干嘛。

認(rèn)知智能的實踐與感悟

第三部分跟大家分享一下我們自己做認(rèn)知智能的實踐和感悟。認(rèn)知智能領(lǐng)域，可能很多人對它比較陌生，今年3月份Yann LeCun在清華做演講時，它提到整個AI的難題讓機器去掌握人類的常識，這屬于認(rèn)知智能，對一個司空見慣的常識，機器它能很好理解，常識它是不同于圖像或者聲音的，它是語言。

而有些常識，如我剛才提到的華為、騰訊或者雷鋒網(wǎng)，這些都是非常高度概括性的詞，如果從來沒有接觸過雷鋒網(wǎng)，第一次聽說雷鋒網(wǎng)，你要去理解它也需要花不少成本。如果是讓機器，它能夠代替人去理解，并且分析去做人在理解分析上的事情是現(xiàn)在面臨的一大挑戰(zhàn)，這我們iPIN一直努力去做和突破的事情。iPIN是用機器認(rèn)知分析人和企業(yè)，我們不會去做所有的認(rèn)知智能，只是在商業(yè)社會里面，核心是人和企業(yè)，如何讓機器去認(rèn)知和分析人和企業(yè)，這是我們現(xiàn)在做的事情。認(rèn)知智能也被認(rèn)為是整個人工智能的第三層級，邁向強人工智能或者類人智能的第三層級。

在這方面它的應(yīng)用面非常廣，但也正是因為它應(yīng)用面廣所以幾乎適合所有行業(yè)。每個行業(yè)有它自己獨特性的知識認(rèn)知，很難想象有一個公司能夠把所有的領(lǐng)域都做了，我們自己選擇的方案在理解商業(yè)社會的人和企業(yè)這一方面如何讓機器像人去理解和分析。

我們都知道人對信息的使用并不是一個特別復(fù)雜過程，首先是感知，如訊飛語音，包括我說這句話，把它轉(zhuǎn)述成文字，這一個典型感知過程。比如說“我是一個博士，或者說我當(dāng)過教授”，把它翻成一句話。

但是認(rèn)知，比如說有人說“我是一個博士”，博士這個詞我知不知道，如果知道，我知道，如果不知道，讓我想一想是什么意思，到分析我要更想深一層，博士表示你有非常高的學(xué)歷。但是高學(xué)歷對我接下來的行為產(chǎn)生了怎樣的影響，這時候就要考慮具體場景。如果說這是一個招聘的過程，我們就考慮他學(xué)歷是不是合格，達(dá)到了什么樣的要求。

如果在交友過程中，博士這個概念可以證明他是不是一個很厲害的人，不同場景同樣的一句，它在認(rèn)知分析層面會導(dǎo)致產(chǎn)出不同的結(jié)果，所以認(rèn)知的結(jié)果和具體場景有關(guān)系。我們希望用機器去模擬人對信息處理的整個過程。

認(rèn)知是圍繞人而來的，如何讓機器去無偏差地去理解一個事物，首先要去還原事物的真相，它能夠獲取足夠的信息，讓機器去做一個無偏差信息的匯集，在具體場景下該如何去理解。

我們認(rèn)為認(rèn)知是真相在具體場景下的一個投影，為了讓機器理解人類的常識，花了非常大的力氣，用幾年時間去建成中國社會經(jīng)濟圖譜，同時也是我目前承擔(dān)的一個國家項目，就專門去把各種信息往人和企業(yè)上去嫁接，能夠讓機器去理解人和企業(yè)。

我們整個應(yīng)用用在好幾方面，一個是圍繞人的個人發(fā)展來的，我們開發(fā)了一款2C的產(chǎn)品，叫做完美志愿，專門幫高中生填報高考志愿的。去年這個產(chǎn)品在6、7月份使用人數(shù)高達(dá)394萬，整個使用量非常大，幫助人從海量信息里篩選出他能夠上的學(xué)校和專業(yè)，并且根據(jù)用戶的意愿再進一步優(yōu)化。

這里使用了大量的認(rèn)知計算，因為人去理解一個專業(yè)或者學(xué)科是不容易的，但是如果讓機器去理解，并且根據(jù)人的意向去個性化的匹配分析，其實就是一個典型的認(rèn)知計算的一過程。

除此之外，我們還在做一項人生導(dǎo)航儀的產(chǎn)品。我們的合作伙伴新東方創(chuàng)始人俞敏洪老師有一個很有名的文章，叫做人生的地圖。人在職業(yè)發(fā)展里面會遇到各種疑惑，那么到底該如何去規(guī)劃自己人生。

iPIN利用技術(shù)學(xué)習(xí)了大量人的職業(yè)發(fā)展軌跡，但這里面也需要用到大量的認(rèn)知計算，因為有非常多跟人與企業(yè)相關(guān)的信息，而這些信息不能用表面的字詞去理解，一定要放到認(rèn)知層面。這方面我們做了非常非常多的工作，我們在努力打造全世界第一個人生導(dǎo)航儀，幫助初中升高中升大學(xué)生的年輕人，知道在人生發(fā)展職業(yè)規(guī)劃里面的每一步操作。

其實這有點類似下圍棋，我們說人生如棋，會面臨很多選擇，你到底該如何去選擇這一步，就要我們以史為鑒從，它直接放進里面去學(xué)習(xí)到其中的規(guī)律，幫助人去找到最優(yōu)的捷徑，這就是我們整個人生導(dǎo)航儀的思想。

接下來談?wù)勎覀冊谄髽I(yè)應(yīng)用這方面的嘗試，這是我們的人才分析引擎，它可分析人的300多個維度。比如招聘啟事，原來需要用人去讀去理解，再去想我要用什么關(guān)鍵詞去搜索。iPIN將所有條件全部放到認(rèn)知層面去，根據(jù)各種條件從認(rèn)知層面，不非關(guān)鍵詞，基于認(rèn)知去做各種各樣的匹配，比如說剛才的崗位是一個房地產(chǎn)銷售崗位，它要找有房地產(chǎn)銷售背景的人，你看我們找出來結(jié)果，機器從認(rèn)知層面去匹配，它把所有這些詞在這里面去找。從這里面符合條件的，發(fā)現(xiàn)有一個銷售經(jīng)理是萬科和世聯(lián)，它就用藍(lán)色的字標(biāo)記出來，因為我們機器從認(rèn)知層面判定，這個詞在認(rèn)知層面里面是符合的，要求是房產(chǎn)行業(yè)背景一個條件的，就能夠匹配到人。

從原來的關(guān)鍵詞匹配角度去做是很難做到的。

我們分析之后，達(dá)到了一個非常實際的效果，HR的工作效率得到了非常大的提升。無論是輸入的效率還是判斷的效率，還是整個匹配的準(zhǔn)確率和人才使用、人才庫使用都得到了很大的提升，這給HR的工作帶來非常大的提升。當(dāng)然還不能完全替代HR的所有工作，但至少在很多簡歷的甄選，占HR日常40%工作可以有很大的效益提升。

我有一個不大膽的預(yù)言，五年內(nèi)HR職業(yè)將會面臨大量失業(yè)。如果說你自己的子女在高考中填報，你要擔(dān)心HR人力資源專業(yè)，就不建議你的小孩去報了。

除此之外，我們還做了法務(wù)方面的分析，分析律師的背景、分析案情包括去幫助律師斷案，也都取得了不錯的效果。

如果說我們想在未來用認(rèn)知智能代替人去做大量商業(yè)分析，這就是我們要去做的非?；A(chǔ)的一個工作。甚至還包括宏觀經(jīng)濟的分析，比如區(qū)域宏觀經(jīng)濟結(jié)構(gòu)的分析，我們?yōu)樯钲谑心仙絽^(qū)政府做的一個區(qū)域性結(jié)構(gòu)分析，發(fā)現(xiàn)有些行業(yè)在上升，有的在下降。還包括全國的整個經(jīng)濟趨勢的分析，這都是宏觀層面的，尤其像智慧城市和政府的政策制定都是非常需要這些宏觀的信息，單靠人去做難度其實還挺大的。

除此之外，包括各種行業(yè)發(fā)展趨勢的分析，包括企業(yè)人才的戰(zhàn)略分析，還有包括市場的投資機會，就類似于Compas，根據(jù)市場各種變化，從認(rèn)知層面去找出它的規(guī)律來，就能發(fā)現(xiàn)好的市場機會，獲得投資機會。

整個創(chuàng)業(yè)說一下我的幾點感悟，雖然人工智能很火的，有很多AI公司在創(chuàng)業(yè)，尤其是像我們公司，比如我們最開始創(chuàng)業(yè)的時候，人工智能一點都不火。

我們是2013年成立的，但現(xiàn)在人工智能特別火，有很多公司它的市場估值很高。但我個人認(rèn)為技術(shù)本身它是沒有太大的價值，真正的價值是你的技術(shù)能夠給生產(chǎn)效率帶來多大的提升，這才是人工智能技術(shù)的真正價值。

解決任何行業(yè)的問題，AI的技術(shù)絕對不是萬能的。我們從一個領(lǐng)域跨到另外一個領(lǐng)域，從生涯規(guī)劃跨到高考志愿填報再跨到招聘和法務(wù)甚至還有商業(yè)地產(chǎn)等等。我們在去跨到每個行業(yè)的時候，我們都必須要跟行業(yè)專家緊密的合作，去深入的了解行業(yè)的規(guī)律，我們才能夠去解決問題。單純的技術(shù)是很難去說，你只要給我數(shù)據(jù)我就能跑，這種情況在解決細(xì)節(jié)問題上是根本不現(xiàn)實的。

我不認(rèn)為有任何一家AI公司說我這邊有一個平臺很牛逼，就能夠解決各種各樣的公司人工智能的問題，我覺得是非常扯淡的。隔行如隔山其實就是對事情最好的一個解釋，因為你隔行如隔山，很多對數(shù)據(jù)的理解，包括遷移學(xué)習(xí)方面，有些東西是可以遷移，但是絕大多數(shù)行業(yè)經(jīng)驗是根本不可能遷移的。

另外今年2月份參加AAAI會議上就發(fā)現(xiàn)參會的人60%的是中國人，我們中國在AI方面有非常雄厚的人才儲備，在起跑線是不輸于美國的。不過現(xiàn)在市場依然AI人才非常匱乏，如何去實施戰(zhàn)略去獲得人才依然是一個很嚴(yán)峻的問題。第四個是整做人工智能，我們在做傳統(tǒng)行業(yè)時候特別強調(diào)說要專注，但是我們發(fā)現(xiàn)在做數(shù)據(jù)分析和機器學(xué)習(xí)的時候發(fā)現(xiàn)不專注是非常有價值的，你將A行業(yè)的信息學(xué)了之后，把這東西用到B行業(yè)，是可以帶來非常多的價值。因為信息或者說知識，很多東西都屬于相互關(guān)聯(lián)的，1+1往往能夠帶來大于2的效果。通過最近這幾年的接觸，我發(fā)現(xiàn)AI在各行業(yè)的應(yīng)用是突飛猛進，它的影響面非常廣，而且?guī)淼淖兓欠浅嵸|(zhì)性的，人工智能這一波浪潮，它是一個千載難逢的行業(yè)機遇，絕對不是一個泡沫。

另外再講一下，我走訪了各個企業(yè)的AI的三大需求。首先一方面是屬于信息智能化管理，目的是企業(yè)主為了想提升決策效率，現(xiàn)在iPIN主要在做這一方面。另外核心業(yè)務(wù)流程的智能化，是為了去提升生產(chǎn)效益，所以說創(chuàng)業(yè)的機會幾乎就散落在每一個行業(yè)里邊。比如剛才說的高端制造業(yè)，中芯國際它要對新品模具的開發(fā)，如何去提升效率？基本上每個行業(yè)都會有這樣的機會。

第三個有很多公司，它們有大量單調(diào)重復(fù)的腦力勞動，比如有些公司存在大量的數(shù)據(jù)錄入員，還有公司它存在店銷的人員，如何去提升它們效率這方面是有非常多的AI公司在里面去做，有很大的機會，因為它可以提升企業(yè)的利潤率。

提問環(huán)節(jié)

1．AI滲入到傳統(tǒng)行業(yè)，很多時候只能用很簡單的機器學(xué)習(xí)模型，復(fù)雜的模型往往無用武之地，所以大家會花大量時間，盡量優(yōu)化算法，性價比是否高?

在具體滲透到某一個行業(yè)的時候，我不認(rèn)為把時間花在這種模型算法的研究上，是我們最應(yīng)該大力投資的一點。以我們在做法律為例，我們將大量的時間是花在對行業(yè)的理解，就是你如何從這種行業(yè)專家的角度去理解他們所面臨的問題，還有就是有沒有辦法能夠去優(yōu)化這種數(shù)據(jù)的質(zhì)量。比如說能夠去得到更好的隱身數(shù)據(jù)，或者能夠去發(fā)現(xiàn)新的數(shù)據(jù)，或者能夠去接觸資源，能夠把別的領(lǐng)域的數(shù)據(jù)引用到領(lǐng)域，能夠去提升這種數(shù)據(jù)使用效率，這些問題我反而覺得是更加重要的。以我們自己做這種具體應(yīng)用背景的話，其實能夠發(fā)現(xiàn)絕大多數(shù)時間是在于理解數(shù)據(jù)和準(zhǔn)備數(shù)據(jù)這一階段，在模型優(yōu)化這方面當(dāng)你有了很好的理解，同時你也有很好的理論基礎(chǔ)的話，其實我們在模型算法這方面當(dāng)然如果說已經(jīng)具備很好的認(rèn)知，計算技術(shù)在解決商業(yè)問題的話，本來就是我們的一個先決條件，但我們的AI+平臺我們在絕大多數(shù)時間是花在去深入理解行業(yè)，并且嘗試跟專家去理解問題，去準(zhǔn)備數(shù)據(jù)，才是我們投入時的精力性價比最高的地方。

2．如何看待微軟首席AI科學(xué)家鄧力跳槽去對沖基金？

鄧力是非常厲害的一個科學(xué)家，如果沒記錯，他是中科大的神經(jīng)生物學(xué)方向，早期做人工智能很多人走的是邏輯方向，他非常幸運，在很早期走的是神經(jīng)網(wǎng)絡(luò)方向，然后一直做到現(xiàn)在?？吹叫侣?，我覺得很震撼，但是并不驚訝，原因很簡單，就像剛才在分享里面說的人工智能現(xiàn)在滲透的首當(dāng)其沖的四大領(lǐng)域都是離錢最近的領(lǐng)域。尤其是對沖基金，我記得最近好像它們是管理200多億美元，這時候AI是有非常大的用武之地，做AI大家都是如果說有好的算法是立刻能變現(xiàn)，而且好的算法的話，它能帶來的收益是非常快的，絕對不會是通過開發(fā)金融產(chǎn)品賣給別人去獲利的，所以加入這種非常大的推動是對AI的這種應(yīng)用非常直接的一個商業(yè)變現(xiàn)。這就是一個生產(chǎn)力提升，其實我覺得這不是第一次，后面也會有很多科學(xué)家會跳到里面去。

3．在跟同類公司競爭中與對手拉開差距的核心是深入業(yè)務(wù)和場景，更重要還是不斷優(yōu)化算法更重要呢？

我們公司之前也深入的反思過，我們舉個例子，比如說我們在做圖像識別這一方面，一旦你的識別準(zhǔn)確率達(dá)到了98%點幾，99%點幾的時候，在絕大多數(shù)的識別場景下，我們所需要識別的對象不是那么多的情況下已經(jīng)夠用了，除非是到了百萬級千萬級規(guī)模的人口才會說特別去追求小數(shù)點后面數(shù)字，而且如果說數(shù)據(jù)都差不多情況下，算法的優(yōu)勢一般來講，你很難長期去保持。反而是你如何在這種具體行業(yè)下深入的去建立你自己行業(yè)的獨特優(yōu)勢。數(shù)據(jù)的積累，獨有數(shù)據(jù)的積累反而會更加容易成為一種核心的競爭優(yōu)勢，成為你保護自己的商業(yè)模式一種壁壘，我覺得是更重要的。我們很多時候為了獲取數(shù)據(jù)，我們商業(yè)上是可以不去考慮商業(yè)價值，但你要為未來做好保護，更重要是你如何能夠得到別人得不到的數(shù)據(jù)，我覺得這才是一個AI公司所需要考慮的一個更重要的事情。

4．選擇深入一個行業(yè)，主要看中行業(yè)的哪些商業(yè)因素呢？

我們公司其實是做了好幾個商業(yè)領(lǐng)域，但我們公司并不是每個商業(yè)領(lǐng)域都去做，我覺得這是戰(zhàn)略選擇因素。最重要的就是你能不能在行業(yè)里有你自己獨有的優(yōu)勢，比如前段時間我遇到一個人是程序員出身，有AI的背景，然后他想進入醫(yī)療領(lǐng)域，但是我問他有醫(yī)療背景嗎？他說沒有。如果這樣就貿(mào)然去進入醫(yī)療領(lǐng)域的話你的優(yōu)勢何在？所以我覺得要想進入任何一個領(lǐng)域一定要考慮自己在行業(yè)里有沒有優(yōu)勢，你能不能深入理解行業(yè)。比如說我們貿(mào)然進入法律行業(yè)，就很吃力，因為一點都不懂。如果一個公司還不大，沒有很深積累的時候，你要切的第一個領(lǐng)域要重點考慮你對行業(yè)的理解有多深是非常重要的。就像剛才說的切入一個行業(yè)一定是屬于AI科學(xué)家+行業(yè)專家，最理想你既是AI科學(xué)家，同時又是行業(yè)的專家。剛才提到中芯國際的人他自己既是AI科學(xué)家同時原來又是屬于芯片制造行業(yè)出去的，所以說他在這地方有天然優(yōu)勢。包括我們自己，我們在做這一方面，做了這么多年的人力資源，可以把自己變成一個人力資源專家，所以說后來做的時候就是比很多人力資源專家更專家，否則的話真的很難。

5．今年7月份在深圳會有雷鋒網(wǎng)承辦的CCF-GAIR全球人工智能與機器人峰會，楊老師會來跟大家分享什么內(nèi)容呢？

CCF-GAIR大會是必然要參加的，到時候我會更加深入地去跟大家深入分享認(rèn)知智能以及認(rèn)知智能具體在行業(yè)里的應(yīng)用。我今天雖然講了部分認(rèn)知智能在AI+方向的嘗試和應(yīng)用，但是認(rèn)知智能背后更深層次的東西，還是有很多朋友不清楚，大會中我會重點分享我們做認(rèn)知智能的方法、經(jīng)驗與總結(jié)。

2017年7月7、8、9日， CCF-GAIR 2017——2017年全球人工智能與機器人大會將在深圳福田舉行，大會由深圳市政府指導(dǎo)，中國計算機學(xué)會（CCF）主辦，雷鋒網(wǎng)和香港中文大學(xué)（深圳）承辦。大會設(shè)置了三天的議程，包括人工智能前沿專場、機器人專場、機器學(xué)習(xí)專場、智能駕駛專場、智能助手專場、金融科技專場、未來醫(yī)療專場、智能物流專場、AI+專場、CV+專場、AI創(chuàng)投專場等11個專場，每個專場分別邀請海內(nèi)外學(xué)術(shù)和產(chǎn)業(yè)界最頂尖的專家來做大會報告和對話交流。

屆時楊洋博士也將參加大會，并作為機器學(xué)習(xí)專場的主講嘉賓，給大家?guī)砀嚓P(guān)于機器學(xué)習(xí)的干貨分享。如果你想了解更多機器學(xué)習(xí)的落地情況以及技術(shù)方向指引，歡迎購票參加！

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。