人工智能：這么近，那么遠(yuǎn)觀點
今天要還原的現(xiàn)場是剛剛在杭州舉辦的 “2016「IDG VIEW」大會”。人工智能、消費升級、泛娛樂是 IDG 資本今年看好的 TMT 行業(yè)三大方向。以下內(nèi)容來自大會人工智能圓桌討論——人工智能，這么近，那么遠(yuǎn)。本文首發(fā)于 IDG 資本微信號（idg_capital），更多「IDG VIEW」內(nèi)容請關(guān)注此號。
圓桌主持：IDG 資本合伙人 李驍軍
圓桌嘉賓：Rokid CEO Dan；SenseTime 聯(lián)合創(chuàng)始人 徐冰；浙江大學(xué) CAD 實驗室 教授 張宏鑫
Part 1 圓桌熱身
李驍軍：
?各位先介紹一下自己和公司吧？
徐冰：
我是 SenseTime 的徐冰，我們專注于深度學(xué)習(xí)，是一家非常嚴(yán)肅的技術(shù)型驅(qū)動企業(yè)，團(tuán)隊里 50 多位同事都是有博士學(xué)歷的，因此很多人說我們像一個大型的研究院。
深度學(xué)習(xí)是驅(qū)動人工智能產(chǎn)業(yè)里現(xiàn)象級產(chǎn)品爆發(fā)的核心引擎，包括 AlphaGo 打敗圍棋世界冠軍，還有比較火的人臉識別、圖像分類、語音識別，機(jī)器能力超過人類，本質(zhì)和的驅(qū)動引擎都是深度學(xué)習(xí)。這項技術(shù)需要大量的博士投入研發(fā)，以保持在中國市場與世界同量級團(tuán)隊的技術(shù)領(lǐng)先性。所以我們是聚集了華人當(dāng)中最優(yōu)秀的一批研究深度學(xué)習(xí)的科學(xué)家，一起實現(xiàn)技術(shù)上的突破。
這項技術(shù)如何落地呢？一是跟各個大型行業(yè)的領(lǐng)軍企業(yè)合作，以 B2B2C 的模式升級他們的產(chǎn)品；二是通過資本運作，通過投資并購，技術(shù)入股一些企業(yè)，或是收購初創(chuàng)型公司，與各個行業(yè)巨頭成立合資公司。
張宏鑫：
大家好，我來自浙江大學(xué) CAD 實驗室，主要注重于圖形學(xué)和計算機(jī)視覺、人工智能領(lǐng)域的交叉。我所在的組主要研究的重點在于如何把大規(guī)模城市里的各種數(shù)據(jù)進(jìn)行宏微觀的可視化分析。
Dan：
我是 Rokid 的 CEO Dan，剛剛各位看到的開場主持人就是我們的產(chǎn)品，是一個全新定義的家庭機(jī)器人。用戶可以很簡單地進(jìn)行控制，不僅是設(shè)備本身，比如燈光效果、音樂效果，讓家里有一個舒服的氛圍；而且，它是聯(lián)網(wǎng)的智能產(chǎn)品，你有什么問題可以直接問它，不需要打開手機(jī)。另外還有很多內(nèi)容方面的服務(wù)，比如附近有什么餐館，比如學(xué)習(xí)英文等。
機(jī)器人這個領(lǐng)域發(fā)展了很多年，但很長時間里，機(jī)器人和人工智能并沒有進(jìn)入到家庭場景。有很多工業(yè)化機(jī)器人做得相當(dāng)好，我們用到的很多產(chǎn)品其實就是機(jī)器人做出來的。但當(dāng)我們把人工智能帶進(jìn)人們家中，這就是一個全新的探索。
為什么這么說？因為這不是純技術(shù)問題，當(dāng)然需要的技術(shù)是很深的，包括語音識別、圖像識別等。更關(guān)鍵的是，當(dāng)你把產(chǎn)品放在家里，對它要求會很高。家里有愛人、小孩，你會特別在意產(chǎn)品放在家里給你帶來的體驗。它不純粹是只有功能的設(shè)備，一定要有溫度、有個性。
為此，我們用大量時間在很多細(xì)節(jié)上花了心思，尤其是在非技術(shù)層面，產(chǎn)品的設(shè)計完全沒有直線，我們希望它更有生命感，更有溫度。從材質(zhì)到質(zhì)感，各個方面將是整個產(chǎn)品的融合體驗。所以我們是非常專注在用戶體驗的一家公司。
李驍軍：
?我好奇的是，Rokid 機(jī)器人有性別嗎？還是根據(jù)每個人的需求可以變成男的或是女的？
Dan：
若琪（Rokid）現(xiàn)在是一個女孩子，以后可以根據(jù)你的要求、喜好，包括家庭環(huán)境去自己定義。比如聲音或者是個性，都有拓展的空間。我們內(nèi)部討論很多的一個問題是，到底是什么產(chǎn)品？我們一直認(rèn)為Rokid 不是一個機(jī)器人，而是適合家庭的一個人工智能全新品類。
Part 2 人工智能的多年以后
李驍軍：
?人工智能、深度學(xué)習(xí)的熱度已經(jīng)很高，有哪些是今天的技術(shù)可以做到的，哪些是未來 5-10年 可以做到的，或者是根本不可能做到的？
徐冰：
深度學(xué)習(xí)這個方向有了極大的發(fā)展。所以 2014年、2015年 出現(xiàn)了幾個現(xiàn)象級產(chǎn)品。深度學(xué)習(xí)實際上是在模仿人的大腦，用數(shù)學(xué)模擬人腦結(jié)構(gòu)。人腦有接近 3000 億量級的神經(jīng)元，沒有任何的計算機(jī)設(shè)備存儲和數(shù)據(jù)處理能力可以到達(dá)這樣的量級，現(xiàn)在可以落地的技術(shù)以及 10年 內(nèi)可以落地的技術(shù)，主要局限是在硬件層面和計算機(jī)的計算速度，數(shù)據(jù)正在多個維度不斷往上走。
哪些是真正看到已經(jīng)落地的呢？我們拿機(jī)器、算法去模擬人腦的時候，并不需要模擬整個大腦出來，往往是去逼近某一項的特有功能，比如說人臉識別、語音識別、圖像分類和理解等。比如下圍棋這種單項任務(wù)，通過機(jī)器分析大量圍棋棋譜以后，在圍棋這類非常復(fù)雜，需要戰(zhàn)略思維，甚至需要有人的直覺的高智商游戲上，機(jī)器都能夠擊敗人。所以當(dāng)前，在單項應(yīng)用上，技術(shù)可以做到非常好，并且有超過人的能力。
在中國，如何去落地這個東西呢？中國勞動力豐盛，因此雖然深度學(xué)習(xí)很強(qiáng)，機(jī)器學(xué)習(xí)算法好，但是只要一個技術(shù)沒有超過人，很多行業(yè)還是傾向于利用中國的人口紅利。拿文字識別來說，現(xiàn)在快遞單、銀行單據(jù)基本是人手輸入到計算機(jī)，為什么不是計算機(jī)自己認(rèn)識文字進(jìn)行結(jié)構(gòu)化管理？還是機(jī)器識別的準(zhǔn)確率不如人眼，但是一旦到了這樣一個臨界點，就是技術(shù)落地的關(guān)口。這個時候很多技術(shù)超過人，取代人口紅利，進(jìn)行勞動力解放的事情就變成現(xiàn)實了。目前隨著人口紅利不斷下降，國內(nèi)老齡化問題出現(xiàn)的時候，在成熟的單項技術(shù)上的需求會越來越多。
張宏鑫：
人工智能、深度學(xué)習(xí)目前達(dá)到的狀態(tài)，我們稱之為 “感知”。我們看到一個圖像，聽到一段聲音，機(jī)器能告訴你這是什么；但是人在做什么樣的行為，講的這句話到底是什么意思，這是 “認(rèn)知” 層面的。實際情況更為復(fù)雜，比如說視覺，在正常情況下，光照充足的時候識別率特別高，但是陰暗角落有很多就失效了。所以在提高可用性方面還可以做很多事。
還有一個問題很有意思，以前研究都是各歸各的，視覺做視覺的，聽覺做聽覺的。但是人在和世界進(jìn)行交流的時候，其實是五種感知在一起。所以如果把各種因素疊加融合來做識別，可能出現(xiàn)新東西，新產(chǎn)品。
我剛剛提到了 “認(rèn)知” 層面，斯坦福大學(xué)的李菲菲教授，最近他們在搜集更大的數(shù)據(jù)庫，里面有將近 10 萬圖像。但除了 10 萬張圖像以外。他們做了大量的語義標(biāo)注，想知道圖像和語義之間的關(guān)聯(lián)是什么。可以想象，一旦把這個事情推動起來，在工業(yè)界也會看到類似的應(yīng)用。這是從簡單的感知 “是什么”，到認(rèn)知背后語義的事情。這個在 5-10年 以后會有突破。
再想遠(yuǎn)一點，人工智能現(xiàn)在大多應(yīng)用還是在生活當(dāng)中，以后人工智能可以和人一起合作太空探索。這些探索任務(wù)人是不可及的，可能有危險性、可能時間很長，這個部分很適合機(jī)器去做，甚至機(jī)器和人協(xié)同來完成，這是遠(yuǎn)期可以干的事情。
做了很多研究以后，我經(jīng)常和心理學(xué)老師聊天。有一次老師問了一個問題，把我問住了。他說你研究這么多，知道什么是意識嗎？一臺機(jī)器有沒有意識？一輛車有沒有意識？我說這個我回答不了。“意識” 到底是什么，這個不好研究。即使過 20年、30年，當(dāng)中還是有很多需要探索的。
Dan：
一談到人工智能或者機(jī)器人的想象空間，夢想是極大的。很多人認(rèn)為以后的機(jī)器人、人工智能應(yīng)該能夠自由交談，甚至讓人察覺不出。很多人希望人工智能能夠懂我，感知我的情緒。很多大學(xué)、公司在做這方面的嘗試，但是難度很高。其實你想，這即使對于人來說也很難。有的時候我也看不懂人家的情緒，我常常被我愛人抱怨說，我生氣你都看不出來。所以像這些事情，我覺得還是蠻遠(yuǎn)的。
Part 3 人工智能可怕嗎？
李驍軍：
?我們剛才都是從技術(shù)、產(chǎn)品、科學(xué)這些角度去看，有沒有思考過人文和社會方面？比如人工智能可能存在的風(fēng)險？發(fā)展到一定程度上，人類沒有事情干了，接下去干嘛？如果人跟機(jī)器發(fā)生糾紛，是不是要上法庭？長遠(yuǎn)來看，人工智能對人類社會產(chǎn)生的影響或者風(fēng)險在哪里？
徐冰：
這是一個非常有挑戰(zhàn)性的問題。但這件事情也是顯而易見的，當(dāng)人工智能發(fā)展到遠(yuǎn)期的時候，我們必然面對這樣的問題。
確實當(dāng)前的人工智能和前幾年有極大的不同。之前人工智能基本是我們設(shè)定一個程序，讓它按照程序重復(fù)性地做，一定程度上取代人。但是在 2012年，谷歌做了一個著名的 “認(rèn)貓臉” 實驗：拿著他們一套超級計算機(jī)處理大量的視頻圖片，然后機(jī)器聰明地 “領(lǐng)悟” 了什么是 “貓”。相當(dāng)于人類并沒有給機(jī)器指定目標(biāo)，但是通過大量的數(shù)據(jù)訓(xùn)練，機(jī)器自動得出了這個結(jié)論，并且在其他沒有看過的視頻里能夠找到 “貓” 在哪里。因此，當(dāng)機(jī)器可以自適應(yīng)地進(jìn)行學(xué)習(xí)、迭代，并且開始處理一些復(fù)雜問題的時候，就會引發(fā)人類的恐慌。
張宏鑫：
最近看到報道，已經(jīng)有方法可以把人的部分記憶給錄下來了，以后是不是可以把 “你” 直接弄到一個設(shè)備上去？既然可以錄下來，能不能傳輸給別人？是不是可以轉(zhuǎn)移到別的容器？也許是機(jī)器人，也許是人。這里存在極大的倫理問題。萬一以后機(jī)器整天和人在一起，時間長了后產(chǎn)生感情，如何進(jìn)行管理？這個算是公司的資產(chǎn)，還是個人的隱私信息？
另一方面是安全性的威脅。現(xiàn)在越來越多東西會通過物聯(lián)網(wǎng)、通過傳感器連成一體。最近我們調(diào)研發(fā)現(xiàn)，那些安全性極差，經(jīng)常采用一些私有協(xié)議的，黑客的攻擊性極強(qiáng)，稍微一下就攻破了。智能設(shè)備本身能力很強(qiáng)，但安全方面要立法，現(xiàn)在包括政府已經(jīng)在想把監(jiān)控連在一起，它的背后是一個大的云處理平臺，再往下走，可能變成城市級別的 “大腦”。如果不經(jīng)過監(jiān)控、管理，很可能變成一個系統(tǒng)，對人的自由就構(gòu)成了威脅。我看到一些公司缺少對這樣的數(shù)據(jù)、技術(shù)的敬畏，沒有顧慮太多就直接做這個事情。
Dan：
我常常發(fā)現(xiàn)談人工智能，慢慢就變成了哲學(xué)性的討論。當(dāng)然這個也對，到了哲學(xué)問題后，整個高度就不一樣了。我相信人工智能一定會到我們身邊，當(dāng)發(fā)生的時候，對于方方面面都會有很大的改變。同時，我也相信人類社會要跟得上，比如新的法律、道德問題，新的對與錯，但這是必經(jīng)之路。
Part 4 中國跟 AlphaGo 差多遠(yuǎn)？
李驍軍：
?剛才張教授提到 “意識”，我之前看過一篇文章，說到狗怎么認(rèn)出來對面是一條狗。還有人說，美國年輕人都在研究怎么把人送到火星上，或者怎么改變?nèi)祟悾覀兌荚谟懻撏赓u，怎么補(bǔ)貼用戶。那么在人工智能上，我們和國外有什么差距？
徐冰：
這也是我們在考慮的問題。谷歌有機(jī)器人，有無人駕駛汽車，還去收購人工智能團(tuán)隊、訓(xùn)練 AlphaGo 下圍棋等，對比國內(nèi)巨頭來看，我們討論的都是外賣，這就是意識觀的差距。
技術(shù)角度來看，中國的企業(yè)里很少有顛覆性的技術(shù)出來，但是其實在全世界范圍，做到技術(shù)突破的團(tuán)隊里基本都有中國人的身影，說明智商層面，中國人是不落后于世界的，甚至很多時候是領(lǐng)先于世界平均水平的。所以更多是我們?nèi)绾伟褔鴥?nèi)，把非本土做技術(shù)突破的中國人聚集起來，把這些技術(shù)上的突破盡快地落地到中國。
其實中國相比于國外有兩個明顯優(yōu)勢：
第一，中國人口非常多，這使我們在國內(nèi)擁有的數(shù)據(jù)量非常龐大。比如我們做人臉識別單項技術(shù)訓(xùn)練的時候，用的是 7000 萬人的照片。我們有這么大的照片數(shù)量，用一個領(lǐng)先的引擎，設(shè)計一個領(lǐng)先的腦子，再加上大數(shù)據(jù)、加上超算能力，到最后在技術(shù)上甚至是領(lǐng)先國外的。事實上，包括蘋果、三星這類公司，都在向我們采購相關(guān)技術(shù)。
第二，中國有非常強(qiáng)的意識。在制度、政府層面做一些改變，想在智能時代彎道超車，驅(qū)動行業(yè)使用新技術(shù)的意向非常強(qiáng)。一個例子是互聯(lián)網(wǎng)金融，這也是中國比較獨特的現(xiàn)象。上千家的互聯(lián)網(wǎng)金融公司出現(xiàn)，普惠金融，大家在手機(jī)端、在網(wǎng)上可以享受金融服務(wù)，這樣的現(xiàn)象在國外看到并不那么明顯。比如在日本等發(fā)達(dá)國家，并沒有非常強(qiáng)的推動互聯(lián)網(wǎng)金融往前走的意識，因為基礎(chǔ)設(shè)施方面，人們?nèi)ャy行辦業(yè)務(wù)已經(jīng)非常方便了。所以這反而也是改造的優(yōu)勢。
以上兩個優(yōu)勢結(jié)合，再加上技術(shù)上的不落后性，至少能夠和國外頂尖團(tuán)隊打成平手。我們實際上有非常大的機(jī)會在這個時代做一些改變。
張宏鑫：
我是比較悲觀的，我覺得國內(nèi)的技術(shù)和國外技術(shù)、特別是和谷歌比，在整體實力對比上至少有 5-10年 的差距。有兩個方面：
第一，國內(nèi)研究者我接觸很多，他們在一個點上做的非常好，但是缺乏長期目標(biāo)或者說哲學(xué)上的思考。哲學(xué)層面的思考少了以后，東西就在眼前，沒有后勁。
第二，因為人工智能是理論方面的研究，背后需要大量的工程力量支持，在這個方面我們落后的更加多。比如說大規(guī)模計算的底層技術(shù)，云計算方面我們和國外差距仍然很大。硬件的芯片技術(shù)，包括硬件的系統(tǒng)設(shè)計、操作系統(tǒng)等，沒有完全掌握核心。當(dāng)這些技術(shù)沒有達(dá)到優(yōu)化的時候，做上層應(yīng)用就會很吃虧。
以上兩點是悲觀的。樂觀的是，我們看到很多華裔都出現(xiàn)在那些優(yōu)秀產(chǎn)品的背后，包括最近的 AlphaGo 也是，三個主創(chuàng)中有一個就是華裔。所以這方面是很好的消息，我們也有機(jī)會超到前面去。
Dan：
我比張教授樂觀，說兩點：
第一，全球最出名的人工智能大會，我有一個朋友去了，他說里邊一半人是華裔，而且大多數(shù)都是中國人。所以我們在各個領(lǐng)域里的經(jīng)驗是有的，把這些領(lǐng)域串起來會有新的突破；第二，針對語音識別領(lǐng)域，我們知道數(shù)據(jù)越多、越精，效果越好。這個技術(shù)是針對個人的，當(dāng)你和機(jī)器人聊天，他會記得你以前講的什么，進(jìn)而可以預(yù)判。所以交流很順暢，但是這會產(chǎn)生隱私方面的疑慮。很多美國公司沒有做，反而在國內(nèi)可以做。比如說微軟，他們的這項技術(shù)就是在中國做的，所以在國內(nèi)有有一些領(lǐng)域有機(jī)會取得領(lǐng)先。
原創(chuàng)文章，作者：IDG資本，如若轉(zhuǎn)載，請注明出處
1.砍柴網(wǎng)遵循行業(yè)規(guī)范，任何轉(zhuǎn)載的稿件都會明確標(biāo)注作者和來源；2.砍柴網(wǎng)的原創(chuàng)文章，請轉(zhuǎn)載時務(wù)必注明文章作者和"來源：砍柴網(wǎng)"，不尊重原創(chuàng)的行為砍柴網(wǎng)或?qū)⒆肪控?zé)任；3.作者投稿可能會經(jīng)砍柴網(wǎng)編輯修改或補(bǔ)充。
