01现阶段人工智能的瓶颈人工智能有很多突破，尤其是在应用方面，但实际上人工智能底层技术的研究并没有太多进展智力。最近的一个进展值得一提的是AlphaGo被开发出来并打败了李世石的公司DeepMind。前段时间，DeepMind研究了一个打败人类德州扑克玩家的系统。玩过德州扑克的朋友可以感觉到，德州扑克比围棋要复杂的多。因为围棋中的所有信息都是充分的信息并且是已知的；而在德州扑克中，你对面的玩家肯定不会让你知道他手上的牌，所以是信息不足。能够在没有足够信息的情况下击败人类玩家，说明人工智能在某种程度上又向前迈进了一步。但这种进步只是弱人工智能。正如《前哨》所说：弱人工智能比人类强，强人工智能比人类弱。到目前为止，强人工智能方面还没有任何进展。美国著名计算机专家、图灵奖获得者JudeaPearl去年在他的新书《为什么》中提到了一个非常有趣的事实，甚至让人工智能专家都有些尴尬：“人工智能评估系统是否好坏不能从结构上或者理论上去评价，比如你的结构好不好，你的理论好不好，只能从结果上去评价。人工智能是一门科学吗？答案存疑。于是珀尔很恶毒地说：“人工智能现在已经变成了炼金术。”因此，人工智能现阶段最大的瓶颈是理论和实际底层技术的发展。以下是一张作者阅读时的笔记《为什么》的图，强烈推荐对人工智能感兴趣的朋友阅读原著02虽然人工智能的三大发展方向都面临着理论和底层发展的瓶颈，人工人工智能仍在进步，根据王玉泉先生2019年的报告，结合笔者对人工智能领域的理解，可以归纳为以下三个发展方向。1.从大数据到小数据的过渡过去机器学习需要海量数据进行训练，现在希望对我们e尽可能少的数据用于训练。小数据不代表没有数据，因为人工智能还是基于归纳原理，也就是说统计在人工智能系统中其实更有意义。但人工智能绝不能满足于此。没有数据，人类可以推理，可以判断如何做事，小数据也无法真实模拟人类的这种判断。我们可以想象这样一个场景：在一个下雨的夜晚，你行驶在崎岖不平的山路上，前方道路中间有一堆泥土，一个身穿警服的男子在泥土旁边挥手一堆，挥着旗子让你下来，你到底要不要下来？不下来，勉强可以冲过去，但下来了，就照办。这时候我们普通人会有很复杂的推导，比如这附近治安好不好？晚上天黑的时候附近会不会有安全问题？另外，我们这些人都会看这个警察。他的装束是真正的警察制服吗？周边交通管制设施是否安装？如果只有一个人站在那里，没有相应的交通管制设备，很多人会认为是假的，会试图冲过去。这一切背后的复杂判断，不仅仅是路面的问题，还涉及社会保障等诸多与交通无关的问题。这些问题目前还无法判断自动驾驶。这就是为什么Level5自动驾驶几乎永远无法推向市场进行商业化的原因。除非下一个人工智能突破到来，让人工智能真正具备智力分析能力。虽然人工智能的一个方向是小数据，但仍然不是没有数据。它仍然基于统计数据，而不是基于推理和因果关系。这就是本书《为什么》质疑人工智能的地方。2、边缘计算的作者不是技术出身，对算力概念理解有限。我简单介绍一下这方面的发展方向。在算力方面，一方面，我们要有足够的算力；另一方面，随着5G的到来，我们的云算力也可以得到极大的提升。并且由于响应速度的提升，云端的算力可以更好地补充本端和边缘的算力，使云端和终端形成一体化的人工智能算力。这实际上是总体上的锦上添花，而不是革命性的改变。3.终身学习现在机器也可以终身学习。一旦机器具备了终身学习的能力，就会对我们整个人类或者企业，尤其是行业采用人工智能的策略进行根本性的改变。如果机器不能终生学习，我们在引入人工智能的时候就不用太着急，等人工智能系统足够好再引入。但是如果机器可以终生学习，最好的策略就是尽早引入人工智能，因为虽然引入的时候可能还没有那么智能，但是它会不断的学习和完善自己，一步一个脚印领先于后来推出的竞争对手。在大多数情况下，此时它甚至与硬件没有太大关系。所以，每个行业都需要看人工智能能否更快更好的引入到自己的行业中。因为人工智能确实像互联网一样，很多人说人工智能是下一代互联网，因为它的适用范围很广，所有行业都有可能从人工智能中受益。03人工智能技术在哪些应用中具有优势？采用人工智能仍然存在一些障碍，特别是对于不属于该行业领域的公司。一些传统领域的公司，通常认为自己是在做人工智能，成立一个人工智能部门，招很多做人工智能的人。但实际上，到目前为止，人工智能专家还是稀缺的，未来五年人工智能专家可能不再稀缺，但现在还是稀缺。稀缺性的一个主要特点是很多IT大公司都在喊：现在和我们争夺人工智能人才的主要竞争对手是华尔街。为什么？因为在人工智能技术基本达到顶峰之后，你可以判断它在单项上有很强的优势。这种单一的优势将被各个行业和领域所采用。最早采用的一定是利用这一优势获得大量收入和利润的行业。金融无疑是最理想的行业，所以用人工智能炒股几乎成了华尔街的标配。虽然独立的人工智能基金公司不多，但实际上，大部分基金公司都储备了人工智能人才。判断短线涨跌，用人工智能做短线操作一定比人类好，这已经是事实。当然，这并不是说人类没有机会，因为人工智能在单项上比人类强，但在多项综合上人类有明显的优势。如果你判断短线股票交易，基本上是根据之前的交易行为，那么机器肯定比人强；但是如果你判断一个公司的长远发展，尤其是一个公司未来的科技产品是否可能在科技市场占主导地位，机器不一定就比人类好。因为这些判断非常全面，涉及到科研的发展趋势，包括研发的进展、技术能力的变化、产业结构的变化，甚至企业经营特点的变化，以及市场接受度和接受度。用户的变化。.从这个意义上说，人工智能在判断上是比较不明确的。也就是说，如果你问人工智能你明天能不能买一只股票，它的答案肯定比问一个人要好，但如果你问一个公司五年后会不会发展好，你最好问人类专家。这说明人还是有机会的。跟人工智能竞争的不是单项的长短，而是在综合方面取得优势，甚至在每一项单项上用人工智能来辅助我们，但我们整体上是可以超越人工智能的。这是一个比较特别的地方，因为人工智能可以给企业带来很多钱，所以现在整个华尔街都非常欢迎人工智能专家，以至于现在很多IT企业都把华尔街当成了竞争对手。这种竞争指的不是市场的竞争，而是人才的竞争。因此，在大多数情况下，人工智能专家都不愿意去传统行业的公司，因为传统行业的研发周期往往很长。结果。04人工智能独角兽面临巨大压力现在中国的人工智能有一个很大的问题，就是在过热之后，产生了一批人工智能独角兽。独角兽是指尚未上市但估值超过10亿的公司。我们都知道很多公司估值不到10亿就可以上市。但这些独角兽之所以没有上市，是因为营收和利润没有明示，也就是说不符合上市指标。但是因为市场火爆，它的估值非常高，所以这些公司的压力会特别大。压力体现在两个方面：一方面，要不断从市场上吸纳人才。因为是独角兽，所以在给期权的时候，会说明期权的价值特别高。虽然这个选项显示的很高，但并不代表员工真的获得了这个价值。但市场认可这种价值，因此会对人才形成强大的吸引力。因此，很多人工智能人才愿意去独角兽，因为薪资高、期权多，而不愿意去传统行业。传统行业薪水没那么高，研发需要周期，效果不能立竿见影，导致回报有差距，所以大部分人会选择去独角兽公司。独角兽公司还有一个致命的问题，就是估值过高后，必须尽快兑现营收和利润的承诺。这意味着，这些独角兽企业在长期的研发投入还不够，他们还盯着眼前最赚钱的业务。现在人工智能最赚钱的生意是什么？这其实是一个普遍关心的话题。因为人工智能去年和前年都在讲这样一个话题，今年甚至还要继续讲，就是人工智能流行不流行。虽然人工智能非常火热，各种新的应用层出不穷，但放眼人工智能企业，似乎它们的营收和利润增长并不那么令人满意。05人工智能细分领域的机会1.硬件层这一层主要涉及人工智能相关的硬件公司。坦率地说，这些公司的未来仍然难以预测。在这个专业领域（FPGA）做研发的公司有相对更大的机会。现在他们在做类脑计算芯片和人工智能计算芯片，用途更广，压力也会更大。大的。因为其实这种芯片是需要建立生态的，而这种芯片的龙头企业就是英伟达（NVIDIA）。英伟达拥有数千名工程师帮助其芯片进行各种应用场景开发，或者说应用支持，强化了英伟达生态的稳健性。比如在做自动驾驶解决方案的时候，英伟达更看重我如何为客户提供全面的服务。基于此，英伟达做了一个虚拟测试系统。这个虚拟系统可以让自动驾驶系统在虚拟道路上运行，可以将速度提高一倍。另外，它可以同时在多个虚拟环境中运行，显示有100辆或1000辆汽车同时运行，并迅速积累足够的里程，所以人工智能系统足够强大，足够智能。这就是它建立在环境之上的方式，这非常重要。然而，国内芯片企业大多只是一味地强调自身算力的优势。没有这种生态建设能力，其实很难与英伟达抗衡。当然，英伟达也有一个苦与乐的缓慢过程。其实，黄仁勋在两三年前演讲的时候，还在畅想人工智能在各个行业的突破，分歧很大。但到了去年，业务已经非常专注。可以获得足够大的收入利润。2.基础服务层该层主要聚集在基础平台和基础应用上发力的企业，如云计算提供商。美国几乎所有的IT巨头都斥巨资打造大型云计算平台，必须具备强大的人工智能支撑能力。其中，亚马逊的AWS和谷歌是领先的两家公司。所以这几乎成为了业界的共识。未来，云计算+人工智能，甚至5G之后，都会让云计算+人工智能无处不在，成为标配。很快就会发现，人工智能将像自来水一样，随处可用。.在中国也是如此。现在阿里云领先。腾讯和百度也在发力，不过现在看来阿里巴巴还是比较领先的。当然，华为也在建设自己的云。中国也会有几朵大云，会有很大的市场空间，因为中国的IT市场并不比海外小多少。所以这一层会发展。这一层的核心是在提供基本的云计算能力之外，提供一些额外的人工智能能力。而这种人工智能能力将使人工智能的基础应用不再由人工智能提供商提供，而是由云平台直接提供。什么是基础应用？其实现在也没有明确的定义。在此，笔者举几个例子供大家理解和讨论。包括面部识别在内的视觉识别将成为基础应用。因为经过更多的公共场所监控和视觉识别，可以快速抓捕逃犯，有利于社会治安。这就形成了一个巨大的市场，现在正被大量的独角兽追逐。但从长远来看，这个市场可能对独角兽不太友好：一方面，政府会形成一个统一的大市场，未来应该是联通的。如果全国各地的客户都成为一个客户，这个市场在某种程度上也就不存在了；另一方面，不管有多少客户，提供者很可能不是今天的独角兽，而是阿里巴巴、腾讯或华为等基础云平台直接提供。量化企业。主要是这个能力并不复杂，尤其是有了云端，直接从云端提供是最简单的。未来，只要到处都有摄像头，就可以利用云端的能力，实现智能人脸识别或图像识别功能。除了人脸识别，现在的一个大热点就是动作识别，甚至被称为动作指纹。我们每个人在步态、动作和姿势方面都有自己特定的规则。经过人工智能的分析，我们只需要通过我们的行动就可以知道这个人是谁。现在还有一个特点，就是跨摄像机、跨场的连续分析。也就是说，通过动作捕捉，可以跨越多个摄像头，可以了解一个人的行为轨迹。虽然不能识别人脸，但可以通过动作识别。虽然人工智能在今天仍被作为一项科学研究任务，但它很快就会成为一种基础能力，并通过云计算来提供。此外，还有一些基础的图像识别能力，包括另一个火爆的市场，就是医学图像识别。医学上的X光、B超等图像识别，未来很可能会融入云端。提供方可能是第三方公司，也可能是云中的大型IT服务商，但未来会由云来提供。它也成为一项基本服务。最后，语音语义识别和翻译很可能成为未来云端的基础服务。今天要翻译，还是得随身带个翻译器，可是为什么不集成到你的手机里呢？据搜狗CEO王小川介绍，搜狗翻译机有6块GPU，计算能力跟得上翻译。但是未来，如果云端的处理能力增强，这些声音都会被送到云端去处理，然后再把结果传回来。这时候，我们的每一部手机都可以成为翻译机，无需单独的设备。3.行业融合层综上所述，未来很多基础能力很可能会成为云提供的能力，而真正的应用能力应该是少基础、少泛化，与行业充分融合。虽然它也会用到很多基础能力，甚至是云的基础能力，但是因为它的行业特殊性，云提供商无法提供。比如由于语音和语义识别的成熟，包括翻译能力的成熟，结合行业，推出了一个市场，就是智能客服。呼叫中心虽然小企业没有像大公司那样的呼叫中心，但是他们其实是有呼叫中心需求的。现在人工智能如果作为呼叫中心，回答用户问题的不是人，而是人工智能系统。小型企业也可以租用或购买这个SaaS系统来满足自己的需求。所以这个市场会迅速崛起，甚至呼叫中心市场会繁荣起来，但是在呼叫中心接电话的人会失业。这是一个冷酷的事实。其实很多人工智能系统都是这样的。自动驾驶将会繁荣，这意味着汽车可能会更多，而不是更少，但司机可能会失业。在这个层面上，一大批人工智能相关的应用公司将会繁荣起来。这些应用企业很清楚，他们在行业中一定要有自己的特色，因为人工智能技术本身并不能形成壁垒，而真正能够形成壁垒的地方一定是行业，也就是说行业数据、行业经验和行业准入委员会。是你的障碍。这就需要我们找到这个壁垒，从而去创业。所以，任何一个先进的领域，并不是说只要领先，就一定要找到自己的壁垒和竞争优势，才能做好。
