打何時起，你身邊已經充滿了人工智慧？
（圖中左起：愛奇藝CTO湯興、英語流利說創始人王翌、大象保險創始人楊喆）
內容來源：2018年1月19-21日，在極客公園創新大會上，愛奇藝CTO湯興、英語流利說創始人王翌、大象保險創始人楊喆所做主題演講。筆記俠作為合作方，經授權發布。
圖片 |Holly責編| 蘇文炳
第 2009 篇深度好文：7631 字 | 10 分鐘閱讀
全網首發·完整筆記·人工智慧
本文新鮮度：★★★★★口感：沙拉醬
筆記君邀您，先思考：
AI技術是怎樣實現落地的？
未來AI的趨勢是什麼？
AI還有哪些想像空間？
一、湯興：AI時代下，如何重新理解視頻？
演講人：湯興
視頻已經深入各行各業，包括社交、資訊、娛樂，安防等各個方面，我們已經無法離開視頻。進入AI時代，視頻行業會有什麼變化？以及整個娛樂行業會有什麼變化？
去年最火的話題是深度學習，AI撬動了整個內容的生態。從創作、生產、分發，到變現、營銷、消費，各種AI技術的引入，可以說對整個視頻的整個生態產生了巨大的變化。
具體表現在哪幾個方面？
視頻的創作階段：視頻成本是娛樂行業最大的成本之一，以前大概佔到整個成本的40%-50%，現在的佔比更高。
比如，怎樣選擇優秀的劇本？怎樣選擇明星？怎樣讓內容更加適合平台的調性？這些AI現在都可以幫助我們來解決。
視頻的生產階段：比如，我們通過指紋來解決視頻版權的保護。尤其是隨著區塊鏈的進入，些種工作會越來越智能化。同時，對視頻自我的識別，以及對實體、場景、鏡頭的識別，可以讓視頻變得真正可以解鎖、標註、重組。
視頻的分發階段：可以根據視頻本身原始的狀態，來智能的決定它分發的碼流、方式，用戶在觀看視頻的時候，在不同的場景，推送不同的碼流，在不同的場景，可以給用戶推薦不同的視頻。
今天，我們還可以通過AI識別人、物、屬性、場景、用戶的行為、對白以及字幕，真正實現了對視頻的再解鎖。
現在我們在互聯網上搜索視頻，還是通過關鍵字、描述的方式，未來人工智慧就像我們眼睛一樣，當我們搜索時，AI可以通過對圖片、圖像，甚至對鏡頭最根本的理解，來找到相應的物體。
比如，我們拍一部影片或情景劇，傳統的宣發追求的是大覆蓋，需要在用戶出現的所有地方出現相應的廣告，我們希望用戶都能看到這個片子，並記住這個片子，但是最終的轉化率很難衡量和保證的。
而今天藉助人工智慧的宣發，我們通過對明星和興趣圈的精準定向，讓整個的宣發變得更加的精準，比如《中國有嘻哈》，僅通過社區的精準導流，就達到了6800多萬。
視頻的變現階段：我們發現用戶最反感的是一部視頻前面90秒廣告甚至是120秒廣告，而很多嵌入視頻中一些場景化的廣告，反而會讓大家覺得更加的自然。
所以，我們通過AI真正理解視頻以後，當用戶在觀看的視頻過程中，基於AI對視頻的理解，而出現的相應的關聯性廣告。比如AI識別出吃飯的場景，它就可以推薦和吃相關的廣告。
這是AI對平台、內容創作、對整個to B業務的貢獻。反過來，隨著移動互聯網和智能手機的普及，視頻拍攝的門檻也大大降低了。
但是，我們又發現，網上用戶上傳的視頻中，真正高質量的視頻仍然是少之又少。那如何從浩瀚的視頻中去挑選出優質的視頻、內容推薦給用戶，變成了一件非常困難的事情。
怎麼能夠去幫助用戶創作更多優秀的視頻，實現真正的降低門檻？這也是AI將幫助普通用戶解決的另外一個問題。
在文學界有一種同人小說的概念：優質的作品經過粉絲重寫，會變成各種不同樣的結局。日本有一個鐵人編輯的大賽，通過一些動畫片的粉絲對動畫的重新定義後產生新動畫，加上新的對白和音軌，再按照自己創作的故事情節重新編排，就產生了一個新的藝術形式。
同樣，現在我們已經積累了浩瀚的視頻內容，而這些內容以前是沉寂的，絕大多數的視頻流量來自於電視劇，而電視劇熱播期也就幾個月。幾個月過去後，大量的優質內容就會沉澱在媒介系統中。
如何讓這些系統的內容重新被利用，幫助普通用戶或者是編輯，來創作更多更好的視頻，這就是AI時代能夠解決的最重要的問題之一。
怎麼實現？通過AI讓整個平台的視頻製作實現逆向生產。（正向生產：確定劇本、選擇場景、拍攝、後期）
拿到成品的視頻以後，通過AI進行鏡頭的重新提取和分割，對鏡頭重新進行標註，對裡面的物體實體進行重新識別，自動歸類。並且把具有相同情節的視頻重新組合起來，這樣一來，當用戶想創作新的視頻的時候，可以充分利用以前已經生產過的浩瀚資源。
比如，當你想拍一個埃菲爾鐵塔的視頻的時候，成本是巨大的。但是已經有無數的人拍過相應的鏡頭，你如果能找到相應的鏡頭，就可以把它重新組合，重新配上音樂、對白和字幕。創作者也就可以把精力放在劇本的創作上。
大量利用舊有視頻的素材做重混，產生新的視頻，對未來整個視頻的產生會有巨大的推動作用。今天，用戶之所以不願意上傳視頻，最大的問題是視頻的製作是一個非常專業的事情。
手機只是讓拍攝變得簡單，但是燈光、道具、特效，仍然是非常專業的事情。AI的發展，就能夠讓已有視頻的製作者繼續有後期變現的機會。
此外，我們可以利用區塊鏈技術，把版權在後期進行全面的追蹤，讓後來的人可以利用前面藝術家創作的內容，去創作更多、更好的媒體的形式。
二、王翌：為什麼AI是個好老師？
演講人：王翌
為什麼AI是個好老師？
我們和很多的科技公司不一樣的是，我們不是先找一把榔頭（技術），再去找釘子（需求）去錘。而是先找了一個釘子、一個目標、一個問題，我們去組織解決方案。
我們找到的那個釘子、問題就是：現在很多的英語學習方式不夠理想。
傳統的學校教育是工業時代的產物，我們的學校就如同一個工廠，老師就是生產線上的工人，學生相當於傳送帶上的產品。每年有這麼多人進學校，每年有這麼多人出學校，但社會資源是有限的，所以幾乎不可能實現個性化。
隨著AI技術的出現，我們可以想一想，人類未來的教育會是什麼樣子？或者，就想一下，目前中國人學英語的方式有哪些問題？我認為至少可以有兩點問題：
第一，效率比較低。
我給大家幾個數字。在中國人的學習生涯中，從開始接觸英語到不用學習英語的時長，平均是2000—2500小時。90%的中國成年人是啞巴英語，不管四六級過沒過，都是茶壺裡裝餃子——倒不出來，這就是現狀。
而國際上公認的標準是：從零基礎到幾乎母語的過程，只需要1000到1200小時。所以，我認為今天中國非常失敗，這是一個巨大的社會問題。數字不會說謊，成本高、效率低。
第二，師資力量匱乏
這一點我們在北京或上海等發達城市可能沒有感覺，其實國內很多地區師資力量極其匱乏。比如，雲南省70%的中小學是缺編英文老師的，黑龍江省則是50%。2016年我去了青海省道閘福利學校，當我們人工智慧老師送進去的時候，我發現那邊唯一的一個全職英文老師是一個廣州辭職去支教的白領，這也是現狀。
流利說最初是一個練習口語的工具，2012年的時候，我們根本不會講我們是人工智慧，因為沒有人知道。知道2016年，我們發布全世界第一款人工智慧英語老師產品的時候，我們意識到跨出了重要的一步，因為我們已經從工具跨向了一個真真實實可以伴隨你提升的虛擬夥伴。
這就是我前面提到的AI英語老師，它已經不是一個傳說，也不是一個想像，已經伴隨我們一年半時間了。如果說AlphaGo是一個玩伴關係的話，AI英語老師就是一種無形的師生關係。
在決定創業之前我們想，在能夠目及的未來，人類學習的幾個描述的關鍵詞是什麼？個性化、高效率是我們目前看到的兩個關鍵詞。
那麼AI+教育到底怎麼做出來的？
流利說的數據，來自於這6000萬用戶的口語錄音，我們現在有世界上最大的中國人說英語的語音資料庫，所有的數據都自然打好標籤。
基於這個資料庫，我們的科學團隊打造了一個世界上準確率最高的中式英語識別引擎，其實這個難度比Google識別和中國的一些引擎識別中國人說中文，要難非常多。
因為有些人說話不標準，你也不知道它是語法的問題，還是口音的問題，或者說都有問題，得把它分清楚，不然的話，就沒有辦法幫助用戶提高。
我們今天的準確率超過訊飛，超過世界上所有有公開API(應用程序編程介面)，我們可以做對比測試公司的精確度。
既然是在做一個幫助大家提升英語的東西，所以，我們不僅僅要知道用戶哪有問題，我們還要幫助用戶提升。我們做了全球首創的深度諮詢的學習引擎，它像一個AlphaGo，但是它和AlphaGo不一樣。
AlphaGo是希望打敗你，但在學習上面，老師打敗學生是一個沒有意義的事情，一個牛逼的老師應該無形的牽著學生的手，用他對他最合適的方式一步步提升上去，我們做的就是這個。
每個學生學習的軌跡、學習的內容、學習的交互形式都不一樣，這就要求實現個性化。
從產品上，我前面提到了，從一個工具型產品切入，讓大家先用起來，我們把數據收集起來，逐漸進化成今天中國最活躍的線上語言學習社區，我們演化出非常豐富的內容矩陣，有很多免費的、好玩的、好質量的內容。
在這個基礎上，我們打造了結合了先進的學習理論的人工智慧老師產品。這套東西利用了很多腦認知神經學方面的研究成果，告訴我們說，你怎麼樣組織內容，怎麼樣去串聯它順序，可以讓人們花更少的時間更高效的掌握，而且不容易遺忘。
在商業模式上，我們做了一點小小的創新。長期以來，教育這個行業是按照時間收費的，更確切的來說是按照課時收費的，我覺得這裡面有點小Bug。
我們送快遞或者高鐵，速度越快，收費越高，因為利益大家是綁定的。如果從培訓的角度來講，你會發現，如果你是按照課時收費，學生進步的越慢，你要獲得相同的提升，花的時間會越長。
這裡面的問題是：正常的一個機構，可能沒有太大的動力來提升學生的學習效率，因為你在這待得越久，我收錢越多嘛，我們覺得這個是有點小問題。
所以，我給我們對的要求是，在發布這個產品之前，必須告訴用戶多久有效。
我們曾經做了兩個月的測試，一個百人測試裡面，我們選擇了托業橋考試進行測試，因為它的分數跟我前面提到的歐標是一個對應關係。我們發現：歐標從A1升到A2，或者A2升到B1，需要100小時高質量的學習，當然是一種傳統的學習方式。
我們的學生完全在兩個月裡面，只跟手機上虛擬的AI老師學，平均只花了36.5小時，基本上是3倍的提升，而且這是一種全新的方式，不需要跟真人老師說話。
這就是我們今天有的東西，正因為有了這個東西，我們也被評為了全球TOP100的AI公司裡面教育領域的尖端AI公司，也是中國唯一的入選者。
所以，我想告訴大家的是，AI教育時代已經來到了，不再是一個傳說。當然，在我們5年多前開始創業的時候，不要說AI這個概念，連互聯網教育都不是一個概念。
我們要站在未來看現在，要看清楚本質，我們人類共同面臨的、需要解決的問題中，科技或許可以扮演一個原來我們沒有想像過的角色。
我覺得語言學習的終局就是解放人類，讓我們腦子裡面的渴求、希望、慾望無處不在，我想到的事情，就能夠去做，這叫人性最大的解放。
今天，科技給我們插上了翅膀，我們可以想一下，有什麼東西是我們想做，曾經覺得很遙遠的事情，今天或許已經不怎麼遙遠了。
三、互聯智慧時代下的「新保險」，
是怎樣一種體驗？
演講人：楊喆
回顧2017年，互聯網保險是一個非常火的IP。2017年以前，很多人都沒有太在意互聯網保險，甚至保險，大家都覺得離得非常遠。但是從2017年年初到現在，我看到身邊越來越多的做互聯網業務的朋友都紛紛加入了互聯網保險這個創業大坑裡。
我們可以看到，整個2017年互聯網保險是一個非常火的狀態。大家會想，為什麼突然保險這個事情從無到有，走到了大家身邊？仔細尋找，能看到一些端倪或者是一些線索。
保險跟其他的業務有很大的不同，它不是獨立存在的一個業務。作為金融非常重要的一個組成部分，在我們生活的方方面面都可以看到保險。
比如說我們出遊，肯定會有一份意外險，我們去買飛機票、火車票，甚至去買公交票，一般售貨員給你票的同時還給你一張紙質的保單，其實這也是保險。
互聯網保險能夠把我們傳統保險的生產模式和生活場景很好地帶給大家。團隊里有很多同學，之前都在做互聯網金融的業務，我們看到金融是一個非常好的、能夠加強安全感的手段。
但是隨著我們深入的去做用戶調研，去思考用戶原本的需求和社會現狀。我們發現目前大多數人對於金融還是在聚焦於我如何去做資產的保值、升值，如何去做投資，而忽視了金融原本應該帶給我們的資產管理的平衡和安全感的保障。
我們之前在做互聯網業務、互聯網金融的時候，也會思考去做很多的投資類產品，會去關注證券行業，會幫用戶做資產管理。但總覺得對於用戶整體的安全感來說，像一個大圓缺一角，我們一直在找尋是什麼樣的產品，能夠完整地補全這麼一個角。
回到本質我們發現，保險就是我們一直在尋找的，能夠幫我們去解決和完善安全感缺失問題的最好的一個產品。
正基於此，我們做了大象保險這個事情，雖然說我和我的核心幾個小夥伴，之前都從事於互聯網行業，對於保險真的是完全陌生的領域。
但是我們堅持著我們一份初衷，讓每一份安全感觸手可得，同時隨著對過去兩年對業務的不斷深入和思考，我們發現線上產品很牛，我們可以做很好的體驗。
我們做任何傳統業務優化和改造的時候，還是需要回歸業務的本質。在過去的一年，我們有了更多基於用戶微觀數據的思考，更多地在意用戶線上和線下交互的體驗感知。我們希望通過我們的技術能力，幫助用戶去改變安全感缺失的現狀。
說到改變，大家首先想到的一般都是大數據，大家都在談論如何通過大數據去改變很多的細分場景、產品，我們看到保險跟大數據，也有很多的結合。
最初我們更多都是在業務端，比如，如何通過大數據做精準營銷，在服務端如何通過大數據做風控，這樣的思考，更多只是聚焦於業務的本身，相當於把保險作為一個生意，如何通過技術手段去改變這樣的生意。
但是對於我們來說，從一開始我們做互聯網保險的時候，我們就沒有把它當成一個生意或者一個事業來做，更多想要通過我們自己原有在行業里的積累，幫助用戶解決問題。
正是因為這種思考和原生力的變化，我們轉成對用戶小數據的細緻觀察。比如說微觀的行為數據，跟平台所產生的交互行為，用戶的一些購買力的數據，一些用戶的在線偏好和主觀、客觀上對於場景上的需求。
我們一直認為互聯網保險，在未來比傳統的金融業可以發揮更具彈性、更豐富的作用，因為它除了具備原有金融的財富增值和穩定的作用以外，還具備補足我們廣大中產階級安全感缺失的問題，保障未來和社會經濟穩定的槓桿問題。
基於對小數據的觀察，我們在過去兩年做了很多基礎的保險數據整理，不斷地通過數據和業務流程，去驗證對於用戶標籤、用戶多維畫像把握的準確度。
過去我們的認識中，保險產品都是一個個冰冷的紙質文件，沒有辦法進行數據分析的。因此，我們在過去的一年，做了大量的整理和保險數據的建模。
我們過去以為保險就是意外險、健康險、養老、投資這麼幾款而已，其實用戶還可以按年齡、性別、收入做一個細分，完成用戶跟保險產品的關聯。
隨著業務不斷深入，我們發現遠比想像中要難很多。我們自己基於用戶對於保險側不同的需求，整合了非常多的場景，同時我們有很多的底層模型，去應用於不同情景下的用戶保險需求。現在看來，保險是一個離我們生活非常近又非常遠的產品。
如何通過多種情景把用戶帶入到保險的思維中，同時又可以通過我們的計算能力和我們對於海量產品的儲備能力，帶給符合用戶需求的定製解決方案。這點是最難的。
同時在操做的過程中，也很容易跑偏，像在2016年，我們會更關注於場景本身（因為場景很多），而忽視了用戶原有保險的本質需求。回到新年我們又一次回歸，內部也開了多次的風暴，我們大家也在思考，我們最終想要做什麼，想要帶給用戶的是什麼。
最後發現，不是通過各種場景做業務，而是通過各種場景去找到用戶的本質需求，通過這種多場景的串聯，把用戶及其家庭背後的保險解決方案構建完成。
同時基於用戶不斷變化的生活方式、社交狀態、收入、職業、地域等多維度，幫他不斷地做風險解決方案的迭代，這才是我們重點要做的。
有了基礎的數據能力，我們希望有一個比較好的工具去呈現，去讓用戶可以很方便地使用我們的產品。我們在2017年的年中開始準備了阿爾法象的產品，這個產品可以幫助我們的用戶完全通過線上的方式，去了解他自己的保險需求，同時可以把基礎的保險服務，通過線上的手段帶給他。
中間用到了人工也用到了智能，我們所需要做到的是人工和智能的無縫對接，讓用戶感知是一致的，這是最重要的。
人工智慧這兩年非常火，但是它不是一個特別新的名詞或者是技術。大概十幾年前，我在國外上學的時候，當時已經完全可以通過一些程序去控制簡單地機器人，按照我們的路線進行行走、探索或者是簡單地擬人行動，當時還做了全英最大的電子辭典，這一切都是基於人工智慧。
我們基於對用戶標籤的捕獲，可以智能的分析出家庭保險的推薦書，用戶可以在線瀏覽家庭解決方案，同時用戶還能夠看到我們每一款險種的細節，以及我為什麼會給他推薦這樣的產品。
每一款產品是來自於海量的信息庫，這個背後是我們過去兩年努力進行行業整合的結果。我們把它開放，合作夥伴能夠以SDK或者API的形式接入我們的產品。
如果說任何的平台希望為他的用戶提供更深度的保險服務，去補強用戶的安全感的問題，完全可以通過我們阿爾法象的產品進行對接，可以方便地展示給用戶。
最後回到我們的初衷，我們在2018年還是一家互聯網公司，同時也是一家保險科技公司，我們的願景是希望通過我們做保險，幫助用戶去加強他的安全感。
我們都說新的技術發展，可以讓我們放開手，盡量的思考我們所在的行業，然後放開手去做很多的創新。通過對於智能保險、大數據的研究，我們能夠把互聯網保險的思維帶給我們每一個用戶，讓每一份安全感和保險的思維存在大家的身邊。
筆記俠的小夥伴，大家好~
我們現在新開了一個號:
「AI筆記俠」（ID:AiNotesman）
如果你想先人一步，
加入AI和區塊鏈的世界，
那就去關注「AI筆記俠」吧~
TAG:筆記俠 |