不炒作概念，讓AI落地！硬科技大咖教你如何把握AI風口

最新 02-13

2018年1月在中國科學院大學雁棲湖校區舉辦的「硬科技商學院 · AI特訓團」已經圓滿結束。人工智慧為何成為風口？當下人工智慧產業門檻在哪裡？哪些人工智慧+場景最具潛力？……讓硬科技導師和學霸們手把手教你把握AI風口——

產業發展篇

人工智慧為何成為風口？

劉慶峰

科大訊飛董事長，信號與信息處理專業博士，中國科學技術大學兼職教授、博士生導師，中華全國青年聯合會委員、中國科協七屆委員和十屆、十一屆、十二屆全國人大代表，2013年CCTV年度經濟人物獲得者。劉慶峰在智能語音核心技術研究和產業化方面都做出了突出成績。科大訊飛在競爭中扭轉了中文語音市場幾乎全被國外IT巨頭壟斷的格局，佔據了80%以上的主流市場，並連續七次奪得國際英文合成大賽冠軍。科大訊飛成為全球第二大智能語音公司、滬深兩市市值最高的軟體企業，2017年被CCTV評為中國十佳上市公司。

剛參與完國際消費類電子產品展覽會（CES）我有兩點體會：一是越來越多的設備都開始實現智能化；二是人工智慧正帶來消費類電子產品的全新機遇。從底層晶元到最終應用，從產品到系統，全都與AI 有關。

這印證了我之前的推斷：語音正成為萬物互聯時代的入口。穿戴式設備、智能家居、車載電子，越來越多的設備都不再設立屏幕。在移動的情況下，語音將成為人機交互的主要方式，而鍵盤、觸摸手勢等會成為輔助，語音交互將成為多個新場景下的剛需。

人工智慧產品如何腳踏實地生存？

劉慶峰：

在人工智慧時代，有前景、有希望的產品業務要具備兩個特點：第一，能找到腳踏實地，真正解決剛需的應用場景；第二，能夠通過數據的自我進化，不斷優化產品。這樣企業才能領先一步，產品才會有競爭的機會。

很多純講人工智慧概念的產品和企業都無法長久存活，必須要有腳踏實地的應用場景。但在這些應用場景下，如果沒有能真正收集到用戶個性化數據的能力，沒有把個性化數據變成不斷自我進化的能力，產品和企業將同樣很快被別人用價格戰PK掉，被巨頭直接清洗出局，所以只有具備解決剛需的實際場景和自身數據進化的能力，AI產品才有希望。

人工智慧產業當下的「門檻」在哪裡？

陳雲霽

中科院計算技術研究所研究員、博士生導師。從事國產處理器的研發工作十餘年，先後負責或參與了多款龍芯處理器的設計。他獲得了首屆國家自然科學基金「優秀青年基金」、首屆國家萬人計劃「青年拔尖人才」、中國計算機學會青年科學家獎以及中科院青年人才獎。2016年推出的寒武紀1A處理器（Cambricon-1A）是世界首款商用深度學習專用處理器，面向智能手機、安防監控、可穿戴設備、無人機和智能駕駛等各類終端設備，在運行主流智能演算法時性能功耗比全面超越CPU和GPU。

人工智慧還未跨過智能時代的「門檻」，關鍵在於最核心的物質載體尚未成熟。AlphaGo與李在石下一盤棋耗電三千美元，谷歌大腦用1.6萬個CPU核學習一周來識別貓臉，但是AI想要落地，就要考慮是不是每個普通人都能擁有這樣的計算資源。未來，智能晶元將重塑晶元市場。

米磊

「硬科技」概念提出者，中科院西安光機所光學博士，中科創星創始合伙人、聯席CEO，西科天使創始合伙人，陝西省第十三屆人民代表大會代表，陝西省青年科技新星，TEDX演講人。倡導並聯合發起了西北第一隻天使基金（西科天使），並組建了中國第一個專註於硬科技創業生態建設的平台（中科創星），目前已成功孵化150餘家高科技企業。

從IT的角度，即從信息的獲取、傳輸、集成、計算、顯示五個過程來看，下一步的發展點就是信息的獲取，人工智慧時代的關鍵就是獲取信息。而這一環節最大的成本其實都在光學方面。比如機器人裡面就有激光雷達、光學感測器等一系列器件。前不久蘋果公司的iPhoneX 推出後讓人臉識別火爆了起來，帶火了一批光學公司，因為3D人臉識別首先需要激光雷達識別人臉，通過一系列的環節再回收數據進行處理等。

技術發展篇

人工智慧技術未來如何迭代發展？

吳南健

中國科學院半導體所研究員、中國科學院大學教授、中國科技大學兼職教授，享受國務院特殊津貼專家，日本國立電氣通信大學理學博士。2000年入選「百人計劃」。主要從事仿生視覺晶元、神經網路圖像處理晶元和量子器件電路等研究。

人工智慧晶元的目標就是把人的視覺系統集中在一個晶元上。單晶元集成視覺感測器和視覺並行處理器，能夠模仿人類視覺系統的信息並行獲取和處理機制，實現高速圖象獲取、傳輸、學習、記憶、識別和控制，並且速度大於1000幀/秒，這個速度遠遠大於傳統的視覺系統，功耗W量級。

圖像處理晶元有六個發展方向：解析度高；動態範圍寬；波長範圍寬；三維成像高；智能化高；幀率高。

陶建華

中科院特聘研究員，博士生導師，國家傑出青年基金獲得者，國家高層次人才特殊支持計劃（萬人計劃）領軍人才，現任中科院自動化所模式識別國家重點實驗室副主任。他是中國計算機學會會士、常務理事，中國人工智慧學會理事，中國中文信息學會理事、中國圖形圖像學會理事兼人機交互專委會主任。他先後主持863、國家自然科學基金、發改委等國家級項目20餘項，方向包括人機交互、語音技術、情感計算、模式識別等，在SCI或EI期刊或會議上發表論文150餘篇，申請發明專利20餘項。

解決小數據的模型訓練是人工智慧領域中比較有挑戰性的問題之一。目前常用的有兩種方法，第一種方法是我們先用一個數據特徵相近，而且已經有一定規模的較大數據集，先訓練一個模型，然後用遷移學習或者自適應訓練等方法，把這個模型遷移到小數據的特徵上面，從而能夠達到針對這個小數據的較好的模型性能。比如：我們用100小時的德語語音數據很難訓練出一個很高性能的德語語音識別系統，但如果我們先用1萬小時的英文數據跑出了一個性能相對較高的英文語音識別系統，然後把這個英文語音模型通過一個德語小數據遷移到德語環境中，就能實現比那個小數據單純訓練要好得多的模型。第二個方案就是一切都要從零開始，而單純的深度機器學習往往在解決小數據訓練時會存在一定的問題，這需要我們去研究更為創新的解決思路，採用對抗學習的方法，或者將深度機器學習與Bayes或Boosting等方面進行融合，都是一些值得進一步探索的思路。

機器會取代人類嗎？

劉慶峰：

就目前的發展階段而言，是不可能實現的。AI領域會在3-5年內確定主要賽道格局；5-10年內，50%的現有崗位確實會出現替代現象，社會要及時增加新崗位，預防大規模失業現象。但我希望人工智慧不是用來替代人類的，而是來幫助人類的，希望我們做出產品未來可以造福每個人的生活，讓每個人都擁有自己的AI助手。

機器何時能做到與人類「自由交流」？

陶建華：

機器表現起來越來越「像」人，但是它還做不到真正像人一樣進行理解與交流。我們所說的人與人之間的「自由的交流」有兩層含義，第一層是機器具有擬人化的特徵，第二層是機器能真正理解我，同時還能像人一樣解決我的問題。就現有的技術水平，機器還無法達到在人類所有生活領域方面與人進行無障礙和自由的交流。但在不同細分的垂直領域，比如金融、醫療、教育等領域，自動問答的人工智慧技術還是大有作為，因為垂直領域知識面是有限的，這種情況下做出較為可靠和實用的自動問答系統還是可行的。即使如此，要做到類似專業人士那樣自如地交流，還是有很長的路要走。

智能硬體依然是大勢？

桑文鋒

Sensors Data 神策數據創始人兼CEO，百度大數據部前技術經理。2007年加入百度，從2008年底開始從事大數據平台建設工作，包括數據收集、傳輸、元數據管理、作業流調度、海量數據查詢引擎、數據展示等。帶領團隊打造成功的系統有：LSP日誌統計平台、Logdata用戶行為查詢平台、User Profile Service 1.0、User Data Warehouse 1.0、Biglog平台、Minos日誌傳輸系統、LS 2.0作業流調度系統、Wing計算引擎等。

我認為未來是感測器時代，智能硬體未來必有火爆普及之時。因此，2015年我創立了「Sensors Data」公司，旨在圍繞著智能硬體的感測器做數據產品。

我記得在2011年有一個概念特別火——大數據。當時大數據這個概念就像「屠龍術」，哪裡有「龍」？BAT。因為當時只有他們才有大規模的數據。過了兩年形勢發生了微妙的變化，我總結了三點，第一，移動互聯網、感測器技術的發展讓數據採集能力變強。第二，數據處理方面，摩爾定律預言下現在機器越來越便宜，以前處理不了的數據現在也能處理了。第三，大家開始慢慢關注「數據怎麼能夠更有用」，對「數據」的認識不再停在比較淺的層面——這讓我看到了智能硬體和感測器數據的廣闊前景。

企業發展篇

企業如何把握大勢、選擇合適的定位？

王戈

國科嘉和（北京）投資管理有限公司合伙人，同時擔任中國科學院東方科儀集團董事長、北京東方中科集成科技股份有限公司董事長等職務，曾發起管理過多支私募股權基金。王戈先生同時擔任中組部國家千人計劃專家評委和創業導師、國家科技部中國創業大賽評委和創業導師、中科院研究生院經管學院客座講師、中國儀器儀錶學會常務理事、歐美同學會商會會員、京城總裁俱樂部私人董事會企業導師等。

新時代下，企業必須先了解經濟新常態，把握好政府的政策方針，才可能抓住新常態下的新機遇，為企業贏得未來。十九大報告作為國家戰略路線圖，是每個創業者和投資人都應深入學習的政策指南，也是企業領導者進行決策的戰略指南。通過回顧政策改革和國家經濟發展歷程，企業家和投資人可以充分了解過去的宏觀經濟態勢，為預測未來經濟的發展趨勢做充足準備。只有順勢而為，企業才可能在大環境、大形勢下順利成長。由此看來，創業者想要成功，更需要具備深刻的時代背景和產業背景。

AI企業如何「主動挑選」投資人？

王戈：

1）要做到「門當戶對」，融錢就是融資源，是組合成功要素的過程；

2）企業在不同發展階段要選擇不同的合作對象；

3）估值和價值的平衡要做到心中有數；

4）要關注基金（LP）的背景、規模、行業經驗和專註度；

5）要了解投資團隊的背景、專業程度和行業資源；

6）注意投資人的品牌、歷史和行業口碑。

如何挑選合適的AI專家/實驗室合作？

栗浩洋

昂立國際教育聯合創始人，乂學教育創始人。乂學教育於2015年成立，與斯坦福研究中心（SRI）成立了人工智慧聯合實驗室，成功開發了國內第一個擁有完整自主知識產權、以高級演算法為核心的自適應學習引擎，2017年年初完成2.7億天使輪融資，同年10月組織人機教學比賽，乂學教育開發的自適應學習引擎戰勝了20年經驗的高級教師，機器教學組學生成績提高值比高級教師組多出9分。

AI領域的專家們研究方向是非常細化的，對他們來說，跨領域的產業對接會有些難度。而同一個領域裡、不同的公司在AI語音識別和圖像識別也有各自擅長之處。比如策略性AI在量化金融、教育、醫療等領域的應用，前端和後端更難跨接，就像有些醫生擅長治療胃部腫瘤，但不一定擅長診治腦部腫瘤一樣。所以要根據自己的需求、細緻了解AI專家的研究領域之後，再與之對接。

場景跨接：人工智慧 + ？

人工智慧+醫療

劉慶峰：

以前人們看病，大夫需要先了解病史、查看癥狀、檢查實際病情、檢驗分析，最後才能得出診斷結果。而通過「人工智慧+醫療」的手段，問診過程、醫學影像和知識體系全都可以利用AI產品獲取分析，實現了更精準、更省時的醫療模式，即人工智慧輔助診療模式。通過這種模式，可以獲得輔助診斷意見、相似病例推薦、診療方案建議和處方智能輔助。

人工智慧+司法

劉慶峰：

AI產品要想在刑事案件中輔助斷案，首先要把公檢法的證據鏈以統一標準全部貫穿，以判斷證據是否自相矛盾、是否完整或缺失。之後，人工智慧會依據法律法規，就所描述的案件情況進行自動定罪量刑。因為我國的法律條文較多較複雜，機器需要在此前學習很多以往類似案件的處理結果，再給出較為準確的評判結果。利用人工智慧輔助檢察官，司法部門可以進行重大案件複核，有效防止和避免冤假錯案。

人工智慧+教育

劉慶峰：

除了語言學習，人工智慧可以對學生學習和老師上課的過程採取技術分析，從而實現為學生減負。比如日常作業或期中期末考試的知識點，都可以輸入產品中。另外，人工智慧教育產品通過對知識點的掌握和習得順序的了解，能夠科學地給學生分析問題。

栗浩洋：

目前國內優秀教師資源分布不平衡、優秀教師的培養周期長，人工智慧教師有望解決教育資源不平衡的問題——為偏遠地區配置相應的硬體資源就能讓孩子們享受到與大城市優秀教師能力相當的人工智慧教師資源。我們公司（乂學教育）在去年10月組織了一場人機大戰，自適應學習引擎（機器人教師）戰勝了20年經驗的高級教師，機器教學組學生成績提高值比高級教師組多出9分，這是一個令業內振奮的喜訊。我相信「人工智慧+教育」具有非常廣闊的前景。

人工智慧+建築

陶建華：

人工智慧+建築如何結合？我認為建築設計分為結構設計和藝術創作兩個方面，人工智慧在結構設計方面將會給設計師帶來很大的幫助。比如結構、材料以及一些力學特徵和結果分析方面，人工智慧可以提供很多輔助建議。在藝術創作方面，目前看來還有一定的困難，但並不是完全沒有作為。它的作用不一定是在純粹的藝術創作層次上產生，而是有可能在藝術風格上的學習從而產生一些新的風格，比如現在人工智慧可以對詩歌進行學習然後進行簡單的創作了。

人工智慧+農業