關於人工智慧＋，行業大佬們是怎麼看的？
3月7日，長城會在北辰世紀中心舉辦了「AI生萬物：GMIC北京2018發布會暨人工智慧主題沙龍」活動。在現場，長城會創始人文廚與創新工場董事長兼首席執行官李開復，盛景網聯創始人兼董事長彭志強，地平線創始人兼CEO余凱等行業領袖和50餘名人工智慧從業者及媒體進行了互動，現場回答了觀眾和直播網友的提問，以下為內容精選整理。
話題一：AI+教育
Q：目前AI在教育行業的改造還是處於早期階段，從長遠來講AI對教育有哪些很重要的切入點？另外，在AI幾大突破潛在領域方面，包括視覺等等方面，並沒有提到知識圖譜這個問題，請問知識圖譜在整個AI發展中有什麼樣的位置？
李開復：我們投了不少教育公司，發現不能太狹窄的去想像AI一定是很自動、很科幻的東西。其實目前我們投資的教育類公司，他們都累積了足夠多的數據，比如BAT用來做推薦演算法，我們也可以把它用於學生的知識點推送，還有包括變現，包括怎麼樣讓家長付費，這些都可以用大數據AI來處理，這些應該是最短期可以做到的。另外，比如攝像頭我覺得是很好的工具，那裡有大量的數據可以分析出什麼樣的學生適合什麼樣的老師，老師在什麼時候做了什麼事情導致了學生不專註。我覺得任何的AI技術最重要的還是要跟行業進行對接。
創新工場認為，從教育角度來看，學生的學習一定包括課堂、作業，還有網上的老師以及考試，這裡面其實每一點都應該做到數字化，數字化之後做到結構化，結構化之後建立學生的畫像，然後從這個畫像可以更好的去優化這四點。我們特別希望看到有一天，這四點能夠結合起來。現在比較慶幸的是中國有很多教育公司，因為教育也算是一個小Google，我們慶幸的是看到很多創業者在攻克這四個點之一。就知識圖譜來說，今天據我所知好像還沒有在教育領域有什麼新的動向。我們所看到有價值的是搜索，我覺得醫療領域也很必要，教育方面並還沒有看到特別好的。
余凱回答現場提問
余凱：剛才提到了對學生和老師做畫像，另外還有對內容做畫像，即把老師和學生跟內容的解析，和他的語義結構化聯繫在一起。今日頭條在這個領域有很大的機會，頭條就是獲取信息的有高度且個性化的推薦，這裡我相信他們不僅在對用戶做畫像，也在對內容做畫像。我相信在非常垂直的領域，比如像英語流利說，他們確實是做了對英語讀音的知識點，對每個學生的在整體教育過程中的表現去做畫像，然後再去做個性化。實際上，是數字化帶來的智能化和網路化。這不是一朝一夕就能完成的改變，我覺得如果仔細的深耕細作，應該在兩三年的時間裡會帶來很大的價值。
話題二：新零售
Q：大家都能看到中國和美國在消費行為，還有在銷售零售格局上有很大的差異。在中國，無論是阿里提出來的新零售，還是京東提的無界零售，我們看到的都是線上在往線下走，同時也有OMO觀點。想請問您，很多傳統企業在未來的下一個五年怎麼走，怎麼做AI技術升級？另外您對中國新零售格局怎麼看？
李開復：我們講一下創新工場提的OMO，即線上線下合併的概念，其實它所告訴我們的是未來的方式。當然新零售里也有很多概念，無邊界零售等等，都是基本類似的概念。但是OMO我們看到的是用戶畫像，用戶畫像我們是用線下的方法來把用戶用人工智慧的方法捕捉起來，然後合併在線上。因為線下的零售現在面臨的最大的問題和挑戰，就是每一天能知道賣了五萬塊錢，但是你並不知道做了什麼事情導致這樣的結果，讓你第二天不知道打什麼廣告，看到什麼結果。我們線上的公司這麼厲害，就是每一個用戶為什麼會來、做了什麼、我們怎麼樣引導他、如何把用AI來最大化收益，這個是線下是沒有的，OMO就是帶來這樣的效果，但是它的前提要求還是很高。因為對於一個零售來說，如果整個設備都要升級，還有它背後有沒有ERP系統，它背後供應鏈是怎麼做的，還有它的每一個店長做什麼決策，如何去取代這個店長都是需要考慮的問題。所以應該說是少數特別有遠見、願意投入，甚至是顛覆式的企業，在這個行業的機會是最大的。
我覺得零售現在面臨的問題，可能比當年電商開始帶來的壓力可能會要更大，在新的需求也會更強。我們也看到了騰訊和阿里各自有一系列的打法。很多零售的創業企業都已經服從了，那麼接下來是抱大腿，還是要自己走？我覺得一些大公司還是可以去尋找機會。創新工場就是專註零售領域，所以我們可能派一個專員到你的企業里講課，決定不抱大腿走下去，我們可以提供彈藥讓他試著做。但是前提是他要有重新創業的心態，有足夠多的店面，或者要開足夠多的店面，願意把線上也建起來，因為全線下的機會不是太大。
彭志強回答現場提問
彭志強：新零售我補充一下，我們剛投了滙豐達。我們對新零售的認知本質是線下的價值，即線上的仗打完了，所以大家開始怎麼搶線下的。線下的流量其實成本是低的，所以誰能夠把線下流量在線化，這是新零售核心的思想。談到新零售最值得看的是日本的7-11，人均凈利潤是120萬，這個是什麼概念，就是跟阿里巴巴的凈利潤一樣，因為線下公司跟互聯網公司對比最痛苦的就是人均凈利潤。互聯網公司做的比較好的能夠秒殺線下公司，但是7-11這樣不起眼的便利店人均凈利潤竟然比肩阿里巴巴，所以它背後代表著所謂新零售的價值。其實我們關注新零售或者AI驅動零售業發展，回到效率和成本算帳的問題上，其實線下很多業務的價值是非常大，這也是我們在投資的一個重點方向。其實整個國民經濟總量里線下還是佔到七成，甚至接近八成，所以這裡的空間還非常巨大，未來我們可以跟很多一起去探討。
話題三：AI企業合併潮&數據
Q：各位老師好，我想問兩個問題。第一個問題，AI企業近幾年會不會產生合併潮？如果會，大概是在什麼時間？第二個問題，如何用更少的數據達到更好的傳播效果？
李開復：合併潮我覺得看產業，比如過去滴滴快的合併的現象，在背後資本的整合下，大家可以提供更好的服務，也能夠掙更多的錢。這一類的合併是會發生的，但是我覺得不一定是AI和非AI企業，因為並沒有AI的特點。我覺得倒可能發生的是，下一個階段的AI公司是服務於某一個產業，創造真實的商業價值，這些公司比較難在傳統公司里孵化出來，因為很多傳統企業老闆問我怎麼創造一個AI團隊，但問題是最頂尖的AI畢業生不會願意去傳統企業。所以很多傳統的AI方案是很多小公司做成的，繼而有很多傳統的機構併購這些AI公司，而不是兩個AI公司最後達成併購。滴滴和快的的現象應該是屬於新行業，還不是AI。
余凱：更少的數據，以我的關注來看就是在機器學習。貝恩斯學習是會通過概率產生很多虛擬數據，繼而去應用。其實去年阿爾法ZERO很完美的應用這個想法，因為它產生所有的虛擬數據，它沒有用任何真實的數據來應用，它是通過左右互搏去產生很多的虛擬，然後拿這個虛擬樣本反過來訓練這個策略。這個方法很典型，即不通過真實的數據，只是通過計算，因為虛擬數據產生就是通過計算，不斷通過計算來訓練能力。這個聽起來天方夜潭，除了下圍棋，其實在自動駕駛領域現在也開始越來越受到關注，控制策略函數實際上要用很多的現實中的路況數據來訓練。但是有很多邊界條件，比如說突然有人橫穿馬路，不能讓真人去冒險來獲得這樣的數據。現在更多的是用模擬模擬人的形態產生虛擬樣本，繼而訓練自動駕駛的控制策略函數。所以未來的話我們會看到很多很多的例子，就是不用數據，或用少量數據來提升學習能力。
李開復：我再補充一句，余凱說的肯定是對的，但是 AlphaGo 影響力太大了。自從它問世後，很多人都說這個領域就不要數據了，人臉識別要數據幹嘛？其實那是在某些特定領域的願景，短期用深度學習的領域裡數據還是需要的，而且會越做越好。
話題四：AI+媒體
Q（直播平台網友提問）：AI如何改變媒體行業？
李開復回答現場提問
李開復：我們的媒體職能基本是內容的產生和篩選。最近美國可能有一個比較大的爭議， Facebook上的內容篩選和排序是取代了傳統媒體呢，還是可以自動排序得到更多的點擊？ 我們看到的結果是扎克伯格做出了讓步，因為他一直堅持AI做編輯是非常好的選擇，因為是針對用戶的閱讀點擊得到的結果。美國的媒體其實集合起來攻擊Facebook，認為自動排序出的內容沒有內涵，我們一定要平衡我們的傳媒精神，還要考慮到用戶的點擊量。我覺得這個是未來需要不斷摸索解決的事情，因為純靠點擊量，做出來很可能只是充滿著標題黨或者不好的內容。真正應該閱讀的內容現在看來好像還需要人工編輯，但是我覺得應該最終是有一個決策機制把這兩者結合起來。另外則產生了簡短內容都是機器生產，如果將來寫的都是模板型的，編輯的工作肯定會被取代的。所以我覺得記者和內容工作者一定是要寫更深度的，更有觀點的、更有態度的、更是機器人簡單的單領域思維或者拼湊寫不出來的。但是即便如此，我覺得我們的閱讀在五年、十年以後，大部分東西還是機器寫的，但是供我們深度閱讀的東西還是人來創作更好。
TAG:長城會 |