6月24日，人工智能先行者大會暨黑馬大賽人工智能分賽在京舉行，近千名人工智能產(chǎn)業(yè)相關創(chuàng)業(yè)者、投資人、產(chǎn)業(yè)專家參會。本次活動由創(chuàng)業(yè)黑馬與人工智能新媒體平臺黑智聯(lián)合主辦，聯(lián)合冠名商摩比神奇與戰(zhàn)略合作伙伴鉑諾對活動進行了支持。

會上，創(chuàng)新工場AI工程院副院長王詠剛發(fā)表了題為《創(chuàng)新工場的AI布局》的演講。在他看來，大眾認知的人工智能和實際的人工智能存在著很大區(qū)別，人工智能技術在很多方面還等待破局，創(chuàng)新工場在技術研發(fā)、培訓、投資等多方面在人工智能領域的投入，最終最期待的未來是，讓人工智能真正成為人類的工具，成為一個“即插即用”的工具箱。

以下為王詠剛演講，經(jīng)黑智編輯：

大家好，我是創(chuàng)新工場AI工程院的副院長王詠剛，去年加入創(chuàng)新工場，之前在GOOGle做了10年的工程師。

今天，我想給大家分享的是創(chuàng)新工場在人工智能領域的投資布局。我們到底怎么看待人工智能現(xiàn)在所處的現(xiàn)狀，在面對投資、創(chuàng)業(yè)、技術研發(fā)等問題時，都會考慮哪些問題？

其實，對于很多不是搞技術、創(chuàng)業(yè)或者投資的人，“人工智能”這四個字大概是2016年3月AlphaGo和李世石下棋后，才進入到他們的視野，才知道人工智能原來和自己的生活有關。但他們往往會把人工智能理解成科幻小說中寫的人工智能，擔心是不是在未來某一天，人工智能能夠毀滅人類。

如果我們不去科普，用科學或者符合技術邏輯的方法，讓更多的普通人了解什么是人工智能，那無論是在創(chuàng)業(yè)還是投資上，都會存在很大的問題。

比如，我在和一些大型集團的業(yè)務線老總談人工智能時，他們經(jīng)常會問到這樣一個問題：“你們現(xiàn)在投了那么多人工智能項目，做圖像、聲音、無人駕駛、自然語言等方面的創(chuàng)新，這些創(chuàng)新不是在給人類掘墓嗎？”他們認為這種新的技術最終會統(tǒng)治人類，壟斷資源，甚至讓人類走向滅亡。

這確實是一些人對于人工智能非常真實的反應。

創(chuàng)新工場在做技術研發(fā)和投資的同時，花了大量精力做相關的科普工作，主要想告訴大家，今天的人工智能科學技術和科幻電影里說的人工智能，基本上是兩件事。

如果將我們?nèi)祟惖倪M化用機器學習來比喻的話，那它也有一個目標函數(shù)，但這個目標函數(shù)和我們給機器設定的目標函數(shù)會非常不一樣。因為，人類的進化是大自然在幾十億年時間內(nèi)，從低等到高等，從簡單到復雜，不斷進化而來。這個目標函數(shù)大致就是保證自己的種族繁衍，同時保證能夠盡可能多的占領地球資源。

這和科學家、研究者、工程師，給現(xiàn)代機器、人工智能設定的目標函數(shù)，根本不是一回事。我們給人工智能設定的目標函數(shù)，往往是你對圖像識別的錯誤率盡可能低，你對人類語言從英語映射到中文的準確率盡可能高，它是這樣一種非常具體的，基于任務的目標函數(shù)。

正是因為這種本質(zhì)上的不同，所以我們會說今天所有人工智能的科研、技術、產(chǎn)品和創(chuàng)業(yè)，只是人類的工具。如果要說1000年、10000年以后的事情，那我相信這個事情的結(jié)局會非常的開放。

怎么看待今天的人工智能技術？這是創(chuàng)新工場對今天人工智能技術發(fā)展過程，以及未來可能在哪些領域取得突破，做一個簡單的理解。

今天人工智能的發(fā)展，是基于深度學習在2006-2010年間取得了一系列的理論突破。現(xiàn)在還在吃這個老本，把它應用到圖像、聲音、文本，以及所有有大數(shù)據(jù)的領域中。

但是，今天正在取得成果的很多技術，都可能在不遠的將來，真正轉(zhuǎn)化為產(chǎn)品和競爭力。比如增強學習，大家可能已經(jīng)在AlphaGo中看到了它非常強大的威力。事實上，增強學習在機器人、無人駕駛，以及所有涉及到環(huán)境感知的領域都有非常強的應用場景。我們也非常關注增強學習和每一個具體商用領域、具體落地產(chǎn)品的關聯(lián)。

再比如說遷移學習，今天人工智能在這塊的表現(xiàn)非常差，甚至不如一個小孩。當一個小孩開始理解世界，在進入新的領域時，根本不用像現(xiàn)在的計算機那樣學幾萬、幾十萬、幾百萬張的圖片。他們只要看兩三個樣本就可以進入到新的領域，只要看一個具體的分析，就可以從中抽象出這個領域某一個對象的特質(zhì)。

所以，如果我們沒有辦法在遷移學習上取得突破，也就沒有辦法讓人工智能從已有的知識推廣到另一個領域，或者從已有的數(shù)據(jù)推廣到另一種數(shù)據(jù)。那么，我們就永遠被拴在人工智能必須是算法和大數(shù)據(jù)結(jié)合這樣一個等式上。

可喜的是，科研界現(xiàn)在有非常多關于遷移學習的新技術和新產(chǎn)品出來，這些技術什么時候能夠在創(chuàng)業(yè)領域開花結(jié)果？我相信大概在幾年時間內(nèi)。

跨領域自然語言理解技術，是我們關注另一個重點方向。幾十年來，人工智能界都會把自然語言理解叫做“人工智能皇冠上的明珠”，原因在于自然語言理解是一個遠復雜于圖像理解、語音理解、大數(shù)據(jù)理解的非常復雜、完全嶄新的領域。

在自然語言理解領域，數(shù)據(jù)的維度空前高。數(shù)據(jù)本身的靈活性、信息的靈活性，信息和每一個標注對應關系的復雜度，都遠遠高于圖像和語音領域。在這個領域，我們幾乎不敢苛求100%的理解。因為100%理解自然語言、通過圖靈測試的計算機，就已經(jīng)跨入了強人工智能的門檻。接下來的超人工智能、毀滅人類的現(xiàn)象，有可能隨之到來。

但是，如果把自然語言理解的精通設定為100分的話，現(xiàn)在可能只做到了5分。從5分到50分，從50分到60分，從60分到80分，這里面有非常多可以擴展的空間和進步的地方。

我個人在Google 10年間做自然語言方面的東西，更傾向于預測在下一步自然語言理解領域，翻譯技術有可能取得實質(zhì)性的突破。去年已經(jīng)看到Google在翻譯技術方面里程碑式的論文。

未來三五年，或者再多一點時間，也許所有的人都不需要再學任何外語，我們到任何的國家都可以用一部手機無縫交流。它可能達不到人類智慧的標準，但是可以處理像翻譯、智能助理、客服應答這樣基礎的任務。

經(jīng)過三年、五年、八年、十年的發(fā)展，我們相信，所有的人工智能前沿技術，會變成一個非常好用、便捷的工具箱。做技術的都知道，現(xiàn)在已經(jīng)有很多開源的人工智能技術，像Google的TensorFlow，類似這樣的框架至少有幾十種。

從今天的TensorFlow，GPU、TPU的管理，Docker這樣的封裝、集成，到未來即插即用、即開即用的人工智能解決方案還有多遠？我相信這個距離也不是那么遠。

我非常希望看到，在兩三年后，到任何一個行業(yè)，哪怕不懂人工智能的工程師，都可以快速地接入人工智能技術，用人工智能的工具箱解決這行業(yè)領域里的具體問題。這是我們對人工智能技術發(fā)展的基本愿望，也就是人工智能成為人類的工具，成為一個即插即用的工具箱。

但是我也非常清楚地認識到，今天很多主講嘉賓都提到人工智能在創(chuàng)業(yè)和投資領域存在泡沫，這種泡沫現(xiàn)象在美國、中國都非常的明顯?？梢悦鞔_的是，人工智能投資和創(chuàng)業(yè)有泡沫，但人工智能這件事沒有泡沫。

至于今天遇到的這些泡沫，以及人工智能在實際的創(chuàng)業(yè)和投資過程中遇到的挑戰(zhàn)，創(chuàng)新工場基本的總結(jié)是這樣的：

首先，人工智能領域太多的創(chuàng)業(yè)者都是科學家、工程師，他們離真正使用的行業(yè)還很遠。現(xiàn)在讓一個科學家和銀行業(yè)務主管，或者保險公司代理員，坐下來討論關于人工智能的方案規(guī)劃，還是非常困難的，這是今天人工智能創(chuàng)業(yè)最大的特點。因為以往做互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)創(chuàng)業(yè)的，很多都是行業(yè)專家出身。

第二，人工智能的人才缺口巨大，人才結(jié)構(gòu)失衡。人才是創(chuàng)新工場非常關心的一件事?，F(xiàn)在有大量的培訓機構(gòu)宣稱可以培訓、批量復制人工智能工程師，我也知道那些21天成才的人工智能工程師都學了什么課程。

非常簡單，第一周學Python，第二周學數(shù)學模型，第三周做幾個demo跑一遍，他就可以對外宣稱自己是一個人工智能工程師，是一個在AI領域可以拿到高薪的工程師。

嚴格來講，在人工智能領域，真正能夠解決問題、解決業(yè)務需求的工程師非常少。這些工程師因為稀缺，所以身價相對高的離譜。這也是很多創(chuàng)業(yè)公司很艱難的一個地方。他們可能想與人工智能集成，但雇不到那么多、雇不起這樣的人才。創(chuàng)新工場也希望通過培訓、暑期訓練營，以及開放一些可以幫助科研、幫助學生成長的數(shù)據(jù)集等方式，來解決這些問題。

第三，數(shù)據(jù)孤島化和碎片化現(xiàn)象非常明顯。我們現(xiàn)在做數(shù)據(jù)，一方面很難保證用戶隱私。另一方面，很難收集到完整集成的數(shù)據(jù)。數(shù)據(jù)幾乎成了某些公司的核武器。這些公司可能沒有人工智能的力量，但是它有數(shù)據(jù)，就只能在這個領域掌握先機，甚至形成壟斷。

可復用和標準化的技術框架、平臺、工具和服務，還需要2-3年才能成熟。一些領域也存在超前發(fā)展、盲目投資的問題。加上目前很多人工智能創(chuàng)業(yè)是2B端的，所以難度相對較高，早期團隊也需要更多支持。

創(chuàng)新工場有一個基本的投資邏輯，它是根據(jù)我們對人工智能整個技術和產(chǎn)業(yè)發(fā)展的基本判斷來做的。

今天的人工智能產(chǎn)業(yè)的發(fā)展，我們判斷會經(jīng)歷三個階段：

階段一：已經(jīng)發(fā)生的。今天人工智能技術已經(jīng)在為互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)上這些擁有虛擬數(shù)據(jù)、虛擬流程的企業(yè)大量的“印鈔”了。百度、Google這樣的搜索引擎公司，F(xiàn)acebook這樣的社交網(wǎng)絡公司，以及今日頭條這樣的內(nèi)容推薦、分發(fā)公司，他們的核心競爭力就是人工智能。

人工智能就是用人工智能機器學習出來的規(guī)則、算法，幫他們進行內(nèi)容排序、廣告推薦，他們每天賺到的錢里，90%可能都是因為使用了人工智能。所有這些線上的電子商務公司、內(nèi)容公司，如果不和人工智能結(jié)合，就一定會落后。

人工智能在絕大多數(shù)虛擬的、線上的，和數(shù)據(jù)、搜索、內(nèi)容分發(fā)、廣告相關領域，已經(jīng)扎扎實實的落地了。如果還聽到有人說人工智能落地很難，你可以告訴他，Google、百度大量的營收都是從人工智能來的。只是今天的人工智能還有一點點局限在虛擬世界里。

從虛擬世界，擴展到同樣擁有數(shù)據(jù)資源、同樣在虛擬世界里運營業(yè)務的其他領域，仍然存在剛才說的2B端的領域壁壘。比如說同樣是算法推薦技術、機器學習技術，用到在線領域可能相對容易一點，用在銀行大數(shù)據(jù)領域，就要熟悉銀行的業(yè)務；用在金融的量化交易領域，就要熟悉量化交易所需要的交易規(guī)則。我們會看到，人工智能必將從互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)領域慢慢向其他業(yè)務端移動。移動的指標，只不過在于它是不是具備了完整的大數(shù)據(jù)流程。

階段二：會稍晚一些。我們的判斷是會花2-3年或者3-5年的時間。這是人工智能從虛擬世界（線上）向現(xiàn)實世界（線下）不斷擴展的階段。比如現(xiàn)在所有做安防的公司，依靠人臉識別、形體識別，從個人身份識別完成安防體驗的公司，他們其實已經(jīng)通過傳感器，為線上和線下的溝通構(gòu)建渠道。

以后這樣的傳感器會越來越多，把線上的數(shù)據(jù)和線下的業(yè)務場景聯(lián)系起來，把線下人物實體、事物實體、聲音實體轉(zhuǎn)換成數(shù)字化線上信息，反饋給線上，形成這樣一個閉合流程以后，再各個不同的行業(yè)會建立越來越多。

比如我們最近還在聊一個完全線下的、跟倉儲和海運相關的項目。我們建議他們在很多地方放不同的傳感器，收集這些純線下的數(shù)據(jù)和信息。當這些線下的信息匯總到線上之后，我們可以用類似搜索引擎和廣告推薦的機器學習算法，來解決他們原本在線下的業(yè)務問題。這是我們認為人工智能在產(chǎn)業(yè)落地的第二階段。

階段三：人工智能在產(chǎn)業(yè)落地的這個階段，就會從全面的線上轉(zhuǎn)向全面的線下，通過不斷的發(fā)展，讓我們生活中的每一個地方都充滿人工智能，包括無人駕駛對所有產(chǎn)業(yè)的改造。按我們的想法，無人駕駛永遠是所有人工智能產(chǎn)業(yè)的領頭羊。這個領頭羊不僅僅解決造汽車和需不需要司機的問題，它應該會像汽車產(chǎn)業(yè)那樣，徹底的顛覆整個人類的衣食住行等很多方面。

當無人駕駛充滿這個城市的時候，城市的交通改造就會是一個非常大的項目。城市智能化的停車，需不需要那么多停車場，城市的共享經(jīng)濟應該怎么構(gòu)建，甚至城市的人口住在哪里、工作在哪里的重新規(guī)劃，都會成為非常大的課題，支撐巨大的產(chǎn)業(yè)。

今天無人駕駛還停留在L2、L3這樣的階段。很多從事無人駕駛的創(chuàng)業(yè)公司還只是盯著產(chǎn)業(yè)中間的某個細分環(huán)節(jié)，例如有的在做感知，有的在做決策、控制，有的專做傳感器，甚至有很多公司專門在做高精度的無人駕駛地圖。

基于今天的發(fā)展，未來必然會進入整合階段。到了那個階段，才會產(chǎn)生L4或者L5、真正實現(xiàn)所謂全功能、全天候的無人駕駛技術。

現(xiàn)在展示的這張圖，是創(chuàng)新工場根據(jù)人工智能三階段發(fā)展的劃分來定義，現(xiàn)階段三到五年，五到十年，在十年后我們的投資重點，我不細講所有的領域，我只是在講我們今天可能投資的有金融行業(yè)的人工智能、無人駕駛方面人工智能，我們也投資了一些跟教育相關的人工智能。

未來在2-3年、3-5年內(nèi)，我們會把這樣的落地擴展到更多的領域，例如醫(yī)療、在線教育領域的人工智能深化，以及具體行業(yè)解決方案的人工智能，包括剛才講的海運業(yè)、零售業(yè)，甚至包括礦產(chǎn)、物聯(lián)網(wǎng)里的人工智能。這件事是由時間曲線慢慢推動的，我們不會急于現(xiàn)在什么領域都投，什么方式都參與，而是根據(jù)技術發(fā)展的客觀規(guī)律，以及人工智能在不同領域、不同階段落地的先后關系，做出我們的投資決策。

創(chuàng)新工場的人工智能戰(zhàn)略包括兩個部分。

第一部分：創(chuàng)新工場這7年一共投資了300多家企業(yè)，其中人工智能技術驅(qū)動的，或者以人工智能技術為導向的企業(yè)有30多家，占投資總數(shù)的10%左右，我們會在人工智能投資領域繼續(xù)布局、繼續(xù)深入跟進。

第二部分：因為今天人工智能面臨的問題，比如科學家創(chuàng)業(yè)的難題、人才培養(yǎng)難題，以及人工智能在不同行業(yè)落地的難題。我們創(chuàng)立了創(chuàng)新工場人工智能工程院，從Google、微軟、Twitter吸引一些真正做人工智能的一線工程技術大牛，第一個目的就是培養(yǎng)人才，我們在學校大量招聘畢業(yè)生、實習生。

這個訓練營對學生完全免費，會提供教師資源、課程資源、導師資源，包括非常充裕要多少有多少的GPU資源和辦公資源。

上個月消息發(fā)布后，收到來自全國頂尖高校的600多份申請，最終從中選出30個學生進入訓練營。

未來，我們也會面向科研界、學術界，發(fā)布專門用于科研的數(shù)據(jù)集和輔助的科研資源，為科研發(fā)展、學術發(fā)展投入我們的力量。

與此同時，創(chuàng)新工場人工智能工程院也在積累我們的技術。針對一些前沿的論文，例如強化學習、遷移學習，以及前沿的自然語言處理方面的應用，我們也慢慢把它們轉(zhuǎn)化為可以實際落地的產(chǎn)品技術。為什么叫工程院？就是因為我們在做的是扎扎實實的和工程有關的事情。

所以，未來從這些技術、產(chǎn)品里，也許可以孵化出一些新興的人工智能創(chuàng)業(yè)公司。

簡單的講，創(chuàng)新工場的人工智能工程院的使命，就是培養(yǎng)人才、孵化技術和產(chǎn)品，未來有可能成為一個公司，或者人工智能的孵化器，這是我們對創(chuàng)新工場人工智能工程院的基本定位。

以上就是創(chuàng)新工場在人工智能方面的基本布局，謝謝大家！