[回顧]人工智能的發展現狀和前景

授課師資

楊慧

TalkingData CEO助理，TDU執行校長。中國人民大學商學院企業管理系2010級管理學博士，香港中文大學管理學系博士後，研究方向為戰略管理、公司治理。曾先後供職於德電咨詢、埃森哲（中國）有限公司，方向為TMT行業戰略咨詢。楊慧博士多年關注互聯網領域，曾參與國家科技部商業銀行信息科技風險監管支撐計劃。她在研究期間，走訪了包括騰訊、網易、易車網等多家互聯網企業採訪中高層人員。目前她在此領域的出版物有《互聯網時代的新創客》，《互聯網時代·新戰略全景-New Strategic Landscape under Internet》以及《體驗互聯網新思維》。

11月9日的微課邀請到了TalkingData CEO助理，TDU執行校長楊慧和大家一起討論大數據領域中人工智能的發展方向。分別從人工智能市場發展，大數據與人工智能的緊密聯繫，行業前景與企業玩家分類，未來人工智能的發展趨勢及對策幾個角度進行探討。

人工智能市場發展

人工智能發展的歷史可以分為三個階段，技術驅動階段、數據驅動階段、情境驅動階段。在技術驅動階段基本算法的發展，成為了推動人工智能進步的最大動力。尤其是在1956年著名的達特茅斯會議之後，人們對於算法程序語言的開發投入了極大的熱情，掀起了人工智能發展的第一波高潮。

數據驅動階段是數據推動人工智能更新迭代的一個階段，在這個階段里可以獲得並進行分析的數據成量級的，成幾何級數的增長，不僅提高了大量數據的計算能力，使人工智能的大規模運算成為可能，並且反過來倒逼了數據的采集，清洗和積累，以及相應的軟硬件設施的發展，推動了整個大數據行業的騰飛。值得提起的是像思科、IBM這種大公司在這個階段發揮出了規模的優勢，訓練數據的獲取和積累成為了推動人工智能這第二步發展的主要的動力。但是也可以看到，實際上這一波發展也是因為一些存儲設備硬件的發展高度的集成化所帶來的。

在情境驅動階段技術進一步的推動了創新，並且人類把AI的發展從特有性目標推到了通用行為目標，這個階段是情境來推動物質，能深入到更具體的應用的。隨著人工智能技術發展和數據的積累，行業逐漸發現短期內通用智能和強人工智能有把數據分布成情境化的特性，這使得人工智能在特定情境下的垂直發展成為了可能。我們現在看到的大多數人工智能，其實是情境化的垂直型的。比如說自動駕駛汽車、人類識別、智能投顧，實際上都是在特定的某個使用情境里的人工智能。

縱觀人類社會與大數據行業和人工智能的行業的發展，可以發現一個規律，大數據行業和人工智能行業之間，其實是同生同長的一個關係，每一波人工智能行業的成長其實背後都是大數據行業成長在起到一個決定性的作用。

根據ABC最新的一份全球半年度的認知和人工智能系統開支指南，人工智能解決方案的市場在2016年到2020年預期內的符合年增長率將達到55.1%，認知計算和人工智能在各行各業中的廣泛應用，將推動起全球收入從2016年的近80億美元增加到2020年的470多億美元。各家研究機構對於人工智能市場普遍抱以樂觀態度。

當前AI產業布局

硬件技術主要是以一些前置性的計算晶片廠家為代表，比如英特爾、寒武紀、地平線機器人，它們使得數據的前置處理成為可能。數據收集的入口，極大程度地減少了後期處理的複雜程度。圖像或者聲音在硬件端就能夠得到結構化的這處理，便於後期進行分析。在硬件技術中主要接觸的是一些在人的理解和分析的層面無法去直接進行處理的數據，比如說人在進行圖像處理的時候，沒有辦法同時看一百萬張圖片，但是機器就可以幫我們，從這一百萬張圖片里面去挑選出擁有我們定義的特徵的圖片，例如暴力，色情圖片的尋找。

分析類的人工技術主要指進行數據訓練，提供算法的服務類的公司。它被稱為應用類的人工智能技術，當數據采集分析完畢，變成了一個結構性的數據集下，接下來跟實際的商業里面的應用情境結合起來，讓它能夠直接的自動化幫助人們去解決一部分問題。

應用建模主要也是比較有情境化的場景，包括虛擬助理，應用層的機器學習，應用層的計算機時間，推薦引擎，手勢控制，語音翻譯。智能機器人技術是這個層面主要的核心技術。

AI發展面臨的四個痛點

1、缺少訓練數據

雖然已經積累了大量的數據，但是平均到每家企業來說，可以獲得的數據來源還比較單一。由於商業競爭中存在壁壘，這些數據之間很少能夠形成交叉，但同樣一條數據所包含的維度越多，那麼這條數據的價值在越多，能夠形成的因子更多，所以為了滿足這個數據的多元性，企業不得不求助於建立一個數據生態，豐富培養人工智能所必要的訓練數據的來源。

2、缺少比較情境化的應用

這是因為能夠被采集到的數據量占人類生活中所產生信息量的10%左右，在這其中能夠被分析的數據更是少之又少。這些數據大部分都沉浸在情境中，所以這對計算能力提出了更高的要求，而且對於用合適技術轉化成可分析的數據也提出了更高的要求。

3、是商業化路徑比較遠

目前來看大多數的人工智能企業還是處在一種叫好不叫做的階段。雖然看上去比較酷炫，但是實際上能夠落地的企業落地的情境少之又少。更多人工智能的發展還依賴於國家技術、軍備戰略的推動和資本的推動，真正能夠做到自主造血能力企業幾乎沒有。

4、通用性人工智能還很遠

科幻類電影中那些有情感，能夠獨立解決問題，能夠識別甚至預測人類社會發展的人工智能叫做強人工智能。雖然AI的應用使一些人物變得自動化，但是人類判斷全部交由算法負責，這種情況幾乎不可能發生。更現實的方法是可能是使用數據科學和數據工程，不斷的完善和提升人類判斷的質量和速度。

AI對人類社會的影響

人工智能對整個社會的發展來說是一種賦能的因素，它對人類社會的影響，本質上來說是對效率的影響。人工智能改變了生產工具，提高了生產效率，形成了新的生產關係。隨著人工智能發展我們進入了一個新的競爭時代，這叫智能數據時代。在這個新的競爭時代里，我們需要遵循的是新的競爭反噬。這里提到了一個重要的概念叫智能數據，不同於傳統的數據，這種智能數據就是添加了人工智能和人類智慧的這個數據這個名詞的出現，結識了數據人和人工智能，或者說我們說機器，這三者之間的遊戲的聯繫。這種有機的聯繫能夠賦予數據更多的價值，賦予數據心智。

數據、AI以及人類智慧的關係

人的智慧人工智能與數據之間其實起到了一種關鍵的調節作用。人用自己的智慧去訓練和監督人工智能，幫助人工智能更快更聰明的解決問題，比如說Google在語音識別領域取得了很大的突破，但是這背後的原因是Google建立了幾十億音頻的數據庫，而且重要的是用人類的智慧去對這個數據進行標註，所以算法才可以去識別。過去的幾十年里是花了大量的時間去標註這些圖像，這個圖像是貓，那個圖像是狗，我們才能在這個圖像里面去切割識別出各式各樣的物體。

因此，在這樣一個智能數據時代，只有有機的結合這三者，並且利用了這三者各自的價值，站在新的時代獲取這個優勢。這樣的新的商業性的范式我們可以用一個公式來表示我們稱之為智能數據時代的貝葉斯法則，也就是說商業價值的獲取需要數據和人工智能，並且人的智慧三者一起才能夠形成。

數據本身沒有意義，AI本身沒有智慧，是人讓其有了一有了智慧，所以我們可以說無數據部AI ,誣告人工智能數據為本AI是核心人是關鍵。

AI行業全景

人工智能企業的縱向上發展是基於技術發展打通的，在橫向發展上常常覆蓋的是一些數據準備度比較高的行業，比如說金融醫療交通指的生活和製造等等。

AI企業玩家分類及速贏策略

速贏，就是占領整個市場，並且快速形成壁壘。硬件驅動者的速贏關鍵的就是它的硬件集成性，計算能力和一體化的能力，比如說GPU的計算能力是毋庸置疑的，如果深度學習，沒有GPU的計算加速就會不會發展得這麼快，為了在市場上占有一席之地，各大硬件廠商會爭相推出適合集體學習的硬件設備。

1、入口占有玩家

典型的傳統互聯網行業，它們是把握數據供給和需求的端口類企業，這類企業的這個速贏關鍵因素是數據和需求的差距和采集。每個行業都會生產出不同類型的數據，但是數據類型單一，數據缺乏系統治理，無法形成數據資產，所以在企業應用數據的過程中不可避免地需要各種外部數據，這就產生了數據的需求。它們應該著眼於數據的治理和收集，對每個行業的數據需求進行合適的理解，並且針對這些理解進行數據的分析，構建一個數據市場，資產積累到一定程度就會形成壁壘，掌握上下遊玩家的數據流向。

2、算法服務提供玩家

由於開源社區的活躍，算法本身實際上已經沒有辦法形成較高的競爭壁壘了，很多開源算法包其實已經能夠滿足大部分用戶的需求，這些企業現在生存是比較尷尬的，所以它們應該盡快的去找到一個比較垂直性的行業或者是情境，來優化和提高這些算法的效率。有些平台可能會讓自己的算法科學化，把自己的研究的算法放到這個平台上，按照使用者的這個調用的次數來進行收費，而且算法科學本身就是數據科學，這種人才是非常緊缺的，所以企業最後往往是通過人才服務的形式來進行變現。

3、垂直領域玩家

是指在某一個行業或者某一個智能化應用的領域垂直來探索數據，並且把自己的數據運用到自己的產品終端的科技服務公司。比如今日頭條就是這樣的公司。

4、生態與玩家

是指能夠建立起跨行業、跨業態，並且能夠貫穿數據處理的生命周期的平台型玩家或者是智能數據公司。這類公司通常具備極強的平台技術能力，通過平台向合作夥伴提供數據整合能力、數據分析的算法能力，並且最終在平台上做到橫向的差異化縱向專業一體化的數據應用服務能力，它們能夠快速地建立起行業壁壘。

人工智能行業的發展趨勢

從數據流通的角度來說，人工智能行業的價值鏈會存在一個微笑曲線，數據交易市場的完善與分析算法的趨同，使得中間的這兩個環節的附加值不斷降低，而數據供給側與解決方案側就會形成附加價值最高的兩個峰值。因此占據特別的數據來源，形成數據集，將別人無法結構化的數據進行結構化的轉化。

對監管者的啟示

傳統企業會根據自身的數據結構，人工智能在業務中的實用性，選擇像項目國家或者是講師他往下轉型總監來說，在中國將會做到一大多小、兩極分化的競爭態勢。

楊瀾|冰山理論幫助我們認識自我

【發起人】

【核心價值觀】獨立、成長、豐富、平衡

— END —