智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業軟件
回放
預告
品牌
其他品牌
馬化騰：人工智能四要素中首先要解決場景問題
一、為什么要關注AI
去年AlphaGo打贏了人類世界的圍棋，大家都開始關注人工智能了。
我93年畢業的時候，也有一波人工智能熱。所以當時我的畢業論文寫的是股票分析軟件，其中有一個模塊是用神經網絡算法預測股票的走勢。現在聽起來好像有點可笑，但當時好像是很有道理的，用人工智能來模擬人的心態以及對市場的心理壓力的變化，但很快發現這并不靠譜。
二十多年過去了，當我看到了谷歌收購Deepmind后公布的論文，講了深度學習在圍棋中的應用，并開發了AlphaGo。它帶來的震動在于通過深度學習可以在某一個垂直領域讓機器自我學習，能夠在它的強大計算后端自己和自己訓練，自己還能找出很多規律。
當AlphaGo出來以后，實現了對人類認知范圍極大的擴張，這給我們很大的啟示。在圍棋以外的很多領域，比如金融、醫療、病理的檢測，如果用計算機后臺做出模擬器？我相信通過充分的嘗試，就如自動駕駛一樣，模擬做各種各樣的反饋，機器自然會琢磨出一套理論和經驗。如果以后在更多領域能做出模擬器，定義參數自己學習，找到規律的能力將遠超我們的想象。
人工智能要取得突破性的進展，我期待有本質性的飛躍，比如發現飛機的空氣動力學、流體動力學和鳥是不一樣的。仿生是某些垂直的領域，可以通過各種參數訓練的。
下一步到通用的，再下一步是不是能發現更本質性的原理，智能其實可以超越現在碳基智慧？是不是有其他的元素可以形成更的生命和智慧？這超越了人類現在發現的知識，但這是有可能的。甚至有人還突發奇想說我們現在認識的宇宙就是高智能的生命，用他的量子計算機模擬出來了環境，我們的一切都是模擬出來的，這也是有可能。
二、人工智能發展的四要素
我們具體來看，現在人工智能領域應該關注些什么：
1、場景
未來互聯網發展，一個要素是「場景」，或者我們稱之為「戰場」，再通俗一點就是「市場」，我覺得這是關鍵的。去思考把技術應用在什么情景下，是不是高頻和用戶接觸？研究院、研發團隊，如果沒有場景落地、平臺業務支持，基本上很難往下走。
從性的角度來說，計算能力和大數據都是可復制的，但是市場和人才是的，我覺得這是一個核心點。就好像今天BAT三家分別在社交、電商和搜索有各自的主戰場和場景；滴滴、摩拜有交通出行的場景；微信、支付寶有支付場景；新美大、58，有日常生活的場景和使用習慣。
有了這樣的戰場，未來人工智能時代，我們就可以借助新技術，從而把握先機，否則的話，你空有技術、空有數據是遠遠不夠的。你提供給誰？通過什么渠道給用戶呢？所以關鍵的還是場景。有了應用場景，數據自然會產生，也會驅動技術發展，人才也會隨之而來。
2、大數據
一個平臺、業務部門里有大量的實際運轉數據產生，但這當中有很多是垃圾數據，沒有標簽、沒有人去規劃定義、AI也無法學習，哪怕能學習但也有走火入魔的危險。這里面數據的清洗、標簽化難度相當高，比較笨的方法就是用人力去清洗干凈再讓AI去學，這個過程是人機混合的過程。
我們觀察到很多AI的大佬們，更關注怎么落地，怎么把畢生的研究成果體現出來。我們公司內部的BG之間也在溝通微信、手機QQ的數據能不能用？內部人員也很希望近水樓臺先得月，數據在身邊流動為什么不讓人先研究一把，所以現在我們處在內部怎么把數據分享出來的階段。
還有一方面，用戶關注個人因素，就是你不要把我的數據都賣了。這里就關于個人信息安全和個人隱私的問題，如果數據不進行脫敏，我們也是不能用的。只有先進行脫敏處理，沒有人能夠通過數據倒推到某個人，這樣處理干凈才可以談下一步。
數據要什么模式，清理做什么標簽才能給其他的部門，包括外部合作伙伴怎么用？同時也有很多的數據是來自于合作伙伴或者業界的其他公司，他們也遇到這樣的問題，拿到一堆裸數據不知道怎么用。所以，業界要形成一個標準的互惠互利，走完這個路徑還要很長時間。
3、計算能力
這里指的就是云資源，「云」是人工智能的強載體，我在很多場合提到，傳統企業的未來就是在云端用人工智能處理大數據，聽起來有點拗口，就像是能用短一句話把熱的詞裝在一塊，但是實際上它非常有道理。云、大數據、人工智能是不可分割的。
「云」可以提供海量的數據和強大的計算能力，也是我們目前進行人工智能研究的一個必不可少的強載體。大家看到我們的圍棋AI——絕藝，其后臺部分全靠騰訊云的支持，如果沒有龐大的云計算能力，是不可能實現這種人工智能計算的。
「云化」談了很多年，但是現在越來越清晰了。很多企業原來是很保守的，希望把數據放到自己的內網上，不想公開。但是我覺得這個狹隘的思想已經過時了。這和過去發明了電一樣，要想每一家不用公共的電網，而是在自己的家里搞一個發電廠，這是不可能的。
過去把用電量作為衡量一個工業社會發展的指標，未來用云量也會成為衡量數字經濟發展的重要指標。我們用電能來對比「云」，電帶來了上一輪的產業革命，而新一代信息能源將會帶來新一輪的產業革命。
我觀察到企業向云端遷移的速度在加快。在互聯網女皇Marry Meeker的研究報告中提到，傳統數據中心的份額在下跌，更多的份額轉向云形態的數據中心。去年這個份額接近五五開，我們相信今年或明年，「云」的比例會超越傳統的數據中心。
我想在「云」還沒有發展得非常成熟的時候，人工智能可能還有很長一段路需要走，甚至未來包括量子計算、量子通信等技術發展成熟之后，才會對人工智能的發展有更大的促進。
4、人才
大家知道斯坦福是硅谷創新的發源地，很大的特點就是把科技和商業有機地結合在了一起，我覺得這是非常值得尤其是中國去學習的。
雖然說中國沒有像國外的斯坦福、哈佛這樣的私立學校，更多的還是公立學校，但是我們還是做了很多創新的嘗試。騰訊和清華很早就成立了一個聯合實驗室，近期也轉向研究人工智能。我們希望通過不斷地嘗試來促進科研和產業界結合與創新。
我想說在如今的環境下，產學研需要有一些創新的生態。一年前我參加了香港的Hong Kong X，我們感覺到產學研結合應該是大有可為的。我們希望依托香港的化和高校資源，依托粵港澳大灣區有智能制造、人才和生產基地的大環境，做一些事情。
有人給我介紹說，國外在產學研方面有一些新的變化，比如說在波士頓附近有一個奧林工程學院，這個學院很特別的，學生一進來就打破傳統院系專業，通過跨界融合的方式與企業合作，讓學生通過做項目的方式將理論和實踐結合起來學習。
另外，MIT近也有一個叫「引擎」的計劃，通過一些學校的基金，鼓勵學生把想法變成一個現實，把一些樣品變成商品，這是個新的趨勢。
三、大風口
我上面說過，未來所有企業基本的形態就是，在云端用人工智能處理大數據，這是一個大方向。在這個方向上，我更加關注我們在人工智能方面能做什么。
首先，在工程上，圍棋AI實現了圍棋算法可以打贏世界，除此之外，在醫療方面，可以用人工智能處理醫學影像，比如對食道癌進行早期篩查，還有肺的切片、乳腺癌，還有很多需要醫學影像分析的領域。通過深度算法，相信AI未來在醫療領域還是可以起到非常大的作用。
其次，人工智能還可以運用到金融等領域，還有我們所理解的機器人，以及日常生活中的、商業中的方方面面，我覺得這是一個大的趨勢和潮流。
后就是云。在云端怎么更智能、怎么用大數據，這是一個大的風口，但是現在到了一個關鍵的時間了嗎？我覺得還需要很多基礎的東西，包括算法。AI談了幾十年也是在這一年才有這么大的突破，這之后就已經可以很簡單地應用在各行各業了嗎？我覺得未必，這當中差得還是很遠的。
像是視覺識別，一個機器怎么可以識別現在眼前發生的一切都還差很遠，更不要說再下一步復雜的操作，但是這無疑是一個很大的方向。我覺得現在所有互聯網公司都一定會在這方面結合自己的優勢和人工智能做一些探索，這也會類似移動互聯網一樣，是一種新的技術，它可以應用在各個領域。
移動互聯網剛來的時候，不會一家公司剛看到了這個方向，接著移動互聯網機會就全部被拿掉了，因為它還是分很多層次和層面的，我相信人工智能也是這樣。
(原標題：馬化騰：解決了AI場景，數據和人才都不是問題 本文發于捕手志，素材來源于中國IT峰會、中國數博會；經億歐編輯，供行業人士參考。)
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
