国产精品看高国产精品不卡-国产精品看片-国产精品蝌蚪-国产精品狼人久久久久影院草久久一区二区三区午夜亚洲福-国产精品老熟女视频一区二区-国产精品理论片

 文丨付媛媛   編輯丨鹿普禾

來源丨首席數(shù)字官

“人工智能是建立在已經(jīng)形成數(shù)字化轉型之上的應用，它不能促成企業(yè)數(shù)字化轉型?！苯?，【首席數(shù)字官】獨家專訪了星瀚資本創(chuàng)始合伙人楊歌。他認為，目前企業(yè)的數(shù)字化轉型主要是處于信息化到數(shù)據(jù)化的標準化過程，而促成企業(yè)數(shù)字化轉型的是能夠有效的利用互聯(lián)網(wǎng)大數(shù)據(jù)，使企業(yè)從經(jīng)驗化管理變成數(shù)據(jù)化管理，這個過程跟人工智能無關，只是人工智能的前提條件，不能因果倒置。

在人工智能的風口，楊歌認為2018年的人工智能整體仍處在瓶頸期，人工智能在行業(yè)中的應用一定是先To B再To C的，并從應用層和理論層指出了人工智能面臨的最大障礙。

▌人工智能在2018年正處于低谷期

從2016年到2017年中，是人工智能變得炙手可熱的階段，但是2018年人工智能在整體上放緩了發(fā)展的腳步。人工智能的Gartner曲線顯示，技術跟人一樣有自己的生命周期，會出現(xiàn)波峰波谷的階段。楊歌認為，人工智能在2017年上半年是處于Gartner曲線的頂峰，2017年中期開始下降，2018年中已經(jīng)到了Gartner曲線的谷底。

歷史上，人工智能曾經(jīng)有四次到五次波峰，而2018年正是人工智能逐漸走出人們視野的階段。對于一些人工智能創(chuàng)業(yè)的企業(yè)來說，當Gartner曲線到達波峰的時候，他們也進入到穩(wěn)定發(fā)展期，大量從業(yè)者一起炒人工智能的概念，但是當Gartner曲線到達波谷的時候，大家對短期炒作這個概念失去信心，就都褪去了，所以現(xiàn)在就是典型的波谷期。

▌中國的人工智能在全球具有領先優(yōu)勢

雖然2018年的人工智能發(fā)展勢頭較為平緩，但是整體來看，中國的人工智能從底層芯片到模塊研發(fā)再到上層應用在全球還是有領先優(yōu)勢的。和美國、以色列、日本相比，中國之所以發(fā)展迅速，是因為從事軟件研發(fā)、數(shù)據(jù)研發(fā)、算法模型研發(fā)以及人工智能開發(fā)的人才比較多；可供訓練的數(shù)據(jù)集比較多；需求比較多。

楊歌將人工智能分為三個層次，底層的基礎需求物理層，中層的技術模塊層和上層的實際應用層。并從這三個層次講解了人工智能在中國發(fā)展的現(xiàn)狀。他認為，目前底層的基礎需求物理層和中層的技術模塊層在中國的發(fā)展速度比較快。

底層的基礎需求物理層包括芯片、數(shù)據(jù)存儲、數(shù)據(jù)傳輸、人工智能框架等。其中，中國的傳統(tǒng)通用芯片和世界領先水平還有一定的差距，而對于人工智能芯片來說，是重回原點賽跑的過程，研究最基礎的集成電路，然后進行規(guī)?；纳a(chǎn)。有很多的場景可以應用，所以，人工智能芯片擁有很好的市場。

對于人工智能框架來說，因為國外的開源框架比如谷歌已經(jīng)具備一定的領先水平，所以使用國內人工智能技術框架的人就比較少，從而導致迭代速度比較慢，所以人工智能框架在中國沒有明顯優(yōu)勢。

中間技術模塊層包括語音語義識別，圖像識別和運動機能識別，中國在這個層次處于世界一流水平。比如中國軍方在運動機能識別方面的發(fā)展，可以和波士頓動力相媲美。語音識別的發(fā)展速度也比較快，而語義識別要達到非常強的魯棒性和容錯性還具有一定的難度。

目前，中間技術模塊層在市場上處于穩(wěn)定發(fā)展的階段，比如科大訊飛在語音語義識別方向，波士頓動力在運動技能識別方向，F(xiàn)ace++和商湯科技在圖像識別方向。但是還沒有能夠確立市場標準型模塊的企業(yè)。

實際應用層相比美國來說還是比較落后的，一個重要原因是民眾對于人工智能的理解不夠深刻。因為應用層是以需求為導向的，而中國民眾對智能化和人工智能的認識有一定差距，大家對于機器人的概念過于理想化和玩具化，并不理解背后的深度和難度在哪里。機器人最重要的是它的芯片和算法能力，但是大眾人群更在乎表面化的形象。

楊歌認為，波士頓動力的機器人是在人工智能應用層上的優(yōu)秀產(chǎn)品之一，2018年10月，波士頓動力宣布把運動機能模塊平臺化，標志著運動機能模塊，進入了一個比較成熟的階段，為機器人行業(yè)的發(fā)展提供了不少便利。

目前，人工智能在市場的應用更傾向于To B，人工智能To C對于情商的理解要求比較高，對于人工智能的擬人程度要求也比較高，所以To C的難度非常大。楊歌認為絕大多數(shù)技術在問世的過程中都是先To B再To C的，而人工智能選擇To C市場是一個錯誤，應該選擇To B市場。

▌人工智能發(fā)展困難重重，未來趨勢并不明朗

1. 應用層

從應用層面來講，人工智能應用的最大阻礙是Common Sense。所謂Common Sense就是人工智能模擬器對于人的情商的反饋。

以一個典型人工智能應用場景為例，當用戶以一個電影角色進入到游戲當中，看到一個AR的世界，可以和所有人進行溝通，但是其實除了自己之外都是機器人，在這個過程中，我們會發(fā)現(xiàn)游戲的劇情比較好做，困難的是每個機器人的情感真實度，比如溝通交流時的反饋。 

對于人工智能來講，現(xiàn)在最難的一點是特殊場景的適應性，也叫魯棒性和容錯能力。智能駕駛之所以到現(xiàn)在為止不能上路應用，最主要的問題是道路交通的實際情況比理想情況復雜很多。

人工智能目前在很多行業(yè)、場景里的適應性都不夠理想。需要大量數(shù)據(jù)的積累，然后對計算機進行綜合的考量，提升Common Sense。但是現(xiàn)在很多特定模式的理想情況下的試驗非常完美，但是一到真實情況就會出現(xiàn)差錯。比如說一個智能家用的保姆機器人，沒辦法在停水的時候解決做飯的問題。 

楊歌認為訓練金融數(shù)據(jù)、企業(yè)資源數(shù)據(jù)、物流數(shù)據(jù)等，是現(xiàn)在人工智能應該爆發(fā)的點。而人工智能本身作為數(shù)學算法的一種形態(tài)，從理論上是比較成熟的，但是在應用上還不夠成熟，應用場景里的特殊性和偶然性是人工智能現(xiàn)在無法駕馭的。

2.理論層

衡量人工智能是否能在行業(yè)里應用的關鍵因素在于，能否通過圖靈測試。所謂圖靈測試是衡量人工智能是否能夠到達應用水平的重要測試。如果在日常的對話場景里，人工智能可以真正的代替人，這就叫通過了圖靈測試。比如跟李世石和Alpha Go分別下一百盤棋，而分不清哪個是李世石，哪個是Alpha Go，這就說明人工智能在圍棋這一垂直場景中，通過了圖靈測試。

基于圖靈測試，還有一個旁系理論，叫做恐怖谷理論。當某一個東西還沒有通過圖靈測試，或者已經(jīng)接近圖靈測試的時候，會讓人產(chǎn)生毛骨悚然的感覺。比如一個人形機器人的各方面舉動都跟人很相似，超過一個臨界點，判斷不出這是人還是機器的時候，人類對機器人的好感度曲線就會突然下降，直至谷底。

如果人工智能可以順利通過恐怖谷，就可以真正開始應用。但是現(xiàn)在的技術水平，離通過恐怖谷至少還需要十年以上的時間，在楊歌看來，現(xiàn)在的人工智能還屬于高級智能玩具階段。

對于2019年人工智能的發(fā)展趨勢，楊歌認為2019年不會有特別大的變化，因為人工智能是一個慢工出細活的過程，需要五到十年的周期。人工智能的發(fā)展需要一個爆發(fā)性的事件來推動，比如波士頓動力將運動機能模塊平臺化，當平臺化量變形成質變之后，就會產(chǎn)生整合商，人工智能的整合商將會推動機器人的發(fā)展。