當然未來也可能是 AI 養活全世界，我們也許都成為 AI 的寵物，在家里戴著 VR 頭盔玩游戲。機器會不會有自我意識，會不會取代人，會不會成為物種，雖然未必不可能，但這些是未知的。

　　很不幸的是：我們科幻小說看多了。

　　“AI 新物種”、“取代”、“奴役”，這些當然可以想像，但有更多必然的、有意思的問題，更值得我們去思考。

　　AI“低處的果實”還沒摘完

　　人工智能有很多學派。符號學派、連線學派等等。但是除了深度學習，其他方法經過多年驗證，是不太有發展的。

　　模擬人的分析方法，希望把 AI 變成一個規律和專家系統，過去 50 年已經證明了這個思路不行。當然也許某天會有突破，但是直到那天為止應該是不行的。

　　就我自己的背景來說，在 1988 年，我就開始做語音辨識。當年第一套系統就是用完全機器學習的方法來做的非特定人類語音辨識。

　　現在看起來這是一個特別小的方法：世界上有一個人能夠從紙上讀出語音，我的老師就要把這套方法變成一套專家系統。

　　當年讓我很堅定地認為：機器的構造跟人腦、人的思維方式其實是不一樣的。我們硬要把 A 放到 B 其實是很困難的，就像我們無法逼自己變成一個深度學習者，去解析事情──我們腦子思維就不是那樣的，是不自然的。

　　用腦科學的方法制造人工智能，是一個未知的領域。未知的東西有它的魅力，你要做研究就要做未知，你要有了突破那就是創新。在學術領域你做每一件事情的衡量標準是：我要做別人從來沒做過的東西。我們可以假設腦科學跟未來的 AI 是相關的，我們可以去證明這是或不是。但是從投資的角度來講，押注的風險就太大了。

　　當年深度學習也是因為資料不足，碰到了瓶頸。但近年我們看到有好幾個特別大的變化：

　　第一個就是特別大量的資料在某些網域開始產生，而且我覺得我們目前還沒有用完。

　　第二個就是 GPU 的使用讓我們能夠更高效地、非常快速地做深度學習。

　　現在我覺得，所謂的深度學習的果實還遠遠沒有摘完。人工智能用軟件來說百花齊放，一顆顆大果實就在你面前。在這種情況下，你還要去種花，何必呢？

　　我們把 GPU 和海量資料在全世界掃一遍，應該還夠我們 VC 界吃個 5 年，所以從投資的角度這是非常清晰的事情。

　　再往下走，我覺得 AI 肯定不是只有深度學習。例如現在還有增強學習的方法，也在探索。AlphaGo 里面也不是只存在一個方法。所以我覺得學術界其實應該開始幫助和探索更多可能性，當我們把這 2 年的糧食吃完后，也許會有更好的機會。

　　我沒有 AI 宗教信仰

　　當然未來 AI 也可能沒有進一步的突破了。

　　如果沒有的話，那就說明 AI 的黃金時代過去了。下面就是物聯網或其他什么的。身為投資機構，我們并沒有一種 AI 宗教信仰，我們還是要掌控靈活度。

　　就像移動互聯網時代，當時我們應該是業界最高調的移動互聯網 VC。但隨后我們根據情況做了調整。

　　如果學術界跟產業界有合理的分工，我對未來 5 年投資界和產生的價值非常樂觀，對于所謂 AI 泡沫我認為不會發生。當然有個案會是泡沫，但是我認為能吃的糧食實在是太多了。

　　學術跟產業的分工大概是這樣：

　　一方面是一個天然有機的分工；

　　另外一方面又有一點羨慕嫉妒恨。

　　一般來說學術界看不起產業界，但在某個時刻突然產業界一個技術成熟了，在這個技術上學術界就做不到產業界的成就了。于是學術界就被逼去做新的東西。例如現在再做人臉辨識，學術界已經打不過產業界了。所以在人工智能領域，很少見到一個老教授一生只研究一個命題。

　　AlphaGo 本身沒有商業價值

　　AI 會帶給我們什么價值呢？

　　我想先說說 AlphaGo。之所以 AlphaGo 如此引人注目，很大程度上是因為我們這樣的專家把它講得太懸疑。

　　之前我覺得圍棋比西洋棋至少難 10 年或 15 年，但后來結果證明我過于悲觀了。我過于悲觀其實有很多理由。我當時認為圍棋要比西洋棋難了一個天文數字，但天文數字也是數字。