“重倉”人工智能，是李開復(fù)和創(chuàng)新工場未來幾年的方向。但是，他面臨一個很重要的問題：現(xiàn)在的 AI 創(chuàng)業(yè)，核心是 AI 科學(xué)家，而“文能起筆安天下，武能上馬定乾坤”的 AI 科學(xué)家鳳毛麟角，用他的話說“該創(chuàng)業(yè)的都創(chuàng)業(yè)了”。

　　這時，產(chǎn)業(yè)在面臨一步棋。那就是：如何把一個普通的 AI 科學(xué)家變成“創(chuàng)業(yè)英雄”。

　　身為 30 年前就開始研究人工智能的李開復(fù)，覺得自己“技術(shù)味”的創(chuàng)新工場有能力推動這步棋，并且在這一步棋中獲得穩(wěn)固的戰(zhàn)略優(yōu)勢。

　　李開復(fù)表示，

　　AI 創(chuàng)業(yè)現(xiàn)在是科學(xué)家的天下，之后是數(shù)學(xué)家的天下，將來是普通人的天下。

　　以下是李開復(fù)在《創(chuàng)新工場人工智能戰(zhàn)略白皮書》發(fā)布會上的閉門分享，這里將其整理成為〈李開復(fù)：AI 創(chuàng)業(yè)的十個真相〉，呈現(xiàn)給讀者。

　　AI 科學(xué)家都是超級宅男

　　創(chuàng)新工場本身主營的機(jī)構(gòu)是投資和投后的機(jī)構(gòu)，我們當(dāng)然是看項目、看創(chuàng)始人，他們有 idea、方向，我們就會用基金投資它。

　　過去的互聯(lián)網(wǎng)創(chuàng)業(yè)模式，已經(jīng)非常經(jīng)典地被“精益創(chuàng)業(yè)”說明：

　　幾個小朋友隨便做個產(chǎn)品上去，能融資就融資，無法融資就拉倒。怎么樣去惠及用戶，迭代產(chǎn)品，之后變現(xiàn)，成為經(jīng)典的模式。

　　這個創(chuàng)業(yè)的模式，紅利時代已經(jīng)過去了。當(dāng)然以后還會有，但是不會像以前那么多。創(chuàng)業(yè)的門檻大大提高了，因為人工智能是下一批創(chuàng)業(yè)方向，而人工智能創(chuàng)業(yè)里面很核心的人物其實是 AI 科學(xué)家， AI 的公司沒有 AI 科學(xué)家就沒戲唱了。

　　但是 AI 科學(xué)家往往都是超級宅男，自己宅在房間里，整天做實驗，突然你把他丟到一個殘酷野蠻可怕的世界里，他自己創(chuàng)業(yè)成功率就不是很高。

　　很多 AI 科學(xué)家這輩子從來沒想過創(chuàng)業(yè)，現(xiàn)在突然想創(chuàng)業(yè)了，然后發(fā)現(xiàn)自己長處特別長，短處特別短：

　　他也許技術(shù)很牛，但是也許執(zhí)行不夠；

　　也許他的產(chǎn)品展示起來很好，但是一做起來都是 Bug；

　　也可能他產(chǎn)品做得很不錯，但是不懂市場；

　　或者懂市場但是不知道怎么去賣。

　　尤其 AI 本身又是一個 ToB 的業(yè)務(wù)，所以不是那么容易自己做一個局。所以 AI 科學(xué)家需要懂商業(yè)的人；懂 ToB 的人，需要工程師。

　　AI 創(chuàng)業(yè)“不美好”

　　我們平時都會把 AI 創(chuàng)業(yè)講得很美好，今天我就跟大家講講 AI 不美好的地方。

　　第一個就是：AI 科學(xué)家有短處。

　　這一點剛才已經(jīng)說了，我們要想怎么幫“宅男”補(bǔ)足短處。

　　第二個就是：AI 創(chuàng)業(yè)很貴。

　　剛才講的“精益創(chuàng)業(yè)”很便宜，因為幾個小朋友不拿薪水，用零元就可以把第一個 App 推出去。

　　我們剛投資一家公司，投了 1 個月以后錢就用完了。我說你們不就 8 個人怎么錢就用完了，給了你好幾百萬元啊？但他們說，光買機(jī)器就用了 300 萬元。

　　第三個就是：AI 需要資料。

　　辨識一張圖片，最少需要幾十萬張樣本資料，甚至幾百上千萬。誰給你弄資料？

　　所以做人工智能投資有一個非常頭大的地方：一下頂尖的人就投完了。

　　過去這 2 年我們就到處去掃，從最厲害的團(tuán)隊出來的無人駕駛公司投了 2 個，沒投 2 個。然后就再也找不到團(tuán)隊了，因為有資格的人就那么多。

　　我們做互聯(lián)網(wǎng)金融，掃完以后大概投了 2 個，然后可能有 1、2 個錯過了機(jī)會，1、2 個沒投，然后就沒有了。

　　因為 AI 科學(xué)家就那么多，能夠創(chuàng)業(yè)把事情打造到一個地步的就那么多。

　　AI 的現(xiàn)狀是“僧多粥少”。大家都去搶那幾棵樹，就把樹拱到天價了。我覺得 AI 這片土地需要“施肥”，而不是搶那些非常少的農(nóng)作物。

　　所以我們成立了“人工智能工程院”。我們可能花幾千萬元把機(jī)器搞定，然后幫助 10、20 家創(chuàng)業(yè)公司；我們從各種管道拿到資料，AI 科學(xué)家可以做實驗；我們試著讓更多有潛力的 AI 科學(xué)家，能夠考慮來創(chuàng)業(yè)這條路，幫他們把可能 95% 的失敗率降低到 40%，這樣的話我們就能夠產(chǎn)生自己的價值。

　　當(dāng)然，投靠創(chuàng)新工場，我們幫你解決所有問題，也要求回報。本來可能 500 萬元占股 10%，現(xiàn)在也許給我們 15%，我們覺得這樣也就足夠了。以后如果可以打造出獨角獸，我們是有很多回報的。

　　這個工程院得到金錢回報之前，至少得花掉 2 億元人民幣。但如果是我們施肥的，想必那些“農(nóng)作物”會比較喜歡我們。

　　兩、三年之后，AI 會像 Android 一樣普及

　　長期來說，真的永遠(yuǎn)只能由 AI 科學(xué)家創(chuàng)業(yè)嗎？其實不一定。

　　任何技術(shù)都有一條發(fā)展路徑，一個很好的例子就是 Android。當(dāng)年我們跟 CSDN 的蔣濤一起做移動開發(fā)者大會。第一次大會的時候，我問現(xiàn)場觀眾：有多少人看好 Android？大概只有 5 個人舉手。我問有多少人看好 Symbian？500 只手舉起來。

　　但當(dāng)時我們堅決相信 Android 才是未來的道路，只是平臺不夠。現(xiàn)在大學(xué)里面的 Android、 iOS 培訓(xùn)課程非常普及，你如果是一個電腦相關(guān)科系學(xué)生，你自學(xué)也好，去上培訓(xùn)課也好，幾個月之內(nèi)你就可以開始做 Android 了。

　　AI 也是這樣的狀態(tài)。

　　要多久時間呢？我們大膽假設(shè)兩、三年吧。這兩、三年里，我們工程院會用一個非常獨特而有價值的方法孵化科學(xué)家。三年后平臺出來了，很多聰明的大學(xué)生可以自學(xué)。平臺、工具越來越多，AI 會變得越來越容易用。

　　以后年輕人創(chuàng)業(yè)，我覺得可能比現(xiàn)在科學(xué)家創(chuàng)業(yè)更能成功。因為創(chuàng)業(yè)需要有動機(jī)、有狼性，愿意拼命。本來就要把自己名聲、身家全部賭進(jìn)去的。

　　有資格的人 6 個月就能成為 AI 工程師，有資格的人是指：數(shù)學(xué)天才

　　一位老教授，用 30 年的功力弄出一個新演算法。這種可能性是存在的。

　　但真正能發(fā)力的其實還是年輕人。很多年輕人只是苦于沒有平臺。

　　我告訴大家一個秘密。

　　如果你是一個有資格的年輕人，我們只需要 6 個月就可以把你培訓(xùn)成為一個 AI 工程師。絕對不是你想像的 20 年、30 年。這不像材料科學(xué)家、火箭專家──這種專家真的需要 30 年功力。

　　那么，什么人有資格呢？

　　很不幸，不是所有人。“有資格”簡單來說就是：數(shù)學(xué)天才。

　　當(dāng)然，這其中也涵蓋了統(tǒng)計、自動化、電腦。中國人口這么多，光是數(shù)學(xué)天才應(yīng)該一年都要產(chǎn)生個幾十萬了。

　　假設(shè)有 10 萬個數(shù)學(xué)小天才，里面對 AI 有興趣的可能就會有 5 萬個（因為中國學(xué)生特別愿意追最熱門的東西，最熱門的定義是什么呢？很酷，能賺很多錢的）。

　　里面有 2 萬個接觸一些培訓(xùn)平臺，花了 6 個月去做，這 2 萬人里可能又有 2 千個是適合的領(lǐng)軍人物。比如說他是 AI 網(wǎng)域的雷軍、傅盛這些人等。

　　這 2 千個最終才是我們最好的投資目標(biāo)。我們的工作就是讓這些人出現(xiàn)。

　　所以短期我們是抓著科學(xué)家，再過 3、4 年我們要把這些年輕人都培訓(xùn)出來，讓他們認(rèn)知這是創(chuàng)業(yè)最好的時機(jī)。所以秘密就是：我們要挖掘中國所有的數(shù)學(xué)小天才，然后引導(dǎo)他們進(jìn)入 AI 創(chuàng)業(yè)。

　　AI 接管人類？我們的問題是科幻小說看多了

　　我們應(yīng)該怎樣看待 AI 呢？

　　有人看到 AlphaGO 戰(zhàn)勝了李世乭，瞬間就聯(lián)想到 AI 要接管人類。實際上，這其中還差十萬八千里。

　　AI 里最難的問題之一，是跨領(lǐng)域的自然語言理解。要做到這一點，需要內(nèi)文的理解、需要跨領(lǐng)域的知識，還需要人類的“Common Sense”。

　　例如我突然和你說：“中午還好沒吃漢堡，麥當(dāng)勞不好吃。”這句話所有人都明白什么意思，但是機(jī)器很難讀懂。它可以每個字都辨識正確，但仍然無法“理解”。

　　再例如：打開的熨斗不能摸，沾水的手無法碰電。這些東西不用講我們都知道。但是電腦怎么會知道這些事情呢？

　　你怎么去教電腦跨領(lǐng)域的知識？你怎么教會它七情六欲？你怎么教會它什么是美？什么是愛？什么是宗教？什么是信仰？這些東西差得還非常遠(yuǎn)。

　　揣測可能發(fā)生的事情跟確信一定會發(fā)生的事情，這兩個還是要分辨清楚。任何剛才講的 AI 無法做的事情，我們都無法揣測多久會突破。有人說 5 年，有人說 50 年，也有人說永遠(yuǎn)不會。

　　我覺得我們真正應(yīng)該討論的事情是怎么用 AI 來創(chuàng)造價值，怎么讓人類能夠消滅饑餓和寒冷，讓每一個人都能有尊嚴(yán)的活著。

　　例如，未來很多藍(lán)領(lǐng)和白領(lǐng)的工作都會被取代，也包括了記者。當(dāng)然有些深度文章機(jī)器可能過 50 年也寫得出來，但如果你從網(wǎng)上收集一些資料，例如科大訊飛發(fā)布財報，產(chǎn)品多了 30%，解析師說股票怎么樣、未來人工智能被看好什么的，這種東西機(jī)器已經(jīng)在寫了。

　　宕機(jī)器能夠取代簡單的工作時，當(dāng) 5 秒以內(nèi)就能思考完的事情人都不用做的時候，當(dāng)這么多人可能失業(yè)的時候，這些失業(yè)者應(yīng)該怎么做？我們?nèi)绾沃匦掠?xùn)練他們？孩子的教育是什么樣的？怎么讓人類繼續(xù)找尋應(yīng)該做的事情？也許造物者不希望我們做這種無聊的工作，讓我們都做有意義的事情，所以才用機(jī)器取代了我們。

　　剛才講的這些事情都是 10 年內(nèi)會發(fā)生的。

　　當(dāng)然未來也可能是 AI 養(yǎng)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(jī)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(dāng)然可以想像，但有更多必然的、有意思的問題，更值得我們?nèi)ニ伎肌?/p>

　　AI“低處的果實”還沒摘完

　　人工智能有很多學(xué)派。符號學(xué)派、連線學(xué)派等等。但是除了深度學(xué)習(xí)，其他方法經(jīng)過多年驗證，是不太有發(fā)展的。

　　模擬人的分析方法，希望把 AI 變成一個規(guī)律和專家系統(tǒng)，過去 50 年已經(jīng)證明了這個思路不行。當(dāng)然也許某天會有突破，但是直到那天為止應(yīng)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(dāng)年第一套系統(tǒng)就是用完全機(jī)器學(xué)習(xí)的方法來做的非特定人類語音辨識。

　　現(xiàn)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(tǒng)。

　　當(dāng)年讓我很堅定地認(rèn)為：機(jī)器的構(gòu)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(xué)習(xí)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(xué)的方法制造人工智能，是一個未知的領(lǐng)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(chuàng)新。在學(xué)術(shù)領(lǐng)域你做每一件事情的衡量標(biāo)準(zhǔn)是：我要做別人從來沒做過的東西。我們可以假設(shè)腦科學(xué)跟未來的 AI 是相關(guān)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(fēng)險就太大了。

　　當(dāng)年深度學(xué)習(xí)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(wǎng)域開始產(chǎn)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(xué)習(xí)。

　　現(xiàn)在我覺得，所謂的深度學(xué)習(xí)的果實還遠(yuǎn)遠(yuǎn)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(yīng)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(xué)習(xí)。例如現(xiàn)在還有增強(qiáng)學(xué)習(xí)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(xué)術(shù)界其實應(yīng)該開始幫助和探索更多可能性，當(dāng)我們把這 2 年的糧食吃完后，也許會有更好的機(jī)會。

　　我沒有 AI 宗教信仰

　　當(dāng)然未來 AI 也可能沒有進(jìn)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(lián)網(wǎng)或其他什么的。身為投資機(jī)構(gòu)，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(lián)網(wǎng)時代，當(dāng)時我們應(yīng)該是業(yè)界最高調(diào)的移動互聯(lián)網(wǎng) VC。但隨后我們根據(jù)情況做了調(diào)整。

　　如果學(xué)術(shù)界跟產(chǎn)業(yè)界有合理的分工，我對未來 5 年投資界和產(chǎn)生的價值非常樂觀，對于所謂 AI 泡沫我認(rèn)為不會發(fā)生。當(dāng)然有個案會是泡沫，但是我認(rèn)為能吃的糧食實在是太多了。

　　學(xué)術(shù)跟產(chǎn)業(yè)的分工大概是這樣：

　　一方面是一個天然有機(jī)的分工；

　　另外一方面又有一點羨慕嫉妒恨。

　　一般來說學(xué)術(shù)界看不起產(chǎn)業(yè)界，但在某個時刻突然產(chǎn)業(yè)界一個技術(shù)成熟了，在這個技術(shù)上學(xué)術(shù)界就做不到產(chǎn)業(yè)界的成就了。于是學(xué)術(shù)界就被逼去做新的東西。例如現(xiàn)在再做人臉辨識，學(xué)術(shù)界已經(jīng)打不過產(chǎn)業(yè)界了。所以在人工智能領(lǐng)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(yè)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(jié)果證明我過于悲觀了。我過于悲觀其實有很多理由。我當(dāng)時認(rèn)為圍棋要比西洋棋難了一個天文數(shù)字，但天文數(shù)字也是數(shù)字。

　　在 AlphaGo 之前最好的人工智能棋士達(dá)到業(yè)余五段。而 AlphaGo 最新的 Master 和職業(yè)九段之間的差距，大致相當(dāng)于職業(yè)九段和業(yè)余九段的差距。這確實是很大的跳躍。

　　為什么會有這樣的現(xiàn)象呢？也就是說，為什么下圍棋的人工智能進(jìn)步幅度這么大呢？

　　其實有一個非常現(xiàn)實的理由，就是想賺錢的人不會去做圍棋。你看 AlphaGo 的專家隊伍也沒那么了不起，就是 20 個很厲害的機(jī)器學(xué)習(xí)專家。在 Google 里面可能有 2 千個這樣的人，在微軟里有 1 千個這樣的人。原因在于微軟和 Google 過去沒有想拿 2 千個專家的力量打敗職業(yè)棋士，他們更多時間都在做語音辨識、人臉辨識這些較有價值的事。

　　在沒有價值的事上，用 20 個專家就算不錯了。

　　金融、醫(yī)療是有商業(yè)價值的 AI

　　有商業(yè)價值的 AI，影響就大了。

　　AI 在資料量大的領(lǐng)域最易應(yīng)用。這些資料最好被準(zhǔn)確、自動化標(biāo)注。

　　AI 在無摩擦的領(lǐng)域最容易應(yīng)用。一個領(lǐng)域里如果有制造、測試、物流這類摩擦，那就麻煩了。無摩擦的領(lǐng)域是什么？醫(yī)療是無摩擦，金融是無摩擦。

　　AI 在賺錢最多的領(lǐng)域容易應(yīng)用。毫無疑問，最賺錢的又是金融。

　　所以金融毫無疑問會是 AI 最快征服的領(lǐng)域。因為你的演算法可以很快就變成錢。

　　醫(yī)療也是一個特別巨大的領(lǐng)域。而且醫(yī)療相對傳統(tǒng)，能產(chǎn)生增值的機(jī)會很大。而且它不是基于大數(shù)據(jù)。最好的醫(yī)生是什么？就是他自己是一個深度學(xué)習(xí)的機(jī)器，根據(jù)經(jīng)驗做了好多好多次。

　　假設(shè)他診斷了 5 千名病人，診對了很多，錯了一些，之后他的判斷就會非常精準(zhǔn)。但一個好醫(yī)生可能最多也就診斷 5 千個病人，但我們的資料是 5 千萬個病人的級別。所以醫(yī)療超越醫(yī)生應(yīng)該非常必然，是全球性的趨勢。

　　但 AI 醫(yī)療需要解決隱私問題，可能會有一些挑戰(zhàn)。

　　機(jī)器人世界的大門，要靠智能駕駛來敲開

　　除了大數(shù)據(jù)應(yīng)用，還有就是科幻型的應(yīng)用了。包括機(jī)器人、無人駕駛這類領(lǐng)域。

　　目前看得非常清晰，而且全球達(dá)到共識就是無人駕駛。有時候你要做一個科幻型的東西，需要萬事俱備，天時地利人和才能推動。但是一旦開始動它就不得了。就像以前我們的移動互聯(lián)網(wǎng)改造了整個產(chǎn)業(yè)鏈，以前的 SP、諾基亞之類。這樣的產(chǎn)業(yè)變革來臨，基本舊的企業(yè)全部會死掉，換成一批新的。

　　交通就會是下一個產(chǎn)業(yè)。我們非常幸運(yùn)，目前有了共享經(jīng)濟(jì)，還有電動車。這兩個領(lǐng)域已經(jīng)在推動了，可推動的過程中遇到了一些阻力。

　　現(xiàn)在無人駕駛出來，就會改變世界的經(jīng)濟(jì)格局。我相信，世界經(jīng)濟(jì) 10% 是和交通和運(yùn)輸相關(guān)。雖然真正的無人駕駛到來可能還要 10 年，但有些其他的事情可以更快做好。

　　比如風(fēng)景區(qū)游覽車，比如運(yùn)輸卡車。

　　你可能會問，如果自動駕駛技術(shù)還不成熟，卡車下了高速公路怎么辦？沒問題，我們把倉儲全設(shè)在高速公路旁邊不就行了。

　　萬一卡車看錯路怎么辦？那我們就重新修路，在路上放很多標(biāo)幟和感應(yīng)器，這也不是很困難。

　　所以我們未來 3、5 年我們就可以用很多修補(bǔ)程序，讓無人駕駛能在有限的環(huán)境之下使用，所以千萬不要認(rèn)為自動駕駛還有 10 年才來，現(xiàn)在跟我們無關(guān)。

　　我們很少看到有一個產(chǎn)業(yè)從頭到尾全部“投降”了。

　　哪家汽車公司還敢不說無人駕駛？每一家都在拼命想辦法解決，整個產(chǎn)業(yè)力量都進(jìn)來了。

　　全球的資本力量都在投資無人駕駛公司。

　　最新最酷的創(chuàng)業(yè)者，很多都在無人駕駛領(lǐng)域創(chuàng)業(yè)。

　　這是一個不可逆的必然趨勢，會對各產(chǎn)業(yè)造成全新的布局。

　　例如，司機(jī)該怎么辦？沒有車會停下來，停車場該怎么辦？以后的汽車長什么樣子？道路要提供什么感應(yīng)器？哪些領(lǐng)域是最快賺到最多錢的？

　　這些我們其實都不必太擔(dān)心，因為最有商業(yè)嗅覺的人和最有科技能力的人已經(jīng)每天推敲這些事。他們或者說我們，一定會找到解決方案。

　　當(dāng)一輛無人駕駛汽車可以上路時，汽車之間就能對話了。例如：前面發(fā)生車禍，我的車要回避。今天我的主人急著上班，你讓路給我，我給你 2 毛錢行不行？

　　這種情況下機(jī)器人就變得可行。與其期待家里的機(jī)器人以陪小孩玩的方式進(jìn)化，還不如期待無人駕駛汽車促進(jìn)機(jī)器人的進(jìn)化。

　　（本文由 雷鋒網(wǎng) 授權(quán)轉(zhuǎn)載，首圖來源：李開復(fù)）