人工智能高考10分钟数学134分 AI的极限到底在哪里？... | 黑马高调头条
↑↑↑ i黑马，让创业者不再孤独！
来源 | 文因互联（ID：wenyinx3b）
文 | 鲍捷
柯洁之后，人工智能又火了一把。
6月7日下午，一个高考机器人进行了它的高考首秀，32分钟做了两份试卷，最高得分105。无独有偶，另一个叫“Aidam”的高考机器人也用10分钟体验了把高考，考了134分。
从棋盘上碾压围棋天才柯洁到如今高考和940万考生过招，人们不禁疑问人工智能的极限到底在哪里？文因互联CEO鲍捷博士，从人工智能产品可演进性的角度来去讲述他理解的人工智能的局限性，以及设计路径。
1
我有一个好想法，
就差一个 AI 了！
人工智能产品一个核心特点就是「演进」。也就是说「你很难一下子达到那个地方」，这可能是与传统的互联网产品很不一样的地方。
互联网已经存在很多年了，在产品经理的人才积累上大概已经过 10 万的数量级了吧。对比国内人工智能的导师储备也不过数百人，国内人工智能相关专业出来的研究生可以估算不会太多所以，在中国现在做人工智能的产品，跟我们以前做互联网的产品很不一样。单从人才供给来说，无论是产品经理、工程师，还是往上一层的架构层面的人，都只是传统互联网 1/10 到 1/100 这样的数量级。
工程领域有一个原则，任何系统的架构你设计得再好，当系统面对的问题规模的数量级上升，或者下降，这个架构就会出问题。那么，我们互联网、移动互联网上的产品设计经验是为过去的规模的问题所设计的，我们现在碰到了新问题，还可以用原来的方法来做吗？我觉得肯定是不一样的。
现在很多人在谈这种焦虑感——人工智能要颠覆这个、要颠覆那个。我看到微软 AI 负责人沈向阳老师在说计算机视觉识别系统要在 10 年之内识别所有的东西。过去我们常说「我有一个好想法，就缺一个程序员/产品经理了」，今年大家都改口「我的想法就缺 AI 了」。
但人工智能对社会的颠覆其实还没有发生，并且这个颠覆也是没那么容易发生的。因为人工智能的资源是很稀缺的。稀缺资源造成现在组建一个人工智能团队，就一个字—「贵」。现在一个北清毕业的博士的入门价格 BAT 能给他开到 60万*。过去我有看过其他人的团队预算，十个人的机器学习团队，初期需要投入上千万。由于人才的稀缺，决定了这个风险不但来自于业务更来自于团队本身，少了任何一个人都很填上这个坑。编者注：具体数字有待考据。
2
理解人工智能的局限性
其实，目前的 AI 技术并不是那么靠谱，还是不成熟的。因为人工智能现在还是“人工智障 ”的成分居多。我们做产品，更多是从人工智障开始做的。
2000 年，我在MIT研究期间的导师 Tim Berners-Lee（注：英国计算机科学家、万维网的发明者，南安普顿大学与 MIT 教授） 曾告诉大家，未来会是语义网的。当时实验室成果让大家很乐观地认为可能 10 年之内就能在消费者领域实现语义网。2001 年他在 《科学美国人》相关领域中的描述的产品就很像是 Siri，但当我们做了 10 年以后，我们发现我们远远低估了这个开发难度。现在 16 年过去了，我们还是没有达到他描述的对话机器人的技术水准。
编者注：语义网是对未来网络的一个设想，现在与 Web 3.0 这一概念结合在一起，作为 3.0 网络时代的特征之一。简单地说，语义网是一种智能网络，它不但能够理解词语和概念，而且还能够理解它们之间的逻辑关系，可以使交流变得更有效率和价值。语义网核心是：通过给万维网上的文档 （如：HTML文档、XML文档）添加能够被计算机所理解的语义「元数据」（外语：Meta data），从而使整个互联网成为一个通用的信息交换媒介。
人工智能的技术瓶颈不是要代替智人作为动物的那一部分，而在于代替我们最近几千年发展起来的那些认知能力，也就是我们有了符号思维能力之后的智能。在学术上体现在，深度学习这种算法在不同领域上起到的改变是不一样的，它可以让语音和图像的识别能力前进了一大步，但是在自然语言处理或是知识图谱这方面的提高只有 1-2%。
为什么会有这种区别呢？原因是「识别」。这件事情是哺乳动物的智能，不仅仅限于人类。你家的小猫小狗会识别出你跟别人不一样。深度学习可以在这种自然能力的处理上有很不错的表现。但是语言和文字这种符号思考能力是近几千年历史上发展出来的，跟传统的信号处理能力非常不一样。所以，现在的算法是有局限性的，我们在构建人工智能系统的时候要理解它的局限性。
3
关注路径，而非直奔目标
移动时代互联网产品经理培养的直觉是：刚需、极致。但是在人工智能领域，这样直奔主题的直觉未必能成功。人工智能产品由于其复杂性，其设计核心是其中间路径而非最终目标。
我们移动互联网时代在制定项目的时候，常会先有一个明确的目标。但是怎么完成一个项目不是由目标所决定的，是路径决定的。
一群老鼠开会要做风控，猫来抓老鼠之前做一个预警。怎么做呢？大家定了一个明确的目标，在猫脖子上系铃铛。问题是，哪只老鼠来做这件事呢？怎么做呢？这就是路径，路径有很多层含义。
别人的目标不是你应该效仿的终点，别人的路径更不是你要效仿的路径。BAT 的终点不是你的终点。你最终学习到的都是一些切片，无论是他的终点、还是所谓的路径，其实都是他 90% 预想的路径被否定之后的一些切片。
探索新生事物的过程中，「被否定的痛苦」，才是真正的核心竞争力。痛苦是不可复制的，哪怕是我们在学习别人总结经验、路径形成的方法论。方法论的复制，也是建立在海量的痛苦当中。我们都知道找到实现目标的路径很关键，但是没有人会告诉你路径在哪里，只有靠自己去摸索。即使是「元方法论」（Meta 方法论），也只能帮助我们在海量的不确定因素中，去找到几个确定的点，减少死亡的概率。
4
AI 产品路径设计方法论
1、成本问题。我们在设计人工智能产品的时候，会有种种不靠谱的因素在制约产品。我们只有快速的迭代，Lean startup（精益创业） 降低成本，才能提高我们的成活率。尽管互联网产品和 AI 产品不一样，但是快速迭代是一个通用的方法论。
2、不确定性拆分。把大的不确定性切成小的，切成小的不确定性。这个方法可以帮助我们在人工智障中寻找到人工智能。
3、必须有业务基础系统。像我这种技术出身的人，都会有一个做伟大的人工智能系统的梦想。但实际上数据库系统跟智能系统有什么区别？其实者两者在角色上是非常接近的，他们都是一种支持系统，支持系统是没办法离开基础业务去独立工作的。
4、中间节点是在考验所有人的耐心。由于人工智能系统不靠谱、周期长，所以一个人工智能系统从投入到产出中间要有很长的周期，内部、外部、包括投资人在内的参与方的耐心很容易耗尽。怎么在耗尽之前达到中间节点？这里面最大的风险，并不是来自于技术，而是怎么做好中期管理。
做人工智能的产品，不要直奔主题而去。做金融，就不要直接去做投资研究系统。做医疗，不要直接做诊断系统。做招聘，不要直接做人才匹配系统。直奔主题的失败不是特例，很多大公司都是上来就做一个特别大的系统， 90% 都会失败。
5
AI 产品特性：可演进性
人工智能系统是非常复杂的系统。但是复杂在英文中有两种表达方式，Complex 和 Complicated，这两种是不一样的。移动互联网产品是一个 Complex 的系统，而人工智能应用，可以类比生物，是由千亿个小元件精细配合完成的，是 Complicated 系统。Complex 的系统强调的是Scalability，规模能力，扩张能力。而人工智能产品需要的是 Evolvability 可演进性。类比而言，一百亿个草履虫组合在一起不能合成一个人，但人工智能系统也是需要从细胞开始进化的。
人工智能系统的设计方法论要根根据这个区别去做改进。盖尔定律说，一个复杂系统是没法自顶之下进行设计的；如果一个复杂系统从一开始的设计不是切实可行的，那么到后面的修修补补也是无法让它切实可行的；复杂系统必须从一个切实可行的简单系统重新开始做。
从顶向下去设计的复杂系统无一例外都会是失败的。一个切实可行的复杂系统势必是从很多个切实可行的简单系统发展而来的。那么， AI 公司可以交付什么？我们有四种选择——零件、工具、解决方案、系统。我们在实际解决问题的时候，我们很难交付一个复杂的系统。优秀的 AI 创业者不约而同地选择一种路径，为了设计实现一个通用系统，不得不先做包工头，做了一个一个的解决方案，从解决方案里面总结一个系统出来。
好的产品是总结出来的，并不是设计出来的。每一个产品的背后都是有科技树的。一个产品首先需要很多零件去制造工具，没有工具就没有解决方案，没有解决方案就没有系统。一个解决方案产生价值的时候，你会想象不到，后面会有什么机会发生。
产生伟大的AI公司需要可演化的产品。直奔市场、用户、需求所要求的主流刚需而去，就是让 AI 产品失败的保证书。其实不仅是AI公司吧，演进也是很多更早的互联网公司的特点。
很多人工智能产品的公司在发展过程中会有场景跃迁。比如出门问问，开始做出行 App ，后来做了手表、车载导航；云知声的发展，最早的业务是搜音乐，后来做了语音云，为很多行业的产品方案，下一步的场景包括智能家居。文因互联一开始做的是金融搜索，现在我们在做金融自动化报告的机器人，未来可能会演化到智能资管或者智能投顾。
做智能金融、法律、医疗产品演化的一般的中间节点是什么？这个问题我也没有答案。这个是要大家去探索的。
6
产品是团队的映射
康威定律讲的是产品演化更底层的问题：产品的结构映射了产生它的团队的结构，可演化的产品需要可演化的团队。每一个公司的成员和架构跟它的产品会有很大的相关性。公司的成员都会决定你的产品是什么样子，而我们刚刚提到做 AI 产品最重要的一个特质就是要具有演化性。也就是说产生这个产品的人的集合，一定是要具有演化性的。
团队演化遇到的最大的一个难题就是，如何把技术专家和领域专家融合在一起，特别是两种人都是明星的时候。以我们自己为例，我们做金融领域的知识图谱，金融和技术这样两种人都是我们团队需要的，但更重要的一点就是团队有没有演化的基因和认识。
十几年前语义网概念大热的时候，市面上有几百家公司，现在这些公司很多都没有声音了。这背后有一个重要原因就是明星的沉没成本，我们刚才一开始就提到过，现在做 AI 的创业的人很贵很少，所以你的市场上找到的创业者都是明星。这是很可怕的事情，因为明星很难去做脏的小的事情。
所以说找到一个「明星」是大家的幸运。但是如果这个明星不能够控制自己的沉没成本的话，就是大家的不幸。
所以更多的时候我们是要去构造一个可生长的团队，这个团队一开始可能没有那么厉害，但一定是让团队充分了解到什么叫做演化，什么是迭代，了解技术能干什么，尤其理解技术不能干什么。如果团队真的能够理解这些，那在这个漫长的周期里，它是不会放弃的。
这里我列举的几个 AI 时代的从业者需要具备的能力。其实这些也并完全新，很多是互联网时代积累下来的经验，在精益方法论中也有过讨论。
不要追求虚幻的确定性。我们在面对新生的需求时，我们会觉得自己需要一个专家来告诉我们怎么去做；或者一件事我们不知道怎么做，但是有大公司做了，我们就跟着大公司做；或者我们想不出这个产品是怎么来的，让项目客户告诉我们该怎么做。这些想法一点都不错，但要记住，这是一种虚幻的确定性，它会在某个程度上让你感到很舒适。但是最终如果不能克服这种对不确定性的恐慌，我们是很难演化的。
我们要善于做精益创业，善于做分解。把大的失败切成小的失败，做好快速迭代。我写过一篇文章，叫做任务分解的五个动作，这是需要重复练习的。比如说怎么写好一个 OKRs（目标管理文章见职人社其他分享），这件事到现在为止对我来说还是很大的挑战。
要有交付的态度。交付是说每一件事情都要在一定的时间内，按天/周/月来交付一件可用的产品。我们不做复杂的大工程，但是我们做的每一期工作都要做到有一点点价值的，成为下一阶段工作的跳板。
沟通、复盘。沟通和复盘都是在职场大家都会面对的，我就不多说了。
本钱能力。没有本钱，不是团队不打仗的理由；我们打仗是为了赚本钱。只要可以做到交付，本钱就会不断的积累。
总结今天所说，浓缩为一句话：从小事做起！
* 本文系文因互联（ID：wenyinx3b）授权i黑马发布，作者鲍捷。文章内容仅代表作者独立观点不代表i黑马立场，如需转载请联系原作者获取授权，推荐关注（ID：iheima）
7年，黑马成长营14期
300位创投导师，1064位营员，
47%优化了商业模式，31%获得了融资，
5家成功上市，76家融资轮次达到B轮。
学制1年：
含6大课程模块、16大教学主题、
36堂线下课程、1次海外日本游学（选修）
课程导师：
50位知名企业家+投资人+
专家导师 + 32家一线投资机构！
↑↑↑加入黑马营，
你将拥有长达数十年的主角光环。
——
黑马成长营15期招生ing
”—— 黑马五月好文 ——
3000亿美元！腾讯市值再创新高
黑马营15期招生中，让创业者不再孤独！
微信：zym120100【请注明姓名+公司】