深度访谈 | 最通俗理解人工智能，读完后可以静静了 | 自由微信

查看原文

其他

深度访谈 | 最通俗理解人工智能，读完后可以静静了

2017-10-23 工业互联网研习社

陈旸

五彩传媒创始人

清华计算机系博士

虎嗅AI专家

白牛智库首席AI专家

人工智能时代，我们有怎样的机会？

被采访人：陈旸
采访人：萧公子

谈谈你的个人经历吧

答：我本身学计算机，而且比较早，十岁的时候开始编程。本科在南开大学就读，硕士、博士在清华，学的是计算机专业。

博士研究方向是图像处理，跟现在比较火的图像识别比较相关。当时做压缩感知，图像识别其实之前就有了，为什么这两年火，是因为有一个新技术，当你遮挡图像70%的时候，还能进行识别，比如安防领域里面。

我现在的业务，主要做传播，就是给企业做营销、策划、传播解决方案。

问：这应该是人工智能在商业上面的一个应用，是吧?

答：对，可以这么理解。图像识别是属于中间的一个技术环节，是技术层面，应用层面主要是偏应用端，应用端其实是比较传统的，广告策划营销实际上是一个比较传统的行业，现在做这事其实是在服务，就是代做。希望通过机器的方式来提升效率，就是通过AI人工智能大数据的方式提高效率。

人工智能的应用领域有哪些？

人工智能有三大领域，第一个领域叫推荐算法。还有两个重要的。一个是图像识别，一个是语音识别。

比如我去淘宝上面浏览网页后，过两天你发现它给我推荐了一些内容，这就是人工智能。微博也会推荐一些其它微博和今日头条，那实际上也是推荐算法。

推荐算法、图像识别和语音识别是人工智能核心的三大领域。

那个讯飞语音识别是中国科技大学做的。图像识别其实很多公司都在做。像旷视科技，face++，它们专门做人脸识别。服务上面有很多人脸识别，包括飞机场现在做人脸识别，实际上都是用face++。

你对人工智能行业趋势的看法?

这个趋势看法其实跟互联网是一样的，大的趋势肯定存在。如果你去看某一个具体的里程的话，它分阶段，越是高难度的技术，像无人驾驶，它的周期会越长，越需要豪华的团队来做，豪华团队投入技术越多，砸的钱越多，它才能熬更长的时间。

近期在某一个垂直的领域或者越小的一件事里面。比如说推荐算法，其实微博本身已经实现了，包括今日头条，它的推荐功能实际上也是人工智能的一个产品。在某一个具体的点上,人工智能会逐渐出来。未来会是这个趋势。

大部分的人不懂技术，会觉得比较神话，会觉得未来会有很多机器人，机器人会统治世界，机器人会比我们更聪明，会抢我们的饭碗，其实没有必要。

它要实现路径的轨迹，像无人驾驶一样，实际上轨迹会非常长，无人驾驶团队它只能做这一件事，它要做的领域会非常多，而且它会非常专，它不会形成一个通用的机器人。

现在，人工智能会在各个领域里面先用，最终如果要实现人工智能的整合可能需要还需要很长时间。人工智能未来可以很好的执行一件事，比如无人驾驶。但是不知道为什么要执行它，这就是它和人的区别。

人工智能的前景如何？

人工智能其实相对于AR、VR、还有3D打印好一点，人工智能是一个更广的概念，它包括的领域非常大，它不像3D打印很具像，它很单薄，人工智能其实各个领域都有。比如说图像的、语音的、机器人的、芯片的，各个行业里面都会有.比如说法律机器人、游戏机器人.它的周期相对来说可能会长一点.

人工智能应用的非常多，它可能就是某一项技术，而你刚才说人工智能的话它是很多各领域的技术，所以它的周期跟3D打印不一样，你看它的波峰波谷就更容易看出来。

人工智能它涉及的领域非常广。除了我们所说的机器人，图像、语音、还包括自然语言的处理、机器人客服、医疗影像、下围棋象棋的机器人、无人驾驶、写文章的机器人……

为什么人工智能被炒热?

为什么会把人工智能炒这么热，是因为在某些情况下，其他领域可能看起来已经开发的足够多了。

比如说移动互联网在前五年其实被吹得很猛，2011-2012年那时候一直都喊移动互联网，五年左右的时间，现在所有的网站或所有的互联网其实都是移动互联网公司，百度也是移动互联网公司。阿里也是移动互联网公司，所以移动互联网的渗透率已经很高了。

为什么说人工智能呢?因为在互联网这个TMT领域里面没有更加吸引人的眼球，它基本已经开发过了，所以VC它实际上会觉得这个是一个没有被开发过的更有想象力的一个市场，但是它确实还没有成熟，对于投资人来说它可能是个金矿加引号，但相比其他的那些金矿来说已经被开发完了，移动互联网现在不太会有新的机会了，其他的领域里面可能不太容易有机会。

如何看待李开复老师说

“未来十年50%的工作会消失？”

问：人工智能这么火，李开复老师说，未来十年50%的工作会消失。那些职业上发展不是很顺的一些人就会特别焦虑的跟我说，未来会不会被人工智能取代?对于“未来十年50%的工作会消失”，你是怎么看待的?

答：首先我觉得焦虑是没有必要的。不是有一个技术曲线嘛，就是说一个事情可能一开始会爆火，中间会冷下来，然后逐渐会升温，达到一个成熟的状态。现在可能是比较火的一个状态,过2年就会发现离实际的应用还是比较远，中间会有一个落差，逐渐的又会升温。它会有一个波峰波谷带到小波峰的一个状态。

以VR、 AR为例，前两年VR、AR 很火,那今年你看VR、AR的声音其实就很小。这个东西就叫技术曲线,就是一个新的技术会吸引眼球，可能是一个噱头，大家觉得是一个未来的前景，过两年以后发现没有实际的应用。

大家都觉得未来是虚拟世界，但实际上应用端还不成熟，它又会冷下来,过一段时间技术会逐渐成熟。它有一个概率就是16%,这个垂直的行业或者说在某一个特定人群中要超过16%的人在使用. 我身边的人如果也在用,且这个概率超过16%的话,它就会逐渐的成熟。如果你看到很多的应用它还没有使用起来的话，那它就只是一个概念或者是个噱头，过段时间可能会冷下来.

人工智能会不会取代我们的工作

问：有一个做初级财务工作三年以内的朋友，他特别焦虑的问我，他的工作技术含量一般，特别担心有一天机器人把他的工作给取代了。

答：机器人会取代基础性的工作。财务包括人一定有他取代不了的地方，比如说对需求的理解，沟通。机器人对语境比较单一的某个特定任务，它执行比较快、好。实际上一个事情它可能会有上下文或者会有其他的背景，条件输入不够充分的情况下，人更有优势，人对事情的理解肯定比机器的维度更广，这一定是优势。

人可以做更加有智慧性的工作，往上游走。解决这个问题，就是不要只做操作的事情，可以做一些稍微复杂的沟通、协调工作。

人应该多动脑而不是动手，如果他练的是自己的手，就有可能被机器人取代，机器人的动手能力会比人强。

我们训练机器人，包括让它写人工AI的话，动脑能力是弱的，机器人可能会做一些代理记账、查询法律文献、相关的税法。这方面机器人动手能力会非常强。你跟它拼动手能力的话你的知识储备差，一定比不过它，但是它的这种动脑能力，包括对语言文字、跟客户的沟通的需求的理解，人更有优势。

问：你刚提到一个技术曲线，也有一个莲塘效应。就一个池塘，第一天看到有一片莲叶冒出来，第二天两片、第三天四片、第四天十六片、到第五天那个莲叶一下子全冒出来。其实很多人担忧的是现在这个人工智能好像这里有一点那里有一点，如果没有把握住这个计划，可能到五年十年后，忽然有一天发现全是人工智能。

答：首先真的不需要担心。人工智能是大公司要做的事，大家觉得人工智能比较NB，或者说人工智能很可怕，或者它的前景势不可挡。这是关注到技术层面，大家觉得这是机器人的一种智力，或者说它的技术能力会很强，什么样的公司拥有技术呢?其实在国内还是大公司,你会发现大公司在做技术底层框架。

包括阿里云，云是做云计算的，它们提供的是云计算。所以未来人工智能的服务可能是图像识别几乎免费或者说按照调用请求次数收取费用。

大家对技术方面有一点恐惧感，觉得人工智能势不可挡，同时又不懂统计学……这些东西离你很远，完全不需要在意它。除非他去大公司里面做一个底层的技术人员去研究算法本身、经营网络等，他没有必要去担心未来。它有可能就像阿里云一样，你不需要去了解一个服务器该怎么搭建、怎么部署……。你直接通过一些简单的可视化的一些命令去做你想做就可以了。

未来的话，人工智能更多的是服务于我们而不是取代我们。

我觉得是分两种，一个叫技术，一个叫应用。那大部分的人其实关注的是应用层面。技术层面其实是数学家和计算机编写代码的人、大公司的人他们要做技术底层框架，让这些具有应用端想法的一些人去使用他就OK了。所以完全不需要担心，现在人工智能离实际的应用差距还很远。

比如说无人驾驶，大家会比较恐慌司机会失业，以后我们不需要去考驾照，考驾照可能就变成跟骑马一样，是一种娱乐性的工具。人工智能在无人驾驶里面实际上也分两个等级。一个叫L3，一个叫L4。L3叫高级辅助驾驶，L4 叫完全的无人驾驶。它中间有过渡的阶段叫辅助驾驶，它对于我们来说是友好的，就是你开车累的过程中，你可以让它辅助一段，同时你也可以去操作它，把它当成一个辅助的助手。

机器人，首先是一个助手，可以帮助我们。你刚才说那个财务人员，他实际上可以让机器人帮纠错，就像我们用WPS或者用word检查的时候会有一个拼音的纠错能力是一样的。未来情况下，如果真的能达到的话，在某些特定领域里面机器人确实是可以无人操作。

人工智能是专职的。比如扫地机器人、唱歌机器人、踢球机器人。

如果我们要进行利用的话，要找垂直的领域，把它当一个助手一样。

还以财务同事为例，在这个领域里面看到有没有类似的一些这种机器助手的一些工具，把它当成一个助手来提升自己工作效率。其实这个东西就有可能像word和PPT一样以后，未来会普及。像我们使用电脑一样，当我们小时候使用电脑的人很少，就会觉得是很超前，但它未来就是一个工具。

这个工具对所有人来说都是一样的。你只是去使用它。它以后会变得很普及而已。

人工智能的技术底层逻辑是什么？

人工智能核心有两个部分。

第一个部分就是数据，垂直数据足够多，所以机器是有思考能力或者说他有自己的智力，这是数据层面。

第二实际上是移动设备，我们看到手机越来越多，包括一些物联网的一些设备，比如说汽车它为什么要数据化，那所有的这样一些手表有数据化。各种各样的一些设备实际上都在进行一个联网的状态，这样的话它的移动设备和智能，这种情况下才会进入到一个更加机器智能的人工智能。

所以说人工智能一是基于大数据，二是基于更多的移动设备在联网。

人工智能与大数据是什么关系?

数据是基础。

计算机里面有一句经典的话“算法加数据结构等于程序”。数据结构实际上指的就是大数据，就是数据的层面。算法是什么?算法其实就是计算的核心处理的一个能力，算法加数据结构才会等于程序，那未来需要就是大数据加上深度学习其实等于人工智能。

深度学习，可以叫机器学习，这个机器学习叫一个算法，机器学习分三个阶段。

第一个阶段叫专家学习。就是人告诉机器该怎么去做预算。专家系统应该是在上世纪70年代左右形成专家学习。专家学习的特征是人的干预度很大，几乎百分之百。

第二阶段叫机器学习，实际上就是通过独立神经网络，像贝叶斯，这种数学的一些公式形成的，应该是在90年代左右。机器学习的特征就是人的干预度和机器的这个实现是各占一半，叫半监督式的指导性学习。

第三阶段叫深度学习。深入学习就是机器自己掌握学习能力，比如说我给你一堆数据，不需要人的参与，那机器就可以自己根据规则判断这种学习能力到底什么时候OK。数据多，需要不断学习，不断的累积数据。深度学习的特征是人几乎没有干预。

人工智能的运用如何？

问：国内的百度无人驾驶,它做的怎么样?

答：百度应该算人数最多的,无人驾驶是一个非常庞大的一个工厂，百度光无人驾驶团队至少有200人，它有分L3团队和L4团队，分两个事业部在做,同时都在做这样的一些实验.

很多人看到其实这是一个巨大的一个变革,人工智能时代就是说农业时代到工业化时代，工业化时代到信息化时代。

工业化时代实际上就是机器生产，它解决了我们温饱的一些问题。信息化时代实解决的是一些交流和信息沟通的一些问题，上一个阶段成了下个阶段的一个基础，我们是站在这个基础之上转到一个新的市场，工业时代的基础实际上创造更多物质的一些财富，那我们完成的实际上是一个信息沟通和交流，当你信息足够多的情况下，其实基于数据我们有更多的智能，所以才构建了这样一个人工智能。

人工智能在C端，就个人消费者终端,还不太容易形成一个爆发式的一个产品。它更有可能从B端，就是从企业服务端来去应用，为什么呢?我们看到所有的产品,包括计算机的发明实际是从军队的发明开始,是美国要打仗的时候，美国国防部才生产了计算机去计算导弹这样一个工具，后来企业都要用。最后八九十年代的时候才进入到家庭。

比如C端的一个终端用户，它是要等技术足够成熟的情况下才会进行使用，现在技术不成熟，其实更有可能是企业来驱动，因为企业是可以付更高的费用去做某一项垂直类的工作，而个人的话它不会。只有当技术足够的成熟的情况下个人才会去付费，更有可能是从某一个垂直的行业工作领域里面来去使用机器人，比如机器人搬运货物，你个人让它执行这个工作没有任何必要，而且你要足够好用才可以，但是企业它有可能会做这方面的投入和尝试。

还是以财务为例，有一个人工智能的财务软件，那你不一定非要到人工智能的财务软件里面去做它的系统的开发，你可以去使用它就好。你是财务人员，你的工作是使用它。如果类似的一些软件的话，你可以让这个工作去使用。比如说京东的采购。

如何把握

人工智能时代这个机会?

我觉得这个分不同角色，比如说从投资人角度来去看的话，他可能会更加的现实。对于个人来说的话，有时候会比较恐慌，不知道该如何去抓住.比如说我作为一个从业人员，要转行还是要怎么样，假如我本身不是搞计算机的，那我如何做人工智能，这里面其实每个人都会有自己的一些思考。

我觉得未来其实会同步开始，就是人工智能会在某一个行业垂直的行业里面才真正有可能会落地。它不太容易形成一个通用的系统。就比如说我们认为机器人是有智力的情况下，它很难形成一个能帮你做所有事情的机器人，比如说既能对话又能跳舞，还能帮你去完成写作业，这种其实不太容易。它是专职的。比如扫地机器人、唱歌机器人、踢球机器人。

没有行业背景的人，

怎么样才能进入到这个行业？

同样做财务，可能在制造业做财务，它薪资待遇完全比不上互联网公司。现在互联网公司他觉得机会不大，他希望去人工智能公司做财务，你有什么建议?

如果能去这种人工智能公司的话肯定是会更好一点，因为它更朝阳一些。就选不同的领域吧。如果能选择一家好的人工智能公司去工作，自然是一个不错的选择。

第一种形式：由业务专家身份切入。这个会非常好。比如说人力资源专家、财务专家、物流专家。各行各业都有，如果你要做一个物流系统的人工智能，就需要一个对物流方面比较了解的人。如果你做人力资源系统就需要对人力资源很了解的专家。如果要做广告的投放，肯定需要对广告传播、消费者心理了解的专家。

如果一位刚大学毕业的小白、新人，他就直接去面试吗?任何一个公司有培训、财务、销售……

最终还是要选到某一个具体的领域里面。如果你要做旅游，那你要对旅游方面了解。哪怕最开始是小白，但你进入了公司用它所在的一个垂直的一个领域，他应该是对这个领域比较感兴趣。人工智能不是一个领域，不是一个行业，只是一个工具，跟计算机是一样。人工智能已经切入到各个行业各个领域中去，它就像互联网一样，互联网公司有各行各业的互联网公司，有做旅游的、有做游戏的、有做的销售……

如果要从事人工智能技术类工作，

大学时选什么专业?

计算机肯定是首选,然后是跟计算机相关的。比如数学、自动化、数据分析。但国内的学校其实比较水，不一定学得出来，它只是上课考试而已，只是个学分，只是一个基础。主要还是靠自己。考试就是考试，它就一个学分而已。培训班是要做题的，其实国内是有很多训练题库的，你去训练就好，就做这方面的题库，上课的话很基本上很少去讲这方面内容。他要做的工作不是那种IOS开发和安卓开发，那种东西对它来说一点帮助都没有。

他要研究的是算法和数据结构。很多国内顶尖的人工智能的专家基本都是ACM出身，比如说face++创始人唐文斌，就是旷视科技CEO，他现在估值20亿美金。楼天成，原百度无人驾驶的科学家，现在自己出来后做了一个无人驾驶。

这个行业的薪资待遇如何?

看做什么了，做算法的相对比做网站开发的工资高。技术岗位比其他岗位略高一些。

一般约3年经验的技术人员，平均月薪1.5万-2万。如果是深度学习的工程师，平均月薪是3-5万。

关于人工智能，

非技术人员如何进入这个行业?

更多的人想进入到这个行业，但他不是技术人员，他如何搭着这一趟车走得更快？

有两种方式。第一个稍微高大上一点的叫产品经理，就是你虽然不做人工智能技术开发，但实际上可以往产品经理专家的角色走。

比如说搜狗的拼音，其实并不是技术人员提出来的，它是一个专家，之前可能也没学过计算机，他有这样一个需求，要去做搜狗的拼音输入法，搜狗拼音输入法也是人工智能产品。

人是可以往产品经理这方面去转的，他必须具备行业经验。比如刚说的一些行业专家。你知道你的需求在哪里，然后围绕这个需求去看怎么实现，你可以跟技术专家一起沟通，制定解决方案，然后把它实现出来。一定是基于需求才能去做产品。

产品经理的职位数有限，就是你需要一个专家身份，很懂这个行业。其实门槛也不低，它要求是你在某一个行业领域里面是个小专家，你不是人工智能人员，那一定是行业专家，这样的人是适合做产品经理。

还有一些就是无门槛，那你说你又不做技术，又要跟它相关的话，其实做就是一些基础的人工标记的一些工作，有点类似于像软件测试师。做APP开发的话有很多做测试的岗位，有点类似于像这种就挑bug。没有什么技术含量。

如果你要关注的是非技术岗位的话，可能是这两个职位。

你现在工作的主要内容是哪些?

现在做一个面向于内容创业者的一个产品。

第一就是我们会收集大量的数据，就是创意。在广告这个行业，每天都会产生很多的创意。比如说杜蕾斯、VIVO手机、可口可乐，那我要知道都有哪些创意。实际上是一个素材库，也叫创意库，把这个创意库收集上来，这是第一个工作。要盈利、要有收入，就提供一个订阅的服务。你要订阅什么样的创意。很多创意的人员它要产生一些内容。其中有一部分工作叫追热点，就是一个鹿晗事件出来以后，你发现个大的品牌都会借势营销。这样一个工具，对于很多的人员来说是需要的，因为你比热点比不过机器，它处理的速度一定会比你追的速度会更快，所以提供这样一个订阅的工具：数据采集。

第二是订阅服务。基于行业特征，还有事件热点来提供这个服务。

现在有14个行业，把创意打上不同的标签。标签有行业标签、品牌标签、形式标签、风格标签、还有亮点、产品特点等等一系列标签，差不多800个维度。

行业包括快消、美食的、3C数码的、互联网的、旅游的、汽车的等等一共14个大的行业，下面还有很多细分的行业。不管是哪个行业，都能找到创意的玩法，如果来了一个热点的话，我会告诉你哪些品牌，他们做哪些工作，这个是我们在做的一个具体的项目。

编辑助理：红严知己。公众号：红严知己（ID：xiaogongzi1991）。

END

[工业互联网]专题系列文章

“社交大王”腾讯，在产业互联网生态里扮演什么角色？| 独家深度

航天科工董事长高红卫：“中国有可能走出一条符合国情的‘云制造’之路”

以航天云网为例，探讨中国工业互联网发展之路

智库，在新工业革命和智能制造进程中扮演什么角色？

独家 |“大智移云”之上，笑看哪些工业物联网创业公司崛起？

独家 | 大“云”压境：阿里云“虎视眈眈”制造业