关于人工智能这一波，听听开复怎么说！ ——读《人工智能》

原书封面

本书作者是李开复和王咏刚（创新工场AI工程院副院长，李开复亲任院长），由于二位的职业属性，使得本书偏向于投资人视角。
书中不仅对什么是人工智能、什么是深度学习非常直观化和通俗的介绍，也对DeepMind、谷歌自动驾驶、亚马逊Echo、AmazonGo智能超市等多个知名项目做了简要分析。此外，书中对于人工智能领域商业趋势的评述，是其最大的亮点。

是昙花一现的泡沫，还是实实在在的趋势？

从技术上讲，这一波人工智能复兴 = 深度学习算法突破+大数据的积累+计算能力的提升。李开复认为，在人工智能领域，大多数人倾向于过于乐观地预测全局大势，而过于悲观地估计局部进展。
AI技术在许多垂直领域内的局部进展，比如围棋，比如智慧医疗，比如自动驾驶，都比很多人之前预料的更早来到我们面前。但AI的整体发展，尤其是最重大的技术突破，几乎每一步都要比多数人的预测来得晚。比如，图灵测试刚提出时，很多人认为计算机达到图灵测试所标示的强人工智能的水平，最多只要三十年的时间，但直到今天，我们也不敢说，AI到底何时才能真正像成人一样自由对话。
那么，在今天这个时点，人工智能领域到底有没有泡沫呢？我们先看看能够体现商业领域人工智能热潮的几张图片：

2016年11月移动互联网论坛议程

按季度统计AI公司被收购和并购的数量

NVIDIA股价走势

从上述图片和多个渠道的信息来看，2016年到2017年，人工智能的创业和投资明显存在无序、失衡、过热的情况，人们常常担忧的泡沫现象的确存在。这一点被李开复在书中确认，周鸿祎在他的《智能主义》中也持有同样看法。
个人认为，现代商业制度有其放大效应，泡沫有时候是不可避免的。移动互联网、O2O，每一轮趋势都会经历过热的阶段，但只要是技术或模式在经济上有价值，最终总会有成功者脱颖而出。对于近乎全军覆没的例子，比如团购，只在于其模式不能够创造价值而已。所以对于此番人工智能的浪潮，我们要回头看泡沫背后是否有实在的东西做支撑，它又是否能为现有商业和生活提供真正的价值。
让我们再看看下面几张图：

ImageNet图像识别错误率的变化趋势

近年来语音识别错误率的下降趋势

深度学习在谷歌内部项目应用增长

以上几个图可以看出，以深度学习为主导的技术革新是实实在在的，而谷歌作为技术领域的标杆企业，也在很大程度上预示了技术方向的发展趋势，作为技术人员可以不用过分担心商业上的过热现象，而要看到未来相关人才旺盛的需求。

从投资的角度上讲，人工智能势必会成为移动互联网之后的下一波发展浪潮，在最初市场的热度消退后，对于有真正技术实力的企业，可以重点考察。

这一次人工智能复兴的最大特点便是，AI在语音识别、机器视觉、数据挖掘等多个领域走进了业界的真实应用场景，与商业模式紧密结合，在多个相关领域表现出可以被普通人认可的性能或效率，并因此被成熟的商业模式接受，开始在产业界发挥出真正的价值。

高德纳咨询公司技术成熟度曲线

上面这条曲线概括了绝大多数高新技术的发展历程。每年高德纳公司都会根据当年度所有流行技术的发展、成熟状况，制作出一张当年各流行技术在高德纳曲线上的发展位置图示，标示出每种前沿技术是处在萌芽期、泡沫期、低谷期还是成熟期，以及每种未达成熟期的技术还需要几年才会真正成熟起来。技术人员、投资者经常根据高德纳曲线来判断时代潮流，选择投资方向。各位读者可以判断一下，当前人工智能技术处在曲线的哪个位置？

人工智能趋势对技术人员的影响

技术人员要积极拥抱趋势。
20世纪80年代到90年代的第二次AI热潮中，语音识别是当时最具代表性的几项突破性进展之一，其技术范式由传统的专家系统转为由统计学主导，而李开复在那个时代就有幸站到了人工智能特别是语音识别研究的最前沿。当时由他提出的基于统计学的语音识别算法虽然在那个时代处于领先地位，但距离人们觉得系统可用的心理阈值还有一定的距离。李开复博士毕业后，在苹果公司研发的语音识别系统仍旧难以满足当时市场上人们对听写、输入、控制等功能的需要，很难真正变成畅销的产品，所以在书中李开复认为自己“生不逢时”。
反过来看，多少当时在传统语音识别领域耕耘多年的专家，可谓一时人杰，但就是因为来不及拥抱新技术，也逐渐被时代的大潮淘汰。李开复在书中就提及，当年他说服比尔盖茨解散了一个由知名专家领导的一百五十人的语音识别团队，只因此团队坚持以语言学家为主导，没有转换到更有效的统计方法上来。

人工智能趋势对商业社会的影响

本质上，过去20年的互联网和移动互联网是一个不断将线上、线下的业务场景紧密连接，同时也不断促使数据产生、流转、集中和再利用的过程。如果把世界看成一个大市场，互联网和移动互联网的作用就是让这个大市场中的信息更透明，让信息流通更顺畅，以此降低交易成本，消除信息不对称。
在知识、数据的积累达到一个顶峰，业务流程也因为信息的高效流转而顺畅连接到一起后，如何进一步提高生产率，降低业务成本，提升业务收入呢？很自然的，下一次生产率革命的关键是“自动化”，而人工智能正是帮助现有流程实现自动化的最好工具。
判断人工智能技术能在哪个行业最先引起革命性的变革，除了要看这个行业对自动化、智能化的内在需求外，主要还要看这个行业内的数据积累、数据流转、数据存储和数据更新是不是达到了深度学习算法对大数据的要求。

创新工场在人工智能领域的投资布局

创新工场根据技术成熟度和未来发展趋势，将人工智能各应用领域划分为现阶段已成熟、3到5年成熟、5到10年成熟、10年后成熟等不同类型，并分别设计相应的投资策略。

其实，人工智能技术给我们生活带来的巨大变化才刚刚开始。如果回到10年以前，2007年苹果才刚刚发布第一代iPhone手机，那时谁会想到只用了10年的时间，智能手机就无处不在了呢？类似地，从现在算起，再过10年，大家可以看看我们的生活细节发生了哪些变化。今天的我们绝对没法准确预测，未来10年中人工智能可以给我们的生活带来多么巨大的改变。

面对人工智能趋势，是创业颠覆，还是强者恒强

马克·安德森认为，大企业在AI领域拥有几个巨大的优势，使得它们将会成为本次浪潮的最大受益者。
1.懂得如何创建AI系统的人数非常有限。大企业可以为他们支付比创业公司更多的薪酬，就像雇用体育明星。大企业差不多可以把他们都收入麾下，留给其他企业的人才将少之又少。
2.AI项目通常都非常大、非常复杂。这是全新的科技领域。亚马逊的Echo智能音箱是大约1500名工程师开发4年才完成的（注：马克·安德森这里说的工程师人数应该是有些夸大了，亚马逊CEO杰夫·贝索斯2016年5月在另一个场合的说法是：经过4年发展，Echo团队目前已有超过1000名员工）。创业公司可没法投入如此多的资源。
3.对数据的需求。你需要巨大数量的数据集来创建AI应用。谷歌和Facebook之类的大型企业可以访问浩如烟海的数据资源，而创业公司则只能望洋兴叹。强如DeepMind，也要联手谷歌，才能最大化自己的研发能力。
李开复也认为，目前的体系会持续促使大型科技企业不断发展。它们有能力垄断资源、垄断数据，在商业利益和激烈竞争的驱使下，它们会不断地竞逐更为精进的技术能力，为公司赚取更大的利益。对于较小企业，进入AI市场的难度的确比移动互联网时代的创业高出非常多。
即便在人工智能领域创业的门槛空前的高，我们还是期望江山代有人才出，实际上，也必然会出现新的时代弄潮儿。不过，想要在现阶段在人工智能领域创业，必须满足以下几个条件：

人工智能创业的五大基石

在各位面对一家人工智能初创企业时，判断其是否值得投身、投资，这几条想必是不可或缺的条件。
引入成熟的机器学习方法，把数据变成训练材料，塑造自动化机制，寻找、发掘有价值的管理模式和客户模式，并找到一个合适的创新循环：数据—算法—知识—用户体验—新的数据，循环往复，滚雪球式前进，在这个过程中创造商业价值，是现阶段人工智能落地的基本逻辑。

总结

书中也有相当一部分关于AI的人文思考和科普内容，有兴趣的可以找个电子版读读，这本书对非技术的同学也是非常友好的。
最近也花了些时间翻阅了其他国内几本关于人工智能的书，包括李彦宏与百度几位技术高管写出的《智能革命》、周鸿祎的《智能主义》以及吴军博士的《智能时代》。
其中，百度的《智能革命》企宣成分过重，而且由于实际上是高管文章合集，内容体系也有些乱，亮点干货都不多。周鸿祎的《智能主义》则有些蹭热点的意思，书中内容更多还是老周对企业和互联网等方面的思考，有关人工智能的部分很少，虽然红衣大人继续实在开聊，但如果要当成人工智能方向的书来看的话就要失望了。吴军博士的《智能时代》保持了一如既往的高质量，理论化程度高、体系比较明朗，唯一比较遗憾的是商业实例的分析不多，这也是最终选择精读李开复的《人工智能》的一个原因。
《人工智能》，刚看到封面这四个字，很想吐槽，标题起的这么大，大概率是Hold不住的。回头来看，名实是否相符，其实也并不重要，书中的养分还确实蛮足的。如果说借机宣传创新工场的话也确实有，但相较于百度的那本，还是要高明很多。

延伸阅读：
1.李开复演讲文稿：《我不是李开复，我是人工智能》
2.创新工场王咏刚：《人工智能时代的创新创业，应该关注什么？》