深思考杨志明: 人工智能在路上,奇点还在科幻中

GAIR

今年夏天,雷锋网将在深圳举办一场盛况空前的“全球人工智能与机器人创新大会”(简称GAIR)。大会现场,雷锋网将发布“人工智能&机器人Top25创新企业榜”榜单。目前,我们正在四处拜访人工智能、机器人领域的相关公司,从而筛选最终入选榜单的公司名单。如果你的公司也想加入我们的榜单之中,请联系:2020@leiphone.com

本文和我们交流创业项目的是深思考深度人工智能的创始人杨志明。杨志明是中科院博士,连续创业,在人工智能领域摸爬滚打了近10年,深思考团队由来自于中科院自动化所、软件所、计算所、半导体所等中科院院所人工智能、机器学习方向的资深科学家组成。

这是我第四次创业,第一次是信息安全,第二次是做web数据挖掘——类似现在的用户画像,通过对用户画像,采用机器学习方法建立模型,去预测用户的消费兴趣或行为,第三次是中文自然语言处理NLP行业应用,前前后后跟机器学习打了近十年的交道。 经历过这几次创业,我们核心研发人员基本没有太大变化。

2014年,原先NLP的业务已经稳定,主要用在垂直行业的文本校对、语义理解,整个市场盘子也定了,(按:天花板比较低),我们就开始把精力聚焦在我们现在在做的事情上。

我们“深思考”人工智能“大脑”服务是整体的web服务,包含:图像识别,机器视觉,情感计算,中文自然语义处理,深度学习作为一个底层的web service。我们也切入了一些专业领域:医疗、智能家居、智能养老、教育,结合行业的业务,用人工智能技术去解决一些行业的痛点。比如我们去做医疗影像的识别,假如一个医院影像中心有一万个X光片要看,如果人工去筛查,一方面需要耗费很多专业医生的时间,另一方面人看久了会疲劳,可能会出错——我们通过机器去做筛选,可以把有健康问题的影像缩小到一个小的数量级范围内,这个小数量范围再交给医生去确认,就可以大大提高效率,节省人力。

我们深思考人工智能前期大约筹备了一年,到2015年8月才成立,技术服务在行业落地正在开始,目前在跟国内一家比较知名的医院在合作。这个算法模型的设计和训练,分类测试大约需要半年左右的时间——前提是我们在深度学习方面已经有了很多年的技术储备和实际应用。

情感计算是我们独特优势的一块,也是我们重点研发的方向,通过语音、语调、姿态、情绪、动作、接触等、上下文的语义等,我们基于这种多模态的感知使用深度神经元网络算法建立情感计算模型。

情感计算本身也许不解决问题,但是它配合其他技术能更好地解决问题,比如普通的客服类机器人已经可以处理很多需求,再加上情感计算,可以做得更人性化,获得更好的服务体验。我们崇尚的是有温度(温情、人性化)的技术。 另外我们深思考在做一块是虚拟人工智能机器人,是结合AR增强现实技术实现机器人“身体”,再使用我们的情感计算引擎技术及深思考人工智能“大脑”服务,实现了“能听、会说、有情感、会学习”的虚拟人工智能机器人。其实VR、AR很多虚拟形象如果加入情感计算等人工智能技术会取得更好的效果。

人工智能很热,但要落地,可能还是要解决行业痛点,有人在做汽车辅助驾驶,有人做客服机器人,只有能解决行业痛点,并且行业天花板足够高,人工智能技术在这个领域才能发展起来。

我们团队目前主要是两个部分,机器学习的科学家以及一些工程人员、资深开发者,这部分人占到了总体90%左右。核心的算法设计、机器学习人员大多是我的硕士或博士同学、之前和我一起创业多年创业伙伴。我们第一次创业做的是信息安全,信息的加密解密,当时市场还没发展起来,最终先锋变先烈;后来06、07年开始做行为定向和用户画像(behavior targeting),现在所谓大数据,用数据挖掘的一些算法给用户做画像,使用机器学习算法建立用户兴趣或消费行为预测与分析,那个项目做得还行,也在实际中运用上了;第三次做NLP,中文自然语言处理是人工智能的一个细分方向,业务比较稳定,但发展也有限。这是个悖论,要么应用范围大,但是落地困难,要么选择一个特定领域落地,但天花板又会有限。

基于之前积累的经验,我们这次选择考虑了几点:

一,它是行业风口;

二,我们在这方面也有长期的技术积淀;

三,我们的技术也能解决很多行业的痛点,天花板足够高。

我们团队的经验也决定了我们会做一些技术上有一些门槛,然后又能提供一些服务的创业创新,整个宗旨是这样的。

我们去年10月融了天使,年底融了pre-A。我们第二、三次创业的时候融资环境不算很好,我们基本上把所有的积蓄都投进去了。06、07年做人工智能,我跟人说NLP、人工智能、deeplearning,很少有人听懂,而且这类技术研发周期又长,当时资本还没有特别关注。

这一次情况很不一样。去年8、9月,公司刚成立的时候,一个礼拜有几十家投资机构约谈——不知道他们从哪里知道我们的,可能是我们同事出去在一些活动、创业大赛上路演,拿了一些奖——一开始我还基本每一个都接待,后来实在没有那么多精力,我们应该还是把时间花在产品研发上。我们最后选了一个跟我们理念比较契合的,pre-A是一家上市公司的战略投资,他们跟我们的理念比较接近,也可以给我们提供行业资源。

目前我们都能看到一个大趋势,虽然一些重复性、枯燥的工作会交给机器,这是趋势,但我从一个实践者的角度看,机器在哪个领域都不能完全替代人,只能辅助,机器能做到90分已经很了不得了。人工智能的“奇点”目前还只存在于科幻世界中。

先锋志:几年前就有无人工厂了,一个车间主任一个人可以管一整个车间,全自动化流水线。 杨志明:那还是得人去监督、控制,完全脱离人的指令也是实现不了的。

AI 科技评论

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2016-05-20

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏企鹅号快讯

与AI赛跑?麻省理工发布AI指数 称人类常常“错估”人工智能

原标题:与AI赛跑?麻省理工发布AI指数 称人类常常“错估”人工智能 一份新的报告试图具体衡量人工智能混乱的进展。 ? 人工智能到底有多聪明?进展有多快? 这些...

1815
来自专栏AI科技评论

港中文(深圳)机器人与智能制造研究院副院长丁宁:城市化进程巨大潜力驱动特种机器人产业发展丨CCF-GAIR 2018

特种机器人作为机器人行业的一个分支,不同于工业机器人、公共服务机器人和个人/家用服务机器人,其客观存在技术门槛高、开发周期长等现状,对于特种机器人如何更好地服务...

882
来自专栏量子位

张一鸣倡议AI发展要讲责任,马维英谈头条AI现状和未来 | 实录

李根 假装发自 诺金酒店 量子位 报道 | 公众号 QbitAI ? △ 今日头条创始人、CEO张一鸣 “作为人工智能的企业,应该永远恪守一条原则:必须对整个...

3155
来自专栏AI科技评论

微软全球执行副总裁沈向洋:7 点总结 20 多年的 AI 从业经验

AI 科技评论按:人工智能发展到今天已有 60 年的历史,成果累累,当然也遗留了 60 多年没有解决的问题。那么到底哪个问题 60 年都没解决,而且会继续延续下...

2825
来自专栏大数据文摘

微软张亚勤:未来10年机器智能超过常人

3177
来自专栏大数据文摘

院士梅宏:真正的大数据应用体现在数据挖掘的深度

1412
来自专栏AI科技大本营的专栏

对话吴恩达:为什么说制造业会是聚焦AI转型的“当头炮”?

近期,吴恩达做客播客节目 Greymatter 探讨了自动化、智能化将会在各个领域如何发展,以及机器学习和人工智能的未来。

552
来自专栏机器之心

业界 | IBM宣布全球首个通用量子计算云服务,可用于商业和科研

机器之心报道 机器之心编译 参与:李泽南、黄小天 IBM 刚刚发布了他们的商用量子计算机系统「IBM Q」,这一系统可以帮助开发者们构建量子计算机与常规架构计...

3549
来自专栏PPV课数据科学社区

关于2014年大数据预测分析市场的预测

多年来,企业都一直无法充分利用大数据进行预测分析。由于社交媒体的普及带来了消费者日常生活习惯、活动和兴趣方面的数据信息量的巨大增长。这些新的外部数据资源将与企业...

3436
来自专栏人工智能快报

Google科学家称人工智能面临三大障碍

据英国科技资讯网站TechInsider 2015年10月报道,美国Google公司的多位科学家表示,人工智能目前面临着三大障碍。其主要观点如下: (1)让机器...

2725

扫码关注云+社区