AI 真的会重蹈 O2O 的覆辙吗?

编者按:文中所有截图、评论之引用都已获得许可,并确保评论内容真实。

近日,奇虎 360 公司董事长兼 CEO 周鸿祎在 360 营销盛典上谈到了他对人工智能的看法,引起了热烈的讨论。在拜访了西雅图、硅谷的一系列人工智能公司和伯克利的八个 AI 实验室后,他认为美国现在整个人工智能会成为下一个产业的泡沫,类似于当年蜂拥而至的 O2O 模式。

“今天创业者出来做一个公司,你要不说自己是用深度学习、人工智能,你都不好意思出来混。就跟前两年,你要不说自己是 O2O,都不好意思去融资一样。”

今天上午,地平线机器人技术创始人兼首席执行官余凯在朋友圈转发了会后整理的周鸿祎的演讲,并评论道:

“老周说得没错。不过互联网当年也是泡沫横飞,现在最大的 5 家互联网公司都市值接近或超过 3000 亿美金了。”

截图由明势资本黄明明提供

从车和家创始人兼 CEO 李想的回复中可以看出,他并不认同把人工智能与 O2O 相提并论,人工智能对效率的改革区别于 O2O。

雷锋网也联系到了明势资本黄明明,他向雷锋网表示:

“可能更加客观的说法应该是,部分 O2O 和部分互联网金融都是,但 AI 不是。”

对于“AI 泡沫论”,极视角 CTO 黄缨宁认为主要取决于资本方对人工智能产业的看法能否跟上时代的变迁。她提出:

“或许十年前人工智能很前沿和炫酷,没有什么开源的框架,具有这个能力的公司都有相当的实力,能获取许多的资本支持。而现在,随着开源的框架、算法、数据集越来越多,越来越多的公司都具有人工智能的应用能力,这个能力在未来会越来越普及,就像数据结构和基础算法一样,都是为实际应用服务的。在现在来说,仅仅因为一家公司做了深度学习,就应该得到不错的融资这种概念当然会导致泡沫,要知道,在未来,深度学习就是一个基本配备。会有专业的公司做人工智能的基础框架,这些公司是具有相当研发能力的,比如谷歌、和目前少量的 startup。但是绝大多数公司做的是深度学习的应用,现在很多传统的东西都等待着深度学习来颠覆,资本或许一开始会热捧,后面我相信会趋于理性的。”

那除了业界和投资人,学界又是如何评价“AI 泡沫论”的呢?

ICDM 2013 最佳论文大奖得主、长期深耕于人工智能方向的张富峥博士表示:

“我赞同里面有些观点是对的,确实人工智能有一定的泡沫,人工智能其实只是背后的技术,需要找到符合需求的应用才能产生好的商业模式。但是从另外一个角度,泡沫其实一直都有,不只是人工智能,像 20 世纪初的互联网,每一波泡沫一定是有真正有用的技术升级在背后支持,而泡沫之后都会产生一些伟大的公司。”

目前在新加坡国立大学做博士后的李长胜认为:

“短期内泡沫还是有的,这也是任何技术发展的必经阶段,但是从长期来看,泡沫过后还会持续发展,我个人还是很看好人工智能的,特别是和机器人,智能硬件结合起来。”

以上就是关于AI泡沫论工业界和学术界的观点,在文章最后我们会下一个统一的结论。另外周鸿祎在他的演讲中提到了两个由泡沫论衍生的比较有意思的观点,工业界人士和学术界人士也发表了自己各自的观点,这里一并呈上:

“今天所谓的人工智能只是叫新瓶装旧酒。因为计算机计算能力的增强,使得过去的算法有了很大速度的提升;利用互联网和手机的接入采集到大量的数据,然后用深度学习的算法,这就是今天的人工智能。”

在大数据的基础之上,实际上是能够让计算机在某些领域产生了一些质的飞跃,比如说在图象识别方面,现在计算机你给它看十万张照片,都美女,再给它看一个新的照片,让它判断是不是美女。

周鸿祎举了一个例子:现在每天有几十万主播到花椒平台,靠人工给他打分,我发现真的来不及,而且打分标准不统一。我们就拿计算机自动打分,后来发现标准全都是锥子脸,计算机就把所有的锥子脸都定义成美女。

AI科技评论君表示不是很认同红衣教主的这段论述,于是就这个问题请教了极视角 CTO 黄缨宁。

极视角 CTO 黄缨宁认为:

“现在深度学习在目前计算资源的支持下激发的这一波 AI 个人认为已经有了里程碑式的飞跃,以前就算给计算机看十万张美女他也不一定能定义什么是美女,因为特征都是手工的、偏规则的。现在至少给一个目标,网络自己就能选取符合这个目标的特征,从而达到不错的效果。但说要AI达到强智能,现在是远远不够的,但也不是新瓶装旧酒。算是弱人工智能的一个强里程碑吧。”

她还指出:“现在 AI 解决的问题都是人类比较善于解决的问题,比如分类和识别。但人类都需要花费一些脑力解决的问题,比如推理,就解决的不太好。”

在新加坡国立大学做博士后的李长胜也表示所谓人工智能并非新瓶装旧酒这么简单:

“人工智能很早以前就有了,最近几年找到了新的应用方向,在可行性方面也得到进一步提高,所以才迅速发展起来,受到更多关注,有更多的人研究,当然不排除一部分技术是以前的技术,但是更多的是在以前技术上不断发展和创新,我和你的观点一致。”

“纯粹的人工智能是没有商业模式的,一定要跟一个领域、一个产业相结合。”

来自英国诺丁汉大学的机器人专业博士 Rosy 对周鸿祎的这个观点表示赞同,她认为 “‘人工智能一定要跟一个领域、一个产业相结合’ 的看法是正确的。”

在谈到 AI 与机器人结合时,她并不觉得有泡沫,但也提出:

“只是现在出来的大部分机器人并不具有人工智能,仅仅是具有机器人本体而已。但是机器人产业化需要大量的资金驱动,所以大家关注是好事。然而目前的水平仅能说是刚刚开始。”

复旦自然语言处理方向的博士蒋海云也表达了类似观点:

“目前人工智能能属于刚刚起步的阶段。”

他认为短时间之内人工智能还无法与人类相比,两者最大的区别就在于人类还可以发现问题、定义问题,而人工智能目前智能做到某种程度的解决问题。

另一位不愿透露身份的国内顶尖学府博士表示:

“AI 在近几年获得关注,一方面是深度学习算法使得学习效率得到了显著提升,另一方面是移动互联网使得获取海量数据作为学习样本成为可能。但是,目前 AI 在解决几类问题并不具有优势,一是很难甚至无法获得海量样本的,没有数据就没有学习;二是不能基于判断及其组合完成的决策,因为神经网络归根到底还是一个 selector。就我在的机器人行业,AI 在人机交互、视觉、导航中还是显示了强大的潜力,但是基本的动力学、控制中的问题未必用 AI 有优势。那种神话 AI,觉得 AI 万能的想法是不靠谱的。”

总的来说,同样是表露支持纯粹的人工智能是没有商业模式的这个观点的。

小结:

从大家的评论和反馈中不难看出,无论是业界、学界还是投资人,意见是比较统一的———红衣教主此番言论的确切中了目前人工智能发展的一些问题,比如存在泡沫的问题、纯粹的人工智能没有商业模式的问题。但是业内人士认为 O2O 的经验显然并不适用于人工智能的发展,重要区别在于 O2O 在本质上并没有提升线下的生产力和效率,而这恰恰是人工智能的价值所在,因为 AI 能大幅提高效率。

人工智能产业的泡沫也无需过度担忧,人工智能一定要跟一个领域、一个产业相结合是大家的共识,目前人工智能和相关领域的产业升级需要资本的加持,这点有助于其快速成长发展。

当现在这些新鲜的人工智能技术逐渐走向成熟化、普遍化,资本就会开始趋近理性。以互联网的经验来看,大浪淘沙,沉者为金,最后真正有价值的技术会成就一批伟大的公司。的确,是计算能力的提升激发了这一波以深度学习为代表的 AI 浪潮,但“新瓶装旧酒”的说法并不准确,很多技术是在不断发展和创新的,现在的水平虽还未达到强人工智能,但可以说已经达到了弱人工智能的一个强里程碑。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2016-10-18

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

来自专栏机器人网

机器人时代人类还能做些什么?

看过《机械公敌》的朋友一定对里面无所不在的机器人印象深刻,它们出现在人类生活的各个领域之中,而社会中的大部分工作也是由它们所完成的。那么这种情况是好是坏呢?当人...

21040
来自专栏科技向令说

响铃:云计算的时代 2.0的江湖 百度的新赛道战术

云计算最近“大事”不断,基础架构和信息载体的不断更新和迭代,赋予了云计算更多更新的角色。可以说,云计算正处在一个三叉路口,向左继续基础能力演进,向右转向产业全面...

14320
来自专栏达观数据

AI上海创未来,2018长三角人工智能应用创新张江峰会圆满召开

19250
来自专栏云计算D1net

IT 行业变化趋势:向云端服务提供商转型

最近,ServiceNow 公司发起了一个由 1850 位资深管理者参与的行业调查,调查显示云计算在企业中扮演的角色越来越重要。在调查中,超过半数(52%)的受...

35350
来自专栏量子位

大咖来信 | 李国杰院士:AI创业光靠算法走不远,警惕命运魔咒

李根 发自 凹非寺 量子位 报道 | 公众号 QbitAI AI对中国工程院院士、中科曙光董事长李国杰而言,并不是新事物。 作为中国最早一批计算机科学领域的专...

36650
来自专栏钱塘大数据

钱塘号丨未来人工智能将带动金融服务如何发展?

导读:人工智能日趋普及,并在金融服务领域产生巨大影响。本文作者 Nikolas Badminton 向我们介绍了人工智能在金融服务领域的发展动向,并对其发展趋势...

37980
来自专栏灯塔大数据

中国即将面临“大数据人才荒”

2016年9月,中国女排在里约奥运会上再次夺得世界冠军,举国欢庆。中国女排能够在极其艰难的情况下再次书写世界传奇,除了勇于拼搏的女排精神之外,科学的“数据分析...

20040
来自专栏大数据文摘

院士谭铁牛:智能化时代生物识别的机遇与挑战(附报告全文)

21960
来自专栏量子位

深度学习入行门槛太低,不开心!

安妮 问耕 编译整理 量子位 出品 | 公众号 QbitAI 进入门槛太低正在毁掉深度学习的名声! 这么一篇标题“忧心忡忡”的讨论帖,毫无意外的在reddit上...

39360
来自专栏程序员互动联盟

码农最后有几种归宿?

经常听到周围的人说,程序员吃的是青春饭,过了30就不行了,身体机能下降,后面的年轻人也会呼呼的赶上来,到30就该考虑出路了。真是这个样子让80后的程序员该如何是...

32560

扫码关注云+社区

领取腾讯云代金券