【北大AI公开课第二季】雷鸣开讲:创业公司如何突围BAT垄断


新智元报道

作者:艾霄葆

【新智元导读】2月28日,北京大学“人工智能前沿与产业趋势”系列课程如期开讲。第一讲,北大人工智能创新中心主任雷鸣做了近120分钟的分享,内容涵盖了人工智能的发展阶段、特点、驱动力、行业的结合点和新的投资机会。

去年“人工智能前沿与产业趋势”课程反响热烈,获得了广泛关注和参与。2018年春季学期,北大信科学院将继续开设“人工智能前沿与产业趋势”课程。

经过一年的发展,国人人工智能产业的现状发生了哪些显著的变化;在全球视野下,中美两国人工智能各自的优势、劣势有哪些;在互联网巨头的垄断下,中小型初创公司真的一点机会都没有吗?

第一讲的课堂上,雷鸣与大家分享了众多观点和行业资讯。

以下是新智元整理的演讲以及雷鸣老师的PPT。

以主讲人身份现身课堂的雷鸣简要介绍了课程的情况和课堂流程,接着,雷鸣给大家介绍了过去AI行业中几个里程碑式的事件,认为这些事件直接刺激了人们对人工智能发展的关注。

第一部分:人工智能对人类的影响有多大?

首先是2016年年中时 AlphaGo,以4:1战胜了李世石九段。它在2015年底的时候,只是战胜了一位欧洲冠军——也是一位中国人,那是一位两段的选手。所以说,它的进步速度是非常快的。

而到了2016年底,Master 横空出世,在围棋对弈网站上横扫60局不输。我们可以这么认为,在16年年中时,它还是一个跟人类九段选手持平的水平,它已经远远高出了人类的最高水平,因为保持60局不败是任何人类九段选手都不可能达到的水平。

所以我们感觉这是一个里程碑式的事件。17年5月,让3子胜16年3月的版本,这让三个子相当于什么?基本上是专业跟业余下都不让三子。还有就是12月的Zero在8小时内搞定3大棋类。中国围棋的一个元老人物说,如果非要给它加个段位的话,已经达到了20。

还有李飞飞教授在斯坦福做的自然图像分类项目。2011年,计算机对于图像的分类准确度只能达到75%左右,之后就是有不断的消息,说什么今天谷歌又高了,明天微软又高了,后天百度也出来了,等等。现在基本上大家已经不太刷这个榜了。

在人脸识别领域,人类的准确率是99.1%,深度学习能做到99.7%,很多人说,这也没什么嘛,但反过来看错误率的话,0.3是0.9三倍的关系,看数字要讲方法,否则结果会很不一样。

我们看2013年的时候,用一些非深度学习的传统方法去做语音识别,我们做到了准确度百分之九十六点几,而人类的话是百分之九十九点一,差距仍很大。但现在,用深度学习的方法,准确度已经到了99.7%,也超过了人类。

雷鸣将人工智能的发展比作人类历史发展上另一个极重大事件:“让我们看看历史上有没有什么事情是最重要的。那就是工业革命!有一位教授在论文中指出,工业革命是世界经济史上唯一重大的事件。

接下来,雷鸣以“创新”为着眼点,以工业革命和人工智能发展作为两个切分点,比较了农业社会、工业社会和信息社会的不同特点:

如果我们进入到某种称为智能社会的社会,那么可能基于技能的重复性工作会被大量替代。创新有一定的失败率,但是投入其中的人越多,基数越大,社会发展就会越快

我们能看到,到某个时间拐点之后,未来社会发展会更加快速。这会对社会产生极其深远的影响,比如说对财富的定义,对我们的工作形态,对社会的组织结构都会发生根本影响。

第二部分:为什么现在学习人工智能

接下来,雷鸣分析了人工智能现在进步迅速的原因:

为什么会是现在?为什么现在正好是这个拐点?人工智能为什么现在进步的如此之快?首先人工智能发展的必要因素,我们就说是三要素吧。第一个因素,是数据。你没有大量的数据,你就没法学;第二是运算能力;第三个就是算法。那这三个要素为什么现在突然爆发了?我们看其实就是数据和运算能力的提升到了一个临界点,这个点以后,很多原来解决不了的问题,变得能解决了。

那么,我们刚才说的这几个要素都在怎么变化?第一,我们说数据,由于电脑网络,将来咱们还有什么物联网传感器等等,这些会导致数据的增长,每年都以50%的速度在增长。这是什么意思?这就是说,基本上每一年半到两年翻一番,记得这一个结论,就是说数据涨的太快了,这个我们人做事情都是线性的,它可不是,它是指数级的。

我们再看另外一个涨的就是运算能力,运算能力的话,注意摩尔定律也是每1.5到2年运算能力也翻一翻。这两个还有点意思,基本上是同步的。

我们再看算法,算法其实也在不断的演进,这个深度神经网络神经网络算法其实几十年前就提出来了,但是后面一直没什么进展,是为什么呢?就是刚才说的,没有数据,没有运算能力。因为这个算法需要的数据量很大。但现在数据运算能力有了之后,它的威力就出来了。

基础算法虽然很多年前就提出了,但是后面我们不断的有强化学习、迁移学习等等。基于深度学习的话,会出来一个非常大的理论体系来支撑现在的发展。引用吴恩达的一个说法,就是说,他说有监督学习方面,深度学习可以超越几乎其他所有的算法,只要数据量足够。只要数据量够大,深度学习能不断逼近真实函数。

但是我们去看这个这个图,也很有意思,这个学习算法随着数据的增加,它有一个拐点啊,到某一个点之后,他就停下来了。当然了,这个传统模型大部分我们也能理解到, 因为你的公式本身表达能力很有限。

你比如就定了5个参数,然后搞一个线性的,其实表达能力是非常有限的。你怎么训练它,都不能把真实的东西完全模拟好。但深度学习不一样,你只要给的模型足够大,它基本上可以把这个真实环境原函数给你还原的非常好。

所以刚才说,它随着数据的增加,每一个数据的反馈都会修改这个函数,然后就逼近真实函数。所以说,它到达一个点之后,爆发了数据和运算能力,使得深度学习真的有用了。它可以超过原来的传统算法。那以后的话呢?它会继续扬长而去,不断进步。

接下来我们再讲一下人工智能会影响什么。我们认为人工智能会影响几乎所有的产业。

第三部分:人工智能对产业的影响

关于人工智能对产业的影响,雷鸣说:

举一些简单的例子,比如说服务业, 扫地机器人现在全球已经卖几千万台了,这是机器人里销量最大的。看着很傻,一个圆盘在那,但是它真的解决了一个问题,你不用扫地了。还有陪伴机器人,这个概念说了很久,现在还没落地,但是呢,这个东西未来肯定会实现。然后呢?导购机器人也是这样。

我们能看到这一块儿正在高速的发展,什么时候会人手一台呢?我们不太清楚,中间的话也许有些挑战, 一定要把成本降到某个水平线之下等等,但是未来是很明确的,它就是在朝这个方向发展。我们相信在一定时间之后,每个人家里面都会有N个机器人在帮你做这做那。这就是未来的工业机器人和智能工厂。

特斯拉在整个生产过程中,有十几个工程师到几十个工程师在盯着,这些工程师并不是流水线工人,他们在盯着流水线不要发生故障。真正的生产都是机器自动化进行的, 所以说未来工业也会有深刻的变化。另外,现在我们知道自动驾驶和智能交通,这两个当然也会出一些事故,因为在创新的早期,错误总是会犯的。但是它会越来越好。另外我们大胆的估计,也许20年以后,可能你自己在马路上开车就是违法的。

接下来,雷鸣展望了人工智能的未来和发展。

现在,全球前五的市值公司都是互联网企业,而20年后,这些席位都将是人工智能公司。

比如你看金融行业的数据分析师肯定比普通司机门槛高,但当AI技术应用到这两个产业时,自动驾驶要难的多,这是由于金融行业本身就是数据,而无人车的数据需要不断的测试模拟。

另一个例子,交通、医疗这些国民生产总值占比靠近的大行业一定是首先与AI结合,这是由它的经济效应决定的。

第四部分:AI时代的机会

如今,大公司的优势太明显,甚至可以用垄断来形容。雷鸣指出小公司也有自身的特点可以突击,比如,虽然没有巨额现金去挖人,但可以用股权占比去吸引人才,更何况不管哪个行业,优秀的人才一定永远是稀缺的,而随着人工智能的发展,人才流动相应的也降低了招聘的门槛。

硬件设备也开始减价,可以很方便的租赁。所以数据是最难的,数据不像石油,它是非标准化的,这样就无法流通,花钱也买不到,独家大数据是人工智能不断进步最宝贵的。

垄断的企业才有定价权,市值高的都是To C 的公司。

互联网时代让信息在全球范围被拉平,消费行为趋同,传播加速,这样很容形成爆款,自然就出现了垄断,这样的竞争环境也不允许大公司犯错、踩空结构性机会,不然差距瞬间被拉开。

现在人工智能业务布局几乎已经覆盖了替代性机会,只是各个替代性机会的发展阶段不一样,商业化程度的差异。而比较难出现的是全新的产品,当科技不大发时的、受压抑的需求被满足,全新机会自然爆发,比如语音助手的发展催生了智能助理行业。

第五部分:AI时代中国的机会

中国其实是跨过了信用卡时代直接进入了移动互联网并且正在拥抱人工智能,这种跨越式的进步给了中国引领社会改变世界的机会。中国的短视频、直播、个性化新闻甚至是小黄车已经成为其它国家模仿的产品,Copy from China是大势。

最后,附上本次课程的视频回放链接:

https://c.m.163.com/news/l/172288.html?spssid=d86c2ad55f9f33a28fc5200b5a04d1cc&spsw=1&spss=163

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2018-03-01

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

来自专栏新智元

2016机器学习三大趋势:算法经济将引导人工智能走向何方

【新智元导读】2016年机器学习有三大趋势。其中,Gartner分析认为,算法将形成一个全球性的交易市场,就像当年的App经济,催生出全新一代的专业技术初创企业...

4007
来自专栏大数据文摘

行业 | 我的数据科学成果为什么无法商业化?

1124
来自专栏企鹅号快讯

斯坦福101页年度AI报告:人工智能全面逼近人类能力附下载

来源:智东西 概要:近日,斯坦福“人工智能百年(AI100)”专家小组(非盈利性项目AI Index)发起了一项AI指数报告,追踪学术界、产业界、开源软件和公共...

1948
来自专栏腾讯大讲堂的专栏

2017腾讯创新日 | 科技引领潮流,创新打造未来

创新充满挑战,科技提供更多可能,随着社会的不断前进,科技、创新越来越深入我们的工作和生活中。勇于挑战自我、专研业务技术的腾讯人在6.14日举办了2017年“腾讯...

2856
来自专栏顶级程序员

关于数据分析那些事,看这一文章就够了

目录: 1什么是数据分析; 2数据分析职业介绍; 3数据分析生涯规划; 4数据分析薪酬情况; 5数据分析基本素质; ---- 一:那到底什么是数据分析呢? 数...

2828
来自专栏ATYUN订阅号

DefinedCrowd筹集1180万美元为AI模型建立定制数据集

收集用于训练机器学习模型的数据并不是简单的工作。算法需要标记良好的高质量源,这就是为什么整理数据集所花费的时间几乎与开发模型一样长,甚至更长。

571
来自专栏镁客网

中科院研究团队对社会“困境问题”进行有效建模,通过数据分析证明“合作”的重要性 | 黑科技

820
来自专栏机器人网

人工智能活跃度, 18张分立的视角评估图告诉你

最近,斯坦福“人工智能百年(AI100)”专家小组(非盈利性项目AI Index)发起了一项AI指数报告,追踪学术界、产业界、开源软件和公共兴趣范畴的18个分立...

3428
来自专栏大数据文摘

公开课 | 史上最便宜~用树莓派玩AI + 分析监控视频中的人流量 + 计算机视觉行业展望,3场直播连击!

1511
来自专栏人工智能的秘密

AI指数报告:让我们从18个分立的视角来看AI

最近,斯坦福“人工智能百年(AI100)”专家小组(非盈利性项目AI Index)发起了一项AI指数报告,追踪学术界、产业界、开源软件和公共兴趣范畴的18个分立...

4230

扫描关注云+社区