利来娱乐国际

没有区块链人工智能大概率做不好

来源:首页 | 时间:2018-09-27

  投资人如何看待人工智能?8月17日,星瀚资本创始合伙人杨歌在2018 iWorld数字世界分论坛上分享了他对人工智能的理解。

  作为从大学时代就开始研究人工智能算法并动手实操的投资人,杨歌对人工智能的理解相当深入。从算法应用到产业趋势,从技术实践到投资逻辑,杨歌的分享将人工智能的不同维度融会贯通,极富价值。在分享中他表达了以下精彩观点:

  2、人工智能项目模型构建本可丰富多彩,但大部分从业者只认准了一两种方法,非常死板、基础、简单,导致了项目趋同,也导致了商业化难以实现。

  3、中国在模块层上能力不比美国差,但关键是模块层能否在尽可能短的时间里超越基础物理层的迭代速度。基础层的重大突破可能会导致模块层的工作推倒重来,对模块层来说时间很关键。

  4、人工智能技术存在四大挑战,一是模型构建,二是样本选取,三是算法创新,四是参数调试。

  人物简介:杨歌毕业于清华大学,在校期间连续创业,曾荣获国家改革开放30周年企业奖。研究生毕业后先后加入毕马威、大江投资、北京信托,任咨询师、副总裁、投资总监等职务,荣获由中关村股权投资协会颁发的中国股权投资行业新锐青年投资人认证。他同时还是中国投资协会股权和创业投资专业委员会理事,国家科技部人才中心科技创新创业导师团特聘导师,国家教育行政学院认证课程导师,清华大学创业学分课荣誉导师,凤凰学院执行院长。

  最开始互联网是一个信息工具,这个工具积累了大量数据;然后互联网衍生出各种商业模式,进行了产业升级,变成了数字经济;数字经济对数据进行处理,并产生更多数据,服务于人工智能。

  我们把互联网的发展划分为三个阶段。第一阶段就是互联网基础功能,利用互联网信息功能,将事实与工具信息化;第二阶段是产业升级,利用信息化的各类管理系统进行产业升级,使得信息管理变得更加结构化;第三阶段,结构化的数据为人工智能的诞生创造条件。这是一个逐渐迭代的过程,星瀚资本投资的很多公司都在这个框架中。

  我们所理解的产业升级是一步一步渐进的,从最开始的经验化,然后到标准化,最后才会到人工智能。我认为做人工智能一定要客观,客观认识到中国企业有90%以上,还处于原始的经验化阶段,尤其是农业和基础工业。

  星瀚资本做了不少供应链投资,发现在一线%都是小作坊,二三线城市就更不用说。小作坊的标准化建立、信息化推进和数据积累,是一个漫长的过程。人工智能在这个过程中处于最末一环,目前来看还有很大的价值没有开发出来,需要时间教育市场,市场也需要很多时间消化理解。

  互联网融合三种“流”,分别是物流、信息流和资金流。在没有互联网的时代,只有物流和现金流,互联网出现后人们把信息进行了量化,使得物流和信息流沟通更加紧密。这三流分别对应的就是供应链、区块链和资金链。

  我认为区块链并不是某种金融工具,而是非常有效的一种对行业进行量化和标准化的工具,它能够推动行业进入标准信息数据的过程,如果没有这一步,不大可能做好人工智能。大部分企业都处于经验化阶段,因为没有进行数据标准化升级,它们积累并持有的数据噪音非常大,难以使用。量化与标准化是区块链的一项非常重要的意义,也是实现人工智能的前奏。

  互联网已经促进了信息标准化,促进了信息流、资金流、物流,促进了信息的迭代,产生了大量数据。互联网还会产生人工智能和区块链,并向新能源机器人、量子计算、脑机接口等前瞻技术领域延展。

  我们把人工智能分成三个层级:互联网是其基础,大数据积累是中层,最上层是人工智能算法与应用,算法又是应用的基础,大量的应用场景还有待迭代。星瀚资本接触到、投资过的人工智能公司普遍存在一个问题,那就是基础层级的实现比较简单,挑战集中在应用场景的落地与商业化。理论研究是充分的,但行之有效符合商业化的算法和模型数量少,大多数模型的有效性相当低,在这个过程中要做非常多的实验调整模型贴合场景。

  人工智能最难的一点就是模型化的过程。我把人工智能模型化分三个阶段,赋予智能(弱智能)、学习智能(强智能)、残差信息(超智能)。人工智能目前处于摆脱弱智能进入强智能阶段,而超智能在许多垂直领域都没有得到实现,更不用说商业化应用。

  目前大量人工智能应用研究都在探索强智能,但是这些探索项目的模型构建能力非常有限。智能框架的设计其实有多种方式方法,本可丰富多彩,但绝大部分人工智能从业者的模型构建只认准了一两种方法,非常死板、基础、简单,导致了项目的趋同,也导致了商业化难以实现。

  业界将人工智能分成三个层次,基础层、模块层和应用层。随着近些年不断的技术创新,基础物理层越来越丰富,技术与技术在不断竞争,这其中有许多机遇。中间的模块层有个段子,图像识别、语音识别、语义识别和运动机能识别被调侃为中间层四大名著,因为都在讲故事,而故事还没有落地,我们能够看到一些成果,但离真正商用还比较远。

  模块层,中国在全球范围内能力较强,不比美国差。但关键是中间层能否在尽可能短的时间里超越基础层的迭代速度,或者说指导引领基础层的迭代,承上启下带动应用层发展,并获得丰厚的投资回报?这个难度非常大,底层技术的重大突破可能会导致中间层的工作推倒重来,对中间层来说,时间很关键。

  大部分人理解的人工智能都集中在应用层。应用层的难度非常大,大家都会误解应用层已经来到,实际很多应用层的研究无法商业化。表面上越直观的人工智能越难实现,,比如机器人,比如智能驾驶,因为其容错性相当低,要求不能有任何错误,而且感性成分比较多,实现困难。

  有则笑话,中国请了一个老外专家来解决交通问题,老外说我一年之内一定解决,结果三年都没有解决好,临走的时候留下一句话说,中国根本没有交通问题,只有社会问题。对于自动驾驶来说,不是把算法调得复杂一些,就能从L3到L5。L5这个层级要求自动识别所有交通问题,最后要解决的就不是交通问题了,而是社会与人性问题,所以难度非常大,不是我们想象的那样很快就可以做出来。

  星瀚资本做了很多人工智能的投资案例,我自己也用人工智能模型做一些研究,我认为人工智能技术存在四大挑战。

  第一是模型构建。大多数人构建模型的时候,模型框架都是错的。比如我做量化金融,做了三年,到第三年后半段还在调整框架,就是因为链条是错的,比如数据清洗方法、相关性计算方法、数据摘选方法,这些看起来不太起眼的细节会直接导致计算结果失真。

  第二是样本选取。绝大部分人工智能公司在选取样本时都存在偏差,也就是说,你以为手上的样本能反应客观事实,实际上大多数样本没有获取到,导致研究结果没有普适性。

  第三是算法。大多数从业者使用的是标准化算法,其实真正的人工智能算法应该来源于调试,网络、层次、结构,甚至多种网络进行配合,自己创作出适合于应用场景的人工智能。

  最后一点,人工智能最烦琐最头疼也最无奈的,就是要进行大量的超参数和基础参数的调试,不断对比筛选,逐渐逼近结果,费时费力。

  人工智能应用非常非常多,比如人们熟知的图像识别、语音识别、自动驾驶等。但实际上人工智能更广泛的应用在实体商业里面,比如物流仓储,农业工业,消费金融等等。人工智能在很多场景都可以得到应用,只是目前我们应该建一个良好的模型结构并且迅速商业化。

  任何技术发展都有阶段,人工智能在今天仍然处在产品摸索阶段,还没有到大量应用爆发的过程。这张图我们称为产业时钟,人工智能在摸索成长阶段,这是增量市场的竞争,它可能在十年中会进入到爆发期。

  做投资和创业最主要的一点,就是要判断每一个名词背后的浪潮是真的还是假的,是长周期还是短周期。互联网是一个承载几十万亿市值并持续50年以上的大浪潮,我认为人工智能可以和互联网相提并论,只是这个浪潮还没有起来,因为难度大。现在整个市场都在提人工智能,但真正理解人工智能的人不多。人工智能还处在起步阶段,对于投资来讲,快市场一步是先驱,快两步就成先烈。

  另外人工智能的大规模应用需要大量技能型人才来支撑,他们拥有人工智能知识框架,知晓该如何利用人工智能解决问题,但现阶段这个条件还不成熟。不过目前有不少中学生在接受人工智能技能向的培训,等到这批年轻人工作了,就会自然而然地利用人工智能解决问题,大量人工智能市场需求到那时将集中爆发。

  中国是需求导向,美国是技术导向。美国人工智能需求是由大公司提出来概念,驱动中型公司研发,然后中型公司又驱动小型公司创新,再然后驱动到学校,需求链条、资金方向很明晰。而中国的人工智能则是做出来要寻找市场应用,扩大市场需求。中国人工智能公司挑战比较大,既要做研发,还要做迭代,还要受到市场理解,甚至还要做渠道疏通。这导致中国的技术产品形态更适用于应用,没有时间做底层研究。

  科技发展从来不只是大公司的专利,所有小公司都有机会,而且新的机会一定是小公司做起来的,因为大公司管理模式固化,没有办法支撑新事物发展,而小公司调头非常容易。我们所熟知的芯片、互联网,很多技术都是几个人的小公司搞起来的,然后逐渐做大。

  近两年人工智能的模型变化非常大。对于大公司来说,一大笔钱投下去,过两年发现模式变了,钱又砸下去了很麻烦,而小公司容易调头,这个大公司跟不上。小公司在宏观和技术发展的纬度非常高,只要出一个新的东西就敢马上做起来。但在不断的调转过程中一定要抓住机会纵深拓展,顺着机会发展3到5年就能做大。我看过很多的小公司,就是一波浪潮抓到了就起来了。

  小公司只要浪潮抓好了,进可攻退可守。进可以继续横向拓展把业务做全,退可以选择被大公司收购,像英伟达高通这些大公司还比较依赖收购小公司来进行创新。

  最近成都的人工智能行业论坛非常多,投资机构纷纷看好这一赛道,加大投资力度。天虎科技计划在未来不久推出一系列人工智能+行业应用的文章,欢迎各位朋友持续关注。

  另外值得一提的是,作为论坛的承办方,合创新业对于中美两国的人工智能项目拥有极丰富的孵化投资经验,同时杨歌本人也是与合创新业合作的创业导师。

  前不久合创新业位于成都兴隆湖畔的西部人工智能创新中心举行了揭牌仪式,并发布了“人工智能全球创新加速计划”——预计在2025年前累计引入、培育、孵化、深度辅导国内外100家人工智能优质企业,重点关注中国和北美区域研发端和市场端的交叉优势。该计划将主要服务于人工智能项目打磨商业模式、获取早期融资、中美两地市场拓展等。

  如果你在成都有好的人工智能创业项目,可以考虑与合创新业接洽或通过虎哥进行对接。

  创头条是基于创投资领域数据挖掘的推荐引擎产品,可帮创业者和投资人实现个性化、一站式行业信息定制。

利来娱乐国际相关

    无相关信息