您所在的位置:首页>创业>正文

盘点:AI创业的10个真相

聚行业--创业 中国电子商务研究中心   2017-01-11 14:57

创业-全文略读:三年以后平台出来了,很多聪明的大学生可以自学。平台、工具越来越多,AI会变得越来越容易用了。以后年轻人来创业,我觉得可能比现在的科学家创业更能成功。因为创业需要有动机,有狼性,愿意拼命。本来就要把自己名声,身家全部赌进去的...

以下是李开复在《创新工场人工智能战略 白皮书 》 发布会 上的闭门分享,雷锋网将其整理成为《李开复:AI创业的十个真相》,呈现给读者。

 

创新工场本身主营的机构是投资和投后的机构,我们当然是看项目,看创始人,他们有idea、方向,我们就会用基金投资它。

 

过去的互联网创业模式,已经非常经典地被《精益创业》描述:

 

几个小朋友随便做个产品上去,能融资就融资,不能融资就拉倒。怎么样去惠及用户,迭代产品,之后变现,成为经典的模式。

 

这个创业的模式,它的红利时代已经过去了。当然以后还会有,但是不会像以前那么多。创业的门槛大大提高了,因为人工智能是下一批创业方向,而人工智能创业里面很核心的 人物 其实是AI科学家,AI的公司没有AI科学家是没戏的。

 

但是AI科学家往往都是超级宅男,自己宅在房间里面,整天做实验,突然你把他丢到一个残酷野蛮可怕的 世界 里,他自己创业成功率不是很高。

 

很多AI科学家一般这辈子从来没想过创业,现在突然想创业了,然后发现自己长板特别长,短板特别短:

 

他也许技术很牛,但是也许执行不够;

 

也许他的产品演示起来很好,但是一做起来都是Bug;

 

也可能他产品做得很不错,但是不懂市场;

 

或者懂市场但是不知道怎么去卖。

 

尤其AI本身又是一个ToB的业务,所以不是那么容易自己攒一个局。所以AI科学家需要懂商业的人,懂ToB的人,他需要工程师。

 

AI创业“不美好”

 

我们平时都会把AI创业讲得很美好,今天我就跟大家讲讲AI不美好的地方。

 

第一个就是:AI科学家有短板。

 

这一点刚才已经说了,我们要想怎么帮“宅男”补足短板。

 

刚才讲的“精益创业”很便宜,因为几个小朋友不拿薪水,用零元就可以把第一个App推出去。

 

我们刚投资一家公司,投了一个月以后钱就用完了。我说你们不就八个人怎么钱就用完了,给了你好几百万。但他们说,光买机器就用了三百万。

 

识别一张图片,最少需要几十万张样本 数据 ,甚至几百上千万。谁给你弄数据?

 

所以做人工智能投资有一个非常头大的地方:一下顶尖的人就投完了。

 

过去这两年我们就到处去扫,从最厉害的团队出来的无人驾驶公司投了两个,没投两个。然后就再也找不到团队了,因为有资格的人就那么多。

 

我们做互联网金融,扫完了以后大概投了三个,然后可能有一两个错过了机会,一两个没投,然后就没有了。

 

因为AI科学家就那么多,能够创业把事情打造到一个地步的就那么多。

 

AI的现状是“僧多粥少”。大家都去抢那几棵树,已经把树拱到天价了。我觉得AI这片 土地 需要“施肥”,而不是抢那些非常少的农作物。

 

所以我们成立了“人工智能工程院”。我们可能花几千万把机器搞定,然后帮助十家二十家创业公司;我们从各种渠道拿到数据,AI科学家可以做试验;我们试着让更多有潜力的AI科学家,能够考虑来创业这条路,帮他们把可能95%的失败率降低到40%,这样的话我们就能够产生自己的价值。

 

当然,投靠创新工场,我们帮你解决所有问题,也要求自己的回报。本来可能五百万占股10%,现在也许给我们15%,我们觉得这样的话也就足够了。以后如果可以打造出独角兽,我们是有很多回报的。

 

这个工程院在得到金钱回报的话,至少得花掉两亿元人民币。但如果是我们施肥的,想必相比那些“农作物”会喜欢我们。 两三年之后,AI会像Android一样普及

 

长期来说,真的是永远只能由AI科学家来创业吗?其实不一定。

 

任何技术都有一条发展路径,一个很好的例子就是Android。当年我们跟CSDN的蒋涛一起做移动开发者的 大会 。第一次 大会 的时候,我问现场观众:有多少人看好Android?大概有5个手。我问有多少人看好Symbian?五百个手举起来。

 

但当时我们坚决相信Android才是未来的道路。只是因为平台不够。现在大学里面的Android、iOS 培训 课程非常普及。你如果是一个计算机的学生,你自己自学也好,去做 培训 课也好,几个月之内你就可以开始做Android了。

 

AI也是这样的状态。

 

要多久时间呢?我们大胆的假设两三年吧。这两三年里,我们工程院孵化科学家会是一个非常独特而有价值的方法。三年以后平台出来了,很多聪明的大学生可以自学。平台、工具越来越多,AI会变得越来越容易用了。

 

以后年轻人来创业,我觉得可能比现在的科学家创业更能成功。因为创业需要有动机,有狼性,愿意拼命。本来就要把自己名声,身家全部赌进去的。 有资格的人六个月就能成为AI工程师,有资格的人是指:数学天才

 

一位老教授,用三十年的功力弄出来一个新算法。这种可能性是存在的。

 

如果你是一个有资格的年轻人,我们只需要六个月就可以把你培训成为一个AI工程师。绝对不是你想象的二十年,三十年。这不像一个材料科学家、火箭专家——这种专家真的是需要三十年的功力。

 

那么,什么是有资格呢?

 

很不幸,不是所有的人。“有资格”简单来说就是:数学天才。

 

当然,这其中也涵盖了统计、自动化、计算机。 中国 人口这么多,光是数学天才我们应该一年都要产生个几十万了。

 

假设有十万个数学小天才,那里面对AI有兴趣的可能就会有五万。(因为 中国 学生是特别愿意去追最热门的东西,最热门的定义是什么呢?很酷,能赚很多钱的。)

 

里面有两万个接触到了一些培训平台,花了六个月去做,这两万人里可能又有两千个是适合的领军 人物 。比如说他是AI领域的 雷军 、傅盛等等这些人。

 

这两千人最终才是我们最好的投资对象。我们的工作就是让这些人出现。

 

所以短期我们是抓着科学家来,再过三四年我们要把这些年轻人都培训出来。让他们认知这是创业最好的时机。所以这秘密就是:我们要挖掘中国所有的数学小天才,然后引导他们进入AI创业。

 

AI接管人类?我们的问题是科幻小说看多了

 

我们应该怎样看待AI呢?

 

有人看到阿法狗战胜了李世石,瞬间就联想到了AI要接管人类。实际上,这其中还差十万八千里。

 

AI里最难的问题之一,是跨领域的自然语言理解。要做到这一点,需要上下文的理解,需要跨领域的知识,还需要人类的“Common Sense”。

 

例如我突然和你说:“中午还好没吃汉堡,麦当劳不好吃。”这句话所有人都明白什么意思,但是机器很难读懂。它可以把每一个字都识别正确,但仍然无法“理解”。

 

再例如:熨斗打开的不能去摸,沾了水的手不能碰电。这些东西不用讲我们都知道。但是计算机怎么会知道这些事情呢?

 

你怎么去教一个计算机跨领域的知识?你怎么教会它七情六欲?你怎么教会它什么是美?什么是爱?什么是宗教?什么是信仰?这些东西差得还非常远。

 

揣测可能发生的事情跟确信一定会发生的事情,这两个还是要分辨得很清楚的。任何刚才讲的AI不能做的事情,我们都无法揣测多久会被突破。有人说五年,有人说五十年,也有人说永远不会。

 

我觉得我们真正应该讨论的事情是怎么用AI来创造价值,怎么让人类能够没有饥饿和寒冷,让每一个人都能有尊严的活着。

 

例如,未来很多蓝领和白领的工作都会被取代,也包括了记者。当然有些深度文章机器可能五十年也写的出来。但是如果你从网上攒一些资料,例如科大讯飞发布财报,产品多了30%,分析师说股票怎么样,未来人工智能被看好什么的,这种东西机器已经在写了。

 

当机器能够把简单的工作取代的时候,当经过五秒以内思考的事情人都不用做的时候,当这么多人将可能失业的时候,这些失业者应该怎么做?我们如何去重新训练他们?孩子的 教育 是什么样的?怎么让人类继续的去寻找应该做的事情?也许造物者是不希望我们做这种无聊的工作,让我们都做有意义的事情,所以才用机器取代了我们。

 

刚才讲的这些事情都是十年内会发生的。

 

当然未来也可能是AI养活了全 世界 ,我们也许都成为AI的宠物,在家里戴着VR头盔玩游戏。机器会不会有自我意识,会不会取代人,会不会成为物种,虽然未必不可能,但这些是未知的。

 

很不幸的是:我们科幻小说看多了。

 

“AI新物种”“取代”“奴役”,这些当然可以被想象,但有更多必然的有意思的问题,更值得我们去思考。

 

AI“低处的果实”还没摘完

 

人工智能有很多学派。符号学派、连接学派等等。但是除了深度学习以外的方法,经过多年被验证,是不太有发展的。

 

模拟人的分析方法,希望把它变成一个规律和专家系统,过去五十年已经证明了这个思路是不行的。当然也许某一天会有一个突破,但是直到那一天为止应该是不行的。

 

就我自己的背景来说。在1988年,我就开始做语音识别。当年第一套系统就是用完全机器学习的方法来做的非特定人的语音识别。

 

现在看起来这是一个特别小的方法:世界上有一个人能够从纸上读出语音,我的导师就要把这套方法变成一套专家系统。

 

当年就让我很坚定地认为:机器的构造跟人脑,跟人的思维方式其实是不一样的。我们硬要把A放到B其实是很困难的,就像我们不能逼自己去变成一个深度学习者,去分析事情——我们脑子思维就不是那样的,是不自然的。

 

用脑科学的方法制造人工智能,是一个未知的领域。未知的东西有它的魅力,你要做研究就要做未知,你要有了突破那就是创新。在学术领域你做每一件事情的衡量标准是:我要做别人从来没做过的东西。我们可以假设脑科学跟未来的AI是相关的,我们可以去证明这是或不是。但是从投资的角度来讲,押注的风险就太大了。

 

当年深度学习也是因为数据的不足,碰到了一些瓶颈。但近年我们看到有好几个特别大的变化:

 

84
标签: