您正在使用IE低版浏览器，为了您的雷锋网账号安全和更好的产品体验，强烈建议使用更快更安全的浏览器
发私信给宗仁
导语：各位大拿用思想碰撞出来的袅袅余音，才是我们最该回味的地方。
同步到新浪微博
专注AIR(人工智能+机器人)
专注人工智能+机器人报道，经验分享请加微信keatslee8（请注明原因）。
科学的本质是：问一个不恰当的问题，于是走上了通往恰当答案的路。
当月热门文章
为了您的账户安全，请
您的邮箱还未验证,完成可获20积分哟！
您的账号已经绑定，现在您可以以方便用邮箱登录
请填写申请人资料在AI炒作潮之中如何理智投资？　 　 ');从初创公司到大型企业，甚至到好莱坞，人工智能（AI）无处不在。“深度学习”一词的搜索频率在过去两年中增长了4倍。人工智能似乎成为了每一篇文章、每一次会议、每一家初创公司不可避免的主题。
　　编者注：本文作者Rayfe Gaspar Asaoka毕业于南加大、电气工程专业，在本文中向我们具体介绍了AI风潮中的投资机会。
　　诚然，AI是过度炒作，但也是方兴未艾的一个概念。
　　从初创公司到大型企业，甚至到好莱坞，人工智能（AI）无处不在。“深度学习”一词的搜索频率在过去两年中增长了4倍。人工智能似乎成为了每一篇文章、每一次会议、每一家初创公司不可避免的主题。这一切看起来都有些过度炒作的意味，尽管如此，当你试图看穿这种炒作风潮时，你不得不确定AI就是新一波创新浪潮，而且目前仅仅是一个发展开端。
　　过去两年中，“深度学习”谷歌搜索的兴趣变化趋势
　　在过去的几年中，我们亲眼见证了AI平台的高速发展。尤其是在DL的子领域，在这些领域中反向传播（B－P）背后的微分方程使大多数开发者目眩神迷，开放源码库TensorFlow几乎让所有人都能够搭建最新的分类器和各式各样复杂的转换网。现如今开源选择都有几十种，从高校牵头的研发项目，诸如Theano、Caffe以及DyNet到公司企业的研发产品，诸如TensorFlow、CNTK以及MXNet。恰恰是因为他们作为开发平台之间的相互竞争，多种开源选择之间相互促进、推动了功能的进步和革新。这种竞争实际上是一种企业内的特洛伊木马，随着这些平台可性的逐渐增强，AI将逐步成为企业的中心。
　　随着算法从基于经典规则的AI（专家系统），到回归机器学习，再到多层次网络（深度学习），最后到现如今的增强学习，我们看到了AI渗透到企业的新路径。例如，深度学习领域通过非结构化数据（诸如计算机视觉以及计算机语音）得到了新的定义。增强学习则具有更广泛的适用性，从诸如财务、安全等时间序列数据领域到诸如机器人、物流等多步骤过程领域等均有应用。
　　比赛的哨声已经吹响，这场竞赛是为了让初创公司更好地研发下一代算法，同时搭建一个具有防御性能的专用数据库及算法模型。准备好了么？敌人还有三十秒达到战场！
　　至于这场比赛的结果如何？这将是AI第一次大规模提供真正的产品和服务。
　　诸如谷歌、Facebook和百度这样公司已经欣然接受了类似于Geoffrey Hinton、 Yann LeCun和&Andrew Ng等人所在企业内部应用研究的核心精神。Jeff Dean最近谈到了谷歌内部AI使用普遍化的问题，这不仅仅是用于研究，而是用于生产。在很多方面这与二十年前软件运动有相似之处，成功的公司接受了这种新的范式，并将其业务视为软件先行。
　　十年前，优秀的企业移动优先，而下一代成功的公司将是AI先行的。
& & & &在AI炒作潮之中如智投资？
　　现如今不乏初创公司自称是AI公司，投资者和创始人都要面对的挑战是如何剥开层层迷雾找到真正意义上的AI公司，这一点对于在应用层面提供AI解决方案的公司来说尤为重要，这也是我公司Canaan投资的主要精力投入所在。
　　为了帮你在各种炒作之中擦亮慧眼，我提出了一个简单的2*2框架来评估AI创业公司的潜力如何。在横轴上，我用该公司是否具有差异化数据集（即唯一标记数据、专有数据）或算法来作为判断标准，因为具有差异化数据集的公司在技术壁垒上更有优势，他们能够通过更好地训练、处理来改进算法模型。在纵轴上，我认为同样重要的判断因素是该公司是否具有商业模式创新。尤其是当我看见一家公司研发的以AI为基础的应用能够从根本上打败使用人工且耗时的传统行业时，我感到非常振奋。
　　如果一家公司只满足上述两个判断标准中的一个，他可能会在短期内获得成功，但是一旦出现拥有更好的数据集或独特商业策略的竞争对手的时候，他很快就会被抓住弱点然后走向灭亡。AI行业下一代的赢家一定是在上述两个因素中都具有优势的公司，他们不仅会改变行业对其商业模式的固有看法，同时也能够让竞争对手在试图突破他们的技术壁垒之时遗憾地发现一切都太晚了。
　　最近获得Canaan投资的一家名为Ladder的公司，就是在上述两个因素中均有优势的一个优秀案例。该公司同时拥有差异化的数据集和独特的AI模型，这两点让他们能够实时承保人寿保险，而不是行业6-8周的平均耗时，这大大拓展了该产品的实用性和购买率。同时随着他们持续不断地从消费者处获得的大量数据，他们的实时承保模式将会呈现指数级增长。千万记得，评估一家AI公司时一定要思考一下该公司是否具有数据集技术壁垒和商业模式的创新。
& & & &最终游戏：AI的民主化
　　目前我们正在进入AI生态系统进程中的关键性拐点。
　　平台、算法和结构的聚合力量并不是相互孤立的，它们密切相关，且相互之间能够产生病毒式的网络效应。我们需要明白的是，尽管AI炒作之势如火如荼，但这一切仍然是处于早期阶段，这个新兴行业的主要价值创造仍。不过毫无疑问的是，AI的潜力和广泛的影响力是真实存在的。在Canaan，我们希望投资那些能够利用AI来打破旧有商业模式，将之替换为新奇且独特的商业模式的初创公司。
TOPS3720゜12008゜21368゜31165゜41108゜51097゜61015゜7873゜8799゜9734゜1048292゜134793゜220961゜320489゜414105゜513521゜611746゜79317゜88464゜98011゜10
A轮 金额未透露 融资天使 金额未透露 融资IPO上市及以后 金额未透露 融资A轮 5000万人民币 融资
市场及媒体合作林小姐010-10.cn投稿邮箱.cn
投资界微信
(C)清科集团版权所有京ICP备号-28被浏览9,815分享邀请回答11添加评论分享收藏感谢收起专访于尔根：AI早就有了意识 未来十年行业走向哪 | AI英雄
编者按：在今年5月底举办的GMIS全球机器智能峰会上，网易智能有幸对LSTM神经网络的发明人、人工智能领域的元老级神牛于尔根·施密德胡伯（Jürgen Schmidhuber）进行了专访。这位低调的世界级大咖，如何看待人工智能在今后十年的发展？
用微信扫描二维码分享至好友和朋友圈
用微信扫描二维码分享至好友和朋友圈
　　本文系网易智能工作室（公众号smartman163）出品，此篇为《AI英雄》专访第20期。聚焦AI，读懂下一个大时代！　　作者 | 小羿 尚兔　　于尔根·施密德胡伯（J&rgen Schmidhuber）在中国人工智能行业，绝对是一个陌生的名字，即使对于全世界的人工智能从业者来说，于尔根也是一个十分低调的技术元老。　　生活工作在瑞士，虽然远离美国、中国这两个喧嚣的中心，但于尔根发明的LSTM（Long Short-Term Memory，长短时记忆）时间递归神经网络早已风靡于全世界的人工智能研究。　　于尔根目前在瑞士人工智能实验室（IDSIA）担任科学事务主管，同时任教于卢加诺大学和瑞士南部应用科学与艺术学院。作为国际计算语言协会（ACL）的首批Fellow，于尔根在机器学习、计算机视觉以及自然语言处理方面建树颇丰，他与Sepp Hochreiter共同创建LSTM奠定了今天递归神经网络在ORC、语音识别等应用领域成功。　　对于业内一直在期待的“通用人工智能”（AGI），于尔根认为通用人工智能通常能把人工智能和意识、感情、知识和自觉等人类特征相互连结，而其中一个非常关键的问题就是它不会受到设计者的限制。　　通用人工智能系统正在逐步走向现实，这也就意味着，某些人工智能系统已经具备了意识。于尔根研究发现，智能体在识别的过程中，会自行建立一个信号（symbol），试图对周围所有的行为方式进行数据压缩，最有效的方式就是找到一个信号或一个小的子网络来代替自己，包括所有的动作、动作带来的结果等等。它可以意识到自己、展现自己并能自我反馈，在无监督模型网络中能够压缩观测历史。　　长期以来，为什么人们认为人工智能没有意识？于尔根解释到，这是因为智能体的意识系统还非常简单，仅有几百个连接点（connection）。这和人类有着数十亿连接点的意识系统相比，是少之又少的。但是，这只是一个数量上的区别，质量是相同的。　　“如果未来我们建立一个比人类大脑的连接点还要多的系统，那意识就会是数据压缩的附带产物，根本不需要给智能体写入一些日常意识，因为智能体会随着数据压缩产生意识。”于尔根说到。　　对于上个月DeepMind在中国进行的人机大战，于尔根称，用于比赛的AlphaGo不是通用人工智能，因为它只用于处理特定的问题，不需要具有人类完整的认知能力，甚至完全不具有人类所拥有的感官认知能力。但是DeepMind确实一直在研发通用人工智能，这是因为DeepMind创始人中有很一些来自于尔根的早期实验室，而于尔根早在1987年就开始研究通用人工智能。　　对于未来10年内的人工智能的发展，于尔根说到，人工智能将在不同领域里诞生诸多应用，同时人工智能将会有更完善的系统，有着更好的控制力，有望变得更容易理解人类的思维，知道人类的想法，给人类提供更好的建议和帮助，能够更好的与人类对话。　　为了推动通用人工智能系统的实现，2014年，于尔根和他在瑞士人工智能实验室共事的四位研究人员共同创办Nnaisense，公司的愿景就是“推广基于通用神经网络的人工智能”。　　以下为于尔根·施密德胡伯受访实录，由网易智能（公众号smartman163）独家编译整理：　　AlphaGo不是通用AI，因为它不具备完整的意识和情感　　网易智能：您如何看待前段时间AlphaGo和柯洁的人机大战？有人说AlphaGo已经达到了”通用人工智能（AGI）“的发展程度，您赞同吗？　　于尔根：首先我对这个比赛非常感兴趣。因为我从1987年开始就开始研究通用人工智能了，并在同年发表了我的第一篇有关通用人工智能的文章。那是一篇关于机器学习的文章，尤其是如何学习，让人类在学习上没有局限性，但绝不仅局限于对如何提升控制行为活动的大脑局域的研究。我研究了很久，尽管效果不是很明显，但我的学生赛普·霍克赖斯对于Deep Mind的贡献很大。同时，Deep Mind的创始人之一谢恩·列格也曾经在我的实验室研究过超级智能。其实，当DeepMind创始人之一的穆斯塔法·苏莱曼创立公司的时候，也是研究生物神经科学的。DeepMind与AGI息息相关，而我和AGI的渊源也颇深。　　但是，我认为在这场人机大战中，AlphaGo表现出来的并不是“通用人工智能”。在20世纪90年代我们就已经有了一个基本的有意识的学习系统。那个时候，我就提出通用的学习系统要包含两个模块。一个是一种循环的网络控制器，机器通过学习将不断接收数据，进而转换为行动。这个网络能学习将所有这些输入及时转换成行动序列。自1990年以来，我们的智能体（agents）一直在尝试做同一件事，使用一个额外的循环网络（一个无监督模块），去预测将要发生什么。　　我认为AlphaGo（至少目前）不是通用人工智能，因为它只用于处理特定的问题，不需要具有人类完整的认知能力，甚至完全不具有人类所拥有的感官认知能力，只是看起来像有智慧而已。在围棋比赛中，AlphaGo只需要分析那个有纵横各十九条等距离、垂直交叉的平行线的棋盘，从而决定下一步棋下哪里，它不受周围的环境影响，只专注于这一件事。它不需要去思考围棋的发展史、围棋背后的故事和情感，这和现实生活不一样。在现实生活中，人类与周围的世界的接触数不胜数，即使这样，人类尚不能全部看清背后全部的含义。人类的大脑要做的事情太多了，你需要记着你上一次说过什么话，做过什么事，但是AlphaGo则不需要，也不需要对外界做出反馈。因此，我认为用于围棋比赛的AlphaGo，并不是我们真正意义上的“通用人工智能”。　　什么是所谓的“通用人工智能”呢？AGI通常能把人工智能和意识、感情、知识和自觉等人类特征相互连结，而其中一个非常关键的问题就是它不会受到设计者的限制！　　人工智能早就有了意识，它能进行数据压缩只是连接点太少　　网易智能：您是否认为一些人工智能系统已经具有“意识”？　　于尔根：是的，我认为目前一些人工智能已经具有意识了。早在20世纪90年代初期，人工智能就已经具有了一些简单的意识。那时，我就发表了一篇关于人工智能意识的文章，非常的简单。你知道人类是如何建立意识系统的吗？我们有很多的智能体（agents），它们会根据过去的事情来预测未来可能发生的事情。而完成这件事更有效的方式是压缩数据（compress the data），因此建立一个小的网络（network）至关重要。如何建立小的网络呢？那就要与周围世界建立联系，自动构建一个子网络（sub-network），代表一些典型的印象，这些印象在脑中一遍遍重复出现。比如人脸的识别，生活中你会遇到很多不同的面孔，如果建立一个网络系统，当你遇见新的面孔时，新面孔与脑中原有的面孔之间会存在一些差异，大脑就会自动记录这些差异，从而识别出新的面孔，这非常高效。　　关于意识，还有一件非常重要的事情，在智能体与周围世界进行互动的过程中，总能意识到自己的存在。智能体在识别的过程中，会自行建立一个信号（symbol），试图对周围所有的行为方式进行数据压缩，最有效的方式就是找到一个信号或一个小的子网络来代替自己，包括所有的动作、动作带来的结果等等。它可以意识到自己、展现自己并能自我反馈，在无监督模型网络中能够压缩观测历史。　　智能体最终目的是最大限度享受快乐，同时将痛苦最小化。这种控制器可以通过网络模型去解决问题。例如遇到问题应该选择一个解决问题的最佳方案，这就很困难，为什么选择一个而不是另外一个，其中一个方案是通往快乐，另一个通往痛苦，由于生物都是趋利避害的，因此具有意识的人工智能是可以选择出通往快乐的那个解决方案的。在解决这个问题的过程中，智能体通过建立一些子信号而为自身而考虑。长期以来，为什么人们认为人工智能没有意识，因为智能体的意识系统还非常简单，仅有几百个连接点（connection）。这和人类有着数十亿连接点的意识系统相比，是少之又少的。但是，这只是一个数量上的区别，质量是相同的。　　在一定程度上，我们有着相同的原则，这也就解释了，如果未来我们建立一个比人类大脑的连接点还要多的系统，那意识就会是数据压缩的附带产物，根本不需要给智能体写入一些日常意识，因为智能体会随着数据压缩产生意识。　　全世界的AI公司都在用LSTM，但这只是人工智能的一小部分　　网易智能：LSTM（Long Short-Term Memory）神经网络在目前的人工智能研究上十分盛行，并被用于众多的公司和领域的研发上，您能举一些例子吗？作为创始者，未来您会更新和改进LSTM吗？　　于尔根：据我所知，LSTM被Google公司应用于数百万的安卓手机的语音追踪。同时Google也推出了新的技术，Google翻译也有了很大进步。之前在Google翻译不完善的时候，中国人会拿翻译结果开玩笑，比如在中英互译过程中，因为系统的不完善，会产生可笑的翻译结果。现在Google翻译已经改变了很多，那是因为那建立在LSTM之上，有了很大的进步。　　同时，LSTM也可以用于作曲。例如，你在听音乐时，如果听到好的音乐片段，你可以利用LSTM网络找到整个曲子，同时还可以用于创造更多的曲目。LSTM还可以运用于电影的字幕制作，用于预测人们想说的内容，预测股票市场，用于机器的维护（在机器报废之前发出信号，让人们用新的机器来取代）等等。　　这些例子非常有效而且节省成本。可见，LSTM的应用范围很广。然而，这并不是人工智能的通用目的，目前只是能识别演讲、语言等，但是这和婴儿学习的过程不一样，目前的人工智能并不会与周围世界互动、树立三观、学习如何与世界互动以实现目标。为了目标而学习，且不需要老师的指导，这才是通用人工智能的目的。但是看到目前全世界非常多的人都在利用LSTM，我非常的开心，但这只是真正人工智能的一小部分。而我们更感兴趣的是，如何实现AGI，实现真正的人工智能。　　LSTM是目前解决AI问题的最好方式，也许在将来我们会找到更好的方式。毕竟科技永远都有进步的空间。在未来，有望实现人工智能可自动搜索建筑。2009年我的一个博士学生，在其论文中提到未来人工智能可能会实现自动进化，这是有可能的。而且根据不同的应用，未来也可以找出不同的改进方法。　　网易智能：您是否了解，目前一些正在使用LSTM的一些中国的公司？您看好哪些中国的科技公司？　　于尔根：尽管我对中国的智能领域了解不多，但是我想，正如谷歌等大型公司都在使用LSTM，那么想必在亚洲，在中国也会有非常多的公司会用到LSTM，而且其应用范围也一定是非常广泛。但也许目前中国公司运用LSTM可能还不够典型。我知道一些非常出名的中国公司也会制造出一些非常优秀的产品，我也非常期待和尊重，但也许它们尚未公布。例如，我知道的百度公司，也在使用LSTM进行分类和研究人工智能。百度位于硅谷的人工智能实验室也开源了其核心的人工智能系统Warp-CTC，该系统基于LSTM，是一种在CPU和GPU上快速CTC的并行实现。这项举动对于促进机器学习、人工智能领域的技术研究和发展有着重要意义。　　我认为中国在人工智能领域上正在取得巨大的进步，思想非常开放，比世界上很多国家都要先进。中国的商业政策也很正确，保护中国的公司不会受外国公司的干预，可以进行独立的研究，不像是现在很多欧洲国家，它们虽然完全放开，却容易导致被外国公司控制。尽管中国为了国家安全，不能使用脸书和谷歌等国外网站，但是中国能够自行进行研究，也出现了一些非常出名的产品，比如微信、淘宝等。我觉得中国实行这项政策挺好的，可以防止竞争国家之间的抄袭。　　中国有众多优秀的工程师、科学家，而至于谁更优秀，这不好说。但是我相信，中国未来一定有优秀的公司或杰出的科学家、工程师研究出与谷歌翻译、亚马逊Alex一样优秀的智能产品。当然这需要背后的科学家和工程师们对数据进行大量研究和训练。中国有大量优秀的人才，他们将来肯定会发明出非常优秀的智能产品。　　AI能产生上千亿的商业价值，各行各业都将受其影响　　网易智能：您对今后5-10年间人工智能发展有什么期待呢？　　于尔根：对于未来10年内的人工智能的发展，其实是可以预测的。你会看到人工智能在不同领域里的诸多应用。在2005年，我的研究团队获得了人工智能在医学领域的突破，现如今有许多公司都有着对人工智能在医疗领域的研究，因为这背后隐藏着一个巨大的市场，能产生上千亿的商业价值。同时在医疗领域的研究将会影响成千上万的人类，帮助人们如何更长寿、生活得更健康。这一点，我非常的开心，因为我们的研究可以造福人类，让人类更长寿和健康。这仅仅是未来人工智能发展的一个方面。在未来5-10年里，人工智能将会有更完善的系统，有着更好的控制力，有望变得更容易理解人类的思维，知道人类的想法，给人类提供更好的建议和帮助，能够更好的与人类对话。未来10年内的人工智能的发展是目前人类所能预测的，向着更好的方向发展。　　而长远的来看，在未来，人工智能的发展绝不仅仅局限于目前的领域。它们还会在许多重要的领域有新的突破。那是不可预测的，但一定是非常神奇的，也许会和当初人类生命的诞生一样神奇，也许届时会有一种新的生命形式。在未来，人工智能有望帮助人类去探索一些人类无法企及的地方和领域，例如外太空等等。过去的一个世纪是人类发展的世纪，但是在未来，也许是人工智能的时代，也许会有助于未来人们对银河系的认识和研究。但是至于具体的细节，人们现在尚不能去预测。　　网易智能：您认为目前的人工智能对哪个领域的影响最大？　　于尔根：其实没有什么影响最大而言，人工智能在各个领域都将有重大的发展。例如在媒体行业里的应用。传统的纸媒中的广告已经在逐渐走下坡路，但是社交媒体等网络媒体中的广告却蒸蒸日上。这看似很神奇，其实其背后是运用了人工智能的结果。通过人工智能进行数据分析，可以推测出你想要看的广告和文章。人工智能通过收集在你上网时的浏览数据，能够推测出你接下来想要看的内容、什么时间想看、在哪里看、看多久等信息，同时预测出什么时间你将要点击下一个页面。通过在心理学推测你的喜好，进而给你推送不同的文章和广告。但绝不仅是一个数据收集的过程。现如今，广告业正在利用人工智能谋求更好的发展。但这仅仅是被人工智能影响的一个行业。　　网易智能：您能介绍一下您创立的Nnaisense公司吗？　　于尔根：“NN”代表的是神经网络（neuro-network）,“AI”是人工智能，“sense”就是感知。这是有关一个行业的崛起，是有关神经网络通用人工智能的。Nnaisense研究的是如何让人工智能更加的智能，如何以更好的方式去解决问题，同时能够根据过去面临的问题，更好地去解决未来更多的问题。　　注：《AI英雄》专访隶属网易智能工作室，每周围绕人工智能领域讲述一个人物故事，洞察技术趋势，捕捉行业机会，关注人的价值。每周四更新。　　资料显示，2015 年，谷歌使用LSTM减少了49%的语音识别错误，成为一个飞跃性进步。接着谷歌还将LSTM用于自然语言处理、机器翻译、生成图说、自动邮件回复、智能助手等领域。随后，语音识别、视觉领域的研究都越来越多地采用LSTM概念。　　　　1、专访微软洪小文：下一个十年，AI应用将成兵家必争之地　　2、专访地平线机器人技术余凯：我特立独行 不畏惧行业泡沫！　　3、专访科沃斯钱东奇：人工智能落地还要十年，你很酷不代表你能存活　　4、专访云从科技周曦：刷脸时代 一支”国家队”的独特”战法”　　5、专访驭势科技吴甘沙：2021年实现L5自动驾驶很难 共享无人车可期　　6、专访优必选周剑：人形机器人普及还要十年，90%创业太虚都会死　　7、专访联想芮勇：以前大家把搞AI的当骗子 现在我希望AI是只"慢牛"　　8、专访第四范式戴文渊：AI的Windows时代何时到来？　　9、专访英特尔宋继强：如果机器人取代了你的工作，要学会灵活转型并与AI共处　　10、专访图森未来侯晓迪：那些不能盈利却说要改变世界的人，不是骗自己就是在骗别人　　11、专访Gowild邱楠：讨厌硬件免费，所有的付出都应该被尊重，今年低成本机器人会上量　　12、专访码隆科技黄鼎隆：人工智能已装酷60多年 现在的核心是赚钱　　13、专访微软黄学东：语音交互的技术前景到底是怎样的？　　14、专访达闼科技黄晓庆：机器人的1G时代何时到来？　　15、专访出门问问李志飞：人工智能将成为人类智商的延伸　　16、专访ROOBO刘颖博：我如何走过机器人市场的那些坑？　　17、专访英语流利说CEO王翌：为什么中国人学英语效率这么低？　　18、专访百度风投刘维：哪些AI公司会在泡沫中死掉　　19、对话哈萨比斯：AlphaGo告别围棋 AI的故事刚开始
特别声明：本文为网易自媒体平台“网易号”作者上传并发布，仅代表该作者观点。网易仅提供信息发布平台。
阅读下一篇
网易通行证/邮箱用户可以直接登录：}