微软、商汤等专家纵论AI未来：三年内主要趋势及挑战是什么？

编辑 | Leo
出品 | AI科技大本营

近日，品友互动在北京举办了关于人工智能聚焦商业决策的峰会，峰会上品友互动创始人兼CEO黄晓南主持了一场以“掘金人工智能商业决策”为主题的圆桌讨论。参与对话的嘉宾包括：凡普金科创始合伙人兼CEO董祺、商汤科技副总裁柳钢、微软苏州副院长童先明、香港科技大学教授人工智能专家姚远。

几位嘉宾分别就人工智能在接下来三年的发展趋势、企业拥抱人工智能面临哪些挑战、人工智能目前有哪些好的落地案例等问题展开讨论与交流。

（从左至右）黄晓南、董祺、柳钢、童先明、姚远

主持人：
品友互动创始人兼CEO黄晓南

嘉宾：
凡普金科创始合伙人兼CEO 董祺
商汤科技副总裁 柳钢
微软苏州副院长 童先明
香港科技大学教授人工智能专家 姚远

谈及人工智能接下来三年的发展趋势，董祺认为在未来人工智能不是一个选择，而是必须，同时接入人工智能技术的门槛也会相应降低。柳钢认为未来人工智能在特定领域的发展会取得更快速的突破。童先明认为未来人们对人工智能的态度会由将信将疑转变为非常信任，同时企业会利用人工智能提高工作效率、降低成本，从而增强竞争力。姚远认为，在2012年-2016年我们可以通过深度学习刷刷文章，就可以获得很好的地位，发表很好的论文，找到很好的工作。但是在未来三年他觉得这个事情会越来越难，随着深度学习往更广泛的地方应用，对于特定领域的提升在学术方面已经没有那么大空间了。

对于企业在拥抱人工智能的时候面临的挑战，柳钢认为一定要对人工智能有务实、准确的理解，不能抱有不切实际的期望，另外要有坚定的信念。童先明认为目前大部分的企业将人工智能仅仅视为IT领域，导致的结果是安排CIO来与技术公司交流业务，但是CIO又对公司本身业务不太了解，他呼吁公司其他岗位的成员，比如CMO要发挥主动性，积极利用AI来解决和市场相关的问题。

最后，黄晓南认为，不管是作为供应商还是使用者，人工智能时代没有抄近路的机会，因为任何技术都需要经过岁月的积累和机器不断重复的磨炼。

以下为对话实录，AI 科技大本营做了不改变原意的删减：

黄晓南：我想首先请各位嘉宾用1分钟时间简单介绍一下自己的背景，然后说说你的工作跟AI的关系。

董褀：大家好，今天很荣幸能够参加品友互动的论坛，我来自凡普金科。凡普金科是一家金融科技公司，主要解决的问题是帮助那些被传统金融机构覆盖不够充分的年轻人，我们向他们提供入门级的信贷产品、理财产品、消费金融、理财规划等，这背后的主要驱动力其实也是数据和科技。

柳钢：大家好，我来自商汤科技，负责商汤科技业务发展和技术的商业化落地。商汤科技是人工智能大范畴里专注在计算机视觉的创业企业，从2014年创业以来，很幸运赶上时代的浪潮。所以在这个月我们完成了公司的C+轮融资，很荣幸被国内外媒体誉为最具价值的人工智能创业企业。非常期待看到其他嘉宾的分享，看看如何把人工智能应用到商业智能这么一个大的领域里面。

童先明：我叫童先明，来自微软。我们现在主要在实施一个人工智能的战略，把微软的很多技术积累和研究，能够在中国落地，从而助力中国的企业，我们企业的口号是助力每一个企业在商业上成功。我们团队比较关注自然语言处理方面，这是人工智能两大领域之一，目前还有很多空间去深入探讨和研究。

姚远：我在香港科技大学从事教育和科研技术方面的工作，怎样在一个迅速变化的人工智能时代去告诉大家，跟上这个时代，不要被一些关于人工智能的虚假信息错误地带走，这是我们最重要的问题。

人工智能在接下来三年的主要趋势？

黄晓南：姚教授在2011年就开始研究一些比较深度的机器学习方法，他给我们公司带来的贝叶斯模型，在行业里当时是比较领先的，确实让我们在广告领域几乎提升了3倍的效果。我想先问一下在座的各位，从你们各自的角度来看，能不能简单预测一下人工智能在接下来三年最主要的趋势？

董褀：我抛砖引玉，因为我们所处的行业是一个重度的大数据、人工智能的使用方，很难想象如果没有这些技术的话我们能够将这一盘业务持续下去。关于未来整个人工智能的方向，我们从一个使用方的角度来讲，认为接入人工智能的门槛会降低。

就像刚才演讲中讲到的，企业有海量的数据，有很强的运算能力，还需要把它融合到整个业务里面。我想未来三年，可能企业都不一定要具备海量、全面、能够支撑自身业务的数据，会有大量的合作伙伴，以及一些专业的数据公司，能够提供这些数据。

同时在整个算力方面，也不需要像今天一样有很多基础架构，有更多的类似云计算这些方便、安全、稳定的能力可以接入，所以我觉得可能接入的门槛会降低，未来小学生可能一个设备里面就有能接入人工智能的能力。

第二个我认为的趋势是，人工智能未来可能不是一个选择，而是必须。无论你在什么样的竞争战场，艺术我不敢判断，如果你在任何商业活动里面，我觉得拥有人工智能的能力是一个必选项，不然我觉得没有可能生存，也没有可能和你的竞争者竞争，非常粗浅的见解。

柳钢：我们是一家做计算机视觉的企业，视觉应该说是整个人工智能里面比较大的一个领域。
我觉得人工智能首先是在特定领域会快速突破，比如说今天我们在场大概有400、500人，给定任何一个人的一张大头照，然后让你从会场里把这个人挑出来，这是很难的。但是这个任务对于机器来讲太容易了。比如说机器最高可以在3亿个图库、毫秒级的时间里，你给它任何一个大头照，它可以推荐10个。所以在特定的情境里面，人工智能不管是视觉、语音、机器人动力学甚至是认知与推理都会快速突破，这是我很明显感觉到的一个趋势。

这个趋势也有一个力证，在图像视觉领域有一个很权威的比赛ImageNet，去年就停办了，因为再比就没有意义了，机器已经做的很准了，远超人类的准确率了。这说明在特定场景里面，机器智能的突破会急剧地加快，那特定领域在我们的商业、工业、生产环境里面是广泛存在的，只是需要一个很好的角度去定义它，在这个特定领域里面人工智能将会发挥很大的作用，这是我看到的趋势。

童先明：我想讲一下从企业采用人工智能这个进程的角度来聊聊这个问题，因为我过去半年看了一些企业、做了一些项目。现在我的感觉是市场上对人工智能的效果还是处于将信将疑的状态，也有可能不完全是企业的原因。

但是在今后三年我觉得会有什么样的变化？从一个将信将疑会变成一个非常确信的过程。现在一个企业如果要开始一个人工智能的项目，整个流程是比较长的，比如他要选一个供应商，让供应商帮他做一个POC，通过这个POC来选择谁做的更好一点。这个过程隐含了两个问题，第一整个流程会非常长，第二有大量的浪费。

因为比如你选了六个供应商，最后只选一个，但是同样的项目人家做了六遍。所以一方面目前我们非常缺乏人工智能这方面的能力，或者缺乏有这种能力的企业帮你做项目。另外一方面，我们又在不断地、无谓的去浪费这些资源。

在今后三年，人工智能的使用效果会在某些场景不断地不断地被验证、被实践，所以这个过程我会觉得是大大缩短的，这是一个方面。另一方面，要求做POC的过程可能也会越来越少，因为这已经是被市场证明了，为什么还要做POC，我只要对这个企业有一定的信任，最后做的不好还有一个检测和验收的过程。

所以我觉得今后三年这方面会大大缩短，会释放企业来使用和利用人工智能改善他们的效率、降低他们的成本、增强他们的竞争力，这方面我是比较确定的。

姚远：深度学习可能是人工智能在2012年突然间获得崛起的最大推动力，但是我们今天面对学生，怎么样让他们适应未来的深度学习发展？显然2012年-2016年我们还是可以通过深度学习刷刷文章，就可以获得很好的地位，发表很好的文章，找到很好的工作。但是在未来三年我觉得这个事情会越来越难，随着深度学习往更广泛的地方应用，对于特定领域的提升已经没有那么大空间了。

为什么深度学习这样一个工具很有用，在你的应用中起到了想要的效果，如果你碰到了不想要的效果，怎么样去改进它、修正它，所以这样一个深度的理解，我觉得是未来三年可能会变得越来越简单，而不是简单刷刷性能，这在学术上我们觉得是非常重要的需求。所以我们跟斯坦福开了一个深度学习的课，代表了一种学界的迫切需求。

另外我想简单说说，整个AI领域其实是非常广泛的，从优化、统计到计算机科学，大家不要把自己的兴趣只集中到一些点上。实际上这个领域是非常广泛的，对于未来应用最重要的能力是你如何面对应用问题，把它翻译成优化问题。

像我们讲的商业决策，当你有你的决策，有外界环境的状态，大家都因为AlphaGo赢了之后，在问为什么AlphaGo做的这么好，能不能让AlphaGo帮我们做事情。你做的问题能不能给它翻译成决策过程，如果你能翻译成决策过程，形成这样一个问题的能力，后面的解决方案就自然出来了，所以从应用问题翻译成你所熟悉的机器学习的解决方案问题的能力是最重要的，也是我们觉得在面对未来改变的时候学生最需要掌握的。

黄晓南：我们每天在实验这些事情，我们的客户其实提出了一个商业问题，但是我们的算法工程师或者产品经理本身做的工作就是把这个问题转化为一个能够被算法、机器去解决的问题。而这件事情我这么说大家可能觉得很容易去理解，但其实这种人才今天在市场里面几乎应该说是少之又少，所以我觉得姚教授要不断给我们贡献这样的人才，能够把这个问题翻译成决策过程，这是很重要的。

人工智能在具体的落地领域有哪些好的案例？

黄晓南：下面我想问一下童先明和董褀，你们刚才都说了企业在用人工智能。能不能给一个具体的例子，怎么用人工智能某一个领域的技术或者大数据，产生了一个真的是看得见、摸得着的效果，刚才童总也说了对于大部分企业来说将信将疑，今天你们能不能给一点板上钉钉的事实？

董褀：我们是应用界的，所以可能我们讲的例子大家比较通俗易懂一点点。我们是做金融科技的，说实话规模还挺大的，差不多去年做了超过350亿，今年可能会继续翻番。我可以举一个例子，我们整个业务特点是什么？大家知道其实银行会比我们更大，比如华夏银行，我们在去年因为监管的要求我们也接入到华夏银行的存管理财，理论上来讲我们每天成交的金额在华夏银行看来应该不算是一个特别大的数量级，但是我们接进去之后立刻把它的整个核心拖垮了，原因是我们特别小额分散，银行可能一笔贷款是1000万、500万，我们可能会小到几万甚至更小。

然后这里面我们还需要把这些标的更加高度分散，能够给到不一样的人群。所以因为这个数据量非常大，所以会导致即使像银行整个规模很大的银行，计算能力都不太够。在这样一个每天要处理这么大量的过程中，事实上我们并不拥有比全国大型股份制银行更多的人手，我们事实上整个员工规模比一家银行要少很多倍。

那怎么处理这些问题，里面就要用到大量人工智能来替代人的工作。这里面有一个点比较难做，做正常互联网运营的时候，推出共享单车，做运营活动，去了解用户的兴趣，取得高度的转化率。通常对这个事情有兴趣的会做反馈，金融里面如果要做信贷，做运营活动最先有反馈的一定是骗子，那怎么样能够识别那些好的客户和那些坏的客户？在我们看来是核心能力。像商汤科技在这个过程中也帮了不少忙，把人脸放进去，我们识别一下这是什么样的人。

在这个过程中的确我们建立了一套人工智能的体系，在我们内部有一个叫云图的产品，能够让我们对用户在几毫秒的速度，对几万的维度进行建模，让我们知道哪些是好客户，哪些是坏客户，为了不影响客户体验，要在非常短的时间内完成，这是事关我们生死，血淋淋的人工智能应用的场景。

再举一个小例子，我们是用评分卡来识别用户的信用等级，以前这些评分卡我们建模通常都需要差不多两个月的时间，比如在华尔街基本上就是这个速度。从去年开始，上半年我们在内部做了一个叫水滴的机器人建模工具，它事实上能够把第二段、第三段，就是刚刚说的建模和上线部署的工作，从原来数周的工作量节省到差不多只要24小时。所以现在我们整个模型的优化效率可能是数倍于我们竞争对手的，这就是另外一个关于人工智能怎么样来优化我们的工作流程，让我们的工作更有效率。

童先明：讲的非常好，我也来分享几个例子。最近我们在做一个项目，因为互联网公司现在总的来说赚钱赚的很多都是贷款，以前都是一些小额贷款，这个做的很成功以后，他们想逐渐升级到额度相对比较高的贷款，这样国家会有一些要求。比如说需要一些面对面的录像的见证，如果有纠纷会有仲裁或者上法院的记录。从互联网金融公司本身也是有一个要求，说来贷款的贷款人是不是讲的是真话，或者他的背景怎么样，或者他在贷款过程中是不是提供了一些真实的信息。

基于这些要求，你要去做一个面对面的面试，总的来说他们希望能够有一个智能机器人，和对方面谈，谈话过程中又能够捕捉客户的微表情。微表情有一个定义，人在一种不自觉的情况下，从40毫秒到200毫秒之间所反映出来的自然的表情，能够比较真实地反映你当时说话的情绪，专门有这方面的心理学专家。所以这是从计算机视觉的应用，通过对方回答的问题，你去处理、理解对方的问题是什么，理解语义，你说话的时候也是文字转换成语音，这个技术牵扯到人工智能方面非常基础的三个技术，一个是语音转换技术，一个是自然语言处理技术，另外一个是计算机视觉技术。这个项目很有意思，我们也很愿意帮他们一起合作做这件事情。

企业在拥抱人工智能的时候挑战在哪里？

黄晓南：我想请大家都聊一聊，对于企业来说，今天在座很多是市场部的负责人，也有一些其他部门的负责人，你们认为对于这样一个群体，他们去拥抱人工智能的时候可能的挑战会在哪里？这个挑战可能是个人的，也可能是组织的，也可能是社会的，都有可能，任何方面都可以讲。

柳钢：其实我想第一个挑战是一个很基本的挑战，就是要对人工智能有正确的理解和认识，不能有不切实际的期望。我们在早期做企业服务的时候遇到过相似的问题，因为任何一个新的技术出来，首先是被神化，然后被妖魔化，所以我们想拥抱这个技术，首先要对这个技术有准确的理解。第二个，基本上现在已经是进入了各个行业、各个场景的论证阶段，就是人工智能在特定领域的确能带来巨大的价值，比如说跟广告相关的领域里面，经典的说法，我听说有50%的广告是浪费的。在这么一个特定的领域里面人工智能能够帮上大忙，不管是对你的受众精准的分析、数据的获取，还是获得人脸的信息、人体的信息、人在哪一个场景的信息，跟人在线上的信息，他的活动、他的社交、他的交易，他在线下的物理的、生活的信息，是完全能够通过现在已有的技术做打通的。

所以我觉得一定要对人工智能有务实、准确的理解，另外要有坚定的信念。在这样一个特定领域里面，人工智能是能帮大忙的，有巨大的价值产生。

董褀：因为在过去几年，我们一直在这个领域非常艰难困苦的跋涉，我想有一些经验可以分享出来。首先一点大家不要觉得人工智能是很奇怪、未来很神秘的东西。大家要想清楚，你用人工智能来解决什么问题，可能是在你身边困扰你的，没有人工智能也能解决的问题。

比如说对我们来说，反欺诈是个问题，解决我们业务流程替代人力是一个问题。如果我们只取其中一个问题，比如反欺诈这个问题，如果没有人工智能怎么来解决？人工智能只是在某些能力里面很突出的，可以把它想象成很一根筋。今天的人工智能大部分不具备非常全面而且可以跟人对话的这种能力，但是它们在某些特定领域里面的确具备比人脑聪明很多倍、快很多倍、不知道累也不需要你加工资这样的一些能力。所以只要想清楚了具体的商业问题是什么，如果有一个一根筋的高手能够应用到某一个环节里面，大概就能够搭起来一个人工智能在企业里面的应用场景，这是第一点。

第二点，我觉得人工智能是要吃东西的，它不吃工资，但要吃数据、运算能力。所以你要想一下，你这家公司是不是能有足够的养料给它来吃，对我们来说比如以前在反欺诈过程中，只是用我们体系内产生的数据。后来我们看到的确有一点用，但是它的用处还没有那么大，所以我们就跟商汤科技合作，跟品友也合作，我们以此能够获得这个用户更加深度、更加广泛的一些维度的特征，我们用这些特征喂进去，让人工智能能够有更多的养料，能够做更加深度的分析，有监督的、无监督的。第二个养料是整个运算能力，这包括整个数据体系的搭建、运算能力的搭建和规划，这是所谓人工智能在内部组织的赋能。

童先明：我简单补充几句，我自己的经验是我觉得有一个障碍是什么？现在大部分的企业在看待人工智能的时候，总感觉还是一个IT的东西，这是第一个问题。导致的结果是什么？和你们谈的是CIO，但是CIO又对业务不太了解，所以我们要告诉CIO这对你们的业务有什么帮助，今天来的更多的是市场部的CMO，你们可能需要更积极的发挥主动性，AI在我这方面能发挥什么作用，能不能主动利用这些场景，能不能利用AI解决和市场相关的问题。

姚远：我自己有一些经历，大概我感觉人工智能本质不是人想做什么，计算机就能做什么。反过来，你应该想人应该教计算机做什么。从我自己的经历来说，我们在斯坦福的时候，李飞飞当时要做ImageNet，用众包的方式将海量的照片做人工标注，然后教给计算机识别图像。我们听了第一反应，这是一个很山寨的问题，这有什么意义？当时她想了一下说，她觉得计算机能做好这件事情已经不错了。这件事情我的想法是我可能不会浪费学生的时间去解决这样一个简单的科学问题，但是过了五年之后的2012年，李飞飞彻底改变了计算机的历史。

你应该教电脑做某些事情，这是最关键的。所以要想建立在应用过程中如何把它转接到人工智能或者机器学习这些数据依靠的方法，首先要想着如何让计算机替代人做哪些任务会更有效率，这样一个问题才是非常关键的。

黄晓南：我们经常在公司说一句话，人都不知道怎么做的事，不要指着机器了。在我们公司有一个团队叫优化师，是大量用机器来帮我们客户进行优化的。经常我们内部就会有讨论说有时候人会的东西，怎么机器都不会。其实大家反而想错了，往往人会的东西，机器多半都不会，机器都是人教它，它才会的，这也和刚才柳总他们讲的叫有一个合理的期望值对于人工智能是很重要的。

我再补充一点，在我们实践中的挑战，其实很重要的一个挑战，我个人在认为就是能不能定义出来评估标准，怎么去评估对于人工智能投资的回报，怎么科学衡量它的产出。

人工智能时代对大家的建议

黄晓南：时间关系，我想最后大家很快用一句话来给我们在座的观众一个建议，在新的人工智能时代，这已经是一个必然的时代了，你们能用一句话送给在座的听众吗？

董褀：我想人工智能绝对不是一个CIO的工作，而是一个CEO的工作，这是一定要做的。所以我会建议大家能够把人工智能应用到整个企业这些最关键的流程中来，而且在这个过程中我觉得一定要保持开放。

柳钢：人工智能是一个很大的话题，短时间内想快速掌握很难，我想简单一点，实在不知道怎么用人工智能，就直接联系品友互动，也可以联系商汤科技。（笑）

童先明：我觉得人工智能真的是给你的生产力、竞争力、战斗力，所以你说谁采用人工智能更早，你绝对是在这个很竞争性的市场上得到了主动权、优先权。

姚远：我的一句话就是人工智能从上世纪50年代左右开始，这个名词出现了之后经过几起几落，现在大概是第三次新的高潮。但是在这个起起落落之间，什么东西在变，变的是人们对人工智能的期望和期许，不变的是人工智能后面所在的真正的技术，一直在那里，只不过是我们到底希望用它做什么，这个东西是一直不变的，希望大家在起落中把握不变性。

黄晓南：最后我也有一句话送给在座各位，我们看人工智能的时候其实有一个很重要的结论，就是人工智能的时代是没有抄近路的机会的，不管是作为一个供应商还是使用者，因为它都是经过时间、岁月的积累，机器的不断磨炼，所以我也祝福各位尽早拥抱人工智能，找到合适的合作伙伴，开始你们的人工智能历程，谢谢大家，非常感谢我们的嘉宾！