硅谷高科技專家王維嘉：目前人工智能不適合無人駕駛
【EFEC導讀】人工智能未來會影響哪些行業？
編者按
11月29日，美國舊金山，“重走德魯克之路”游學課堂邀請到硅谷著名高科技專家、《暗知識》作者、硅谷風險投資公司AimTop Ventures創始管理合伙人王維嘉先生結合自己的新著《暗知識》，為企業家學員們分享人工智能的本質和相關的創業投資機遇，深刻的洞察和精彩的觀點讓學員們受益匪淺，許多學員感嘆“終于有專家把人工智能講清楚了。”
人工智能和互聯網的區別
人工智能和互聯網行業有什么區別？最重要的區別是一個是2C的生意，一個是2B的生意。
我的好朋友李開復在他的書里說未來的人工智能是中美兩國領跑，其他國家遠遠地甩在后面。但這個結論完全不對，原因就是2B。比如一個法國核電廠要做人工智能改造，是法國的公司能拿到這個單，還是美國公司能拿到？當然是法國，因為2B生意的進入壁壘非常高，2C是沒有進入壁壘的。
比如抖音現在全世界非常普遍，谷歌、Facebook就不用說了，用戶沒法控制，只要覺得好就會用。所以開復這個判斷是錯的，我覺得是把互聯網時代的思維拿到了人工智能上。
在互聯網時代為有一個規律叫贏者通吃，但2B的生意完全沒有。中國有300多家公司人臉識別公司，頭部的大公司就4-5家，各家都不一樣。所以2B的生意和2C的生意完全不一樣。
硅谷著名高科技專家、《暗知識》作者王維嘉
人工智能未來會影響哪些行業？
可以用三個標準判斷人工智能（AI）是否對一個行業有影響：
第一，這個行業本身會產生大量的生產或者服務數據。如果不產生數據人工智能就無用武之地。
第二，數據要足夠豐富和復雜，比如放一個空氣凈化器把它的聲音都記錄下來，這也是數據，但這個數據沒有用，非常單調。
第三，行業要有錢，如果行業沒錢，沒人愿意投資來顛覆你這個行業。
如果用這三個標準就很容易判斷了，第一就是金融行業，這三個標準絕對滿足，所以今天的金融行業全面地受到人工智能的影響，不論是銀行業、保險業、證券業、理財都一樣。
但人工智能的創業公司在銀行業會遇到一個問題，你可以跑到豬場去蹲點讓人工智能學會刷豬臉，豬臉這樣的數據你隨便看，但銀行不可能把自己的數據放出來，因為這是它的核心商業機密。
所以今天金融業比如平安保險，現在已經有一個500人的博士團隊自己做人工智能，所有的大金融公司全都在自己做。小公司根本進不去，最多他說你來教我技術，教完了以后還是自己做。
但醫療的圖像就沒問題，對醫院來講，比如X光片你放到大街上沒人知道這是誰的肺片，這些東西不是醫院核心商業機密，所以愿意放出去。
今天在中國我比較看好醫療圖像方面的應用，因為中國現在要大力普及普惠醫療，現在鎮一級的醫院都能買得起X光機。如果機器能比醫生看得更準，問題就能大大解決，像這樣的應用就非常有希望。
人工智能在制藥領域的應用
全球制藥市場每年有1萬億美金，其中5000億是小分子藥。它的基本原理很簡單，比如導致肝癌的原因可能是某個目標蛋白質，科學家找到一個小分子化合物卡在目標蛋白里面，放在它的縫里把它抑制住，這個病就治好了。
過去尋找的方式是給科學家一個目標蛋白質以后，大藥廠的幾百位化學家就從數據庫里試，和愛迪生試鎢絲的過程一模一樣。他們完全憑著經驗去猜然后做大量的測試，但大部分化合物分子和蛋白質是不發生任何反應的，只能不停的更換。
這個過程大概需要2-3年的時間。如果在美國，需要同時雇兩到三百位化學家，每人每年25萬至30萬美金工資，花費幾億美金才能做成。
但這家公司把歷史上所有成功配對的信息全部交給機器學一遍。如果蛋白質長這樣，就給它配一個這樣的化合物，如果蛋白質長另外那樣，就給它配另外一個化合物，還是前面機器學習訓練的過程。
這個過程特別像紅娘，如果之前已經成功地配了100對婚姻，現在是第101對，你給我個姑娘想找個小伙，基本根據經驗我就知道什么樣的小伙是適合的，因為已經有了很多經驗。
所以這個機器做的事和紅娘沒有任何差別，只不過它看到的配對是幾百萬個，它看的小伙子是蛋白質，姑娘是小分子化合物。
所以這個特別適合人工智能，因為它倆配對就是相關性，看多了就知道下一對相關性怎么回事了，今天它是全世界這個領域里做得最好的一家公司。
目前人工智能不適合無人駕駛
過去自動駕駛是我最感興趣的一個領域，我大概看了20-30家自動駕駛軟件公司。如果真正能做到無人駕駛的話，這對于行業的顛覆是史無前例的，甚至都不需要停車場了，也不需要買車了。
但我們一家都沒有投，因為我得出一個結論，自動駕駛是一個特別不適合神經網絡做的事。
今天全世界做自動駕駛最牛的公司是谷歌，谷歌從2009年開始做，現在每年大概花40-50億美金，2000位博士，它的汽車已經大概行駛了10億英里，天天在外面跑。
今天的自動駕駛是把每一個駕駛場景當成一幅圖像：這幅圖像有3個老人、1個小孩、1棵樹、1輛車該怎么處理？這幅圖像有1個自行車、1輛汽車，該怎么處理？
它駕駛幾十億英里的目的是企圖把全世界所有駕駛場景都經歷一遍，這可能嗎？
想想我們人類駕駛，你看見前面有3個小孩或者2個小孩，每個場景不是提取它的相關性，而是理解場景中每個物體間的邏輯關系。
今天的人工智能完全沒能力做這個，只是提取相關性。
所以駕駛是讓機器做一件“人很容易做，但機器非常難做”的事情。
所以我的結論是像谷歌這樣把方向盤去掉的無人駕駛，10年內根本做不到。對于我們風險投資來講，10年內做不到就是砸錢的，所以我們到現在一家都沒有投。
現在全世界大概有100家自動駕駛公司，我覺得至少90家要關門，剩下10家轉型，在很多封閉環境和有限場景依然可以做，比如廠區、校園、倉庫、海港這些地方。有限場景就那么多東西，比如在港口撞車了，就是撞壞貨而已，不會死人，在這些條件下無人駕駛是可行的。
至于乘用車，只能一點點增加功能讓人的駕駛更舒適，更安全，而無法取代人。這是我們根據對技術的深入了解做出的判斷。
人臉識別的問題不在技術
人臉識別非常適合人工智能，比如想抓一個壞人，在街上照了一張照片，到數據庫里對比到底他是誰，這完全是相關性，它做得快而且比人要識別得更準確。
圖片來源：領教工坊
但人臉識別的市場是有問題的，它的問題不在于技術，因為進入門坎太低。
在美國根本沒市場，在歐洲更沒有市場，只有在中國的應用市場是巨大的。因為每座城市政府、每個公安局都希望借助這個系統維護社會治安，中國現在的公共場所已經有4億個攝像頭了，未來至少要翻一倍，市場非常大。
但中國的人臉識別已經是紅海了，目前人臉識別背后的芯片還是英偉達、英特爾的芯片，算法還是谷歌的算法，除了極少數的幾家公司有一點自己的算法，絕大多數，至少300家人臉識別公司都是雷同的算法。因為技術差不多，最后就是拼關系。
人臉識別潛在的安全隱患
今天對人工智能最大的一個擔心不是人工智能會控制我們，這還早著呢，基本不可能，目前連無人駕駛都還做不到。但個人隱私已經成為一個巨大的問題。
現在很多人銀行帳號都是用人臉來開的，我的臉就是我的密碼，走在街上，我的密碼就一直在被廣播，隱私是非常大的問題，但今天沒有人去關心。
我覺得中國今天既然是全世界人臉識別最先進的國家，也應該在個人隱私保護上做成最嚴密的，因為這兩者是相輔相成的，否則一定會出很大的問題，只是今天還沒有出事。
人類永遠無法做到的群體學習和光速復制
我用了“意外”這個詞來描述人工智能未來的應用，因為很多應用我們今天可能還看不到。
比如iPhone剛問世的時候在中國引起了一場爭論：“移動互聯網是PC互聯網的延伸還是全新的？”當時有兩派，一派以李彥宏為首，把百度搜索條放在手機上面等于多了一塊屏幕，從百度角度想確實是那么回事。
另一派覺得這是一個全新的東西，當然我屬于另外一派。
雖然沒人知道是什么東西，但我們知道手機和PC的區別是：第一，它永遠在我身上，第二，它有位置信息。未來的應用一定和這兩件事有關，果然今天使用微信是因為它老在我身上，今天使用滴滴打車是因為有位置信息，但當時你是看不到的，只是覺得這東西確實和PC不一樣。
今天還不知道人工智能未來會有什么讓我們非常吃驚的東西，但我知道有一點是和群體學習、光速復制的能力相關。
我舉個機械手實驗的例子，谷歌讓機械手自己學習把雜物從盤子里一個個抓出來。雜物有各種不同的形狀，機器一開始亂抓，經過15天的摸索，它自己就學會了。
緊接著他們做了另外一個很有意思的實驗，把15臺機器用網絡連起來，讓每一臺都做一樣的事，還是從頭學起，但學習時間變成了一天。因為這15臺機器都在亂摸，突然有一臺機器抓到東西了，它馬上告訴其他機器到哪里能抓到東西。
這相當于我們人類看到這樣一幅場景，有1萬個孩子在一個大操場上學騎自行車，大家一開始全在摔跤。突然間有個小姑娘學會騎了，與此同時剩下9999個全都會騎了。
這是因為機器間的神經元連接可以取出來復制到其他機器里去。也就是說未來在全球范圍內，甚至在星系的范圍內都可以做出這種高度協調的東西，當然有光速的延遲，但至少在幾百平方公里可以實現。
這對未來的戰爭，大量的協同、合作、生產是有本質性影響的，也是我們人類永遠做不到的。
人工智能是個偏科生
人工智能在藝術上也有很多應用，比如給機器看很多梵高的畫，它就可以把一張丹麥的照片畫成一幅梵高風格的圖畫。
我們人類就完全沒有可能學會這樣的筆觸和顏色。因為機器可以同時處理幾百，甚至上千、上萬個變量和非常復雜的相關性，我們人類只能處理三個。
所以只要是在處理復雜變量、復雜相關性的地方機器一定會遠遠超過人，但一旦到理解邏輯關系和因果關系，機器就傻眼了。至于到了情感，機器就徹底沒戲了。
我寫書的一個重要的動機就是要給人工智能劃出個邊界，到底它能做什么，不能做什么。
不是說：“哇，機器時代來了，我們人類都要被奴役了。”那是完全不懂。典型的代表就是寫《人類簡史》的作者尤瓦爾·赫拉利，他后面幾本書對人工智能一點都不懂，完全是在瞎寫。
還有一類說人工智能什么用都沒有。其實不是，人工智能在某些方面有非常神奇的應用，但它有點像一個偏科的學生。雖然神經網絡是模仿人腦的，但之所以它能比人腦快，能夠做我們人腦做不了的事情是因為：
第一，快。人腦的神經元每秒鐘只能開關200次，但因為機器是芯片，它可以每秒開關10億次，比人腦快了500萬倍。我們從腦子發出信號的傳輸速度是每秒鐘120米，但在芯片里傳輸速度是光速，它的傳輸速度和計算速度都是我們的幾百萬倍。
第二，準。現在我說10個數字，可能大多數人只能記住一半的數字，剩下的就忘了。因為人腦是非常不可靠的東西。但你現在下載一個1G的電影，一個比特都不會出錯。如果錯一個比特程序就不工作了，機器可以記得非常準。
第三，可復制，這也是最重要的一點。機器腦袋里的知識是可以復制到其他機器的，但人不可以。
機器能夠做出非常神奇的事情，但它仍然很笨，不能舉一反三，駕駛要把每個場景當成一幅圖像來處理，沒有符號，沒有情感，沒有意識。所以我把今天的人工智能叫做：“智商偏科、情商為零。”
馬云說的對不對？
馬云前兩年說大數據、人工智能讓我們可能回到一種新的計劃經濟，這遭到一線經濟學家的痛斥，我現在從一個企業家的角度來跟大家探討一下馬云說的對不對。
大家知道市場有供給和需求，如果是一個已知需求的市場，比如礦泉水的消耗量，你能把它的信息收集得非常準確的話，確實很有用。
馬云說：“我對于你老婆的消費習慣比你還熟悉。”剁手黨天天在他那兒買東西，他肯定比你熟悉。
美國就出了這么一件事，塔吉特公司有天給一位父親寫了一封信：“恭喜你女兒懷孕，我們可以給你提供這些嬰兒產品。”結果父親非常憤怒，他女兒才上初中就亂發這種東西，寫了一封信抗議。塔吉特說不好意思，因為你女兒在我們的網站上瀏覽的信息一般都是孕婦才會看的東西。結果她爸一問，女兒果然懷孕了。塔吉特比她爸更早知道他女兒懷孕。
過去哈耶克不是說信息不能收集嗎？馬云說我現在可以收集了，既然收集就可以集中，既然可以集中就可以計劃了。
如果是一個已知的需求，他說的確實不錯。但即使在一個存量市場，產品永遠可以不斷改進，比如礦泉水的瓶子可以更時尚。所以即使在一個已知市場，它的供給方的信息仍然藏在企業家腦子里，仍然沒有辦法集中搜集。
至于未知的需求就更不用說了，喬布斯說我的市場調查就是每天早上出門的時候對著鏡子看自己。當然他這是開玩笑的，iPhone是2007年出來的，如果2006年他跑到中國大街上拉著一個人說，你覺得一個智能手機應該有什么功能？沒有一個人能回答上來。
過去20年不知道多少家公司想做掌上電腦的都失敗了，虧得血本無歸，但蘋果一直在嘗試，到2007年的時候所有的技術都成熟了，達到了用戶的基本需求之上。但這個過程經過了無數的試錯和失敗，這些東西在喬布斯的腦子里，你到哪兒去收集這樣的信息？就算你能收集來，誰去做這樣試錯的財務的責任？不知道多少公司都賠了，包括風險投資公司，包括企業家自己。
所以企業家這種創新精神，這種試錯精神是永遠無法被收集的，不管你有多強大的電腦或者多強大的數據都無法收集。
結論就是馬云不是完全說錯了，只是在已知需求的這個市場上，大數據、人工智能有用，在已知的供給上用處不大，在未知的不論是供給和需求市場上都是一點用都沒有。所以只要把市場看成是由供給拉動的，大數據和人工智能就永遠不可能代替企業家精神。
本文已標注來源和出處，版權歸原作者所有，如有侵權，請聯系我們。
上一篇：嚴監管加強監管 促融資租賃業回歸本源
下一篇：人民銀行貿易金融區塊鏈平臺發生業務量超過900億元
