人工智慧基礎：這才是正確的打開方式

在過去的2016，人工智慧（AI）成為了一個繞不開的話題。全球共有近千家人工智慧公司遍及 62 個國家的十餘個產業，國內涉及人工智慧領域的公司也早已破百。

如何真正理解人工智慧？

百度百科：人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。 人工智慧是計算機科學的一個分支，它企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。

百度首席科學家吳恩達對人工智慧應用的有限性解釋得十分清楚：幾乎所有人工智慧最近的進步都是通過一種類型——即輸入數據（A）然後快速生成簡單的回應（B），比如：

由此觀之，當前很多火爆的討論統統都脫離了人工智慧的本義，進入了「玄學」範疇。比如下面這些在知乎上提出的問題：

人工智慧會產生真正的感情嗎？

人工智慧會有宗教信仰嗎？

人工智慧會統治人類嗎?

……

事實上，比起人工智慧，我更傾向於一個中性的辭彙「機器智能」來描述這項技術（參考彭博），但為了便於讀者理解，本文還是暫時繼續使用「人工智慧」這一辭彙。

需要注意，人工智慧並非單一技術或應用，而是類型豐富、內容多樣的科技領域，其深遠的價值來源於廣泛的技術融合。

人工智慧可被籠統地分為三個要素，感知（輸入部分，用於獲取數據信息）、理解（處理部分，包含基於數據分析的識別推薦預測等動作）、行動（輸出部分，用於表達處理結果）。

上圖來源：《認知計算 開啟商業新價值 | 埃森哲中國》

從產業鏈的角度看，整個AI產業可以大致分為四層：

第一層：基礎設施層

不論是智能硬體感測器或雲服務，還是大數據採集分析平台或各類處理器晶元，都是作為AI的主要基礎為其提供底層技術支持的重要角色。此領域不僅需要深厚的技術積澱和研發能力，也需要大量資金的長期投入，因此自然成為國內外巨頭的主戰場，僅人工智慧晶元一個領域就已雲集了如IBM的TrueNorth、Intel的Nervana、Google的TPU等一眾產品，也不乏自帶光環的技術大拿投身其中創業，諸如國內的地平線機器人和深鑒科技。不過，投入高周期長的特點，最後只會讓極少部分創業公司和一些大公司一起共享這個市場。

第二層和第三層：通用/專用演算法提供者

這兩層放在一起，是因為對於完整的智能系統，通用演算法和專用演算法不可或缺。通用演算法支持主流的深度神經網路模型，而專用演算法則在視覺、自然語言處理或人機交互等感知層領域提供專門的技術支持接入。通用演算法中以Google開放的Tensorflow系統為代表，還包括IBM Watson、Facebook Torch、百度Paddle、BVLC Caffe等；而專用演算法中則存在較多創業公司的身影，僅國內市場，就有科大訊飛這樣業已發展壯大的巨頭和格靈深瞳、曠視科技、商湯科技、依圖科技、思必馳、雲智聲等已完成數輪融資的成長期企業，而A輪及A輪前的早期公司更是層出不窮。隨著巨頭們開放通用演算法系統，創業機會已不再；而視覺語音演算法等垂直領域雖有機會，但市場整體競爭激烈，各家公司應找准具體應用場景以為著力點。

第四層：垂直行業應用層

我相信在短期內AI中最大的創新機會在於通過技術驅動的手段賦予傳統行業新的能力和機會。那些已經或者能夠沉澱數據的垂直行業將能夠通過大量數據和AI的學習能力逐步實現部分任務的自動化。這些領域包括但不限於：醫療、金融、商業分析、網路安全、物聯網、無人駕駛、機器人、法律、教育等。

基於此種分類方法，業界主要的代表性公司如下圖：

還有一種分類方法：Venture Scanner將AI領域按技術細分領域分為機器視覺（平台）、機器視覺（應用）、機器人、手勢控制、語音識別、自然語言處理、機器學習（平台）、機器學習（應用）、虛擬助手、推薦引擎、視頻內容識別、情景感知計算、自動翻譯等。此種分類下的主要代表公司如下：

上述分類方法及圖片來源於《當我們談AI投資時談些什麼 | 蔣鍇，PreAngel荷多資本》

不管採用哪種方式，我們看到，人工智慧都必須與傳統行業進行深入結合才能真正形成應用，不存在單獨的人工智慧行業。從某種意義上說，人工智慧是一種賦能型技術。因此，對於傳統行業中的企業高管而言，如何藉助人工智慧這把利器改造自身的產品和服務，解決客戶痛點，挖掘行業價值，這才是需要重點考慮的。
推薦閱讀：