深度訪談：人工智慧時代，我們有怎樣的機會？

被採訪人：陳暘

來源：公眾號 蕭公子（ID:xiaogongzi1991)

談談你的個人經歷吧

答：我本身學計算機，而且比較早，十歲的時候開始編程。本科在南開大學就讀，碩士、博士在清華，學的是計算機專業。

博士研究方向是圖像處理，跟現在比較火的圖像識別比較相關。當時做壓縮感知，圖像識別其實之前就有了，為什麼這兩年火，是因為有一個新技術，當你遮擋圖像70%的時候，還能進行識別，比如安防領域裡面。我現在的業務，主要做傳播，就是給企業做營銷、策劃、傳播解決方案。

問：這應該是人工智慧在商業上面的一個應用，是吧?

答：對，可以這麼理解。圖像識別是屬於中間的一個技術環節，是技術層面，應用層面主要是偏應用端，應用端其實是比較傳統的，廣告策劃營銷實際上是一個比較傳統的行業，現在做這事其實是在服務，就是代做。希望通過機器的方式來提升效率，就是通過AI人工智慧大數據的方式提高效率。

人工智慧的應用領域有哪些？

人工智慧有三大領域，第一個領域叫推薦演算法。還有兩個重要的。一個是圖像識別，一個是語音識別。

比如我去淘寶上面瀏覽網頁後，過兩天你發現它給我推薦了一些內容，這就是人工智慧。微博也會推薦一些其它微博和今日頭條，那實際上也是推薦演算法。

推薦演算法、圖像識別和語音識別是人工智慧核心的三大領域。

那個訊飛語音識別是中國科技大學做的。圖像識別其實很多公司都在做。像曠視科技，face++，它們專門做人臉識別。服務上面有很多人臉識別，包括飛機場現在做人臉識別，實際上都是用face++。

你對人工智慧行業趨勢的看法?

這個趨勢看法其實跟互聯網是一樣的，大的趨勢肯定存在。如果你去看某一個具體的里程的話，它分階段，越是高難度的技術，像無人駕駛，它的周期會越長，越需要豪華的團隊來做，豪華團隊投入技術越多，砸的錢越多，它才能熬更長的時間。

近期在某一個垂直的領域或者越小的一件事裡面。比如說推薦演算法，其實微博本身已經實現了，包括今日頭條，它的推薦功能實際上也是人工智慧的一個產品。在某一個具體的點上,人工智慧會逐漸出來。未來會是這個趨勢。

大部分的人不懂技術，會覺得比較神話，會覺得未來會有很多機器人，機器人會統治世界，機器人會比我們更聰明，會搶我們的飯碗，其實沒有必要。

它要實現路徑的軌跡，像無人駕駛一樣，實際上軌跡會非常長，無人駕駛團隊它只能做這一件事，它要做的領域會非常多，而且它會非常專，它不會形成一個通用的機器人。

現在，人工智慧會在各個領域裡面先用，最終如果要實現人工智慧的整合可能需要還需要很長時間。人工智慧未來可以很好的執行一件事，比如無人駕駛。但是不知道為什麼要執行它，這就是它和人的區別。

人工智慧的前景如何？

人工智慧其實相對於AR、VR、還有3D列印好一點，人工智慧是一個更廣的概念，它包括的領域非常大，它不像3D列印很具像，它很單薄，人工智慧其實各個領域都有。比如說圖像的、語音的、機器人的、晶元的，各個行業裡面都會有.比如說法律機器人、遊戲機器人.它的周期相對來說可能會長一點.

人工智慧應用的非常多，它可能就是某一項技術，而你剛才說人工智慧的話它是很多各領域的技術，所以它的周期跟3D列印不一樣，你看它的波峰波谷就更容易看出來。

人工智慧它涉及的領域非常廣。除了我們所說的機器人，圖像、語音、還包括自然語言的處理、機器人客服、醫療影像、下圍棋象棋的機器人、無人駕駛、寫文章的機器人……

為什麼人工智慧被炒熱?

為什麼會把人工智慧炒這麼熱，是因為在某些情況下，其他領域可能看起來已經開發的足夠多了。

比如說移動互聯網在前五年其實被吹得很猛，2011-2012年那時候一直都喊移動互聯網，五年左右的時間，現在所有的網站或所有的互聯網其實都是移動互聯網公司，百度也是移動互聯網公司。阿里也是移動互聯網公司，所以移動互聯網的滲透率已經很高了。

為什麼說人工智慧呢?因為在互聯網這個TMT領域裡面沒有更加吸引人的眼球，它基本已經開發過了，所以VC它實際上會覺得這個是一個沒有被開發過的更有想像力的一個市場，但是它確實還沒有成熟，對於投資人來說它可能是個金礦加引號，但相比其他的那些金礦來說已經被開發完了，移動互聯網現在不太會有新的機會了，其他的領域裡面可能不太容易有機會。

如何看待李開復老師說「未來十年50%的工作會消失？」

問：人工智慧這麼火，李開復老師說，未來十年50%的工作會消失。那些職業上發展不是很順的一些人就會特別焦慮的跟我說，未來會不會被人工智慧取代?對於「未來十年50%的工作會消失」，你是怎麼看待的?

答：首先我覺得焦慮是沒有必要的。不是有一個技術曲線嘛，就是說一個事情可能一開始會爆火，中間會冷下來，然後逐漸會升溫，達到一個成熟的狀態。現在可能是比較火的一個狀態,過2年就會發現離實際的應用還是比較遠，中間會有一個落差，逐漸的又會升溫。它會有一個波峰波谷帶到小波峰的一個狀態。

以VR、 AR為例，前兩年VR、AR 很火,那今年你看VR、AR的聲音其實就很小。這個東西就叫技術曲線,就是一個新的技術會吸引眼球，可能是一個噱頭， 大家覺得是一個未來的前景，過兩年以後發現沒有實際的應用。

大家都覺得未來是虛擬世界，但實際上應用端還不成熟，它又會冷下來,過一段時間技術會逐漸成熟。它有一個概率就是16%,這個垂直的行業或者說在某一個特定人群中要超過16%的人在使用. 我身邊的人如果也在用,且這個概率超過16%的話,它就會逐漸的成熟。如果你看到很多的應用它還沒有使用起來的話，那它就只是一個概念或者是個噱頭，過段時間可能會冷下來.

人工智慧會不會取代我們的工作?

問：有一個做初級財務工作三年以內的朋友，他特別焦慮的問我，他的工作技術含量一般，特別擔心有一天機器人把他的工作給取代了。

答：機器人會取代基礎性的工作。財務包括人一定有他取代不了的地方，比如說對需求的理解，溝通。機器人對語境比較單一的某個特定任務，它執行比較快、好。實際上一個事情它可能會有上下文或者會有其他的背景，條件輸入不夠充分的情況下，人更有優勢，人對事情的理解肯定比機器的維度更廣，這一定是優勢。

人可以做更加有智慧性的工作，往上遊走。解決這個問題，就是不要只做操作的事情，可以做一些稍微複雜的溝通、協調工作。人應該多動腦而不是動手，如果他練的是自己的手，就有可能被機器人取代，機器人的動手能力會比人強。

我們訓練機器人，包括讓它寫人工AI的話，動腦能力是弱的，機器人可能會做一些代理記賬、查詢法律文獻、相關的稅法。這方面機器人動手能力會非常強。你跟它拼動手能力的話你的知識儲備差，一定比不過它，但是它的這種動腦能力，包括對語言文字、跟客戶的溝通的需求的理解，人更有優勢。

問：你剛提到一個技術曲線，也有一個蓮塘效應。就一個池塘，第一天看到有一片蓮葉冒出來，第二天兩片、第三天四片、第四天十六片、到第五天那個蓮葉一下子全冒出來。其實很多人擔憂的是現在這個人工智慧好像這裡有一點那裡有一點，如果沒有把握住這個計劃，可能到五年十年後，忽然有一天發現全是人工智慧。

答：首先真的不需要擔心。人工智慧是大公司要做的事，大家覺得人工智慧比較NB，或者說人工智慧很可怕，或者它的前景勢不可擋。這是關注到技術層面，大家覺得這是機器人的一種智力，或者說它的技術能力會很強，什麼樣的公司擁有技術呢?其實在國內還是大公司,你會發現大公司在做技術底層框架。

包括阿里雲，雲是做雲計算的，它們提供的是雲計算。所以未來人工智慧的服務可能是圖像識別幾乎免費或者說按照調用請求次數收取費用。

大家對技術方面有一點恐懼感，覺得人工智慧勢不可擋，同時又不懂統計學……這些東西離你很遠，完全不需要在意它。除非他去大公司裡面做一個底層的技術人員去研究演算法本身、經營網路等，他沒有必要去擔心未來。它有可能就像阿里雲一樣，你不需要去了解一個伺服器該怎麼搭建、怎麼部署……。你直接通過一些簡單的可視化的一些命令去做你想做就可以了。

未來的話，人工智慧更多的是服務於我們而不是取代我們。

我覺得是分兩種，一個叫技術，一個叫應用。那大部分的人其實關注的是應用層面。技術層面其實是數學家和計算機編寫代碼的人、大公司的人他們要做技術底層框架，讓這些具有應用端想法的一些人去使用他就OK了。所以完全不需要擔心，現在人工智慧離實際的應用差距還很遠。

比如說無人駕駛，大家會比較恐慌司機會失業，以後我們不需要去考駕照，考駕照可能就變成跟騎馬一樣，是一種娛樂性的工具。人工智慧在無人駕駛裡面實際上也分兩個等級。一個叫L3，一個叫L4。L3叫高級輔助駕駛，L4 叫完全的無人駕駛。它中間有過渡的階段叫輔助駕駛，它對於我們來說是友好的，就是你開車累的過程中，你可以讓它輔助一段，同時你也可以去操作它，把它當成一個輔助的助手。

機器人，首先是一個助手，可以幫助我們。你剛才說那個財務人員，他實際上可以讓機器人幫糾錯，就像我們用WPS或者用word檢查的時候會有一個拼音的糾錯能力是一樣的。未來情況下，如果真的能達到的話，在某些特定領域裡面機器人確實是可以無人操作。人工智慧是專職的。比如掃地機器人、唱歌機器人、踢球機器人。

如果我們要進行利用的話，要找垂直的領域，把它當一個助手一樣。還以財務同事為例，在這個領域裡面看到有沒有類似的一些這種機器助手的一些工具，把它當成一個助手來提升自己工作效率。其實這個東西就有可能像word和PPT一樣以後，未來會普及。像我們使用電腦一樣，當我們小時候使用電腦的人很少，就會覺得是很超前，但它未來就是一個工具。

這個工具對所有人來說都是一樣的。你只是去使用它。它以後會變得很普及而已。

人工智慧的技術底層邏輯是什麼？

人工智慧核心有兩個部分。

第一個部分就是數據，垂直數據足夠多，所以機器是有思考能力或者說他有自己的智力，這是數據層面。

第二實際上是移動設備，我們看到手機越來越多，包括一些物聯網的一些設備，比如說汽車它為什麼要數據化，那所有的這樣一些手錶有數據化。各種各樣的一些設備實際上都在進行一個聯網的狀態，這樣的話它的移動設備和智能，這種情況下才會進入到一個更加機器智能的人工智慧。

所以說人工智慧一是基於大數據，二是基於更多的移動設備在聯網。

人工智慧與大數據是什麼關係?

數據是基礎。

計算機裡面有一句經典的話「演算法加數據結構等於程序」。數據結構實際上指的就是大數據，就是數據的層面。演算法是什麼?演算法其實就是計算的核心處理的一個能力，演算法加數據結構才會等於程序，那未來需要就是大數據加上深度學習其實等於人工智慧。

深度學習，可以叫機器學習，這個機器學習叫一個演算法，機器學習分三個階段。

第一個階段叫專家學習。就是人告訴機器該怎麼去做預算。專家系統應該是在上世紀70年代左右形成專家學習。專家學習的特徵是人的干預度很大，幾乎百分之百。

第二階段叫機器學習，實際上就是通過獨立神經網路，像貝葉斯，這種數學的一些公式形成的，應該是在90年代左右。機器學習的特徵就是人的干預度和機器的這個實現是各佔一半，叫半監督式的指導性學習。

第三階段叫深度學習。深入學習就是機器自己掌握學習能力，比如說我給你一堆數據，不需要人的參與，那機器就可以自己根據規則判斷這種學習能力到底什麼時候OK。數據多，需要不斷學習，不斷的累積數據。深度學習的特徵是人幾乎沒有干預。

人工智慧的運用如何？

問：國內的百度無人駕駛,它做的怎麼樣?

答：百度應該算人數最多的,無人駕駛是一個非常龐大的一個工廠，百度光無人駕駛團隊至少有200人，它有分L3團隊和L4團隊，分兩個事業部在做,同時都在做這樣的一些實驗.

很多人看到其實這是一個巨大的一個變革,人工智慧時代就是說農業時代到工業化時代，工業化時代到信息化時代。

工業化時代實際上就是機器生產，它解決了我們溫飽的一些問題。信息化時代實解決的是一些交流和信息溝通的一些問題，上一個階段成了下個階段的一個基礎，我們是站在這個基礎之上轉到一個新的市場，工業時代的基礎實際上創造更多物質的一些財富，那我們完成的實際上是一個信息溝通和交流，當你信息足夠多的情況下，其實基於數據我們有更多的智能，所以才構建了這樣一個人工智慧。

人工智慧在C端，就個人消費者終端,還不太容易形成一個爆髮式的一個產品。它更有可能從B端，就是從企業服務端來去應用，為什麼呢?我們看到所有的產品,包括計算機的發明實際是從軍隊的發明開始,是美國要打仗的時候，美國國防部才生產了計算機去計算導彈這樣一個工具，後來企業都要用。最後八九十年代的時候才進入到家庭。

比如C端的一個終端用戶，它是要等技術足夠成熟的情況下才會進行使用，現在技術不成熟，其實更有可能是企業來驅動，因為企業是可以付更高的費用去做某一項垂直類的工作，而個人的話它不會。只有當技術足夠的成熟的情況下個人才會去付費，更有可能是從某一個垂直的行業工作領域裡面來去使用機器人，比如機器人搬運貨物，你個人讓它執行這個工作沒有任何必要，而且你要足夠好用才可以，但是企業它有可能會做這方面的投入和嘗試。

還是以財務為例，有一個人工智慧的財務軟體，那你不一定非要到人工智慧的財務軟體裡面去做它的系統的開發，你可以去使用它就好。你是財務人員，你的工作是使用它。如果類似的一些軟體的話，你可以讓這個工作去使用。比如說京東的採購。

如何把握人工智慧時代這個機會?

我覺得這個分不同角色，比如說從投資人角度來去看的話，他可能會更加的現實。對於個人來說的話，有時候會比較恐慌，不知道該如何去抓住.比如說我作為一個從業人員，要轉行還是要怎麼樣，假如我本身不是搞計算機的，那我如何做人工智慧，這裡面其實每個人都會有自己的一些思考。

我覺得未來其實會同步開始，就是人工智慧會在某一個行業垂直的行業裡面才真正有可能會落地。它不太容易形成一個通用的系統。就比如說我們認為機器人是有智力的情況下，它很難形成一個能幫你做所有事情的機器人，比如說既能對話又能跳舞，還能幫你去完成寫作業，這種其實不太容易。它是專職的。比如掃地機器人、唱歌機器人、踢球機器人。

沒有行業背景的人，怎麼樣才能進入到這個行業？

同樣做財務，可能在製造業做財務，它薪資待遇完全比不上互聯網公司。現在互聯網公司他覺得機會不大，他希望去人工智慧公司做財務，你有什麼建議?

如果能去這種人工智慧公司的話肯定是會更好一點，因為它更朝陽一些。就選不同的領域吧。如果能選擇一家好的人工智慧公司去工作，自然是一個不錯的選擇。

第一種形式：由業務專家身份切入。這個會非常好。比如說人力資源專家、財務專家、物流專家。各行各業都有，如果你要做一個物流系統的人工智慧，就需要一個對物流方面比較了解的人。如果你做人力資源系統就需要對人力資源很了解的專家。如果要做廣告的投放，肯定需要對廣告傳播、消費者心理了解的專家。

如果一位剛大學畢業的小白、新人，他就直接去面試嗎?任何一個公司有培訓、財務、銷售……

最終還是要選到某一個具體的領域裡面。如果你要做旅遊，那你要對旅遊方面了解。哪怕最開始是小白，但你進入了公司用它所在的一個垂直的一個領域，他應該是對這個領域比較感興趣。人工智慧不是一個領域，不是一個行業，只是一個工具，跟計算機是一樣。人工智慧已經切入到各個行業各個領域中去，它就像互聯網一樣，互聯網公司有各行各業的互聯網公司，有做旅遊的、有做遊戲的、有做的銷售……

如果要從事人工智慧技術類工作，大學時選什麼專業?

計算機肯定是首選,然後是跟計算機相關的。比如數學、自動化、數據分析。但國內的學校其實比較水，不一定學得出來，它只是上課考試而已，只是個學分，只是一個基礎。主要還是靠自己。考試就是考試，它就一個學分而已。培訓班是要做題的，其實國內是有很多訓練題庫的，你去訓練就好，就做這方面的題庫，上課的話很基本上很少去講這方面內容。他要做的工作不是那種IOS開發和安卓開發，那種東西對它來說一點幫助都沒有。

他要研究的是演算法和數據結構。很多國內頂尖的人工智慧的專家基本都是ACM出身，比如說face++創始人唐文斌，就是曠視科技CEO，他現在估值20億美金。樓天成，原百度無人駕駛的科學家，現在自己出來後做了一個無人駕駛。

這個行業的薪資待遇如何?

看做什麼了，做演算法的相對比做網站開發的工資高。技術崗位比其他崗位略高一些。

一般約3年經驗的技術人員 ，平均月薪1.5萬-2萬。如果是深度學習的工程師，平均月薪是3-5萬。

關於人工智慧，非技術人員如何進入這個行業?

更多的人想進入到這個行業，但他不是技術人員，他如何搭著這一趟車走得更快？

有兩種方式。第一個稍微高大上一點的叫產品經理，就是你雖然不做人工智慧技術開發，但實際上可以往產品經理專家的角色走。

比如說搜狗的拼音，其實並不是技術人員提出來的，它是一個專家，之前可能也沒學過計算機，他有這樣一個需求，要去做搜狗的拼音輸入法，搜狗拼音輸入法也是人工智慧產品。

人是可以往產品經理這方面去轉的，他必須具備行業經驗。比如剛說的一些行業專家。你知道你的需求在哪裡，然後圍繞這個需求去看怎麼實現，你可以跟技術專家一起溝通，制定解決方案，然後把它實現出來。一定是基於需求才能去做產品。

產品經理的職位數有限，就是你需要一個專家身份，很懂這個行業。其實門檻也不低，它要求是你在某一個行業領域裡面是個小專家，你不是人工智慧人員，那一定是行業專家，這樣的人是適合做產品經理。

還有一些就是無門檻，那你說你又不做技術，又要跟它相關的話，其實做就是一些基礎的人工標記的一些工作，有點類似於像軟體測試師。做APP開發的話有很多做測試的崗位，有點類似於像這種就挑bug。沒有什麼技術含量。

如果你要關注的是非技術崗位的話，可能是這兩個職位。

你現在工作的主要內容是哪些?

現在做一個面向於內容創業者的一個產品。

第一就是我們會收集大量的數據，就是創意。在廣告這個行業，每天都會產生很多的創意。比如說杜蕾斯、VIVO手機、可口可樂，那我要知道都有哪些創意。實際上是一個素材庫，也叫創意庫，把這個創意庫收集上來，這是第一個工作。要盈利、要有收入，就提供一個訂閱的服務。你要訂閱什麼樣的創意。很多創意的人員它要產生一些內容。其中有一部分工作叫追熱點，就是一個鹿晗事件出來以後，你發現個大的品牌都會借勢營銷。這樣一個工具，對於很多的人員來說是需要的，因為你比熱點比不過機器，它處理的速度一定會比你追的速度會更快，所以提供這樣一個訂閱的工具：數據採集。

第二是訂閱服務。基於行業特徵，還有事件熱點來提供這個服務。

現在有14個行業，把創意打上不同的標籤。標籤有行業標籤、品牌標籤、形式標籤、風格標籤、還有亮點、產品特點等等一系列標籤，差不多800個維度。

行業包括快消、美食的、3C數碼的、互聯網的、旅遊的、汽車的等等一共14個大的行業，下面還有很多細分的行業。不管是哪個行業，都能找到創意的玩法，如果來了一個熱點的話，我會告訴你哪些品牌，他們做哪些工作，這個是我們在做的一個具體的項目。

陳暘簡介：

五彩傳媒創始人、清華計算機系博士、虎嗅AI專家、白牛智庫首席AI專家