羅振宇究竟外行在哪？人工智慧究竟為什麼這麼熱？（續前文）

幾個小時前推送了一篇《別掙扎了，在AI這個話題上，羅振宇與他的追隨者，註定是外行》，寫作時一時興起，諸多細節語焉不詳。在這裡稍作補充。

在羅振宇的跨年演講中，提及李飛飛加盟谷歌一事的橋段，確實是最令人不快的。原因前文已述，究其本質，是不尊重科學家——或者眼界有限，不知李飛飛何其人。

那麼李飛飛加盟谷歌一事，究竟是怎麼回事呢？我們回顧一下。

2016年11月15日，谷歌在舊金山召開的新聞發布會上宣布，斯坦福大學人工智慧實驗室主任李飛飛和Snapchat研發主管李佳已經加盟公司並將領導谷歌雲計算集團旗下新成立的機器學習部門。

這一「新成立的機器學習部門」是谷歌雲計算集團的人工智慧計劃的一部分，事實上該計劃中的一項重要任務，就是招募這兩名專家。

所以，問題不在於「李飛飛為什麼要去谷歌」，而是「李飛飛為什麼願意接受谷歌的邀約」。

學術界有觀點認為，從科學家的角度而言，谷歌的科研體系對實現科研成果的突破未必有實際幫助，但學術界與工業界聯手可以讓更多消費者在使用的業務搭上人工智慧的快車，這是毫無疑問的。

此外，有來自學術界的消息稱，李飛飛此行仍是領導科研團隊，而且是兼職身份。

事實上，專家進入大企業兼職做研究並不少見。李飛飛去谷歌之所以成為大新聞，不僅是谷歌這個大IP，也包括了「居然請動了李飛飛這尊大神」的稀有性。

至於李飛飛有多神，這個可以自行搜索。

所以，羅振宇表達人工智慧在實驗室里搞不下去了，是不真實的。至於還順帶說了一嘴「不和工業界結合的學者一事無成」，就更是天大的笑話了。

人工智慧不僅不是在實驗室里搞不下去了，恰恰相反。由於深度學習的突破，人工智慧在學術領域近兩年科研成果突破猛進。

工業界頗為眼紅想參與一腳，卻發現有能力搞定的人才全在實驗室里。同樣，投資人們募了大把的錢準備砸人工智慧，卻發現有能力創業的人還在高校。這才有了打通學術界與工業界一說。

每一個人工智慧領域的科學家，價值都超越等身的黃金，是工業界與資本瘋狂追求的對象。

因為稀缺，並不存在「科學家離開工業界一事無成」的說法，恰恰相反，大公司們擔心的，是自己沒有頂尖科學家而一事無成，或者更可怕的——頂尖科學家去了競爭對手那。

羅振宇會犯這麼一個錯誤，一是只識谷歌不識斯坦福，二是他策劃這一章節時，出發點的觀點就錯了——演算法不重要，數據才重要。

事實上，演算法很重要。重要到什麼程度呢？

目前可見的人工智慧應用，基本都基於幾大開源演算法平台進行深度開發和定製，這其中有許許多多的探索性嘗試。常常有這樣的情況，學術界拿出來一個自洽的演算法，理論上解決某些問題會有獨創性和優勢，但要拿到工業界試一試才知道到底可行與否。

萬一可行，則會有大量的資本湧入慫恿這個演算法落地成為平台，推動其在數據挖掘、數據建模、模式識別等等領域開發產品。而如果成果轉化還算順利，那麼一顆冉冉升起的10億美金公司就誕生了——略誇張，但1億美金問題不大。

具有創造性、通用性演算法平台的稀缺，正是工業界與投資界持續重金砸入的原因。而在人工智慧研發方面稍強一些的技術公司，都牟足了勁打造自己的演算法平台，並在自己平台上訓練應用。並且為每0.1個百分點的進步投入數以億計的資金。

AlphaGo作為一個人工智慧應用，就是這樣誕生的。

從資源聚集的角度來說，數據資源會向最優質的演算法資源聚攏。中國的人工智慧發展起步比前幾次科技浪潮要好很多，但實際上離國際頂尖差距還不小。中國學生和青年科學家做競賽成績都不錯，但獨創性欠缺，是公認的短板。

毫無疑問，中國市場的規模龐大與複雜，是發展人工智慧的優勢。但這和此前「用市場換技術」的邏輯並無區別，並不是說有足夠大的規模，就能夠產生領先型的技術。雖然不會回到「牛仔褲換飛機」的時代了，但我們自己的大飛機不也還才起步么。

人工智慧也是一樣的。

回歸到人工智慧是什麼的問題上。學術界已經有很多經典而標準的定義了。我願意再次引述一下1995年版的AI七特徵：

這很抽象。但如果讓我來比喻，我會舉70年代的矽谷的繁榮的例子。

半導體集成電路的蓬勃發展使得大型商用計算機可以進入到許多行業，金融、房地產、電視傳媒等等等等。

之後大型機快速向中型機、小型機發展，不到十年時間主流計算模式從中央數據存儲與處理，到達了桌面級的終端存儲與處理。很快個人電腦成為了矽谷最時髦的概念。

後面的故事大家都知道了，蘋果的成立，比爾蓋茨的崛起……事實上那個時候也是人工智慧第一次興起的時候。

深度學習給人工智慧帶來的復興，就像集成電路的突破帶來了計算設備的快速發展與商業數據信息化一樣。

70年代的美國，人們在擔憂電腦會幹掉人類，和現在擔憂人工智慧會替代人類也是一毛一樣的。

但梳理歷史可以預見的未來是，人工智慧會和計算機一樣，從最大的商業數據應用中切入，逐步向小型化、微型化的計算場景演化。

沒有哪個家庭會在70年代去購買一個儲物間大小的計算機來處理文檔或者報稅。同樣，現在最值得著眼的仍是數據量最龐大的金融、物流、政務（安全）等領域如何運用好人工智慧。

接下來是巨無霸級的跨國公司，接下來是中型重資產公司，然後是小公司與個人。

而最後，就像PC與手機的普及一樣，人工智慧會成為每個人隨身都具備的計算力。

得益於移動互聯網，包括物聯網的高度發達，人工智慧的進化過程可能從當年從大型商用計算機到手機的三十年，要縮短到十年，甚至五年。

人工智慧不是怪獸，當你能夠使用它的時候，它就是火，就是電，它和人類掌握的其他能源並沒有本質的區別。

但人工智慧確實是黑天鵝——就像windows95是黑天鵝、Internet是黑天鵝、iPhone是黑天鵝一樣。我們已經經歷了很多黑天鵝了。這種黑天鵝並不可怕。一個概念而已。

「熔斷」那種黑天鵝——才可怕啊。

所以，人工智慧不可怕也不怪異，為什麼人工智慧會這麼熱呢？

想想英特爾、思科、蘋果、微軟……這些公司曾經在20世紀創造的20年翻五千倍甚至一萬倍的資本戰績。論增長，沒有什麼比這更大的生意了。

又一輪成千上萬倍增值的機會，在2016年，被人工智慧拉開了帷幕。

你說該怎麼辦？

（你從這張照片上看到了什麼？好多個二十年一萬倍的投資機會啊！）
推薦閱讀：