亂象叢生的人工智慧，有人正在薅羊毛

編者按：根據Garnter的預測，2018年超過300萬人要向機器人老闆彙報工作。未來會有很多機械工作可能會被機器替代，甚至是更加複雜的勞動，包括CEO工作的20%都有可能由機器代勞。

文 | 曾響鈴

來源 | 科技向令說

當移動互聯網的紅利時代接近尾聲，人工智慧取代安卓開始成為下一個產業風口。

正如硬幣總有正反兩面，這是個好事，不太好的事也隨時而來。

根據Garnter的預測，2018年超過300萬人要向機器人老闆彙報工作。未來會有很多機械工作可能會被機器替代，甚至是更加複雜的勞動，包括CEO工作的20%都有可能由機器代勞。

但我們需要擔心的遠不止這些。

1野蠻生長背後，人工智慧需要實幹家和連接者

如今人工智慧領域的競爭正在逐漸升溫，其激烈程度並不亞於曾經的「百團大戰」和O2O燒錢補貼戰，多數人是想早期進入以獲得行業紅利，也有些人僅僅是為了薅羊毛。

1、亂象叢生的人工智慧，有人正在薅羊毛

按照極客幫基金創始合伙人蔣濤的說法：「現在去xxx創業大街向天上扔一沓美金，砸到10個路人，有9個都自稱投資人，其中8個投人工智慧。」這些人滿嘴的Artificial Intelligence、摩爾定律、大數據、新演算法、認知技術、計算機視覺、機器學習、自然語言處理、機器人技術、語音識別……要是不懂點Deep Learning基本原理，沒看過雷·庫茲韋爾的《奇點臨近》都不好意思和別人打招呼。就連在在全球消費類電子展上，71%的展品、展位也都是跟機器人和人工智慧有關。

但這樣的繁榮景象並不能掩蓋那些濫竽充數的「羊毛黨」。

舉幾個簡單的例子和數據。

大多數創業者並未能接觸到一些核心演算法，而只能玩弄概念。以圖像識別為例，只有個別巨頭才能把識別準確率做到99%以上，很多創業公司只停留在80%左右的水平，但這些創業公司仍然舉著掌握核心科技的旗幟招搖過市。

和AI高度相關的數據公司，為獲得更高估值和融資，無不說自己有多AI，但正如網路上已曝光的，「目前市場上有很多所謂的大數據公司，都是通過倒賣數據賺取差價的公司，而這些公司的數據來源，很多來自數據黑市。」「一些數據販子由於沒有任何加工能力，通過一些關係，掌握某類數據源，在不做任何加工的情況下，直接賣裸數據，賺取差價。」這對發展人工智慧最直接的影響是「如果底層的數據都是虛假、不準確的數據，再好、再先進的分析模型也不可能解析出正確的結果。」可他們卻賺得盆滿缽滿。

即便是講證據的醫學領域，也充斥著《人工智慧PK最強醫腦系列大賽》、《首屆人機讀片競技大賽召開》、《AI-醫師讀片競賽》、《XXX達到/超過人類醫生的水平》等各種人機大賽，但這樣的活動一共才十幾個甚至幾個醫生參與，幾百張甚至幾十張醫學影像，且不論權威性、科學性有多強，這些人對此樂此不疲除了湊熱鬧，恐怕還有更多的直接利益訴求。

事實上，即便是巨頭，他們的AI能力也只是在初級階段，比如谷歌投資了一套使用機器學習演算法的系統，用來識別網上的不良言論。這套系統名叫「洞察」（Perspective），使用了機器學習演算法。然而人們發現，手誤錯別字都能騙過它。更別提多數創業公司手裡所謂的核心科技，用一個行業人士說「這就是在講故事」。

2、巨頭和媒體才是AI發展需要的左右腳

就是在這樣的草莽時代，大家都在呼喚有人能站出來，而巨頭和媒體被寄予厚望。

我們先說實幹家：巨頭。

從百度發布2016年財報看，光人工智慧研發就砸了100億，而科大訊飛的研發投入也接近25%。要知道從事人工智慧研究，首先需要有獨一無二真正的源頭技術創新，要有一批頂尖科學家，這不是一般的創業者能有的。再者人工智慧要有海量的、不斷迭代的數據使得你可以學習和訓練。所以無論是國外還是國內，谷歌、facebook、蘋果、微軟、IBM、百度、阿里等這些巨頭才是最有機會做大做強的。

從目前的市場來看，這些巨頭分布在這些領域：

計算處理及信息儲存的晶元巨頭，如英特爾、NVIDIA等。

大數據產業鏈中的原始數據獲取方，包括運營商、BAT、微軟、谷歌等，它們掌握著機器學習必須的數據資源，決定了人工智慧發展的廣度。

人工智慧技術的研發集團，如今自動駕駛、深度學習、語音識別以及圖像識別等領域都有著各自取得領先公司和團隊。諸如谷歌自動駕駛、IBM Waston、百度自動駕駛及語音識別。

再說作為連接者的媒體。

也正是在這個魚龍混雜的階段，作為監督提醒者、傳播者、也是連接者、參與者，媒體既有這個能力，也有率先入場的必要。

這一方面是AI威脅論四起，媒體人一度被說成將被AI替代的對象。（也的確，騰訊、今日頭條、新華社等已經開始運用寫作機器人成稿。）

另一方面，在這個快速成長的領域，那些引導、探索方向的專業媒體，一直是從業者迫切的呼喚。

按照烏鎮智庫的數據顯示，近五年新興人工智慧企業新增超過1000家。但實際上除了外包，很少有掌握核心技術的工作真正找到了盈利方向，尤其是為人矚目的無人車等領域，距離成型的模式還比較遙遠，AI本身其實只是處於方興未艾的階段，多數從業者需要一個推手，引導、提醒他們正確的往前走。

這個過程中，媒體扮演著連接者的角色，分享報道全球最前沿的行業成果，幫助企業對接最合適的資源，以帶動整個行業的轉型升級。

這裡既有海外的垂直媒體，如側重計算機視覺領域的人工智慧媒體 The Visionary，採用郵件新聞列表的AI weekly，以及Inside AI等；也有國內的人工智慧門戶，如人工智慧實驗室(AiLab)；既有側重AI報道的「老行家」，如36kr、雷鋒網、鈦媒體等，也有專註於AI的新晉者，如機器之心，新智元等，最近財視傳媒也孵化了專註人工智慧領域的商業媒體未來圖靈；網易、搜狐等老牌媒體也弄起了專門的AI欄目。

作為媒體，它們起著引領和探路的作用，所以必不可少的是專業性、廣泛聯結的資源，據說，未來圖靈雖剛發聲，劉強東、馬雲、於揚、曾良等人都已為它點贊，中國傳媒大學教授沈浩、前百度研究院資深科學家 吳海山、 地平線機器人創始人余凱等也是其專家顧問。

2這波AI紅利，誰會成為第一批受益者？

潤米諮詢創始人劉潤在總結趨勢紅利時，提到四大紅利：流量紅利、社交紅利、創新紅利、全腦紅利，分別對應的是渠道、營銷、產品和組織領域的創新。越早抓准紅利的企業和個人，越容易在變革中獲得跨越式成功。響鈴認為，這波AI紅利，流量紅利和創新紅利會最先釋放出來。

1、流量紅利享受者：堅持做長板，建立核心能力，做連接者

這最直接的受益者是客戶群為2c的企業或媒體，類似於上一波內容創業浪潮下的咪蒙、段爺等自媒體，他們通過內容輸出快速獲得流量和用戶，並做轉化。

但在AI領域，作為媒體，光有內容優勢還不夠。人工智慧還至少要求媒體在扮演好觀察者角色的同時，既要能零距離貼近成長中的AI企業，又要有專業深度的媒體能力還需要總攬全局、把握方向的未來視角。

以未來圖靈為例，「深度內容、原創視頻、AI指數」是其「三駕馬車」。他們不僅有深度原創內容，還擁有專業采編團隊，擁有財視傳媒等賬號矩陣，呈現出先天的媒體屬性；也具有原創視頻優勢，有專業視頻製作團隊（大V開8、夢想三分鐘、超級脫口等欄目主創團隊），其《AI百人》為未來圖靈首檔訪談欄目，以人機對話的形式，邀請頂級AI行業領軍者，呈現獨家觀點。更重要的是擁有紮實的行業資源，除了擁有沈浩、余凱、於揚等大咖顧問團，開設AI專家獨家專欄，還基於行業資源和內容優勢，構建了AI領袖圈層。劉強東等大佬肯為其點贊看中的恐怕也是他們在這三個方向上的作用。

而另一家關注人工智慧的科技媒體機器之心也是如此，除了提供專業的、客觀嚴肅的高質量學術及產業內容外，他們還有長期榜單類內容產品「AI00」，旨在選拔和跟蹤全球最具影響力TOP100家人工智慧公司。目前，「AI00」已成為國內最具影響力、最權威的榜單。此外還有精品視頻訪談欄目「AI Talk」，機器之心曾對鄧力、吳恩達等人工智慧專家做過深度專訪。而其「北美七大城市人工智慧系列活動」「CVPR 2016 華人學者聚會」「Interface」「BOT 數據應用競賽」（協辦）等線下活動也在行業中深有影響力。

總體來看，這些媒體，只有堅持做長板，建立起核心能力，擔當好連接者，才有可能深入到科技與產業的核心，成為連接人工智慧科技產業界與世界前沿的橋樑。

2、創新紅利享受者：避免一些坑，抓住一些行業機會

創新紅利主要落腳到產品上，也就是企業。麥肯錫提出了一套產品創新的分類方法，主要包括：基礎技術創新、工程技術創新、用戶中心型創新（從功能到體驗，從體驗到個性）、流程效率創新。在AI領域，基礎技術創新和工程技術創新尤為突出。

比如，支付前端的核心是身份識別，每次識別技術的進步，都會倒逼整個支付體系的革新。線下時代，身份識別的方式是卡片和簽字；PC時代，是用戶名和密碼；移動時代，是二維碼或NFC；AI時代，是生物識別。阿里巴巴的刷臉支付只是個開始。在這些真正的基礎技術、工程技術革新面前，用戶體驗創新也被遷移到全新的技術平台上。

但創新紅利要求企業藉助商業化積累資金進行更深層次的研發，而不是將人工智慧作為噱頭來蹭風口。這就需要創業者識別一些坑，因為人工智慧可以深耕的領域有很多，卻又並非所有的領域都適用人工智慧。比較常見的坑有兩個：

一是完全不顧用戶體驗，只是為了人工智慧而人工智慧，AI只是他們炫技的工具，諸如人臉識別登陸、虹膜識別支付等，現在真正需要應用從場景還很少，多數人也不會用，卻要為這些概念埋單。

二是對人工智慧寄予不符合現狀的要求，比如在微軟的小冰、蘋果的Siri等一炮而紅後，一些創業公司紛紛推出聊天機器人，並炒作成所謂的「情感伴侶」。可結果是雞肋，飽受詬病。

其次要抓取一些機會。

調查結果顯示，盈利良好或前景樂觀的AI創業項目有著三個共同點：

應用於封閉可控的場景；

輔助人類完成重複性的具體工作；

可實現的切入點。

或許只有滿足這些條件，創業者才真正迎來了賺錢的紅利期，幸運的是這些領域並不稀缺。比如客服場景中有大量的重複性和標準下問題，如產品價格、支持退貨嗎、是否發貨等問題，在這些問題上消耗太多的人力，對企業來說無疑是一種資源浪費。目前阿里、京東等已經將人工智慧引入客服系統，也出現了網易七魚、Udesk等第三方智能客服雲服務，前景比較樂觀，尤其是在很多具有數據門檻的垂直行業。

李開復則認為金融、無人駕駛和醫療這三個領域人工智慧大有可為。

吳軍博士在《智能時代》提到，在智能革命中，前2%的人掌握世界，其餘98%都被淘汰。我們需要看到人工智慧的發展尚處於初級階段，創業者很難在理想和情懷的鼓舞下一蹴而就，最理想的恰恰是滾雪球般的不斷成長。風口總會過去，概念總會失效，在這個過程中，不要忽視媒體的價值，也不要只盯著巨頭在做什麼，找到最合適自己的方式快速盈利，才是推動創新和產業進步最現實的做法。