氪纪 2016 | AI 创投圈眼中的2016与2017

① 2016年AI 行业最重要的一件事是什么？ 

② 对2017年AI行业最期待的一件事是什么？

③ 2016年最重要的一项AI技术进展是什么？

④ 20116年最重要的一项AI行业应用是什么？ 

我们觉得，这四个我们很关心的问题，可以简单还原出来2016年AI行业的真实情况，AI行业中应该有不少人也很关心，所以我们也咨询了行业中一些创业者和投资人，并做了梳理。

腾讯优图研发中心总监黄飞跃

1. 2016年AI行业最重要的一件事是AlphaGo围棋机器人。理由是它极大吸引了人们对人工智能的关注，AI成为风口浪尖。

2. 2016年最重要的一项AI行业应用是人脸识别。理由是人脸识别实际应用加速走向成熟，创造大量商业化价值。互联网线上人脸识别应用于金融机构、电信运营商的实名认证；线下大规模人脸识别开始在公安安防监控等领域中发挥作用。

3. 2017年行业最期待的一件事是增强现实领域产生更多示范应用，而不仅仅是简单的LBS+AR展现。

三角兽创始人&CEO王卓然

1. 2016 AI最重要的事是AlphaGo，不仅在人类智慧的至高点战胜了人类，而且是AI得到社会各界的广泛关注 。

2. 2017 AI最期待的是对话式人机交互得到广泛普及，之前的数据显示Facebook messenger上已有超过30000个chatbot，欧洲各银行的客户业务平均有30%由chatbot自动完成，amazon echo销量已突破千万台，这些数据证明对话式交互已经开始进入人们的日常生活，并逐渐被人们接受，那么这种对话式的交互成为新的用户习惯是指日可待的。

3. 2016AI最重要的技术进展应该是deep reinforcement learning，AlphaGo就是依赖于这个技术，而且Deep RL是机器能够自主的学习的关键。
   

4. 2016AI最重要的应用就是chatbot，它代表着人工智能从感知智能（例如语音识别，图像识别等）向认知智能（例如语义理解，自动决策）的迈进。

云天励飞 CEO 陈宁

1. 2016 年 AI 行业最重要的一件事是2016 年 3 月,谷歌 AlphaGo 战胜世界顶级围棋高手李世石。推荐理由是:基于大量运算、模拟、通过增强学习,机器可以在更为复杂(而不仅仅是运算)的任 务上超越人类智慧,这将促使各个行业寻找新的人工智能突破口,在一些常规任务上,用机器替代人类。

2. 2017 年 最期待 无人车在各种受控环境下固定路段的应用。推荐理由是：无人驾驶在系统设计层面的实现路径已经非常清晰。它在受控条件下的广泛应用将大大提高社会效率。

3. 2016 年最重要的一项 AI 技术进展是对抗生成神经网络的发明 Generative adversarial Neutral Network)。推荐理由是:对抗神经网络提供了一种非常新颖的基于内容生成的目标函数。它对特征学习,内容 生成等领域将会产生深远影响。

4. 2016 年最重要的一项 AI 行业应用是基于深度学习的动态人脸识别在安防监控的规模应用 推荐理由:深度学习大幅提升了开放监控场景下的非配合式人脸识别的准确率,并通过新型芯片和大数据分析解决安防监控行业人员布控、以图搜图、数据碰撞等刚性需求,并扩展到身份验证等各 类民用场景,掀开了 AI 规模化产品落地的篇章。 

码隆科技 CEO 黄鼎隆

• 2016年AI 行业最重要的一件事是AlphaGo战胜李世石，让钱和人更快地涌入AI行业。

• 2017年，AI为核心的大规模商业应用出现，AI在空中飘了几十年，是时候落地了。

• 2016年最重要的一项AI技术进展是Generative Adversarial Networks（GAN）, 看到了AI干艺术的希望。

• 2016年最重要的一项AI行业应用自荐一下码隆科技的ProductAI，有可能带来AI为核心的大规模商业应用。

深鉴科技CEO姚颂

1. 2016年AI 行业最重要的一件事，我觉得毫无疑问是AlphaGo。AlphaGo起到了对于AI的全民科普的作用，对于整个行业的带动作用是显而易见的。有了AlphaGo，整个投资界对于AI关注更为火热，下游客户也对于AI应用于硬件接受程度更高，极大地推动了行业发展

2. 以往的AI全都集中于感知，我期待2017年AI应用能够覆盖到决策与控制，让AI能够指挥机器人、指挥车辆，让被外行人笑话的“三千个if”消失。

3. 2016年最重要的一项AI技术进展，我觉得是GAN（生成式对抗网络）领域的较大进展，包括苹果的第一篇AI论文也是关于GAN的。GAN甚至被一些学术评为深度学习仅有的真正理论创新之一。深度学习对抗对抗样本的能力是很弱的，很容易通过很低的噪声就可以使得深度学习算法无法精准分类图片。引用CNN的主要推动者Yann Lecun教授的话说，GAN可以为务监督学习提供有力的框架，也可以希望为AI带来“常识”。

4.  2016年最重要的一项AI行业应用，我觉得是无人驾驶，该领域具有目前AI所涉及领域最大的市场规模之一，想象空间巨大，吸引了无论是Alphabet（注：Waymo已经独立发展）、百度等大型互联网公司，福特等车厂，Uber、滴滴等业务驱动创业公司，还是地平线机器人等技术驱动创业公司的眼球。在AlphaGo为行业带来关注度后，自动驾驶为这些关注度落实了一个可以切实投入的点。当然，过度的关注与投入也让自动驾驶领域有过热的危险。过于关注前端识别部分而忽略后面决策与控制，也会让一些自动驾驶方案从demo离实用还有不小距离。

爱特曼 CEO 马磊

1.  2016年AI 行业最重要的一件事是AlphaGO。技术和工程的完美结合。首先应用强化学习自动发现策略是2016年技术的典范；其次在近乎无限的搜索空间中，通过GPU阵列放大算力，有限前向步数的搜索归纳，剪枝策略等工程手段将一个天文数字级别的复杂度问题近似到实时速度范围内。

2. 2017年最期待的一件事是DeepMind的星际争霸。AlphaGO面对的是一个完全马尔科夫决策过程（MDP），纵然是问题复杂度极高，但是如果有无限的算力是有理论的最优解。而星际争霸是一个部分可观测的MDP问题，也就是说玩家任何时刻不会知道完整的环境参数，这更像是真实世界的问题。如果DeepMind在这个游戏上也能碾压人类，这会是一个非常坚实的一步。

3. 2016年最重要的一项AI技术进展是Adversial Learning - 对抗学习。

4. 2016年最重要的一项AI行业应用是GNMT - 谷歌翻译。谷歌每天翻译10亿次，是全世界人工翻译一年的总量，相当于100万册图书。

九合创投 谢振亮

1. 2016年AI 行业最重要的一件事是 AlphaGo 战胜李世石；AI 进入大众视野的标志事件。

2. 2017年AI行业最期待AI在各大行业的应用；AI会给所有行业带来不一样的变化。

3. 技术进展方面，各大 AI 平台开源；大大降低学习门槛，促进行业发展。

4.  2016年最重要的一项AI行业应用是自动驾驶，自动驾驶是人工智能技术集大成的应用。

声智科技CEO 陈孝良

1. 2017年最期待可能是智能音箱的爆发，从投资人和客户处获得的信息都指向了这一点。

伟景智能 CEO 董霄剑

1、2016年AI 行业最重要的事我觉得有：

• Nvidia的股票从33美元涨到112美元，涨了3.5倍。AMD的股票从2.6美元涨到12美元。从一个侧面反映了全球对人工智能的狂热。也说明了基于GPU的解决方案的普及性。

• 由于几次事故，特斯拉汽车的自动驾驶技术需要重新考虑他们的方案。如果没有这几件事情，不知原来的技术方案会继续走到什么地步。这个让人们多多少少进行一些考虑。从而也说明无论AI技术怎样的热，真正能帮助人们做的事情还很少。大部分还只停留在demo的水平。

2、对2017年的期待包括：

• 最期待真正的AI技术理论能出现，并且能真正帮助到人们的实际生活。目前的AI技术我还没有看到他们的深远的发展前途。期待人们真正地冷静下来想一下AI的展现形式不是所谓的大公司的大脑，而是每一个智能的个体。

• 期待伟景智能公司的价值和理论能得到认可。当然，时间和实践是检验真理的唯一标准。我们的产品会证明我们的价值的。

• 期待中国人能挺起腰杆，做创造性的研究工作，能出现学者和领导者，而不是跟随者和唱口水歌。

3、2016年，让人印象深刻的技术只有深度残差学习，它对深度学习中的一个大问题，梯度消失问题有一定的缓解。另一方面也是一个很直观的方案。说老实话，我没有看到真正的技术进展。除了DL被不断地提起和做微小的改动和修正，比较好的是提出了但是大方向是对的吗。

4、 20116年最重要的一项AI行业应用是人脸识别，这个我认为已经可以进行真正的行业应用了，也能让大家提起AI不再想起空洞的AlphaGo，也不再让AI成为投资人和学者的狂欢。

丹华资本投资人 Dovey Wan

1、2016年AI 行业最重要的一件事肯定是AlphaGo。这个事件的影响力无人能比，Google一方面赚足了PR，另一方面在世界范围内以最直观，最生动的方式，把AI从科幻故事里面带到了现实，童叟无欺，把深度学习推到了风口浪尖。配合自家16年登场的TPU，这盘棋下的堪称完美。Google希望Tensorflow能成为下一个十年Android级别的大杀器的野心昭然。

2、2017年最期待的一件事是对深度学习底层数学理论的理解。这里引用下AI大神田渊栋的一段话  ，“目前为止，我们还没有对深度学习有深层次的本质理解，大量的研究思路都是简单粗暴的，在计算资源极大丰富的今天，对于它们质量的主观判断，经常远不及写代码上机实验来得快与准。很多想法不论对错，不论它看起来有多离谱荒谬，先试一下再说，往往蒙得比想得快，动手比动脑快。和我们每天刷手机类似，思维方式的这种转变是好是坏，目前还无从评判。这样的做法，完全可以归入浮躁和急功近利之流，与传统学术做法背道而驰”。

我当时看到后颇有感触。人类能够自由飞翔，不是因为发明出了类似鸟的翅膀，或者模拟了鸟的骨骼结构，而是因为我们发现了空气动力学本质原理（感谢欧拉，感谢伯努利）。超越进化的本质是对普适性科学原理的发现、理解与传播，当调参的工作变得又如种田般枯燥，刷各类benchmark已经刷出了《五年高考三年模拟》的既视感后，理解深度学习的底层数学原理来的格外重要，不然只会让深度学习和多层神经网络这个好东西，在仿生泥潭里越走越远。

如果还有一个期待的话，那就是NLP作为第三座AI大山，期待早日被深度学习攻克。

3、2016年最重要的一项AI技术进展，个人觉得是GAN(Generative Adversarial Networks) 的全面开花。2014年NIPS上Goodfellow和Bengio提出了GAN的概念，之后GAN以及其衍生版本在ICLR和NIPS被反复提及，LeCun更是在今年NIPS的keynote上将GAN称为深度学习近20年来最令人兴奋的主题。GAN的设计也非常巧妙，将博弈论和机器学习理论完美结合起来。让generative model和discriminative model互相竞争，力求达到纳什均衡，从而不再需要一个假设的数据分布，并可以极大程度上逼近真实样本。GAN未来在各种视觉类模拟（图像理解、文字转图像、图像合成、图像还原）有着极大的潜力和应用场景  http://www.iangoodfellow.com/slides/2016-12-04-NIPS.pdf 甩一个2016 NIPS GAN大神GoodFellow的入门级slide。

4、2016年AI行业应用方面，首先AI已经普及20几年了，传统意义上的机器学习早就深入我们生活的点点滴滴了，你用个邮箱打个车背后都是各种AI和算法的的支撑，离开AI估计阿里收入得砍大半（什么购买推荐，反欺诈，违禁商品过滤，哪个不是靠AI)。如果要说深度学习消费级应用，实在没有特别多。如果真的要选一个，估计是新版本逆天的Google翻译吧，虽然在算法上没有太大的创新，但是架构和工程上的功力也是多年积累后的大爆发，是一个非常好的实用主义产品。在2017年希望看到嵌入式AI不依赖特殊硬件的全面普及（恩我说的是Pilot.ai)，以及真正意义Level3以上无人车的真实可行性方案的出现(恩我说的是AutoX）。