人机大战结束了，AI 投资才刚刚开始

编者按：本文作者朱袆舟，峰瑞资本早期项目负责人。朱袆舟本科期间做过一段时间机器人，2012 年从斯坦福毕业回国后，参与创办人工智能公司 “出门问问”。目前，他重点投资人工智能、智能硬件、新能源，新材料等以核心技术为驱动的创业项目。他的邮箱是 zyz@freesvc.com

2016 年 3 月 15 日，人机大战落下帷幕。Google 的 AlphaGo 4：1 击败人类顶尖棋手李世石。经历了长达 7 天、热热闹闹的全民大讨论，现在我们反而能够更冷静地聊起人工智能。 

这不是悲观，在棋类里，机器有绝对优势

 之所以这次 AlphaGo 和李世石的围棋人机大战吸引了全世界的关注，甚至被认为是人工智能的一个重要里程碑，在我看来主要有两个原因：1、围棋是最难的棋类游戏；2、AlphaGo 用的是通用的人工智能系统。

首先，围棋被认为是棋类中最难的，是棋类的巅峰。简单点说，围棋的棋盘空间非常大，下法非常多变。在象棋里，有“马走日、象走田”这样的规定，但在围棋里，你可以在围棋棋盘的所有格子中下任何一个子，它没有任何限制，对比围棋和国际象棋的搜索空间，围棋的搜索空间大得恐怖，分支系数非常大，计算机无法和以前一样用暴力搜索和评价函数的方式来下围棋。

如图，围棋的分支系数特别大。

AlphaGo 用新的一套深度学习方法——用世界上所有的著名棋谱拿来训练深度神经网络，然后用类似蒙特卡洛随机的方法在对弈中探索招数。从前，这种方法受计算资源所限，也就是说机器算不过来。这次机器做到了，而且是在最难算的围棋上。从理论上讲在所有有限空间的 Game Theory 任务面前，基本上机器都能够完胜人类。但是，我觉得这不是悲观，在棋类里，机器就是有绝对的优势，因为机器永远学得比人快，而且不会出错，机器永远做最优决策。

AlphaGo 赢了李世石，可能未来不会有那么多人再去学围棋了，因为学围棋的价值可能不如去写一个能把围棋下的好的机器人有价值。

AlphaGo 赢了李世石的另一重意义在于，AlphaGo 用的是一个通用的深度学习框架和引擎。援引 AlphaGo 创始人 Demis Hassabis 的原话，他们希望能够做出一套像生物系统一样灵活的自适应算法，仅仅通过数据就能够胜任任何任务。换句话说，除了围棋，AlphaGo 可以做很多其他事情。

它解决了一个很难的问题，而且用了一个通用系统。这两点意味着人工智能可能对我们的未来产生深远影响。

有趣的是，有人认为机器下棋赢了就赢了，人类在很多地方表现得比机器出色。这种例子似乎举不胜举，比如闭着眼睛吃饭、通过表情变化识别人的心情，比如不用反复做人脸识别就能认出一个人。但在我看来，这些看上去非常智能、机器似乎很难完成的任务，其实是人类在长期进化中得到的一种本能反应。

而人之所以需要经验和直觉，是因为人脑的计算能力有限。举例说，我们常说的围棋开局的局势或者象棋里的一些固定阵法、打法，都是人在简化我们所需要面临的一些计算。这些直觉、规律和经验未必正确，却是对人脑计算能力的一种适应。遗憾的是，我们没能搞清楚这些经验和直觉背后的真实运作原理。比如，语言是个很精妙的东西，我们到底怎么去理解语言，它在我们脑中又是怎么被理解。如果我们能把所谓的直觉、经验理解透彻，并表达出来，不管从生物学角度，还是数学、物理等各个学科的角度，我们同样能够让机器去学会这些东西。

在一个大的理论框架下，我认为人类所有的学习应该是一种基于数据的反馈和决策过程，当然这有待被证实。如果我们能清楚地解释整个人脑的学习和人脑对问题处理的方式，再给机器赋予足够多的数据，我相信机器是能够在绝大多数领域能够跟人类表现得一样。在很多具体情况下，这种说法过于简单且不具实际操作性，但是我相信人工智能的潜力。 

误区：低估技术的长期表现，高估技术的短期表现

AlphaGo的胜利真不是赢了4盘棋那么简单。AI is eating the world.

2010 年前后我还在斯坦福大学读书时，最热门的学科是 software 编程，包括 iOS 编程、安卓编程，网页编程。据我了解今年在斯坦福全校最火的一门课是机器学习。

在我看来，再过几年 AI 领域的人才会越来越多，各个垂直领域的 AI 创业项目也会越来越多。就像之前几年我们一直说软件重塑了很多行业（software is eating the world），未来 AI 可能也会重塑很多行业（AI is eating the world）。

AI 的发展和应用之所以在今天变得非常可行并被大众广为接受，是基于数据的极大丰富，强大的计算能力，再加上算法的优化和演变。

数据的极大丰富。20 年前，我们还没有完全处在一个电子化、数字化、虚拟化的时代。今天，全世界每天产生的数据可能是过去几个世纪之和。20 年前我们还用磁盘这类东西来储存数据，今天我们每个人每天在手机上能产生和传输的数据量是几个 G。

计算能力的大幅度提高和计算价格的大幅度下降。举个简单的例子，我们今天用来打 Angry Bird 的手机当年都可以发射火箭。得益于摩尔定律、并行计算，以及云计算的发展，现在我们每个人能够 access 的计算能力，或者说一家大公司能够实现的计算能力，指数级、几个数量级的大于八九十年代人类能够实现的计算能力。

20 年前，很多事不能做是因为计算能力不够，大家要用很多很tricky的方式去计算，但到了今天，我们有足够的计算资源和计算能力，根本不用去考虑所谓的效率或者计算难度。Google 这种公司在人工智能领域的优势非常大，一个重要原因在于它在计算能力以及人才上的积累远远大于其他公司和机构。

由于深度学习、机器学习算法的普及和应用，所导致的算法演变。这些算法不是这两年的新发现，它们经过了十几年不断的演变和优化，加上不断地和现有硬件和计算能力结合，今天才能够真正发挥作用。

AI 仍然是一个非常宏大、深远的词。跟 20 年前一样，今天的 AI 还是不能去解决很多事情。有一句话说得非常好，人们总是会去高估技术在短期内的表现，而低估它的长期表现。所以，像 20 年前一样，现在我们不能期待 AI 在很多方面能给我们带来很多实质的变化。但从长远看，与 20 年前相比，底层基础设施的长足发展让 AI 技术变得更加可行、可用。

20 年前的黑科技，现在我们觉得稀松平常。当 AI 渗入到我们生活的方方面面，我们并不察觉，并不觉得它是黑科技。最典型的是我们每天都在用的搜索引擎，它不断地根据你的输入和所有人的输入来自我学习，去优化它的搜索过程。它给每个人的搜索结果可能都不一样。随着互联网内容的丰富，它的搜索结果也会变得不一样。

再比如，现在我们每天看到的广告其实可以理解为是机器选完之后展示给我们看的。机器学习之前应用最广泛的地方就是在广告系统里，不管是搜索广告还是电商网站里的推荐系统，它背后的广告策略和计算都是用的机器学习的方法。此外，人脸识别、语音识别，指纹识别，也都是机器学习的成果。总而言之，人工智能已经在深刻地改变着我们的生活。

随着技术的发展，人的观念也在不断改变。而不像当年大家更多的探讨是能不能做一个像人一样的机器人，或者能不能做一个像人一样能够理解人、能够和人对话的类人。今天，我们更多地在讨论，AI技术能不能在很多领域里、产业里给我们带来不同的成果。 

未来 AI 会像水和电一样，变成基础设施

机器学习成了热门学科。 我觉得 AI 在金融和医疗领域会有很好的应用。金融领域有足够多的数据，足够复杂的系统，机器比人有优势，能做出更优的金融决策。举个简单但未必恰当的例子，机器完全可以代替优秀的交易员来根据对市场的判断做出交易决策，如果它能够像人一样充分了解我们所要购买的股票所属公司的业绩和整个股票市场。

在医疗领域也是一样。如果有足够多的医疗数据，对病人有足够多的了解，机器可以比医生做出对病人更有针对性的治疗方案。

此外，人工智能在汽车领域非常有可能在接下来几年内实现并且得到大规模的应用。人会疲劳，人的反应能力有限，人的手和脚的协调能力、决策的速度频率远远落后于机器。随着电动汽车的普及以及人工智能技术在车上面的广泛应用，我相信汽车的辅助驾驶系统会越来越成熟，直到最后走到无人驾驶状态。这比较长远，短期内机器辅助驾驶是一个非常好的方向。

在资源上，大公司的优势很明显，包括计算能力的优势和人才优势。现阶段精通 AI 的人还是稀缺资源，基本上几家大公司和几间研究所垄断了世界上绝大多数懂 AI 的人。所以说，大公司在底层技术创新上会有非常大的领先和优势。但是，对小公司而言，一个好的事情是，人工智能最终的价值不是说去创造一个通用的、无所不能的机器，而于用它不断地在各个领域做创新和应用。

我们看到 Google 开源了许多人工智能系统，包括之前的 Tensorflow 系统，还有这次的 AlphaGo。Google 希望做平台，做底层的基础和服务，它不可能做完上面的所有应用。毕竟哪怕Google有了最好的技术，最好的人才，但在金融、医疗、自动驾驶等行业的某个细分领域，不一定比小公司专注和了解。

我觉得接下来几年可能这类创业公司会不断冒出来。2012 年，我回国参与创办的人工智能公司出门问问应该算是中国创业公司中比较早开始做人工智能并且希望把人工智能在一些垂直应用领域落地的创业公司。在中国，最近几年在人工智能领域的创业越来越多。比如在语音识别领域，有云之声、思必驰；在图像识别领域有 Face++、格林深瞳；前百度深度学习研究院（IDL）副院长余凯做的地平线科技希望做 AI 时代的 Intel。

在国外也有很多垂直领域里面应用的公司，比如说最近几位斯坦福毕业生做的车的辅助驾驶被通用汽车收购了。由于 AI 教育普及，AI 人才增多，加上大公司不断地开源它们的 AI 系统，壁垒在逐渐下降，我相信未来 AI 会变成一个基础服务，像水和电一样。

因为 AI 是一个由技术驱动的领域，它对技术和过往经验积累有要求。我发现不论在中国还是国外，大多数AI从业者原来都是在科研机构或者在学校里做相关研究的，或者在 AI 领域野心勃勃的 Google、底蕴深厚的 Microsoft 和 IBM 这类大公司担任相关职位。 

 AI 领域的投资方向是？

人工智能、大数据、新硬件，以及新能源和新材料，我们把这些统称之为由核心技术驱动的创业项目。任何产品技术都有自己的发展周期，投资要看周期。

我们往回看，差不多每 5 到 10 年会有一个大的技术和产品发展周期。从 PC 到互联网，再到移动互联网。我们现在处在移动互联网发展的中期或者说中偏后期，我们期待移动互联网时代继续还会有一些好产品出来，接下来我们会等待新的计算平台和新的产品技术周期的出现，我们基于此做一些投资布局和判断。

关于这部分的投资，分享几个我们比较看好的方向：

人工智能以及它在垂直领域的应用。包括硬件和算法结合做解决方案的人工智能公司，以及汽车智能化。从现在的汽车走到无人车，这中间是机器为人做辅助的阶段，其间可能有一些自动驾驶的辅助系统，包括车上硬件的智能化和数据化。

新硬件平台及它们在垂直领域的应用。新硬件平台包括机器人、无人机，甚至无人船，以及这些硬件平台在垂直领域的应用。 AI 在工业或者 2B 方向上的应用也是我们觉得不错的方向。一个众所周知的事实是，人力成本上升非常快，很多行业和生产制造商对自动化和智能化的需求很大。

芯片、传感器等核心工业零部件的创新。整体的趋势就是更加小型化，更加便宜，更加移动化。我认为，小、便宜，无处不在，是进到智能时代的必要条件。在各个地方，我们需要足够多的传感器和芯片，使得我们能够采集到足够多的数据，有足够强的数据处理能力。