肾再多,也不能随便做AI

人工智能
亿欧
许伟军
2016-12-21 08:10
[ 亿欧导读 ] 其实,产业的关系链是这样的,创业者通过媒体看行业趋势,媒体看资本动态,而资本看赛道。当一个产业热起来,投资人会尽可能快地占据各个赛道。从根本上来说,现阶段技术还不成熟,更多的是资本在催熟整个产业。
黑科技,人工智能创业 图片来自“视觉中国”

我看过了VR从去年10月的风潮掀起,到今年4月的疯狂,再到7月骤冷的整个历程,让人惊喜,狂欢,再到冰冷,惨淡,挣扎……

眼下,又一股科技风暴——AI点燃了这个冬季。那么,几个月之后的AI,还会如此狂热吗?

 AI与VR虽是不同领域,但都难免被资本催熟

互联网时代的浪潮总是一波未平,一波又起,而且被推向的峰值越高,摔的越重。

2013年的互联网金融,2014年的O2O,2015年的智能硬件,今年轮到VR了,它的“寿命”更短了一点。

而短寿命的背后难掩被资本催熟的影响。VR就是一个典型的例子。今年年初,VR创业公司井喷,市场鱼龙混杂,资本也鱼贯而入,开始炒作二级市场VR概念。而当资本骤冷,二级市场对VR概念不再追捧,VR迅速从过热趋向于过冷。

而实际上,VR的发展仍处于早期,技术与产品没有办法满足良好的用户体验,很多公司也找不到很好的发展方向,只是资本市场的投机者。

眼下,AI大热。接踵而来的融资消息撩拨着媒体人、创业者的心,而资本更为疯狂。

这几年,随着互联网金融平台的崛起,投资基金的数量剧增。统计显示,截至今年10月底,在中国证券基金业协会登记的股权基金达7769家,其中创投基金管理人1216家。过去一年多时间,创投基金数量已经翻倍。

这意味着,投资基金之间的竞争剧增。但是好的项目是极少的,留给投资人看项目的时间很短。所以经常出现投资人对AI技术都没弄明白的情况下,就“下单”了。

其实,产业的关系链是这样的,创业者通过媒体看行业趋势,媒体看资本动态,而资本看赛道。当一个产业热起来,投资人会尽可能快地占据各个赛道,比如AI+金融,AI+医疗、AI+安防和AI芯片等赛道。而资本市场热起来,必然带动创业者、媒体的火热,呈现一幅大热的景象。

从根本上来说,现阶段技术还不成熟,更多的是资本在催熟整个产业。如果在资本助力的这段时间,AI技术未能实现快速迭代和行业升级,盈利,很可能会面临VR相似的遭遇。

AI创业:一面理想一面现实

科技始终在快速迭代。

1960-1980年是PC时代;

1990-2000年是网络时代;

2010年开始步入移动互联网时代;

接下来,即将到来的是人工智能时代。根据凯盛2016人工智能调查报告,明年全球的人工智能市场规模接近400亿元,未来几年将继续以50%的速度增长, 到2020年,全球人工智能市场规模将超过1200亿元。

国内资本市场也非常火爆,创业公司估值猛增。例如,今日头条估值达500亿元,芝麻信用估值68亿元,碳云智能估值54亿元,旷视科技估值40亿元。根据爱分析调研报告结果,国内前50家人工智能企业总估值约2697.1亿元,平均估值53.94亿元。

资本推动和巨大的市场前景,为AI创业者们埋下了美好的梦,但道路且长而曲折。笔者经过与CloudIn云英CTO胡湿,前索尼架构工程师Mask的深入探讨,从人工智能的技术本身、应用场景和团队的角度分析,总结出人工智能创业将面临两大困境。

1.人工智能创业的门槛高,小团队很难玩起来

人工智能的创业和移动互联网的形式不一样。移动互联网做APP就可以卖成千上百万,但是AI时代不是小白可以创业的时代,必须是科学家,或者受过高等教育,或者受过专业训练的人才有机会,而且不一定能成。

AI项目开发模式和以前不一样,一般会有一个特定领域的科学家,把对应的模型做成算法,例如AI在自动驾驶汽车上的应用,把道路上的人、车、物做成算法。再由专业的人,结合特定领域的场景做成产品。

在团队搭建方面,一般需要三样人:科学家+对特定领域非常熟悉的人+程序员,团队门槛非常高。

人工智能创业的高门槛还体现在云计算能力上。深度学习需要处理大量的数据,而以往PC时代的服务器满足不了要求,这就要创业公司搭建云服务平台或者购买第三方云平台服务,而无论哪种方法,都将极大提升成本。

此外,创业公司还非常缺乏高质量的大数据。数据是人工智能的基础,拥有针对特定领域的庞大数据集,能够成为竞争优势的重要来源。

创新工场AI工程院副院长王咏刚说,“我看人工智能,深度学习助力,人类前途所系;成熟模式尚早,最缺人才数据。 ”

相比之下,具有大量数据源、以及具有云储存/云计算能力的企业(例如 BAT、互联网大型企业)优势明显。这也意味着,留给创业公司的挑战巨大。

2.人工智能技术弊端,决定应用场景局限

从人工智能的技术本身来看,它还存在很多弊端。例如以下三个比较有代表性的方面:

深度学习存在先天性技术弊端

如果你了解深度学习就会发现,它和高等数学里面讲到的“极限”有相同之处,即无限接近一个准确值,但永远达不到100%。这种先天性的技术弊端,极大限制了人工智能的应用场景。所以像法院判案、医疗等一些不允许出错领域,是不允许纯粹靠机器来完成的。(当然,人工智能是可以扮演辅助人类的角色,帮助法院和医生完成工作)

“黑天鹅效应”里面讲到,一些不可预测的重大事件,它罕有发生,但一旦出现,就具有意料之外的重大冲击。人工智能一旦出现事故,影响巨大。

深度学习不会考虑到人的一些未知情况

特斯拉自动驾驶出车祸就是一个很好例子。今年7月,美国一辆特斯拉Model S电动汽车在途经十字路口的时候,撞上了一辆正在左转的卡车。Model S的前挡风玻璃撞进了卡车底部,驾驶人也因此死亡。

对于此事的原因,特斯拉官方回应,“在强烈的日照条件下,驾驶员和自动驾驶都未能注意到拖挂车的白色车身,因此未能及时启动刹车系统。由于拖挂车正在横穿公路,且车身较高,这一特殊情况导致Model S从挂车底部通过时,其前挡风玻璃与挂车底部发生撞击。”

特斯拉说“拖挂车的车身较高“(事实上比轿车高很多)属于特殊情况,说明之前他们给机器训练的数据里面并没有输入此类案例,当汽车遇到的此类情况时,不知所措才最终酿成大祸。

再如今年AlphaGo与李世石世纪围棋大战。比赛的最终比分是3:1,AlphaGo最终输了第四场,而且输的很惨。那么阿法狗什么会输了第四场呢?而且输的那场比分悬殊。其实根本原因是,李世石在最后一场的比赛中采用了反常的棋路,这才让机器不知所措。

总之,当机器遇到一些意外情况,机器之前未经过此类情况的大量数据训练时,它的准确率就会极大降低。这在一些对安全要求很高的应用场景上,是非常可怕的事情。

机器视觉在动态场景下的准确率骤降

人脸识别就是一个很好的例子。它可以应用到金融、安放等诸多领域。国内在这一领域也不乏佼佼者,在2014年全世界最权威的人脸识别评测系统LFW中,,旷视科技以 97.27% 的超高识别率,超过了Facebook和其他国际强手,斩获了世界第一。

但是,当机器遇到戴口罩和刘海的脸部有遮掩的情况,识别准确率就会迅速降低;而且当人处于复杂的动态场景时,比如表情变化的情况下,识别准确率也下降的很明显。

机器视觉在动态场景下的极低准确率,必将影响其在行业应用上的作用和效能。例如交通领域,当犯罪份子戴口罩作案时,目前阶段的人工智能技术还很难捕捉到。

总之,这些技术上的弊端,极大限制了人工智能的应用场景,而对于AI创业者来说,一方面要面临技术上的巨大挑战;另一方面,在选择创业赛道的时候也备受限制。

写在最后

眼下,VR寒冬论盛行,但依然有一些企业在坚持和匍匐前行。从长远来看,VR是未来趋势,但机遇与挑战并存,在光明到来之前,还需要穿过一段黑暗期。

两年前,在O2O最火热的时期,王兴并没有像竞争对手那样全盘砸钱开拓市场,而是在默默地优化模式、提升效能。待到资本寒冬来临,他才开始出击,此时原本砸钱的对手纷纷遇到资金链问题,相继退场,而美团活到了最后,且未被BAT收购。美团成功的背后,是王兴对市场规律的准确判断和不为形势所导向的坚定心态。

其实,任何一个行业刚起来,都难免被浮躁的资本市场催熟,O2O如此,VR如此,AI或将也如此。对于AI创业者,能否看清形势,掌好船舵,并能沉下心打磨产品和模式将是创业成败的关键。

本文作者许伟军,亿欧专栏作者;微信:xuweijun24(添加时请注明“姓名-公司-职务”方便备注);转载请注明作者姓名和“来源:亿欧”;文章内容系作者个人观点,不代表亿欧对观点赞同或支持。

让AI落地产业才能产生价值

5
5
10
20
50
80
100
其它金额
任意赏:

全部评论

相关文章

关闭

许伟军

编辑 

27篇文章  |  81,735次浏览

  • 精彩推荐
  • 投资进化论
发送验证码
发送验证码
如果你遇到下面的问题

我在注册/找回密码的过程中无法收到手机短信消

我先前用E-mail注册过亿欧网但是现在没有办法通过它登录,我想找回账号

其他问题导致我无法成功的登录/注册

请发送邮箱到service@iyiou.com,说明自己在登录过程中遇到的问题,工作人员将会第一时间为您提供帮助

意见反馈
意见反馈
亿欧公众号 亿欧公众号
小程序-亿欧plus 小程序-亿欧plus
返回顶部