射向人工智能的20颗子弹

本文作者Zavain Dar，Lux Capital风险投资人。Foutainhop 联合创始人。现任斯坦福大学符号制度课程讲师。

1、之前二十多年的工作，主要涉及到数字化大数据集，建设基础设施来管理大数据集，以及进行大数据集计算的范式。这些都是主要的驱动诱因，也可以解释说，我们这个时代，首先强调的其实还是“数据科学”，然后才是“人工智能”。

2、一旦我们实现数字化数据，并获得可编程的数据，那么明眼人就能看出，下一步就是利用这些数据在未来实现自动化和预测功能。当我们的预测能力变得越来越好，越来越“智能”，此时所谓的“数据科学”这个词，才能逐渐的变成现在人们口中的“人工智能”。但事实上，两者之间并没有很很明显的区别，“唯二的”区别，可能是在对新颖和难度的感知上有所不同。实际上，所谓新颖和难度，其实都会随着时间而发生改变，今天的“人工智能”，就是明天的“数据科学”。

3、对数据进行学习的人工智能，被称之为机器学习。传统的机器学习使用的均是原始数据，然后提取出可以被人识别的语义(也被人认为是功能)，接着，机器学习会从这些功能中再学习，继而得出一个最终的机器学习模型。

4、过去的十年，神经网络开始复苏，它是基于在哺乳类动物的大脑中那些松散的突触链接，形成的一种机器学习架构。神经网络提取语义，让人类进行处理。当然啦，在学习算法中导入的都是原始数据，这些数据都是没有经过人类编辑的，于是，人们看似很随意地就把它称之为“机器学习”。

5、深度学习技术和学习模型已经存在了数十年，我们现在看到的，是一波理论创新的大潮，加上现在基础设施和数据可用性愈发成熟，深度学习在经验上也获得了突破。2006年，NVIDIA推出了针对GPU的CUDA计算平台，这是一个真正的分水岭。

6、主要是因为人类构建的功能具有一定独立性，深度学习是学习的自然工具。在数学推理上，人类技能的开发优先于人类自身能力，比如有一些我们过去学到的技能，比如理解负载的数学和语义构建的能力。有一些人类天生就拥有的技能集合，其实很难以一种高水准功能的形式，来准确地表达出来。

高纬度数据问题，数据的维度越高，那么它对人类来说，依靠传统的机器学习技术来靠直觉感知就会变得更加困难，同时构建合适的功能也会变得难度更大。

7、对于那些在我们有能力构建复杂语义之前，已经开发的技能，我们已经在计算机视觉行业里中看到了令人印象深刻的结果，自然语言处理，甚至是玩儿视频游戏。值得注意的是：这里我们所学习的所有技能都不需要数学推理，因此他们是能满足独立意识的高层次语义需要的。

8、在广义的高纬度深度学习问题上，深度学习已经展示了突破性的成绩，举例包括基因组学，石油和天然气，数字病理学，甚至是公开市场股市。

9、最近，媒体在大肆宣传人工智能，因此人工一般只能也引起了人们的关注，它是一种假想的计算机模拟人类智能代理。

10、在很大程度上，人工一般智能是由那些基本拟人技能的深度学习成果尾风所驱动的，到目前为止，我们似乎还没有什么有意义的进展，当然也没有什么竞争力可言。从零到一，就像是在计算机视觉和自然语言处理上所作的努力一样，也更好地说明了这个问题。

11、在不久的将来，这些努力似乎只能在筒仓(silos)上存在，在一些特殊的领域里，一群人会孤立地进行工作。

12、我们开发人工一般智能(AGI)的速度将不会受到任何一个筒仓的约束，但是我们有能力让这些筒仓相互操作，并且通过合适的输入和输出渠道与外部世界联系。首个人工一般智能可能不会是一个有人体表现的机器人，而是以一种实时在线的形式出现，它可以访问全世界的知识，并且有能力通过网络来进行交流。

13、人工一般智能将会模拟人类级别的智能，但是不会表现的“像人类”，知道我们了解、学习自己内部更多的“目标函数”。目前，计算机正在被训练，它们会有专门的域来指定目标函数，这样能把错误减少到最小。直到我们能够知道如何将我们自己内部的目标函数校准，实现标准化，人工一般智能才会变得智能，甚至还会显示出一些意识，但不会变得“像人类一样”。

14、2025年以后出生的孩子，他们会觉得软件能有意识，这种现象可能会忽然出现，速度也会比我们想象的要快得多。

15、人工一般智能对好坏区分的能力将会受到一定比例的限制，因为只有人类才能控制输入和输出渠道。未来，可能会出现很多有趣的争论，话题就是人工一般智能可能存在的潜在恶意行为。最早出现，同时也是一个非常有力的实例就是，我们争论过自动驾驶汽车。

16、对于人工智能初创公司来说，我们正处在一个上升的创新周期，同时也能有资金支持。

17、算法和人工智能学习技术商品化的速度，可能比我们预想的还要快。如果说这一领域里的初创公司想要获得成功，那么就必须要不断的用自己的人工智能模型和用户、企业进行交互，然后寻找一些独一无二的数据，并且不断巩固自己的初期优势。最著名的就要数谷歌公司了，他们可以获取点击流数据，随着时间，用户(特别是企业用户)可以利用这个数据作为私人数据源，也可以进行学习交互，来提升自己的排名。

18、虽然我们身处在人工智能的春天，但仍然是在早春阶段。一旦有某个小团队在人工智能领域里有所建树，那么大型科技公司便会砸下重金，进行收购和兼并。这些人工智能领域里的新奇成就，如果说允许外部成熟一些，即便存在一定风险，对于大型科技公司来说也是可控的，因此我们到目前为止，已经看到了在人工智能领域里有较大规模的收购或兼并交易出现。

19、人工智能工具公司将会需要构建更具粘性的平台，这样才能在商品化相关产品的时候具有竞争力，同时也能让风投看到一些有价值的产出。[!--empirenews.page--]

20、最后，在未来五年，硅谷将会出现转型过渡。如果那知名投资人Marc AndreeSSEn当初的一句话“软件正在吞噬世界”来类比形容，那么就是“数据科学和人工智能正在吞噬世界”。