从 「AI 崇拜」到 「AI 落地」,投资逻辑正在迭代

摘要

新一代的 AI 「独角兽」,该有什么样的气质?

最近跟一些投资人聊天,大家普遍认为 AI 行业经过之前两年的热潮,今年会发生比较明显的变化。过去大家关注的重点,几乎都集中在了 AI 的技术积累上,但今年所有人都在问「你的 AI 怎么落地?」。

在这样的环境变化之下,很多 AI 创业公司可能会面临比较大的考验,像一些估值很高的公司在去冲刺科创板的时候,被质疑最多的问题就是「估值倒挂」——它们的技术实力虽然确实很强,但却还没有通过充分释放自己解决问题、创造价值的能力来证明自己。

不过另一个方面,有一些公司的价值却也在慢慢突显出来,比如最近 AI 行业最大一笔金额的融资,是明略科技拿到了腾讯领投的 20 亿元人民币。在我看来,这笔融资不只是说明了这家公司的价值,背后更反映出了整个产业对 AI 价值体系思考的变化和延展,开启了从「AI 崇拜」到「AI 落地」的进程转换。

因为 AI 技术在相当长的一段时间内都没法达到理想的完美状态,比如人脸识别的精度还到不了 100%,所以 AI 要落地,就必须兼容技术长期的进步过程,想办法利用它当前阶段的能力去创造价值。像明略科技这种不追求单一 AI 技术的精度、而把「AI 落地」作为自己业务重心的公司,在今天能得到资本的认可就有了它的必然性。

最近我刚好跟明略科技的创始人吴明辉有过一次交流,他提出了几个特别值得思考的观点:

  • 要打通「感知智能」和「认知智能」
  • AI 应该兼容「数学式学习」和「物理式学习」
  • AI 落地必须是「白盒子」
  • 好的 AI 产品需要 IQ、EQ 双高
  • 人机协同遵循「HAO 模型」

经过吴明辉的允许,我把我们这次的交流分享给大家(以下内容经过必要的删减和编辑)。

明略科技创始人吴明辉


一家与众不同的 AI「独角兽」公司

张鹏:AI 这几年很热,在这个大赛道上,明略一直很低调,但其实已经是一家独角兽公司了,和其他公司相比,明略与众不同的点是什么?

吴明辉:我创业一直秉承着一个理念:大赛道要看,但同时也要有自己的独特定位。

我们是从做大数据业务开始的,之前整个团队对数据就有很多年的经验积累。我们知道在这一轮 AI 的新浪潮里,所有机器学习的算法一定要有数据才能做迭代。但是我们又看到绝大多数耳熟能详的 AI「独角兽」公司,几乎一股脑钻到图像识别领域里去了,在做「感知智能」层面的事情,如果我们也去挤这个独木桥,可能并不是一件创新的事情。

明略跟其他公司最大的区别在于,我们并不寻求在单一技术上的突破,不追求一定要把算法的准确率从 80% 提升到 95%,而是把多种 AI 技术结合在一起使用,这个时候实际的效果反而能快速提升。

所以我们选择先把数据做好,然后直接跳到「认知智能」层面去做,同时把「感知智能」和「认知智能」打通,再加上大数据,最终给行业客户交付有效的产品。

我们之前没有很高调,没有参加什么 PK、刷分,因为那不是我们的特长,我们真正的特长是给行业做人工智能交付。

张鹏:我的理解是说,科技公司可能有不同种类,有一些做技术研发,去提升技术的准确度,然后降低技术的成本,还有一些考虑的是怎么利用技术在现阶段的能力去解决问题、创造价值。明略给自己的定位其实是后一种。

现在大家都知道「AI」这个词,但是 AI 到底是什么,怎么定义先进的 AI,还有 AI 未来要走向什么样的目标,这个好像没有人能说得特别清楚,整个社会的认知也不是特别统一。

在「感知智能」层面,中国有很多优秀的公司,那 AI 再往下走,什么是下一级台阶?是不是你刚才演讲的时候说的「要让 AI 从感知一个东西到理解一个东西」?

吴明辉:确实是这样的。这个过程就好像爬行动物出现的时候,它们有很好的感知系统和运动系统,有感知就直接运动了,但是这个过程里没有思考,是应激反应。哺乳动物出现之后,大脑里出现了新皮层,于是认知系统出现了。AI 能力的升级,真的特别像我们人的「智能」迭代,有从「感知」到「认知」这么一个过程。

「认知」有什么作用?举个例子,公安系统去识别一个人的时候,准确率不可能 100%,有的时候只有 70% 或者 80%,这样把他放到一个庞大的数据库里去比对,发现相似度在 80% 以上的可能就有上万人。这个时候只靠 AI 的「感知」能力就没有多大作用了,因为不可能把一万个人全抓过来审讯。

怎么办?那就需要对这一万个人做理解,要知道哪些人有前科,哪些人有不在场证明,还有哪些人正好跟受害人有利益冲突等等,这些都是基于「知识图谱」才能做到的。所以明略之前花了大量的时间做「知识图谱」,再跟前面的「感知智能」结合起来,才可以提高办案效率。

当然了,「理解」完了之后还要有「分析」,否则警察在使用这个产品的时候会很复杂,所以我们也在做帮助客户「分析」的系统和引擎,这是 AI 往下走的第三个层次。第四个层次是「决策」;到最后就要落实到行动上了,行动才真正产生价值。

AI 要迈上的「五级台阶」


从「黑盒子」到「白盒子」

张鹏:行业「知识图谱」的沉淀,本质上就是在前期就做了人机分工,因为行业知识是人沉淀下来的,这相当于给予了机器方法论,让它能更好地去运用算力理解数据。你能不能再具体解释一下,机器到底怎么结合「知识图谱」产生更大的价值?

吴明辉:人类的学习方式有两种,一种是物理式学习,一种是数学式学习。物理式学习是每天试错,试错以后就会有反。?辛朔蠢〔庞薪?。数学式学习就不是试错了,而是直接学习知识、进行思考。

今天以深度学习为代表的「感知智能」用的就是物理式学习,不断地标注样本就是在告诉它,这个是对的,那个是错的。而基于行业「知识图谱」的「认知智能」,用的是数学式学习,你给它知识和一些条条框框,告诉它这个事不能做,那个事可以做。

能把这两种学习模式综合到一起的人,一定是最厉害的。他不能只试错而不学习先进经验,但是只学习先进经验,自己却没有真正地落地实践也是不行的。

机器的学习模式也应该是这样。它们去帮公安破案的时候,识别人脸肯定是通过样本标注,但是在去帮助机器制造业维修故障的时候,就会有大量的专家知识在里面,因为专家的经验能告诉它,什么样的原因会引发这种故障,后面的情况会怎么发展。所以怎么把人类的知识经验赋能给 AI,这是「知识图谱」要解决的问题。

张鹏:我觉得我们之前理解的 AI 比较狭隘,认为深度学习就是一个「黑盒子」,准确率还可以,但是不知道怎么算出来的,我们只能接受结果。听完你讲的这些,我觉得明略更像是在推动一个「白盒子」,虽然还是要用到机器的算力,但要真正得出结果,还是要用到人积累的经验和沉淀下来的行业「知识图谱」,这些结合起来才能真正发生作用。不知道我的这个理解对不对?

吴明辉:您的这个理解挺正确的。我补充一句,我们首先也要使用「黑盒子」,不过最终呈现出来的一套解决方案是「白盒子」。公安系统破案的时候要用到人脸识别,这是识别过程是解释不清的「黑盒子」,但是把人抓出来之后,你不能只说一句「他是坏人」,还要给大家一个解释,这个解释必须基于严密的逻辑系统之上,这里需要呈现出来的就是「白盒子」。还有人和机器之间的协作要能互相理解,这也需要「白盒子」。


好的 AI 产品需要有高情商

张鹏:AI 的发展刚刚开始,今天的这波热潮,其实是推动机器和人怎么更好协作的一个新起点,这种协作要一层一层往上迈。从这个角度来看,大家也能更好地理解为什么明略在做的事情还蛮有意义的。

你刚才说明略并不单纯追求算法准确率的提升,哪怕它的精度不是那么高的时候,你们也能想办法让它产生作用,这具体是靠什么去实现的?

吴明辉:需要有两个方面的工作。第一件事情是要使用多种维度的数据,就像一个优秀的老刑警,他绝对不只是看一个维度的数据,他还要看人走路的步态、眼神、穿着等等。有经验的老刑警一眼就能作出一个综合判断,这个人是不是贼。多模态人工智能,结合更多维度的数据,就有可能提升整个的综合效率。

第二个方面的工作,是要让人和机器之间互相理解、互相认同和互相妥协,因为我们需要的是有温度、有情感,有情商的产品,这是非常复杂的一件事情。

我们投资过一家企业,他们做了一个在酒店里提供服务的机器人,它最大的痛点是怎么坐电梯,如果电梯里有人挡在门口怎么办,总不能硬挤上去吧?它设计得就特别友好,碰到这个场景它会说话,「对不起,我是机器人,年纪小、腿脚不灵,麻烦让让路」,所以这个机器人的情商就特别高。

这和我们在日常生活里跟人的交往是一样的,如果一个人智商很高,但是情商不行,你可能也不会喜欢和他合作。所以怎么让 AI 产品智商和情商双高,这是产品经理需要好好思考的事情,并且因为这个产品是一群人要用的,所以要考虑的还是群体心理。

张鹏:一般大家说 AI 都是觉得它 IQ 挺高的,算力强,但是 EQ 这件事以前还真没有怎么去想过。

吴明辉:机器人的 EQ 跟人的 EQ 很像,可以用类似的评估方法。它表现出来的第一个特点是当它解决不了某个问题的时候,愿意去寻求其他的方法,而不是在一个点上钻牛角尖,这也就是前边讲的通过多模态技术可以去提高这个产品的 EQ。

第二个特点是当它解决不了问题的时候,会把这个问题做拆解,分成一部分它自己能解决的,不能解决的另一部分再还给人,让人帮着它解决。我们做的人机协同系统要解决的就是这个问题,到底人和机器怎么分工。

张鹏:未来我们要找到跟 AI 真正的协作方式,而不是把所有事情都扔给它,因为它不能解决所有问题。

吴明辉:是的。比如在破案的过程里,如果只使用「感知智能」技术,那 90% 的工作还是人在做;如果融入认知、理解、分析、决策这种模型进去,人的工作量可能就降到了 20% 或 30%,但还是要人机协作,至少去抓捕嫌疑人的时候,还是需要人去做的。

图 | 视觉中国


人和机器协同构成新型「组织智能」

张鹏:要有共同的理解才能有更紧密的协作,你之前提过一个「HAO 模型」,这里面包括人的智能(Human Intelligence)、机器的智能(Artificial Intelligence),最后还有组织的智能(Organization Intelligence),这个组织的智能怎么理解?

吴明辉:「HAO」这个概念,是我跟我们的首席科学家吴信东一起提出来的。我们是 To B 的公司,服务的企业和组织里有很多人,之前是人和人的协作形成组织智慧,但在今天这个人机协作的时代,这里面就不光只有人了,而是人和机器形成了一个新的组织形式,大家基于各自的特长重新分工。

在这个组织里,人是最灵活的一个组成部分,但效率却不是最高的,人在做大规模存储和计算的时候,肯定拼不过计算机。所以基于这样一些特点,这个组织里的分工,既有人的感知系统、认知系统和行动系统,也有机器的感知系统、认知系统和像机械臂这样的行动系统,这些共同组成了一个完整的系统。

这里面最关键的一点是,人的认知系统和机器的认知系统要能打通,如果他们之间不能互相理解,就实现不了协同。

张鹏:这是未来提升生产力非常重要的一个方向。如果只是把机器当成工具,那还是得有很多人熟练地去使用它,但在你的定义里,机器对于人来说已经不只是工具了。明略把「创造人机同行的美好世界」当成自己重要的愿景去推动,背后肯定做了很多的思考。

吴明辉:是的。人工智能在世界上会扮演越来越重要的角色,这是未来挡不住的趋势,但是如果机器做的所有工作都是「黑盒子」,人对它无法管控,那也是不行的。我们创造 AI 的初衷是要帮助人生活得更好,它去做的事情都是我们人不想做或者做不到的事情,而且它确实做得比人好,我觉得这才是「人机同行的美好世界」。

张鹏:本质上还是要让 AI、让机器能更好地跟人共振,它能发挥它的优势,但是人自己的优势也要保持。同时即便是机器做它有优势的事情,背后仍然要附加人类积累的知识和沟通技巧,这样才是完整的,否则它就还只是一个效率比较高的工具而已。所以要成为伙伴、要人机同行,就要从最初的感知到认知,去做理解,再去决策,推动创新,这是一级一级台阶往上走的。

吴明辉:单纯从企业经营的角度来说,如果你设计出来的产品无法实现人机协同,而机器又没有办法独立完成一个完整的任务,那这个产品是不可能商业化的。

张鹏:过去大家都很喜欢谈黑科技,现在我觉得黑科技不一定是最酷的,能把科技真正应用得更广,让更多的人能受惠于这个科技、创造最大的价值,这才是最酷的。在这样一个务实、意义重大但是也很难的事情上,明略有了一个好的起点能够继续往前走。


最新文章

极客公园

用极客视角,追踪你最不可错过的科技圈。

极客之选

新鲜、有趣的硬件产品,第一时间为你呈现。

顶楼

关注前沿科技,发表最具科技的商业洞见。