人工智能这个概念在过去两年非常热。在热的过程中，我们发现一些不太符合实际的观点，亿欧智库作为关注新技术和人工智能的研究机构，在过去的一两年，走访调研了一两百家企业和投资人，发布过十几份与人工智能直接相关的研究报告，虽然我们不是某一项人工智能技术的从业者，但对这个市场有整体的了解。

今天这个分享能带来什么价值呢？我觉得主要是提出一些关于人工智能理性的、相对新的认知，消除一些错误的概念，然后用现阶段已发生的案例来谈一些实际感受吧。

我个人大概是从2010年就开始关注互联网的一些新兴技术，尤其是精准广告相关的一些技术。慢慢的在百度成立了深度学习研究院，我们发现，推动这些互联网广告发展的技术和算法已经发生改变，2012年深度学习算法取得了显性进展，继而影响了后来在图像、语音等很多领域的技术和识别能力。

到2016年，因为有阿尔法狗的实践，我就感觉如果新技术在未来能够充分应用到行业中，会带来非常显著的变化，对不同的应用场景都能带来非常好的升级和改造，同时也能够优化消费者的体验。

我为什么关注人工智能在行业的应用

这张图是我在北大空腔医院排队的场景，当时就发现了两个问题。一是，因为缺乏在线服务，大家把大量时间花在低效的排队上面；二是，中国的医疗资源是极度不平衡的，好的医院、好的医生有限，如果机器辅助诊疗，在线医疗能够充分发展的话，那大家就不用在同一时间去同一地方排队了。

当具备一定辅助诊疗能力的机器，能够解决一个人多数疾患问题的时候，它就能够优化医疗资源配置，再加上在线医疗的分配能力，医疗资源平衡、医疗效率提升、误诊问题都可以得到逐步解决。要知道误诊率在中国甚至是全球都是非常高的，如果机器能够具备一个中高水平的医生的能力的话，误诊率也会大大降低。

这张图是跟自动驾驶相关的，这是我在五道口一个拥挤的路口拍的，即使在非高峰时期，这个路口的车辆流速也是非常慢的。每辆车的启动都需要在人看到信号灯后才可以，信息的传递要经过从眼睛传递到神经系统再到肢体这么一个过程，这个过程其实是逐步和依次发生的，这就导致整个通行效率并不是很高。

如果整个交通体系能够实现自动化和智能化，那么车和信号灯是同步的，当从红灯切换成绿灯的时候，所有的车是可以同步并发的。这样就会极大改善和优化交通网的流速。

我们堵车的问题，一方面，是因为在整个路网系统中由人去操作机器，实际上是非常低效的；另一方面来自于车多路少，未来随着自动驾驶和共享汽车的双重推演，汽车的总量会下降或保持低速增长。

这就是我为什么关注人工智能在行业的应用，因为我切身体会到，新技术有可能带来行业的改变和突破。

躲大坑：正确理解人工智能，才能不被忽悠

接下来讲一些我们的研究观点和发现吧，人工智能这个概念，有时候说起来，大家都挺害怕的。尤其是电影和文学作品中传达的一些形象让大家觉得它是恐怖的，甚至是威胁人生存的。

1、对人工智能几种的理解

（1）从狭义方面讲，可以从技术层面出发来定义人工智能

但我个人从不持这样的看法。我只把它当作一种新兴技术的存在，就像蒸汽机驱动了第一次工业革命，电力驱动了第二次工业革命，计算机驱动了第三次工业革命一样。我也认为，很多技术为代表的人工智能驱动了下一次工业革命。我只把它当作技术，我从来不认为他会和人的生存之间有什么绝对的冲突。

所以第一幅图实际上是狭义上对人工智能的解释，简单理解人工智能的话，要分成狭义和广义两层。在狭义层就是上面那张图片，它是从人工智能的技术路径出发的。

我们大体上从三个方面来说这个问题，在底层其实是一些硬件和数据平台；上面两层是现在大家强调比较多的典型技术；在中间强调的是以机器学习为代表的算法。尤其是深度学习，是过去这些年绝大多数场景所使用的算法所在；在最上面一层是三个大家常见的技术类型，包括计算机视觉、智能语音技术和自然语音处理。

也就是说从狭义方面来讲的话，就是从技术层面出发来定义人工智能。

所以关于人工智能第一波起来的的公司基本上都是在做相关技术的。或者说很多公司刚成立的时候，都在强调自己有深度学习算法的能力，或者计算机视觉做得非常好，人脸识别做得非常好，或者说语音技术做得非常好，自然语言识别处理做得非常好等，这都是狭义的理解，属于纯技术范畴。

（2）广义层面的人工智能是指包含了上述的这些算法或者技术方案在内的应用和服务。

而现在被大家感知到的特别多的人工智能产品，实际上他已经到了广义的层面。那这个广义的层面怎么来理解？实际上它指的是包含了上述的这些算法或者技术方案在内的一些应用和服务。

从上图能够看出，我们在前面的基础上增加了一个应用层。从投资金额的对比来讲，2015年之后，实际上在应用层的投资是远远超过在技术层面的。也就是说我们感知到的那些真正有价值的，未来会可能会形成大公司和大产业的，肯定会落在应用层上。

（3）人工智能更广义的理解，应该是一种更智能化的概念，背后是数据化，自动化和精准化。

如果从比广义更大视角的去理解，人工智能可能就不能叫人工智能了，它可能叫智能化的概念。可能我们并没有用到上述提供的某种算法、某种技术，但已经让你体会到智能化的感觉了。从宽泛意义上来讲，它也可以算在智能的范畴，有的时候可能也把它叫做人工智能，但我更愿意把它称为智能化的东西。

再说一个现象，人工智能其实往往没有一个确定的指代，它有时候只是一个统称。我在做调研的时候问过很多企业家、高校教授，大家都很难给出一个对人工智能非常明确的解释。往往需要把这个概念放在具体所做的事情上才能解释清楚。也就是说，很多企业实际上更多的是在做某项技术，比如说我是在做语音识别，他在做人脸识别，还有做自然语言的，那人工智能更多的时候是被大家用来统称这一系列相关技术的一个总的指代。

有意思的是，在业界，人工智能越来越变成了一个品牌词汇和PR的词汇；而在具体的公司里面，大家很少去讲人工智能，大家讲的是具体技术具体的解决方案。

我有一次在和中科院自动化所的副所长刘成林老师沟通的时候，他提到他本人一直是做模式识别的，识别语音、声纹，识别各种各种行为。他说，以前大家不会去讲人工智能，他觉得他是被人工智能了。

人工智能很多时候只是个统称，而在具体去做事情的时候，大家用的都是某项技术，而不是人工智能这个大的词汇。

比较经典的狭义的理解方式，并不一定正确，尤其是对有些公司来说，它会解释说人工智能主要就是机器学习，机器学习的代表就是深度学习。使用深度学习最多的领域就是计算机视觉，在计算机视觉领域使用最多的就是人脸识别，最后就变成了人工智能约等于人脸识别。

（4）那么谈人工智能一定要谈另外一个词汇，叫人的智能，用英语解释叫artificial intelligence。

这两个词对比起来看，能帮大家相对准确的理解人工智能的概念。人工的智能，我们把这个单词拆开看，会发现他的第一个单词artificial 其实在很多场合里面，都用来形容人造的，非天然的。比如它可以和湖组合起来就是人工湖，和花结合起来就是假花的意思。人工的智能，其实你要从另外一个角度理解，其实就是说人造的意思，是被单独生产的，是非天然的一种智能。

有的科学家认为，我们不应该用人工智能来解释现有的这些技术现象，而更应该用这个机器智能来解释，如果你用机器的智能就不容易再让大家产生误解。这也回到我一开始讲到的，人工智能它本质上还是一个技术问题。

前面提到了人工智能几个特征里面，有一个特征就是数据化，确实，过去这些年，人工智能带来了一些改变，很重要的一个动力是来自于有很多数据被积累下来，可以用来做计算。

2、有可能发生大规模机器对人的替代的领域

在右下角这个象限里，你会发现它应该属于人擅长的，也就是人做起来简单，但机器做起来难的，比如说我让机器倒一杯水给我，这看起来很简单，但其实机器是很难做到的，但人很容易就可以实现；

在左下角这个象限里，是人操作起来简单，机器操作起来也简单的事情。举一个例子，比如说下围棋，人是肯定可以下的，只是你的水平高低的问题。那么机器做起来现在也简单了，机器以前也会下围棋，然后他也在进步。在该领域，机器基本上已经战胜了人类。这个象限集中了很多我们目前看到的应用，也就是说人会做，但是机器也会做，然后机器通过不断学习，会做的越来越比人好。围棋就是一个非常典型的案例。

左上角的这个象限属于人做起来很难，但是机器做起来很简单的领域。比如说超级复杂的运算，这些事情本身就属于人比较难，但机器操作起来很简单的，那这个领域是机器最擅长的；

在一些对于人来说，做起来比较难的领域，机器操作起来就远远胜过人。人做起来比较简单的领域，机器通过不断学习，不断进化，不断积累数据，在算法上做迭代，从而也能超越人类。

我们说有可能发生大规模机器对人的替代的领域是在左下角，就是那些人本身做起来简单，但是机器也会做的越来越简单，甚至超过人的这些领域。

3、智能化的背后是数据化、自动化、精准化

人工智能从技术到应用，再到驱动整个社会，我认为是由这几点所驱动的，智能化的背后是数据化，是自动化是精准化。

怎么来理解？我在这块重点解释一下数据。因为整个人工智能算法，不仅仅是深度学习，还包括其它很多算法都特别依赖数据的支撑。吴军老师说过一句话，所有的智能问题都是数据问题，如果没有数据，你的智能可能就无从谈起了。

第二点是自动化。当你有了数据的积累，你的流程和你的服务能力要能够自动化打通，如果某一个环节还需要手工去连接，那么它的效能将是非常低下的，也谈不上智能化，也就说全流程要实现自动化，数据也要实行自动连接。

第三点是叫精准化。很多智能的东西其实要实现精准的服务到每一个有个性化需求的企业和个人消费者。吴军老师在他的《智能时代》里面提到一个观点说，淘宝也就是阿里整体上在过去20年干了一件事，或者说干的所有事，用一个词来总结，就叫精准。而精准的背后跟刚才这一系列都是相关联的，因为有数据，把流程全部做成自动化，才进而实现了精准化，这三者加起来就会让你觉得它的整个服务体系是比较有智能化的感觉。

长期看，AI=人工智能+物联网+区块链

这三者背后或者在未来还会有什么变化？我认为会有这么几点：

一点是新的算法，一点是互联网，如果再加一点，我认为是区块链，长期来看人工智能很难孤立的存在。关于人工智能，我们更多谈的是算法和解决方案，除了深度学习，可能还会有新的算法；

但是如果没有互联网的进一步普及，那么它所适用的范围场景将会非常少。随着互联网的进一步普及，你会发现场景将越来越多，而每一个场景都有大量的数据被记录、存储下来，可以用来做计算；

我相信人工智能的新算法和互联网大家比较容易理解，一个是生产力，一个是这个数据基础。那么区块链怎么来理解？区块链实际上最核心的能力是解决了信任的问题，或者说解决了交易成本的问题。

很多商业行为、互动行为的发生，都是建立在一定信任成本基础之上的。市场货币其实是最大的信任工具。但是在很多领域恰恰是因为缺乏一个信任基础和信任信任的工具，使得很多交易没法发生。区块链通过全流程的追踪记录，天然就去中心化，从而解决了信任问题。当物联网积累的数据足够多的时候，我们需要更加低成本和更加高效的处理高速的信息和数据的流通。

如果没有区块链提供这样的基础层的能力，那么这种流通和交易是很难高效发生的。我们现在经常讲数据孤岛，其实就是缺乏一种有效的数据交换和数据流通的基础和环境，区块链有可能在这一点上提供巨大的帮助。

AI产业发展少不了对机会与威胁的双重把握，在前进方向上，创业者更要找准方向，才能走得更坚强，更多关于人工智能“威胁”与“机会”的解读，可以关注6月14日在上海长宁世贸展馆举办的“2018全球智能+新商业峰会”。

文章版权属北京亿欧网盟科技有限公司所有。文章内容系作者个人观点，不代表亿欧对观点赞同或支持。