科技猎亚马逊“抢劫式”实体超市颠覆剁手体验丨AI还能突破哪些想象？
不知不觉中，人工智能又一次颠覆了我们的认知。
昨天，Amazon Go刷爆了国内外的社交媒体。亚马逊在西雅图开设了第一家无人值守全自动智能线下便利店：Amazon Go，虽然目前只对员工开放，但据外媒消息，Amazon Go计划在2017年初面向公众开放。
其令人惊艳之处在于：你可以径直走进超市，选好货品之后立马离开，不用在收银台前排长长的队伍，等待结账，甚至还可以莫名体验一种“抢劫”商店的快感。亚马逊将这种智能购物体验称为：“Just Walk Out Shopping”（拿了就走）。
如果说移动支付颠覆了既有商品交易方式，那么“抢劫式”的Amazon Go甚至连“交易感”都消灭了。然而，这些是怎么实现的？就其官方发布的视频来看，技术亮点有三：
Computer Vision 计算机视觉
Deep Learning 深度学习
Sensor Fusion 传感器融合
根据视频里说到的三大人工智能的技术，专家们猜测：
Amazon Go采用 计算机视觉 技术，通过摄像头捕捉购物者在商店的行为，然后从图像识别中获取购物者拿起的商品，再用人工智能中的 深度学习 去判断和识别购物者是否需要这件商品，从而决定是否加入购物车。最后加入 传感器 ，提高最终结果的准确性。
在这样的购物流程中，你可能觉得自己什么都没做，但其实你的一切都已经被新技术所洞悉，再配合移动金融支付技术，轻松完成了一次线下的购物。不知不觉中，人工智能又一次颠覆了我们的认知。
人工智能为何会在这两年突然“爆发”？又将优先应用于哪些领域，对于创业者来说，有哪些“坑”和机遇？人工智能是否真的是“逆天”一样的存在？逐鹿思想派X投资人说优质内容持续输出，今天我们继续为您梳理关于人工智能的那些事。
驱动人工智能发展的三大因素
在第一台计算机埃尼阿克问世后十年，就有科学家预言，人工智能时代将要来临。1997年，当智能国际象棋机器人“深蓝”赢了世界冠军卡斯帕罗夫之后，这种美好的情景似乎指日可待。但在接下来的近20年中，人工智能研究却因为数次技术革新尝试的失败而停滞，神经网络的研究遭遇瓶颈使得人工智能的发展陷入寒冬。
随着深度神经网络技术取得核心突破，科技界和商界的所有人，都能明显的感觉到，近两年内，人工智能的理论研究和可感知产品呈现“喷发”之势：各种可穿戴设备扎堆出现，智能机器人频频亮相，机器的人脸识别准确率超过肉眼，Google、苹果和宝马等公司齐发力无人驾驶汽车，美国、欧洲先后设立人类大脑攻关项目…… 驱动 本阶段人工智能发展的三大因素在于：
数据积累： 移动互联时代产生大量线下数据，通过线上转化，供人工智能领域的机构或企业去进行高强度训练，无论是在语音识别还是图像识别方面，都产生大量的声音与图像样本，线下数据不断线上化，大数据成为了驱动人工智能发展的基础。
算法迭代： 深度学习与增强学习发展相辅相成。深度学习用于感知与处理信号，增强学习则用于进行决策。
计算能力
提升：
底层芯片、服务器等硬件设施不断完备与升级以及云计算应用为人工智能发展提供的必要条件。
七大领域优先应用
人工智能本轮爆发以2015年为起点，以下生活场景正陆续变成现实：
开车时，你说出地点，自动驾驶系统将你带到目的地;
在医院，你看到来自美国的拖车机器人Tuggy McFresh在运送医疗器械和来自日本的“大白”机器人Robear在照顾病人;
在酒店，2015年新上市的日本Henn-na服务生机器人包揽了从值守前台、运送行李到客房清扫等一众服务;
下班后，你按下了“回家模式”，推开家门发现，窗帘已经拉上，温度适宜，灯光柔和，热水烧好，还有日本软银公司的家居机器人Pepper跟你问好卖萌；
在家里，你用iWatch打电话，使用的是可监控和改善睡眠品质的App；
电视中、手机上，谷歌超分辨率技术Raisr能使模糊照片瞬间变高清，速度提升十倍以上，我们正在移动设备中体验着前所未有的逼真世界；
朋友圈里，因人工智能发展而不断升级的图像识别技术能够让我们的照片达到“整容式美颜”，满屏鲜肉美女，赏心悦目……
根据《全球人工智能发展报告（2016）》显示，人工智能率先应用于安防、金融、电商零售、个人助理、自动驾驶、医疗健康、教育七大领域。促成这一现象主要有以下两种原因：
应用场景刚需： 人工智能领域的一大特点学术关联性较高，但是如果没有潜在的应用场景，技术再先进也只是停留在研究阶段。从技术出发，寻找到合适的应用场景，把技术变成产品，才有可能把产品变成商品。以上七大领域与生活息息相关，通过人工智能化改造，其产品需求度相对较高。
可选择领域不多：
从以往案例来看，当下人工智能领域其实可选择的应用领域实在不多。同时，目前以语音识别、图像识别为代表的AI技术与这七大领域关联较深，许多拥有行业领先技术的公司最终也选择了在几个“毫无惊喜”的应用领域中实现技术落地。比如科大讯飞选择了个人助理、教育等领域，Google选择在自驾领域以及个人助理等，亚马逊选择个人助理、自驾以及电商等领域。
AI创业路上的“坑”与机遇
对于AI领域创业，有一句很形象的描述：人工智能就像一列火车，你苦苦期盼，终于来了，然后它呼啸而过，把你抛在身后。
作为创业者来说，首先得清楚要解决什么？ 存在以下两个维度三种布局：
解决技术优先：
专注于底层芯片、服务器等硬件设施的提供；
通过对底层资源的长期投入和积累，建立通用技术平台；
解决应用场景的适用度：
多为特定领域从业者，通过内部研发或外部收购、投资的方式实现特定技术应用突破，以形成智能化升级。
创业者，应该选择To B还是To C？
结合目前人工智能的发展来看，在To B领域稍微增加一些算法和计算能力，就能解决大量的问题，效率提升比较显著，而在To C领域，要考虑产品应用到C端的场景，怎样才能以最便利的方式去吸引用户使用，无疑需要极致的设备。
To B
优势：初期就能看到价值；更专注、无需全栈式团队；实现应用更丰富。
劣势：难以扩大规模。
To C
优势：打造自主品牌；逐渐形成规模与商业模式。
劣势：需要长时间积累、需要全栈式团队。
创业者在关注人工智能领域时，除了看到其前景与未来发展，其实还是要关注能否通过有效模式在短时期内尽快实现盈利化。技术永远在进步，无论是互联网、还是移动互联网、再到人工智能时代，都有很多技术领先的企业最终没有存活下来，谁能更快地把自己的产品产业化，能够形成正向的循环效应，受到更多的资本市场追捧和客户的认同，谁才能够生存下去。
对于AI的商业化之路，大公司一般在已有的产品中实现AI first的战略，Google采用的便是这种布局，而更多规模较小的公司，则选择将AI作为技术API提供给第三方。
无论哪一种模式，创业团队都需要把自身的发展、技术的发展以及自身业务的发展三者有效结合，真正做到落地，而不是仅仅讲一个关于未来科技的故事，毕竟创业者所面临的是一个商业化的社会，这一点尤其重要。
AI，真的是“逆天”一样的存在吗？
在回答这样一个问题之前，我们有必要了解什么是弱人工智能、强人工智能、超人工智能。
首先是弱人工智能 Artificial Narrow Intelligence（ANI），这是一种只能够在某个特定领域处理问题的人工智能，我们也必须明确，深度学习带来了的只是弱人工智能的爆发式发展，最好的深度神经网络可以在无监督的情况下从大量例证中学习，具备了保持语义连贯的组织知识的能力。例如，深度学习系统‘学习’了大量文本信息之后，比如说整个维基百科，能够通过一些类比问题进行学习。但是，不管这些系统的表现有多么令人印象深刻，这与人类凭借直觉来理解世界的方式还是存在天壤之别。
其次是强人工智能 Artificial General Intelligence（AGI），这是一种可以与人类大脑处理能力相对等的人工智能。换句话说，人类大脑能做的事情它都能做，比如思考、计划、抽象思维以及经验学习等。
从深度学习本身来说，深度神经网络只受到了人类大脑中生物神经网络的一点点启发。尽管深度学习使用的许多术语（例如神经元和激活）都借鉴自脑科学，但这两个系统的工作原理完全不一样。
要理解这一不同可以用深度学习的“大脑”与人类儿童的大脑做比较，二者最大的不同点在于，人类儿童能够探索周围世界，并能在无外部监督的情况下独自形成知识。有了这种无监督学习得来的知识，孩子们能够将所有任务分解成一个个子任务，并各个击破，从而完成任务。
到目前为止，深度学习还不具备这种能力：人们需要把所有东西教给它们，包括这是什么东西、学习完成后应该做什么。研究者们正在探索如何改进这种模型，但现在离目标还很远。
第三层面的“人工智能”就是所谓超人工智能 Artificial Super Intelligence （ASI）。按照牛津大学哲学教授尼克·波斯特洛姆的定义：在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能。
毋庸置疑的是，目前人工智能的发展还停留在弱人工智能阶段，别说超越人类认知能力，甚至也达不到与人类匹配的认知能力。因此像科幻大片中机器人形成自我意识而反攻人类的情景也并不会在短期内实现，正如网友所说：“AI并没有那么神，和其他机器一样，它目前还在被人类控制，我们仍可轻松服下这颗‘定心丸’，继续突破。”
