硅谷高科技专家王维嘉:目前人工智能不适合无人驾驶
编者按
11月29日,美国旧金山,“重走德鲁克之路”游学课堂邀请到 硅谷著名高科技专家、《暗知识》作者、硅谷风险投资公司AimTop Ventures创始管理合伙人王维嘉先生 结合自己的新著《暗知识》,为企业家学员们分享 人工智能 的本质和相关的创业投资机遇,深刻的洞察和精彩的观点让学员们受益匪浅,许多学员感叹“终于有专家把人工智能讲清楚了。”
人工智能和 互联网 的区别
人工智能和互联网行业有什么区别?最重要的区别是一个是 2C 的生意,一个是 2B 的生意。
我的好朋友李开复在他的书里说未来的人工智能是中美两国领跑,其他国家远远地甩在后面。但这个结论完全不对,原因就是2B。比如一个法国核电厂要做人工智能改造,是法国的公司能拿到这个单,还是美国公司能拿到?当然是法国,因为2B生意的进入壁垒非常高,2C是没有进入壁垒的。
比如抖音现在全世界非常普遍,谷歌、Facebook就不用说了,用户没法控制,只要觉得好就会用。所以开复这个判断是错的,我觉得是把互联网时代的思维拿到了人工智能上。
在互联网时代为有一个规律叫赢者通吃,但2B的生意完全没有。 中国有300多家公司 人脸识别 公司,头部的大公司就4-5家,各家都不一样。所以2B的生意和2C的生意完全不一样。
硅谷著名高科技专家、《暗知识》作者王维嘉
人工智能未来会影响哪些行业?
可以用三个标准判断人工智能(AI)是否对一个行业有影响:
第一,这个行业本身会产生大量的生产或者服务数据。如果不产生数据人工智能就无用武之地。
第二,数据要足够丰富和复杂,比如放一个空气净化器把它的声音都记录下来,这也是数据,但这个数据没有用,非常单调。
第三,行业要有钱,如果行业没钱,没人愿意投资来颠覆你这个行业。
如果用这三个标准就很容易判断了,第一就是金融行业,这三个标准绝对满足,所以今天的金融行业全面地受到人工智能的影响,不论是银行业、保险业、证券业、理财都一样。
但人工智能的创业公司在银行业会遇到一个问题,你可以跑到猪场去蹲点让人工智能学会刷猪脸,猪脸这样的数据你随便看,但银行不可能把自己的数据放出来,因为这是它的核心商业机密。
所以今天金融业比如平安保险,现在已经有一个500人的博士团队自己做人工智能,所有的大金融公司全都在自己做。小公司根本进不去,最多他说你来教我技术,教完了以后还是自己做。
但医疗的图像就没问题,对医院来讲,比如X光片你放到大街上没人知道这是谁的肺片,这些东西不是医院核心商业机密,所以愿意放出去。
今天在中国我比较看好医疗图像方面的应用,因为中国现在要大力普及普惠医疗,现在镇一级的医院都能买得起X光机。如果机器能比医生看得更准,问题就能大大解决,像这样的应用就非常有希望。
人工智能在制药领域的应用
全球制药市场每年有1万亿美金,其中5000亿是小分子药。它的基本原理很简单,比如导致肝癌的原因可能是某个目标蛋白质,科学家找到一个小分子化合物卡在目标蛋白里面,放在它的缝里把它抑制住,这个病就治好了。
过去寻找的方式是给科学家一个目标蛋白质以后,大药厂的几百位化学家就从数据库里试,和爱迪生试钨丝的过程一模一样。他们完全凭着经验去猜然后做大量的测试,但大部分化合物分子和蛋白质是不发生任何反应的,只能不停的更换。
这个过程大概需要2-3年的时间。如果在美国,需要同时雇两到三百位化学家,每人每年25万至30万美金工资,花费几亿美金才能做成。
但这家公司把历史上所有成功配对的信息全部交给机器学一遍。如果蛋白质长这样,就给它配一个这样的化合物,如果蛋白质长另外那样,就给它配另外一个化合物,还是前面机器学习训练的过程。
这个过程特别像红娘,如果之前已经成功地配了100对婚姻,现在是第101对,你给我个姑娘想找个小伙,基本根据经验我就知道什么样的小伙是适合的,因为已经有了很多经验。
所以这个机器做的事和红娘没有任何差别,只不过它看到的配对是几百万个,它看的小伙子是蛋白质,姑娘是小分子化合物。
所以这个特别适合人工智能,因为它俩配对就是相关性,看多了就知道下一对相关性怎么回事了,今天它是全世界这个领域里做得最好的一家公司。
目前人工智能不适合 无人驾驶
过去自动驾驶是我最感兴趣的一个领域,我大概看了20-30家自动驾驶软件公司。如果真正能做到无人驾驶的话,这对于行业的颠覆是史无前例的,甚至都不需要停车场了,也不需要买车了。
但我们一家都没有投,因为我得出一个结论,自动驾驶是一个特别不适合神经网络做的事。
今天全世界做自动驾驶最牛的公司是谷歌,谷歌从2009年开始做,现在每年大概花40-50亿美金,2000位博士,它的汽车已经大概行驶了10亿英里,天天在外面跑。
今天的自动驾驶是把每一个驾驶场景当成一幅图像:这幅图像有3个老人、1个小孩、1棵树、1辆车该怎么处理?这幅图像有1个自行车、1辆汽车,该怎么处理?
它驾驶几十亿英里的目的是企图把全世界所有驾驶场景都经历一遍,这可能吗?
想想我们人类驾驶,你看见前面有3个小孩或者2个小孩,每个场景不是提取它的相关性,而是理解场景中每个物体间的逻辑关系。
今天的人工智能完全没能力做这个,只是提取相关性。
所以驾驶是让机器做一件“人很容易做,但机器非常难做”的事情。
所以我的结论是像谷歌这样把方向盘去掉的无人驾驶,10年内根本做不到。 对于我们风险投资来讲,10年内做不到就是砸钱的,所以我们到现在一家都没有投。
现在全世界大概有100家自动驾驶公司,我觉得至少90家要关门,剩下10家转型,在很多封闭环境和有限场景依然可以做,比如厂区、校园、仓库、海港这些地方。有限场景就那么多东西,比如在港口撞车了,就是撞坏货而已,不会死人,在这些条件下无人驾驶是可行的。
至于乘用车,只能一点点增加功能让人的驾驶更舒适,更安全,而无法取代人。这是我们根据对技术的深入了解做出的判断。
人脸识别的问题不在技术
人脸识别非常适合人工智能,比如想抓一个坏人,在街上照了一张照片,到数据库里对比到底他是谁,这完全是相关性,它做得快而且比人要识别得更准确。
图片来源:领教工坊
但人脸识别的市场是有问题的,它的问题不在于技术,因为进入门坎太低。
在美国根本没市场,在欧洲更没有市场,只有在中国的应用市场是巨大的。因为每座城市政府、每个公安局都希望借助这个系统维护社会治安,中国现在的公共场所已经有4亿个摄像头了,未来至少要翻一倍,市场非常大。
但中国的人脸识别已经是红海了,目前人脸识别背后的芯片还是英伟达、英特尔的芯片,算法还是谷歌的算法,除了极少数的几家公司有一点自己的算法,绝大多数,至少300家人脸识别公司都是雷同的算法。因为技术差不多,最后就是拼关系。
人脸识别潜在的安全隐患
今天对人工智能最大的一个担心不是人工智能会控制我们,这还早着呢,基本不可能,目前连无人驾驶都还做不到。但个人隐私已经成为一个巨大的问题。
现在很多人银行帐号都是用人脸来开的,我的脸就是我的密码,走在街上,我的密码就一直在被广播,隐私是非常大的问题,但今天没有人去关心。
我觉得中国今天既然是全世界人脸识别最先进的国家,也应该在个人隐私保护上做成最严密的,因为这两者是相辅相成的,否则一定会出很大的问题,只是今天还没有出事。
人类永远无法做到的群体学习和光速复制
我用了“意外”这个词来描述人工智能未来的应用,因为很多应用我们今天可能还看不到。
比如iPhone刚问世的时候在中国引起了一场争论:“移动互联网是PC互联网的延伸还是全新的?”当时有两派,一派以李彦宏为首,把百度搜索条放在手机上面等于多了一块屏幕,从百度角度想确实是那么回事。
另一派觉得这是一个全新的东西,当然我属于另外一派。
虽然没人知道是什么东西,但我们知道手机和PC的区别是:第一,它永远在我身上,第二,它有位置信息。未来的应用一定和这两件事有关,果然今天使用微信是因为它老在我身上,今天使用滴滴打车是因为有位置信息,但当时你是看不到的,只是觉得这东西确实和PC不一样。
今天还不知道人工智能未来会有什么让我们非常吃惊的东西,但我知道有一点是和群体学习、光速复制的能力相关。
我举个机械手实验的例子,谷歌让机械手自己学习把杂物从盘子里一个个抓出来。杂物有各种不同的形状,机器一开始乱抓,经过15天的摸索,它自己就学会了。
紧接着他们做了另外一个很有意思的实验,把15台机器用网络连起来,让每一台都做一样的事,还是从头学起,但学习时间变成了一天。因为这15台机器都在乱摸,突然有一台机器抓到东西了,它马上告诉其他机器到哪里能抓到东西。
这相当于我们人类看到这样一幅场景,有1万个孩子在一个大操场上学骑自行车,大家一开始全在摔跤。突然间有个小姑娘学会骑了,与此同时剩下9999个全都会骑了。
这是因为机器间的神经元连接可以取出来复制到其他机器里去。也就是说未来在全球范围内,甚至在星系的范围内都可以做出这种高度协调的东西,当然有光速的延迟,但至少在几百平方公里可以实现。
这对未来的战争,大量的协同、合作、生产是有本质性影响的,也是我们人类永远做不到的。
人工智能是个偏科生
人工智能在艺术上也有很多应用,比如给机器看很多梵高的画,它就可以把一张丹麦的照片画成一幅梵高风格的图画。
我们人类就完全没有可能学会这样的笔触和颜色。因为机器可以同时处理几百,甚至上千、上万个变量和非常复杂的相关性,我们人类只能处理三个。
所以只要是在处理复杂变量、复杂相关性的地方机器一定会远远超过人,但一旦到理解逻辑关系和因果关系,机器就傻眼了。至于到了情感,机器就彻底没戏了。
我写书的一个重要的动机就是要给人工智能划出个边界,到底它能做什么,不能做什么。
不是说:“哇,机器时代来了,我们人类都要被奴役了。”那是完全不懂。典型的代表就是写《人类简史》的作者尤瓦尔·赫拉利,他后面几本书对人工智能一点都不懂,完全是在瞎写。
还有一类说人工智能什么用都没有。其实不是,人工智能在某些方面有非常神奇的应用,但它有点像一个偏科的学生。虽然神经网络是模仿人脑的,但之所以它能比人脑快,能够做我们人脑做不了的事情是因为:
第一,快。 人脑的神经元每秒钟只能开关200次,但因为机器是芯片,它可以每秒开关10亿次,比人脑快了500万倍。我们从脑子发出信号的传输速度是每秒钟120米,但在芯片里传输速度是光速,它的传输速度和计算速度都是我们的几百万倍。
第二,准。 现在我说10个数字,可能大多数人只能记住一半的数字,剩下的就忘了。因为人脑是非常不可靠的东西。但你现在下载一个1G的电影,一个比特都不会出错。如果错一个比特程序就不工作了,机器可以记得非常准。
第三,可复制,这也是最重要的一点。 机器脑袋里的知识是可以复制到其他机器的,但人不可以。
机器能够做出非常神奇的事情,但它仍然很笨,不能举一反三,驾驶要把每个场景当成一幅图像来处理,没有符号,没有情感,没有意识。所以我把今天的人工智能叫做:“智商偏科、情商为零。”
马云说的对不对?
马云前两年说大数据、人工智能让我们可能回到一种新的计划经济,这遭到一线经济学家的痛斥,我现在从一个企业家的角度来跟大家探讨一下马云说的对不对。
大家知道市场有供给和需求,如果是一个已知需求的市场,比如矿泉水的消耗量,你能把它的信息收集得非常准确的话,确实很有用。
马云说:“我对于你老婆的消费习惯比你还熟悉。”剁手党天天在他那儿买东西,他肯定比你熟悉。
美国就出了这么一件事,塔吉特公司有天给一位父亲写了一封信:“恭喜你女儿怀孕,我们可以给你提供这些婴儿产品。”结果父亲非常愤怒,他女儿才上初中就乱发这种东西,写了一封信抗议。塔吉特说不好意思,因为你女儿在我们的网站上浏览的信息一般都是孕妇才会看的东西。结果她爸一问,女儿果然怀孕了。塔吉特比她爸更早知道他女儿怀孕。
过去哈耶克不是说信息不能收集吗?马云说我现在可以收集了,既然收集就可以集中,既然可以集中就可以计划了。
如果是一个已知的需求,他说的确实不错。但即使在一个存量市场,产品永远可以不断改进,比如矿泉水的瓶子可以更时尚。所以即使在一个已知市场,它的供给方的信息仍然藏在企业家脑子里,仍然没有办法集中搜集。
至于未知的需求就更不用说了,乔布斯说我的市场调查就是每天早上出门的时候对着镜子看自己。当然他这是开玩笑的,iPhone是2007年出来的,如果2006年他跑到中国大街上拉着一个人说,你觉得一个智能手机应该有什么功能?没有一个人能回答上来。
过去20年不知道多少家公司想做掌上电脑的都失败了,亏得血本无归,但苹果一直在尝试,到2007年的时候所有的技术都成熟了,达到了用户的基本需求之上。但这个过程经过了无数的试错和失败,这些东西在乔布斯的脑子里,你到哪儿去收集这样的信息?就算你能收集来,谁去做这样试错的财务的责任?不知道多少公司都赔了,包括风险投资公司,包括企业家自己。
所以企业家这种创新精神,这种试错精神是永远无法被收集的,不管你有多强大的电脑或者多强大的数据都无法收集。
结论就是马云不是完全说错了,只是在已知需求的这个市场上,大数据、人工智能有用,在已知的供给上用处不大,在未知的不论是供给和需求市场上都是一点用都没有。 所以只要把市场看成是由供给拉动的,大数据和人工智能就永远不可能代替企业家精神。
编辑:马晓龙
本文已标注来源和出处,版权归原作者所有,如有侵权,请联系我们。