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。