速感科技CEO陈震：人工智能的下一爆发点将偏向真正模拟人的行为派

今日，在2017年度CEO峰会暨猎云网创投颁奖盛典上，速感科技CEO陈震小葱参加了主题为《人工智能的泡沫与赛道，真正机遇何时来？》的圆桌论坛。

陈震讲道，在整个泡沫盛行风口期，目前很多所谓的人工智能企业，在技术上，都是给定一个输入，再给到一个输出，让机器在没有任何其它监督情况和其它数据的情况下，通过自我学习、自我进化来完成工作。

但是，对于如今很多人工智能创业公司而言，真正的机会不在于前端的技术领先性，以及前端DEMO的酷炫性，而在于进入后面低谷和平稳期，如何在垂直领域创造有技术壁垒的产品，对技术的挖掘。

同时，因为人工智能的强大计算能力，便产生很多人类被机器替代的声音。对此，陈震认为，人工智能并不是像大家所理解和想象的那样无所不能，而且它的识别精度、准确度以及计算能力是非常受限的。

所以，他觉得，如今的人工智能技术离真正我们在科幻大片里看到的钢铁侠智能管家还有些远，至少在五到十年内，是不会发展到这样的阶段。未来人工智能将替代很多低级化的重复的劳动。当这些工作被替代后，也让人类有更多时间去思考，做自己最擅长的事情。

就此现状，他预测下一个人工智能的爆发点是真正模拟人，提供智能设备，让智能设备思考的行为学派。在产业方面，人工智能在很多垂直领域和垂直细分产业链上，依然存在机会。

本次峰会以《赋能万物 智领未来》为主题，由猎云网主办，锐视角、猎云资本、AI星球协办，分为28日—29日两天，主要以优秀创业者、投资人表彰以及创投嘉宾干货分享为主。近百位知名投资机构大咖，独角兽创始人、创业风云人物、投资人与创业者就人工智能、共享经济、新零售方向的多个议题展开探讨，共同寻找创业新商机、把脉未来新方向。

以下是陈震的圆桌谈话实录，猎云网（微信： ilieyun
）整理删改：

吕梦（主持人）：大家好，我是猎云网记者吕梦，很高兴参加这场圆桌。首先想请台上的嘉宾跟我们做一个自我介绍。

陈震：大家好，我是速感科技的陈震。速感科技是一个拥有智能移动终端、智能家居、服务机器人和工业机器人、智能移动装备，用视觉融合技术解决路径规划、导航等等一系列的问题的公司。我们在下游供应链有30家合作用户。

吕梦：大家是人工智能细分领域，今年也看到很多人工智能项目，无论是什么领域都会加上人工智能这个概念，我想听听大家的意见，当所有业界甚至上一辈人都在说人工智能，大家觉得是一个机遇，还是说它有很多泡沫存在。

陈震：今天有很多人工智能公司，大家关注的一些点，大多关于像新技术发展曲线。一个新技术发展曲线属于萌芽期、发展期，低谷期、到成熟期，人工智能这项技术今天已经进入新技术发展最顶峰阶段。最顶峰面临另外一层含义，在今天处于高度泡沫期。

我们可以看到，如今有大量的BAT公司布局人工智能技术，有从人工智能算法，或者早期通过各种各样的算法竞赛，从而刷新各种各样竞赛指标排名。

今天，更多人工智能创业型的公司更关注在后端如何将这些算法应用在实际的产品应用层面。所以，在整个泡沫盛行风口期，我觉得对于今天很多人工智能创业公司，真正的机会不在于前端的技术领先性，以及前端DEMO的酷炫性，而在于进入后面低谷和平稳期如何在垂直领域，有技术壁垒产品性、技术性的挖掘。

吕梦：人工智能赢了围棋，让大家有人工智能威胁论，各位嘉宾怎么看威胁这个词，未来人工智能是不是真的可能会有一天控制人类的意识？

陈震：我在学校关注过人工智能发展情况，到去年是人工智能60周年，很多人会说人工智能的发展。其实，今天深度学习还有智能神经网络是人工智能细分学派，连接学派，提高图像、语音方面，包括生命科学、机器学习在这些领域如何帮助他们提高图象识别精度。

人工智能大学派，里面有一个行为学派才是真正我们所看到科幻片里面所提到的，让这些人工智能机器、设备，机器人具备人的一些情感。像学位学派，更主张人工智能新技术和我们今天的情感、心理学、逻辑学这些其实结合到一起。

所以，我们其实可以看到，今天很多的所谓的人工智能这些技术都是给定一个输入给到一个输出，今天讲非监督式学习、强化学习，帮助机器在没有任何其它监督情况和其它数据的情况下通过自我学习、自我进化来完成这部分的工作。

但是，我们也看到人工智能三次兴起，两次低谷，第一次因为技术第二次因为计算，第三次因为拥有了海量数据。对于整个连接学派，人工智能识别精度，还有输出结构也是受限的。在这种情况下，人工智能威胁论促使人们产生更高的联想，通过更高的联想才衍生出第一个问题，人工智能的  泡沫。因为大家非常多的联想性，导致让人觉得人工智能无所不能。

今天来讲，人工智能并不是像大家所理解和想象的那样无所不能，而且它的识别精度、准确度以及它的计算能力是非常受限的。所以，在这方面，离真正我们在科幻大片里看到的钢铁侠智能管家，我觉得接下来5到10年都不会发展大这样的阶段。

吕梦：我个人觉得小数据量的计算，因为人工智能是需要大量数据积累，人脑相对来说训练一个东西不需要那么长的时间。拓展新的就业方向？

陈震：在这上面，我们可以类比一下，基本上现在大部分的学术界还有产业界都认同的一点。

我们现在身处第四次技术革命区间里面：第一次的工业革命，实际上是蒸汽机代替了很多纺织的重复的劳动工作；第二次工业革命，实际上是带来内燃机包括电力在很多新部门的应用；第三次革命，看到原子核能像一些PC这些时代应用；这一次人工智能，芯片、传感器的提升。

而在所有垂直领域里面，与以前重复性劳动性的工作相比而言，人工智能可能会让今天很多重复性的低级化的劳动工作被逐渐替代。当人们从重复性劳动工作解放出来后，就可以有更多时间去做思考，去做跟人文艺术相关这部分的工作，我们可以看到这也是人最擅长的地方。

刚刚我也提到了，人工智能目前最兴盛的学派是连接学派，所能做的事情就是计算，大量重复的计算。中科院有这些专家就在讲，真正的人脑相比于今天类人一样的机器深度学习芯片而言，

之前，有很多做过动物性的实验包括人体心脏、肠等，其实都会有一个小型类似于人脑决策的机制。今天很多生物学家研究肠脑，大肠和小肠跟我们人脑一起做相关性的决策。1976年之后，整个神经网络都是在讲模拟人脑里面的神经网络节点，但是却忽略了人的整体行为上面，有很多不同的器官之间的组合，才构成一个人身体上的行为。

所以，我认为下一个人工智能的爆发点是在行为学派，行为学派才是一个真正模拟人，在科幻里面提供智能设备，给智能设备赋能和思考的问题，这是人脑和人工智能计算最有区别的地方。

吕梦：大家都在说AI基础还是海量的数据，BAT他们掌握了这些数据，台上都是创业公司，大家觉得在这个时候在数据可能被更多巨头掌握的时候，我们的机遇在哪里，一句话总结一下。

陈震：第一，本身我是学计算机的，我会更多从计算机出发。比如，过去30多年计算机思维领域的发展，一个是学习几何领域，今天所说的BAT，都是学习领域里边人脸识别、物体识别、语义识别。

但是，他们同样属于人工智能，而且同样具有价值性。

所以，今天很多巨头依赖背后海量数据做了识别、分析，但是忽略了一点，在非学习几何领域这几年突破性的算法，在嵌入式端、末端进行了更深的移植还有更深层次的转移。

第二，提到人工智能大家就会想到BAT，但是我想说的是，今天其实大部分或者很多人工智能公司，并不清楚整个自己行业用户和自己在产业链里面的地位是在什么地方。BAT只是今天互联网公司向移动互联网型转型的工作，大量人工智能依赖产业链上下游，特别像上游芯片技术公司、光学模组公司和它的下游家电公司、汽车公司。

我们看到，BAT互联网型公司所能提供现在产业的价值仅仅是云端的架构、云端计算资源和海量数据，不能提供给整个产业链的价值就是它的上游。而芯片等关键性的零部件，可以提供关键性的解决方案，和面向下游关键性集成。在很多垂直领域和垂直细分产业链上，人工智能公司依然存在机会，尤其是在上下游互补，对关键性零部件和解决方案的理解等方面。