我们对人工智能技术发展的基本愿望，就是人工智能成为人类的工具，成为一个即插即用的工具箱。 6月24日，人工智能先行者大会暨黑马大赛人工智能分赛在京举行，近千名人工智能产业相关创业者、投资人、产业专家参会。本次活动由创业黑马与人工智能新媒体平

　　我们对人工智能技术发展的基本愿望，就是人工智能成为人类的工具，成为一个即插即用的工具箱。

　　6月24日，人工智能先行者大会暨黑马大赛人工智能分赛在京举行，近千名人工智能产业相关创业者、投资人、产业专家参会。本次活动由创业黑马与人工智能新媒体平台黑智联合主办，联合冠名商摩比神奇与战略合作伙伴铂诺对活动进行了支持。

　　会上，创新工场AI工程院副院长王咏刚发表了题为《创新工场的AI布局》的演讲。在他看来，大众认知的人工智能和实际的人工智能存在着很大区别，人工智能技术在很多方面还等待破局，创新工场在技术研发、培训、投资等多方面在人工智能领域的投入，最终最期待的未来是，让人工智能真正成为人类的工具，成为一个“即插即用”的工具箱。

　　以下为王咏刚演讲，经黑智编辑：

　　大家好，我是创新工场AI工程院的副院长王咏刚，去年加入创新工场，之前在GOOGle做了10年的工程师。

　　今天，我想给大家分享的是创新工场在人工智能领域的投资布局。我们到底怎么看待人工智能现在所处的现状，在面对投资、创业、技术研发等问题时，都会考虑哪些问题？

　　其实，对于很多不是搞技术、创业或者投资的人，“人工智能”这四个字大概是2016年3月AlphaGo和李世石下棋后，才进入到他们的视野，才知道人工智能原来和自己的生活有关。但他们往往会把人工智能理解成科幻小说中写的人工智能，担心是不是在未来某一天，人工智能能够毁灭人类。

　　如果我们不去科普，用科学或者符合技术逻辑的方法，让更多的普通人了解什么是人工智能，那无论是在创业还是投资上，都会存在很大的问题。

　　比如，我在和一些大型集团的业务线老总谈人工智能时，他们经常会问到这样一个问题：“你们现在投了那么多人工智能项目，做图像、声音、无人驾驶、自然语言等方面的创新，这些创新不是在给人类掘墓吗？”他们认为这种新的技术最终会统治人类，垄断资源，甚至让人类走向灭亡。

　　这确实是一些人对于人工智能非常真实的反应。

　　创新工场在做技术研发和投资的同时，花了大量精力做相关的科普工作，主要想告诉大家，今天的人工智能科学技术和科幻电影里说的人工智能，基本上是两件事。

　　如果将我们人类的进化用机器学习来比喻的话，那它也有一个目标函数，但这个目标函数和我们给机器设定的目标函数会非常不一样。因为，人类的进化是大自然在几十亿年时间内，从低等到高等，从简单到复杂，不断进化而来。这个目标函数大致就是保证自己的种族繁衍，同时保证能够尽可能多的占领地球资源。

　　这和科学家、研究者、工程师，给现代机器、人工智能设定的目标函数，根本不是一回事。我们给人工智能设定的目标函数，往往是你对图像识别的错误率尽可能低，你对人类语言从英语映射到中文的准确率尽可能高，它是这样一种非常具体的，基于任务的目标函数。

　　正是因为这种本质上的不同，所以我们会说今天所有人工智能的科研、技术、产品和创业，只是人类的工具。如果要说1000年、10000年以后的事情，那我相信这个事情的结局会非常的开放。

　　怎么看待今天的人工智能技术？这是创新工场对今天人工智能技术发展过程，以及未来可能在哪些领域取得突破，做一个简单的理解。

　　今天人工智能的发展，是基于深度学习在2006-2010年间取得了一系列的理论突破。现在还在吃这个老本，把它应用到图像、声音、文本，以及所有有大数据的领域中。

　　但是，今天正在取得成果的很多技术，都可能在不远的将来，真正转化为产品和竞争力。比如增强学习，大家可能已经在AlphaGo中看到了它非常强大的威力。事实上，增强学习在机器人(行情300024,诊股)、无人驾驶，以及所有涉及到环境感知的领域都有非常强的应用场景。我们也非常关注增强学习和每一个具体商用领域、具体落地产品的关联。

　　再比如说迁移学习，今天人工智能在这块的表现非常差，甚至不如一个小孩。当一个小孩开始理解世界，在进入新的领域时，根本不用像现在的计算机那样学几万、几十万、几百万张的图片。他们只要看两三个样本就可以进入到新的领域，只要看一个具体的分析，就可以从中抽象出这个领域某一个对象的特质。

　　所以，如果我们没有办法在迁移学习上取得突破，也就没有办法让人工智能从已有的知识推广到另一个领域，或者从已有的数据推广到另一种数据。那么，我们就永远被拴在人工智能必须是算法和大数据结合这样一个等式上。

　　可喜的是，科研界现在有非常多关于迁移学习的新技术和新产品出来，这些技术什么时候能够在创业领域开花结果？我相信大概在几年时间内。

　　跨领域自然语言理解技术，是我们关注另一个重点方向。几十年来，人工智能界都会把自然语言理解叫做“人工智能皇冠上的明珠”，原因在于自然语言理解是一个远复杂于图像理解、语音理解、大数据理解的非常复杂、完全崭新的领域。

　　在自然语言理解领域，数据的维度空前高。数据本身的灵活性、信息的灵活性，信息和每一个标注对应关系的复杂度，都远远高于图像和语音领域。在这个领域，我们几乎不敢苛求100%的理解。因为100%理解自然语言、通过图灵测试的计算机，就已经跨入了强人工智能的门槛。接下来的超人工智能、毁灭人类的现象，有可能随之到来。

　　但是，如果把自然语言理解的精通设定为100分的话，现在可能只做到了5分。从5分到50分，从50分到60分，从60分到80分，这里面有非常多可以扩展的空间和进步的地方。

　　我个人在Google 10年间做自然语言方面的东西，更倾向于预测在下一步自然语言理解领域，翻译技术有可能取得实质性的突破。去年已经看到Google在翻译技术方面里程碑式的论文。

　　未来三五年，或者再多一点时间，也许所有的人都不需要再学任何外语，我们到任何的国家都可以用一部手机无缝交流。它可能达不到人类智慧的标准，但是可以处理像翻译、智能助理、客服应答这样基础的任务。

　　经过三年、五年、八年、十年的发展，我们相信，所有的人工智能前沿技术，会变成一个非常好用、便捷的工具箱。做技术的都知道，现在已经有很多开源的人工智能技术，像Google的TensorFlow，类似这样的框架至少有几十种。

　　从今天的TensorFlow，GPU、TPU的管理，Docker这样的封装、集成，到未来即插即用、即开即用的人工智能解决方案还有多远？我相信这个距离也不是那么远。