毋庸置疑，人工智能已經(jīng)成為現(xiàn)階段的主流概念，但是如此廣泛的概念到底會以怎樣的形式落地？許多人給出了不同的答案。

 

　　在云知聲CEO黃偉看來，人工智能在今天火起來的原因有很多，包括產(chǎn)業(yè)環(huán)境的成熟、數(shù)據(jù)量不足以及沒有處理能力等等。但是人工智能經(jīng)過兩次高潮的時候，最關鍵的問題是沒有滿足需求，這次的熱潮能成功的因素在于能夠落地，以及工業(yè)界環(huán)境的滿足。“當技術能力達到一個臨界點，意味著顛覆的機會到了。”黃偉在今日舉辦的獵云網(wǎng)解碼人工智能峰會上稱。

 

　　黃偉表示，人工智能一定跟行業(yè)需求結(jié)合，一定打通數(shù)據(jù)和應用的閉環(huán)，只有這樣數(shù)據(jù)和技術才能形成雙輪驅(qū)動。這是為什么云知聲先從行業(yè)切入的主要原因。

 

　　人工智能如何驅(qū)動產(chǎn)業(yè)化驅(qū)動？其實從Alphago這個事之后，這個熱潮到今天為止已經(jīng)一年多。一年期間我們不僅看到行業(yè)內(nèi)部，資本市場甚至大爺大媽都做人工智能。今天大家一見面，如果嘴里沒有人工智能這個詞你感覺已經(jīng)Out了。但是過去一年我們生活發(fā)生什么改變？好像也沒有什么。其實人工智能這個概念提出來已經(jīng)61年，那么前兩次為什么失敗了？當然我們有很多解釋，比如說當年產(chǎn)業(yè)環(huán)境不成熟，我們沒有數(shù)據(jù)、沒有處理能力、沒有好的算法。

 

　　但是有一個共同的特點是什么？人工智能在過去的兩次高潮和低谷的時候，有一個共同特點是沒有滿足需求。我們的期望值和現(xiàn)實能力之間有巨大的差別，市場對能力的期待總是有時間窗口，那么在一定時間之內(nèi)達不到，公眾的熱情就會散去。所以我想談的就是，人工智能如果不能落地的話，那就真的是幻影。那么恰恰這一年我們作為從業(yè)者如履薄冰，戰(zhàn)戰(zhàn)兢兢，有人問我人能不能和機器人談戀愛？我覺得有生之年是不可能的，那種強人工智能，通用人工智能離我們很久遠。

 

　　我們簡明扼要的列出了人工智能的要素，第一點是大數(shù)據(jù)，第二是機器學習算法，第三是我們今天擁有的，歷史上不可比擬的計算能力。這三個要素相當于把一個火箭飛向太空，需要有燃料，有耐高溫的平臺還有大引擎，這三個缺一不可。那么深度學習出現(xiàn)之前，統(tǒng)計學習壟斷著機器學習這個領域。我們可以看到統(tǒng)計學隨著數(shù)據(jù)規(guī)模的增加，它的性能會有一個飽和度，就是不再增加了。但是深度學習恰恰可以增加，它可以把CPU、GPU以及超算能力非常完美的結(jié)合在一起，但是深度學習是一個黑盒子，我們知道它好用但是不知道為什么好用？我相信深度學習往下走，依然會遇到它的天花板。

 

　　前面我潑了冷水，大家覺得人工智能是不是沒有什么期待？但是人工智能和前兩次，第三次的人工智能的高潮和前兩次不一樣。一個外在的表現(xiàn)是什么？過去兩次人工智能的高潮都是學術體系在主導，或者是學術界的集體自嗨。這次不一樣，這次熱潮是工業(yè)界引導。比如我們參加無論是視覺、音頻的國際的學術會議，你會發(fā)現(xiàn)最好的講解者都是來自谷歌、亞馬遜頂尖的工業(yè)界。今天看到谷歌研發(fā)TPU，英偉達的股價翻了好幾倍。那么芯片的目的就是用標準化的，非常低成本的方式來滿足需求，所以這是和前兩次非常大的不同。

 

　　那么之所以不同是因為深度學習、增強學習這些新技術出現(xiàn)，再結(jié)合互聯(lián)網(wǎng)、IOT能夠讓我們獲得海量數(shù)據(jù)，使得我們在機器翻譯、視覺、語音識別、自然語言理解，幾乎所有的領域里面我們可能最近幾年取得的突破，比過去二十年三十年都要大。比如說語音識別，語音識別的準確率已經(jīng)超過人耳，視覺方面，人臉識別也超過了眼睛。那么當技術能力達到一個臨界點，意味著顛覆的機會到了。

 

　　所以我們可以看到在很多領域，比如識別、醫(yī)療、券商、互聯(lián)網(wǎng)大數(shù)據(jù)、教育、銀行保險等各個領域。其實機器學習今天我們不是說簡單的提高效率，我們甚至可以改變整個行業(yè)。我們一般會需要速記，但是以后不需要了，因為今天的講話會實時生成文字，那么意味著速記這個行業(yè)被顛覆了。還有很多領域，比如把機器學習用在金融和投資方面，它可能取得比我們交易員更好的一個交易結(jié)果。

 

　　一個很有意思的事情，我們今天都知道深度學習有一個大神，就是Hinton教授。我想說一個點，云知聲我們在2012年12月底的時候，我們把基于深度學習的引擎上線，我們做了第一個插件，上線一周激活用戶超過五萬，可能很多用戶當年用過深度學習，你們感覺到了嗎？沒有。到Alphago事件之后我們看到很多大學很多機構(gòu)都在說深度學習，其實深度學習對我們的改變，就是從2006年Hinton教授開始做深度學習，微軟第一次把深度學習用在工業(yè)領域里，我們還是領先的，我們2012年把深度學習工業(yè)化上線。直到今天深度學習幾乎改變我們所有行業(yè)。

 

　　我希望今天讓大家明白什么是人工智能，什么是感知認知和表達決策。什么感知？圖像識別是把圖像IP化。認知，比如自然語言，還有決策、推理，這些都是和人的思維和接近，但是又很難做的。還有一點是表達，我們用例子來舉例。比如語音識別，感知就是從識別開始的。認知就是我來理解你文字里面到底什么意思？表達是什么？我通過推理讓機器自己組織語言然后把這個表達出來。

 

　　視覺方面是什么？比如攝像頭，我監(jiān)控這個區(qū)域，我通過感知技術來識別每個人的面孔，然后把它ID化，如果ID跟黑名單匹配，那么說明這個人是一個嫌疑犯，這時候表達是什么？公安局來抓人，這就是表達，其實就是這么一個過程。當然這里包含的點非常非常多。這是我們在過去幾年里面我們的技術框架的大概進展，我們剛成立之后第一代版本用的并不是深度學習，是統(tǒng)計學習。就是非常傳統(tǒng)的統(tǒng)計學習，當時我們比較好的一點，幾乎當時在國內(nèi)，基于統(tǒng)計我們把性能做好極致，我們用友商四分之一過程五分之一的數(shù)據(jù)量，達到比對方更好的性能指標。統(tǒng)計學習是一個環(huán)節(jié)一個環(huán)節(jié)套一起，我學生時代就是做語音識別，所以以前的經(jīng)驗起了很多幫助。深度學習就是你有數(shù)據(jù)有GPU，可以得到很好的數(shù)據(jù)。

 

　　我們當時應該是基本上國內(nèi)領先這個行業(yè)，我們率先開發(fā)出一個基于深度學習的引擎。今天我們已經(jīng)3.0版本，不光是感知層面而且是認知層面，識別精度、識別速度都比過去有非常大的提升。那么這就是算法層面。另外就是計算能力，其實技術的PK，某種意義也是一個競賽。你不可能指望一個團隊用非常少的數(shù)據(jù)非常少的計算單元能得到和巨頭能夠匹配的性能，這是不可能的。所以說在過去五年里，其實我們不光在算法方面，在優(yōu)化迭代和超算能力，在數(shù)據(jù)量方面做了很多儲備。比如說在2015年我們發(fā)布了我們的操作平臺，在當時那個時間我們鏈接接近兩百個GPU，這個數(shù)量級可以跟國內(nèi)行業(yè)巨頭去PK的，去年9月份我們發(fā)布了分布式操作系統(tǒng)，一個是硬件一個是軟件，可以非常好的結(jié)合在一起。

 

　　另外一點是作為一家創(chuàng)業(yè)公司，我們很早意識到數(shù)據(jù)的價值，公司成立三個月我們發(fā)布完全免費的開放語音平臺。到今天云知聲的語音云服務已經(jīng)接入超過一億臺設備，這個為云知聲往后面的發(fā)展做了非常好的數(shù)據(jù)方面的儲備。那么人工智能和商業(yè)是良性循環(huán)，人工智能一定跟行業(yè)需求結(jié)合，一定打通數(shù)據(jù)和應用的閉環(huán)，只有這樣數(shù)據(jù)和技術才能形成雙輪驅(qū)動。這是為什么我們先從行業(yè)切入的主要原因。

 

　　人工智能其實是一個很炫的東西，很虛，它是一種能力，是一種賦能，和行業(yè)結(jié)合，它一定需要一個載體。我們當時在國內(nèi)提出云端芯的概念，今天看到幾乎所有大公司小公司都接觸這種概念都這么做，我們通過一種芯片的能力提供給大家。這是我們的商業(yè)邏輯，一縱一橫，一縱就是我們一定在一個領域里面，從技術層面，無論是云端服務、終端服務還是芯片，從軟件到硬件打通，形成技術壁壘。一橫，我們希望把準化的技術和服務能夠同時覆蓋若干領域。今天我們主要是兩大方向，一個是智慧生活一個是智慧服務。智慧生活我們是以智能家居、車載為主，智慧服務是以教育、醫(yī)療為主。

 

　　我們從2014年底開始切入后方車載，車載就是AI服務+AI UI，在后端云知聲的方案有接近70%的市場份額。第一段是空調(diào)控制，大家看到很簡單，但是實際上很難。為什么很難？因為剛才類似于Echo的識別，只是用現(xiàn)有的芯片，這是今天在工業(yè)界的最高標準。后面是類似Echo，比如多輪對話、打斷對話。我再強調(diào)一下AI和產(chǎn)業(yè)結(jié)合，成本是你必須考慮的問題。比如做一個特別復雜的云端系統(tǒng)，我只要拼數(shù)據(jù)拼資源，這是比較容易做到的。但是有限資源的情況下面達到這樣的效果是必須難的。

 

　　另外是智慧生活，我們首先從醫(yī)療切入。我們?nèi)ツ旰蛥f(xié)和醫(yī)院我們把語音技術應用在醫(yī)院的病歷錄入里面。目前為止云知聲是國內(nèi)唯一一家把語音系統(tǒng)在醫(yī)療行業(yè)里面實際落地，今天我們從去年7月份之后，我們目前在國內(nèi)已經(jīng)落地了30多家三甲醫(yī)院，今年國內(nèi)有一百多家醫(yī)院使用云知聲的系統(tǒng)。這個系統(tǒng)第一極大的提升醫(yī)生效率，使得協(xié)和醫(yī)院病人錄入時間從三個小時節(jié)約到一個小時之內(nèi)。

 

　　我們以前很多是用復制的方式，但是這樣會產(chǎn)生大量的錯誤，有80%是來自拷貝。我們講醫(yī)療大數(shù)據(jù)，哪兒來的數(shù)據(jù)？一個醫(yī)院今天有一萬病人，9800都是復制過來的，我們有大數(shù)據(jù)嗎？沒有，但是通過這種方式我們每天可以產(chǎn)生大量的真實數(shù)據(jù)。協(xié)和醫(yī)院已經(jīng)全面部署，大家可以看到很多科室協(xié)和醫(yī)院用這種方式給大家錄病歷了。

 

　　我們怎么用技術和行業(yè)結(jié)合，讓社會看到人工智能的威力，另外一點通過技術和商業(yè)結(jié)合，使得數(shù)據(jù)和技術之間能夠形成一個正向反饋。現(xiàn)在我們每天可以源源不斷的獲得大量醫(yī)學上面的數(shù)據(jù)，一方面使得云知聲在這個領域技術門檻越來越高，另外一方面使我們可以給用戶提供更好的服務。

 

　　我們今天做的所有工作使得每個設備變得更加智能化，類似我們從09、2010年我們將功能機向智能機過渡，但這個單機智能到最后一定會過渡到點滴智能，每個設備有感知能力有認知能力，而且設備之間有互相學習能力，只有這樣才是真正的萬物互聯(lián)。這是今天我們從業(yè)者我們努力的方向我們想做的事情，我覺得這些方向如果我們真的能夠，不是在云端我們每天去講故事，而是我們真正把它落地，這個方面我們可以腳踏實地的往下走。