說明：1.本人非AI技術(shù)人士，斜體部分為個人觀點，可能有錯誤。2.正楷體部分為引用演講原文，為個人學(xué)習(xí)、研究或者欣賞使用。3.感謝第四范式，感謝楊強教授的分享！
2月27日演講原文鏈接http://mp.weixin.qq.com/s/pVNQ54ht86b1qWqjOw5TBg
一，AI 成功的5大必要條件：高質(zhì)量的大數(shù)據(jù)、清晰的問題定義和領(lǐng)域邊界、懂人工智能且擅長應(yīng)用和算法的跨界人才、足夠的計算資源、持續(xù)的外部反饋。滿足這五個條件的領(lǐng)域，才有可能在未來出現(xiàn)人工智能的爆發(fā)。（筆者私評：前百度首席科學(xué)家Andrew 吳恩達也表達過，AI的發(fā)展受制于4大因素，計算能力，數(shù)據(jù)量，算法，人才。個人認為，計算能力相當于智商，巨大的數(shù)據(jù)量相當于清華北大的課程，算法相當于思維方式，人才就是機器的老師——一個腦力智商超高的學(xué)生，在清北名師的調(diào)教下用科學(xué)的思維方式學(xué)習(xí)高端課程，成功可想而知）
二，AlphaGo為我們帶來了什么
1.AlphaGo創(chuàng)造性的用深度學(xué)習(xí)和強化學(xué)習(xí)的結(jié)合來做兩種任務(wù)的判別，能識別“當下棋局的形勢”，并“預(yù)判有利的走向”，這個可以擴展到其他領(lǐng)域，例如球賽的分析和針對當下情況的排兵布陣……
AlphaGo通過自我博弈來進行數(shù)據(jù)積累，證明在封閉式游戲中，自我博弈在數(shù)據(jù)積累層面的有效性。
我們?nèi)绻刂聡宓牟襟E走，就要面對這些問題：你的人工智能算法的目標是什么？有沒有數(shù)據(jù)？數(shù)據(jù)在哪里？問題的邊界是否清晰？什么叫合理的走法、什么叫犯規(guī)的走法？你的特征在哪里？又如何得到這些特征？是否可以得到一個持續(xù)的反饋？這樣的一個流程是AlphaGo設(shè)計團隊所走過的路。不妨把這些步驟記下來，變成一個workflow，看看其他的領(lǐng)域是不是可以重復(fù)AlphaGo的成功。比如，如果用AlphaGo治療癌癥，如何治療呢？治療癌癥一般是用放射性來殺掉癌細胞，而每一個癌癥患者需要的劑量、角度、頻次可能都不一樣，如果能把所有的這些信息都記錄下來，再記錄治療結(jié)果，因為結(jié)果不是馬上就知道的，而是經(jīng)過一段時間才知道，這樣就有了數(shù)據(jù)、有了特征、有了問題持續(xù)的反饋，并且有了非常清楚的目標，即在副作用最小的情況下殺死癌細胞。并且這個workflow是可以重復(fù)的
AlphaGo無疑刷新了人們對人工智能先進度的預(yù)估，從技術(shù)角度來講，AlphaGo是一個里程碑，其團隊的workflow，也許會對其他領(lǐng)域有很大的借鑒作用，例如癌癥的治療，提供巨大的想象空間！——不單是產(chǎn)品邏輯的workflow，阿法狗的成功（高超的計算能力，創(chuàng)新的可預(yù)測當下形勢和未來趨勢的算法，自我博弈的數(shù)據(jù)獲取方式）來自于人才的引導(dǎo)，同樣是workflow！此外，人工智能并不能片面的認為就是機器學(xué)習(xí)，機器學(xué)習(xí)依賴于很多邏輯推理和知識邊界的問題，隨著AI的進一步發(fā)展，這些領(lǐng)域都會更加細分，分工明確意味著技術(shù)進步，同時意味著市場巨大，這是一個新的創(chuàng)業(yè)領(lǐng)域。
二，AI的技術(shù)風(fēng)口在哪？
1.深度學(xué)習(xí)會繼續(xù)發(fā)展——表示學(xué)習(xí)（對非結(jié)構(gòu)化數(shù)據(jù)的利用是大利好。表示學(xué)習(xí)先把非結(jié)構(gòu)化的數(shù)據(jù)作為原始數(shù)據(jù)，訓(xùn)練出一個統(tǒng)計模型，再把這個模型變成某種知識的表達。最終可以達到這樣的效果：給出一段話讓機器去閱讀，機器學(xué)習(xí)可以自動地發(fā)現(xiàn)一些值得關(guān)注的點）表示學(xué)習(xí)對于自然語言中的知識學(xué)習(xí)大有益處，也許機器像人類學(xué)生一樣在學(xué)校學(xué)習(xí)將成為現(xiàn)實。此外還有深度學(xué)習(xí)模型的結(jié)構(gòu)設(shè)計，如何讓邏輯推理和深度學(xué)習(xí)一起工作等，都是可能的技術(shù)突破點。
2.遷移學(xué)習(xí)——通俗解釋就是有ab兩位學(xué)生，b專門學(xué)習(xí)語數(shù)外理化生的知識，a專門學(xué)習(xí)b在不同領(lǐng)域的學(xué)習(xí)方法，最終a知道每門學(xué)科的學(xué)習(xí)方法，并且可以觸類旁通的迅速在新學(xué)科學(xué)的很好…然后輸出a的能力。
3.自然需要的表示學(xué)習(xí)與機器閱讀——表示學(xué)習(xí)已經(jīng)解釋過了，機器閱讀建立在表示學(xué)習(xí)的基礎(chǔ)上，計算機可以看懂高考中的“閱讀理解”，可腦補這將是怎樣的技術(shù)進步！
4.人機對話領(lǐng)域，演講者認為人機對話領(lǐng)域已經(jīng)發(fā)展到臨界點，數(shù)據(jù)已經(jīng)足夠多，可能會有質(zhì)變的產(chǎn)生。
5.強化遷移模型——說實話沒看懂，知識積累不夠，只是讀書筆記的水平…需要惡補一下再回來完善
6.人工智能的可靠性模型——小白用戶拿一些人工智能的模塊來搭一個系統(tǒng)，這個系統(tǒng)就應(yīng)該能被搭出來，而且它的效果應(yīng)該是在一個固定的范圍以內(nèi)的，所以人工智能應(yīng)該像軟件工程一樣做出來。
三，AI商業(yè)的風(fēng)口
智能客服——大量的數(shù)據(jù)積累，很多AI玩家在這個領(lǐng)域做了很多創(chuàng)新，突破之日也許不遠。
新聞領(lǐng)域——新聞可以推送給特定用戶，新聞可以由機器來自動寫了。今日頭條等很多內(nèi)容類app已經(jīng)做到了智能分發(fā)，部分科研機構(gòu)已經(jīng)能夠讓機器自主寫作武俠小說。
特定任務(wù)的智能機器人——目前已經(jīng)有機器人通過人工操作遠程開刀手術(shù)，遠程抓取物品，假以時日數(shù)據(jù)量足夠了，可以自動化操作。
醫(yī)護領(lǐng)域（無障礙輔助領(lǐng)域）目前痛點強烈，能夠提供類似于“保姆，或者導(dǎo)盲犬的服務(wù)從不缺需求方”目前需要數(shù)據(jù)積累…
AI有機食品——香港有的工廠已經(jīng)可以用非常科學(xué)的方法，知道溫室里最好的一顆菜生長全周期的光照，氣溫，肥料等情況，將這顆菜的生長環(huán)境用機器學(xué)習(xí)學(xué)會，可以培育高品質(zhì)蔬菜。
金融領(lǐng)域的智能投顧——螞蟻金服，百度都已經(jīng)在做這塊了…
四，多年后的AI社會
人與機器共存，共同推動社會的發(fā)展
