李开复：AI创业的十个真相

　　“重仓”人工智能，是李开复和创新工场未来几年的方向。但是，他面临一个很重要的问题：现在的 AI 创业，核心是 AI 科学家，而“文能起笔安天下，武能上马定乾坤”的AI 科学家凤毛麟角，用他的话说“该创业的都创业了”。

　　这时，产业在面临一步棋。那就是：如何把一个普通的AI 科学家变成“创业英雄”。

　　作为三十年前就开始研究人工智能的李开复，觉得自己“技术范儿”的创新工场有能力推动这步棋，并且在这一步棋中获得稳固的战略优势。

　　李开复告诉雷锋网，

　　AI 创业现在是科学家的天下，之后是数学家的天下，将来是普通人的天下。

　　以下是李开复在《创新工场人工智能战略白皮书》发布会上的闭门分享，雷锋网将其整理成为《李开复：AI 创业的十个真相》，呈现给读者。

　　AI 科学家都是超级宅男

　　创新工场本身主营的机构是投资和投后的机构，我们当然是看项目，看创始人，他们有 idea、方向，我们就会用基金投资它。

　　过去的互联网创业模式，已经非常经典地被《精益创业》描述：

　　几个小朋友随便做个产品上去，能融资就融资，不能融资就拉倒。怎么样去惠及用户，迭代产品，之后变现，成为经典的模式。

　　这个创业的模式，它的红利时代已经过去了。当然以后还会有，但是不会像以前那么多。创业的门槛大大提高了，因为人工智能是下一批创业方向，而人工智能创业里面很核心的人物其实是 AI 科学家， AI 的公司没有 AI 科学家是没戏的。

　　但是AI科学家往往都是超级宅男，自己宅在房间里面，整天做实验，突然你把他丢到一个残酷野蛮可怕的世界里，他自己创业成功率不是很高。

　　很多 AI 科学家一般这辈子从来没想过创业，现在突然想创业了，然后发现自己长板特别长，短板特别短：

　　他也许技术很牛，但是也许执行不够；

　　也许他的产品演示起来很好，但是一做起来都是Bug；

　　也可能他产品做得很不错，但是不懂市场；

　　或者懂市场但是不知道怎么去卖。

　　尤其 AI 本身又是一个 ToB 的业务，所以不是那么容易自己攒一个局。所以 AI 科学家需要懂商业的人，懂 ToB 的人，他需要工程师。

　　AI 创业“不美好”

　　我们平时都会把 AI 创业讲得很美好，今天我就跟大家讲讲 AI 不美好的地方。

　　第一个就是：AI 科学家有短板。

　　这一点刚才已经说了，我们要想怎么帮“宅男”补足短板。

　　第二个就是：AI 创业很贵。

　　刚才讲的“精益创业”很便宜，因为几个小朋友不拿薪水，用零元就可以把第一个 App 推出去。

　　我们刚投资一家公司，投了一个月以后钱就用完了。我说你们不就八个人怎么钱就用完了，给了你好几百万。但他们说，光买机器就用了三百万。

　　第三个就是：AI 需要数据。

　　识别一张图片，最少需要几十万张样本数据，甚至几百上千万。谁给你弄数据？

　　所以做人工智能投资有一个非常头大的地方：一下顶尖的人就投完了。

　　过去这两年我们就到处去扫，从最厉害的团队出来的无人驾驶公司投了两个，没投两个。然后就再也找不到团队了，因为有资格的人就那么多。

　　我们做互联网金融，扫完了以后大概投了三个，然后可能有一两个错过了机会，一两个没投，然后就没有了。

　　因为AI科学家就那么多，能够创业把事情打造到一个地步的就那么多。

　　AI 的现状是“僧多粥少”。大家都去抢那几棵树，已经把树拱到天价了。我觉得 AI 这片土地需要“施肥”，而不是抢那些非常少的农作物。

　　所以我们成立了“人工智能工程院”。我们可能花几千万把机器搞定，然后帮助十家二十家创业公司；我们从各种渠道拿到数据，AI 科学家可以做试验；我们试着让更多有潜力的 AI 科学家，能够考虑来创业这条路，帮他们把可能 95% 的失败率降低到 40%，这样的话我们就能够产生自己的价值。

　　当然，投靠创新工场，我们帮你解决所有问题，也要求自己的回报。本来可能五百万占股 10%，现在也许给我们 15%，我们觉得这样的话也就足够了。以后如果可以打造出独角兽，我们是有很多回报的。

　　这个工程院在得到金钱回报的话，至少得花掉两亿元人民币。但如果是我们施肥的，想必相比那些“农作物”会喜欢我们。

　　两三年之后，AI 会像 Android 一样普及

　　长期来说，真的是永远只能由AI 科学家来创业吗？其实不一定。

　　任何技术都有一条发展路径，一个很好的例子就是 Android。当年我们跟 CSDN 的蒋涛一起做移动开发者的大会。第一次大会的时候，我问现场观众：有多少人看好Android？大概有5个手。我问有多少人看好 Symbian？五百个手举起来。

　　但当时我们坚决相信 Android 才是未来的道路。只是因为平台不够。现在大学里面的 Android、 iOS 培训课程非常普及。你如果是一个计算机的学生，你自己自学也好，去做培训课也好，几个月之内你就可以开始做 Android 了。

　　AI 也是这样的状态。

　　要多久时间呢？我们大胆的假设两三年吧。这两三年里，我们工程院孵化科学家会是一个非常独特而有价值的方法。三年以后平台出来了，很多聪明的大学生可以自学。平台、工具越来越多，AI 会变得越来越容易用了。

　　以后年轻人来创业，我觉得可能比现在的科学家创业更能成功。因为创业需要有动机，有狼性，愿意拼命。本来就要把自己名声，身家全部赌进去的。

　　有资格的人六个月就能成为AI 工程师，有资格的人是指：数学天才

　　一位老教授，用三十年的功力弄出来一个新算法。这种可能性是存在的。

　　但真正能发力的其实还是年轻人。很多年轻人只是苦于没有一个平台。

　　我告诉大家一个秘密。

　　如果你是一个有资格的年轻人，我们只需要六个月就可以把你培训成为一个 AI 工程师。绝对不是你想象的二十年，三十年。这不像一个材料科学家、火箭专家——这种专家真的是需要三十年的功力。

　　那么，什么是有资格呢？

　　很不幸，不是所有的人。“有资格”简单来说就是：数学天才。

　　当然，这其中也涵盖了统计、自动化、计算机。中国人口这么多，光是数学天才我们应该一年都要产生个几十万了。

　　假设有十万个数学小天才，那里面对AI有兴趣的可能就会有五万。（因为中国学生是特别愿意去追最热门的东西，最热门的定义是什么呢？很酷，能赚很多钱的。）

　　里面有两万个接触到了一些培训平台，花了六个月去做，这两万人里可能又有两千个是适合的领军人物。比如说他是AI领域的雷军、傅盛等等这些人。

　　这两千人最终才是我们最好的投资对象。我们的工作就是让这些人出现。

　　所以短期我们是抓着科学家来，再过三四年我们要把这些年轻人都培训出来。让他们认知这是创业最好的时机。所以这秘密就是：我们要挖掘中国所有的数学小天才，然后引导他们进入AI创业。

　　AI 接管人类？我们的问题是科幻小说看多了

　　我们应该怎样看待 AI 呢？

　　有人看到阿法狗战胜了李世石，瞬间就联想到了 AI 要接管人类。实际上，这其中还差十万八千里。

　　AI里最难的问题之一，是跨领域的自然语言理解。要做到这一点，需要上下文的理解，需要跨领域的知识，还需要人类的“Common Sense”。

　　例如我突然和你说：“中午还好没吃汉堡，麦当劳不好吃。”这句话所有人都明白什么意思，但是机器很难读懂。它可以把每一个字都识别正确，但仍然无法“理解”。

　　再例如：熨斗打开的不能去摸，沾了水的手不能碰电。这些东西不用讲我们都知道。但是计算机怎么会知道这些事情呢？

　　你怎么去教一个计算机跨领域的知识？你怎么教会它七情六欲？你怎么教会它什么是美？什么是爱？什么是宗教？什么是信仰？这些东西差得还非常远。

　　揣测可能发生的事情跟确信一定会发生的事情，这两个还是要分辨得很清楚的。任何刚才讲的 AI 不能做的事情，我们都无法揣测多久会被突破。有人说五年，有人说五十年，也有人说永远不会。

　　我觉得我们真正应该讨论的事情是怎么用AI来创造价值，怎么让人类能够没有饥饿和寒冷，让每一个人都能有尊严的活着。

　　例如，未来很多蓝领和白领的工作都会被取代，也包括了记者。当然有些深度文章机器可能五十年也写的出来。但是如果你从网上攒一些资料，例如科大讯飞发布财报，产品多了30%，分析师说股票怎么样，未来人工智能被看好什么的，这种东西机器已经在写了。

　　当机器能够把简单的工作取代的时候，当经过五秒以内思考的事情人都不用做的时候，当这么多人将可能失业的时候，这些失业者应该怎么做？我们如何去重新训练他们？孩子的教育是什么样的？怎么让人类继续的去寻找应该做的事情？也许造物者是不希望我们做这种无聊的工作，让我们都做有意义的事情，所以才用机器取代了我们。

　　刚才讲的这些事情都是十年内会发生的。

　　当然未来也可能是 AI 养活了全世界，我们也许都成为 AI 的宠物，在家里戴着 VR 头盔玩游戏。机器会不会有自我意识，会不会取代人，会不会成为物种，虽然未必不可能，但这些是未知的。

　　很不幸的是：我们科幻小说看多了。

　　“AI 新物种”“取代”“奴役”，这些当然可以被想象，但有更多必然的有意思的问题，更值得我们去思考。

　　AI “低处的果实”还没摘完

　　人工智能有很多学派。符号学派、连接学派等等。但是除了深度学习以外的方法，经过多年被验证，是不太有发展的。

　　模拟人的分析方法，希望把它变成一个规律和专家系统，过去五十年已经证明了这个思路是不行的。当然也许某一天会有一个突破，但是直到那一天为止应该是不行的。

　　就我自己的背景来说。在1988年，我就开始做语音识别。当年第一套系统就是用完全机器学习的方法来做的非特定人的语音识别。

　　现在看起来这是一个特别小的方法：世界上有一个人能够从纸上读出语音，我的导师就要把这套方法变成一套专家系统。

　　当年就让我很坚定地认为：机器的构造跟人脑，跟人的思维方式其实是不一样的。我们硬要把A放到B其实是很困难的，就像我们不能逼自己去变成一个深度学习者，去分析事情——我们脑子思维就不是那样的，是不自然的。

　　用脑科学的方法制造人工智能，是一个未知的领域。未知的东西有它的魅力，你要做研究就要做未知，你要有了突破那就是创新。在学术领域你做每一件事情的衡量标准是：我要做别人从来没做过的东西。我们可以假设脑科学跟未来的 AI 是相关的，我们可以去证明这是或不是。但是从投资的角度来讲，押注的风险就太大了。

　　当年深度学习也是因为数据的不足，碰到了一些瓶颈。但近年我们看到有好几个特别大的变化：

　　第一个就是特别大量的数据在某些领域开始产生，而且我觉得我们目前还没有被用完。

　　第二个就是 GPU 的使用让我们能够更高效地、非常快速地做深度学习。

　　现在我觉得，所谓的深度学习的果实还远远没有被摘完。人工智能的应用来说百花齐放，一个一个大果实就在你面前。在这种情况下，你还要去种花，何必呢？

　　我们把 GPU 和海量数据在全世界扫一遍，应该还够我们 VC 界吃个五年，所以从投资的角度这是非常清晰的事情。

　　再往下走，我觉得我们 AI 肯定不可以是只有深度学习。例如现在还有增强学习的方法，也在被探索。AlphaGo 里面也不是只存在一个方法。所以我觉得学术界其实应该开始帮助和探索更多的可能性，当我们把这两年的粮食吃完之后也许还有更好的机会。

　　我没有 AI 宗教信仰

　　当然未来 AI 也可能没有进一步的突破了。

　　如果没有的话，那就说明 AI 的黄金时代过去了。下面就是物联网或者其他什么的。作为投资机构，我们并没有一种 AI 宗教信仰，我们还是要把控灵活度。

　　就像移动互联网时代，当时我们应该是在业界最高调的移动互联网 VC。但是随后我们根据情况做了调整。

　　如果学术界跟产业界有一个合理的分工，我对未来五年投资界和产生价值非常乐观，对于所谓AI的泡沫我认为不会发生。当然有个别的案例会有泡沫，但是我认为能吃的粮食实在是太多了。

　　学术跟产业它的分工大概是这样：

　　一方面是一个很天然有机的分工；

　　另外一方面又是有一点羡慕嫉妒恨在里面。

　　一般来说学术界是看不起工业界的，但是在某一个时刻突然工业界的一个技术成熟了，在这个技术上学术界就做不到工业界的成就了。于是学术界就被逼的去做新的东西。例如：现在再去做人脸识别，学术界就已经打不过工业界了。所以在人工智能领域，很少见到一个老教授一生只研究一个命题。

　　AlphaGo 本身没有商业价值

　　AI 会带给我们什么价值呢？

　　我想先说说AlphaGo。之所以AlphaGo 如此引人注目，很大程度上是因为我们这样的专家把它讲得太悬。

　　之前我觉得围棋比国际象棋至少难十年或十五年，但后来结果证明我是过于悲观了。我过于悲观其实有很多理由。我当时认为围棋要比国际象棋难了一个天文数字，但天文数字也是数字。

　　在AlphaGo之前最好的人工智能棋手达到了业余五段。而AlphaGo 最新的 Master 和职业九段之间的差距，大致相当于职业九段和业余九段的差距。这确实是很大的跳跃。

　　那为什么会有这样的现象呢？也就是说，为什么下围棋的人工智能进步幅度这么大呢？

　　其实有一个非常现实的理由，就是想挣钱的人不会去做围棋。你看 AlphaGo 的专家队伍也没那么了不起，就是二十个很厉害的机器学习专家。在谷歌里面可能有两千个这样的人，在微软里有一千个这样的人。原因在于微软和谷歌过去没有想拿两千个专家的力量打败围棋手，他们的更多时间都在做语音识别、人脸识别这些有价值的事情。

　　在这个没有价值的事情上 ，能用二十个专家就不错了。

　　金融、医疗是有商业价值的AI

　　有商业价值的 AI，影响就巨大了。

　　AI 在数据量大的领域最易应用。这些数据最好被准确标注，自动化标注。

　　AI 在无摩擦的领域最容易应用。一个领域里面如果有制造、测试、物流这类摩擦，那就麻烦了。无摩擦的领域是什么？医疗是无摩擦，金融是无摩擦。

　　AI 在挣钱最多的领域容易应用。毫无疑问，最挣钱的又是金融。

　　所以金融毫无疑问会是AI最快征服的领域。因为你的算法可以很快就变成钱。

　　医疗也是一个特别巨大的领域。而且医疗相对传统，能产生增值的机会很大。而且它不是基于大数据的。最好的医生是什么，就是他自己是一个深度学习的机器，根据他的经验做了好多好多次。

　　假设他判断了五千个病人，判对了很多，判错了一些，下面他的判断就会非常精准了。但一个好医生可能最多也就判断过五千个病人，但我们的数据是五千万的病人的级别。所以医疗超越医生应该是一个非常必然的，全球性的趋势。

　　但是AI 医疗需要突破一些隐私问题，可能会有一些挑战。

　　机器人世界的大门，要靠智能驾驶来敲开

　　除了大数据应用之外，还有就是科幻型的应用了。包括机器人，无人驾驶这类领域。

　　目前看得非常清晰，而且全球达到共识就是无人驾驶。有时候你要做一个科幻型的东西，需要万事俱备，天时地利人和才能推动。但是一旦开始动它就不得了。就像以前我们的移动互联网改造了整个产业链，以前的 SP、诺基亚之类。这样的产业变革来临，基本旧的企业全部会死掉，换成一批新的。

　　出行就会是下一个产业。我们非常幸运，目前有了共享经济，还有电动车。这两个领域已经在推动了，可推一推目前遇到一些阻力。

　　现在无人驾驶一来，会改变世界的经济格局。我相信，世界经济10%是和出行和运输相关的。虽然真正的无人驾驶到来可能还要十年，但是有些其他的事情可以更快地被做好。

　　比如景区游览车，比如运输卡车。

　　你可能会问，如果自动驾驶技术暂时还不成熟，卡车下了高速公路怎么办？没问题，我们把仓库全停在高速公路旁边不就是了。

　　万一卡车看错路怎么办？那我们就重新修路，在路上放很多标志和传感器，这也不是很困难。

　　所以我们未来三五年我们就可以打很多补丁，让无人驾驶能够在很多有限的环境之下被使用，所以千万不要认为自动驾驶还有十年才来，现在跟我们无关。

　　我们很少看到有一个产业从头到尾全部都“投降”了。

　　哪一家汽车公司还敢不说无人驾驶？每一家都在拼命想办法去解决，整个产业力量都进来了。

　　资本的力量在全球都在投资无人驾驶的公司。

　　最新最酷的创业者，很多都在无人驾驶领域创业。

　　这是一个不可逆的必然趋势，会对各个行业做全新的布局。

　　例如，所有的司机该怎么办？没有车会停下来，停车场该怎么办？以后的汽车该什么样子？道路要提供什么传感器？哪些领域是最快能够赚最多钱的？

　　这些我们其实都不必太担心，因为那些最有商业嗅觉的人和最有科技能力的人已经在每天在推敲这个事情。他们，或者说我们一定会找到解决方案。

　　当一辆无人驾驶汽车可以在路上运行的时候，汽车之间就可以对话了。例如前面发生了车祸，我的车要做出避让。今天我的主人着急上班，你给我让路，我给你两毛钱行不行？

　　在这种情况下机器人就变得可行了。与其期待家里的机器人用陪小孩玩的方式进化，还不如期待无人驾驶汽车促进机器人的进化。

　　更多人工智能相关内容，请雷锋网。