來(lái)源：數(shù)據(jù)猿 作者：趙巍

2016年9月6日，由上海大數(shù)據(jù)聯(lián)盟、數(shù)據(jù)猿和上海BOT大數(shù)據(jù)應(yīng)用大賽聯(lián)合舉辦的“人工智能發(fā)展趨勢(shì)論壇”在上海超算中心順利舉辦。本次活動(dòng)是2016上海BOT大數(shù)據(jù)應(yīng)用大賽舉辦的一系列論壇之一，后續(xù)我們會(huì)在全國(guó)為大家奉上更多精彩的線下活動(dòng)。論壇聚焦人工智能未來(lái)發(fā)展風(fēng)口，力邀思必馳、藍(lán)馳創(chuàng)投、亮風(fēng)臺(tái)、愛(ài)因互動(dòng)等行業(yè)內(nèi)知名企業(yè)以及投資人，共同探討前沿科技最新進(jìn)展以及人工智能領(lǐng)域的最新發(fā)展趨勢(shì)。

五位嘉賓的主題演講干貨將分幾次陸續(xù)為大家奉上，敬請(qǐng)期待。今天，小編為大家呈上的是機(jī)器之心首席技術(shù)顧問(wèn)趙巍的主題演講“機(jī)器學(xué)習(xí)技術(shù)的發(fā)展和機(jī)遇”。

趙巍，機(jī)器之心首席技術(shù)顧問(wèn)。機(jī)器之心是國(guó)內(nèi)人工智能、機(jī)器人行業(yè)最專(zhuān)業(yè)和最具影響力的媒體和產(chǎn)業(yè)服務(wù)平臺(tái)，機(jī)器之心不僅提供了新的內(nèi)容，還開(kāi)創(chuàng)了一種新的組織方式，形成了一種新的媒體和產(chǎn)業(yè)相結(jié)合的業(yè)務(wù)模式。

以下是嘉賓的演講實(shí)錄：

機(jī)器學(xué)習(xí)技術(shù)的發(fā)展和機(jī)遇首先謝謝大家!我在來(lái)之前問(wèn)了一下，這里邊很多參與者都是創(chuàng)業(yè)公司跟投資人，所以我把講演的內(nèi)容稍微往產(chǎn)業(yè)那邊調(diào)一下。主題還是帶有比較強(qiáng)的技術(shù)傾向，“機(jī)器學(xué)習(xí)技術(shù)的發(fā)展和機(jī)遇”。人工智能的蜂巢很大的原因就是背后深度學(xué)習(xí)技術(shù)，尤其是計(jì)算機(jī)視覺(jué)方面嘆為觀止的成績(jī)，才會(huì)帶來(lái)這么多人談?wù)撊斯ぶ悄堋?/p>

我覺(jué)得現(xiàn)在這么多的人炒作，深度學(xué)習(xí)也是一個(gè)錯(cuò)誤，深度學(xué)習(xí)只是人工智能技術(shù)中比較有成績(jī)的工作。但是實(shí)際上我覺(jué)得人工智能再繼續(xù)向下走的話(huà)核心的驅(qū)動(dòng)力應(yīng)該是機(jī)器學(xué)習(xí)技術(shù)，絕對(duì)不僅僅限于深度學(xué)習(xí)。各位可以把你們的技術(shù)視野放得更寬廣一點(diǎn)，大家都去做深度學(xué)習(xí)的話(huà)，不見(jiàn)得真正的會(huì)出現(xiàn)創(chuàng)新。

深度學(xué)習(xí)現(xiàn)在在很多領(lǐng)域都做廣泛的應(yīng)用，前一陣子放到USB上面，模型的本身也得到不斷地優(yōu)化和壓縮。務(wù)實(shí)際上這方面的工作是非?；钴S的。他們的工作都代表著一種趨勢(shì)，機(jī)器學(xué)習(xí)無(wú)處不在。大家傳統(tǒng)的印象機(jī)器學(xué)習(xí)放到非常大的GPU的集成里邊我再做機(jī)器學(xué)習(xí)，實(shí)際上不是這樣的，可能越來(lái)越便捷化。

機(jī)器學(xué)習(xí)除了從產(chǎn)業(yè)的角度，從不同的報(bào)告角度，從人工智能研究人員的角度來(lái)說(shuō)他們考慮機(jī)器學(xué)習(xí)主要考慮通過(guò)技術(shù)來(lái)進(jìn)行知識(shí)的獲取。從人類(lèi)人工史上怎么獲取知識(shí)?有四種，第一種就是機(jī)器學(xué)習(xí)比較深的能力。另一種就是個(gè)人的體驗(yàn)，從小到大人生經(jīng)歷，慢慢學(xué)會(huì)怎么騎自行車(chē)，或者創(chuàng)業(yè)失敗了怎么面對(duì)失敗。另一種就是文化，中西方古今中外各種智能科學(xué)方面的成果，通過(guò)這個(gè)也獲得了你對(duì)社會(huì)、知識(shí)、工作方面的理解和技能。從進(jìn)化到經(jīng)驗(yàn)，到文化，知識(shí)獲取的效率和速率正在逐漸提升。進(jìn)化、經(jīng)驗(yàn)，文化方面效率越來(lái)越高，最快的效率，整個(gè)社會(huì)的發(fā)展應(yīng)該是從計(jì)算機(jī)獲得的，計(jì)算機(jī)也就是從人工智能角度。

著名的yann lecun說(shuō)了一句話(huà)是“未來(lái)世界大書(shū)特書(shū)的知識(shí)都將是有機(jī)器或是并在機(jī)器中存續(xù)”。從學(xué)術(shù)界的角度來(lái)說(shuō)最關(guān)心的是非常強(qiáng)的啟動(dòng)能力。

計(jì)算機(jī)如何發(fā)現(xiàn)新知識(shí)?不只是我們，我這里也關(guān)心在商業(yè)，在教育，在個(gè)料各個(gè)方面新技術(shù)的發(fā)現(xiàn)，分析、判斷、預(yù)測(cè)事物的能力。怎么去發(fā)現(xiàn)的?普通的有五中模式，為對(duì)應(yīng)著機(jī)器學(xué)習(xí)最主要的流派。比如說(shuō)填補(bǔ)現(xiàn)有知識(shí)的空白、模擬大腦等等。

機(jī)器學(xué)習(xí)的五大學(xué)派。如果你僅從媒體的角度看幾條報(bào)道和新聞你會(huì)覺(jué)得深度學(xué)習(xí)，所有的東西都是深度學(xué)習(xí)。如果你去問(wèn)一個(gè)AI比較資深的研究者，他們都會(huì)告訴你一定要把自己的視野放得很遠(yuǎn)，很大。所有創(chuàng)業(yè)公司，做技術(shù)的人去關(guān)注一下。一個(gè)是符號(hào)學(xué)派，這個(gè)有點(diǎn)像科研。這里有一個(gè)非常好的案例，就是讓一個(gè)生物學(xué)家發(fā)現(xiàn)發(fā)揚(yáng)的生物。下一個(gè)就是連接主頁(yè)，這個(gè)學(xué)派就是深度學(xué)習(xí)的學(xué)派，他認(rèn)為是在模擬大腦神經(jīng)原各種連接的狀態(tài)，這個(gè)時(shí)代上是現(xiàn)在主流的，也是成績(jī)最顯著的生態(tài)。

還有一個(gè)進(jìn)化學(xué)派，比如說(shuō)剛才我說(shuō)的在復(fù)雜的山里邊怎么走路。你用得到的技術(shù)手段反而是進(jìn)化學(xué)派。從數(shù)據(jù)上來(lái)講沒(méi)有一個(gè)完美的結(jié)合，這樣的挑戰(zhàn)可以用進(jìn)化學(xué)派繼續(xù)學(xué)習(xí)，可以做一部分的優(yōu)化。實(shí)際上在商業(yè)應(yīng)用中也非常有價(jià)值。貝葉斯學(xué)派，很多技術(shù)人員可以更熟悉。類(lèi)比學(xué)派，甚至有一些極端的認(rèn)知科學(xué)家認(rèn)為所有人類(lèi)的認(rèn)知全部是一種類(lèi)比的認(rèn)知，包括我們的記憶，有的時(shí)候同一個(gè)時(shí)間，同一個(gè)空間發(fā)生的記憶，把各種連接起來(lái)，通過(guò)簡(jiǎn)單的概念鏈接到更加復(fù)雜的概念。

做類(lèi)比學(xué)派打賭，我覺(jué)得五年之內(nèi)就不會(huì)再聽(tīng)到神經(jīng)網(wǎng)絡(luò)這個(gè)詞了，但是這個(gè)賭輸?shù)袅?。有時(shí)候做技術(shù)創(chuàng)新這件事，即使最強(qiáng)世界頂級(jí)的過(guò)程也不會(huì)進(jìn)行判斷。

機(jī)器學(xué)習(xí)現(xiàn)有的應(yīng)用。一般來(lái)說(shuō)你會(huì)發(fā)現(xiàn)至少現(xiàn)在深度學(xué)習(xí)為主流的機(jī)器學(xué)習(xí)技術(shù)更適合取代白領(lǐng)工作，越簡(jiǎn)單的體力勞動(dòng)越容易，一如說(shuō)一個(gè)建筑工人如果讓機(jī)器學(xué)習(xí)試著取代建筑工人是非常難的，因?yàn)檫@是幾億年進(jìn)化產(chǎn)生的能力。白領(lǐng)這個(gè)東西是人類(lèi)不擅長(zhǎng)的，你做了一個(gè)財(cái)會(huì)，或者你做了醫(yī)生、律師。機(jī)器學(xué)習(xí)在診斷上一般來(lái)說(shuō)會(huì)比醫(yī)生做得好，但是這個(gè)有可社會(huì)性的問(wèn)題，不只是是技術(shù)的因素。

網(wǎng)絡(luò)安全，今年國(guó)外做了一個(gè)統(tǒng)計(jì)，AI領(lǐng)域獲得融資最大的一筆就是Cylance公司。簡(jiǎn)單來(lái)說(shuō)過(guò)去做的太老道了，非常狡猾的，意圖不軌的，會(huì)想改掉各種各樣的東西。這種東西傳統(tǒng)的方式就變得特別的笨重，特別的不靈活，只有機(jī)器學(xué)習(xí)在網(wǎng)絡(luò)安全或者整個(gè)企業(yè)、數(shù)據(jù)安全方面做得真正有意義。這是非常大，非常有潛力的創(chuàng)業(yè)方向，在座的創(chuàng)業(yè)公司可以考慮探索一下。

很多的對(duì)沖基金是由機(jī)器學(xué)習(xí)背后驅(qū)動(dòng)算法進(jìn)行交易的，Vital算法入選VC董事會(huì)。廣告、教育就不說(shuō)了，廣告非常常見(jiàn)。對(duì)用戶(hù)傾向性的東西都會(huì)通過(guò)機(jī)器學(xué)習(xí)技術(shù)進(jìn)行預(yù)測(cè)和判斷。

教育是比較開(kāi)放的，尤其在國(guó)內(nèi)，國(guó)外有比較好的案例，通過(guò)機(jī)器學(xué)習(xí)做了比較好的結(jié)果，國(guó)內(nèi)目前沒(méi)有看到，這也是創(chuàng)業(yè)公司可以嘗試和探索的非常大的努力和方向。

上面說(shuō)的五種算法，五個(gè)學(xué)派都有自己的核心算法，深度學(xué)習(xí)是自己的核心算法。這些東西學(xué)習(xí)能力還是有限的，我們希望以后機(jī)器學(xué)習(xí)可以看懂X光片，扔給他汽車(chē)上的傳感器的數(shù)據(jù)就可以自動(dòng)駕駛，你扔給他這個(gè)論文，他可能知道在講什么東西?，F(xiàn)在五個(gè)算法都做不到那么強(qiáng)，實(shí)際上從學(xué)術(shù)界的角度來(lái)說(shuō)希望最后能出現(xiàn)一個(gè)終極算法。這個(gè)東西如果出現(xiàn)的話(huà)，時(shí)間上沒(méi)有辦法判斷，機(jī)器學(xué)習(xí)對(duì)整個(gè)人類(lèi)文明的影響非常大，人類(lèi)和機(jī)器智能相比的情況就比較好。學(xué)術(shù)界里邊幾乎所有的教授，所有的科學(xué)家一提到基點(diǎn)的概念都是嘲笑和鄙視的態(tài)度。

本身分析的方法論都有問(wèn)題，現(xiàn)在根據(jù)計(jì)算能力或者認(rèn)知計(jì)算能力發(fā)現(xiàn)的體現(xiàn)做幾何技術(shù)，沒(méi)有任何的技術(shù)發(fā)展到最后是幾何技術(shù)的增長(zhǎng)。技術(shù)到一定程度就開(kāi)始平滑了，而且在這個(gè)基礎(chǔ)上就為別的突破性的技術(shù)做了一個(gè)奠基。

如果從技術(shù)上有追求的公司，無(wú)論是前面五種非常重要的機(jī)器學(xué)習(xí)理論的應(yīng)用，在終極算法要做突破的話(huà)一定要出現(xiàn)新的思想。這里邊有一個(gè)學(xué)術(shù)界非常看好的方向，讓大家關(guān)注一下小孩的成長(zhǎng)心理學(xué)，孩子從小怎么學(xué)走路，他們有非常少的數(shù)據(jù)，沒(méi)有標(biāo)簽就可以掌握新的技術(shù)。

機(jī)器學(xué)習(xí)技術(shù)的新熱點(diǎn)，如果大家現(xiàn)在想用機(jī)器學(xué)習(xí)技術(shù)創(chuàng)業(yè)，從技術(shù)界的角度和產(chǎn)業(yè)的角度很看好。這次大家能聚到一起，基于自然語(yǔ)言處理的技術(shù)驅(qū)動(dòng)的技術(shù)。無(wú)論是微軟還是谷歌還是Face book，真正想做推動(dòng)的東西在他們看來(lái)是深度報(bào)復(fù)。除了自然語(yǔ)言處理技術(shù)之外背后還有很多技術(shù)的技術(shù)，就是動(dòng)態(tài)生成，實(shí)現(xiàn)電子商務(wù)的需求。這個(gè)技術(shù)是比較保密的，可以看它能做什么，國(guó)內(nèi)的創(chuàng)業(yè)公司可以模擬、復(fù)制。

自然語(yǔ)言處理最主要的學(xué)術(shù)會(huì)議叫ACEL，所以深度學(xué)習(xí)也在滲透，而且?guī)?lái)了很多比較長(zhǎng)足的進(jìn)步。還有就是各個(gè)學(xué)派的結(jié)合，現(xiàn)在只做深度學(xué)習(xí)的話(huà)就沒(méi)有多大意思，現(xiàn)在深度學(xué)習(xí)是什么樣的狀態(tài)?深度學(xué)習(xí)現(xiàn)在在外面有非常多的模塊，你要做一個(gè)特定的事情的時(shí)候，你前面放了幾千塊的東西，你要在其中挑出兩三塊，組成你自己的感覺(jué)，技術(shù)人員，對(duì)研究人員、才華的技術(shù)比較浪費(fèi)。非常有趣的是把其他的學(xué)派之間進(jìn)行融合，你會(huì)發(fā)現(xiàn)有很多創(chuàng)新的否間。

比如說(shuō)深度學(xué)習(xí)里邊有一個(gè)技術(shù)是對(duì)數(shù)據(jù)的分布空間進(jìn)行學(xué)習(xí)，但是傳統(tǒng)的方式是這樣的，深度學(xué)習(xí)這么做了。最近有一種方式，就是把BOT理論引入進(jìn)來(lái)，做了非常好的結(jié)果。還有生態(tài)系統(tǒng)的搭建，從硬件，到軟件，有點(diǎn)像驅(qū)動(dòng)機(jī)器學(xué)習(xí)的操控，價(jià)值非常非常大。這個(gè)至少是一個(gè)非常好的，對(duì)整個(gè)生態(tài)的思考和探索。除了學(xué)術(shù)圈的人在關(guān)注之外，可能媒體也不太關(guān)注，因?yàn)槊襟w不是那么懂技術(shù)。我們國(guó)內(nèi)的技術(shù)圈子也沒(méi)有想得那么多。

計(jì)算效率的提升，傳統(tǒng)計(jì)算梯度是一步一步慢慢來(lái)的，合成梯隊(duì)方式是通過(guò)另一個(gè)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)你的梯度。有了這個(gè)結(jié)果之后你就可以大大的實(shí)現(xiàn)，以前用GPC才能做，你現(xiàn)在用CPU就能做。以前一個(gè)GPC現(xiàn)在分布到各個(gè)地方。拿到了這樣的核心技術(shù)，做各種各樣的研發(fā)和生態(tài)系統(tǒng)的搭建價(jià)值都是非常大的。有這種能力的公司或者研究機(jī)構(gòu)未來(lái)會(huì)得到極大的發(fā)展。因?yàn)閷?shí)際上人類(lèi)在做判斷，最后思考的時(shí)候，如果你的機(jī)器學(xué)習(xí)技術(shù)能夠非常好。當(dāng)然現(xiàn)在有一些技術(shù)都在嘗試這些方向，但是這些東西都沒(méi)有突破性的進(jìn)展。美國(guó)電力學(xué)會(huì)做了一個(gè)預(yù)測(cè)，2040年的時(shí)候如果按照現(xiàn)在大數(shù)據(jù)發(fā)展趨勢(shì)那個(gè)時(shí)候所有數(shù)據(jù)中心需求的電量會(huì)超過(guò)全世界所有發(fā)電量的總和，現(xiàn)在的方式根本沒(méi)有辦法以后商業(yè)社會(huì)的需求。人腦神經(jīng)原的連接方式非常豐富，基于CPU或者GPU務(wù)的計(jì)算連接是非常糟糕的。

你從比較新的趨勢(shì)，即使他們計(jì)算過(guò)，在能耗的優(yōu)化上已經(jīng)遠(yuǎn)遠(yuǎn)走在其他芯片了。即使這樣IBM的研究要做標(biāo)準(zhǔn)人腦的仿真，要把紐約和舊金山兩個(gè)城市的電力加在一起，來(lái)實(shí)現(xiàn)人腦的模擬。現(xiàn)在往往你做的東西是不被投資人看好的，神經(jīng)網(wǎng)絡(luò)最開(kāi)始的時(shí)候國(guó)際學(xué)會(huì)會(huì)不到三十個(gè)人參加，類(lèi)別學(xué)派的東西，一開(kāi)始剛剛開(kāi)始熟悉，二三十個(gè)人，后來(lái)把整個(gè)產(chǎn)業(yè)像風(fēng)暴一樣席卷過(guò)來(lái)。

往往你要敢于做一個(gè)別人看看好，但是你自己堅(jiān)信是好的東西。即使現(xiàn)在很多公司很熱，有很多投資，不見(jiàn)得能產(chǎn)生優(yōu)秀的結(jié)果?，F(xiàn)在大家都稱(chēng)贊的里肯(音)，它是非常緩慢的增長(zhǎng)到2008年的時(shí)候根據(jù)數(shù)據(jù)的積累才開(kāi)始有一個(gè)增長(zhǎng)性的發(fā)展。所以大數(shù)據(jù)公司不見(jiàn)得一開(kāi)始最受重視，最熱門(mén)的公司就一定是最好的公司。

機(jī)器學(xué)習(xí)生態(tài)工具框架的開(kāi)發(fā)現(xiàn)在變得越來(lái)越擁擠。這個(gè)就給大家一個(gè)提示，除非你的產(chǎn)品非常非常有競(jìng)爭(zhēng)力。這些框架都在走開(kāi)源的道路，大家要去考慮如果在創(chuàng)業(yè)發(fā)展方向上的選擇。

還有就是如何聚焦?這個(gè)不是我的觀念，最近我在看硅谷的一些講座和他們的文章看到的一些觀點(diǎn)，他們覺(jué)得你做大數(shù)據(jù)也好，做人工智能也好，你要做這種垂直領(lǐng)域的工作，最好在垂直領(lǐng)域先有一個(gè)比較銳利的切入點(diǎn)。你來(lái)把商業(yè)客戶(hù)的需求和底層的人工智能技術(shù)和工具和生態(tài)環(huán)境連結(jié)起來(lái)。在這個(gè)基礎(chǔ)上，你的效益里邊深深的扎根了，在這個(gè)基礎(chǔ)上再擴(kuò)展到醫(yī)療，擴(kuò)展到保險(xiǎn)，在他們看來(lái)是非?？孔V的。如果一開(kāi)始你說(shuō)你要做一個(gè)深度學(xué)習(xí)的框架、或者云平臺(tái)，美國(guó)的VC覺(jué)得你很不靠譜。

投資的熱點(diǎn)案例跟大家提幾個(gè)，看他們得到了很多投資人的認(rèn)可，包括技術(shù)人員的認(rèn)可，還有行業(yè)吸引到了很多人才。這幾家公司比較有代表性，Turi剛剛被蘋(píng)果收購(gòu)，他們做的是一個(gè)生態(tài)性的東西，，大家可以看看人家怎么做的。還有就是DataRobot，快速的模型比較，你有一百個(gè)機(jī)器學(xué)習(xí)的模型做預(yù)測(cè)。但是如果你沒(méi)有這樣的能力和判斷，可以幫你非常快速的選型。你在它的平臺(tái)上馬上就可以看到各種不同的模型。

還有Vertical這個(gè)東西，前不久剛剛在斯坦福做了一個(gè)峰會(huì)，它是做圖象理解的，它現(xiàn)在是做三維圖象的理解。最近三維圖象里邊比較激烈的競(jìng)爭(zhēng)是普林斯頓大學(xué)做的全世界范圍內(nèi)公開(kāi)的大賽。論文實(shí)際上是公開(kāi)的，至少有一部分論文是公開(kāi)的。如果你有那么多的數(shù)據(jù)，那么大的計(jì)算量，如果能把你的能耗降下來(lái)的話(huà)，在整個(gè)生態(tài)圈里的價(jià)值是非常非常巨大的。

商業(yè)化和產(chǎn)品化，你的底層技術(shù)如果是80%，商業(yè)應(yīng)用和場(chǎng)景都可以實(shí)現(xiàn)可接受的結(jié)果。一開(kāi)始技術(shù)不見(jiàn)得是全世界最好的，但是一定是行業(yè)里邊做得優(yōu)秀的，做到可以接受的優(yōu)秀。Pursue Scale，現(xiàn)在投資人最看重的是Scale，就是因?yàn)闄C(jī)器學(xué)習(xí)做的很多事情里邊，假定各種能源公司有各種各樣的探測(cè)器。一個(gè)傳感器已經(jīng)很高了，因?yàn)槌叨热绱舜?，什么時(shí)候你要預(yù)測(cè)哪個(gè)區(qū)域，哪個(gè)型號(hào)的傳感器要進(jìn)行更換。分布式的傳感器應(yīng)用價(jià)值非常大，現(xiàn)在航空公司都在用機(jī)器學(xué)習(xí)做飛機(jī)引擎保養(yǎng)和預(yù)測(cè)。

所以怎么樣把LT這個(gè)概念，背后人工智能驅(qū)動(dòng)的技術(shù)做得好。硅谷看的是每一個(gè)平均立方米能創(chuàng)造的價(jià)值，這個(gè)時(shí)候價(jià)值就變得特別重要。關(guān)注垂直領(lǐng)域你要非常理解，你要做教育，你要做醫(yī)療，你要對(duì)這個(gè)行業(yè)各種各樣的數(shù)據(jù)，各種各樣的國(guó)際關(guān)系非常了解。我覺(jué)得創(chuàng)業(yè)公司如果現(xiàn)在出來(lái)我是一家機(jī)器學(xué)習(xí)公司一點(diǎn)價(jià)值都沒(méi)有，就跟一個(gè)人說(shuō)我用Excel做什么是很有價(jià)值的。 很久以前大家在強(qiáng)調(diào)數(shù)據(jù)分析，還有一種現(xiàn)在比較熱的技術(shù)。后面更強(qiáng)的技術(shù)是做Decisive，如果你要分析數(shù)據(jù)之間的因果性，是不是隨機(jī)性。這個(gè)東西非常小，如果你可以做Decisive，價(jià)值是最高的。

AI務(wù)冬天吸取經(jīng)驗(yàn)，如果聽(tīng)到一個(gè)人說(shuō)深度學(xué)習(xí)或者人工智能語(yǔ)言本身是沒(méi)什么，很多商業(yè)應(yīng)用和數(shù)據(jù)可以非常好。現(xiàn)在計(jì)算機(jī)資源從某種意義上需要技術(shù)出來(lái)幫助大家。也許有時(shí)候就是一個(gè)強(qiáng)的團(tuán)隊(duì)說(shuō)不定用一個(gè)服務(wù)器就可以做到比較笨的團(tuán)隊(duì)，一個(gè)集群才能做到的事情。

有些東西他們認(rèn)為非常簡(jiǎn)單，后來(lái)發(fā)現(xiàn)非常非常難，有些東西認(rèn)為非常難，后來(lái)發(fā)現(xiàn)很簡(jiǎn)單?，F(xiàn)在也是這樣的情況，包括機(jī)器學(xué)習(xí)技術(shù)你去看哪些商業(yè)是可以解決的。

深度學(xué)習(xí)一句話(huà)概括了，不需要因?yàn)樯疃葘W(xué)習(xí)熱就做所有的東西，深度學(xué)習(xí)最擅長(zhǎng)做的事情是處理復(fù)雜的多層抽象結(jié)構(gòu)的數(shù)據(jù)。如果你做的不是這一類(lèi)的數(shù)據(jù)深度學(xué)習(xí)絕對(duì)是一個(gè)非常抽象的事情。歐洲現(xiàn)在有一個(gè)規(guī)定，所有的算法都是有規(guī)定的?，F(xiàn)在機(jī)器學(xué)習(xí)用到社會(huì)各個(gè)角落里邊，有些案件也是用機(jī)器學(xué)習(xí)在做的，這些東西如果有公開(kāi)性和透明性大家比較放心。有些東西并不適合人類(lèi)，人腦不擅長(zhǎng)建立復(fù)雜的模型，但是機(jī)器非常擅長(zhǎng)。

有一個(gè)統(tǒng)計(jì)美國(guó)人因?yàn)橛⒄Z(yǔ)的多音節(jié)結(jié)構(gòu)，中文記數(shù)字是7—8倍。很多現(xiàn)實(shí)社會(huì)中，無(wú)論是金融領(lǐng)域還是教育領(lǐng)域，可以做這個(gè)東西，可以給你非常高的精度，從理念上來(lái)說(shuō)不需要理解，可能人腦的結(jié)構(gòu)也不能理解這樣復(fù)雜的模型，你要能夠坦然的接受。這是一個(gè)社會(huì)認(rèn)知的問(wèn)題。歐盟現(xiàn)在很多行業(yè)的人都覺(jué)得歐盟的法律規(guī)定非常非常傻。

以后中心會(huì)不會(huì)出現(xiàn)同樣的問(wèn)題，在立法上或者監(jiān)督管理上有同樣的問(wèn)題。做一定的事情要看所在的區(qū)域司法或者其他的環(huán)境對(duì)你有沒(méi)有影響。

技術(shù)公司和投資。在美國(guó)50萬(wàn)家公司，只有5萬(wàn)家公司能夠拿到天使投資，一千家公司可以拿到For。這里的風(fēng)險(xiǎn)還是很大的。去年Q2到今年的Q2。其中有幾家公司是非常大的，大家可以回頭找一找他們的商業(yè)模式，他們的技術(shù)思路。投資趨勢(shì)美國(guó)還是引領(lǐng)世界，亞洲在奮起直追。亞洲在很多地方都已經(jīng)超越歐洲了。

還有投資回報(bào)這件事情，這是美國(guó)的一家VC的數(shù)據(jù)，32家公司一點(diǎn)都沒(méi)有，有22家是1—5倍的回報(bào)，14家是5—25倍的投放。最后一家VC大的收益主要來(lái)自于這一家公司。VC做事也是非常辛苦的，他們冒很大的風(fēng)險(xiǎn)。這里邊真正能成功的非常少，大家一定要做好面對(duì)失敗或者怎么調(diào)整公司創(chuàng)業(yè)戰(zhàn)略的問(wèn)題。謝謝大家!

來(lái)源：數(shù)據(jù)猿