2016 年，人工智能正在美好理想和暴虐实际的夹缝中蛮横发展。
当从业者们以为，人工智能时期是“手艺为王”的时期，但应对价格战、商务战、公关战时，手艺好像不再是独一的信奉。当从业者们以为，手握学术大牛、刷爆种种榜单就可以百战百胜时，“AI 产物司理比科学家主要”、“刷榜是没意义的”等辩驳性观念还愈来愈被业内承认。当从业者们以为，招一大批名校博士便可取巨子比画时，虚高的薪水和拿不出手的产物让企业不能不入手下手思索高性价比的题目。
余凯，地平线机器人创始人兼 CEO，前百度研究院履行院长，曾带领百度深度进修研究院（ IDL ）、多媒体技术部（语音，图象）、图片搜索产物部等团队。2012年以来，余凯建立百度IDL，倡议和带领了百度大脑、百度自动驾驶等一系列项目，并陆续三次荣获公司最高荣誉——“百度最高奖”。余凯揭晓的论文被援用跨越 11000 次，获 2013 年国际机器人进修大会（ ICML ）最好论文奖银奖，曾任 ICML 和 NIPS 行业主席。他于 2011 年在斯坦福大学计算机系客座主讲人工智能课程，还曾率队于 2010 年取得首届 Image Net 评测天下第一名。
公开课内容
1. AI 高新科技批评：2016 年 AI 圈最让您影象深刻的几件大事 ？
AI 较量争论硬件：英伟达的股票正在一年时间内由 100 亿美金 500 亿美金，惊讶业界。背后的原因是处理器架构由于人工智能的需求正正在被由新界说，Google 还推出 TPU 来干 Inference，除此之外，包罗地平线机器人正在内的很多公司正朝着这个标的目的往探索。
算法层面：如生成式匹敌网络等算法的突破性进度，使我们看到除CNN、RNN、LSTM，手艺还在络续花样翻新，让这个行业变得愈来愈有意思。
开源平台：本年开源平台体系正在不停成熟，如 Tensor Flow、Caffe 等，特别是由中国学生创议的 MX Net成为亚马逊 AWS 官方练习平台这件事，很了不得。
Alpha Go 事务：改写全社会由陌头黎民到政治对人工智能的认知，实现了大师均以为不能实现的事情。
人才流动：Hinton 的得意弟子、CMU 副传授 Ruslan，近来耐不住孤单到场苹果，担当苹果人工智能研讨总监。斯坦福大学李飞飞传授还到场谷歌。
2. AI 高新科技批评：本年人工智能行业相比于往年有哪些宏观和微观的提高？
我感想最深的是由 2006-2016 年这十年间，是深度进修的遍及和推行期，其正在良多运用中获得突破性进度。但一切结果均为感知方面的器材，如图像辨认、语音辨认等。而由本年入手下手，最大的分歧像 Alpha Go 和自动驾驶等人工智能体系入手下手由感知过渡到决议。这一些体系基于对这个天下的了解，进而主动优化它的决议机制。因而由感知到决议是最大的转变，人工智能只有干决议才可以真正转变天下。
我以为正在将来的 10 年里，怎样优化地去做决议计划是人工智能的重点课题。
3. AI 高新科技批评：为什么建立 OPEN AI LAB；为什么挑选干嵌入式人工智能？
历史上技能立异和商业模式的立异全是相伴相生的，我们还看到，开放总是会打败封锁，怎样打造良性的家当生态是我们十分关怀的。是以近来地平线和 ARM、安创空间、齐志结合建立 OPEN AI LAB，我们想要把技能向半导体厂商、开发者开放，大师一同往界说嵌入式人工智能的尺度。至于为什么要干嵌入式人工智能？过往推进人工智能的中心要素能够归纳综合为大数据、大盘算、大平台：其正在互联网和云端干人工智能的技能取办事。若是晨更远的标的目的看，我们会发觉除由云端摆设人工智能，实正在良多场景下急需正在设备端摆设人工智能，使这一些设备具有环境感知、人机交互、决策控制的本领。
以自动驾驶为例，如果有孩子横穿马路，当自动驾驶体系感知到以后，须要把旌旗灯号传送到云端再做决议计划，如果那时网络不稳定的话，结果是弗成设想的，是以我们须要当地较量争论去做实时决议计划。
创业公司干项目一定要挑选大公司不大简单进入的维度，BAT 正在数据、人才、资源、效劳方面的势能，创业公司很难往挑衅。但当地低功耗人工智能测算这不是他们的强项，还这不是他们的业务重点。别的我以为创业一定要选难度较大的事情往干，嵌入式人工智能需要把软硬件连系，并重新界说处理器架构，这是非常复杂的工程。这项义务虽然坚苦，但我以为只要到达如许的维度才气构建宽阔的护城河。我们想要把嵌入式人工智能构建成一种开放生态，使其将来正在端上产生许多立异，让出乎意料的立异点正在此产生：开放式生态能够把许多设法主意从一个创意酿成产物，而这一些设法主意和产物又会反哺地平线。
4. AI 高新科技批评：您以为正在 IDL 和创业最大的区分正在哪？
不管正在 IDL 照旧正在地平线，对我来讲实在全是正在创业和立异。昔时我由外洋回到北京，创建百度深度进修研究院，最初实在还是正在做一件很新的事，事先海内没有一家机构正在做深度进修，由于它很小众。早期我们被很多人质疑为何要投入这么大的精神去做这么窄的标的目的。然而正在本日看来，这个很小众的事情已经成为很多人都正在存眷的主题，全部天下还因此而改动。
地平线机器人事实上也是正在干一件很小众的事情，我们不正在云端、服务器、GPU 上干，反而是正在嵌入式中去干人工智能，这也是件很小众的事情，然而正在我看来把一件事情从小干大是很让人入神的。
小公司相比于大公司资源的确非常匮乏，但事实上地平线的方针却比我正在百度时期的方针还要大，我们并不是办事一个公司，反而是撬动一个工业，这个挑衅难度比以往大了一些数量级。
正在创业公司坐事情的难度体现正在方方面面，例如雇用，百度拥有成熟、壮大的 HR 体系支撑我干这件事情。而小公司常常没有什么名望，若何吸引顶级人才插手也是一件难事。别的也有许多杂事和细节，我们天天皆正在干十分详细的事情，但这又是很理想主义的事情，纵使挑衅难度很大，但这也使得人生更有意义。
5. AI 高新科技批评：按照您正在大公司研究院和创业公司的招人履历，分享下正在 AI 团队的招人心得。
正在美国和百度时，雇用是我天天需求应对的事，是以我本身拥有相当多的履历。另一方面，正在地平线我们还正在紧密吸引优秀人才的参加。吸引人才参加是一件很有挑衅的事情，由于如今人工智能人才照旧比拟希少，我们干的事情又比拟难，并且又是一条长线征途，所以有人不理解我们的标的目的，我们干的事情正在他们看来是既小众又没那末简单变现的事。
我碰到一些处置人工智能算法的同窗，他们有几年深度进修履历就心急火燎地想改动天下，所以不太乐意去做一些偏偏长线的事情，但他们没有意想到真正有价值的事情全是难题的事情、有壁垒的事情。所以我常常通知他们创业是一场费力的修行，而不全是一场 Party，假如费力的修行走下来，无论是正在路上照样正在山顶上，那种满足感和成就感全是无法比拟的。
当公司干的标的目的跟主流标的目的不一样时，这类情况下吸引来的人才是极其罕见和特别的，由于他们是颠末本身镇定思索来干事情，这批人往往是推进公司高低干一番事业的人才。地平线的确极度有幸，正在很短的时候内招到了顶尖人才：包含算法、软件体系专家、硬件专家。我正在百度时辅导的团队平均年龄是 26 岁，而地平线工程师平均年龄是 32 岁。由于我们是极度偏偏技能的公司，的确须要极度资深的人参加。
6. AI 高新科技批评：“而今最缺的是AI产物司理，而这不是研讨大牛”，您认同这句话吗？
关于一个商业公司来说，算法人才和产物司理一致主要。这里我要夸大一点，作甚研讨大牛？我以为研讨大牛的特质是“要有自身的思索和深厚的堆集，他可以连续的立异”。实际能创造性地做出世界级结果的人是很是稀缺的，正在海内我以为只有 5 到 10 人能力到达这个尺度。一个算法人才遍及进修过 1-3 年的深度进修、会用开源平台往练习模子，即使是如许的人还未几，而这一些人更谈不上是研讨大牛。所以我以为研讨大牛是一种很稀缺的人才。
固然，AI 产物司理还非常重要，由于他界说需求。若是造出来一个物品技能水平高，但不能解决预期问题，技能再高还没有预期价值。因而我们正在开办一个商业公司，AI 产物司理还十分重要。
7. AI 高新科技批评：外界有一种说法，大抵是现在各个To B的人工智能公司之间技能差异相对较小，因而许多时间贩卖和商务团队决议了公司的命运。您如何看待这个说法？
这个题目正中行业关键。由现阶段来说，绝大部分人工智能创业公司全是正在基于 GPU 如许的较量争论平台和正在基于 Caffe、Tensor Flow 如许的开源平台用对照成熟的模子构造来练习，然后干一些办理性题目和 Demo，差异化确切不明显。基于现阶段的开源形式来干立异，正在算法层面壁垒确切还不高。
所以这就招致正在一些尺度题目里各家的结果皆大部分类似，手艺差异还并不大。这里面的中心缘故之一便是中国人工智能原创性手艺太少。
近来人人正在说中国 AI 的人才、技术储备、研讨、立异都有上风，这个观点我不太认同。事实上，中国学生正在曾经评论辩论出解决办法的情况下去做拿比赛、刷分，这层面我们很善于。但真正做出 Alpah Go 那样的立异，我们还差些火候，并且中国还缺少孵化这类立异的泥土。本年深度进修原创性的基础研讨正在大步向前进展，然而我险些没看到哪些发展是中国发生的。
别的一方面，商务和贩卖的确非常重要，由于只有把手艺和详细运用场景拉近才可以发生价值落地。手艺研发还必定要有差异化，这类差异化若是只是干研讨，只是往 Follow 开源平台等这一些大师都在议论的事情，这是很主流的干法，若是您必定要存眷主流算法，言外之意便是您曾经废弃了差异化。因而您必定要深入特定的题目，深入办理阿谁场景下的种种限定前提，往针对性地提出特别的方式办理事实需求，这是让您更有差异化的门路。
科学家创业需要对贸易和现实需求抱有充实的畏敬之心，商务和贩卖团队还其实不至于决议公司的命运，关键在于团队之间的合营。商务和贩卖比拟注重面前需求，对手艺趋向欠缺精确预感，而一个公司要走得久远，还得看清未来手艺发展趋向。
8. AI 高新科技批评：很多欧美 AI 草创公司终极卖给了谷歌等巨子，但中国这类情形很少，您怎样看待这一现象？
人工智能作为一个新的家产标的目的，初期皆处于探索阶段，草创手艺公司自力存活的几率并不高，所以会挑选被大公司收购，这是一个较为明智的做法。
外洋工业界和技能创新生态比拟安康，大公司乐意支付本钱为前沿性技能干人员收购，并且正在没有斟酌本钱的情况下。而中国很少有大公司乐意为技能和人才收购支付很好的溢价。
实际每一个公司被收购都有一个内涵逻辑：这一些公司没有是范范地供应通用手艺，反而是正在某个维度拥有肯定的奇特性，如 Deep Mind 没有仅正在做深度进修，还将深度进修取加强进修相结合然后应用正在围棋、游戏等场景。这背后的逻辑，我以为很大程度上是文化缘由。中国公司更情愿用高本钱往挖人，而没有愿为奇特团队或知识产权支出高本钱。我想要这个现象能产生转变，泛起更多出于对人才和知识产权的收购。大公司若是可以意想到这点，我以为可以对中国手艺创新产生极度正面的危害。
9. AI 高新科技批评：今朝环球人工智能的投入产出比好像并非很高。我做个假定，若是资本市场耐不住孤单，起头缩小对人工智能行业的投资，您以为本日这类程度的人工智能到底会凭仗坚强的生命力走到拂晓，照样进入下一个穷冬？
人工智能家当仍处于初期阶段，庞大使用场景还在赓续试探，产出切实其实特别很是低。但若是回到“。com”时期，您会发觉事先的商业模式也是探索了很长时候。
资本市场确实有追逐短时间回报的现象，所以来岁下半年到后年，即使全部 AI 投资市场趋冷还其实不希奇。AI 行业取“。com”时期一样，即使是趋冷，但还不容易影响到团体的趋向。由于 AI 确实在推进财产成长，确确实实缔造价值，它不容易进入一个山穷水尽的穷冬。
10. AI 高新科技批评：不少人提到人工智能泡沫的说法，您以为此刻存不存在泡沫？
循名责实的说，若是依照投资机构的计算方法，AI 泡沫是肯定存正在的。AI 创业公司的确估值比较高，并且市场进度还其实不皆大欢喜，到来岁或后年肯定会有所变革。由长期趋势来看，恰当泡沫纯属一般，就像啤酒有泡沫味道才更好，恰是由于泡沫才让各公司都有机会去登上舞台。不论怎样，各人明个嗓子，正在舞台上唱一下。
我还常常跟投资人聊这个事，经由观查中国十几年的财产周期发明：以往大都项目均为 2C 产物，皆是以产物立异和微立异为鲜明特征。中国没有阅历经过手艺立异为主的经济增加形式，而硅谷等地已阅历过好几波手艺立异，这在中国很少见。中国绝多数投资机构和创业者，其实不擅长手艺类投资和干 To B 这类买卖，所以大师还不太习惯对这类公司举行估值。
我们一说到投资和创业，永久面临新的工业标的目的，然而在面临新的工业标的目的即便是海外专业投资公司还不一定看得准，所以还能看到像投资 MagicLeap 如许的新型公司全是有争议的。
11. AI 高新科技批评：当下良多投资机构和媒体皆把人工智能捧正在手里，您以为这会推进 AI 更快进步，仍是过分宠爱会让它腐化？
AI 由纯手艺和纯学术话题转变为全社会议论的话题，使得专业的声音很有也许被沉没，这是我所担忧的。投资机构和媒体的一切意向都市影响到家产的生长，AI 由业人员却难控制。
AI 正在内部环境受到 VC 和媒体的万千宠爱，但外部的环境是很严酷的、理性的、不敢相信眼泪的。正在这类情况下，企业应连结冷清，抓准切入的点，包管办事价值进而构建自身的护城河。全部行业的进步一定是由理性驱动，一定是由实实正在正在的需求和价值来驱动，因而我小我并非稀奇忧郁投资机构和媒体过量宠爱这个行业进而致其出错。固然，大浪淘沙一定会有所挑选，真正可以安安心心把创业看成艰辛修行而非奢华盛宴的创业者会走到最终。
12. AI 高新科技批评：对 2017 年人工智能行业的格局和成长做个瞻望和猜测。
我对 2017 年充满了希望，希望这几大方向拥有必然的进度：
期待人工智能处理器硬件行业会有大的打破。
算法上持续延续立异。
运用场景上的重大突破：如医疗、自动驾驶、智能家居等。
由全部创业投资角度讲，来岁下半年 VC 应该会愈加默默、理性地思索，这里并非指低落投资力度，反而是聚焦投资局限。与此同时对将来发展标的目的和途径会思量地愈加分明，把本钱注入重点标的目的和具有价值的团队。
群友问答环节 ：
1.如何看待近期谷歌无人车事业部拆分红自力公司？这个案例能否理解为自动驾驶曾经碰到天花板了？
由百度到地平线，我皆做过自动驾驶的事情。根据我本身调查，谷歌无人车事业部拆分这件事一点皆不奇异。谷歌一向存在一些严重问题：
贸易计谋：谷歌没有思索分明贸易模式，究竟该供应整车，仍是成为技能服务商、供应商。
手艺线路：谷歌的打算很激进，想一步跨到不需求方向盘的无人驾驶程度。事实上谷歌的虽然目的很大，但手艺线路较为很守旧，致使目的取手艺线路其实不婚配。谷歌无人车是基于高精度舆图的自动驾驶计划，该计划有很大局限性，需求事前对全部环境做出全面感知，这使得其正在处置不确定性事务层面有所短缺。这类不确定性体现正在长尾情形，而不全是普遍情形，而正在长尾挑衅层面，谷歌正在手艺线上没有很好地往处置这个题目。
2.若何看待近期对照热的强化进修和迁徙进修，他们正在使用方面的开展近况怎样，和所面对的挑衅？
强化进修目前面对的次要挑衅是若何 Handle Long-term Dependence 的题目，假如最终它 Reward 很长工夫才浮现，它若何往危害当前的 Policy ，是一个很大的题目。强化进修的代表 Alpha Go 事实上运用了奇妙的要领如 Learning From Experience 往下围棋，这一点很有意义 。那末将来若何在理论上有一个优美的框架，我感觉照样挺值得商量的。
别的，强化进修的框架相对而言是一个比拟黑箱的体系，这与感知不一样，正在感知层面黑箱一点还能够，但正在决议计划上必然要用白箱的、可理解的体式格局去做，尤其是自动驾驶行业。
关于迁徙进修这一题目，实在深度进修、神经网络自然就具有迁徙进修的特征，比如用 Image Net 往练习网络布局，事实上它的很大一部分参数正在其他题目上能够复用。正在参数范畴的迁徙进修，各人皆弄的比较分明，但正在布局方面的迁徙进修，如今还并不太分明。布局反应了更高层的进修题目，基于模子布局的迁徙进修将会是下一个热门。
3.您对哪一个深度进修开源平台正在 2017 年的开展有比较大的等待？
谷歌依托本身壮大的召唤力推动了 Tensor Flow，鉴于其壮大配景，使得它在来岁仍然很值得等待。而在近期被亚马逊选为官方平台的 MX Net 一样值得等待，MX Net 是一个越发开放的中性平台。若是想深入开辟手艺、开辟原创新手艺、寻求手艺自主性的话引荐用 MXNet。由生态层面讲，若是全部人工智能的开辟皆基于 Tensor Flow，这对生态的安康拥有负面影响，轻易被一家公司把持，将会影响到产业链的方方面面，如处理器和运用等方面的摆设。
除此之外，还推举人人利用我正在百度时代孵化的“亲儿子”百度 Paddle Paddle。
4.基于人工智能技术的公司将来会越来越多，算法、平台、产物、市场中，哪方面更可能成为一家乐成公司的中心竞争力？
我先下个结论：最不轻易乐成的是基于纯算法的公司，关键原因是壁垒低。此刻新的开源立异体式格局使得新算法持续冒出来，基本上每一个小时都在立异，若是一个公司的焦点竞争力基于伶俐水平，这很不靠谱。这个世界上永久比你更伶俐的人，并且许多。
无论是平台照旧产物，其焦点竞争力在这里两方面：
庞大的市场需求
充足的差异化和独特性，不成复制性
满意这两点，您的产物和解决方案或办事才具有焦点竞争力。
相关文章
排行榜
最新看点
编辑推荐
