李开复:AI进入落地期,单凭科学家颠覆行业的机会几乎不存在,这个领域除外

郭一璞 整理编辑自 李开复演讲
量子位 报道 | 公众号 QbitAI

今天,创新工场的传统项目人工智能训练营DeeCamp开营了。

从2017年开始,这已经是DeeCamp的第四年了。

这一次DeeCamp的形式有些特别,200余名来自MIT、CMU、清华、北大、北航、中国科学院大学等高校的同学在线上汇集,远程学习协作,通过暑期学习后在医疗、教育、自动驾驶等赛道做出可落地的AI项目Demo。

每届的开营仪式上,都有一个保留项目:

李开复教你如何步入产业界

李开复:单凭AI科学家颠覆行业的机会几乎不存在,这个领域除外

AI领域变化迅速,开复老师会针对当时的情况和未来的大趋势,告诉仍在读书的同学们,产业界有哪些机会,如何进入产业界创造价值,如何找到创业机会。

那么今年开复老师又分享了哪些思考和洞察,给出了什么样的建议?

我们一起看一下。

中国如何崛起成为AI超级大国?

中国AI的发展速度肉眼可见,从论文质量和数量到企业落地成果都在飞速成长。

李开复认为,中国AI崛起的原因在6点:

李开复:单凭AI科学家颠覆行业的机会几乎不存在,这个领域除外

虽然中国没有图灵奖级别的大师,但是有大批优秀的年轻AI工程师。

而且,AI是在互联网应用上打响的第一炮,最牛的互联网公司都在中美,这些互联网公司有海量数据可以做AI,因此,互联网公司做AI是最低垂、最容易够到的果实。

在此基础之上,中国创业者更拼搏。美国的创业者更绅士,竞争不激烈,喜欢各做各的、开辟新领域;但在中国创业是赢家通吃的状况,这也是美团能到千亿市值的原因,赢家通吃之后,就可以做成就有壁垒的业务,也有大量数据支持。

而且,中国创业者从借鉴海外模式到本土创新,现在产品已经走向全世界。快手、拼多多、Vipkid、今日头条、蚂蚁金服这些产品都是中国创业者自己创造的模式,而现在,这些模式开始走向世界了。

李开复:单凭AI科学家颠覆行业的机会几乎不存在,这个领域除外

这些走向世界的APP成功之后,就会产生海量数据,有了数据就能把AI做的更好。

“如果每个AI都需要一个Geoffrey Hinton来调参数,那中国肯定做不过美国加拿大,但中国有海量数据。”李开复说,“中国数据丰富,就是AI领域的OPEC。”

此外,中国的政策大力推动AI发展,投入基础设施建设。即使是腾讯这样的大公司也不可能帮整个世界建设5G和云,但政府可以帮助提升,这是中国互联网新应用发展的沃土。

比如说,快手就是从四五线城市走出来的,但在美国不可能出现快手这样的产品,因为美国中西部城市的网络非常差劲。

再比如自动驾驶方面,美国的策略是不改变道路,中国则为无人驾驶打造新的公路,新基建的赋能提升安全度,保证安全度足够让无人车上路,进而累计新的数据,让整个技术迭代的链条滚动下去。

李开复:单凭AI科学家颠覆行业的机会几乎不存在,这个领域除外

因此,李开复预测,未来AI的各个领域中国公司会有相当大的发展空间。

现在是落地的时代

李开复认为,AI已经从少数精英的“发明期”走向遍地开花的“应用期”。

这一变革的临界点是深度学习。

深度学习打破了从“不可用”到“可用”的界限,把人工智能推进应用期。

此后的Transformer、强化学习、迁移学习、GAN等技术虽然有很大的贡献,但不会像深度学习一样有如此革命性的进展。

李开复:单凭AI科学家颠覆行业的机会几乎不存在,这个领域除外

而在未来,还会有很多新技术被发明,但是它们可能很难超越深度学习对产业和社会造成的影响力。

在AI的发明期,一个技术会有三五年的优势,比如最早的CNN从发明到商业化耗时30年。

但在AI的应用期,新技术出来两年后就遍地开花了,比如Transformer从发明到大规模商用仅用了2年。

李开复:单凭AI科学家颠覆行业的机会几乎不存在,这个领域除外

发明期带来了红利,创造了很多成功创业家,比如旷视的印奇、地平线的余凯等等。

但在现在的应用期,我们很难期待只凭一个新技术,就能创造一个旷视商汤,更要看重具体的商业价值。

在应用期,AI最大的机会是帮助传统行业提升,比如一家几千亿收入的传统公司,用上了AI,如果能提升1%的收入,那就是巨大的价值。

早期AI专家有很大稀缺性,但现在不同。今天AI的壁垒在下降,但产业的壁垒还是很高的,更需要学AI的人去了解商业,了解怎么赚钱。

早期,商汤旷视借一个人脸识别技术,就颠覆了很多安防公司。

但目前在很多不同的行业里,这些行业中的管理者和工程师学会运用AI的难度,要远远低于懂AI的人学会他们的行业然后颠覆他们的几率

李开复:单凭AI科学家颠覆行业的机会几乎不存在,这个领域除外

李开复认为,可能在制药领域还有这样颠覆性的机会,但在大部分行业,不会有如此稀缺性的机会,让少数几个AI专家单凭技术就能颠覆行业。

落地时代,如何选择商业模式

李开复认为,AI赋能传统行业的过程,是从单一环节逐渐到整个流程,在逐渐重构整个行业规则的。

李开复:单凭AI科学家颠覆行业的机会几乎不存在,这个领域除外

比如,加工制造业中,用计算机视觉完成服装自动质检;零售行业中,借助计算机视觉技术,手机扫一扫就能快速完成门店陈列检查;在生产线上,完成电机零件组装;在教育场景下,AI辅助老师出题、改卷子,让老师有更多的时间精力教孩子学习方法和做人的道理。

这些,都是在单一环节降本提效、优化赋能。

单一环节的AI引用多了之后,就会在流程上取得更多更多的机会。

比如借助RPA(机器人流程自动化)的方式,在电脑上工作的白领,有许多流程化、固定化的操作和内容,不需要动用太多智力的点选、保存、输入、扫描等工作流程都可以自动化,交给RPA进行。

最后,还可能重构整个行业的规则。

比如在医疗行业,AI可以研发新药小分子,帮人们找到能够治疗某种疾病的药品化学分子结构;也可以靠大数据来优化供应链,解决农村缺医少药的问题。

学者和创业者,思维模式不同

李开复讲到,学校教育是为了让学生成为一个学术界的科学家,“让你成为你的老师”。

但进入创业界,则需要一个完全不同的思维。

李开复认为,在AI赋能的时代,本质上做的是To B的生意,科学家型创始人也需要理解商业。

李开复:单凭AI科学家颠覆行业的机会几乎不存在,这个领域除外

除了科研之外,科学家型创始人还需要做行业探索、市场开拓、把技术产品化和市场化的过程。

而现在,AI技术相对成熟,成熟的软件框架、硬件、人才培养机制,让AI产品化的门槛非常低。

李开复:单凭AI科学家颠覆行业的机会几乎不存在,这个领域除外

如何理解不同时期如何做商业?

开复老师举了不同时期AI企业的几个例子:

2011年成立的旷视,处在AI的发明期,聚拢了一大群清华姚班的人才,可以从游戏开始,花三年探索商业模式。

到了2017年,这一年成立的创新工场子公司创新奇智,则是直接开始做商业落地。创始团队6位高管中,四位是商业背景出身,两位是技术背景出身。这家公司在创立第三年的收入已经超过了8亿RMB,即将成为创新工场投出的第6家独角兽。

此外,还有一家教育公司「河小象」,用AI教孩子写字,教育行业的核心是优质的内容,AI技术是它的底层支撑。

此外,也有一些不太成功的例子。

比如有一大批医疗影像读片公司,创始人都是技术出身,但他们不懂医院如何运转、如何采购,找不到商业模式。

还有教育公司做了非常复杂的实体AI机器人,机器人老师可以在黑板上写字,可以和孩子交流。但这样的机器人老师缺乏市场需求,不如直接做一个卡通形象老师,借助屏幕和孩子交流。

而且,李开复还强调AI赋能产业的定制化,“不要觉得具体功能很low,一开始就做平台不是那么容易的。”

年轻AI技术人如何做选择

了解这些基础知识之后,面临毕业的AI专业学生要如何做选择呢?

如果投身产业界,做AI赋能的话,有三个机会:

一是自己创业,学术研究者的商业经验不足,加入一家创业公司是最好的方向,但是要把顾客当做上帝,先考虑行业需求再考虑做多酷的AI。

二是加入传统公司,最适合的是金融公司,因为互联网公司自己都会做AI,而金融公司数据丰富,目标函数和指标很明确,并且金融公司重视科技人才。

三是加入咨询公司,因为一些非常传统的公司、家族企业,他们的文化大部分科研人员很难适应,但麦肯锡这一类的咨询公司,就可以帮助这些传统公司做AI转型。

如何不完全进入产业界,留在学术圈的话,也有三个方向:

一是可以专注AI理论研究,发明不考虑商业应用的新技术,就像Geoffrey Hinton一样,等待AI认知方向的新突破。

二是先创业,创业成功之后再回学校做研究,像普林斯顿的李凯教授一样。

三是像李飞飞一样,立足于学术界,做兼职参与谷歌的AI。

版权所有,未经授权不得以任何形式转载及使用,违者必究。