除此之外，閔萬里認(rèn)為場景應(yīng)用是人工智能或數(shù)據(jù)智能來證明自身價(jià)值的地方，比如在預(yù)測《我是歌手》、城市交通調(diào)度、水壩水位監(jiān)測等。他說：“當(dāng)你有一天走到廣州一路綠燈的時(shí)候不要很驚奇。”
希望人工智能“慢”下來
人工智能這四個(gè)字太熱了，在座有非常多的投資人、創(chuàng)業(yè)者，以及從業(yè)者，正在創(chuàng)業(yè)路上的同學(xué)們。今天的分享我想給大家唯一一個(gè)的印象，我希望（人工智能）慢一點(diǎn)、慢下來，為什么？這個(gè)詞用得太多了。
人工智能其實(shí)還在一個(gè)早期。
實(shí)際上，早在兩千年前，我們就已經(jīng)在做“人工智能”了，那就是老祖宗的算盤；1950年代，夏普的計(jì)算器，在某些方面它已經(jīng)打敗了人類；今年3月份的AlphaGo，則在圍棋上戰(zhàn)勝了人類。
任何一個(gè)理性的、基于邏輯思考的、規(guī)則性的東西，也就是所謂的人工智能，或者機(jī)器智能，都會打敗人。但是，人工智能真的可以取代人嗎？還差得很遠(yuǎn)。縱觀整個(gè)人工智能發(fā)展的歷史，1950年提出人工智能，然后再往后就是機(jī)器學(xué)習(xí)，一直到60年代、80年代，機(jī)器學(xué)習(xí)其實(shí)已經(jīng)興起好幾遍。
尤其是現(xiàn)在非常火熱的神經(jīng)網(wǎng)絡(luò)，90年代的時(shí)候非常火，后來又沉寂下去了，為什么？因?yàn)橛?jì)算能力跟不上。90年代當(dāng)時(shí)大家知道在統(tǒng)計(jì)學(xué)講了很多，后來算不下去，但是2005年的時(shí)候突然一下爆發(fā)了。
2005之后，一個(gè)根本性的革命發(fā)生了：云計(jì)算、大數(shù)據(jù)，從Micro array （微矩陣），再到基因重組。在阿里云上我們現(xiàn)在可以實(shí)現(xiàn)“暴力”計(jì)算，以前需要很多天，今天我們幾個(gè)小時(shí)就可以算出來。
當(dāng)這種從量變到質(zhì)變發(fā)生的時(shí)候，我們可能從表象感覺到了人工智能時(shí)代，就是我從一個(gè)小朋友就變成一個(gè)大人，我的智慧成長了，所以變得人工智能來了，但是我們還有很多不會的東西。
人工智能距離真正的智能還很遠(yuǎn)
舉個(gè)例子，今年阿爾法狗下圍棋下得很好，因?yàn)閲迨怯幸?guī)則的，但是對于那些沒有規(guī)則的東西，對于藝術(shù)的鑒賞、文學(xué)的創(chuàng)作，究竟哪一首歌、哪一首詩比較容易打動你，這種非客觀的主觀認(rèn)知智能還沒有實(shí)現(xiàn)。
所以我們今天真正能夠讓人工智能超越人還遠(yuǎn)得很。今年投資人或創(chuàng)業(yè)者拿著DT來說，所有的技術(shù)再牛牛得過阿爾法狗嗎？但是阿爾法狗的局限在于，它是理性的思考，感性的認(rèn)知還差得遠(yuǎn)。
100年前，機(jī)器下圍棋肯定是下不贏人的，但是有了這些計(jì)算能力之后，就像“群狼打虎”一樣，AlphaGo背后的計(jì)算能力，相當(dāng)于多少臺機(jī)器？其實(shí)它是一個(gè)不平等的競爭，是車輪戰(zhàn)。表面上看是人工智能，但其實(shí)是量的不對等。
數(shù)據(jù)智能在垂直行業(yè)的應(yīng)用案例
所以我剛才說的智慧、智能這件事，它體現(xiàn)在垂直行業(yè)運(yùn)用當(dāng)中，智能交通是最典型的。
數(shù)據(jù)智能的價(jià)值體現(xiàn)在垂直行業(yè)的應(yīng)用當(dāng)中。其中，智能交通就是典型的海量數(shù)據(jù)場景。例如，我們可以實(shí)時(shí)監(jiān)測信號燈的交通流量，把城市所有信號燈的數(shù)據(jù)連接在一起，就變成了城市的眼睛，可以看清楚多少左轉(zhuǎn)、多少右轉(zhuǎn)。如果大家有裝高德地圖，就會告訴你哪里堵、哪里不堵。有了數(shù)據(jù)智能之后，可以告訴你、20分鐘、30分鐘之后，3公里外的路口是否堵車。
交通的狀況瞬息萬變，空間的距離會帶來信息的滯后，為什么現(xiàn)在高德地圖App和百度地圖App會告訴你當(dāng)前的情況，夜視技術(shù)的問題。去年國慶在浙江，阿里云成功預(yù)測出了未來1小時(shí)內(nèi)的路況。
從個(gè)體的感受到全局的智能還有很多，比如說水壩監(jiān)測，這個(gè)跟我們生活息息相關(guān)，但是我們又不怎么感知，就像長江一樣，每個(gè)支流的水量怎么樣，包括下游，我要加大泄洪，這個(gè)需要實(shí)時(shí)的研判，需要預(yù)判，需要多種數(shù)據(jù)的連接。
另外一個(gè)例子是貨車如何做到智能物流。誰能告訴我下午三點(diǎn)跑到廣州，誰能告訴我跑回來有貨可以帶回來，這個(gè)事情我們很容易做到，通過搓合機(jī)制，實(shí)時(shí)搓合貨車和司機(jī)，實(shí)現(xiàn)供需之間的匹配問題。
應(yīng)用場景有很多。例如：語音識別、文字實(shí)時(shí)轉(zhuǎn)錄，可以把法院庭審的過程轉(zhuǎn)化可記錄的文字，存儲歸檔。車輛路徑的實(shí)時(shí)捕捉和追蹤，城市交通管理者能夠看的更加清楚、仔細(xì)，從而更好的安排和設(shè)計(jì)路口的車輛轉(zhuǎn)向規(guī)則。另外一個(gè)例子是搜圖購物，拍個(gè)照立刻到淘寶找類似的同款。
《我是歌手》的歌王預(yù)測，是典型的挑戰(zhàn)非理性思考的過程，一首歌是否好聽，取決于多種因素。這樣的實(shí)時(shí)預(yù)測很難，做這樣的事也很冒險(xiǎn)，但是從人工智能的角度，我們要做的不是簡單、機(jī)械的重復(fù)任務(wù)，而是要挑戰(zhàn)人的情感世界認(rèn)知過程。
我們到目前為止所有看到的機(jī)器人都應(yīng)該把那個(gè)“人”去掉，它是機(jī)器，它不是人。人是一個(gè)有情感的動物，我看過很多創(chuàng)業(yè)公司做的機(jī)器人，它的情感在哪里？有嗎？沒有。
最新的一個(gè)案例，是廣州交警“互聯(lián)網(wǎng)＋信號燈”的試點(diǎn)項(xiàng)目。8月31日剛剛發(fā)生的，剛你看清楚了每一個(gè)路口左轉(zhuǎn)右轉(zhuǎn)有多少車的時(shí)候你知道該怎么調(diào)每一個(gè)紅綠燈的時(shí)長，使路口變得暢通，廣州2000多個(gè)路口，給大家創(chuàng)造的生產(chǎn)力價(jià)值有多少，這個(gè)價(jià)值很難衡量的，因?yàn)橛腥艘环昼娭岛芏啵覀內(nèi)プ鰞?yōu)化決策。
當(dāng)你有一天走到廣州一路綠燈的時(shí)候不要很驚奇，杭州太堵了，但是北京是有可能的。
