-
人工智能
傅盛：深度学习是什么？
文章作者：傅盛 来源于傅盛微信公众号：盛盛GO（fstalk）。
人工智能，就好像第四次工业革命，正从学术界的私藏，转变为一种能够改变世界的力量。尤其，以深度学习取得的进步为显著标志。
它让匍匐前进60年的人工智能一鸣惊人。
我们正降落到一片新大陆。深度学习带来的这场重大技术革命，有可能颠覆过去20年互联网对技术的认知，实现技术体验的跨越式发展。
那么，深度学习到底是什么？怎么理解它的重要性？
我们先从概念和现象入手。
我总结了一句话，学术上看未必严谨，但从我的理解角度看——深度学习是基于多层神经网络的，海量数据为输入的，规则自学习方法。
这里包含了几个关键词：
第一个关键词叫多层神经网络。
深度学习所基于的多层神经网络并非新鲜事物，甚至在80年代被认为没前途。但近年来，科学家们对多层神经网络的不断算法优化，使它出现了突破性的进展。
以往很多算法是线性的。而这世界上大多数事情的特征是复杂非线性的。比如猫的图像中，就包含了颜色、形态、五官、光线等各种信息。深度学习的关键就是通过多层非线性映射将这些因素成功分开。
那为什么要深呢？多层神经网络比浅层的好处在哪儿呢？
简单说，就是可以减少参数。因为它重复利用中间层的计算单元。我们还是以认猫为例好了。它可以学习猫的分层特征：最底层从原始像素开始学习，刻画局部的边缘和纹；中层把各种边缘进行组合，描述不同类型的猫的器官；最高层描述的是整个猫的全局特征。
它需要超强的计算能力，同时还不断有海量数据的输入。特别是在信息表示和特征设计方面，过去大量依赖人工，严重影响有效性和通用性。深度学习则彻底颠覆了“人造特征”的范式，开启了数据驱动的“表示学习”范式——由数据自提取特征，计算机自己发现规则，进行自学习。
你可以理解为——过去，人们对经验的利用，靠人类自己完成。在深度学习呢？经验，以数据形式存在。因此，深度学习，就是关于在计算机上从数据中产生模型的算法，即深度学习算法。
问题来了，几年前讲大数据，以及各种算法，与深度学习有什么区别呢？
过去的算法模式，数学上叫线性，x和y的关系是对应的，它是一种函数体现的映射。但这种算法在海量数据面前遇到了瓶颈。国际上著名的ImageNet图像分类大赛，用传统算法，识别错误率一直降不下去，上深度学习后，错误率大幅降低。在2010年，获胜的系统只能正确标记72%的图片；到2012年，多伦多大学的 Geoff Hinton利用深度学习的新技术，带领团队实现了85%的准确率。2015年的ImageNet竞赛上，一个深度学习系统以96%的准确率第一次超过了人类（人类平均有95%的准确率）。
计算机认图的能力，已经超过了人。尤其图像和语音等复杂应用，深度学习技术取得了优越的性能。为什么呢？其实就是思路的革新。
举几个脑洞大开的例子。
（1）
先说计算机认猫。
我们通常能用很多属性描述一个事物。其中有些属性可能很关键，很有用，另一些属性可能没什么用。我们就将属性被称为特征。特征辨识，就是一个数据处理的过程。
传统算法认猫，也是标注各种特征去认。就是大眼睛，有胡子，有花纹。但这种特征写着写着，有的猫和老虎就分不出来，狗和猫也分不出来。这种方法叫——人制定规则，机器学习这种规则。
深度学习方法怎么办呢？直接给你百万张图片，说这里有猫，再给你上百万张图，说这里没猫。然后再训练一个深度网络，通过深度学习自己去学猫的特征，计算机就知道了，谁是猫。
（2）
第二个例子是谷歌训练机械手抓取。
传统方法肯定是看到那里有个机械手，就写好函数，move到xyz标注的空间点，利用程序实现一次抓取。
而谷歌现在用机器人训练一个深度神经网络，帮助机器人根据摄像头输入和电机命令，预测抓取的结果。简单说，就是训练机器人的手眼协调。机器人会观测自己的机械臂，实时纠正抓取运动。
所有行为都从学习中自然浮现，而不是依靠传统的系统程序。
为了加快学习进程，谷歌用了14个机械手同时工作，在将近3000小时的训练，相当于80万次抓取尝试后，开始看到智能反应行为的出现。据公开资料，没有训练的机械手，前30次抓取失败率为34%，而训练后，失败率降低到18%。
这就是一个自我学习的过程。
（3）
有人问了，深度学习，能学习写文章吗？
来看这个例子。斯坦福大学的计算机博士andrej kapathy曾用托尔斯泰的小说《战争与和平》来训练神经网络。每训练100个回合，就叫它写文章。100个回合后，机器知道要空格，但仍然有乱码。500个回合后，能正确拼写一些短单词。1200个回合后，有标点符号和长单词。2000个回合后，已经可以正确拼写更复杂的语句。
整个演化过程是个什么情况呢？
以前我们写文章，只要告诉主谓宾。而以上过程，完全没人告诉机器语法规则。甚至，连标点和字母区别都不用告诉它。不告诉机器任何程序。只是不停将原始数据进行训练，一层一层训练，最后输出结果——就是一个个看得懂的语句。
一切看起来都很有趣。人工智能与深度学习的美妙之处，也正在于此。
（4）
我还去硅谷看过一家公司——完全颠覆以往的算法，利用深度学习实现图像深度信息的采集。
众所周知，市面上已经有无人机，可实现人的跟踪。它的方法是什么呢？一个人，在图像系统里，一堆色块的组合。通过人工的方式进行特征选择，比如颜色特征，梯度特征。拿简单的颜色特征举例：比如你穿着绿色衣服，突然走进草丛，就可能跟丢。或，他脱了件衣服，几个人很相近，也容易跟丢。
此时，若想在这个基础上继续优化，将颜色特征进行某些调整，是非常困难的。而且调整后，还会存在对过去某些状况不适用的问题。
总之，这样的算法需要不停迭代，迭代又会影响前面的效果。
而硅谷这个团队，利用深度学习，把所有人脑袋做出来，只区分好前景和背景。区分之后，背景全部用数学方式随意填充，再不断生产大量背景数据，进行自学习。只要把前景学习出来就行。
据我所知，很多传统方法，还在采用双目视觉。用计算机去做局部匹配，再根据双目测出的两个匹配的差距，去推算空间另一个点和它的三角位置，从而判断离你多远。
可想而知，深度学习的出现，使得很多公司辛苦积累的软件算法直接作废了。
“算法为核心竞争力”，正在转变为，“数据为核心竞争力”。
技术人员必须进入新的起跑线。
（5）
最后再举个例子。
大家都做过胃镜。尤其胃痛，很痛苦。肠胃镜要分开做，而且小肠看不见。
有一家公司出了一种胶囊摄像头。吃进去后，在你的消化道，每5秒拍一幅图，连续摄像，此后再排出胶囊。所有关于肠道胃部的问题，全部完整记录。但医生光把那个图看完，就需要五个小时。原本的机器主动检测漏检率高，要医生复查。
后来，他们采用深度学习。采集8000多例图片数据灌进去，用机器不断学，不仅提高诊断精确率，减少了医生的漏诊，以及对稀缺好医生的经验依赖。只需要靠机器自己去学习规则。
深度学习算法，可以帮助医生作出决策。
-
人工智能
人工智能、企业服务，创业公司如何打破BAT“一手遮天”的局面？
本文是“2016联想之星WILL大会”嘉宾分享精选，主要围绕人工智能、消费升级、创业经验以及企业服务领域的相关探讨。希望他们观点对你有所启发。
技术驱动下的商业“恐惧”
周源（知乎CEO）：过去三五年的互联网产品基本上都是靠技术不断地迭代才能够活下来。我认为VR发生质变的时间至少在三年以后，我们看到有大量的成本，一方面是整个硬件的成本是非常高，另一方面里面有一个很缺的是内容从哪里来，一旦连接完成以后，其实是一个介质的改变，一定会释放出新的内容的产生，这个新的内容产生一定分成两种，一是所有人个体的内容产生，现在已经看到所有直播平台都好像给了一个窗口可以做这个事情。第二是专业的机构在里面，不光是提供内容，还提供专业的服务，这个事情可能是需要有一个过程。
汉雨生（燃石医学CEO）：现在精准医学已经没有办法把科技和医学完全分开，这就是为什么一个做精准医学公司想做得好的话，必须有实验室、医学、生物学、生物性医学、IT，这五个方面的人才集合在一块儿才能把一个精准医学的公司做好，不像以前比如我们做药物研发基本对药物了解就可以，做医疗器械，髋关节置换，可能是生物学加上一些类似于材料学的就可以。精准医学是非常复杂的多学科技术。
印奇（Face++创始人）：我认为，未来的人工智能的企业，如果今年或者说明年人工智能的企业还在说自己是平台化公司或者纯技术公司，我觉得是“耍流氓”。人工智能公司一定要选择你去改造和升级的行业，一定会跟一个行业强挂钩。这个行业要不很新颖，之前没有特别强的传统的，一般不可能，因为你选择的行业会选择足够大的行业，这也行业的竞争对手有点是作为互联网的或者是人工智能的企业和传统企业你们各有优势，在这样的竞争中，不一定是拼得你死我活，希望有我们的一席之地。
狭隘的恐惧
周源（知乎CEO）：我认为是狭隘，人都会在某个阶段很狭隘，来自于我最大的恐惧是我不知道我狭隘。我可能就做了一些判断决定。原来是事后知道，现在变成事前了。最大的恐惧就是不知道自己狭隘。
机会时间窗口变短的恐惧
印奇（Face++创始人）：最近半年我最大的恐惧是真正能够留给一个创业公司成为一家特别巨大的公司的机会，比如在人工智能的行业，时间窗口越来越短，人工智能这一拨是每个人都会经历和起到变革的，大部分真正能够看到的机会是已有的巨头们，作为一家创业公司，至少我们的目标不是说发展到怎么样，追求一些个人的财富回报，还是真的希望把这个事业长久做下去。我的感觉就是时间窗口留给我们的时间越来越短。
梦想被吞噬和压制的恐惧
汉雨生（燃石医学CEO）：其实每个企业家和创业者都会有特别担心的方面，比如融资、团队、发展等等，我觉得这称不上恐惧，因为是阶段性的。如果真正的恐惧是什么，就像刚才说的未来基因的读和写究竟给这个世界带来什么样的改变，我们作为一个创业者在这里真正是扮演什么样的角色。当你想这个的时候才是真正深层次的恐惧，而不是现在我们遇到的一些麻烦，另外你有办法解决，比如融资大不了低估值点，融少一点，团队的问题可以解决，不是第一，可以是第二。最恐惧的是行业，我们涉及到都是跟生命相关的东西。
消费升级用户被带着走
梁峰（悦跑圈CEO）：用户的使用习惯也许是错的，得告诉他我的方法，信我的可以相信我，不信我的可以离开我，你只有不断的做减法，找到那些人是一直跟着你用的，他才有价值。如果是用户把你当成就听我的命令就行，用户想怎么用就怎么用，这个软件也丧失了你的灵魂也丧失了真正的教育意义，这个软件就跟别人是一模一样的，没有存在价值了。
张天一（伏牛堂CEO）：出现这些更大的企业机会在哪儿？有三点：第一点，互联网的出现一定会提高整个行业的品牌运营效率，乃至提高整个行业的品牌议价。第二点，更好人才的进入必然会提高这个行业在供应链和运营端的组织和运营效率。第三点，今天的整个IT系统包括数据的进步，移动互联网的这拨红利必然提高整个行业的运营效率。
资本寒冬：广集粮、缓称王
梁峰（悦跑圈CEO）：体育在去年还是风口上的猪，但从去年下半年开始资金已经开始紧张了，到了今年就会更悲摧一些，我身边很多我的同行做体育的，基本上很少在开发布会讲故事了。
面对寒冬我们做了三个决定：
第一是停止投资，我们自己本身是创业公司，资金也不多，从今年开始就停掉去投别人的想法，开始直接先形成联盟，这是我们稍微有一点改变的地方，也不再是大手大脚的花钱。以前我们融了资没有怎么用的话，也是去投别人。
第二是HR去挖人，随着资本的寒冬肯定有很多人才会离开，觉得已经维持不了他的需求。这是一个非常好的挖人的机会。
第三是开源。我们自己把本来准备在明年开始做的两个项目今年提前做，因为这两个项目确实是可以马上变现。我们把这两个项目提前，包括我们今年已经开始招明年的商，赛事的商，寅吃卯粮也好或者提前落袋为安也好，就是先把现金落袋。
我觉得无论是互联网公司还是体育公司还是普通的公司，哪怕是小作坊，都是现金为王，手上有钱比什么都重要。总体来讲，做企业是要自己能活下来，不要指望投资人雪中送炭，一般是锦上添花。
刘泽辉（君联资本董事总经理）：联想有一句话叫“退出画面看画面”，还有实质性思维，我觉得这个一个是作为企业家也好，或者是创业者，我们今天的创业者企业还在发展阶段，现在作为创业者和创业家更准确。当然生存很重要，我们作为创业者，活下来是最重要的，其他所有的都是为了生存，还是建议大家能够花出一点时间，每周也好，每个月也好，能够有更多的时间去思考一下未来。我们做这件事情和创业的时候，特别是投很多创业企业，最初的事情和最后成的事情有很大的区别。
企业服务BAT为何无法“一手遮天”？
刘俊彦（环信CEO）：2B和2C的产品完全不一样，2C的产品好多时候可以用程式来驱动，你看一看别人怎么做你就可以回去抄了，决定这个东西产品成败的元素不是产品做得多好，技术多好，是资源技术推广运营做得怎么样，以我们的行业为例，我们做SAAS客服，有没有见过两千个客服坐在一个屋子里怎么工作，怎么排班，怎么管理，我们普通人想像不到的，咱们没有这个知识，对于BAT来说，他们获得这个知识跟我们获得是一样难的，作为创业公司如果早进入这个领域它的壁垒比较高，BAT也没有这个知识，不是靠常识获得的。
第二，做2B产品，做SAAS的产品是研发驱动的产品，是研发运营的东西，BAT擅长的是资源，就像我们挖坑按种树一样，刚开始我的人才架构，我的产品架构决定我前面只能挖十个坑，只有十个坑可以种树，所以BATT虽然有再多的钱再多的人投不上来也是没有用的，所以这种情况下就是你有做的钱、做多的人我们都在前线只能投10个人，如果我投的早，其实还是很难赶超我，在资源投入上BAT没有什么优势。
第三，从销售上来说也是这样的，做电梯广告的时候有就要用到了，做做多的广告，对2B的销售没有任何帮助。作为很多BAT来说，他们擅长什么，有的是流量，有的是钱，但是很可惜这个流量和钱对于2B软件的销售没有任何帮助，你不能投电梯广告，你现在的用户都是2C的用户，你再怎么导也导不成2B的用户，你真的要养几十个、几百个销售，躬下腰去干活，BAT来说他与其挣钱挣的很容易，他愿不愿意躺着挣钱，愿不愿意爬着挣钱，养几千个销售挣这么累的钱，从现在看事实是这样，他们很多是选择不挣这个钱。
从这三点综合来看，我们认为在2B行业竞争从BAT来说和创业来说，大家的门槛都差不多，他们没有任何额外优势。具体到我们的案例来说，我们做环信通讯云的来说，在过去两年里面，腾讯、阿里都有跟我们类似的产品，曾经有一段时间各方面都做了很多宣传推广，现在我还坐在这儿跟大家聊天，我们曾经的竞争对手可能都销声匿迹了。这是一个事实的证明。
张溪梦（GrowingIO 创始人）：其实BAT第一个他们在数据分析领域里面都非常强大了，在过去十几年还是积累非常好的经验。回到刚才几位创始人分享，我们中国现在已经从流量向存量，存量向精细化，未来的发展方向还是应该有分工的。这是我对社会和世界未来的一种期待。大家应该各有专攻，把自己做的事情做好，最好能够做到极致，帮助我们的用户实现某种价值，迅速的落地。如果一个公司同时齐头并进做一百件事情有可能很难做好。这是我跟刘俊彦的感觉是差不多的。
另外，数据本身存在于各个企业里面，是很泛的概念，在这里面又能够创出各种各样不同的服务。今天比如做的数据分析，听上去很泛，还是非常专注在用户的行为上，能预测用户未来流失，增加他的留存，帮助企业变现，这些还是有很深刻的一些知识、方法论、理论体系，包括产品或者工具。
一个企业服务公司它需要各个功能职能部门都不能太差，这就要求你在各个环节里都具备一定的竞争力，其实是一个蛮苦蛮累的活，我们每天在公司里，现在微信当中发的“跪服客户”，就是跪着服务客户，这个过程还需要很多时间、精力、情感、服务的，真正的BAT有没有那么多资源去建那么复杂的团队，打那么多细分的领域，我觉得不一定是很现实的。
最后一点，企业服务是一个长远的事情，必须要在这一方做很长期的准备，不是靠流量一下子就把入口控制了，把钱装兜里了，如果这种思维的话是很难做好一个产品的。
季昕华（UCloud 创始人）：我们跟BAT竞争了四五年，从整个行业发展来看，我认为BAT肯定会进入企业市场，因为在消费的领域市场已经他们其实垄断了，但是整个消费领域占整个互联网，分为消费互联网和产业互联网，产业互联网的规模会远远大于消费互联网，BAT开始进入2B的领域，确实也造成比较大的影响，比如说有一个SAAS产品，可能去年的收入原来是一年将近有七八千万的收入，后来“丁丁”一出来，他只能给我提供免费，从七千万瞬间降为零。但是我们认为BAT做企业服务，有三大困难，第一大困难是整个基因不太一样，原来做消费的不需要跪服客户，从互联网来推，他们见客户是高昂着头去做客户的，所以经营上是比较大的问题，有比较大的压力。
第二是传统的消费互联网它的利润非常高，而企业互联网相对利润比较低一点，一个具有高毛利、高利润的企业要进入一个低利润企业的时候，他们在资本市场的压力会非常大，会逼着你说不敢长期投入，像国外的亚马逊本来是低毛利的市场走向高毛利的业务他就愿意做了，从高毛利业务走向低毛利业务，压力就比较大。
第三是像刚才说的一样，做企业市场每一个方面都不能差，比如技术、产品以及销售。传统的BAT其实没有很好的销售团队来做这个事情，这是很有压力的。
来源：虎嗅网
作者：饭酔分子
-
人工智能
德国人工智能客户服务平台 Parlamind 获165万美元种子轮融资，为电商提供更加智能的客户服务
Parlamind 是一家提供人工智能客户服务平台服务的初创公司，总部设在德国柏林。近日，该公司宣布获得150万欧元（约合165万美元）种子轮融资，投资方是Motu Ventures、Asgard Capital和angelfund.vc 三家风投公司。据悉，该公司计划利用这笔投资加大其智能客服平台的研发工作。
基于对自然语言处理、机器学习、以及先进的云技术软件领域的最新研究，Parlamind 团队正在为电子商务公司客户服务构建下一代人工智能技术，可以支持定位、分析、自动回答客户所提出的各类问题，优化客户服务体验。实际上，Parlamind 解决方案能够结合人工客户服务代表，帮助电子商务公司为客户提供无缝的业务支持服务，将人工智能融入到企业客服团队内部，就像是他们中的“一员”。
该公司于去年八月创立，目前成立还不到一年，创始人是四位连续创业家——Tina Klüwer博士（CTO）、Christian Wolf（CEO）、Núria Bertomeu Castelló（CSO）、以及Tobias Lehmann（CIO）。他们在人工智能研究、企业软件、电子商务行业，特别是电子商务客服领域有着丰富的经验，了解电商消费者会问什么问题、交流过程中会有什么样的感受、遇到的问题是什么、问题解决速度有多快、如何取悦消费者，等等。此外，Parlamind公司还和多家业内领先的企业和研究机构建立了合作伙伴关系，包括德国知名消费电商 wirkaufens.de 的人工智能研究中心（DFKI）、德国电信实验室（T-Labs）以及德国最大的SEO软件服务商 Searchmetrics。
Parlamind公司首席执行官Christian Wolf表示：
我相信下一个大战场将会发生在电子商务客户服务领域，未来的电商客服会涉及到定价、流量和广告等多种业务。优秀的客户关怀解决方案，能帮助电商企业构建忠诚客户，他们会成为你公司的回头客，甚至会为你进行“口碑营销”。如果你掌握了客户关怀的诀窍，那么就能把客户问题变成机遇，吸引更多粉丝。我们知道客户服务是很多电商公司的痛点，因此从2014年开始，我和 Tina 就开始和电商进行接洽，而现在，到了解决这一行业痛点的时候了。
相比于人工客服代表，Parlamind 人工智能云技术平台识别某个具体电商问题的速度更快，它可以准确判断出顾客的问题所在，知道相关问题是公司内部哪个具体部门负责，并把这些问题发送给指定团队。显然，利用 Parlamind 人工智能技术的电商公司会在客户服务业务上获得极大提升，一方面可以提升客户服务质量，另一方面也提高了整个企业内部的工作效率。
本文来自翻译：www.finsmes.com
-
人工智能
谷歌董事长力挺人工智能：它能把人类从工作中解放出来
编者注：近日，谷歌董事长Eric Schmidt（埃里克·施密特）和在线教育公司Udacity总裁兼董事长Sebastian Thrun（塞巴斯蒂安·史朗）发表联合署名文章《Let's Stop Freaking Out About Artificial Intelligence》，发表在Fortune（《财富》杂志）网络版上，呼吁拥抱人工智能，摒除对人工智能的恐惧。这一观点跟此前霍金、比尔·盖茨等名人的意见相左。本文由雷锋网翻译。
人工智能值得肯定的地方绝对其负面影响要多得多，所以，让我们继续开发人工智能技术吧！
如今科技圈里讨论最多的话题肯定是人工智能(AI)，不过在我们的日常生活里，人工智能似乎通常都是处于“隐身”模式。
有很多行业里的公司都成功应用了人工智能技术，涉及的领域范围也十分广泛，比如信用卡欺诈监测，语音识别，网络搜索排名，自动化客户服务，法律探索，照片搜索，翻译，甚至是传统农业。一直以来，围棋这个古老而复杂的游戏被认为是超出了计算机所掌控的能力，但就在几周前，谷歌的人工智能程序“阿法狗”击败了人类围棋冠军李世石。事实上，阿法狗学习了数百万个围棋比赛才获得了这场胜利。斯坦福大学的人工智能实验室和IBM Watson学习了数百万份患者的医疗病历记录，对癌症类型的诊断甚至比人类医生还要准确。人工智能正在发挥越来越多的正面作用。
当我们在自动驾驶汽车里引入人工智能技术时，很多专家都认为让电脑开车上路是非常不安全的。但是谷歌自动驾驶汽车开发团队非常有远见，他们对人工智能在自动驾驶汽车上的应用，有着不一样的看法。当我们在驾驶汽车时，绝大多数人都是从他们自己所犯过的错误上学习经验教训，但是却很少能从其他人所犯的错误中学习。这会产生一个问题，那就是大家会一次又一次地集体犯相同的错误，结果就导致了全世界每年有很多人死于交通事故。
人工智能会用不同的“进化”方法来解决这一问题。当一辆自动驾驶汽车犯错误之后，所有的自动驾驶汽车都能从这个错误中学习教训。事实上，新生产的自动驾驶汽车从一“出生”就已经完全掌握了前几代产品的所有技能。所以总体而言，这些汽车的学习速度要比人类更快。在这种情况下，搭载人工智能技术的自动驾驶汽车会在短期内和人类驾驶员一起行驶在马路上，他们会学习彼此的错误。
由于最近出现了很多突破性的技术，导致人工智能发展的很快，同时也引发了公众的辩论。有一些人对人工智能感到恐惧，他们呼吁要采取紧急措施，以避免一个假想的“反乌托邦”出现。
但是谷歌对人工智能还是非常乐观的。从技术发展的历史可以看出，每个新技术的出现起初都会有很多怀疑和恐惧，但最终，这些新技术都改善了人类的生活。举个例子，柯达相机出现的时候，人们认为它会破坏艺术；电力出现时有人觉得它太危险了。但是，一旦这些技术应用在了数以百万计的人手中，并且不断开放、发展、合作，所有的恐惧都会烟消云散。正如农业机械革命把我们的双手释放了出现，再也不用在农田里靠双手采摘农作物了。人工智能革命也是如此，它将我们人类从琐碎的、重复的、盲目的工作中解脱出来。人工智能会做一些我们不愿意做的事情——比如在交通繁忙的道路上开车。
我们相信，人工智能不仅能够让我们从很多消极的工作中解放出来，而且来能提升人类的积极性。比如在和“阿法狗”比赛时，围棋大师李世石对围棋有了更深层次的理解，同时也大大提升了自己的比赛水平。未来，我们每个人都可以像李世石这样，利用人工智能改善我们每天所做的事情。
想象一下未来的世界，智能的App应用和设备可以帮助我们识别每一个要遇到的人，回忆我们曾经说过的每一句话，体验我们曾经错过的每一个瞬间。未来，我们能够理解全世界各种语言(如今，谷歌翻译已经开始着手启动开发这个功能了)，依靠人工智能技术，我们可以使用工具更好地借鉴别人的经验，给我们的孩子输送更多知识。
我们会担心人工智能带来世界末日吗？我们认为，这个问题需要仔细考虑。今天的人工智能只能完成很少的、重复性的工作任务，而且我们还需要提供足够多的数据、案例来训练他们。而且，可以负责任地说，没有任何一个研究人员或技术人员希望那些好莱坞电影里的“反乌托邦”场景出现在真实世界里。不过，面对恐惧的正确方法是不要恐惧——直面恐惧，努力工作，解决问题，消除工具。谷歌、以及其他许多公司在人工智能安全领域正在做着大量严谨的研究工作，比如如何确保人类可以随时中断人工智能系统，如何让这些系统变得足够坚固、能够应付强大的网络攻击。
不要陷入恐惧之中，我们要努力工作，找到消除恐惧的解决方案。就拿自动驾驶汽车来说，我们可以学到很多经验教训，提升协作性。举个例子，谷歌已经开源了人工智能学习系统TensorFlow——现在所有的代码都开放了。它可以让世界各地的人工智能研究人员更轻松地协作，不仅可以共享研究论文，更可以共享实际代码。用这种方法，我们就能看到计算机学习了什么，使用了什么数据，最后，利用我们最聪明的头脑来控制、优化人工智能。
事实上，我们都知道硅谷并不是唯一能让人工智能技术发展的地方，人工智能需要全世界的努力，挖掘全世界的潜力。我们相信，当人工智能由各种不同种族、不同类型的人构建，才能更好地服务每一个人。最近，谷歌在苏黎世成立了机器学习工作组，而且会在全世界其他各地建设类似的工作组。
对我们谷歌来说，与其沉浸在对人工智能无限可能性的兴奋之中，不如脚踏实地的工作，即使今天人工智能已经为人类提供了很多好处。我们已经迫不及待地想让人工智能把人类从盲目的、琐碎的工作中解放出来，这样，才能让人类投入到具有真正创造力的工作中去。
-
人工智能
企业服务人工智能公司AppZen今天获得290万美元种子轮融资，帮助企业防范费用欺诈行为
AppZen 使用机器学习算法和自然语言处理技术自动化 和分析欺诈费用报告。根据该公司发言人 Michelle O’ Rourke 透露，未来他们计划开发更多后台办公功能，比如支持会计服务。
美国注册欺诈审查师协会（Association of Certified Fraud Examiners）曾对 2400 家公司做过调研，发现他们每年的费用欺诈损失高达 60 亿美元。AppZen 表示，他们可以减少 80%的审计成本，并且有能力帮助企业防范各类欺诈行为。
在企业及费用报告软件行业里，AppZen 的竞争对手包括 SAP、Unit4 和 Sapho；此外，在 Botcamp 创业加速器里也有超过 50 多个申请初创公司也从事相关行业。
AppZen 总部设在加州森尼维尔市，2015年 从 500Startups 创业加速器毕业。本轮融资的领投方是 Resolute Ventures 风投，此外硅谷银行、万事达卡和 Bloomberg Beta 也参与了投资。
本文编译自：venturebeat.com
-
人工智能
科技将改变“四大”招聘模式？
在科技改变企业审计方式之际，跻身于全球最大毕业生雇主之列的“四大”专业服务公司正在彻底反思各自的招聘实践。
随着部分审计流程实现自动化，随着各事务所采纳人工智能技术，过去往往交由初级员工完成的单调的行政工作有很大一部分正被消除。这导致人们预测，某些最大审计机构将显著减少招聘毕业生。
“随着时间的推移，我们对毕业生的需求正在下降，”安永(EY)英国及爱尔兰董事长和管理合伙人史蒂夫•瓦利(Steve Varley)表示，“我们在2010年招聘了650名毕业生，在2015年招聘了1200名毕业生。考虑到技术加快审计流程的速率，到2020年这个数字可能会下降50%。”
与此同时，会计师事务所越来越多地使用技术意味着，具备数据分析和计算机科学等领域技能的毕业生非常吃香。
在美国工作的会计专家和作者吉姆•彼得森(Jim Peterson)表示，从中期来看，专业服务公司的招聘模式将出现戏剧性改变。“事务所不再需要大批初级员工，而是需要世界上最优秀的算法设计怪才，”他说，“事务所会派出一间会议室就能容纳的团队来审计大公司，而不需要占据整栋写字楼的庞大团队。”
随着会计师事务所采用数据分析，一大挑战在于确保它们拥有搭配合适的技能。
毕马威(KPMG)英国审计业务负责人阿德里安•斯通(Adrian Stone)表示：“我们还没有到计算机代替人的阶段。现在的挑战是确保我们在从事数据诠释的人员和设置计算机使其恰当查询数据的人员之间达到正确平衡。”
德勤(Deloitte)纽约的首席创新官乔恩•拉斐尔(Jon Raphael)表示，该事务所“开始聘用更多帮助进行数据分析和数据采集的专业人士”。
对技术方面的技能更为看重意味着，各事务所或许在搜寻人才时需要更大面积地撒网，这使它们难免和苹果(Apple)及Alphabet等科技公司正面交锋。
德勤英国审计和风险咨询管理合伙人斯蒂芬•格里格斯(Stephen Griggs)表示：“我们可能必须从科技公司那里招聘人才。在现代社会，这些人将成为抢手的人才，因此他们将是一种昂贵的资源。”
波士顿大学(Boston University)资深学术研究者威廉•克林(William Kring)也表示，他预计“对来自商学院的求职者的IT背景将更加重视”。
“我预计招聘人员将更加关注审计师的分析能力，”他说。
英国排名前三的毕业生雇主普华永道(PwC)的鉴证业务主管詹姆斯•查默斯(James Chalmers)并不认为该公司招聘的毕业生人数将会降低。
“如果你认为这是第四次工业革命，那么我们认为更多地采用技术和人工智能将围绕解决新的、不同的问题创造出种种机遇，”他说，“我们认为这将促进业务增长。”
作者：英国《金融时报》 哈丽雅特•阿格纽 译者 何黎
文章来源：FT中文网
-
人工智能
SAP 认为全球在迎来变革浪潮，而中国的商业要这样重构
编者注：日前，SAP在上海举办了主题为“数字经济下的商业重构”的大型论坛活动，大中华区总裁纪秉盟发表了主旨演讲，他认为“旧的商业模式正在变得过时，我们将迎来新一波的变革浪潮”。本文基于他的演讲内容整理：
中国政府在供给侧改革方面正不断进行经济的演进。很多体制改革，尤其是大型国有企业的改革，将对未来将会产生实质性的影响。“十二五”规划是一个延续的概念，五个发展理念 (创新、协调、绿色、开放、共享) 就是中国政府和中国企业目前从自己的角度，在全球经济下对中国的定位。
中国政府的主要核心项目是互联网+、互联网+汽车、银行。任何一个传统行业，都可以利用信息技术、移动技术、大数据和人工智能。任何一种前沿的技术都可以用来对某一个具体的行业进行转型。国家级的战略规划项目，也就是中国制造2025。在未来10年，中国的制造将会脱胎换骨。在过去几十年里，中国一直是全球的制造工厂，而现在中国制造业正在向智能制造转型。
在做商业重构的时候，首先是基于结果导向的模式，而不是从生产产品的角度去销售。设想一下消费者怎么使用这些产品，能不能补充他们现在的服务，带来完全不同的体验？
比如数字渠道，一些体育用品，一些体恤衫，还有运动鞋，充分利用数字渠道，把一些传感器放到所有产品里面去，形成一个意识型社区，并不只是提供运动设备，运动衣衫，还能够跟社交网络连接起来，涉及营养、食品、运动等等，使用这样一些数字渠道，能够支持到主要的服务和业务，这就是非常好的案例。
比如生态模式，像Uber还有滴滴打车，充分利用了这样一个生态系统。他们并不只是一家出租车公司，也成为了全球的运输企业，而自己不拥有任何车辆。他们正在考虑物流、快递，形成这样的商业模式。从传统来说，这是从来没有想到过的，企业都重构这样的业务模式，这是今后很多年都会出现的。
重构业务流程和工作模式的第一点是做到“实时流程”，技术在历史上第一次做到了去推动一个实时的工作平台，能够看到实时完整的供应链，以前都是一些分散、比较过时的数据，也很难确定它的机会在什么地方，或者这些挑战是来自于供应链哪一个方面。现在已经发生巨大的变化，我们有最新的技术，这已经变成了一种可能了。还有我们协作式的流程，SAP有一些客户，利用物联网，利用健康的行业，能够改善我们医疗。
公司需要一个中间的数字核心去管理所有内部的流程，除此之外，也需要能够管理客户、供应商、人力资本，这是所有这些公司要做的三个最基本的事情。
再看大数据，还有物联网：现在太多的公司，也包含了中国一些公司在里面，有一些暗数据，这些公司拥有的数据也是不能被使用的暗数据，这些数据并没有充分利用，可以看到一些数据收集的灰色领域，并没有充分利用这样一些信息去改进他们一些服务质量，能够改进他们跟客户差异性的一些服务，这个领域是一个全新的，而且是快速在改变。
员工队伍也在体验着巨大的变化，这是以前从来没有看到过的。不同的一些年龄段，不同的年代的员工，都有一些不同的价值，不同的一些理念，就是给他们提供什么样的工作方式，年轻的员工、千禧一代他们并不只是看重钱的问题，他们价值系统完全不一样，价值观不一样，这些企业如何跟他们互动，来去保留，保护这些员工，也是变得非常非常重要。
最后就回到了我们是否有这样一个结构和这个企业的文化，能够支撑、能够驱动我们数字化转型的历程？是否有正确的领导者和人才，能够驾驭这样一个战略的方向？你要找到一个正确的轨道，你们是否知道你们的竞争对手在做什么，以及你们是否有正确的轨道，这些问题都要问自己，我们公司是否有这样一个数字的DNA，能够不断重构我们这样一些商业能力。
来源：虎嗅网
-
人工智能
【YC新创产品】Nova：销售邮件智能写手，还帮你寻找感兴趣的用户
HRTechChina编辑部 4月14日报道，如需转载请注明出处与本文链接。
如果你或你的朋友的项目希望被 HRTechChina报道，戳这里可寻求报道。
编者注：在2016YC Demo Day上，HRTechChina小编关注了许多2B初创项目潜力股，之后会陆续为大家进行详细产品报道，请持续关注哟~
Nova（http://www.nova.ai/）成立于2015年1月，它运用人工智能自动写邮件，在网站和社交媒体智能搜索邮件接收者的消息，并且投其所好地加到邮件中，例如最新的新闻主题，或是特定的爱好。
Nova写的营销邮件要优于人工邮件，Nova的邮件拥有67%的邮件点击率和11%的网站点击率。Nova计划面向美国400万B2B销售人员兜售自己的产品，每台电脑每月收费99美元，并且现在Nova已经同Uber和Monster签约。
Nova的联合创始人为Will Dinkel（CEO）和Bryan Pirtle（CTO），Will毕业于加州理工工程系，并在哈佛商学院学习过商务，Will曾在惠普与CloudFlare中担任过销售工作。在Nova的顾问团队中，Kendall Collins曾是Salesforce Cloud的CEO，并且现在是AppDynamics的CMO。
Will在CloudFlare里担任销售职位时，他发现定制邮件对销售人员是很重要的，但定制邮件是一个很费时间并还不成规模的一件事，于是他决定自己创立公司来解决这个事。Will说他希望销售人员可以花更少的时间写出更好的销售邮件，并得到更好的结果！
目前Nova团队规模在12人左右，地址在美国旧金山湾区。
价格方面，Nova为专业销售员提供＄89/月（一年付）与＄99/月（一月付）两个选择，还为企业增加提供自定义定制、新员工培训以及白天的电话服务三个功能。
关注更多YC DEMO DAY上的2B初创企业：
http://www.hrtechchina.com/12295.html
http://www.hrtechchina.com/12311.html
-
人工智能
未来，“人工智能”将如何影响企业的“经营管理”？
适逢AlphaGo战胜围棋高手李世石不久，各种关于人工智能的遐想、吹捧乃至担忧不绝于耳。但是，当我说包括人工智能在内的互联网给企业经营带来的危害时，并不是说人工智能将完全替代人类、机器人将统治世界这样的人类劫难。因为，在互联网现有的逻辑下，这根本就是杞人忧天，对于这类言论根本不值得费口舌解释。
在这里，我是从企业经营管理的角度，分析过于相信或迷恋技术给企业可能带来的管理上的风险和危害。企业经营本质上是一种社会行为，而技术仅仅是达到目的的手段和工具，相信技术能够解决企业经营中存在问题的想法，本身就是一种危害，甚至对于技术导向的公司也是如此。但这样的例子数不胜数，很多传统企业开启互联网+模式，转型电商，他们认为好像只要做了电商就能起死回生一样。也有企业痴迷于大数据，相信买了一个软件就能自然解决目前的经营困境，当然，这种想法的产生肯定与某些技术公司对大数据的炒作是分不开的。
于是，随着技术的发展，我们相信大家的交流越来越方便，从而面对面的沟通是可有可无的。我们相信在网络这一大平台下一切中间环节都是多余的，从而纷纷试水各种电商平台。甚至有人认为未来公司也是多余的，未来的模式是平台+个人，哦对了，广告也是多余的，广告增加了成本，妨碍了性价比，进而压榨消费者...过于相信技术导致企业不去关注公司的基于公司产品定位的商业模式以及内部运营机制，更重要的是，忽略了人的价值。因为，技术（包括人工智能）只是人的辅助和补充，技术能够高效地完成一部分工作，从而使另一部分必须由人来完成的工作显得更加重要，用一句话来总结：技术使人的作用越来越重要，而不是相反。
一、AlphaGo的优势：破解珍珑棋局
我丝毫不怀疑人工智能的能力，AlphaGo战胜李世石并不吃惊，并且我相信AlphaGo能够轻易破解珍珑棋局！在金庸先生的《天龙八部》中，珍珑棋局难倒所有在世高手，即使最后被破解也仅仅是出于偶然，但是AlphaGo能够破解，因为珍珑棋局破解的关键所在是首先要在不可能下子之后下子！之所以说是不可能下子之处是因为，所有根据经验的高手都不会在那里下子，因为在可以推算的接下来几步中会损失惨重。而AlphaGo不是依据经验，而是依据强大的运算能力，所以阿尔法狗会对每一个可以落子之处没有任何歧视地进行完整的推演（在目前并非穷举法的算法下或许还做不到），而不会有任何经验上的倾向和情绪上的波动。AlphaGo不会因为一步棋不符合传统下法就放弃对这步棋的运算，但是人的记忆和运算能力毕竟有限，只能先从经验上进行筛选，并且能够推演的步数也是有限的。所以，我们看到AlphaGo有几步的下法违法常规，这可能令我们吃惊，但是它自己并不这么觉得，因为它已经对接下来的棋局进行了推演，AlphaGo不是根据经验，而是根据对棋局的运算。
因此我们可以看出，AlphaGo或者说是人工智能的优势是存储记忆能力和运算能力。在这两方面，AlphaGo的效率要远远高出人类。机器不会厌烦，不会有情绪，当然也不会索要加班费，并且能够计算地比人类更快、更准确。
AlphaGo是不依靠经验的，有些人对此表示怀疑，因为设计团队声称AlphaGo一直在不断地进行深度学习，并且不断锻炼自己。这种说法是存在问题的，理论上来讲，通过穷举法AlphaGo是一定会赢的，但是由于围棋的可能性实在太多导致目前的运算能力无法支持，所以其设计团队就不得不通过其他方法弥补这一缺陷。方法就是用概率去排除掉一些情况减少运算量，以使推演在运算能力之内。所谓的锻炼学习，不过是收录更多的棋局并通过一定的概率计算排除某些情况的过程。归根结底，考验的是收录的完整性和运算能力，这是通过一些技巧实现穷举罢了，而随着计算机运算能力增强，采用穷举法就能使计算机立于不败之地。
二、AlphaGo的局限：无法像人类一样学习和思考
AlphaGo虽然拥有完美的存储记忆能力和运算能力，但是这些能力人类也都具备，只不过不完美。但是，人类拥有的其他能力，AlphaGo却完全没有，所以人工智能永远无法代替人类（在现有计算机的设计逻辑下）。从这个角度来讲，人类是完美的。虽然人有情绪和感情波动导致的失误，人的记忆有限还容易遗忘，但是人能够思考，能够创造，能够想出新的东西，能够进行感性的、抽象的逻辑和概括，能够根据有限的、不完整的信息进行加工和推理，但是机器却不能。AlphaGo的没有情绪和一个人经过训练导致的不受情绪影响有本质区别。正是因为AlphaGo没有情绪，AlphaGo也不能像人类一样进行抽象的学习和思考。
从输入的角度看，人工智能的输入完全来自于外界，虽然可以进行逻辑推理，但是逻辑必须是确定的、结构化的和可量化的。人工智能只是按照特定的逻辑和数据进行运算，并不会产生新的条件。假如信息和条件不完整，那么得出的结果就是概率事件，但是信息和条件的不完整性也需要设定一个概率值。但是在大多数决策中，我们没有可以量化的信息，逻辑也是非结构化的。
从输出的角度看，人工智能及计算机给出的结果并不解决问题，只是指出问题所在。通过计算机的运算，可以帮我们找出异常数据，比如某些月份的销售异常，但是至于为什么异常，就需要我们根据实际情况进行分析，而这种分析是无法量化的。数据分析可以得出啤酒尿布放在一起销量会提高的事实，但要分析出为什么啤酒尿布放一起销量会增加还需要人类的智慧。
三、大数据有用吗——我从来不相信问卷调查
时至今日，我们到处都能够发现大数据的身影，从IT到DT，大数据时代等等，仿佛一个企业不采用大数据明天就会破产一样。很明显，对大数据的吹捧过头了。因为，我从来不相信问卷调查，更不用说对问卷调查的数据分析结果了。
在管理学上，有专门的课程讲解调查问卷的问题设置，比如选项的多少、问题的顺序和调查区域和群体等都会对结果产生影响。也就是说，调查结果本身就有很强的主观性。另外，即使问卷设置尽量合理客观，结果依旧差强人意，因为很多时候被调查者也不明白自己怎么想的，或者想要什么。当然人人都想要一部配置高、颜值高的手机，但是如果把价格考虑在内大部分人就不考虑了。乔布斯当年认为3.5寸是手机的最佳尺寸，但是现在用过大屏手机的人不会这样想了，甚至连苹果公司自己都不这么想了。所以，乔布斯懂得探知客户的潜在需求，或者引领客户需求，而引领客户需求实际上也是激发了客户的潜在需求。这些，是无法通过问卷获得的。有些人会在创业之前咨询周围的朋友，很多人表示项目太好了，完美解决了现存的某一痛点，一定支持。但结果是用过一段时间就反水了，还会找到很多借口。所以，宁愿通过观察，或者无目的的访谈去了解人的真实想法，也不要通过问卷获取。
问卷调查的例子只是为了说明，如果数据本身的真实性就很难保证，那么大数据的结果就没有意义了。当然，并不是所有的数据都是主观的，比如公司的销售数据，统计部门的统计年鉴，还有互联网上采集的浏览数据。但是要想利用好数据就不仅是技术的问题，甚至不是技术的问题。数据本身不具目的性，从输入的角度看，必须要先根据目的确定分析方法，比如对数据进行切片挖掘。现有的信息系统如SAP也仅仅是提供较为完善的数据，而即使对于能够提供可视化数据挖掘模型的系统，对于操作者来说也必须要选择合适的模型，而这一选择方法和模型的过程，只有人类思维才能做到，这一决策过程是非结构化的，所以计算机无法做到。
再次从输出的角度看，通过数据分析，计算机会给出一定的结果，但是这一结果必须和实际问题结合才有意义，并且如果将结果用于解决问题，还需要人类的思维分析，如上面提高的啤酒尿布案例。所以，数据分析只是提供辅助决策的信息，而无法替代决策，无论是从输入还是输出的角度，一个能够进行敏锐分析和思考的人给企业带来的价值远远高于一套大数据系统，如果企业没有这样的人，大数据就毫无意义。而如果没有大数据系统，依旧可以通过人脑的分析能力弥补，比如中国人口密度的“爱辉—腾冲一线”（也称胡焕庸线）与最近大数据的分析结果是一致的，也就是说早在上世纪30年代胡焕庸先生就得出了这样的结论。
四、管理就是决策：人工智能使管理者更加重要
管理大师赫伯特·西蒙说，管理就是决策。但实际上，大部分中层管理者处理的大多工作不是决策问题，而是按部就班的执行流程。如果把管理者的工作内容进行划分，就会分成两部分：有特定流程的日常工作和需要做出判断和非常规的决策。
前者可称为routine，执行已经程序化的流程，后者是临时的、一次性的、非结构化的调节性工作。真正的管理者应该擅长于后者，并且应该把更多的时间花在后者。管理者应该发现并处理一些在routine之外的工作，并且尽快将之变成routine。比如，通过分析常规数据发现了公司库存管理中的弊端，于是设计出一套新的库存管理办法，并且将之流程化，然后推广到全公司。在这一过程中，计算机可以代替的是数据处理的过程和流程化之后的工作，但是提出问题分析方法并且找出解决办法这一过程却是必须要人类才能完成的。
随着人工智能的发展，大多甚至全部routine的工作都可以被取代，因此之前那些只是汇总一下数据就能蒙混过关的管理者将会面临淘汰。而真正侧重于非结构化决策的管理者将显得更加重要，因为其不需要再被日常琐事所累。这也对管理者提出了更高的要求，这些管理者的能力也是人工智能完全不具备的，但人工智能能够进行决策支持，从而使管理者更加高效，并减少失误。
毫无疑问，人工智能及其他互联网技术有助于提高工作效率，能使管理者把更多时间精力用在需要的地方。但是这里面临的一个问题是，很多企业过分看重或者痴迷于技术，从而愿意投入更多的资金用在技术上，但反而忽视了人的作用，甚至认为人的作用降低了，这种思维具有极大的危害，很容易导致本末倒置。
与企业过分看重技术忽视人类这种思维相似的是，技术在使沟通更加方便的同时，也使沟通变得更加困难。任何时候，面对面的沟通都是最有效的，因为沟通传递的信息不仅是文字，还有情绪、态度、观点等。而通过互联网的沟通，如微信，只有文字和声音，在信息多级传递的过程中还可能失真。相对于面对面的沟通，微信传递的信息是有限的，这可能会导致沟通效率的低下，所以有时我们会在微信说了很久都无法说清之后拿起电话。
作者末华，致力于研究互联网及传统行业转型，创业者，微信号1576429360
-
人工智能
AI 概念热浪袭人，来看看我国人工智能领域的专利布局
“4：1”。
这是在与前世界围棋第一人、韩国九段名将李世石的对弈中，谷歌人工智能“阿法狗”（AlphaGo）机器最终取得的战绩。
这场“人机大战”或“人工智能PK人类智慧”的全球网络直播秀，全程的关注人数、传播速度以及影响范围应该已超过1997年深蓝击败国际象棋大师卡斯帕罗夫的世纪之战。
如果说，1997年深蓝大战卡斯帕罗夫宣告了“电脑或计算机”的到来，那么，这“阿法狗”对弈李世石或将让“大数据或深度学习”更加贴近现实。
在人工智能概念热浪袭人的时候，我们不禁要问，我国在人工智能领域的专利布局如何？是深陷被动跟随之中，还是能做到与世界同步？
人工智能非新概念：我国最早可追溯至1993年
从概念上来看，“人工智能”（Artificial Intelligence，英文缩写为AI）并非新概念，早在上世纪90年代就有科学家提出。
有观点认为，人工智能作为计算机科学的一个分支，也有观点认为，除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。
但是，不管怎样，人工智能的发展历史是和计算机科学技术的发展史联系在一起的，同时，人工智能技术企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
以人工智能领域的图像识别技术为例，国家知识产权局网站的统计数据显示，我国最早与图像识别相关的专利申请发生在1993年。
当时，中国科学技术大学提交了一项名为“图像识别火灾监测报警装置”的发明专利申请，该专利技术主要原理是“在软件支持下，用像素点灰度值判别有否火焰存在，以影像面积增长率识别是火焰还是火灾”。
显然，根据其技术原理及实现方式，这项早在1993年就提交的发明专利已经具备了很强的“人工智能”理念或原理。
而从其应用领域或场景来看，通过图像识别技术防范火灾隐患，如果和当下的“互联网+”相结合，堪称“互联网+火灾预警”应用典范。
不过很可惜，这个23年前提交的发明专利中途因未及时缴纳专利费已经失效。
但这也从一个侧面说明，人工智能确实并非新概念，其研究和应用也并非刚刚起步，而我国在人工智能相关细分领域也并非全面落后于发达国家。
人工智能技术研究：技术、专利和标准需齐头并进
1997年深蓝大战卡斯帕罗夫，在当时也是被认为属于人工智能领域的重要成果和重大进展，它告诉我们通过“电脑或计算机”可以替代部分人的工作，随后，电脑及互联网应用席卷全球，不仅带来了全新的技术革命，也深刻改变了很多行业或产业。
如今，“阿法狗”对弈李世石，则让更多人领略了人工智能领域的“大数据或深度学习”的魔力，它让人看到了“机器”或“系统”更多的可能，甚至有替代人做推理或决策的可能。
因此，从新技术的价值普及来说，“阿法狗”机器与围棋高手李世石的对决，应该说正面意义很大，它让更多人看到了更多的可能，并对科学或技术产生浓厚的兴趣和关注。
但是，一方面，我们要看到人工智能技术进步给科技产业及传统产业带来的积极影响，另一方面，我们也要注意人工智能还不能等同于“机器万能”，它可能还存在这样或那样的问题有待解决。
而具体到产业发展和技术布局， 对于人工智能领域可能涉及到的大数据技术、语言识别技术、图像识别技术等各类新技术，不仅需要研究及时跟上，更需要专利布局和保护及时跟上，并在前述基础上参与或建立相关技术标准的制定，为以后更广泛的行业或产业应用打下坚实的基础。
人工智能应用推广：政府、市场和应用一个都不能少
回顾计算机时代，由于我国起步晚，未能较早参与相应的技术、专利及标准制定中，虽然享受到了技术进步的红利，但也奉上了数额不菲的“学费”。
而在通信技术领域，虽然我国错过了2G技术、专利和标准，但在3G时代标准上建立了中国标准，在4G时代更是催生了更多本土智能手机厂商。
事实上，近3年，国内智能手机厂商也是专利申请最多的行业所在。
对于5G甚至6G等移动通信技术，随着我国参与的主体越来越多，自主研发的技术越来越多，对标准的贡献或占比越来越大，都将改变我们在通信技术领域多年被动跟随的尴尬。
而对于人工智能领域，我国也有很多科研机构和企业在参与其中的技术研发，应该说，在某些领域可能与国外基本是同步甚至是领先的，这对于提升我国在未来人工智能时代的技术、标准话语权以及市场应用主导权至关重要。
仅以“图像识别技术”为例，国家知识产权局网站的统计数据显示，截止目前，国内共有1015年项与图像识别相关发明专利申请，申请时间横跨1993年至2015年。
从专利申请主体来看，既有个人，也有单位，在单位主体中，既有大学等科研机构，也有各类企业。
而在企业之中，既包括LG、佳能、松下、索尼、三星、爱普生、欧姆龙等国外专利巨头，也有百度、携程、小米、创维、TCL、长虹、神画等国内互联网或家电企业代表。
可以说，从时间跨度、参与主体以及研究成果来看，至少在图像识别领域我国已经有一定的技术和专利积累。
所以，我们在感慨“人工智能”的神奇之时，更要看到其未来深不可测的应用前景，在叫好的同时，更要做好本土的技术研究、专利布局和标准制定。
而在人工智能技术应用推广和市场开发中，既需要国家在政策、资金及应用等方面适当予以扶持或支持，加快新技术今早从实验室走向广袤的民用领域，也需要各类企业结合所处行业或领域的特点，尽早将各类人工智能技术成果与自身业务相结合，催生新的服务体验和竞争实力。
本文系作者 李俊慧，来源钛媒体（http://www.tmtpost.com/1658603.html）
扫一扫 加微信
hrtechchina
