从新零售到产业互联网，机器学习凭什么能颠覆传统商业思维？

嘉宾简介：

王稼乐先生：2007年-2011年毕业于浙江大学生物医学本科，2011年-2012年在浙大网新集团从事科技地产商业前期调研、策划和政府公共关系拓展工作。

2012年-2013年奔赴美国Hult国际商学院旧金山分校就读国际商业硕士，2014年-2015年在硅谷苏宁易购美国研究院从事线上线下全渠道零售体验，互联网金融产品等的商业分析工作。

2015年-2016年担任爱合伙联合创始人，2016年至今任一满乐COO，管理业务和技术服务方案输出。

分享前言：

因分享内容为语音形式，且嘉宾分享课件内容较多，在这里呈现核心内容节选，以供互相交流。（移步文末获得完整学习课件和完整课程录音回放）

▼如果在人工智能行业创业，必须具备哪些条件？

首先我来回答第一个问题，因为人工智能现在是一个技术壁垒较高，然后商业结合落地案例较缺乏的行业。

如果你有很强的技术团队，可以去做前沿的智能驾驶、生物识别、包括人脸识别、声音识别或其他的一些特征识别领域，然后还可以去做行业门槛比较高的比如说医疗成像的分析，因为那些是要结合医疗人才进行长期的数据达标，用算法帮助医生去看更多医学的病灶，提高医生的效率，这些行业是门槛比较高的，然后投资的额度比较高，所以如果有很强的技术团队在科研院所，或者是在特殊的渠道里面可以拿到很高质量的数据的话，其实可以往这条路去创业。

而且行业里面也是有很多顶尖的投资公司愿意支持行业基础的研发，像我们这样的团队呢技术团队是OK，我们是希望把现有的很多数据分析机器学习的成熟算法落到真实的传统行业去，比如说电子商务啊，零售流通，消费者洞察等等，这个过程中其实很多是落地的过程中和企业磨合，然后理解他们的开发需求，包括定制化的需求，这个过程中创业的话，更多的是一个商务能力把合适的算法落到商业决策上面的能力，这个其实门槛相对较低些。

现在的现状是很多企业都在很多垂直的行业里面去找一些垂直的解决方案，并没有把这个事情做成一个大平台做成一个放之四海而皆准的一个通用的路线，只要你有不错的客户需求和订单的话，其实人工智能去实现一些技术落地还是比较容易。

还有现在就是我说的国内人工智能行业的问题主要是缺乏人才，所以我看到的很多都是科研院所的教授带学生去先做尝试，比如说科大讯飞是怎么出来的，比如说商康也是走出来了，所以很多是要和学校建立合作的关系，因为学校是高端人才聚集地，如果有这方面资源，也可以尝试去一个商业案例，商业场景去找高校合作提供一个服务。

更多的话就是一些海归，就是在硅谷的几个比较知名的学校比如说斯坦福，伯克利，然后硅谷大型的互联网企业，facebook，谷歌，领英，优步这些企业出来的一些牛人，他们在看到一些更细的用户体验上的问题，更多的是这个互联网增值服务，不管是社交的还是知识传递的还是大交通的，这个里面有一些更值得用深度学习去解决的问题，他们会把这个在机器学习里面更高深的算法应用进去。

现在我看到的是深度学习可以用在智能教学层面，目前已经有不错的落地了，我也有朋友在硅谷的facebook从业多年现在也尝试回国创业，把这个深度学习用在教育领域可能先去做数学教育，因为数学的话这个问题答得对还是错，这个是有很明显的判断定义的，不像语文写文章写的好写的不好完全看老师的判断，在数学领域去做一些个性化的教学和批注，然后呢这是他创业的路径，我不知道是不是可以给大家一些借鉴的地方。

▼人工智能的发展对新兴行业和传统行业来说分别有怎样的影响？

其实新兴行业和传统行业这个定义上面首先要明确一下，在国内我现在看到的大多不是真正的新兴行业，都是一些新兴的服务，把什么样的什么样的最后一公里做好，让原先触达到消费者手中的流通环节更高效，然后就是比如说原先没做过的太空探索，这种智能驾驶，智能汽车新的业态，新的物种的产生。

我的理解是它不能叫新兴行业而是传统行业的升级，它所有的行业形态之前都已经有了，所有的行业都不是完全新的形式，除非完全有一个新的颠覆手段可以获取能源这种就完完全全叫新兴行业。

传统行业现在面临的问题是流通环节的过程中效率太低了，有很多很多下沉的过程中不断地是一级代理二级代理，这是从销售层面角度多层的代理，商品越来越贵，这是一个层面。另外就是原先的工业生产过程中用工业耗材浪费，污染处理不够精，生产很粗放这些东西，这些传统行业如果用人工智能去提高管理效率的话其实是在解决原先粗放的问题，原来完全由人拍脑袋的过程现在需要越来越多精细化数据的监控，所以其实在很多传统行业里面人工智能落地的先决条件一般都是系统的不断升级不断的自动化，把很多的数据先监控起来很多环节中间的一些数据监控起来，监控的越细，得到结论之间的相关性挖掘的深度越深，才能有人工智能落地的基础。

在传统行业的流通环节里面，太多低效太多层，这个不能叫用人工智能去提高效率而是叫用互联网的手段，现在很火的这个产业互联网走的就是这条路，很多地方会叫它产业路由器，有的地方会叫它产业互联网，其实都是提高流通环节中的一些浪费的人力和物力，直接把产品和服务更快地传到消费者手里，这个过程当中有一些体验上的东西是逾越不了的，比如说卖菜的过程当中菜市场的档口，这个档口其实是缓冲消费者零散需求和供应链上面集中式采购需求之间的缓冲剂，这种缓冲剂目前在中国现状的消费习惯是不能被打破的，你需要用到的技术手段，人工智能的一些判断和预测都是赋能给这些中间缓冲环节的企业。

3.国内的人工智能和国外大概有多大差距？现在的人工智能和完全意义上的人工智能还有多大差距？

其实现在的人工智能是非常浅的人工智能，现在的人工智能核心都是模仿人的行为，如果规则在相对复杂的情况下模仿地会比较弱一些，因为中间要做很多判断的时候，机器是不能判断的，机器只能够确定单一的目标然后去对这个目标，但是规则比较简单的情况下呢就可以超越原先人的经验。

比如说下围棋这件事情上面，只要棋盘上面是有一定的范围的，然后这个下棋规则很简单，我只要面积比你大就可以赢过我，四颗子围住一颗子就可以吃，这个规则相对比较简单，那我是可以超越原先历史这些名人这些下棋的人模仿棋谱的过程，这就是为什么阿尔法Go有一个1.0和2.0的区别，原来1.0是模仿棋谱，2.0完全是自己下，是自己和自己博弈，也就是说它可以下出全世界全部棋谱都不能涵盖的新棋谱，这个层面就是已经达到一个比较高的人工智能状态。

现在的人工智能都是模式识别，从历史数据中总结出模式，并不能创新的思考，也就是说人没有想明白的结论，现阶段机器不可能代替人去想明白。网络自动甄别个人职业证书真假，这是人工智能应用，就好比现在去机场，住酒店，进网吧都要识别身份证上的人是不是你本人，你的照片可以是多年前排的，但是每次获得你近照之后都会对你的人脸特征进行不断更新，一些特征只要不整容是一样可以确定唯一性的。

4.人工智能前进的基础条件是计算能力的提升吗？爆炸性的提高？

其实我觉得人工智能的前进条件如果说，我现在从事的行业没有这样的认知，IBM的沃森机器人正在做的事情，它是要具备学习能力和自我推理能力的，那个层面在算力上面是会需要一个提升，我们现在的模式识别看历史数据处理的数据一般都不是什么大数据，都是一些几年的交易数据啊，人脸数据，头像数据，这些都是在过去的数据里去挖掘特征，如果我要有一个认知计算的话那个确实是需要算力极大提升的，所以其实沃森是一个大型的超级计算机。

▼想从事人工智能行业，应该学习哪方面比较有意义？大数据还是深度挖掘或者边缘计算？

其实深度学习还是模式识别，最基本的一些模型这些统计学的模型基本上都是一个方法，有的行业需要用到深度学习，有的需要用到头像识别，你不需要解释我是怎么识别出这个头像的，有的行业比如说像商业决策定价就很难用深度学习去做，首先效果也不会比简单的算法好，第二呢它也没有什么科技执行，也就是说企业以后要完全依赖于一个黑盒子去做定价做这个商业判断，他是觉得这个事儿不太靠谱需要更透明和解释嫌疑，这是算法层面的选择是解决不同问题。

另外一个就是说大数据，大数据其实现在很多企业是没有大数据的，真正有大数据的企业是国家电信部门，银行金融系统，BAT，小米，京东，头条，这些超级大型互联网公司，拥有的用户都在几个亿级别，几个亿的行为每天的电话会很多，它的商业价值就会需要挖掘，这个过程中就需要大数据处理，这个其实是一个大量的数据召回率的问题，这个很难在任何学校去学出来。

我现在看到很多学校里面可以教的是来自微博上面的大数据学习，可以去研究它的传播学，研究品牌传播，研究商品传播，研究舆论舆情的一些东西，除此之外在学校里面学大数据处理没有很好的数据资产。

其实国内的超级计算机也已经很牛逼了，我们其实有可以跟美国顶尖超级计算机算力上去PK的超级计算机，但这种超级计算机目前只应用在科研层面，比如说核物理，理论物理学的一些运算，然后一些别的运算其实我就不太清楚了，其实主要是它在商业的环境上面暂时用不到超级计算机，就像IBM沃森一样，它的这个超级计算机用了很多医学典故，甚至IBM收购了这个医院获得这些定义获得这些典故，然后呢用这个沃森学完之后最后给某一个定向的癌症进行诊断，说是在日本好像成功地给一个病人做了一个比较好的治疗方案，但是这个商业上面其实是不成立的，整个下来大概是几百元级别的投入，在对外输出的时候才只能研究清楚几种疾病，每个疾病每年的案例获得的收入才只是千万级别。

▼如果随着人工智能的发展，人类的生活和工作都将更加便利，那未来人类的就业率是提高还是降低的，很多传统或者门槛低的技术岗位都将消失，职业的竞争会更激烈？

我觉得人工智能给人类提供的便利在不同的岗位上面有所不同，比较低的附加值，附加的一些岗位比如说收银啊，地铁站的收银现在已经没有了，便利店的收银，银行的前端前台也都渐渐被替代掉，现在都有无人银行对吧，这个一定是提高效率的。

但是人和人之间的温度和信任感这个是不会被替代掉的，所以人以后要转型的并不是一些很强硬的一些技术，一些重复性操作一些低附加值的劳动，而更多的是服务层面，即人关心人的挖掘人的消费潜力，提供更人性化个性化的一些服务建立信任，然后长期去挖掘人的消费需求或者是自己都不能表达的一些需求，这是人的创造力的体现，所以未来人的岗位并不只是转型去做一些更个性化更有创造力的岗位。

还有提到招聘人才需求的，国内数据分析和AI人才难找，我建议创业团队先去合作把需求落地，不要上来就把人招聘到自己的组织架构，确定了你要解决的商业问题值得投入有明显回报了再去找人。

时间也不早了，今天的分享就到这里，很高兴今天和大家在周四合伙说一起交流，我们有缘再会！