當(dāng)然未來(lái)也可能是 AI 養(yǎng)活全世界，我們也許都成為 AI 的寵物，在家里戴著 VR 頭盔玩游戲。機(jī)器會(huì)不會(huì)有自我意識(shí)，會(huì)不會(huì)取代人，會(huì)不會(huì)成為物種，雖然未必不可能，但這些是未知的。

　　很不幸的是：我們科幻小說(shuō)看多了。

　　“AI 新物種”、“取代”、“奴役”，這些當(dāng)然可以想像，但有更多必然的、有意思的問(wèn)題，更值得我們?nèi)ニ伎肌?/p>

　　AI“低處的果實(shí)”還沒摘完

　　人工智能有很多學(xué)派。符號(hào)學(xué)派、連線學(xué)派等等。但是除了深度學(xué)習(xí)，其他方法經(jīng)過(guò)多年驗(yàn)證，是不太有發(fā)展的。

　　模擬人的分析方法，希望把 AI 變成一個(gè)規(guī)律和專家系統(tǒng)，過(guò)去 50 年已經(jīng)證明了這個(gè)思路不行。當(dāng)然也許某天會(huì)有突破，但是直到那天為止應(yīng)該是不行的。

　　就我自己的背景來(lái)說(shuō)，在 1988 年，我就開始做語(yǔ)音辨識(shí)。當(dāng)年第一套系統(tǒng)就是用完全機(jī)器學(xué)習(xí)的方法來(lái)做的非特定人類語(yǔ)音辨識(shí)。

　　現(xiàn)在看起來(lái)這是一個(gè)特別小的方法：世界上有一個(gè)人能夠從紙上讀出語(yǔ)音，我的老師就要把這套方法變成一套專家系統(tǒng)。

　　當(dāng)年讓我很堅(jiān)定地認(rèn)為：機(jī)器的構(gòu)造跟人腦、人的思維方式其實(shí)是不一樣的。我們硬要把 A 放到 B 其實(shí)是很困難的，就像我們無(wú)法逼自己變成一個(gè)深度學(xué)習(xí)者，去解析事情──我們腦子思維就不是那樣的，是不自然的。

　　用腦科學(xué)的方法制造人工智能，是一個(gè)未知的領(lǐng)域。未知的東西有它的魅力，你要做研究就要做未知，你要有了突破那就是創(chuàng)新。在學(xué)術(shù)領(lǐng)域你做每一件事情的衡量標(biāo)準(zhǔn)是：我要做別人從來(lái)沒做過(guò)的東西。我們可以假設(shè)腦科學(xué)跟未來(lái)的 AI 是相關(guān)的，我們可以去證明這是或不是。但是從投資的角度來(lái)講，押注的風(fēng)險(xiǎn)就太大了。

　　當(dāng)年深度學(xué)習(xí)也是因?yàn)橘Y料不足，碰到了瓶頸。但近年我們看到有好幾個(gè)特別大的變化：

　　第一個(gè)就是特別大量的資料在某些網(wǎng)域開始產(chǎn)生，而且我覺得我們目前還沒有用完。

　　第二個(gè)就是 GPU 的使用讓我們能夠更高效地、非常快速地做深度學(xué)習(xí)。

　　現(xiàn)在我覺得，所謂的深度學(xué)習(xí)的果實(shí)還遠(yuǎn)遠(yuǎn)沒有摘完。人工智能用軟件來(lái)說(shuō)百花齊放，一顆顆大果實(shí)就在你面前。在這種情況下，你還要去種花，何必呢？

　　我們把 GPU 和海量資料在全世界掃一遍，應(yīng)該還夠我們 VC 界吃個(gè) 5 年，所以從投資的角度這是非常清晰的事情。

　　再往下走，我覺得 AI 肯定不是只有深度學(xué)習(xí)。例如現(xiàn)在還有增強(qiáng)學(xué)習(xí)的方法，也在探索。AlphaGo 里面也不是只存在一個(gè)方法。所以我覺得學(xué)術(shù)界其實(shí)應(yīng)該開始幫助和探索更多可能性，當(dāng)我們把這 2 年的糧食吃完后，也許會(huì)有更好的機(jī)會(huì)。

　　我沒有 AI 宗教信仰

　　當(dāng)然未來(lái) AI 也可能沒有進(jìn)一步的突破了。

　　如果沒有的話，那就說(shuō)明 AI 的黃金時(shí)代過(guò)去了。下面就是物聯(lián)網(wǎng)或其他什么的。身為投資機(jī)構(gòu)，我們并沒有一種 AI 宗教信仰，我們還是要掌控靈活度。

　　就像移動(dòng)互聯(lián)網(wǎng)時(shí)代，當(dāng)時(shí)我們應(yīng)該是業(yè)界最高調(diào)的移動(dòng)互聯(lián)網(wǎng) VC。但隨后我們根據(jù)情況做了調(diào)整。

　　如果學(xué)術(shù)界跟產(chǎn)業(yè)界有合理的分工，我對(duì)未來(lái) 5 年投資界和產(chǎn)生的價(jià)值非常樂(lè)觀，對(duì)于所謂 AI 泡沫我認(rèn)為不會(huì)發(fā)生。當(dāng)然有個(gè)案會(huì)是泡沫，但是我認(rèn)為能吃的糧食實(shí)在是太多了。

　　學(xué)術(shù)跟產(chǎn)業(yè)的分工大概是這樣：

　　一方面是一個(gè)天然有機(jī)的分工；

　　另外一方面又有一點(diǎn)羨慕嫉妒恨。

　　一般來(lái)說(shuō)學(xué)術(shù)界看不起產(chǎn)業(yè)界，但在某個(gè)時(shí)刻突然產(chǎn)業(yè)界一個(gè)技術(shù)成熟了，在這個(gè)技術(shù)上學(xué)術(shù)界就做不到產(chǎn)業(yè)界的成就了。于是學(xué)術(shù)界就被逼去做新的東西。例如現(xiàn)在再做人臉辨識(shí)，學(xué)術(shù)界已經(jīng)打不過(guò)產(chǎn)業(yè)界了。所以在人工智能領(lǐng)域，很少見到一個(gè)老教授一生只研究一個(gè)命題。

　　AlphaGo 本身沒有商業(yè)價(jià)值

　　AI 會(huì)帶給我們什么價(jià)值呢？

　　我想先說(shuō)說(shuō) AlphaGo。之所以 AlphaGo 如此引人注目，很大程度上是因?yàn)槲覀冞@樣的專家把它講得太懸疑。

　　之前我覺得圍棋比西洋棋至少難 10 年或 15 年，但后來(lái)結(jié)果證明我過(guò)于悲觀了。我過(guò)于悲觀其實(shí)有很多理由。我當(dāng)時(shí)認(rèn)為圍棋要比西洋棋難了一個(gè)天文數(shù)字，但天文數(shù)字也是數(shù)字。