從新零售到產業互聯網，機器學習憑什么能顛覆傳統商業思維？
合伙精英匯是愛合伙為平臺實名認證的創業者精心打造的線上交流學習社群，為了讓每一位創業者都能夠在社群中有所收獲和成長，在每周四晚7:00—8:00我們會邀請一位有實戰經驗的朋友來做一場線上的分享，分享的內容可以是案例方法，也可以是個人的創業故事。我們也給這個小活動起了一個好記的名字 - “周四合伙說”，本次合伙說的分享嘉賓是一滿樂聯合創始人王稼樂老師。
分享嘉賓：王稼樂
嘉賓簡介：
王稼樂先生：2007年-2011年畢業于浙江大學生物醫學本科，2011年-2012年在浙大網新集團從事科技地產商業前期調研、策劃和政府公共關系拓展工作。
2012年-2013年奔赴美國Hult國際商學院舊金山分校就讀國際商業碩士，2014年-2015年在硅谷蘇寧易購美國研究院從事線上線下全渠道零售體驗，互聯網金融產品等的商業分析工作。
2015年-2016年擔任愛合伙聯合創始人，2016年至今任一滿樂COO，管理業務和技術服務方案輸出。
分享主題：人工智能的發展和未來新使命
分享前言：
稼樂已經和我相識超過5年了，第一次偶遇是在舊金山的一次創業活動上。同時我和稼樂也都是浙大的校友。所以一談起來就一拍即合。從我們剛認識開始，稼樂就有聊不完的大數據，人工智能的話題。
所以后來去了深圳加入了滿分卡項目，正是做人工智能領域的應用開發！這個項目也獲得了知名天使投資人蔡文勝的早期投資。雖然今年是資本市場的寒冬，但人工智能作為一個賽道依然是充滿了商業機會！特別是有更多的領域可以通過落地人工智能應用去提升現有流程中的效率，解放原來人工操作的瓶頸。
我個人覺得對人工智能的理解是每一位創業者和投資人的必修課！
------來自合伙說召集人YC
因分享內容為語音形式，且嘉賓分享課件內容較多，在這里呈現核心內容節選，以供互相交流。（移步文末獲得完整學習課件和完整課程錄音回放）
問答回顧精華
▼如果在人工智能行業創業，必須具備哪些條件？
首先我來回答第一個問題，因為人工智能現在是一個技術壁壘較高，然后商業結合落地案例較缺乏的行業。
如果你有很強的技術團隊，可以去做前沿的智能駕駛、生物識別、包括人臉識別、聲音識別或其他的一些特征識別領域，然后還可以去做行業門檻比較高的比如說醫療成像的分析，因為那些是要結合醫療人才進行長期的數據達標，用算法幫助醫生去看更多醫學的病灶，提高醫生的效率，這些行業是門檻比較高的，然后投資的額度比較高，所以如果有很強的技術團隊在科研院所，或者是在特殊的渠道里面可以拿到很高質量的數據的話，其實可以往這條路去創業。
而且行業里面也是有很多頂尖的投資公司愿意支持行業基礎的研發，像我們這樣的團隊呢技術團隊是OK，我們是希望把現有的很多數據分析機器學習的成熟算法落到真實的傳統行業去，比如說電子商務啊，零售流通，消費者洞察等等，這個過程中其實很多是落地的過程中和企業磨合，然后理解他們的開發需求，包括定制化的需求，這個過程中創業的話，更多的是一個商務能力把合適的算法落到商業決策上面的能力，這個其實門檻相對較低些。
現在的現狀是很多企業都在很多垂直的行業里面去找一些垂直的解決方案，并沒有把這個事情做成一個大平臺做成一個放之四海而皆準的一個通用的路線，只要你有不錯的客戶需求和訂單的話，其實人工智能去實現一些技術落地還是比較容易。
還有現在就是我說的國內人工智能行業的問題主要是缺乏人才，所以我看到的很多都是科研院所的教授帶學生去先做嘗試，比如說科大訊飛是怎么出來的，比如說商康也是走出來了，所以很多是要和學校建立合作的關系，因為學校是高端人才聚集地，如果有這方面資源，也可以嘗試去一個商業案例，商業場景去找高校合作提供一個服務。
更多的話就是一些海歸，就是在硅谷的幾個比較知名的學校比如說斯坦福，伯克利，然后硅谷大型的互聯網企業，facebook，谷歌，領英，優步這些企業出來的一些牛人，他們在看到一些更細的用戶體驗上的問題，更多的是這個互聯網增值服務，不管是社交的還是知識傳遞的還是大交通的，這個里面有一些更值得用深度學習去解決的問題，他們會把這個在機器學習里面更高深的算法應用進去。
現在我看到的是深度學習可以用在智能教學層面，目前已經有不錯的落地了，我也有朋友在硅谷的facebook從業多年現在也嘗試回國創業，把這個深度學習用在教育領域可能先去做數學教育，因為數學的話這個問題答得對還是錯，這個是有很明顯的判斷定義的，不像語文寫文章寫的好寫的不好完全看老師的判斷，在數學領域去做一些個性化的教學和批注，然后呢這是他創業的路徑，我不知道是不是可以給大家一些借鑒的地方。
▼人工智能的發展對新興行業和傳統行業來說分別有怎樣的影響？
其實新興行業和傳統行業這個定義上面首先要明確一下，在國內我現在看到的大多不是真正的新興行業，都是一些新興的服務，把什么樣的什么樣的最后一公里做好，讓原先觸達到消費者手中的流通環節更高效，然后就是比如說原先沒做過的太空探索，這種智能駕駛，智能汽車新的業態，新的物種的產生。
我的理解是它不能叫新興行業而是傳統行業的升級，它所有的行業形態之前都已經有了，所有的行業都不是完全新的形式，除非完全有一個新的顛覆手段可以獲取能源這種就完完全全叫新興行業。
傳統行業現在面臨的問題是流通環節的過程中效率太低了，有很多很多下沉的過程中不斷地是一級代理二級代理，這是從銷售層面角度多層的代理，商品越來越貴，這是一個層面。另外就是原先的工業生產過程中用工業耗材浪費，污染處理不夠精，生產很粗放這些東西，這些傳統行業如果用人工智能去提高管理效率的話其實是在解決原先粗放的問題，原來完全由人拍腦袋的過程現在需要越來越多精細化數據的監控，所以其實在很多傳統行業里面人工智能落地的先決條件一般都是系統的不斷升級不斷的自動化，把很多的數據先監控起來很多環節中間的一些數據監控起來，監控的越細，得到結論之間的相關性挖掘的深度越深，才能有人工智能落地的基礎。
在傳統行業的流通環節里面，太多低效太多層，這個不能叫用人工智能去提高效率而是叫用互聯網的手段，現在很火的這個產業互聯網走的就是這條路，很多地方會叫它產業路由器，有的地方會叫它產業互聯網，其實都是提高流通環節中的一些浪費的人力和物力，直接把產品和服務更快地傳到消費者手里，這個過程當中有一些體驗上的東西是逾越不了的，比如說賣菜的過程當中菜市場的檔口，這個檔口其實是緩沖消費者零散需求和供應鏈上面集中式采購需求之間的緩沖劑，這種緩沖劑目前在中國現狀的消費習慣是不能被打破的，你需要用到的技術手段，人工智能的一些判斷和預測都是賦能給這些中間緩沖環節的企業。
▼國內的人工智能和國外大概有多大差距？現在的人工智能和完全意義上的人工智能還有多大差距？
其實現在的人工智能是非常淺的人工智能，現在的人工智能核心都是模仿人的行為，如果規則在相對復雜的情況下模仿地會比較弱一些，因為中間要做很多判斷的時候，機器是不能判斷的，機器只能夠確定單一的目標然后去對這個目標，但是規則比較簡單的情況下呢就可以超越原先人的經驗。
比如說下圍棋這件事情上面，只要棋盤上面是有一定的范圍的，然后這個下棋規則很簡單，我只要面積比你大就可以贏過我，四顆子圍住一顆子就可以吃，這個規則相對比較簡單，那我是可以超越原先歷史這些名人這些下棋的人模仿棋譜的過程，這就是為什么阿爾法Go有一個1.0和2.0的區別，原來1.0是模仿棋譜，2.0完全是自己下，是自己和自己博弈，也就是說它可以下出全世界全部棋譜都不能涵蓋的新棋譜，這個層面就是已經達到一個比較高的人工智能狀態。
現在的人工智能都是模式識別，從歷史數據中總結出模式，并不能創新的思考，也就是說人沒有想明白的結論，現階段機器不可能代替人去想明白。網絡自動甄別個人職業證書真假，這是人工智能應用，就好比現在去機場，住酒店，進網吧都要識別身份證上的人是不是你本人，你的照片可以是多年前排的，但是每次獲得你近照之后都會對你的人臉特征進行不斷更新，一些特征只要不整容是一樣可以確定唯一性的。
▼人工智能前進的基礎條件是計算能力的提升嗎？爆炸性的提高？
其實我覺得人工智能的前進條件如果說，我現在從事的行業沒有這樣的認知，IBM的沃森機器人正在做的事情，它是要具備學習能力和自我推理能力的，那個層面在算力上面是會需要一個提升，我們現在的模式識別看歷史數據處理的數據一般都不是什么大數據，都是一些幾年的交易數據啊，人臉數據，頭像數據，這些都是在過去的數據里去挖掘特征，如果我要有一個認知計算的話那個確實是需要算力極大提升的，所以其實沃森是一個大型的超級計算機。
▼想從事人工智能行業，應該學習哪方面比較有意義？大數據還是深度挖掘或者邊緣計算？
其實深度學習還是模式識別，最基本的一些模型這些統計學的模型基本上都是一個方法，有的行業需要用到深度學習，有的需要用到頭像識別，你不需要解釋我是怎么識別出這個頭像的，有的行業比如說像商業決策定價就很難用深度學習去做，首先效果也不會比簡單的算法好，第二呢它也沒有什么科技執行，也就是說企業以后要完全依賴于一個黑盒子去做定價做這個商業判斷，他是覺得這個事兒不太靠譜需要更透明和解釋嫌疑，這是算法層面的選擇是解決不同問題。
另外一個就是說大數據，大數據其實現在很多企業是沒有大數據的，真正有大數據的企業是國家電信部門，銀行金融系統，BAT，小米，京東，頭條，這些超級大型互聯網公司，擁有的用戶都在幾個億級別，幾個億的行為每天的電話會很多，它的商業價值就會需要挖掘，這個過程中就需要大數據處理，這個其實是一個大量的數據召回率的問題，這個很難在任何學校去學出來。
我現在看到很多學校里面可以教的是來自微博上面的大數據學習，可以去研究它的傳播學，研究品牌傳播，研究商品傳播，研究輿論輿情的一些東西，除此之外在學校里面學大數據處理沒有很好的數據資產。
其實國內的超級計算機也已經很牛逼了，我們其實有可以跟美國頂尖超級計算機算力上去PK的超級計算機，但這種超級計算機目前只應用在科研層面，比如說核物理，理論物理學的一些運算，然后一些別的運算其實我就不太清楚了，其實主要是它在商業的環境上面暫時用不到超級計算機，就像IBM沃森一樣，它的這個超級計算機用了很多醫學典故，甚至IBM收購了這個醫院獲得這些定義獲得這些典故，然后呢用這個沃森學完之后最后給某一個定向的癌癥進行診斷，說是在日本好像成功地給一個病人做了一個比較好的治療方案，但是這個商業上面其實是不成立的，整個下來大概是幾百元級別的投入，在對外輸出的時候才只能研究清楚幾種疾病，每個疾病每年的案例獲得的收入才只是千萬級別。
▼如果隨著人工智能的發展，人類的生活和工作都將更加便利，那未來人類的就業率是提高還是降低的，很多傳統或者門檻低的技術崗位都將消失，職業的競爭會更激烈？
我覺得人工智能給人類提供的便利在不同的崗位上面有所不同，比較低的附加值，附加的一些崗位比如說收銀啊，地鐵站的收銀現在已經沒有了，便利店的收銀，銀行的前端前臺也都漸漸被替代掉，現在都有無人銀行對吧，這個一定是提高效率的。
但是人和人之間的溫度和信任感這個是不會被替代掉的，所以人以后要轉型的并不是一些很強硬的一些技術，一些重復性操作一些低附加值的勞動，而更多的是服務層面，即人關心人的挖掘人的消費潛力，提供更人性化個性化的一些服務建立信任，然后長期去挖掘人的消費需求或者是自己都不能表達的一些需求，這是人的創造力的體現，所以未來人的崗位并不只是轉型去做一些更個性化更有創造力的崗位。
還有提到招聘人才需求的，國內數據分析和AI人才難找，我建議創業團隊先去合作把需求落地，不要上來就把人招聘到自己的組織架構，確定了你要解決的商業問題值得投入有明顯回報了再去找人。
時間也不早了，今天的分享就到這里，很高興今天和大家在周四合伙說一起交流，我們有緣再會！
若想要獲得本次分享的完整錄音回放請閱讀原文
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）