人工智慧項目成功的五個條件

人工智慧漸成科技界的寵兒。做人工智慧怎樣能成功？有什麼必要條件？大數據科技公司「第四範式」的聯合創始人、首席研究科學家陳雨強做了一次分享，總結了人工智慧項目成功的五個必要條件。

首先，陳雨強認為，當前的趨勢正在從之前的「互聯網+」或者「移動+」，慢慢轉向為「AI+」，也就是「人工智慧+」。比如滴滴是「互聯網+打車」，很多公司之前做的是怎樣用互聯網改變傳統行業；但是現在，他們紛紛轉向「如何用積累下來的數據創造更多的價值」。還有一些公司，從創立初始就是「人工智慧+」，比如今日頭條是「人工智慧+新聞」、大疆是「人工智慧+無人機和機器人」。可以看到，「人工智慧+」正在慢慢滲透並在改變所有的行業。

那為什麼人工智慧在 20 年前、10 年前沒有這麼火？為什麼 AlphaGo能在2016年打敗李世石而不是更早？我們會直觀地認為是因為演算法創新。但是陳雨強說，演算法創新只是其中一點，國內外很多專家分析總結出了人工智慧成功的五個必要條件，這裡跟大家分享一下：

第一是邊界清晰。問題需要定義得非常清晰，比如 AlphaGo 做的就是圍棋，活動範圍就是在 19×19的棋盤上，黑白兩方輪流下子，邊界和規則都很清晰。如果變成一個開放的問題，或者變成20×20的棋盤，或者變成黑白灰三方下棋，那都成不了。

第二是要有外部反饋。演算法要不斷地有外部輸入，它需要知道在什麼樣的情況、什麼樣的行為下，外部給出的反饋是什麼，這樣才能促進提高。比方說AlphaGo，你要不斷地讓它進行對弈，並且告訴它對弈的輸贏，它才能不斷提升。

第三是計算資源很重要，計算資源，也就是計算過程中需要的各種資源。近幾年，演算法雖然有很大的進步，但計算資源也是產生智能的關鍵。最近業界在分散式計算上的成功，讓我們相對於幾十年前有了飛躍的基礎。舉個很有趣的例子，Google在描述 AlphaGo 不同版本的時候，為了簡潔明了，直接使用計算能力來分類，而不是使用演算法來分類。簡版的 AlphaGo被稱為「單機訓練的AlphaGo」；複雜和更高智能的 AlphaGo 稱為「多機、并行訓練的AlphaGo」，從這裡也可以看出來，計算資源起著至關重要的作用。

第四，要有頂尖的數據科學家和人工智慧科學家。增強學習、深度學習最近重新被提出，需要很多科學家做大量的工作，才能讓這些演算法真正地推行。除了圍棋、視覺、語音之外，還有非常多的領域等待被探索。

第五是大數據的完善。AlphaGo的成功，關鍵的一點是 KGS棋社的流行，KGS是一個免費的圍棋對弈平台，KGS上有數十萬盤高手對戰的棋譜，如果沒有這些數據做支撐，AlphaGo絕對不可能在這麼短的時間內打敗人類。

陳雨強把這些要素歸結為三點，那就是要關注技術、關注業務、關注人。一方面，要有技術、計算資源和大數據方面的支持；另一方面，業務、邊界要清晰，業務要有反饋；再有就是人，要有科學家，一些應用到場景也需要和人打交道。

大數據處理信息服務商金盛網聚WJFabric認為，人工智慧作為在未來相當長一段時間內的社會熱點，必將深刻改變我們的工作與生活。在可預見的未來，人工智慧的顛覆力必將超越目前的預判，但究其原因，依舊會落實於資源、技術以及從業者三方面。資源方面，大數據作為發展人工智慧的基礎設施，為人工智慧的在更大範圍的實踐提供條件；技術始終是行業發展的內生驅動力，持續的技術更新，為人工智慧的更廣泛應用成為可能；作為行業興衰的決定性因素，從業者的素質及操守決定了行業跑道的長度。綜上，人工智慧作為新興行業有其自身特點，但發展路徑與傳統行業有相似之處。資源、技術、人三者的組合成為決定人工智慧未來發展的基礎要素。