AI 會重蹈 O2O 的覆轍嗎？
雷鋒網按：文中所有截圖、評論之引用都已獲得許可，並確保評論內容真實。
近日，奇虎 360 公司董事長兼 CEO 周鴻禕在 360 行銷盛典上談到了他對人工智慧的看法，引起了熱烈的討論。在拜訪了西雅圖、矽谷的一系列人工智慧公司和伯克利的八個 AI 實驗室後，他認為美國現在整個人工智慧會成為下一個產業的泡沫，類似于當年蜂擁而至的 O2O 模式。
“今天創業者出來做一個公司，你要不說自己是用深度學習、人工智慧，你都不好意思出來混。就跟前兩年，你要不說自己是 O2O，都不好意思去融資一樣。”
今天上午，地平線機器人技術創始人兼首席執行官余凱在朋友圈轉發了會後整理的周鴻禕的演講，並評論道：“老周說得沒錯。不過互聯網當年也是泡沫橫飛，現在最大的 5 家互聯網公司都市值接近或超過 3000 億美金了。”
截圖由明勢資本黃明明提供
從車和家創始人兼 CEO 李想的回復中可以看出他並不認同把人工智慧與 O2O 相提並論，人工智慧對效率的改革區別於 O2O。
雷鋒網也聯繫到了明勢資本黃明明，他向雷鋒網表示：“可能更加客觀的說法應該是，部分 O2O 和部分互聯網金融都是，但 AI 不是。”
對於“AI 泡沫論”，極視角 CTO 黃纓寧認為主要取決於資本方對人工智慧產業的看法能否跟上時代的變遷。她提出：“或許十年前人工智慧很前沿和炫酷，沒有什麼開源的框架，具有這個能力的公司都有相當的實力，能獲取許多的資本支持。而現在，隨著開源的框架、演算法、資料集越來越多，越來越多的公司都具有人工智慧的應用能力，這個能力在未來會越來越普及，就像資料結構和基礎演算法一樣，都是為實際應用服務的。在現在來說，僅僅因為一家公司做了深度學習，就應該得到不錯的融資這種概念當然會導致泡沫，要知道，在未來，深度學習就是一個基本配備。會有專業的公司做人工智慧的基礎框架，這些公司是具有相當研發能力的，比如穀歌、和目前少量的 startup。但是絕大多數公司做的是深度學習的應用，現在很多傳統的東西都等待著深度學習來顛覆，資本或許一開始會熱捧，後面我相信會趨於理性的。”
除了業界和投資人，學界又是如何評價“AI 泡沫論”的呢？
ICDM 2013 最佳論文大獎得主、長期深耕於人工智慧方向的張富崢博士表示：“我贊同裡面有些觀點是對的，確實人工智慧有一定的泡沫，人工智慧其實只是背後的技術，需要找到符合需求的應用才能產生好的商業模式。但是從另外一個角度，泡沫其實一直都有，不只是人工智慧，像 20 世紀初的互聯網，每一波泡沫一定是有真正有用的技術升級在背後支援，而泡沫之後都會產生一些偉大的公司。”
目前在新加坡國立大學做博士後的李長勝認為：“短期內泡沫還是有的，這也是任何技術發展的必經階段，但是從長期來看，泡沫過後還會持續發展，我個人還是很看好人工智慧的，特別是和機器人，智慧硬體結合起來。”
“今天所謂的人工智慧只是叫新瓶裝舊酒。
”
周鴻禕認為憑藉電腦計算能力的增強，使得過去的演算法有了很大速度的提升；利用互聯網和手機的接入採集到大量的資料，然後用深度學習的演算法，這就是今天的人工智慧。
在大資料的基礎之上，實際上是能夠讓電腦在某些領域產生了一些質的飛躍，比如說在圖像識別方面，現在電腦你給它看十萬張照片，都美女，再給它看一個新的照片，讓它判斷是不是美女。
他舉了一個例子：現在每天有幾十萬主播到花椒平臺，靠人工給他打分，我發現真的來不及，而且打分標準不統一。我們就拿電腦自動打分，後來發現標準全都是錐子臉，電腦就把所有的錐子臉都定義成美女。
小編表示不是很認同紅衣教主的這段論述，於是就這個問題請教了極視角 CTO 黃纓寧。
極視角 CTO 黃纓寧認為：“現在深度學習在目前計算資源的支持下激發的這一波 AI 個人認為已經有了里程碑式的飛躍，以前就算給電腦看十萬張美女他也不一定能定義什麼是美女，因為特徵都是手工的、偏規則的。現在至少給一個目標，網路自己就能選取符合這個目標的特徵，從而達到不錯的效果。但說要AI達到強智慧，現在是遠遠不夠的，但也不是新瓶裝舊酒。算是弱人工智慧的一個強里程碑吧。”
她還指出：“現在 AI 解決的問題都是人類比較善於解決的問題，比如分類和識別。但人類都需要花費一些腦力解決的問題，比如推理，就解決的不太好。”
在新加坡國立大學做博士後的李長勝也表示贊同小編：“人工智慧很早以前就有了，最近幾年找到了新的應用方向，在可行性方面也得到進一步提高，所以才迅速發展起來，受到更多關注，有更多的人研究，當然不排除一部分技術是以前的技術，但是更多的是在以前技術上不斷發展和創新，我和你的觀點一致。”
“純粹的人工智慧是沒有商業模式的，一定要跟一個領域、一個產業相結合。”
來自英國諾丁漢大學的機器人專業博士 Rosy 對周鴻禕的這個觀點表示贊同，她認為“人工智慧一定要跟一個領域、一個產業相結合”的看法是正確的。
在談到 AI 與機器人結合時，她並不覺得有泡沫，但也提出：“只是現在出來的大部分機器人並不具有人工智慧，僅僅是具有機器人本體而已。但是機器人產業化需要大量的資金驅動，所以大家關注是好事。然而目前的水準僅能說是剛剛開始。”
復旦自然語言處理方向的博士蔣海雲也表達了同樣觀點：“目前人工智慧能屬於剛剛起步的階段。”他認為短時間之內人工智慧還無法與人類相比，兩者最大的區別就在於人類還可以發現問題、定義問題，而人工智慧目前智慧做到某種程度的解決問題。”
另一位不願透露身份的國內頂尖學府博士表示：“AI 在近幾年獲得關注，一方面是深度學習演算法使得學習效率得到了顯著提升，另一方面是移動互聯網使得獲取海量資料作為學習樣本成為可能。但是，目前 AI 在解決幾類問題並不具有優勢，一是很難甚至無法獲得海量樣本的，沒有資料就沒有學習；二是不能基於判斷及其組合完成的決策，因為神經網路歸根到底還是一個 selector。就我在的機器人行業，AI 在人機交互、視覺、導航中還是顯示了強大的潛力，但是基本的動力學、控制中的問題未必用 AI 有優勢。那種神話 AI，覺得 AI 萬能的想法是不靠譜的。”
小結：
從大家的評論和回饋中不難看出，無論是業界、學界還是投資人，意見是比較統一的。紅衣教主此番言論的確切中了目前人工智慧發展的一些問題，比如存在泡沫的問題、純粹的人工智慧沒有商業模式的問題。但是業內人士認為 O2O 的經驗顯然並不適用於人工智慧的發展，重要區別在於 O2O 在本質上並沒有提升線下的生產力和效率，而這恰恰是人工智慧的價值所在，因為 AI 能大幅提高效率。人工智慧產業的泡沫也無需過度擔憂，人工智慧一定要跟一個領域、一個產業相結合是大家的共識，目前人工智慧和相關領域的產業升級需要資本的加持，這點有助於其快速成長發展。當現在這些新鮮的人工智慧技術逐漸走向成熟化、普遍化，資本就會開始趨近理性。以互聯網的經驗來看，大浪淘沙，沉者為金，最後真正有價值的技術會成就一批偉大的公司。的確，是計算能力的提升激發了這一波以深度學習為代表的 AI 浪潮，但“新瓶裝舊酒”的說法並不準確，很多技術是在不斷發展和創新的，現在的水準雖還未達到強人工智慧，但可以說已經達到了弱人工智慧的一個強里程碑。