說明：1.本人非AI技術人士，斜體部分為個人觀點，可能有錯誤。2.正楷體部分為引用演講原文，為個人學習、研究或者欣賞使用。3.感謝第四范式，感謝楊強教授的分享！

2月27日演講原文鏈接http://mp.weixin.qq.com/s/pVNQ54ht86b1qWqjOw5TBg

一，AI 成功的5大必要條件：高質量的大數據、清晰的問題定義和領域邊界、懂人工智能且擅長應用和算法的跨界人才、足夠的計算資源、持續的外部反饋。滿足這五個條件的領域，才有可能在未來出現人工智能的爆發。（筆者私評：前百度首席科學家Andrew 吳恩達也表達過，AI的發展受制于4大因素，計算能力，數據量，算法，人才。個人認為，計算能力相當于智商，巨大的數據量相當于清華北大的課程，算法相當于思維方式，人才就是機器的老師——一個腦力智商超高的學生，在清北名師的調教下用科學的思維方式學習高端課程，成功可想而知）

二，AlphaGo為我們帶來了什么

1.AlphaGo創造性的用深度學習和強化學習的結合來做兩種任務的判別，能識別“當下棋局的形勢”，并“預判有利的走向”，這個可以擴展到其他領域，例如球賽的分析和針對當下情況的排兵布陣……

AlphaGo通過自我博弈來進行數據積累，證明在封閉式游戲中，自我博弈在數據積累層面的有效性。

我們如果沿著下圍棋的步驟走，就要面對這些問題：你的人工智能算法的目標是什么？有沒有數據？數據在哪里？問題的邊界是否清晰？什么叫合理的走法、什么叫犯規的走法？你的特征在哪里？又如何得到這些特征？是否可以得到一個持續的反饋？這樣的一個流程是AlphaGo設計團隊所走過的路。不妨把這些步驟記下來，變成一個workflow，看看其他的領域是不是可以重復AlphaGo的成功。比如，如果用AlphaGo治療癌癥，如何治療呢？治療癌癥一般是用放射性來殺掉癌細胞，而每一個癌癥患者需要的劑量、角度、頻次可能都不一樣，如果能把所有的這些信息都記錄下來，再記錄治療結果，因為結果不是馬上就知道的，而是經過一段時間才知道，這樣就有了數據、有了特征、有了問題持續的反饋，并且有了非常清楚的目標，即在副作用最小的情況下殺死癌細胞。并且這個workflow是可以重復的

AlphaGo無疑刷新了人們對人工智能先進度的預估，從技術角度來講，AlphaGo是一個里程碑，其團隊的workflow，也許會對其他領域有很大的借鑒作用，例如癌癥的治療，提供巨大的想象空間！——不單是產品邏輯的workflow，阿法狗的成功（高超的計算能力，創新的可預測當下形勢和未來趨勢的算法，自我博弈的數據獲取方式）來自于人才的引導，同樣是workflow！此外，人工智能并不能片面的認為就是機器學習，機器學習依賴于很多邏輯推理和知識邊界的問題，隨著AI的進一步發展，這些領域都會更加細分，分工明確意味著技術進步，同時意味著市場巨大，這是一個新的創業領域。

二，AI的技術風口在哪？

1.深度學習會繼續發展——表示學習（對非結構化數據的利用是大利好。表示學習先把非結構化的數據作為原始數據，訓練出一個統計模型，再把這個模型變成某種知識的表達。最終可以達到這樣的效果：給出一段話讓機器去閱讀，機器學習可以自動地發現一些值得關注的點）表示學習對于自然語言中的知識學習大有益處，也許機器像人類學生一樣在學校學習將成為現實。此外還有深度學習模型的結構設計，如何讓邏輯推理和深度學習一起工作等，都是可能的技術突破點。

2.遷移學習——通俗解釋就是有ab兩位學生，b專門學習語數外理化生的知識，a專門學習b在不同領域的學習方法，最終a知道每門學科的學習方法，并且可以觸類旁通的迅速在新學科學的很好…然后輸出a的能力。

3.自然需要的表示學習與機器閱讀——表示學習已經解釋過了，機器閱讀建立在表示學習的基礎上，計算機可以看懂高考中的“閱讀理解”，可腦補這將是怎樣的技術進步！

4.人機對話領域，演講者認為人機對話領域已經發展到臨界點，數據已經足夠多，可能會有質變的產生。

5.強化遷移模型——說實話沒看懂，知識積累不夠，只是讀書筆記的水平…需要惡補一下再回來完善

6.人工智能的可靠性模型——小白用戶拿一些人工智能的模塊來搭一個系統，這個系統就應該能被搭出來，而且它的效果應該是在一個固定的范圍以內的，所以人工智能應該像軟件工程一樣做出來。

三，AI商業的風口

智能客服——大量的數據積累，很多AI玩家在這個領域做了很多創新，突破之日也許不遠。

新聞領域——新聞可以推送給特定用戶，新聞可以由機器來自動寫了。今日頭條等很多內容類app已經做到了智能分發，部分科研機構已經能夠讓機器自主寫作武俠小說。

特定任務的智能機器人——目前已經有機器人通過人工操作遠程開刀手術，遠程抓取物品，假以時日數據量足夠了，可以自動化操作。

醫護領域（無障礙輔助領域）目前痛點強烈，能夠提供類似于“保姆，或者導盲犬的服務從不缺需求方”目前需要數據積累…

AI有機食品——香港有的工廠已經可以用非?？茖W的方法，知道溫室里最好的一顆菜生長全周期的光照，氣溫，肥料等情況，將這顆菜的生長環境用機器學習學會，可以培育高品質蔬菜。

金融領域的智能投顧——螞蟻金服，百度都已經在做這塊了…

四，多年后的AI社會

人與機器共存，共同推動社會的發展