&figure&&img src=&https://pic2.zhimg.com/v2-7ea00b447f7f616cbea02cfea11f3b18_b.jpg& data-rawwidth=&600& data-rawheight=&402& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic2.zhimg.com/v2-7ea00b447f7f616cbea02cfea11f3b18_r.jpg&&&/figure&&p&次元君在大年初一才分享了人工智能在&strong&法律行业（&a href=&https://zhuanlan.zhihu.com/p/?refer=2333up& class=&internal&&传送门&/a&）&/strong&的进展，没过几天，&strong&保险业&/strong&也开始实装AI了。&/p&&p&根据QZ的报道，日本保险公司Fukoku Mutual Life Insurance将从2017年1月起，用IBM的&strong&华生AI&/strong&取代了34名&strong&人身保险赔付专员&/strong&。&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-8deee0d10a348b7cb96d227_b.jpg& data-rawwidth=&624& data-rawheight=&420& class=&origin_image zh-lightbox-thumb& width=&624& data-original=&https://pic4.zhimg.com/v2-8deee0d10a348b7cb96d227_r.jpg&&&/figure&&p&华生AI负责的工作是，把医院提供的伤病记录、病人的病史等用于判断保险赔付额度的资料，&strong&扫描并自动处理&/strong&。公司认为这34名AI能帮剩下的人更快的处理赔付事宜，&strong&提高30%的生产力&/strong&。&/p&&p&这家公司将花费&strong&170万美元&/strong&安装人工智能系统，每年花费&strong&12.8万美元&/strong&进行维护。但是，AI的采用将为公司每年节省大约&strong&110万美元&/strong&的员工工资，这意味着两年内就可以有明显的投资回报了。&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-b7a123f76d8f_b.jpg& data-rawwidth=&600& data-rawheight=&402& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic2.zhimg.com/v2-b7a123f76d8f_r.jpg&&&/figure&&p&和IBM华生一并引进的还有&strong&情绪分析软件&/strong&（次元君会在今天的另外一篇文章里提到）。这种软件可以通过分析声音和语义判断客户的情绪状态，这样可以大幅提高客户的满意度。&/p&&p&还有另外三家日本保险公司正在测试或实施人工智能系统，例如为客户定制理想的方案。&/p&&p&以色列一家保险公司Lemonade已经筹集了&strong&6000万美元&/strong&，用于“用机器人和机器学习替代经纪人和文书工作”。&/p&&p&哈佛商业评论认为，像IBM这样的人工智能系统有望改善&strong&以知识为基础的职业&/strong&，如保险和金融服务，因为许多工作可以“&strong&由可编入标准步骤和决策的工作组成，它们都是基于完全格式化的数据&/strong&“。然而，这是否意味着可以提高工人的生产能力，或者完全取代他们，还有待观察。&/p&&blockquote&&p&“在可预见的未来，几乎所有的工作都包含有一些主要元素，这些元素是计算机不太可能处理的。但是，我们不得不承认，有一些基于知识处理的工作，&strong&只会屈服于机器人的兴起&/strong&。” —— 哈佛商业评论&/p&&/blockquote&&p&关注微信公众号：&b&次元新科技&/b&（&b&Up2333up&/b&），看吃瓜群众最关心的未来科技&/p&
次元君在大年初一才分享了人工智能在法律行业（）的进展，没过几天，保险业也开始实装AI了。根据QZ的报道，日本保险公司Fukoku Mutual Life Insurance将从2017年1月起，用IBM的华生AI取代了34名人身保险赔付专员。 华生AI负责的工作是，把医院提供的…
原文在3月18日发到博客上了，但感觉那里的讨论氛围不行啊，贴到这里听听知乎er的高见。&br&&p&-------------------------------&/p&&p&人工智能风口有多火？估计很多人已经感受到了，我在这里引用一下新智元的报道：&br&&/p&&blockquote&&p&2017年短短不到三个月的时间，国内AI获投项目已有36个，千万级别融资占据半数以上。&/p&&/blockquote&&p&嗯，就是那么霸道。两会刚刚结束，“人工智能”首次被列入政府工作报告，随之而来的是人工智能板块领跑大盘涨势，无疑，这一切将刺激人工智能在多个领域的全面发展。&/p&&p&大量融资的风口企业，绝对会把钱拿到招揽人才。而现在最流行的人工智能技术栈就是 TensorFlow 和 PyTorch，使用它们就是一份Python编程开发工作。一时间，Python程序员成了人才市场的“抢手货”，工资待遇也水涨船高了。口说无凭，我们去工作搜索引擎&a href=&http://link.zhihu.com/?target=http%3A//jobui.com& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&jobui.com&/span&&span class=&invisible&&&/span&&/a&找看。一看吓一跳，首先是待遇啊：&/p&&figure&&img src=&https://pic2.zhimg.com/v2-2e568e886eaabcab92b01abc9ebc6db9_b.jpg& data-rawwidth=&320& data-rawheight=&569& class=&content_image& width=&320&&&/figure&&p&用“人工智能+Python”为关键词搜索，待遇2到4万不成问题啊。作为对比，我们来看Python的老牌领地网站开发上是什么情况：&/p&&figure&&img src=&https://pic3.zhimg.com/v2-9d3bd41a5b75de00b1cfca06376ec80a_b.jpg& data-rawwidth=&320& data-rawheight=&569& class=&content_image& width=&320&&&/figure&&p&啦，这就是“网站+Python”搜索找到的工作，最高待遇不过万不出奇啊！这还只是广州的情况，估计在北上深三个城市里，两者的差距还要大得多。除了待遇，跑到风口行业写Python，分分钟就是人工智能科学家的光环上身啊，估计大家都要跑得比西方记者还快了。&/p&&p&乐了Python程序员，苦的就是公司是Python技术栈的传统IT业务的企业了。就别提一般的小企业，连豆瓣、知乎这样的都大受冲击了。豆瓣的洪强宁，也跑去创业做人工智能相关的应用了……&/p&&p&没有人能够对抗趋势，风口企业这么有钱，能做的就只能是避开它们的锋芒。我觉得Python技术栈的企业应该考虑新的技术选型了。继续以网站开发为例，对比一下 &a href=&http://link.zhihu.com/?target=http%3A//jobui.com& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&jobui.com&/span&&span class=&invisible&&&/span&&/a& 上今天的数据：&/p&&ul&&li&关键字职位 数量&/li&&li&人工智能+python 76&/li&&li&网站+Python 337&/li&&li&人工智能+node.js 2&/li&&li&网站+node.js 81&/li&&li&人工智能+php 12&/li&&li&网站+php 2353&br&&/li&&/ul&&br&&p&??怎么选择，看这个表就很清晰了：选择一个人工智能领域应用较少的技术栈吧，不然企业主们就得无尽地哀嚎下去了。&/p&
原文在3月18日发到博客上了，但感觉那里的讨论氛围不行啊，贴到这里听听知乎er的高见。 -------------------------------人工智能风口有多火？估计很多人已经感受到了，我在这里引用一下新智元的报道： 2017年短短不到三个月的时间，国内AI获投项目已有36个…
&figure&&img src=&https://pic1.zhimg.com/v2-fb45af3f95c8812872faedb0571acbaf_b.jpg& data-rawwidth=&900& data-rawheight=&563& class=&origin_image zh-lightbox-thumb& width=&900& data-original=&https://pic1.zhimg.com/v2-fb45af3f95c8812872faedb0571acbaf_r.jpg&&&/figure&&blockquote&&i&3月底百度首席科学家吴恩达离职信发出后没多久，不论网络、公众号还是朋友圈就都被这条信息刷屏了。不论是业界大牛还是普通的从业者，选择加盟一家公司或离开一家公司都是一个不容易的决定。本文将着重探讨目前国内人工智能行业的发展形势和人才供需现状。&/i&&/blockquote&&br&&p&从全球人工智能企业融资情况来看，不论从全球，还是国内范围，人工智能企业数和融资额都逐年翻倍增长。目前国内人工智能发展状况迅猛，不论是从政府层面，还是资本、BAT巨头以及学术层面，都在忙于战略布局。&/p&&p&另外，由于中国人力成本日趋上升，面对这个极大可能解放人类生产力的行业，政府显示出了大力扶持的决心。同时，因为我们国家一直以来的外币政策让资本留在国内出不去，因此，即使处于资本寒冬，也使的人工智能领域的融资方兴未艾。其中又以机器学习、计算机视觉都是创业团队和资本主攻的领域。&/p&&p&而对于这个领域的大多数创业公司来说，由于行业发展迅速，人才储备不足，新人培养周期长，面临的困境就是“付不起的工资，抢不到的人才”！&/p&&br&&ul&&li&&b&全球人工智能企业分布和融资状况&/b&&br&&/li&&/ul&&br&&p&Venture Scanner的数据，截止到3月23号，人工智能企业数量和粽融资金额分别是1700家和130亿美金，而这个数据在2016年的11月分别是1485家，89亿美金，分别上涨了14.5%，46%。在2011年的时候，人工智能企业数还只有70家，2015年也才400多家。也就是说15年到17年企业数都在逐年翻倍增长！&br&&/p&&p&除了数量和融资金额的变化，在人工智能细分领域上也有了一些变化。&/p&&p&1. 机器学习依然占据主流地位&/p&&p&从企业分布来说，机器学习（应用）在16年Q1时有260家公司，占据整个行业27%的是份额，在Q4这数据上升到436家，占比也达到了29%。&/p&&p&在风投领域，不论是16年的年初还是年末，机器学习（应用）更是获得了35亿美金多的投资，达到了第二名自然语言处理的3倍多。&/p&&p&可见，作为技术的“奠基石”，不论企业还是资本，对机器学习都还是相当重视的。&/p&&p&2. 计算机视觉领衔新玩家涨幅&/p&&p&相比人工智能的其它细分领域，不管是研发难度和社会需求，计算机视觉识别都有有有利优势。不管是人脸识别还是图像识别目前都被用到了多个领域中，也成了最先实现商业化的应用之一。因此，在2016年，主攻计算机视觉识别的企业达到了342家，增幅达81%，也成为了当年新增企业最多的领域。&/p&&p&3. 五大领域商业化进程最受关注&/p&&p&根据Venture Scanner的报告，在过去的一年里，若是对各行业的融资总金额进行排名的话，前五名分别为机器学习(36亿美元)、计算机视觉(14.43亿美元)、智能机器人(11亿美元)、自然语言处理(11亿美元)和手势控制(6.3亿美元)&/p&&p&机器学习、计算机视觉和智能机器人的商业化情况已经相当不错了，而随着人机交互，虚拟现实等应用场景的发展，自然语言处理和手势控制技术的重要性也将日趋浮现。&/p&&br&&ul&&li&&b&国内人工智能&/b&&br&&/li&&/ul&&br&&p&截止到2016年年底，中国人工智能创业公司数量约在200-250 家，大部分创建于2010年后。语音和视觉依然是创业公司的两大方向。根据调研公司CB Insights在2017年年初发布的数据显示，在目前全球最值得关注的100家AI公司中，中国企业占据27席。按照所属细分领域大致分布如下：&br&&/p&&p&1. 大公司&/p&&p&百度（市值636亿美金），阿里巴巴（市值2635亿美金），腾讯（市值2645亿美金），搜狗&/p&&p&2. 语音和自然语言&/p&&p&KITT.AI（中美），科大讯飞（市值：368亿人民币），思必驰（C轮融资2亿人民币），云知声（B轮5千万美金），出门问问（累计融资7500万美金）&/p&&p&3. 计算机视觉&/p&&p&商汤科技（B轮数千万美金），旷视科技（市值10亿美金），依图科技（B轮融资数千万美金），图谱科技（A轮融资数百万美金）&/p&&p&4. 芯片和硬件&/p&&p&Kenton（中美），寒武纪（天使千万人民币），深鉴科技（不详）&/p&&p&5. 智能机器&/p&&p&新松机器人（市值400亿人民币），埃夫特机器人（不详），大疆（B轮7500万美金）&/p&&p&6. 医疗&/p&&p&碳云智能（估值10亿美金）&/p&&p&7. 金融&/p&&p&蚂蚁金服（估值600亿美金）&/p&&p&8. 智能驾驶&/p&&p&图森互联（A轮5000万人民币），Minieye（不详）&/p&&p&9. 垂直领域:&/p&&p&滴滴（估值340亿美金），今日头条（估值120亿美金），地平线机器人（A＋轮数千万美金）&/p&&p&10. 机器学习&/p&&p&第四范式（A轮融资数千万美金）&/p&&p&&em&目前，无论哪个量级的企业对人才都有强烈的需求，但人才成本却畸高。&/em&&em&如果要用一句话来解释的话，那就是“付不起的工资，抢不到的人！”&/em&&/p&&br&&ul&&li&&b&市场较量尚未到来，人才之战早已硝烟弥漫&/b&&br&&/li&&/ul&&br&&p&麦肯锡在调查了80家企业（含60家传统企业）和20位人工智能的专家，于2016年年底发表了《机器的崛起: 中国高管眼中的人工智能》的调查报告。报告中比较有意思的一个地方是，受采访的大多数高管认为，人才匮乏是制定具体人工智能的战略的主要障碍。&br&&/p&&p&&u&国内AI领域人才匮乏到了什么程度呢？&/u&&br&&/p&&p&从供给层面来看，全国这个领域的一流实验室个数也就二三十个，而每个实验室的平均每年产出1.5个博士，4个硕士，总数不到200人。这也就是为什么国内的很多公司会跑到美国抢人。目前中国只有不到25%人工智能从业者拥有超过10年以上的工作经验，虽然这一数据美国也仅仅是50%（所以，我们除了关注国内的候选人，还通过各种渠道打入硅谷，“企图”帮企业挖些资深的华人候选人回来）。当然，更有甚者，国内一些比较激进的公司，甚至直接“包圆”了一些知名研究生院的学生。&br&&/p&&p&从需求层面来看，截止2016年第三季度，全国这个领域的企业数在200-250家。这也就是为什么前几天，当业内一个较为资深候选人把简历挂到网上没半个小时，就收到了三十几封的猎头和HR的邮件。可见，从目前来看，这个领域还处于人才竞争的阶段，就像当年移动互联网时代抢夺IOS、安卓开发技术人员一样。&/p&&br&&ul&&li&&b&人工智能领域人才薪资状况&/b&&br&&/li&&/ul&&br&&p&在国内，顶级院校的毕业生薪资可达30-50万，百度IDL在2016年更是以80万年薪招进清华博士生。&/p&&p&在硅谷，一般的毕业生年薪在10-15万美金，博士毕业生可达15-25万美金。这其中还不包含奖金和期权。据一些圈内人士透露，一些优秀的毕业生年薪加期权的打包收入甚至能达到300万美金！&/p&&p&而从目前大部分的人才择业倾向来看，80%的技术型人才更愿意呆在成熟的大公司，少部分倾向于C轮后的创业公司。毕竟大公司凭借着财力和资源的优势，更有可能在未来占据行业地位。&br&&/p&&p&对于行业中的创业企业来说，由于较高的开发和生产成本、较难确立的行业标准等因素，创业公司难以与行业巨头竞争。而同时，盈利之路通常又十分漫长，打造有意义的商业模式的机会有很小。除了部分创业公司会在早期就被收购，而其他一些则会不幸失败。&br&&/p&&p&对于一些行业从业者来说，在创业公司除了获得收入之外，相比大公司还能够让他更为快速成长。同时，由于团队规模小，相互之间需要沟通的链条短，团队更具有分享精神，甚至能有机会独挡一面。因此也有很多人更愿意选择创业公司。&/p&&br&&p&&i&写在后面&/i&&/p&&p&对于人工智能领域的人才来说，选择任何一家企业都意味着放弃其他机会，对于一个高速发展的行业来说，人才的择业观将更为谨慎。对于企业来说，由于人才的培养需要时间，短期内人才争夺之战尚未有降温的迹象，供需关系一时难以缓解。唯有快速增长，并在细分领域尽快取得竞争优势才能更好的吸引优秀的人才。&/p&
3月底百度首席科学家吴恩达离职信发出后没多久，不论网络、公众号还是朋友圈就都被这条信息刷屏了。不论是业界大牛还是普通的从业者，选择加盟一家公司或离开一家公司都是一个不容易的决定。本文将着重探讨目前国内人工智能行业的发展形势和人才供需现状。 …
删了一些废话，大致来说，至少在天朝吧，目前离真正大规模的实际应用还是有一些距离的。&br&至少在中国很多相关研究还停留在发论文的阶段。有没有产品，有当然有。但是我总觉得产品离心目中的我的设想还很远。至于楼上提到什么BAT应用，我真的无语。我讲的难听点，BAT除了给的工资多一点以外，他们公司本身有对人类社会做出任何贡献吗？贡献就是开发了各种坑钱坑爹的游戏，大搞外卖，卖假药软件以及整了个假货批发集散地？深度学习在那边应用也能叫应用？呵呵。讲到这个，百度之前不还因为ImageNet作弊被禁赛了么，看着也是揪心。（抱歉激动了，不过看看人家google再看看我们的百度，哎。真不知道该说啥好，你说李彦宏你好歹也是发过PAMI的人啊，怎么就这么。。）&br&&br&言归正传。比如目前一个比较有前景的是医疗大数据方面的应用。据我所知诸如Philips在他们的工作站里面加入了一些深度学习的内容，国内也有一些公司做，但是离实用还有一段距离。（恩，百度也在做，我知道的，其实不光是知道，具体细节不多谈了）还要几年甚至10年吧我估计。深度学习这一块对硬件要求蛮高的（这也是为什么BAT做的最起劲，他们有钱任性），要跑得快硬件必须要过硬。而且数据量要的也很大，更不要提一般的科研者用Matlab在那儿跑深度神经网络那个速度。美国的情况我不知道。以前在14年的ICML腾讯的人说他们还在用Logistic回归，现在据说在研究深度学习，然而。。。（讲到这个，QQ做这东西干啥么，广告定点投放。。。）&br&&br&然后在美国可以拿到200万美金的年薪，这个要看人的。至少据我所知我们学校做深度学习的搬砖狗那是一堆一堆的。所以也还是要看做得怎么样（说白了，你有几篇CVPR，ICCV啊？）所以你说的那些应该是Hinton的高徒们吧（说实话如果有比如ConvNet作者那种代码水平，200W给少了，要我说，应该给500W）。&br&&br&题外话，深度学习确实是好用，很多论文的结果都证明了这一点。实际也是，比如AlphaGO。但是机器学习本身不是就一个深度学习的方法。多了去了，什么贝叶斯，SVM，随机森林，Boosting，各种各样的。这些不好用吗？也很好用，实际上在某些领域，应该说很多领域还是SVM的准确率最高的。
删了一些废话，大致来说，至少在天朝吧，目前离真正大规模的实际应用还是有一些距离的。 至少在中国很多相关研究还停留在发论文的阶段。有没有产品，有当然有。但是我总觉得产品离心目中的我的设想还很远。至于楼上提到什么BAT应用，我真的无语。我讲的难听…
&b&我本人希望“人工智能”、“机器学习”、“数据挖掘”、“大数据”这样的词被滥用。&/b&&br&&b&&br&不滥用科研经费哪里来？&/b&&br&&b&不滥用学生就业哪里去？&/b&&br&&b&不滥用我们薪水哪里拿？&/b&&br&&br&首先，“智能”这个词大家被误导了。人工智能的“智能”和智能手机、智能电视的“智能”是两个几乎不相干的东西。&br&&br&智能手机（&b&smartphone）&/b&的wiki解释&br&&blockquote&A &b&smartphone&/b& is a &a href=&//link.zhihu.com/?target=https%3A//en.wikipedia.org/wiki/Mobile_phone& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&mobile phone&/a& with an advanced &a href=&//link.zhihu.com/?target=https%3A//en.wikipedia.org/wiki/Mobile_operating_system& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&mobile operating system&/a& which combines features of a &a href=&//link.zhihu.com/?target=https%3A//en.wikipedia.org/wiki/Personal_computer& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&personal computer&/a& operating system with other features useful for mobile or handheld use.&/blockquote&智能手机是一个拥有高级的移动操作系统的手机，这个操作系统集成了PC和一些易于移动使用的功能。&br&&br&再看看人工智能（AI）的解释&br&&blockquote&&b&Artificial intelligence&/b& (&b&AI&/b&) is the &a href=&//link.zhihu.com/?target=https%3A//en.wikipedia.org/wiki/Intelligence& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&intelligence&/a& exhibited by machines or software. It is also the name of the academic &a href=&//link.zhihu.com/?target=https%3A//en.wikipedia.org/wiki/Field_of_study& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&field of study&/a& which studies how to create computers and computer &a href=&//link.zhihu.com/?target=https%3A//en.wikipedia.org/wiki/Software& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&software&/a& that are capable of intelligent behavior. &/blockquote&人工智能是由机器或者软件展示的一种智能。人工智能领域是研究怎么使计算机和计算机软件拥有智能行为（这里的智能可以认为和人一样，有知识体系、能推理、能&b&学习&/b&、能&b&创造&/b&等等）。所以，“智能”手机、“智能”XX和“人工智能”其实没什么关系。只是人们被“智能”这个词误导了。&br&&br&&b&其次，机器学习&/b&是人工智能的一个分支，我更喜欢它的另一个名字“模式识别”。机器学习是从众多数据中进行监督或者非监督的学习（其实还有我喜欢的增强学习）。原来这些规律只是基于本地数据去寻找规律，现在互联网了，&b&大数据&/b&了，可以基于更多维度的数据去寻找规律，但是寻找什么样的规律（监督学习），找的规律怎么用（非监督学习）还是&b&由人决定&/b&。所以电影中看到的&b&自主学习、自主创造&/b&的人工智能还很远，我们觉得各种软件神奇，不如说是机器背后的工程师们神奇。&br&&br&&b&人工智能目前最大难度是我们自己都不知道什么是智能。因为人的大脑目前的研究非常非常少。计算机拥有和人一样的知识体系、推理能力、学习能力、创造能力要走的路还很长很远。&/b&
我本人希望“人工智能”、“机器学习”、“数据挖掘”、“大数据”这样的词被滥用。
不滥用科研经费哪里来？ 不滥用学生就业哪里去？ 不滥用我们薪水哪里拿？ 首先，“智能”这个词大家被误导了。人工智能的“智能”和智能手机、智能电视的“智能”是两个…
&p&机器学习和机器人是差别很大的两个领域。虽然两个领域都带有“机器”二字，但是，机器学习的“机器”，是machine，机器人的“机器”，是robot。从根本上就是不同的东西。&/p&&p&机器学习基本上是属于软的东西，就是算法、方法和模型，网上流传有很多成型的算法，随便拿过来就能跑出结果。机器学习需要有载体来表现，目前最重要的载体是什么呢，当然是互联网和各种应用软件了。硬件上，好像只有一些功能单一的所谓智能硬件，就是把算法写到板子里用来进行一些简单的控制，目前还处于比较低级的发展阶段。&/p&&p&而机器人这个领域是大杂烩，不仅需要电子学、运动学、力学、数学、计算机科学等软的知识，更需要工业设计、自动控制、精密仪器加工、系统集成等硬件方面的经验和优势。可想而知，做一个好的、能用的机器人，需要的是多学科长时间的通力合作，绝非一己之力可以搞定。&/p&&p&我国在传统的这些硬件工业上本来就存在短板，所以即使我们的机器学习搞得再风生水起，也无法将其很好地应用到机器人上。在这个过渡层面，就出现了智能硬件，这个国外也一样，毕竟有能力将软硬件结合起来做机器人的公司本来就少。而且，搞机器人确实劳心劳力，短时间内不容易出成果。在这上面烧钱很容易回不来本的，真的不如投资互联网人工智能+。投资人也是要考虑回报率的。&/p&&p&还有一点跟国情相关。我国大部分家庭暂时买不起也不一定会接受买个机器人。所以这方面还需要等待市场的成熟。&/p&&p&退一万步讲，我国的机器学习真的比日本搞得好不？单从论文上来讲可能真的是这样，然而我们都明白，绝大多数论文都是仅限于实验环境，要达到真实可用，还有很长的路要走。&/p&&p&所以综上所述，你觉得是找点代码调调改改就能出结果简单呢，还是组织领导一大堆人投身机器人简单？&/p&
机器学习和机器人是差别很大的两个领域。虽然两个领域都带有“机器”二字，但是，机器学习的“机器”，是machine，机器人的“机器”，是robot。从根本上就是不同的东西。机器学习基本上是属于软的东西，就是算法、方法和模型，网上流传有很多成型的算法，随…
&p&首先恭喜Face++。&/p&&p&不过也有其他几句话要说，这句话不是针对旷视，而是对于整个计算机视觉行业的现状感受。&/p&&p&本次融资进一步拉大了旷视和其他几家的估值差距，不过鉴于商汤过段时间（应该不会太久）应该也会宣布新一轮的融资消息，所以旷视应该还是属于业界Top2，而且这两家公司的地位应该短时间不会被改变。&/p&&p&但于此同时也要注意到的是，目前为止几家公司在产品上同质化还是非常严重的，虽然各个公司所切的行业各有偏重，但也频有重合。而且模型这个东西，准确率一旦达到某种程度，对销售就没有决定性影响了。例如一家模型准确率在60%，另一家在80%，绝大多数甲方会选择80%。但如果一家准确率是是98.5%，一家是98.7%，这对于实际的应用者来说其实并没有什么区别。所以此时谁家能拿下来单子，基本是靠哪家销售更能吹。&/p&&p&另外，计算机视觉至少目前来看还是一个烧钱的行业，短期的盈利能力并不强。现在各家的主要盈利模式是卖模型，但事实上是一个模型通常只有几十万，能卖到上百万就已经要算谢天谢地的大单了，但别忘了一个好的算法研究员一年工资就近百万啊，卖模型是根本不可能实现盈利的。现在图像识别类公司的现状就是不管吹得多牛逼本质上也是个披着AI外衣的软件公司，但软件公司是必须要向云计算公司去转化的。理想的盈利模式是应该是像广告一样卖使用次数，最差也应该是卖云平台上的账号，那么这就出现一个问题：数据从哪里来？又该如何存储？还有个更棘手的问题：如何说服甲方爸爸同意你的这种模式？尤其是在数据都在甲方手上的情况下？BAT之所以牛逼，不仅仅在于技术，还在于公司内部存储的海量数据，这些数据不管是靠着店大欺客抢来的还是偷偷摸摸扒来的，反正他们是有了，创业公司和BAT比在数据量上可以说是望尘莫及。至少目前为止看来唯一能解决这个问题的方法就是出让自己的一部分股权（利益）换取大公司手里的数据。事实上，旷视和阿里，商汤和腾讯，这之间千丝万缕的联系也基本说明了这一点。（我后来又想了一下，还有一条路就是抱政府的大腿啊，孙剑博士如此频繁出席公安部各种会议，这次又拿了政府的大额投资，大概都是为了这个吧。）&/p&&p&大佬们毫无疑问是比我更敏锐地发现了这一点，所以各个人工智能公司都在推进自家产品的云化平台化，希望能够建立起完整的生态链条，这几乎是到了时不我待的程度。因为以目前我自己的感受来看，我真的很怕AI类公司会走滴滴的老路：当我终于打败同行成为老大的时候，我发现我前期的成本已经太高，所以我必须提高产品价格，牺牲用户体验来换取尽快盈利的速度。如果是最终到了这种进退维谷的状态，那你成为No.1又有什么意义呢？实际上，随着一次次融资把估值推向新高，投资人对于公司盈利的需求也是在不断增加的。你的模型准确率有多高，你在顶会上发了多少paper，这些都是你的光环，但光环最终是否能变成真金白银，业内并不是所有人都对此如此肯定。这种对于技术的狂热崇拜并不是第一次在互联网行业出现，三年前对于大数据公司也是如此，如今三年过去了，我想问问，现在有几家大数据公司是实现盈利了的？&/p&&p&我非常理解程序员与生俱来的优越感，但不可否认的是，以现在技术日新月异的程度，任何一家公司都很难筑起很高的技术壁垒，使得全行业内其他公司在三年之内无法赶超，这种事情几乎无法实现。这就意味着，大家的技术水平在某一个时间段内是趋于一致的。这也意味着，价格战甚至是价格恶性竞争几乎无法避免。某公司80万的单子最后被另一家30万截胡这种切肤之痛你们比我体验更深刻。30万连成本都cover不了吧？说句伤人的话：技术不值钱，结合先进技术的拥有用户粘度的产品才值钱。但不管是ToB还是ToC，目前市面上这几家图像识别的独角兽有哪家设计出大家耳熟能详，普遍使用的产品了吗？只要没有任何一家公司拥有适销对路的产品，整个图像识别行业在商场上都会处于被动状态。这里请详细采访一下李彦宏爸爸的心路历程。如果没有自己独立的产品，所有技术创业的明星公司最终的归宿都很可能是被巨头控制或是收购。说到这里我就想说一个细节：从商汤B轮开始官方新闻稿就已经不写融资后的估值了。商汤B轮没写，地平线机器人A＋轮没写，这次旷视C轮也没写。我就想问一句：为什么你们就不说说你们是拿了多少期权占比换来的融资？&/p&&p&说起来讽刺，如果整个行业的现状没有颠覆性地改变的话，图像识别公司最终是否存活下来或许并不是靠的人工智能算法研究员，而是靠你是否拥有强劲的BD团队，是否拥有深厚的政府关系，甚至是是否拥有整肃的supporting部门。可我看到的现状是，所有公司还在疯狂地高薪招募算法，以学院派自居，在BD上却并未投入同等的热情，而supporting部门更是处于自顾不暇的状态。同时，AI明星创业公司也是创业公司，创业公司的问题一个都不少，用某业内资深人士的原话来说：“如果阿里算乱的话，A有5个阿里那么乱，B有5个A那么乱，C有5个B那么乱。”，ABC自行对号入座，相比之下Face++的表现还算是差强人意。因此最终，除了技术的不断突破之外，到了C轮这一步，领军人物们将如何带领自己的团队继续向前，这或许才是真正考验的开端。&/p&&p&&br&&/p&&p&革命尚未成功，同志仍需努力。&/p&&p&&br&&/p&&p&PS：刚搜了搜关于旷世的新闻，本月26号的最新采访，发现我说的很多问题旷视高层已经察觉到了，思路与我也很相似。希望能尽快解决这些问题，祝愿有更好的发展。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//m.chinabyte.com/news/92/_m.shtml& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&m.chinabyte.com/news/92&/span&&span class=&invisible&&/_m.shtml&/span&&span class=&ellipsis&&&/span&&/a&&/p&
首先恭喜Face++。不过也有其他几句话要说，这句话不是针对旷视，而是对于整个计算机视觉行业的现状感受。本次融资进一步拉大了旷视和其他几家的估值差距，不过鉴于商汤过段时间（应该不会太久）应该也会宣布新一轮的融资消息，所以旷视应该还是属于业界Top2…
&p&说说我对垠神这篇博文的看法。先声明我是他的粉丝，我觉得他性格要是循规蹈矩一点，早就牛逼大发了。&b&但具体到这篇博文，他下面这段话我是严重不赞同的，有些年轻人看了垠神的文章可能会产生机器学习也就是统计学的错觉：&/b&&br&&br&“ 而“机器学习”这个名字，完全就是一个幌子。很多人都看出来了，机器学习说白了就是统计学里面的“拟合函数”，换了一个具有迷惑性的名字而已。”&br&&br&1） 这几乎是一句正确的废话，还仅仅是在百分之八九十的情况下正确。先举个简单的反例，支持向量机是统计学里面的拟合函数吗？&br&&br&神经网络有个重要作用是抽象feature，这算拟合么？尤其是在无监督学习的情况下。&br&&br&是，很多时候我们就是要在找一个输入输出的关系，但come on，什么事情不是找输入输出的关系。做自动翻译，就是找两个语言之间的mapping，是是是，本质上是用神经网络拟合一个非常复杂的mapping，但这不是废话么，怎么拟合，怎么拟合，怎么拟合？这里面学问大了，我重要的事情说三遍。&br&&br&2） 强化学习。reinforcement learning，垠神的意思可能是不就是拟合一个decision policy么，policy也就是根据历史选取action的分布的一个mapping么。说是这么说。。。我懒得吐槽了，我实在无法理解这为什么是统计。&br&&/p&&p&#####&/p&&p&&b&不过除了上面那句话，我对垠神的其他喷点还是比较赞同的。尤其是评价alpha go的那段。&/b&&/p&&p&我觉得未来十年我们生活中不会有什么重大改变会归因于人工智能。&/p&&p&相比大数据，互联网和云服务，人工智能貌似影响力不大。&/p&&p&举几个例子吧，有人说以后一些简单脑力劳动会被机器取代，没错。比如我们公司的文秘岗位会变少，但这是现在办公自动化软件牛掰了，数据库做得好，工资系统，招聘系统也都数据化了，这跟AI没几毛钱关系。&/p&&p&机器取代了一些简单的记账，报税工作什么的。这很明显是软件工程师的功劳。&/p&&p&美国这边的家庭医生，工作就是做一些例行检查，做一些相对简单的诊断，碰见疑难杂症就把病人推荐给专家specialist。这个跟AI能扯上一点，但更重要的是现在病例数据化了，工程师才有可能通过大数据，训练出来一些模型，让这些模型代替人做判断。我的point是，就算我用二三十年前的AI算法，有了足够多足够好的数据，一样可以做得很好。&/p&&p&解放体力劳动貌似就更不是AI擅长的了。。。&/p&&p&自动驾驶，我怎么觉得是computer vision以及hardware的贡献呢。自动控制的算法也是long existing了。&/p&&p&&b&再举个例子吧，我们现在看视频，前面的广告都是根据用户的消费习惯等特征，为用户个人“精心打造”的。就是能戳到消费者的g点让你买买买。看起来仿佛有个聪明的AI在电脑屏幕后面猜你的心思，其实不是，这只是大数据的一个典型应用罢了。model可以很简单。&/b&&/p&&p&我个人认为，个性化的精准广告投送，作为data science最主要的研究方向之一，会对我们的未来生活产生巨大影响。而这玩意主要靠big data，Hadoop，machine learning。&/p&&p&总之呢，相比AI，我对大数据和分布式计算更感兴趣。&br&&/p&&p&但最让人感兴趣的还是，business在哪里？&/p&
说说我对垠神这篇博文的看法。先声明我是他的粉丝，我觉得他性格要是循规蹈矩一点，早就牛逼大发了。但具体到这篇博文，他下面这段话我是严重不赞同的，有些年轻人看了垠神的文章可能会产生机器学习也就是统计学的错觉： “ 而“机器学习”这个名字，完全就…
已有帐号？
无法登录？
社交帐号登录
7222 人关注
2078 条内容
1218 人关注
225 条内容
620 人关注
2151 条内容
15391 人关注
709 条内容}