我们应该如何看待AlphaGo,创业美国微信公众号文章

周二的时候，我们在粉丝群进行了一次与AI界的学霸女神、纽约的顶级风投 Lucy Wang的互动。因为时间的原因，可能有人没有能够加入进来，我们特意整理了访谈的亮点内容，以及精选的问答环节。

不想错过下一期的粉丝互动？

快来加微信yijiachuangmei，就可以进入粉丝群，得到第一时间的互动信息啦！

★ 本期分享嘉宾－Lucy Wang（王璐）

Lucy出生在湖北武汉，10岁的时候和妈妈移民香港。到了12岁的时候，又移民美国，在东海岸的巴尔的摩长大。

2007年，学习成绩优异的Lucy，进入了常青藤盟校之一的布朗大学。在这里，她主修了几个不同的领域：数学，行为经济学，和艺术史。这样的结合，虽然看上去有点不搭界，但是这对她在人工智能这个领域方面的进修有很多帮助。毕业后，Lucy选择了去Bridgewater，一个管理资金超过1500亿美元，以全球宏观策略为主的对冲基金。在这份工作中，需要Lucy用很多不同的数据来了解各国的宏观市场和经济。于是，她开始对数据越来越感兴趣，并且开始接触机器学习。

这也成为Lucy决定继续深造的契机，随后她成功进入了纽约大学的机器学习硕士专业，主攻的神经网络。她说，选择纽约大学的其中一个重要原因就是，深度学习领域的三巨头之一的Yann LeCun在这里教学。这样难得的导师，在今天也寥寥无几。

从纽约大学毕业之后，Lucy凭借优秀的教育、工作背景，成功进入位于纽约的一个风投机构Greycroft做投资。Greycroft是由著名私募股权投资Apax Partners的创始人Alan Patricof建立的，他在这个行业已经有快50年的经历，投资项目包括了早期时的苹果公司。

Lucy目前专门从事前沿科技（emerging technology ）这方面的投资，包括人工智能、太空科技，医疗医学技术，区块链等。

★ 访谈实录

人工智能的历史

人工智能这门学科是在1956年建立的，最初的人工智能研究是30年代末到50年代初的一系列科学进展交汇的产物。早期的理论，就是用神经学方面的研究做启发，提出人工神经元网络，可以进行简单逻辑运算的机制。但是，由于数据和计算方面的科技不够发达，神经论一直都没有什么进展。

1956年到1974年，是人工智能的第一个黄金年代，这个时代兴起的算法是搜索式推理。有点类似于在迷宫中寻找出路一样。但是，这个方法有一个主要的难题，就是“迷宫”里可能的线路总数是一个天文数字，术语叫指数爆炸。遇到的瓶颈包括计算机的运算能力，计算复杂性／指数爆炸，认识信息或数据方面的缺乏，和框架方面的不足。最终，这个黄金年代在1975年终止了。

在80年代初，我们又有了第二个黄金时代，带动这一次繁荣的方法是专家系统。专家系统能够依据一组从专门知识中推演出的逻辑规则在某一特定领域回答或解决问题。专家系统的有效范围非常局限，而且维护费用居高不下，难以升级，难以使用，还经常出错。80年代后期，大部分对AI的资源就被削减了。我们今天所看到的AI是由90年代延至的。大部分方法都是用的机器学习－一种可以从数据中学习的系统。

今天的人工智能

现在的人工智能，基本上都是通过机器学习来构造的，而机器学习大至分三类。

监督学习－是最常见并且最成熟的。像图像识别，预测分析，语言翻译，都是应用了监督学习。

无监督学习－和监督学习相反的，这里的目的还是去对原始资料进行分类，但是运用这个方法的时候不会提供任何输出数据，而是让系统自动从范例里找出其潜在的类别规则，好以了解资料的内部结构。

增强学习－这背后的直觉很简单，算法从其行为的后果中学习，就像人类会通过我们的实践和错误学习一样。

应该怎样理解AlphaGo

最近，有一个人工智能得到了很多媒体的关注，那就是AlphaGo。今天呢，我也想抽出点时间来讲一下我们应该怎样看待这个突破。

AlphaGo是由什么做成的呢？其实他运用的都是我们已经发明的系统，并且也属于弱人工智能－还是只能对付一个特定的问题－在这里就是下围棋。它运用了几个比较常见的技巧：利用了人类演示的数据做训练数据的监督学习，强化学习，价值函数，和蒙特卡洛数搜索。

DeepMind的团队做的非常出色的地方就是他们以一种新颖的组合方式融洽的结合了这些不同的技巧。它利用了监督学习来初始化强化学习并通过自我游戏来完善，利用这个他们估计了价值函数。然后运用监督学习来将这个估值插入到蒙特卡洛数搜索中。最后，他们使用的技巧都是深层神经网络。这些结合每一步都有独特的执行方面的挑战，虽然说整个系统本身没有什么基础方面的突破。

那重要的一点就是，这个还是一个弱人工智能。这个系统并不能被应用到其他问题上。但是他反应的是现在的研究人士和以发明的各种人工智能组建的能力。即使还是弱人工智能，我们已经可以达到前所未有的成就。并且也显示出了谷歌母公司Alphabet在这方面的能耐，强大的资源，和对人工智能的投入。

★ 粉丝问答

粉丝See you again～提问：我是机械专业，考研准备往工业机器人方向走，所系想问人工智能在工业上的前景如何？

★ Lucy：工业机器人是非常有意思的，现在算是工业机器人1.0时代。很多工业机器人感应上的识别并不强，比如他们在工厂里的行走路线、工作都是固定的。现在，很多大公司就是想在这个方面做提升。比如，让这些工业机器人，用感应和感觉做出一些判断。比如工厂里有人在走路、或者到了一个与以往工作环境不同的地方，机器人自己就能学习、判断。

粉丝行者提问：人工智能目前在美国的发展如何？有没有一些人工智能突出的创业型公司，尤其是互联网安全与金融的？

★ Lucy：这个方面实在是非常的多，不可能在这里全部都提到。我就以我们公司之前投资过的一个公司为例，它就是在Deep Web（深网）进行监督的，他们会通过人工智能的技术，找到、预估一些恐怖分子、黑客等的攻击行为。而所谓的深网，就是一些你在谷歌浏览器中搜索不到的网站。

粉丝东东不败提问：人工智能是否可以简单理解为机器通过学习，实现与人的交流互动？

★ Lucy：大致上是对的，但是交流互动其实不止限于机器与人的交流互动，还是可以是机器于机器之间的。

粉丝先谢船长提问：人工智能对于电商行业的最大冲击在哪里？美工？运营？客服？推广？基础技术？

★ Lucy：其实每个方面都有不同程度的影响，现在我们看到的很多可能是在客服方面的运用，比如我们之前投资过的一个公司，就是运用Natural Language processing让客服变得更有效。而有些公司，则做的是取代客服这种工作。

推广上面其实也有很大的应用，因为人工智能在很多时候就是做数据分析。推广的时候，人工智能可以帮你了解到，你的客户在哪里，怎么样可以找到他们，如果以最有效的方式将信息传递给他们。

而说到美工，可能（这个行业的从业者）还是比较安全，但是我们看到慢慢这个行业也有受到影响。就像前段时间IBM，刚刚推出了由他们的人工智能Watson做的一个电影预告片。通过人工智能，去做一些在我们看来比较需要想象力的工作，以后可能也会更多。

粉丝王小小小起提问：你觉得人工智能未来真的能拥有人类的情感吗？全面机械化的时代会不会导致人类的工作被取代？

★ Lucy：我觉得问题还在于说，人工智能为什么要拥有人类的情感吗？我们做这个的目的是什么？有可能，我们确实需要人工智能要拥有一些情感，但是同时拥有情感，他们可能就会做出一些不符合逻辑的事情，这是人类很特殊的一个特点。我们需不需要人工智能也有这个特点呢？我还不不知道未来会是什么样子。

而说到人类的工作被取代，要看是从哪个方面来谈。我觉得，今天人类很多的工作，确实会被取代，但我们的社会一直是在进步的。但人类是一个永远不能被满足的动物，即使现在的工作被取代了，未来我们还是会找到更多的问题，需要人类自己去解决。

够精彩吧？