星瀚资本杨歌谈人工智能：柯洁告负不意外AI浪潮过后只看好三类公司存活
随着他拾起两颗白子盘上示意认负，这位代表着中国，乃至世界围棋最高水平的人类选手最终也败在了人工智能的手上。
事实上，就在两天前，5月25日，这场人机大战的结果就已经基本了悬念。虽然第二盘就连阿尔法狗也承认柯洁开局的表现堪称完美，可他终究还是难以转换成胜势。
在柯洁与阿尔法狗的第二场比赛刚结束的同时，身在的杨歌也疲惫的结束了自己的一场。对于那场比赛结果，他毫不意外：“这种结果我觉得非常正常。当时与李世石的比赛我觉得就会是一个类似于5：0的比分。”
那时，阿尔法狗以4：1战胜了李世石，而李世石则在赛后表示，再也不想和阿尔法狗下棋了。钻研了围棋超过2000年的人类，如今，也要向这位机械的“年轻人”了。
作为大学航天学院工程力学系的一名高材生，杨歌一直保持着对于前沿深科技领域的关注。
何谓是“深科技”，杨歌给出了自己的定义：人工智能，生物医药技术Biotech，科技延伸类包括量子计算机与量子应用，航航以及新能源与新材料。
其中航空作为一个非常精密与系统化的技术，其每一个细枝末节的技术都已经在工程类和物理类相对成熟，只是还欠缺一个体系支撑飞到外太空；而新能源则指的是核聚变能量与反物质能，这些看起来夸张又科幻的概念在硅谷其实早就有公司开始做，甚至已经产生了订单。而他了解的方式之一就是通过他在硅谷所投的一家名为propel（X）的平台。
硅谷作为创业者的天堂而出名不仅仅是因为那里是诸多互联网巨头的发源地，更是由于那里已经成为了一个创新意识能够得到充分尊重和培养的乌托邦，而想了解世界上最有想法的创业者们最好的方式就是与他们直接接触。
该平台的两位创始人——来自印度的Swati Chaturvedi与Lisheng Wang因为各自的技术与投资背景在硅谷享有声誉，而在与他们的不断交流中，杨歌对于中美二国在深科技尤其是人工智能上的差距感受愈加深刻。
“美国的前沿科技基本上就是来自硅谷与。如果从技术深度上来讲，在高校科研所与军方上二国其实差距很小，但是中国的技术产业化的进程相对来说却比较慢。整个商业市场和创投领域对AI的理解很浅，大部分人不懂AI是怎么具体应用在某一个项目上。如果把中国的一线城市上海划为一个圈，美国的硅谷和化为一个圈，那么这两个集合的中位数差距常直观的。”
没听过AI的人慢慢被不懂AI的人带偏，然后又恶性循环下去。AI就这样成了国民眼中的，先是与各行业结合想象，再由资本进行大量的投入。最典型的案例就是现在炒的火热的无人驾驶汽车。
对此，长期与投资圈人士交流的杨歌表示泡沫很大，想要在中国一线城市进行智能驾驶比较困难：边突然蹿出来一个骑电动车的外卖小哥，老奶奶在前面晃来晃去，或者边伸出的一只手，这些都是要基于人性的分析而不是在电脑里不断模拟交通法规。
“从经济的角度上来说，中美二国在AI意识上的差距又会对反过来整个经济产生影响。如果周围只有我一个人在说人工智能好，那么我自己也没办法投资，因为没有人会知道我说的到底是不是真的，也就没有资金来接盘了。”
一提到华尔街，金融，人们第一想到的就是狼性与金饭碗。而实际上，就在数月前，投行大佬高盛在纽约总部的美国现金股票交易柜台所雇佣的替投行金主进行大额订单股票买卖操作的600多位交易员仅剩2人。
而这股金融领域的裁员风不仅仅影响了高盛，包括华尔街投资银行和摩根士丹利（Morgan Stanley）也都在列，后者在15年第四季度就支出了1.5亿美元遣散费削减劳动力，全球裁员1200人。
“这是一个非常明确的指向性，凡是能够结构化，自动化和标准化的方向，都有可能被算法代替。金融是什么呢，金融是把交易这个事情上公开化、法律化、标准化的这么一个过程。所有标准化的东西都是可以被数字所代替的。所以这些东西都有可能被AI代替。”
凡是在大众人群眼里越觉得可以使用的方向就越是难以实现的方向，这是杨歌总结出来的一个。金融涉及的因素复杂，却正好可以提供给人工智能所需要的结构化数据与模型可套用基础，来设定模型进行。
通常意义下，可选的应用场景能分为两类，一种是精密型，一种是复杂型。复杂型的系统就好像刮风这一自然现象，虽然看起来简单，但却需要非线性方程来驱动AI模拟，精度会大打折扣。
这种难以数字化和结构化的缺陷推使人工智能更多的向精密型场景适用，也是前文所说的为什么智能汽车难以实现而证券交易却在AI方向进展神速的道理。
在杨歌眼里，人工智能一方面解决了过去需要大量交易员才能完成的工作，另一方面，也能更好的将金融风险中的非系统性因素转为系统性因素。
“非系统性风险比较难去量化，但我是一个唯物主义者，所以我认为不能很好量化的部分只不过是当前的系统不够精密。诸如突然出台的能引起市场强烈反响的政策这种非系统性风险，在历史的数据模拟盘里是找不到一个对应点，所以这个时候呢对于整个系统来讲就出现了一个额外的脉冲信号。”
“而AI不仅能分析每个公司的基本面和财务面，同时还有市场人性，市场规律，甚至天气因素。通过捕捉全市场数据和类似Facebook与Twitter这样的大型社交网站，来算出很多全面的系统，甚至是市场波动脉冲信号的概率出来。”
而谈到具体的捕捉方式上，人工智能则需要以数据全面性和模型有效性为参考标准，提高有效数据的比例并且防止进行过拟合的学习。
正如小时候在义务教育过程中，有些孩子可能每次考试都能拿高分，排名前列，但是真要到了实践环节却毫无动手能力一样，人工智能训练化恰恰是企业最容易步入的陷阱之一。
如何提升机器的鲁棒性，让系统能够应对不断多变的现实场景是现在所需重点攻克的一个技术难点。
安迪-比尔定律阐述了对IT产业中硬软件迭代关系的理解——硬件提高的性能会快速被软件消耗，整个产业链上的生态运作会遵循着“首先由软件开发商来吃掉硬件性能提升所带来的收益，用户每隔一段时间就必须更新自己的硬件机器，让硬件整机生产商获益，之后整机生产商再带动比如芯片这样的零部件生产商”这样的一个逻辑。
那么人工智能是否也是继续遵循着这一规律，由研发机器深层逻辑的算法团队带动硬件生产商呢？杨歌觉得在这个产业里这样的规律虽然正确但又不严谨，更多的还是硬软互相迭代的一个过程，就如人类一样。
先假设这样一个先决条件： 人工智能已经发展成为了像那些科幻电影里那样有自己价值观和判断的超智能，那么这个时候其实可以这样说，这些AI是由硅基替代碳基而成的“人类”。
如果参考人类的进化史，不难发现，人类就并不是完全遵循着安迪-比尔定律来发展，而是硬件进化中伴随着软件进化。每一代人的知识在不断传承的同时，随着社会物质条件的改变，新一代人的“硬件设施”也会相应发生变化。
“而在整个人工智能的产业链上，将会是在研究了高端算法之后发现目前的硬件方向错误然后再从上游一步步倒推回来进行改变。”杨歌说道。从最底端的硬件，到软硬结合，再向上软件及更高的数据结构，整体构成这一产业的。
不论整个产业链结构究竟会发生什么样的调整，但又一点是可以确信，那就是这股新的浪潮将给整个商业市场带来一次洗牌，甚至重新定义谁来垄断这种局面。
而作为互联网时代的巨头，BAT毫无疑问目前正在大量布局流量端口并尽可能多的获得数据。中国有句古话，巧妇难为无米之炊，这些站在前沿的企业所在做的，就是为自己买好下一个时代的入场券。既然有技术，有人才，在整个产业链上，创业公司又该在哪寻找自己的归属？
如果回顾PC时代，我们可以看到即便微软已经站在了世界的最顶端，拥有全球最好的计算机科学家，依然无法甲骨文，雅虎和Adobe这样的公司崛起并在各自的领域打败他。而在人工智能，小公司也将会从复杂多样的线中寻找到属于自己的定位，甚至完成弯道超车。
“人工智能现在可以分成三个大阶段四个小阶段，分别是弱智能，强智能和超智能。强智能我们又分为两块，一个是机器学习，学习出来人知道是什么逻辑的智能，还有一部分是机器学习学习出来一部分人根本不知道是什么逻辑的智能。这个就是属于意外的收获。意外的收获又能分为人能看的懂的和人看不懂的。对于现在来讲，我们处于强智能两个阶段的过程当中。”
想要真正进入超智能，做出能彻底骗过图灵测试的机器人，杨歌认为还很漫长，“或许要一个世纪”。
对于人工智能可能带来的负面影响，无论是李开复，霍金，还是马斯克都已经“”过大家多次，杨歌虽谈不上是一个悲观主义者，但还是微皱着眉头，略显严肃的表情表达了自己在这件事上的立场：
人工智能是大势，即便主流国家不去研究，也会有其他的小国家和的组织去暗中开发，前沿科技不能掌握在手中。
从博弈论的角度上来讲，这也是一个必然解。对于广大的吃瓜群众来讲，当下要操心的还是尽快改变自己的学习方式。
“失业是再所难免，未来比的将不是知识储备的能力，而是继续学习的能力。培养一位人才通常需要25年的时间，而那时也只是具备了一个fundamental knowledge（基础知识），我后期的发展都是基于此前的学习。比如过去在校园我会写MATLAB，创业后又自学了C#。”
毕业于国内顶尖大学的杨歌无论是过去作为学生还是现在回母校以嘉宾的身份做分享，都感受到了在“再学习”上高校学子们所展现出的不乐观状况。
如果将“书呆子”这样的外号扣在高校学子的头上显然是不客观的，但是确确实实单杨歌身边就有很多非常聪明的同学，因为专注于学业而忽视了其他通的重要性。
如果大学生们能够多去接触些前沿的概念，拓宽眼界，摆脱一种已经习以为常的备考状态，那么相信社会还会涌现出更多优秀的人才。
然而时代的车轮在往前滚动时不会体谅个人的原因而稍作停顿，变革会主动找上门来。比如20年前，还很受人热捧的工商管理学硕士（MBA）。在外一说这，很多人直接就改口叫起老板来。
而如今，不仅在报考人数上不断下降，其性质也在向资源平台所转变，这也正是商业结构改变带来的最直接的体现，未来可能有更多这样的学历慢慢成为历史阶段性的产物。
人工智能所引起的另一种担忧就是未来在大规模商用之后可能出现的裁员潮。实际上这种问题已经有非常多的人出来进行过纠正： 类似的情况早已出现过——工业，而事实上1850年的工业并没有让社会就此陷入混乱，诸如算法工程师和电子工程师的新职业开始涌现。
人类社会本身具有自协调性。那么如果是工作岗位被取代，首先可以选择从大公司到小公司，因为小公司没有足够的资金来进行大的算法；如果是整个行业被淘汰，就沿着现有的方向做创作型更大的事情。
杨歌年纪轻轻却比同龄人沉稳许多，可当他不久前看到美国动力所研究的一款智能机器人被推到在地时，竟被自己瞬间流露出的而吓到。
按他自己的话来说，在那一刻，他居然对一个毫无生命的机器人产生了一种感情。也许正是这种害怕，神秘与好奇等各种情绪的混合让人类对这一领域欲罢不能，未来迎接人类的命运又会是怎样的呢？让我们拭目以待。
