2016年3月15日，人与机器的战争结束了。谷歌的AlphaGo以4:1击败了人类顶级棋手李世石。经过7天的热烈全国讨论，我们现在可以更平静地谈论人工智能了。
这不是悲观主义。在国际象棋中，机器占据绝对优势。
AlphaGo与李世石的这场围棋人机大战之所以引起世人的关注，甚至被认为是人工智能领域的一个重要里程碑。我认为主要有两个原因：1、围棋是最难的国际象棋游戏。2.AlphaGo使用通用人工智能系统。
首先，围棋被认为是国际象棋中最难的游戏，也是国际象棋的巅峰之作。简单来说，围棋的棋盘空间非常大，棋法也非常多变。在国际象棋中，有诸如“马移日，象移田”之类的规则，但在围棋中，你可以将任何棋子放在围棋棋盘上的所有格子上。没有任何限制。比较围棋和国际象棋的搜索空间。Go的搜索空间大得可怕，分支系数也很大。计算机无法像以前一样使用暴力搜索和评估函数方法来下围棋。
如图所示，Go的分支系数特别大。
AlphaGo使用一套新的深度学习方法——，利用世界上所有著名的国际象棋记录来训练深度神经网络，然后使用类似于蒙特卡洛随机化的方法来探索游戏中的走法。过去，这种方法受到计算资源的限制，这意味着机器无法计算。这次机器做到了，而且是在最难的围棋比赛上。从理论上讲，机器在所有有限空间博弈论任务中基本上都可以击败人类。不过，我并不认为这是悲观的。在国际象棋中，机器拥有绝对的优势，因为机器总是能比人类学得更快，而且永远不会犯错误。机器总是会做出最优决策。
AlphaGo击败了李世石。也许以后不会有那么多人学习围棋，因为学习围棋的价值可能还不如写一个能下围棋的好机器人来得有价值。
AlphaGo战胜李世石的另一个意义在于，AlphaGo采用了通用的深度学习框架和引擎。引用AlphaGo创始人DemisHassabis的原话，他们希望做出一套像生物系统一样灵活的自适应算法，可以仅使用数据执行任何任务。也就是说，AlphaGo除了围棋之外，还能做很多其他的事情。
它解决了一个难题并使用了一个通用系统。这两点意味着人工智能可能会对我们的未来产生深远的影响。
有趣的是，有人认为下棋是机器赢，而人类在很多地方表现得比机器更好。这样的例子似乎数不胜数，比如闭着眼睛吃饭、通过面部表情变化来识别人的情绪、不用反复进行人脸识别就能认出一个人。但在我看来，这些看似非常智能、机器难以完成的任务，实际上是人类在长期进化过程中获得的本能反应。
人之所以需要经验和直觉，是因为人脑的计算能力是有限的。比如我们常说的围棋开局或者象棋中的一些固定阵型和下法，都是人们对我们需要面对的一些计算进行了简化。这些直觉、规律和经验可能不正确，但它们是对人脑计算能力的适应。不幸的是，我们无法理解这些经验和直觉实际上是如何运作的。例如，语言是一个非常微妙的东西。我们如何理解语言以及我们的头脑如何理解语言。如果我们能够彻底理解并表达所谓的直觉和经验，无论是从生物学、数学、物理等学科的角度，我们也可以让机器学习这些东西。
在一个大的理论框架内，我认为人类所有的学习都应该是一个基于数据的反馈和决策过程。当然，这一点还需要确认。如果我们能够清楚地解释整个人脑的学习以及人脑处理问题的方式，然后给机器足够的数据，我相信机器在大多数领域都可以和人类一样表现。在很多具体情况下，这种说法过于简单化且不切实际，但我相信人工智能的潜力。
误区：低估技术的长期表现、高估技术的短期表现
AlphaGo的胜利确实不是赢了4局那么简单。人工智能正在吞噬世界。
2010年左右我在斯坦福大学读书的时候，最热门的科目是软件编程，包括iOS编程、Android编程、Web编程。据我了解，今年斯坦福最受欢迎的课程是机器学习。
在我看来，未来几年，AI领域的人才会越来越多，各个垂直领域的AI创业项目也会越来越多。就像我们前几年一直在说软件重塑了很多行业一样，未来人工智能也可能重塑很多行业。
今天人工智能的开发和应用之所以变得非常可行并被大众广泛接受，是基于巨大丰富的数据、强大的计算能力，再加上算法的优化和进化。
数据极其丰富。二十年前，我们还没有完全进入电子化、数字化和虚拟化的时代。今天，世界每天产生的数据量可能相当于过去几个世纪的总和。二十年前，我们使用磁盘之类的东西来存储数据。如今，我们每个人每天可以在手机上生成和传输的数据量达到数千兆字节。
计算能力大幅提升，计算价格大幅下降。举个简单的例子，我们现在玩《愤怒的小鸟》的手机当年可以发射火箭。得益于摩尔定律、并行计算以及云计算的发展，我们现在每个人能够获得的计算能力，或者说一个大公司能够达到的计算能力，已经比人类能够达到的指数级或者几个数量级了。在20世纪80年代和90年代做的事情。获得了计算能力。
二十年前，很多事情因为计算能力不足而无法完成，大家不得不使用很多刁钻的方法来计算。但今天，我们有足够的计算资源和计算能力，不需要考虑所谓的效率或计算难度。像谷歌这样的公司在人工智能领域拥有巨大的优势。一个重要原因是其计算能力和人才的积累远远大于其他公司和机构。
由于深度学习和机器学习算法的普及和应用而导致算法的演变。这些算法并不是近两年的新发现。经过十多年的不断演进和优化，以及与现有硬件和计算能力的不断融合，它们今天才能真正发挥作用。
人工智能仍然是一个非常大、影响深远的词。就像20年前一样，今天的人工智能仍然无法解决很多事情。有句话说得很好，人们总是会高估技术的短期表现，而低估其长期表现。因此，就像20年前一样，我们现在不能指望人工智能给我们带来很多方面的实质性改变。但从长远来看，底层基础设施的快速发展使得AI技术比20年前更加可行和可用。
20年前的黑科技现在对我们来说已经司空见惯了。当AI渗透到我们生活的方方面面时，我们并没有注意到，也不认为这是一项黑科技。最典型的就是我们日常使用的搜索引擎。它根据您的输入和其他人的输入不断进行自我学习，以优化其搜索过程。它给出的搜索结果可能对每个人来说都是不同的。随着互联网的内容变得更加丰富，其搜索结果也会变得不同。
再比如，我们每天看到的广告，其实可以理解为机器选择完之后才展示给我们的。机器学习应用最广泛的地方是广告系统。无论是搜索广告还是电商网站中的推荐系统，其背后的广告策略和计算都采用了机器学习的方法。此外，人脸识别、语音识别、指纹识别等也是机器学习的成果。总而言之，人工智能已经在深刻改变我们的生活。
随着科技的发展，人们的观念也在不断变化。与那时不同，每个人更感兴趣的是我们是否可以制造一个像人类一样的机器人，或者我们是否可以制造一个能够像人类一样理解并与人交谈的人形机器人。今天，我们更多地讨论AI技术能否在很多领域、很多行业给我们带来不一样的结果。
未来AI将成为像水、电一样的基础设施
机器学习已经成为一个热门话题。我认为人工智能在金融、医疗领域会有很好的应用。金融领域有足够的数据和足够复杂的系统。机器比人类有优势，可以做出更好的财务决策。举一个简单但不一定恰当的例子，如果一台机器能够充分了解我们要购买的股票的公司业绩以及我们的目标，那么它完全可以代替优秀的交易员根据对市场的判断来做出交易决策。整个股市可以像人一样。
在医疗领域也是如此。如果有足够的医疗数据和对患者足够的了解，机器可以比医生为患者制定更有针对性的治疗方案。
此外，人工智能在汽车领域极有可能在未来几年得到大规模实现和应用。人会疲劳，反应能力有限，手脚协调性、决策速度和频率远远落后于机器。随着电动汽车的普及以及人工智能技术在汽车上的广泛应用，相信汽车的辅助驾驶系统会越来越成熟，直到最终达到无人驾驶的状态。这个是比较长期的。短期来看，机器辅助驾驶是一个非常好的方向。
在资源方面，大公司优势明显，包括算力优势、人才优势。现阶段，精通人工智能的人才仍然是稀缺资源。基本上，少数大公司和少数研究机构垄断了世界上绝大多数了解人工智能的人。因此，大公司在底层技术创新上会有非常大的领先和优势。不过，对于小公司来说，一件好事是，人工智能的最终价值不是创造一个通用的、万能的机器，而是利用它在各个领域不断创新和应用。
我们看到谷歌开源了很多人工智能系统，包括之前的Tensorflow系统和这次的AlphaGo。谷歌希望成为一个平台，提供底层基础和服务。它不可能完成以上所有的应用。毕竟，即使谷歌拥有最好的技术和最优秀的人才，但在金融、医疗、自动驾驶等某些细分行业，它也不一定比小公司更专注、更懂行。
我认为这种类型的初创公司可能会在未来几年继续涌现。2012年，我回国时联合创办的人工智能公司出门问问，可能是中国最早开始研究人工智能的初创公司之一，希望将人工智能落地到一些垂直应用领域。在中国，近年来人工智能领域的初创企业不断增多。例如，在语音识别领域，有CloudVoice和SPEED；在图像识别领域，有Face++、GreenEyes；地平线科技由原百度深度学习研究院副院长余凯创立，希望成为AI时代的英特尔。
国外也有很多公司在垂直领域进行应用。例如，最近几位斯坦福大学毕业生制作的汽车辅助驾驶被通用汽车收购。随着人工智能教育的普及、人工智能人才的增加、大公司不断开源人工智能系统，壁垒正在逐渐降低。我相信人工智能未来会成为像水、电一样的基础服务。
因为人工智能是一个技术驱动的领域，需要技术和过去的经验积累。我发现，无论是国内还是国外，大多数AI从业者最初都是在科研机构或学校做过相关研究，或者在大公司担任相关职务，比如在AI领域雄心勃勃的谷歌，以及在AI领域雄心勃勃的微软、IBM等。有深厚的功底。
AI领域的投资方向是什么？
人工智能、大数据、新硬件，还有新能源、新材料，我们统称这些核心技术驱动的创业项目。任何产品技术都有自己的开发周期，投资取决于周期。
回顾过去，几乎每5到10年就会有一次重大技术和产品的开发周期。从PC到互联网再到移动互联网。我们现在正处于移动互联网发展的中后期。我们期待，在移动互联网时代，会不断出现一些好的产品。接下来，我们将等待新计算平台和新产品技术周期的出现。基于此，我们做出一些投资布局和判断。
对于这部分投资，我们分享几个我们看好的方向：
人工智能及其在垂直领域的应用。包括结合硬件和算法来创建解决方案的人工智能公司，以及汽车智能。从现在的汽车到无人驾驶，都会有一个机器辅助人的阶段。这期间可能会有一些自动驾驶的辅助系统，包括车载硬件的智能化、数字化。
新型硬件平台及其在垂直领域的应用。新的硬件平台包括机器人、无人机，甚至无人船，以及这些硬件平台在垂直领域的应用。AI在工业或者2B的应用也是我们认为好的一个方向。众所周知，劳动力成本上涨非常快，很多行业和制造商对自动化、智能化的需求很大。
芯片、传感器等工业核心部件创新。总体趋势是变得更小、更便宜、更移动。我认为，小、便宜、无处不在是进入智能时代的必要条件。在各个地方，我们需要足够的传感器和芯片，这样我们才能收集到足够的数据，拥有足够强的数据处理能力。
