处处|他不在江湖，但江湖处处都有他( 二 ) 陆奇|宇多田|改变世界|虎嗅|创

你输入一个函数值，便能得出一个确凿且真实的反馈，无需担心对方顾左右而言他。
找出问题，分析问题，并解决问题。陆奇给予我们的最有价值信息，并不是固定的答案，而是一种值得学习的思维模式。
但是，陆奇的个人号召力，创业者的个人能力，强大的技术能力……真的能帮助一家企业走的够远吗？
在中国这片土地上，恐怕不止于此。
人工智能抵达低谷，然后呢？
某种程度上，陆奇也在帮助我们。
在过去几年时间里，作为人工智能技术产业微不足道的文字观察者，我们看着一家又一家人工智能创业公司诞生于学术大佬的羽翼下，并轻松拿到了百万~千万美元不等的起始资金。
然而，它们又在短短两三年内，有的迅速夭折，有的中途换车，有的则被“催肥”成一个个高估值的跛脚兽。
但与此同时，这项技术却也逐渐达到了它“触达大众，深入产业层”的最初宗旨。与AI相关的功能开始出现在每一个产业里；人们逐渐对AI这个词无感，而它的分支——“人脸识别”已经被普及到开始唤醒人们的隐私保护意识。
我们要如何解释这个既像在衰落，又似乎在绽放的产业现象？
陆奇为我们提供了一个分析问题的最佳思路——从源头寻找答案。
“我希望能比较系统地回答这个问题，你首先需要人工智能的本质是什么，它是如何产生商业价值的。” 陆奇也认同，我们不能去讲人工智能概念上的东西，因为其中还存在太多争议。
“我们就讲具体的！用现在人工智能技术到底能做出什么样的系统，用这些系统能做出什么样的产品，会产生怎样的商业价值。”
实际上，今天我们所讲的人工智能，基本是从2006年前后随着深度学习的进步发展起来的。
一个微软叫邓力的科学家与AI学术界元老级人物Hinton合作，将语音识别错误率从一开始的30%逐渐下降到10%以内。而2014年，则迎来了更大的爆发——视觉识别的错误率已经缩至4%~5%，与人的识别能力非常接近。
因此，从核心来看，人工智能是基于生物学的一种全新计算方式。它能遵从某种系统结构，较好地表达了人类大脑神经的运作规律。
换句话说，它在不断复制和“长”出人类的某种特征——看、听、触摸、行走、思考……而任何算法模型都是某种“特征”——
感知物理环境，抽取和概括关键信息，做未来规划……将它与人类“重叠”一下，你就会发现，它可以解决人类需要解决的问题。
那么沿着这个逻辑，就意味着它可以逐层开辟四大主流商业战场。

文章插图
陆奇第一个提到的，便是由“感知”这一AI基础能力延展出来的庞大产业体系。
无论是用嘴说，用手触摸，用眼睛看，都属于感知范畴。但是，除了软件堆栈与算法模型，人工智能的感知体系也包括“传感器与集成芯片”。
换言之，AI感知能力从来都不是一项技术，而是一个复杂的运行系统。
“芯片架构一定要重构，因为今天的计算体系不是用重叠向量来做的。所以‘异构计算’其实更是主流的计算。如果按照这个逻辑，芯片要有一大堆新企业起来。与此同时，底层软件堆栈显然全部都要重做。” 他特别提到，目前大部分AI创业公司其实都集中在这个部分。
有了基础设施，才能往下走。
但是，想搭建有别于移动与云的新平台，逐步攻陷传统行业，这些只有在把IT基础做好的前提下，才能延伸出巨大的可能性。
也就是说，每个战场的发展阶段和成长速度非常不一样。现在很多创业项目大多集中在“IT基础”这个模块里，而其他三个要依仗于它。
“你追溯源头就会发现，人工智能不是从零的地方开始，它是从云和移动生态长出来的。因此，用人工智能切现有的生态链，譬如优化直播，它可以走得很快，因为移动与云的生态渠道很健全。” 陆奇把人工智能的这种生态特点称为“路径依赖”。
但是，如果用AI去切汽车，切医院，就会发现，它跑得极慢，甚至完全推不动。
因为这种切入不叫“嫁接”，而是叫“移植”。
就像是把某种树苗从温暖的海南岛，移植到寒冷的东三省一样，无论是这项新技术本身，还是客观的产业环境，双方都要做出和解。
换句话说，拥有互联网与新技术背景的工程师，也需要被医生、老师、产线工人、汽车维修师所定义和接纳。