第1章 人工智能
1.0 这次，狼真的来了
我们已经投资了很多区块链相关项目，但是作为一个计算机科班出身的投资人，人工智能（AI）才是我心中的真爱。真正能改变世界的是人工智能，其他任何科学技术对人类社会的影响都不会比它大。
这轮人工智能发展正在带来一场范式革命
1956年，在达特茅斯学院举办的一次会议上，计算机专家麦卡锡提出“人工智能”一词，这件事被视为人工智能的起点。从那时起，人类对人工智能的态度一直处于怀疑与恐惧之中。2016年，AlphaGo与李世石的对决以及波士顿动力机器狗的出现，更是让人工智能得到公众的广泛关注。
这轮人工智能的发展是一场“改造世界的范式革命”。范式革命带来的变化在于：人类过去依靠知识以指令性方式改造世界，而在未来，人类很可能会不再具备掌握知识的能力，转而以一种描述性的方式改造世界。
这种变化可以用“当代人工智能之父”杨立昆（Yann LeCun）的一段话解释：“世界上的大部分知识将由机器提取出来，并且将常驻于机器中。”
过去，人类改造世界的流程是：首先依靠观察和实验提取知识，然后总结规律，而后制定规则、制造工具，最终改变世界。
现在人类要做的就是：提出需求，并提供海量数据训练机器，让机器总结规律，然后根据这些规律制定规则，最后人类和机器共同按照这种规则驱动工具、改造世界。
未来，机器可以形成一个闭环，即自动获取数据、生产数据——总结规律——制定规则——生产工具——改造世界。人类只需要提出诉求或者结果，把过程交给机器来执行，让机器解决人类的需求。现在已经有越来越多的机器可以自动获取数据、生产数据，甚至可以自行提出需求。
一个正在发生的事实是：机器总结出的规律，有些能被人类理解，有些却不能被理解。从更长远的角度看，人类不再需要理解事物运行的内在规律，只需要掌握获取规律的方法论。
投人工智能的依据：这次，狼真的来了
20世纪90年代以前的人工智能研究被称为“符号智能”，科学家们用机器做推理，逻辑简洁清晰。20世纪90年代以后个人计算机（PC）开始普及，人工智能发展为“计算智能”，人们开始用机器尝试归纳、模糊逻辑，甚至希望计算机具备某种直觉能力。
在不同的时期，人工智能的主流思想、理论框架、计算框架和典型应用都不同。
目前人工智能的主流思想是深度增强学习，其中深度学习可以理解为“从纷繁芜杂的世界中提炼出特征的有效方法”，增强学习则是相当于在一张白纸上创造出一条路径并借此完成某项任务。AlphaGo就是深度增强学习的一个成功代表。目前主流的理论框架是生物科学、控制论以及数学的理论框架。计算框架则是“人工智能芯片+云计算”，很快还会加入雾计算。典型应用是智能机械。未来两三年智能机械可能是一个热点，人脸识别、智能驾驶都包含在其中，这也是相关公司估值奇高的原因。
人工智能的发展如同狼来了的故事，一次又一次触动着人类的神经，只是这一次，狼可能真要来了。
第一，早期人工智能研究发现了一个悖论：人类觉得很难的问题，机器觉得很简单；人类觉得很简单的问题，机器觉得很难。这被称为“莫拉维克悖论”。大家认为，机器和人类大脑处在完全不同的两条路径上。但是现在，机器开始表现出人脑所具备的一些特点，比如直觉，而且机器正在展现出远超人类能力的趋势，AlphaGo先后击败李世石和柯洁就是一个例子。
第二，人工智能开始展现出不依赖于领域知识（Domain Knowledge）的通用性。借助于增强学习的理论框架，机器可以“在白纸上作画”。
第三，人工智能开始体现出高度类似人脑的工作机制，这意味着目前人工智能在朝着正确的方向发展。
以卷积神经网络（Convolutional Neural Network, CNN）为核心的深度学习框架、移动互联网产生的数据爆炸以及摩尔定律（集成电路上可容纳的元器件的数目，每隔18～24个月便会增加一倍，性能也将提升一倍）和云计算所催生出来的海量计算能力，是人工智能发展水平如此惊人的技术推手。
人类与人工智能正处在不平等的竞争之中。
第一，人工智能获取知识的速度比人类快。在AlphaGo与李世石的比赛中，李世石赢得第四局后，AlphaGo在一夜之间又和自己下了100万局。
第二，人工智能传播知识的速度比人类快。在使用中文这样的高效编码时，人类个体之间传输信息的速度大约为500bps，而4G LTE的传输速率是500Mbps，是人类的100万倍。并且电脑通信速度的增加符合摩尔定律，每18个月翻倍，而人类基本保持不变。
第三，机器一旦掌握某种知识或能力，就可以随时运用，而人类的能力会受到记忆、心情等因素的影响，不能随时调用。
投资人判断人工智能项目的角度：推手和产业链
机器学习框架、数据、算力是人工智能的三大推手，也是投资人在人工智能领域投资的思考角度。
第一，能够发明新的机器学习框架，或者能够把深度学习（DL）和增强学习（RL）结合到一起组成团队，这绝对值得关注，因为他们极有可能取得石破天惊的成果。
第二，目前的人工智能实际上是“数据智能”，拥有海量数据和能够生产数据的项目值得关注。
第三，拥有一定算力的项目同样值得关注。
从产业链角度看，我们可以将人工智能的产业链划分为三层，分别是基础架构层、技术提供层和应用层。
基础架构层是巨头的天下。加拿大一家初创公司在英伟达图形处理器（GPU）上做的驱动比英伟达自己做的驱动都好，最后被英伟达收购了。所以类似项目最后都是并购退出，这既考验投资人的能力，也要看运气。
技术提供层会集中于企业级应用服务（To B）业务。大家都知道To B业务不好做，在业务上很难具备超越竞争对手的能力，更多的还是要看销售情况。所以在技术提供层的项目更适合风险投资（Venture Capital, VC），可以验证销售情况，之后再按照正常的To B业务进行投资。
应用层要进行“行业优选”。所有行业都会被人工智能改变，但不同的行业被人工智能改变的速度和时间点不同，投资人必须做出判断，判断方法如下。
第一，数据越完备的行业越容易被取代。
第二，结果反馈越迅速的行业越容易被取代，因为结果反馈越迅速越容易训练模型。
第三，行业的付费意愿要足够强。
第四，涉及安全的行业被人工智能替代的速度会慢一些，比如煤矿、化工行业。
第五，群众的心理接受门槛要低。某些事情交给人工智能去做，群众会不放心。这一点与政府监管和社会融资意愿都有很大关系。智能交通就是一个典型的例子，现在投资纯无人驾驶项目是有风险的，这类项目不仅非常贵，而且在监管、法律和群众接受心理等层面都面临问题，尤其是无人驾驶造成的交通事故，可能很难界定责任。假设未来有一个乘客乘坐了优步（Uber）的无人驾驶出租车，遭遇了交通事故，责任归谁呢？优步、拥有优步所有权的金融租赁公司、汽车生产商、车内运行软件制造商、车载雷达制造商、导航服务提供商、这辆车的科研人员等，都有可能为这起事故负责，打官司的话也会遭遇很多麻烦。所以在我看来，某些行业里，人工智能可以用来做辅助，但不能做决策，交通和医疗行业就是典型。
使用以上标准来观察，目前互联网、零售、广告是第一波被人工智能取代的行业。零售电商的仓储物流、智能导购和客服都采用了人工智能技术。我在淘宝上搜一个产品，相关的广告会在全网各处如影随形。
金融和安防领域也是应用人工智能的典型，它们数据完备、反馈迅速、付费意愿强烈、民众接受门槛低，而且和医疗行业相比，它们所受的监管并不严。
智能制造是我们比较关注的领域，由于它和制造业相关，随着政策的变化，会有越来越多的政府部门关注并支持智能制造行业。
夏翌 元一九鼎创始合伙人。14岁入读中国科技大学少年班，曾在硅谷多家企业从事研发工作，盛大资本金融行业负责人、涟漪投资创始人。2017年与九鼎投资共同成立元一九鼎。