说明：1.本人非AI技术人士，斜体部分为个人观点，可能有错误。2.正楷体部分为引用演讲原文，为个人学习、研究或者欣赏使用。3.感谢第四范式，感谢杨强教授的分享！

2月27日演讲原文链接http://mp.weixin.qq.com/s/pVNQ54ht86b1qWqjOw5TBg

一，AI 成功的5大必要条件：高质量的大数据、清晰的问题定义和领域边界、懂人工智能且擅长应用和算法的跨界人才、足够的计算资源、持续的外部反馈。满足这五个条件的领域，才有可能在未来出现人工智能的爆发。（笔者私评：前百度首席科学家Andrew 吴恩达也表达过，AI的发展受制于4大因素，计算能力，数据量，算法，人才。个人认为，计算能力相当于智商，巨大的数据量相当于清华北大的课程，算法相当于思维方式，人才就是机器的老师——一个脑力智商超高的学生，在清北名师的调教下用科学的思维方式学习高端课程，成功可想而知）

二，AlphaGo为我们带来了什么

1.AlphaGo创造性的用深度学习和强化学习的结合来做两种任务的判别，能识别“当下棋局的形势”，并“预判有利的走向”，这个可以扩展到其他领域，例如球赛的分析和针对当下情况的排兵布阵……

AlphaGo通过自我博弈来进行数据积累，证明在封闭式游戏中，自我博弈在数据积累层面的有效性。

我们如果沿着下围棋的步骤走，就要面对这些问题：你的人工智能算法的目标是什么？有没有数据？数据在哪里？问题的边界是否清晰？什么叫合理的走法、什么叫犯规的走法？你的特征在哪里？又如何得到这些特征？是否可以得到一个持续的反馈？这样的一个流程是AlphaGo设计团队所走过的路。不妨把这些步骤记下来，变成一个workflow，看看其他的领域是不是可以重复AlphaGo的成功。比如，如果用AlphaGo治疗癌症，如何治疗呢？治疗癌症一般是用放射性来杀掉癌细胞，而每一个癌症患者需要的剂量、角度、频次可能都不一样，如果能把所有的这些信息都记录下来，再记录治疗结果，因为结果不是马上就知道的，而是经过一段时间才知道，这样就有了数据、有了特征、有了问题持续的反馈，并且有了非常清楚的目标，即在副作用最小的情况下杀死癌细胞。并且这个workflow是可以重复的

AlphaGo无疑刷新了人们对人工智能先进度的预估，从技术角度来讲，AlphaGo是一个里程碑，其团队的workflow，也许会对其他领域有很大的借鉴作用，例如癌症的治疗，提供巨大的想象空间！——不单是产品逻辑的workflow，阿法狗的成功（高超的计算能力，创新的可预测当下形势和未来趋势的算法，自我博弈的数据获取方式）来自于人才的引导，同样是workflow！此外，人工智能并不能片面的认为就是机器学习，机器学习依赖于很多逻辑推理和知识边界的问题，随着AI的进一步发展，这些领域都会更加细分，分工明确意味着技术进步，同时意味着市场巨大，这是一个新的创业领域。

二，AI的技术风口在哪？

1.深度学习会继续发展——表示学习（对非结构化数据的利用是大利好。表示学习先把非结构化的数据作为原始数据，训练出一个统计模型，再把这个模型变成某种知识的表达。最终可以达到这样的效果：给出一段话让机器去阅读，机器学习可以自动地发现一些值得关注的点）表示学习对于自然语言中的知识学习大有益处，也许机器像人类学生一样在学校学习将成为现实。此外还有深度学习模型的结构设计，如何让逻辑推理和深度学习一起工作等，都是可能的技术突破点。

2.迁移学习——通俗解释就是有ab两位学生，b专门学习语数外理化生的知识，a专门学习b在不同领域的学习方法，最终a知道每门学科的学习方法，并且可以触类旁通的迅速在新学科学的很好…然后输出a的能力。

3.自然需要的表示学习与机器阅读——表示学习已经解释过了，机器阅读建立在表示学习的基础上，计算机可以看懂高考中的“阅读理解”，可脑补这将是怎样的技术进步！

4.人机对话领域，演讲者认为人机对话领域已经发展到临界点，数据已经足够多，可能会有质变的产生。

5.强化迁移模型——说实话没看懂，知识积累不够，只是读书笔记的水平…需要恶补一下再回来完善

6.人工智能的可靠性模型——小白用户拿一些人工智能的模块来搭一个系统，这个系统就应该能被搭出来，而且它的效果应该是在一个固定的范围以内的，所以人工智能应该像软件工程一样做出来。

三，AI商业的风口

智能客服——大量的数据积累，很多AI玩家在这个领域做了很多创新，突破之日也许不远。

新闻领域——新闻可以推送给特定用户，新闻可以由机器来自动写了。今日头条等很多内容类app已经做到了智能分发，部分科研机构已经能够让机器自主写作武侠小说。

特定任务的智能机器人——目前已经有机器人通过人工操作远程开刀手术，远程抓取物品，假以时日数据量足够了，可以自动化操作。

医护领域（无障碍辅助领域）目前痛点强烈，能够提供类似于“保姆，或者导盲犬的服务从不缺需求方”目前需要数据积累…

AI有机食品——香港有的工厂已经可以用非常科学的方法，知道温室里最好的一颗菜生长全周期的光照，气温，肥料等情况，将这颗菜的生长环境用机器学习学会，可以培育高品质蔬菜。

金融领域的智能投顾——蚂蚁金服，百度都已经在做这块了…

四，多年后的AI社会

人与机器共存，共同推动社会的发展