本文作者Zavain Dar，Lux Capital風險投資人。Foutainhop 聯(lián)合創(chuàng)始人。現(xiàn)任斯坦福大學符號制度課程講師。

1、之前二十多年的工作，主要涉及到數(shù)字化大數(shù)據(jù)集，建設基礎設施來管理大數(shù)據(jù)集，以及進行大數(shù)據(jù)集計算的范式。這些都是主要的驅動誘因，也可以解釋說，我們這個時代，首先強調的其實還是“數(shù)據(jù)科學”，然后才是“人工智能”。

2、一旦我們實現(xiàn)數(shù)字化數(shù)據(jù)，并獲得可編程的數(shù)據(jù)，那么明眼人就能看出，下一步就是利用這些數(shù)據(jù)在未來實現(xiàn)自動化和預測功能。當我們的預測能力變得越來越好，越來越“智能”，此時所謂的“數(shù)據(jù)科學”這個詞，才能逐漸的變成現(xiàn)在人們口中的“人工智能”。但事實上，兩者之間并沒有很很明顯的區(qū)別，“唯二的”區(qū)別，可能是在對新穎和難度的感知上有所不同。實際上，所謂新穎和難度，其實都會隨著時間而發(fā)生改變，今天的“人工智能”，就是明天的“數(shù)據(jù)科學”。

3、對數(shù)據(jù)進行學習的人工智能，被稱之為機器學習。傳統(tǒng)的機器學習使用的均是原始數(shù)據(jù)，然后提取出可以被人識別的語義(也被人認為是功能)，接著，機器學習會從這些功能中再學習，繼而得出一個最終的機器學習模型。

4、過去的十年，神經網(wǎng)絡開始復蘇，它是基于在哺乳類動物的大腦中那些松散的突觸鏈接，形成的一種機器學習架構。神經網(wǎng)絡提取語義，讓人類進行處理。當然啦，在學習算法中導入的都是原始數(shù)據(jù)，這些數(shù)據(jù)都是沒有經過人類編輯的，于是，人們看似很隨意地就把它稱之為“機器學習”。

5、深度學習技術和學習模型已經存在了數(shù)十年，我們現(xiàn)在看到的，是一波理論創(chuàng)新的大潮，加上現(xiàn)在基礎設施和數(shù)據(jù)可用性愈發(fā)成熟，深度學習在經驗上也獲得了突破。2006年，NVIDIA推出了針對GPU的CUDA計算平臺，這是一個真正的分水嶺。

6、主要是因為人類構建的功能具有一定獨立性，深度學習是學習的自然工具。在數(shù)學推理上，人類技能的開發(fā)優(yōu)先于人類自身能力，比如有一些我們過去學到的技能，比如理解負載的數(shù)學和語義構建的能力。有一些人類天生就擁有的技能集合，其實很難以一種高水準功能的形式，來準確地表達出來。

高緯度數(shù)據(jù)問題，數(shù)據(jù)的維度越高，那么它對人類來說，依靠傳統(tǒng)的機器學習技術來靠直覺感知就會變得更加困難，同時構建合適的功能也會變得難度更大。

7、對于那些在我們有能力構建復雜語義之前，已經開發(fā)的技能，我們已經在計算機視覺行業(yè)里中看到了令人印象深刻的結果，自然語言處理，甚至是玩兒視頻游戲。值得注意的是：這里我們所學習的所有技能都不需要數(shù)學推理，因此他們是能滿足獨立意識的高層次語義需要的。

8、在廣義的高緯度深度學習問題上，深度學習已經展示了突破性的成績，舉例包括基因組學，石油和天然氣，數(shù)字病理學，甚至是公開市場股市。

9、最近，媒體在大肆宣傳人工智能，因此人工一般只能也引起了人們的關注，它是一種假想的計算機模擬人類智能代理。

10、在很大程度上，人工一般智能是由那些基本擬人技能的深度學習成果尾風所驅動的，到目前為止，我們似乎還沒有什么有意義的進展，當然也沒有什么競爭力可言。從零到一，就像是在計算機視覺和自然語言處理上所作的努力一樣，也更好地說明了這個問題。

11、在不久的將來，這些努力似乎只能在筒倉(silos)上存在，在一些特殊的領域里，一群人會孤立地進行工作。

12、我們開發(fā)人工一般智能(AGI)的速度將不會受到任何一個筒倉的約束，但是我們有能力讓這些筒倉相互操作，并且通過合適的輸入和輸出渠道與外部世界聯(lián)系。首個人工一般智能可能不會是一個有人體表現(xiàn)的機器人，而是以一種實時在線的形式出現(xiàn)，它可以訪問全世界的知識，并且有能力通過網(wǎng)絡來進行交流。

13、人工一般智能將會模擬人類級別的智能，但是不會表現(xiàn)的“像人類”，知道我們了解、學習自己內部更多的“目標函數(shù)”。目前，計算機正在被訓練，它們會有專門的域來指定目標函數(shù)，這樣能把錯誤減少到最小。直到我們能夠知道如何將我們自己內部的目標函數(shù)校準，實現(xiàn)標準化，人工一般智能才會變得智能，甚至還會顯示出一些意識，但不會變得“像人類一樣”。

14、2025年以后出生的孩子，他們會覺得軟件能有意識，這種現(xiàn)象可能會忽然出現(xiàn)，速度也會比我們想象的要快得多。

15、人工一般智能對好壞區(qū)分的能力將會受到一定比例的限制，因為只有人類才能控制輸入和輸出渠道。未來，可能會出現(xiàn)很多有趣的爭論，話題就是人工一般智能可能存在的潛在惡意行為。最早出現(xiàn)，同時也是一個非常有力的實例就是，我們爭論過自動駕駛汽車。

16、對于人工智能初創(chuàng)公司來說，我們正處在一個上升的創(chuàng)新周期，同時也能有資金支持。

17、算法和人工智能學習技術商品化的速度，可能比我們預想的還要快。如果說這一領域里的初創(chuàng)公司想要獲得成功，那么就必須要不斷的用自己的人工智能模型和用戶、企業(yè)進行交互，然后尋找一些獨一無二的數(shù)據(jù)，并且不斷鞏固自己的初期優(yōu)勢。最著名的就要數(shù)谷歌公司了，他們可以獲取點擊流數(shù)據(jù)，隨著時間，用戶(特別是企業(yè)用戶)可以利用這個數(shù)據(jù)作為私人數(shù)據(jù)源，也可以進行學習交互，來提升自己的排名。

18、雖然我們身處在人工智能的春天，但仍然是在早春階段。一旦有某個小團隊在人工智能領域里有所建樹，那么大型科技公司便會砸下重金，進行收購和兼并。這些人工智能領域里的新奇成就，如果說允許外部成熟一些，即便存在一定風險，對于大型科技公司來說也是可控的，因此我們到目前為止，已經看到了在人工智能領域里有較大規(guī)模的收購或兼并交易出現(xiàn)。

19、人工智能工具公司將會需要構建更具粘性的平臺，這樣才能在商品化相關產品的時候具有競爭力，同時也能讓風投看到一些有價值的產出。[!--empirenews.page--]

20、最后，在未來五年，硅谷將會出現(xiàn)轉型過渡。如果那知名投資人Marc AndreeSSEn當初的一句話“軟件正在吞噬世界”來類比形容，那么就是“數(shù)據(jù)科學和人工智能正在吞噬世界”。