比如说，现在还有一个例子就是对话这件事，你在某一个行业里面，或者说你只是问他一些，告诉它订机票，查天气，叫个车，那是很好的，你要随便跟他聊聊天，说这个北京天气怎么样，饭馆怎么样，或者是杭州呢？它就说杭州有美丽的西湖，就不知道你的联系到说杭州的天气怎么样。那么人工智能的局限会不会限制将来的发展？到底怎么样结合人的智能和机器的智能的这个长处去产生真正的影响？

　　朱珑：刚才这个问题也比较一般难见到。我本来给大家解释那条曲线，稍微有点复杂，我刚才跳过去了。那条曲线，横轴是不同的年限，纵轴是错误率，大概是这么一条下滑的曲线，曲线上不同的点是什么呢？就是每一万人当中把你识别出来超过95%的这种点，再往下一个点就是10万，100万人，1000万人，1亿人，10亿人。技术是这样子发展的，什么意思？刚才1万人、10万人对应的是算法的识别性能，也是对应算法适用的场景性能在10倍、10倍的提高。场景是不断被解锁的，而且这个过程是一个非常大非常大的加速的过程。

　　过去我们很难想象ATM机这种边界是可以做的，实际的应用场景有的时候是超越你想象的。我们是业界最前沿的，有时候都会受到惊讶，举个例子，警察拿着人脸识别去辨认尸体，这不是设计者最初能够设计到的，我也不是这么弄的，警察说这个也可以，尸体不知道身份，他就可以查出来。他应用于这个事情的时候，大大超越设计者的想象。今天的智能，我们的想象已经跟不上人工智能发展的速度了，所以千万不要担心人工智能技术跟不上我们的想象。

　　邓锋：我举一个例子，你虽然做的很准，但是你很难应用。拿医学图像处理来说，大家知道照X光，或者是各种各样的CT，MRI，你可能有很多东西，如果你的影象科医生是很好的，医生他看的比较准，不好的医师可能看不好，经验不丰富看不了那么准。人工智能来做非常好，现在这个准确率也有提高，但是问题在哪儿呢？因为我们用了深度学习的方法，导致什么呢？他看的图片以后，他可能看了几百万的图片，其中有可能有几十万是病人，他就告诉你这个可能是有癌症，或者说准确率多高有癌症，但是他解释不出来为什么。你要给到这个临床医生他给你看，他说，你这个左胸和右胸的这个纹理不够清晰，或者是哪儿不够清晰，结节的形状，结节的大小等等，他会说一些这个东西，可是人工智能给你回答的只是说你这个疑似癌症。这怎么在实际当中用？你没法跟病人解释怎么办？

　　朱珑：我来解释一下，刚刚那个片子可能大家没有细节看，我没有展开。我刚才有一个CT的片子，我们出的报告恰恰是你说的，里面对结节的大小，它的体积、可疑性等都有描述，我们会出诊断报告。就是说它是可以被解读、可以跟医生交流的，他是做一个描述性的东西，不是只回答患癌或健康。

　　邓锋：你已经不是简单的深度学习了，你已经走到结合其他的东西来做的方向了。

　　朱珑：可以这么说吧。刚才说的问题是有一部分存在的，甚至是大部分存在的。时间就是2017年比2016年快太多，2016年比2015年快太多。

　　我举一个例子，2016年我们的产品能够被部署到医院，就用了半年时间。在公安系统同样的这个事情我做了两年半的时间。

　　就是说技术在商业化落地的过程，商业跟技术结合的过程越来越加速。当然这个可能是我们一家公司的特例，或者说不是现在市面上的公司都这样，但我觉得总体趋势是这样的。

　　邓锋：加速是最恐怖的一个事儿。

　　朱珑：对。

　　邓锋：我们下面开放给下面的听众，大家可以提问。

　　听众：您好，想问一下朱总，人工智能在技术层面还有在发生哪些重要的变化吗？短期之内是否，还有像Hinton2006年时发的那个同等重量级的那种论文的出现。刚刚您也在自己的演讲中提到，AI的技术在这两年有跳跃性的进步，想问一下您指的跳跃性的进步都有哪些？

　　朱珑：是这样，这个算法就是技术本身十年前就有了，不是在这十年有跳跃性的发展。整个世界认识它是跳跃性的，这些科学家憋着，憋着，也不是因为那个GPU、大数据，也是也不是，什么意思呢？当年我在MIT的时候，全球就少数的几家团队用GPU，就敢用GPU，他就相信那么大的数据能够上去有效果。既使是发明的这个人，他当时并不如Hinton那么坚定。就是说，同一件事情到你手里，信的人和不信的人，发展速度差别是巨大的。因为任何的转型，或者说往前突破都有风险和成本，你要学习新的语言，学习新的东西。

　　大家不要有一个误区是最近有什么特别明显的发展，这个技术是这几年有逐渐的增加。跳跃性的意思不是代表这个技术，或者科学家理解上的跳跃性，是说这个东西在工业上或者说在应用上会有跳跃性的发展。

　　比如说，今天大家开始探讨记忆，因为我们很多是识别大脑的智能的一些比较单一的功能，现在记忆推理都可以，或者说在尝试并且是科学可验证的手段，向人的水平逼近，所以这些能做了，好多事情就能够实现，包括人机对话等等。

　　听众：谢谢，我想问朱总一个问题，刚才朱总提到，现在这个阶段人工智能的技术也是没有特别的权威，很多算法也是并不是什么特别创新的，或者是特别的算法，我想请教，作为一个商业机构依图科技最核心的竞争能力是什么？您如果要往前发展，希望成为下一代BAT或者是成为一个独角兽的话，您最核心的战略推动是什么？谢谢。

　　朱珑：讲到技术好不好理解，这个投资机构怎么辨别。我讲一个笑话，就是红杉资本周逵总最后要投我们的时候，问我你这个技术，你说你最好，这个能判断吗？我说怎么判断？你判断不了，你只有信我或不信我，最好的人你是不可能有能力判断的，你只能选择信我或不信我，我是说“最好的人”，不是前10%的人，最好的人只有最好的人才能判断。

　　那最好的人判断他其实也不是通过这个结果，他有很多细节，他输入的很多观点是一致的，他是有体系的，三年前他是可以，三年后可以被验证的，是有信用的，不是只是一句话喊对了，他100句话都说对了，他不是只是这一点上说对了。

　　我讲一个具体的。今天很流行的说法是AI要跟to B结合，投资人或其他很多人认为这是想当然的事情。但是5年前，进我办公室的人第一句话都是在问，你为什么不做to C？潜台词是没有to B这件事情的。

　　今天to B变成人们一个共识了，投资人还是问我怎样去辨别团队。我觉得AI本身不是一款产品，科学家没有特别天生的优势。AI的任何技术不是产品。比如说在公安系统中，我们的后台不是只有算法，而是端到端的。公安的业务平台，对他的科技口、刑侦口和交通口的战法应用，以及业务部门怎么分发到派出所，怎么配合，这些对产品的定义理解非常重要。医疗行业也是一样，只是一个算法或截面的改动，对算法的要求差距就很大。这就非常需要对技术和商业场景相结合的理解，非常需要高手。作为翻译者或沟通者，这个角色非常重要。这是比AI人才更稀缺的。

转载请注明出处。