近年， 人工智能 被看作變革產(chǎn)業(yè)交易的關(guān)鍵變量，除了大巨頭們不斷加重在AI領(lǐng)域的研究注碼，各行業(yè)也在加速與AI結(jié)合的戰(zhàn)略戰(zhàn)術(shù)。近日獵云網(wǎng)聯(lián)合WEDO聯(lián)合創(chuàng)業(yè)空間舉辦了如何在AI大潮中窺見人工智能的線下沙龍。那么專注研究與投資AI人工智能的投資人們，是怎么看待在AI人工智能產(chǎn)業(yè)鏈里的所遇到的機(jī)遇呢？

嘉賓共享的內(nèi)容包括投資AI人工智能的邏輯，人工智能在家電行業(yè)的應(yīng)用、人機(jī)交互投資分享。

如果從投資角度談邏輯，那么郭劍武的投資方法就是看清楚方向&領(lǐng)域和找對團(tuán)隊。投資AI人工智能領(lǐng)域里，考慮的就是AI的三駕馬車——數(shù)據(jù)（從哪來）、算法（準(zhǔn)確度高不高）和應(yīng)用場景（是否夠垂直細(xì)分）。

17年正是人工智能關(guān)鍵年，郭劍武卻覺得也是人工智能大洗牌的過程，例如他舉例了數(shù)據(jù)所有權(quán)的問題：歐洲已經(jīng)出臺相關(guān)法律規(guī)定不能企業(yè)不能隨意對用戶進(jìn)行畫像，法律頒布所有權(quán)的問題遲早也會是發(fā)達(dá)文明國家的趨勢。

在許多企業(yè)家警惕人工智能危險性的當(dāng)下，郭劍武還認(rèn)為AI人工智能分為三個階段，1.0感知階段，2.0認(rèn)知階段，3.0融合階段。 1.0階段——感知階段，是指人類在以目的為導(dǎo)向的情況下，對周圍環(huán)境讀懂讀透的一個過程。

2.0階段認(rèn)知階段屬于推理與邏輯，在經(jīng)過對環(huán)境讀懂讀透的環(huán)節(jié)后，人類對這些信息及數(shù)據(jù)做出了自己的判斷，那么這時候該考慮怎么用遷移學(xué)習(xí)，來達(dá)到情感與自我意識的層面，使之讓機(jī)器自己做決定。遷移學(xué)習(xí)可以說是人類的一個突破，因?yàn)檫w移學(xué)習(xí)已經(jīng)擺脫數(shù)據(jù)的束縛，代表著步入自我意識范疇的門檻。

3.0階段才是融合的階段，這時候才有資格談?wù)撊藱C(jī)大戰(zhàn)，AI是否會毀滅人類等等問題，到那時將會開始介入制度問題比如法律、規(guī)范等等。但是3.0階段最大的難點(diǎn)在于算法模型的建設(shè)，比如常識不方便建模，每個人都明白“父親比兒子年齡大”這個常識，機(jī)器卻必須要輸入程序才能得知，而自然界的常識又何止千千萬萬條。

在郭劍武看來，我們還有很長的路要走：基礎(chǔ)的算法問題上或許可以靠疊加大量統(tǒng)計完成單一重復(fù)的決定，但深度學(xué)習(xí)與遷移學(xué)習(xí)的能力上，商業(yè)變現(xiàn)的時代還遠(yuǎn)未來臨。

人工智能通過處理數(shù)據(jù)，可以關(guān)聯(lián)統(tǒng)計，分類，預(yù)測行為和優(yōu)化路徑，對應(yīng)到具體應(yīng)用里，便能做到行為挖掘，控制應(yīng)用程序開關(guān)時間從而節(jié)能省電，升級用戶體驗(yàn)和加強(qiáng)應(yīng)用的安全保障問題。

邢燕拿AI智能結(jié)合電熱水器，來解決用戶使用不便的問題做了類比，比如他們在收集上萬用戶的電熱水器使用數(shù)據(jù)后，發(fā)現(xiàn)用戶一般會出現(xiàn)三個問題：等待時間過長，熱水不夠，熱水器使用能耗過高。

如果想要優(yōu)化一個大廈里所有用戶的預(yù)熱等待時長，那么在通過收集設(shè)備運(yùn)營數(shù)據(jù)和用戶運(yùn)營數(shù)據(jù)后，可以根據(jù)用戶不同時間段上的使用習(xí)慣進(jìn)行優(yōu)化，使熱水器提前加熱或根據(jù)使用情況來主動幫助用戶調(diào)整加熱模式。結(jié)合到AI人工智能方面，結(jié)合時間、季節(jié)、偏好等因素，形成用戶模型，控制決策主要綜合推薦引擎、預(yù)測引擎形成控制指令。

其中預(yù)測引擎可以使用LSTM模型構(gòu)建行為預(yù)測器，以用戶前N天用水情況預(yù)測當(dāng)天用水情況，輸入開始用水時間，當(dāng)天氣溫，用水量等數(shù)據(jù)。輸出開始用水時間和用水量的數(shù)據(jù)。

而推薦引擎是基于用水預(yù)測、體驗(yàn)預(yù)測與實(shí)時的節(jié)能預(yù)測來生成推薦輸出，推薦參數(shù)將影響推薦引擎輸出，可以由決策器進(jìn)行調(diào)整。這樣根據(jù)用戶對推薦結(jié)果的反饋（主動與被動），調(diào)整各推薦引擎的推薦參數(shù)，實(shí)現(xiàn)用戶個性化。

從鍵盤、鼠標(biāo)、觸屏到新興的交互方式——語音交互，視覺交互，體感交互，這些都在降低學(xué)習(xí)成本，更加豐富用戶體驗(yàn)，甚至催生新的商業(yè)模式。

而普及程度不高的交互產(chǎn)品，大部分小公司們爭搶不過巨頭們的資源從而發(fā)育殘疾，往往只能面臨被收購的下場，因此抓機(jī)遇非常重要。交互技術(shù)機(jī)遇的關(guān)鍵點(diǎn)是做巨頭要做，但暫時還沒有做的事。交互應(yīng)用機(jī)遇則需要根據(jù)2B或2C來考慮，2B方面要著重考慮生產(chǎn)工具，投入產(chǎn)出比和效率的問題，2C則要著重考慮生活資料，用戶體驗(yàn)的問題。

語音交互較值得挖掘的技術(shù)包括NLP及語義分析、多輪對話等。視覺交互較值得挖掘的技術(shù)包括嵌入式人工智能，比如在工廠里的生產(chǎn)鏈環(huán)節(jié)，汽車?yán)锏? 無人駕駛 等。IMU和光學(xué)體感在現(xiàn)在是相對較成熟的體感交互，更多的是新興體感技術(shù)，相對而言，游戲是比較多的應(yīng)用，如IMU做體育的創(chuàng)業(yè)采集人體的運(yùn)動軌跡，可以輔助教練培訓(xùn)運(yùn)動員或者了解運(yùn)動軌跡從而幫助教練排兵布陣。

Q&A環(huán)節(jié)

Q：

現(xiàn)在很多產(chǎn)品都受制于VR的熱潮，各位投資人怎么看？在現(xiàn)在的情況下智能設(shè)備也有被破解或黑入的可能性，那么當(dāng)AI結(jié)合應(yīng)用時，我們怎么防備這個事情？

A：

1）我對VR的前景不太看好。一部分原因是目前市場上沒有體驗(yàn)比較完美的VR產(chǎn)品，VR更應(yīng)該是一種技術(shù)，在某種特殊的場景下所需要的技術(shù)。比如說模擬軍校里的軍事演習(xí)，比如說紅色地區(qū)里的井岡山，貴州附近建了紅軍長征體驗(yàn)館，在這樣的體驗(yàn)下，VR一定要找到很窄的應(yīng)用場景給它落下來。

2）從云端平臺來講，要發(fā)展安全體系的建設(shè)，從實(shí)踐上來說，你要在云端里做一個相對系統(tǒng)，就比如安全的排查系統(tǒng)，有反查機(jī)制，在一個用戶多次訪問的情況下可以引起系統(tǒng)的警覺，因?yàn)槌鞘请娔X攻擊否則正常用戶不可能頻繁多次訪問。另外一個辦法是，設(shè)備對設(shè)備打通，需要協(xié)議開放。如果通過云端，一個第三方來對接應(yīng)用，根據(jù)兩方的業(yè)務(wù)邏輯進(jìn)行修改，那么會好一些。

Q：老師您好，如果是為國內(nèi)學(xué)生提供教育資訊，留學(xué)服務(wù)之類的中間企業(yè)，怎么把AI用低成本的的手段去結(jié)合？怎么去匹配老師跟學(xué)生？

A：如果是K12教育產(chǎn)品，其實(shí)未必要加AI，主要應(yīng)該先考慮場景應(yīng)用在哪，先考慮一個好的產(chǎn)品或服務(wù)，考慮怎么去服務(wù)好用戶，再去考慮怎么降低成本。

K12教育產(chǎn)品不一定是人工智能，也可能是大數(shù)據(jù)分析，比如你有標(biāo)準(zhǔn)的語音系統(tǒng)，就可以大概判斷出學(xué)生的口語水平，這個也可以用來分析學(xué)生的上課時間，比如哪個學(xué)生在什么時候是在休息或者有別的事情，用數(shù)據(jù)就可以做到。而到AI智能水平如果要派上用場的話，可能是以后你的學(xué)生群很龐大了，不需要老師在線，這時候AI人工智能可以自動的幫你服務(wù)學(xué)生。

另外我認(rèn)為K12現(xiàn)在用行話叫做是紅海里已經(jīng)有寡頭，所以如果要做K12，明白自己解決了哪些痛點(diǎn)才是關(guān)鍵問題。

299439