深度學習降低技術壁壘，恐慌的應該是大公司

admin

新浪科技訊 3月25日訊，獵豹移動CEO傅盛在「2017雪球中概高峰論壇」中發表演講。以下為演講實錄。

　　最近中國最火的兩個話題，一個是人工智慧，一個是房價。北京房價起起伏伏牽動了我們的心，我就想起來北漂時第一次被房東趕出來，實在沒有地方住了，就下定決心在通州買了一套房子。當時的均價是3000多，我記得收房的時候坐在一樓的小陽台上，想的是月供兩三千塊錢還不起怎麼辦？我還跟我的中介說，通州的房子有可能超過5千嗎？他沉吟半晌說，這得看通州發展成什麼樣。

　　一晃過去十幾年，房價已經漲成這樣了。

　　我也從北漂一族一點點靠自己的努力，讓獵豹移動在2014年登陸了紐約證交所。站在紐交所的陽台上，看著底下忙忙碌碌的紐交所員工，我按響了敲市鍾，感慨萬分。我為什麼有機會從月供三千都很惶恐的北漂一族，變成有機會做成一個美國上市公司的人呢？我自己不斷地反省，發現其實並不是因為我多麼地出色，而是因為有一天有那麼一個機會，我進入了互聯網。我進入了一個當時被絕大部分人都不看好的行業，一幫既是無所畏懼也是不知道天有多高、地有多厚的年輕人在這個行業里不斷地打拚，孕育了一批互聯網的創業者。這些創業者的起點我並不認為有多高，但是在這個行業他們獲得了其他行業所不能獲得的認知：對整個互聯網的理解，對用戶的理解，對信息傳遞的理解，遠遠超越了工業時代一代人的認知。

　　我前段時間讀過一本書《人類簡史》，也寫過《認知是人類前進的唯一武器》。智人並不因為腦容量比其他生物大，也不是因為他的力量比別人強，才能稱霸這個世界的。人類的幾次大的進步，15世紀的時候是人類從相信過去的先賢，相信孔子、相信穆罕默德、相信釋迦牟尼變成了相信科技，相信科學能夠改變人們的生活。而在過去的20年，尤其是中國堅信了互聯網，有這樣的認知才使人類一次又一次地進步。互聯網可以想像是一個網路，把以前散播在全世界各地聰明的腦袋連接在一起，使得所有人都快速地做思維的碰撞。正是因為這樣，使得以前我們在工業化時代，一個概念的傳播至少需要一百年，或者是幾百年。到今天AlphaGo剛剛出現，全世界各地都在寫論文，這個傳播速度已經在快速地成長，所以我認為這會產生巨大的生產力。

　　我最近還寫了《成長就是認知升級》，歡迎大家訂閱我的公眾號「盛盛GO」。我把這個概念再和人結合起來，一個人能崛起變得與眾不同，就來自認知升級。我第一次要見雷軍的時候激動萬分，我總幻想他的腦袋後面有一個光環的；第一次見馬化騰覺得他是三頭六臂。他們都是非常勤奮的人。

　　我也發現了身邊很多勤奮的人，那到底是什麼造成了他們現在還像神一樣地存在？而我們有沒有機會走近他們？所以我認為，技能的差別是很量化的，但認知的差別是不可量化甚至是質變的。也就是說你對一件事情的觀念和看法，對一件事情的堅決度，能不能快速地掌握信息做出決定，這可能是人和人之間最大的差別，所以我說叫認知。

　　再舉一個例子，當整個巨人大廈都已經虧掉身無分文的時候，史玉柱依然能東山再起，重新創造腦白金和征途的奇迹。我認為他在那個時代對行業營銷、對消費者和用戶心理的認知是超越那個時代幾乎所有人的，所以當他身無分文負債纍纍的時候，依然可以崛起。

　　獵豹也是一樣，能不能捕獵成功，不在於它有多少資源，而是在於它對行業有多少認知，這個認知能重聚資源，在別人沒有注意過的點上發起猛攻。

　　回顧一下我們的歷史，獵豹剛剛成立的時候，遭遇到或者是榮幸地遭遇到我們強大競爭對手的猛烈的關注。我們每出一個產品，每一個功能都會在一個禮拜之內被我們的對手迅速地趕上、超越，後來我突然發現，他掌握著比我更好的資源、更大的用戶量，即便那個產品是我從零做起來的，我也沒有辦法在原來的賽道上超越。所以獵豹慢慢地找到了國際化這條路。大概在5年前我認知到，中國的APP已經領先全球，中國的APP可以走向全世界，移動互聯網使中國這樣公司的國際化變得比以前更容易。獵豹全力以赴地做了國際化，我們在3年的時間里積累了超過6億的活躍用戶，總下載量超過30億次，每個月有超過6億台手機跑獵豹移動的APP，這其中81%的用戶來自於海外，20%-25%來自於歐美髮達國家。去年我們遇到了一些問題，但是我們的增長率依然有25%左右，過去的5年都是100%增長。

　　總的來說，認知是唯一的壁壘和成長的核心。獵豹抓住的上一個機會是中國互聯網的國際化，下一個機會是什麼？對我來說下一個認知是深度學習。很多人說深度學習是一個概念，你為什麼要做深度學習？AI+時代，獵豹作為一家工具類APP起家的公司，為什麼有機會做成人工智慧和機器人。

　　我想從三個點來講為什麼獵豹會有機會。這三個點的前提是，大概在前年我就覺得移動互聯網的競爭越來越激烈，越來越難以往前走，所以我在想可能移動互聯網本質的核心競爭已經結束了。

　　第一點，我認為深度學習是演算法革命，把以前很多分散在各個領域的演算法集中起來。以前做語音、做圖像、做無人駕駛，做空間定位的，每個都是一個專業。專業之間的演算法差別是非常巨大的，我通過不斷地面試人看公司就發現了這樣的問題。但有一天深度學習出現了，既可以解決語音問題，又可以解決圖像問題，還可以解決無人駕駛問題，還可以解決股票交易問題，人類歷史上從來沒有出現過這麼有魅力的東西。所以一旦是一個這樣的歸一式的演算法，所有人類最聰明的腦力都集中過去了。深度學習下，恐慌的應該是大公司，因為他們積累了很多的技術，不管是語音還是技術，在深度學習的衝擊下都被顛覆掉了。前不久我見了一個國內某知名大公司實驗室的負責人，他說他做了7年的翻譯，後來看到谷歌的一篇論文，突然發現他原來的技術都白積累了。我認為深度學習本質在降低技術壁壘，如果說以前獵豹要出一個語音產品，人臉識別做到世界前列，我都不敢想像，我說得從哪個年頭開始搞？但近期我們也會披露一些取得的成果。

　　第二，演算法驅動變成數據驅動。雖然說，每一篇論文對整個行業還是有推進作用，但由於基本演算法模型的固定化，演算法的驅動力已經大大地降低了。當然我們也希望有一個演算法神人再發一個論文又把某個領域往前推進幾十年，但從今天的動向來看，就是這場人工智慧的革命是以數據驅動的，一篇論文能推動的有效長進非常有限，但數據量大了以後產生的巨大推進量可能是遠遠勝於一片論文的。但是，你需要大量的數據去進行嘗試、標註、計算，大規模標註數據成為核心競爭力。數據的標註才剛剛開始，有些公司看起來很大，可是他們的標註數據量非常少，今天有大量的數據在互聯網上，供人自由地使用。關鍵路徑是想出來怎麼去標註這些數據的辦法，想出來怎樣去快速生成自己數據集的辦法。人類歷史上的棋譜是不夠AlphaGo學習的，最新的AlphaGo已經要去掉人類的棋譜了，因為它覺得人類下得不好。我見過谷歌做翻譯的產品經理，他說用谷歌做的這版新的翻譯之所以大幅度地提升，是從網上抓了大量的數據進行了二次標註，但網上很多的數據是以前的谷歌翻譯出來的，他們慢慢得把差的數據剔除出來。

　　從人工智慧角度來看，數據剛剛開始，還有大量的數據沒有真的被數據化，拿圖像來說，人臉是數據的，但人的身體沒有數據，行為模式沒有數據。

　　第三，深度學習的機會在於和應用的結合而不是技術輸出。深度學習的核心是數據驅動，雖然有模型調參，有自己的優勢，但別人有更多的數據調參很快拉平優勢，我很難真的想像一家公司通過提供技術輸出就能成功。我甚至認為未來深度學習是基礎的技術運用，很多公司都具備深度學習的研發能力。

　　我們收購法國一家新聞產品News Republic，把用戶的點擊行為變成數據的標註部分，神經網路會找到自動的相關新聞進行推送。獵豹還做了直播類應用Live.me，現在是美國最大的第三方直播平台，每天有幾十萬的美國用戶開播，產生幾百萬、上千萬張標準人臉，這個數據使得我們能夠找到精準的數據。獵豹研發的人臉識別技術，在色情和兒童識別上有大量應用。這個成績也是排在世界前幾的。

　　獵豹會全力出擊，讓AI助力獵豹內容戰略升級，獵豹新的使命是成為一家有偉大技術理想的人工智慧公司。獵豹在全球有6.23億月度活躍用戶，既具備獲取大數據的能力，又具備標註數據的能力。

　　中國在這次科技浪潮上是趕在前面的，深度學習有40%的論文是華人發表的，這次我們和專家溝通起來沒有語言障礙，也沒有時差障礙。而且今天中國GPU的運算能力編程能力經過了多年的積累。我相信後手機時代一定會來臨，大家在手機上的使用時長應該不會有爆發性增長了，但越來越多的智能設備像Amazon的echo和我們夢想中的機器人一定會走進我們的生活。我們有很好的數據、巨大的樣本群，有很好的工程師隊伍，又有全球一流的製造能力。中國最大的機會來自於機器人，人和機器人共存的時代一定會到來。

　　謝謝大家！