238
機器人
施水才：人工智能的投資機會有這些
2017年5月21日-22日，由中國人工智能學會和中文信息學會聯合舉辦的2017全球人工智能技術大會在北京國家會議中心召開，中國中文信息學會副理事長，拓爾思總裁施水才先生是本屆大會程序委員會主席之一，這是中國人工智能界對拓爾思和施總在AI領域所做工作的高度認可。
拓爾思是中國第一個以文本檢索和挖掘為核心進行IPO的企業，施總以《從大知識到大數據——NLP領域的投資機會》為題在會議上發表了精彩演講。其精彩觀點贏得了與會聽眾的高度認可：
單獨談人工智能意義不大，ABC融合是必須的
NLP是人工智能皇冠上的明珠
僅有深度學習是不夠的，知識圖譜也很重要
應用場景是變現的核心
人工智能是“人工+智能”，特別是對於類似智能客服等領域
以下是演講實錄：
大家下午好！今天我報告的題目是“從大數據到大知識——自然語言處理領域的投資機會”。其實搞投資也是挺苦逼的事，我最近才開始學習，投資的活很專業，沒有常人想象的那麼風光。我今天講的題目有四個方麵，第一是對AI時代的看法，第二、NLP是AI皇冠上的明珠，第三、我們的AI之路及ABC融合的想法，第四、NLP領域的投資方向。
前麵的不用講了，我們不太願意談人工智能，但是不得不談，因為大家都在談。包括我們開複同學，前不久搞了一篇很高點擊量的自媒體文章《我不是李開複，我是人工智能》。從投資的方向上來看，2016年麥肯錫的報告顯示，AI方麵的投資到2025年會到一千多億美金。大家也可以看到，現在大的巨頭們在AI領域的優勢比較大，但是不是有他們，我們就沒事幹了？也不一定，這些巨頭有數據，有人才，有雲的基礎設施，我們很難在通用人工智能領域跟他們競爭。但是，還有別的很多地方和領域是可以做的。AI為什麼這麼火爆？昨天大會上也談到大數據、深度學習、高計算力等，本次大會第一個巔峰論壇非常好，但是我後來看了一下，6位嘉賓全是搞視覺的，沒有我們搞自然語言的，是不是搞自然語言太難了？還是說搞自然語言的人不好意思上去？大數據，深度學習，高的計算能力，導致了現在很多領域的突破，特別是感知領域。但是不是說有足夠的數據和計算能力就完了？這就涉及從大數據到大知識，昨天有一位嘉賓說深度學習，讓計算機達到5歲孩子的水平。如果想要達到更高怎麼辦？人工智能從計算到感知的技術（如圖像、語音）現在已經取得了非常大的突破，但是認知這一塊還是很難的，比如說認知領域的自然語言處理。
為什麼說NLP是人工智能皇冠上的明珠呢？我們國家在語言文字信息處理方麵誕生了三家上市公司，從上市的順序來說，最早是漢王，做模式識別，後來的科大訊飛做語音識別，然後是拓爾思的信息檢索和文本挖掘。最近5年和語音相關的投資非常大，除了科大訊飛以外，還有雲知聲等等，這兩年視覺領域的投資非常熱，甚至於昨天的主持人還搞了一家這樣的公司，我說可不可以投點？他說不行了，計算所不同意。但實際上我建議大家做投資要慎重，為什麼這麼說？現在技術的門檻已經變低了，這些東西已經基本成熟，關鍵是要找到應用場景。如果沒有這個應用場景，變現就非常困難。而且這些公司基本上很貴，大家的目標都是獨角獸，我們投資就要投資未來。
為什麼說前沿的機會在NLP相關領域呢？我們看了一下國外調研公司的數據，最值得關注的100家AI公司中，25%的項目和自然語言直接或者間接相關。從另外一個角度，福布斯TOP50AI公司的融資中，16.2%的資金投向了NLP直接或者間接相關的領域，所以這個領域大有可為。我們投資很多時候是跟風的，都跟著美國跑，可以看出一些趨勢。另外，從商業的視角來看，很多具有重要影響的技術和自然語言直接或者間接相關。為什麼說是AI皇冠上的明珠呢？微軟前不久提出一個口號是“自然語言是人工智能皇冠上的明珠”，現在我們中文信息處理界一致認為這個口號恰如其分。
從技術上來說，如何從識別到理解，圖像要能夠認出來，要靠人臉比對這些東西。自然語言主要是解決理解的問題，這方麵還是非常難的。傳統的NLP技術現在也在用深度學習，根據我們自己的實踐，把傳統的方法加上深度學習的技術以後，如分類、聚類、熱點詞抽取等等，這些都提高了5到10個百分點，在實踐中非常有用。另外，深度學習很多方法，像神經網絡、循環神經網絡、遞歸神經網絡、卷積神經網絡等，都有自己的用途。
在NLP領域集大成的焦點應用，就是BOTS，它是人工智能的聊天機器人，或者虛擬助理。為什麼這些大公司拚命在這個領域競爭呢？它是NLP技術的集大成。昨天微軟黃學東的演示中，有幾個例子非常好，表現出微軟在這方麵確實有自己領先的地方。穀歌，蘋果，一直到微軟小冰，Facebook等等，都是競爭的焦點。
如何提升人工智能的應用效果？也有很多學問。昨天談到強人工智能，我覺得強和弱的說法我不太讚同，強和弱是相對的，我們更加強調的是通用的還是垂直的。另外，從投資的角度來說，NLP支持認知計算圍繞三大領域，一個是交流，第二是決策，第三是發現。從應用場景來說，可能是智能的搜索引擎，還有智能的投顧等等。從市場空間來說，當然是很大的，不用講了。
我簡單介紹下NLP領域相關典型的項目。這個是alphasense，裏麵大量使用了自然語言處理的技術。還有美國一家公司，Dataminr，分析社交媒體的數據，和其他數據進行結合，為投資者采取行動。前幾年我們有一個組織叫SMP，我們經常討論未來用社交網絡炒股行不行？我在五道口金融學院經常問老師，我說智能投顧能不能搞？他們說都是騙子，這是某個基金大佬講的。我昨天又問馬衛華，他也不可置否。主要的問題是什麼呢？要看市場是否有效，證券市場是無效還是有效？這個特別重要。我們也看了很多智能投顧的項目，我們也特別想投資這些項目，但是非常謹慎。還有一個是KENSHO，也是跟智能投顧有關的應用，大家可以上網去查這些公司的資料。
下麵講一講我們自己的AI之路。我從大學裏出來創業，對學術和產業的認知感受頗多，挺難的。我們1993年的時候搞了一個叫全文檢索，就是搜索引擎背後最重要的技術。後來成立公司，開始創業。2000年的時候我們開始做自然語言處理方麵的東西，大家覺得這個領域發展太慢，市場空間太小，認知度太低。我們對標的公司想買我們，是英國的一家公司，這家公司後來120億美金賣給了惠普。他們當時要買我們，3000萬美金，我當時覺得挺好了，心也動了一下，但是覺得賣了幹嘛去呢？不知道該幹什麼，就沒賣，自己搞，後來我們也在創業板上市了。那個時候我們鼓吹大數據，其實不是鼓吹，我們做非結構化數據處理，當然就是大數據重要的組成部分。現在人工智能時代來了，我們要為大數據加點東西，我們叫“大數據+AI”。我們做AI的時候，回顧曆史，最早是1990年，1990年的時候我們學校和國防科工委成立了人工智能實驗室，當時參會的人很多，我記得錢學森發言，說“人工智能是人腦和手的延伸”。我們很興奮，國防科工委給我們提供了很多基礎設施，20部軍線，免費使用，結果搞了三年以後失敗了，人工智能的三次浪潮，我們就算一次，那個時候還是規則和專家係統的思路，沒有大數據，計算力也不行。
對於人工智能我有幾點看法，對產業界來說，單獨談人工智能，意義不是很大，因為它是屬於賦能的。在現在實際的環境中，最近有一篇文章，講到ABC融合是必須的，對比一下IBM，雖然人工智能搞得很早，其智慧地球的理念領先業界多少年，但是為什麼最近業績不好呢？可以看穀歌、Facebook、亞馬遜，他們有數據和雲的基礎設施支撐，所以他們發展得更好。人工智能的投資和前幾年的大數據差不多，最近我們要發布一個“北京軟件名人榜”，我現在還不能說，因為還要經過北京市相關領導的審批。有一點是可以說的，現在人工智能的熱度已經上升為第二位，第一位還是大數據。我參加過太多大數據的論壇，我總結就是“錢多，人少，估值高，不掙錢”。我更加傾向於垂直的，行業性的，能互動的AI。剛才有一位嘉賓說到智能客服，如果這個智能客服跟人工係統不能結合的話，這個智能客服一定是不好的，必須要有人在參與。核心是應用場景，對於某些應用領域，光有大數據還不行，還得有知識，甚至是大知識。
麵向用戶提供人工智能的服務能力，不僅在於AI技術的領先，還要有雲和數據的支撐。我們這麼多年在文本挖掘和知識圖譜領域也做了一些工作，也有相應的積累，我們推出了新一代的產品，叫TRS DL-CKM，已經用在很多領域，比如專利自動審查，國家專利局是我們最大的客戶，中國已經被稱為“專利大國”。但是我們的專利很水，通過我們的智能審查係統，可以發現這些冒牌專利。像數據新聞，機器人寫作，我們跟很多新聞單位用機器人來寫文章，已經實現了，很多地方已經在用，還有互聯網作品的保護等等。還有一個例子是金融的風險預警監控，大量地用到了AI技術。我們提出了“冒煙指數”，就是森林要著火了，才冒煙。這個係統在今年國家打擊互聯網金融非法集資中起到了很好的作用，另外，我們做了一個水晶球的東西，主要是用於國家安全部門，因為時間關係，不多講了。
最後談一下投資的建議，第一，垂直，或者是行業的；第二，一定要有應用場景；第三，跟大數據和雲服務結合；第四，關注NLP和知識圖譜的投資。目前，拓爾思直接投資大概10億，我們發起和參與了6支基金，目前關注的投資方向主要是人工智能、大數據、工業互聯網、機器人領域的早期和長期的項目。我們的優勢，第一是廣泛的項目源。第二，專業背景，可以起到戰略投資者的作用。我一見到創業者，就特別同情他們，我對搞技術的人天然有一種同情感，他們有的時候真講不好，不懂市場。第三，穩健可靠的投資風格。第四，要有退出渠道，可以通過相關上市公司實現並購退出。
最後更新：2017-08-23 10:57:24