第一講：人工智能的發(fā)展與展望 第二講：余凱-嵌入式人工智能：從邊緣開始的革命 第三講：吳甘沙-智能駕駛 第四講：漆遠-人工智能驅動的金融生活服務 人工智能發(fā)展的三要素：數(shù)據(jù)、運算能力,、算法,；
人工智能將影響所有產(chǎn)業(yè)：
人工智能的發(fā)展與未來：
麥肯錫報告–AI在未來20年替代50%工作；
摩爾定律指每十八至二十四個月,，計算機的成本會下降一半,，性能則會提升一倍，使計算和應用不斷發(fā)展,。整個摩爾定律已經(jīng)在按另外一個軌道在發(fā)展,，已經(jīng)不是每個單位面積上晶體管的數(shù)目，而是架構的改進,，使得計算由邏輯運算向人工智能運算演進,。那么就是這樣的問題：人工智能運算是提升 CPU 工藝向前發(fā)展，還是設計一個新架構,。
我們可以看到從 PC 互聯(lián)網(wǎng)到移動互聯(lián)網(wǎng)到 internet of smart things,，實際上對 AI 的要求越來越高。對 PC 互聯(lián)網(wǎng)來說,，對 AI 的要求其實沒有那么高,，但在移動互聯(lián)網(wǎng)上，這種要求出現(xiàn)了,。
邊緣計算要求是實時,、低功耗、低成本的,，并且是隱私受保護的,。比如這在汽車上面,，就是一個很大的一個應用場景——不可能前面有小孩子突然橫穿馬路，你還要把數(shù)據(jù)傳上數(shù)據(jù)中心,，處理完了以后再傳回來,，這是不可想象的。所以一定要本地計算,，要實時處理沒有延遲,。
很多移動設備，比如 Amazon 的 Echo,，就是把很多計算往邊緣設備上去推,。又比如監(jiān)控攝像頭，中國去年一共部署了一億個,。監(jiān)控攝像頭的資料,，其實存3個月就扔掉了。未來,，對于所有這些攝像頭,，都會有專門的處理器，去處理實時的視頻,，這是一個大的趨勢,。
未來的5到10年，最具顛覆性的產(chǎn)業(yè)機會是什么,？通常來講,，產(chǎn)業(yè)機會分成兩個階段，首先是一波2B的機會,。2B的機會,，就是 Enabling Technology，公司就是做 technology 本身的,。它是提供槍炮彈藥的,，給誰提供呢？給第二波的機會提供,。第二波的機會是什么呢,？就是 Technology-enabled Business。當然這些都是2C的,。2B就是給 Enterprise 提供服務,。這些 Enterprise 再去捕捉 consumer-orient 的機會。這個 pattern確實在歷史上反復發(fā)生,。
舉一個例子，當年 PC 互聯(lián)網(wǎng)剛出現(xiàn)的時候,，時間是在90年代末,，那時沒有一家互聯(lián)網(wǎng)公司是掙錢的,，大家都看到了這里面存在機會，但在這個階段,，首先要做的工作是把架構,、網(wǎng)絡給做起來吧？ 所以 CISCO 這樣的公司會表現(xiàn)得更好,。另外也會有一些2B的培訓師等等,，這個階段整體上屬于為B端造槍造炮提供彈藥的階段，這算是一種曲線救國吧,。
然后才有2C的大的互聯(lián)網(wǎng)公司的出現(xiàn),，比如 Google。再比如移動互聯(lián)網(wǎng),，首先要有 CDMA 這樣的軟件算法,，放在芯片里面，使每個移動設備 stay connected,。然后才是 Apple 這樣的公司的崛起,。中國的大部分投資者、創(chuàng)業(yè)者和企業(yè)家,，他們看重的就是這樣一波機會,。
在我們進入這個市場的時候，美國人把這些基礎技術已經(jīng)做完了,，從2000年開始到今天,，我們是在享受上個世紀八九十年代科技成長的所帶來的的一個環(huán)境，然后我們?nèi)プ隽诉@些用戶導向的企業(yè),。
但今天我們?nèi)タ催@個整個這個創(chuàng)業(yè)環(huán)境,，2C的這種創(chuàng)新其實代價已經(jīng)非常的高昂，比如嘀嘀融了上百億美元,，美團也有幾十億美元,，這個投資其實越來越沉重。其實你想想看,，當時 Google 只融了兩千萬美元就上市了,，百度差不多也就是千萬美元，騰訊也是如此,。在那個時候其實有大把的機會去捕捉,。但是現(xiàn)在的話呢？八九十年代技術創(chuàng)新所帶來的這些能力其實已經(jīng)被發(fā)掘的差不多了,，所以我們會發(fā)現(xiàn)創(chuàng)新越來越沉重,。
每年因為交通事故死亡140萬人，百公里的油耗產(chǎn)生廢氣,，排放霧霾等一系列的問題,。 96% 的時間是停著的，他而且需要兩個停車位,；第二,，在城市的商業(yè)中心CBD附近，35% 的航行里程是與找停車位相關,；第三,，大城市15% 以上的土地是用來停車的。
我們來看今天為什么有那么多問題——本質(zhì)上因為車太多。例如北京,，有接近六百萬 私家車,，而提供按需出行服務的出租車只有7萬 輛左右。對于我們絕大多數(shù)人來說,，首先打車很難,，其次打車很貴。但是我們相信有了智能駕駛之后,，在10年之后,，城市里面車輛的總保有量可以減少一半，只有100萬 輛私家車,，還有200萬 輛是出租車,。而這些出租車是無人駕駛出租車。那么根據(jù)大數(shù)據(jù)的運算規(guī)律,，我們可以根據(jù)全城人群的分布和出行的規(guī)律,，把這200萬輛車分布在城市的各個角落。保證每個人一叫車,，兩分鐘之內(nèi)就來車,。而且，我們打車的費用可以降到今天的1/3 ,。
如今“滴滴出行”一天的峰值能夠達到2100萬 單,；這什么概念呢？阿里巴巴全品類的電商相加一天大約是3000-5000萬單,。美團,、大眾點評吃喝玩樂住加起來一天大約1300萬單。因此，出行是相當剛性的,、高頻的需求,。 5億 單是完全沒有問題的,，這將成為電商所有品類當中最大的交易量 。而且,，未來的車可能長得不太像車,，其交通工具的屬性會降低，商業(yè)空間的屬性會增加,。大家再一次腦補,，在里面放一臺咖啡機，它就是移動星巴克,；放一塊大屏幕,，它就是移動萬達影城；放塊小屏幕,，它可以是移動的分眾傳媒,；在里面放一套辦公設備，它就移動的寫字樓,。未來你打車,，可能就十來塊錢，但喝杯咖啡需要二三十塊錢,，看場電影需要三四十塊錢,。因此，整套新的商業(yè)體系就會呈現(xiàn)出來,，因此也給我們帶來一個巨大的機會,。
智能駕駛里面有一些什么樣的AI技術？我認為,，有三樣非常重要,，我把它分成3種司機：第一種，叫新司機,。想象一下,，剛剛從駕校里面考到了駕照，你懂得交通規(guī)則,，能夠保證不去撞車和撞人,；第二階段，你開著開著,，變成了一個認路的司機,，在任何情況下都不會迷路；第三個階段，就變成老司機,。老司機體現(xiàn)在3個方面：一,、開車開得非常好；二,、你不肉,，這個很有競爭性；三,、碰到一些新的情況,，你也不慌。
其實,，智能駕駛要達到這3個方面：一是感知和認知 的理解部分,；二是地圖和定位 ；三是認知的決策 部分,。先看感知和認知的理解,，傳統(tǒng)上無人駕駛，他是從“激光雷達”開始,。無論是樹,，草坪，車輛,，房子等等,，激光雷達都能夠很準確地把模型建立出來。谷歌第一代,、第二代,、第三代無人駕駛車，上面有個激光雷達,。百度的第一代,、第二代車的頂上有激光雷達。兩邊和后面有3個小的激光雷達,。頂上的激光雷達,，在國內(nèi)市價是70萬人民幣；3個小的激光雷達,，每個大約是七八萬人民幣,。這是錢堆出來的。我們做了一個低速車,，上面其實也有一個激光雷達,，就是七八萬人民幣。那么顯然,，這東西很貴,，自然而然會讓大家去想我有沒有其他的解決方案——就是基于視覺以及毫米波雷達,，超聲波 等等這些輔助傳感器啊。但是,，最重要的還是視覺,，視覺構建的不是一個幾何世界，是一個像素世界,?；谝粋€像素世界，要去理解和預測,，這是基于視覺的智能駕駛,。
那么，我們拿在這一塊商業(yè)化最為成功的特斯拉 為例,。這輛特斯拉Model S上面就有一個單目攝像頭 ，作為它的主要的傳感器,；下面保險杠前面正中,，有一個毫米波雷達 ；車周周邊一圈有12個超聲波傳感器 ,。大家可以看到這些小圓口都是超聲波傳感器,。它通過這3種傳感器，能夠很好地達到新司機的要求,，去理解規(guī)則,，去感知這個世界。
SLAM技術的魯棒性 ：SLAM技術由于視覺質(zhì)量技術,，非常受限于在環(huán)境當中能夠發(fā)現(xiàn)的這些特征點,，比如說四處都是白墻時是很難獲取特征點的。 多傳感器融合 ：攝像頭,、毫米波雷達,、超聲波傳感器聯(lián)合使用的算法融合。 基于基礎高精地圖的地圖學習和更新 ：不但具備定位的功能,，也能夠幫助地圖進行更新,，那用戶始終會拿到最新的地圖。 無限提升準確率 ：1000-10000倍的標注數(shù)據(jù)（大規(guī)模眾包數(shù)據(jù)收集+基于機器學習的半自動標注）,。 “老司機”的要求 ：第一步是開得很穩(wěn),，很舒適；第二步是開的不肉,，具有社會性和競爭性,；第三步是怎么去處理未知的情況，能夠開得萬無一失,，一輛奔馳S級轎車,，上面的代碼量是波音787夢想客機代碼量的16倍 。大家可以想見，要對一輛車進行很好的測試,，要求非常高,。但事實上，比代碼更難的是數(shù)據(jù) 和上面的隨機算法機器學習 ,。
1.汽車工程學會的定義將自動駕駛分為0到5級：0級就是全人駕駛,；1級 還是人駕駛，但是系統(tǒng),、機器有時會介入 ,，比如說它看見你離前車太近，它會滴滴滴警告一下,，甚至再近了,，它給你踩一把剎車；2級 就是在相當長的一段時間里面自己去駕駛 ,，比如說像特斯拉Autopilot,，在封閉的結構化的高速公路上，駕駛員還需要把注意力放在路上,，但是其實這過程中,，車是自己在開。它自己能夠識別車道線,，始終保持在車道的中間,，甚至它還具備一定的全自動泊車功能；3級 跟2級典型的差別,，首先駕駛員不用全神貫注在路上,，他可以做其他的事情，這個系統(tǒng)可以給予駕駛員八秒到十秒時間重新回到?jīng)Q策環(huán)中 ,，這是一個非常明顯的要求,，另外的話它會在自動型上面給予更多的一些好處，比如說不一定完全是在高速公路上,，在一些更復雜的條件下也可以,；4級幾乎就是無人駕駛 ，或者在某些情況下需要人干預,，或者只能在一個特定的環(huán)境下做無人駕駛,。比如有的場景特別簡單，就不需要干預,；5級 就是全天候,、全區(qū)域、全速度 的無人駕駛,。
2.從國際主流車廠和科技公司的路線圖來說的話,，到2021年會有4級的車上路,。
3.未來10年以內(nèi) ，出現(xiàn)人車分流 ,，也就是人開的車和自動駕駛的汽車分開車道行駛,。一統(tǒng)計數(shù)據(jù)：當自動駕駛在城市里面超過交通運量25%以后，就值得為它單開車道,。
4.5G有兩個任務：第一實現(xiàn)關鍵任務下的通訊,，延遲做到個位數(shù)毫秒級別，關鍵任務就包括無人駕駛和遠程手術等等,。第二帶寬變得很大,，可以將一部分工作拿到云上去。
5.汽車這個領域是值得專門去定制芯片 的,，且芯片應該是可編程 的,。
6.傳統(tǒng)汽車廠商和互聯(lián)網(wǎng)為代表的公司博弈：第一是汽車廠必須跟出行業(yè)務結合起來；第二是汽車廠不再滿足于只做一個集成商,，他現(xiàn)在希望能夠更多地去擁有技術,。第三是科技公司需要傳統(tǒng)車廠的硬件合作。
金融生活服務的各種各樣的場景：醫(yī)療,，繳費，教育,，乘坐高鐵,、地鐵、汽車,，交罰款,，查稅等。在美國信用等于財富,，在國內(nèi)如何產(chǎn)生信用分,？這是個技術活，我們需要從數(shù)據(jù),，從各個角度,、維度來判斷一個人的信用。當然不光是人,，還有小微企業(yè),。希望運用大數(shù)據(jù)的技術，通過智能的技術把它自動化,，降低成本,。比如智能助理 、營銷,、保險 ,。
今年我們的目標已經(jīng)不是自助率,，而是問題解決率 。到今年夏天,，我們的智能客服的問題解決率從百分五十幾,，到現(xiàn)在快70%，而人工的用戶問題解決率是71%到72%左右,，我們的目標就是要超過人工,。超過這個意味著什么？其實我不光能夠自助,，我回答問題比人還準,。那其實這個代表什么？不到一年,，我們?yōu)楣臼∫粌|,，除去人的成本和GPU的成本。我們客服部門去年其實裁了100人,。減少的100人去做遞推,，做口碑業(yè)務，這部分大量的人力就省下來了,，這就是AI真實的案例,。
異常檢測 ：出現(xiàn)問題是即時定位并解決,。核心思想有幾部分：一部分就是實時計算，要把數(shù)據(jù)實時性提高,，做到秒級定位,。原來一個流程發(fā)現(xiàn)一個問題，到電商的商務異常處理,，需要兩小時,。從發(fā)現(xiàn)問題13分鐘，到響應介入50分鐘,，到異常環(huán)節(jié)75分鐘,，到最后環(huán)節(jié)要兩個多小時，125分鐘,，這是以前的過程?，F(xiàn)在的話，我們秒級解決問題,，就是零分鐘預知,，解決問題不到半個小時。這樣的一個例子其實省下了快1000通電話,，而這個例子有很多,，就省下無數(shù)的電話。
跟傳統(tǒng)只做推薦不太一樣,，阿里是一個生態(tài)系,，那生態(tài)系里面其實各個數(shù)據(jù)都會進來。我不是說因為你看過的文章,，又推一篇文章，這是頭條的經(jīng)典模式,。那有各種各樣的,，比如電商的購買行為能否助力財富和保險 ，我們叫遷移學習,，或者叫信息整合,。
螞蟻DNA ：就是一個編碼技術，把這個用戶實體包括產(chǎn)品,，文本和外面的article,，我們做一個統(tǒng)一空間里embedding，轉來轉去有很多點,。然后,，把這個人在這個點里邊直接表達出來。它的好處,，比如說加密,，如果你只看著點,，你是不知道什么意思，但是很多合作方,，比如說,，我們保險公司合作，把這個用戶的數(shù)據(jù)加密,，非常關鍵的一個問題,。
從眼紋到人臉到聲紋等整個結合，用來證明“你就是你”這樣的問題,。這個其實有非常大的價值,。比如健康險，我們通過新的數(shù)據(jù)源融合進來能夠反欺詐,，更好地理解健康的風險,；比如說場景險，就是完全互聯(lián)網(wǎng)化的一個場景險：穿緊身褲的很多人,，在淘寶天貓上購買手機新屏幕服務,，干脆直接給你做個保險，這個保險呢,，就是碎屏險,。
基于大數(shù)據(jù)和機器學習的信貸模式是螞蟻微貸的優(yōu)勢，在這個模式下,，客戶立即申請立即獲貸,，不良率低，可以解決小微企業(yè)和個人貸款難的問題：金額高,、流程長,、授信難。
