对技术85%的追求,人工智能就可以商业化


    人脸识别可以帮助破案吗?
    当然可以,我们能将罪犯的五官与嫌疑犯进行匹配、识别,而生活中摄像头的辐射范围也到了犄角旮旯。关于这个问题,这是最常见的思考逻辑。
    但现实却困难得多。首先,如果犯罪有影像资料,并非一定有助于识别五官,因为目前市面上 95% 的摄像头都是低分辨率。再者,蓄意犯罪的人大多会进行面部遮挡。
    这个难题所代表的正是人工智能正沿着技术轴心一步步上升时,其在商业中难以真正实现行业落地的困境。目前,对人脸识别及其重视的 AI 公司在技术发展上都取得了不小的成绩。FACE++声称最多可以通过 106 个点实现即便在快速移动的视频流中,关键点依然能完美贴合人脸;百度 AI 平台给出的人脸识别准确率可达 99.77%。但人脸识别最常见的使用场景都需要被检人的配合:机场排队进行人脸识别、会议的安检通道也需要对参会人员依次进行匹配。
    当真正有扰乱秩序者出现,人脸识别的安防能力将在哪里?无人驾驶何时能真正「无人」?翻译机何时能够真正代替翻译?技术乐观派都相信,只要不断提高准确率,不断训练模型,不断深耕人工智能技术,这些问题就会迎刃而解。那时候,人脸识别不会有一点误差,无人驾驶能识别所有障碍物,翻译机将是世界公民。
    商人身份的吴明辉则不赞成由公司来把技术做到极致。他认为,把技术做到 100%、99%是学校、科研应该做的事,而商业是如何让 85% 的技术也能实现落地。
    用「人工智慧」来扣起人工智能的商业闭环
    回到最开始的问题,这位父亲是警察的北大计算机硕士给出了如何通过「85% 的技术」破案的答案,「我们可以把当时的这个人的比如体貌特征拿出来,比如深蓝色的衬衫、短发、男性、没戴眼镜等等。如果这个人遮挡面部,比如带了口罩跑进商场,换了一套衣服又该怎么办呢?这时候按照公安的逻辑推理,是观察有没有一个人没有进去但是出来了。」
    吴明辉认为目前 99% 以上的案件并没有一个完整的高清的人脸识别,但利用数据依然可以破案,只要将人在具体行业中积累的特殊智慧交给人工智能。他对极客公园创始人张鹏说:「互联网上的数据非常多,快递物流、消费记录、身份信息等等。这些数据如果结构化了应用到行业里边,就可以变成知识,知识其实是效率更高的一种数据。比如,这些数据可以在公安情报人员办案时使用,但这些数据是多元异构,需要有一套接近于破案时大脑思考模式的系统来帮助公安更好的使用这些数据。」
    据中国互联网络信息中心发布的统计报告显示,截至 2018 年 6 月,中国网民规模已达 8.02 亿人,互联网普及率达 57.7%。其中,使用手机上网的网民数量为 7.88 亿人。同时,中国的网络购物和网络支付用户有 5.69 亿人。外卖平台、社交网络、电商平台等应用繁荣的背后,越来越多的数据正在呈加速度累积。
    2014 年,斯诺登事件出现后,吴明辉更加确定中国未来一定要有自主知识产权的软件平台、数据平台。于是,从他的另一家公司「秒针」里调出 20 个人成立了一家能帮助人更好使用数据的公司「明略数据」,用「知识图谱」的方式开发了全球第一个能做推理的人工智能引擎「明智系统」,再结合不同行业的数据从而逐步构建公安大脑、金融风控大脑、工业安全大脑。吴明辉介绍说,这个引擎是结合了人类智慧和数据的关联关系后打造出的能为人理解的知识体系,在这个知识体系的支持下所有 AI 算法的效率会变得更高。
    目前,明略数据已成功服务部分省级公安厅和市级公安局,中国人民银行、交通银行、光大银行等金融机构,中国中车、上海地铁等行业客户。
    吴明辉坦言,在技术上明略数据可能比不过很多头部的 AI 创业公司,但其却可以在真正的行业应用上远远跑在多数公司前头,这背后的原因是他们能针对某个行业去定制人工智能算法。他说,绝大多数技术模组,比如做视频、做语音,我们比他们(指专攻技术的 AI 创业公司)差点没关系,他们做到 95%,我都不用做 94%,85% 就行了。85% 能帮助公安破的案就比他们多多了。
    他认为 AlphaGo 是非常好的一个例子:「如果你不告诉 AlphaGo 一些人类的基本逻辑,它可能就傻算,耗大量的电费,但输入规则和策略后,就完全不同。」
    AI 时代的产品经理
    贴近行业还有另一个好处,每天都将有新的数据反哺这个产品。「在设计产品过程中都面对的一个难题,就是一定要形成反馈。」吴明辉拿出了自己的一套产品理论,「广义的人工智能就意味着你这个系统可以自我迭代。但这件事情并不是一个科学家就能搞定的事情,因为整个迭代和进步是需要有商业环境的。正是出于这样的原因,人工智能的企业跟传统的企业相比,不仅需要优秀的技术团队,还要有强大的品牌拓展和营销能力。」
    他解释说,就像我们给警察局提供的软件,每天警察都能给到最新的数据反馈,来确定系统输出的判断是否有问题。比如,软件提供的一些嫌疑人线索,最终这些人是不是真的罪犯,警察是会给反馈,而这些反馈数据将能使软件优化、迭代。
    数据对于智能产品而言是重要的原材料。同样是耳熟能详的 AlphaGo,其需要从大量的人类对战棋局数据中学习出何种对弈方式。再者,视觉识别也需要大量有用的数据进行模型训练。
    正因为有如此多不同于市面上其他企业的产品见解,吴明辉将自己自诩为「企业级服务领域里最靠谱的产品经理」。在他看来,AI 时代需要的产品理念已经与传统互联网时代有很多不同的地方,虽然仍有些一脉相承的思想,比如重视所服务行业赛道所对应的成本有多大。
    「如果一个产品定义为 AI 的时候,大家对它有非常高的期望,如果有一点差错,你就会觉得不好。但目前的机器学习几乎不可能做到生产出完全不出错的产品。」吴明辉说,「传统互联网,并没有对『完美』如此执着的追求。」
    这位产品经理给出了他的弥补方案:当没办法精进人工智能的算法时,只能选择去演进 AI 情商,去通过一个巧妙的设计补回来可能出现的错误。
    当电梯里面挤满了人,人会说:「不好意思,我挤一挤」。而机器只能靠 AI 算法,评估空间大小,从而决定是否进入电梯。如果评估失误,还可能出现挤压到人的情况。吴明辉很自信地说,这时候的我们的产品设计是,在进去之前机器会先说「我年纪小,腿脚不灵,给请大家给我让让路。」
    资本市场似乎也认可了吴明辉的这些策略。今年,明略数据宣布获得 10 亿人民币 C 轮融资,华兴新经济基金、腾讯产业共赢基金是本轮投资方。而其 2015 年获得硅谷天堂近亿元投资 A 轮融资;2016 年 8 月获得 2 亿人民币 B 轮融资,红杉中国领投,分享投资以及硅谷天堂等跟投。
    「这些产品想法都是通过烧钱和不断地踩坑锻炼出来的。历史上我融过投资人的钱也有几十个亿了,如果我从第一天不踩坑的话可能能省出三分之二来。」吴明辉说。不过,明略数据在 AI 领域落地的步伐让他确定这些钱不是白烧了。