马化腾：人工智能发展的四要素

2017-10-30

毫无疑问，AI（人工智能）已成为了科技巨头保持领先、开拓新机会的核心要素之一。目前，无论是巨头还是创业公司都在积极理解AI，那马化腾先生是如何看待AI领域目前的发展？本期，捕Sir整理了马化腾先生今年有关AI的公开分享，从为什么我们要关注AI、如何关注AI以及AI能带给我们的机会展开，来了解马化腾先生对AI的深度思考，希望能对你有启发。

去年AlphaGo打赢了人类世界的围棋冠军，大家都开始关注人工智能了。

我93年毕业的时候，也有一波人工智能热。所以当时我的毕业论文写的是股票分析软件，其中有一个模块是用神经网络算法预测股票的走势。现在听起来好像有点可笑，但当时好像是很有道理的，用人工智能来模拟人的心态以及对市场的心理压力的变化，但很快发现这并不靠谱。

二十多年过去了，当我看到了谷歌收购Deepmind后公布的论文，讲了深度学习在围棋中的应用，并开发了AlphaGo。它带来的震动在于通过深度学习可以在某一个垂直领域让机器自我学习，能够在它的强大计算后端自己和自己训练，自己还能找出很多规律。

当AlphaGo出来以后，实现了对人类认知范围极大的扩张，这给我们很大的启示。在围棋以外的很多领域，比如金融、医疗、病理的检测，如果用计算机后台做出模拟器？我相信通过充分的尝试，就如自动驾驶一样，模拟做各种各样的反馈，机器自然会琢磨出一套理论和经验。如果以后在更多领域能做出模拟器，定义参数自己学习，找到规律的能力将远超我们的想象。

人工智能要取得突破性的进展，我期待有本质性的飞跃，比如发现飞机的空气动力学、流体动力学和鸟是不一样的。仿生是某些垂直的领域，可以通过各种参数训练的。

下一步到通用的，再下一步是不是能发现更本质性的原理，智能其实可以超越现在碳基智慧？是不是有其他的元素可以形成更高级的生命和智慧？这超越了人类现在发现的知识，但这是有可能的。甚至有人还突发奇想说我们现在认识的宇宙就是高智能的生命，用他的量子计算机模拟出来了环境，我们的一切都是模拟出来的，这也是有可能。

01

未来互联网发展，一个要素是「场景」，或者我们称之为「战场」，再通俗一点就是「市场」，我觉得这是最关键的。去思考把技术应用在什么情景下，是不是高频和用户接触？研究院、研发团队，如果没有场景落地、平台业务支持，基本上很难往下走。

从不可复制性的角度来说，计算能力和大数据都是可复制的，但是市场和人才是不可复制的，我觉得这是一个核心点。就好像今天BAT三家分别在社交、电商和搜索有各自的主战场和场景；滴滴、摩拜有交通出行的场景；微信、支付宝有支付场景；新美大、58，有日常生活的场景和使用习惯。

有了这样的战场，未来人工智能时代，我们就可以借助新技术，从而把握先机，否则的话，你空有技术、空有数据是远远不够的。你提供给谁？通过什么渠道给用户呢？所以最关键的还是场景。有了应用场景，数据自然会产生，也会驱动技术发展，人才也会随之而来。

一个平台、业务部门里有大量的实际运转数据产生，但这当中有很多是垃圾数据，没有标签、没有人去规划定义、AI也无法学习，哪怕能学习但也有走火入魔的危险。这里面数据的清洗、标签化难度相当高，比较笨的方法就是用人力去清洗干净再让AI去学，这个过程是人机混合的过程。

我们观察到很多AI的大佬们，更关注怎么落地，怎么把毕生的研究成果体现出来。我们公司内部的BG之间也在沟通微信、手机QQ的数据能不能用？内部人员也很希望近水楼台先得月，数据在身边流动为什么不让人先研究一把，所以现在我们处在内部怎么把数据分享出来的阶段。

还有一方面，用户关注个人因素，就是你不要把我的数据都卖了。这里就关于个人信息安全和个人隐私的问题，如果数据不进行脱敏，我们也是绝对不能用的。只有先进行脱敏处理，没有人能够通过数据倒推到某个人，这样处理干净才可以谈下一步。

数据要什么模式，清理做什么标签才能给其他的部门，包括外部合作伙伴怎么用？同时也有很多的数据是来自于合作伙伴或者业界的其他公司，他们也遇到这样的问题，拿到一堆裸数据不知道怎么用。所以，业界要形成一个标准的互惠互利，走完这个路径还要很长时间。

这里指的就是云资源，「云」是人工智能的强载体，我在很多场合提到，传统企业的未来就是在云端用人工智能处理大数据，听起来有点拗口，就像是能用最短一句话把最热的词装在一块，但是实际上它非常有道理。云、大数据、人工智能是不可分割的。

「云」可以提供海量的数据和强大的计算能力，也是我们目前进行人工智能研究的一个必不可少的最强载体。大家看到我们的围棋AI——绝艺，其后台部分全靠腾讯云的支持，如果没有庞大的云计算能力，是不可能实现这种人工智能计算的。

「云化」谈了很多年，但是现在越来越清晰了。很多企业原来是很保守的，希望把数据放到自己的内网上，不想公开。但是我觉得这个狭隘的思想已经过时了。这和过去发明了电一样，要想每一家不用公共的电网，而是在自己的家里搞一个发电厂，这是绝对不可能的。

过去把用电量作为衡量一个工业社会发展的指标，未来用云量也会成为衡量数字经济发展的重要指标。我们用电能来对比「云」，电带来了上一轮的产业革命，而新一代信息能源将会带来新一轮的产业革命。

我观察到企业向云端迁移的速度在加快。在互联网女皇Marry Meeker的研究报告中提到，全球传统数据中心的份额在下跌，更多的份额转向云形态的数据中心。去年这个份额接近五五开，我们相信今年或明年，「云」的比例会超越传统的数据中心。

我想在「云」还没有发展得非常成熟的时候，人工智能可能还有很长一段路需要走，甚至未来包括量子计算、量子通信等技术发展成熟之后，才会对人工智能的发展有更大的促进。

大家知道斯坦福是硅谷创新的发源地，很大的特点就是把科技和商业完美有机地结合在了一起，我觉得这是非常值得全球尤其是中国去学习的。

虽然说中国没有像国外的斯坦福、哈佛这样的私立学校，更多的还是公立学校，但是我们还是做了很多创新的尝试。腾讯和清华很早就成立了一个联合实验室，近期也转向研究人工智能。我们希望通过不断地尝试来促进科研和产业界结合与创新。

我想说在如今的环境下，产学研需要有一些创新的生态。一年前我参加了香港的Hong Kong X，我们感觉到产学研结合应该是大有可为的。我们希望依托香港的国际化和高校资源，依托粤港澳大湾区有智能制造、人才和生产基地的大环境，做一些事情。

有人给我介绍说，国外在产学研方面有一些新的变化，比如说在波士顿附近有一个奥林工程学院，这个学院很特别的，学生一进来就打破传统院系专业，通过跨界融合的方式与企业合作，让学生通过做项目的方式将理论和实践结合起来学习。

另外，MIT最近也有一个叫「引擎」的计划，通过一些学校的基金，鼓励学生把想法变成一个现实，把一些样品变成商品，这是个新的趋势。

我上面说过，未来所有企业基本的形态就是，在云端用人工智能处理大数据，这是一个大方向。在这个方向上，我更加关注我们在人工智能方面能做什么。

首先，在工程上，围棋AI实现了围棋算法可以打赢世界冠军，除此之外，在医疗方面，可以用人工智能处理医学影像，比如对食道癌进行早期筛查，还有肺的切片、乳腺癌，还有很多需要医学影像分析的领域。通过深度算法，相信AI未来在医疗领域还是可以起到非常大的作用。

其次，人工智能还可以运用到金融等领域，还有我们所理解的机器人，以及日常生活中的、商业中的方方面面，我觉得这是一个大的趋势和潮流。

最后就是云。在云端怎么更智能、怎么用大数据，这绝对是一个大的风口，但是现在到了一个最关键的时间了吗？我觉得还需要很多基础的东西，包括算法。AI谈了几十年也是在这一年才有这么大的突破，这之后就已经可以很简单地应用在各行各业了吗？我觉得未必，这当中差得还是很远的。

像是视觉识别，一个机器怎么可以识别现在眼前发生的一切都还差很远，更不要说再下一步复杂的操作，但是这无疑是一个很大的方向。我觉得现在所有互联网公司都一定会在这方面结合自己的优势和人工智能做一些探索，这也会类似移动互联网一样，是一种新的技术，它可以应用在各个领域。

移动互联网刚来的时候，不会一家公司刚看到了这个方向，接着移动互联网机会就全部被拿掉了，因为它还是分很多层次和层面的，我相信人工智能也是这样。

毫无疑问，AI（人工智能）已成为了科技巨头保持领先、开拓新机会的核心要素之一。目前，无论是巨头还是创业公司都在积极理解AI，那马化腾先生是如何看待AI领域目前的发展？本期，捕Sir整理了马化腾先生今年有关AI的公开分享，从为什么我们要关注AI、如何关注AI以及AI能带给我们的机会展开，来了解马化腾先生对AI的深度思考，希望能对你有启发。

去年AlphaGo打赢了人类世界的围棋冠军，大家都开始关注人工智能了。

我93年毕业的时候，也有一波人工智能热。所以当时我的毕业论文写的是股票分析软件，其中有一个模块是用神经网络算法预测股票的走势。现在听起来好像有点可笑，但当时好像是很有道理的，用人工智能来模拟人的心态以及对市场的心理压力的变化，但很快发现这并不靠谱。

二十多年过去了，当我看到了谷歌收购Deepmind后公布的论文，讲了深度学习在围棋中的应用，并开发了AlphaGo。它带来的震动在于通过深度学习可以在某一个垂直领域让机器自我学习，能够在它的强大计算后端自己和自己训练，自己还能找出很多规律。

当AlphaGo出来以后，实现了对人类认知范围极大的扩张，这给我们很大的启示。在围棋以外的很多领域，比如金融、医疗、病理的检测，如果用计算机后台做出模拟器？我相信通过充分的尝试，就如自动驾驶一样，模拟做各种各样的反馈，机器自然会琢磨出一套理论和经验。如果以后在更多领域能做出模拟器，定义参数自己学习，找到规律的能力将远超我们的想象。

人工智能要取得突破性的进展，我期待有本质性的飞跃，比如发现飞机的空气动力学、流体动力学和鸟是不一样的。仿生是某些垂直的领域，可以通过各种参数训练的。

下一步到通用的，再下一步是不是能发现更本质性的原理，智能其实可以超越现在碳基智慧？是不是有其他的元素可以形成更高级的生命和智慧？这超越了人类现在发现的知识，但这是有可能的。甚至有人还突发奇想说我们现在认识的宇宙就是高智能的生命，用他的量子计算机模拟出来了环境，我们的一切都是模拟出来的，这也是有可能。

01

未来互联网发展，一个要素是「场景」，或者我们称之为「战场」，再通俗一点就是「市场」，我觉得这是最关键的。去思考把技术应用在什么情景下，是不是高频和用户接触？研究院、研发团队，如果没有场景落地、平台业务支持，基本上很难往下走。

从不可复制性的角度来说，计算能力和大数据都是可复制的，但是市场和人才是不可复制的，我觉得这是一个核心点。就好像今天BAT三家分别在社交、电商和搜索有各自的主战场和场景；滴滴、摩拜有交通出行的场景；微信、支付宝有支付场景；新美大、58，有日常生活的场景和使用习惯。

有了这样的战场，未来人工智能时代，我们就可以借助新技术，从而把握先机，否则的话，你空有技术、空有数据是远远不够的。你提供给谁？通过什么渠道给用户呢？所以最关键的还是场景。有了应用场景，数据自然会产生，也会驱动技术发展，人才也会随之而来。

一个平台、业务部门里有大量的实际运转数据产生，但这当中有很多是垃圾数据，没有标签、没有人去规划定义、AI也无法学习，哪怕能学习但也有走火入魔的危险。这里面数据的清洗、标签化难度相当高，比较笨的方法就是用人力去清洗干净再让AI去学，这个过程是人机混合的过程。

我们观察到很多AI的大佬们，更关注怎么落地，怎么把毕生的研究成果体现出来。我们公司内部的BG之间也在沟通微信、手机QQ的数据能不能用？内部人员也很希望近水楼台先得月，数据在身边流动为什么不让人先研究一把，所以现在我们处在内部怎么把数据分享出来的阶段。

还有一方面，用户关注个人因素，就是你不要把我的数据都卖了。这里就关于个人信息安全和个人隐私的问题，如果数据不进行脱敏，我们也是绝对不能用的。只有先进行脱敏处理，没有人能够通过数据倒推到某个人，这样处理干净才可以谈下一步。

数据要什么模式，清理做什么标签才能给其他的部门，包括外部合作伙伴怎么用？同时也有很多的数据是来自于合作伙伴或者业界的其他公司，他们也遇到这样的问题，拿到一堆裸数据不知道怎么用。所以，业界要形成一个标准的互惠互利，走完这个路径还要很长时间。

这里指的就是云资源，「云」是人工智能的强载体，我在很多场合提到，传统企业的未来就是在云端用人工智能处理大数据，听起来有点拗口，就像是能用最短一句话把最热的词装在一块，但是实际上它非常有道理。云、大数据、人工智能是不可分割的。

「云」可以提供海量的数据和强大的计算能力，也是我们目前进行人工智能研究的一个必不可少的最强载体。大家看到我们的围棋AI——绝艺，其后台部分全靠腾讯云的支持，如果没有庞大的云计算能力，是不可能实现这种人工智能计算的。

「云化」谈了很多年，但是现在越来越清晰了。很多企业原来是很保守的，希望把数据放到自己的内网上，不想公开。但是我觉得这个狭隘的思想已经过时了。这和过去发明了电一样，要想每一家不用公共的电网，而是在自己的家里搞一个发电厂，这是绝对不可能的。

过去把用电量作为衡量一个工业社会发展的指标，未来用云量也会成为衡量数字经济发展的重要指标。我们用电能来对比「云」，电带来了上一轮的产业革命，而新一代信息能源将会带来新一轮的产业革命。

我观察到企业向云端迁移的速度在加快。在互联网女皇Marry Meeker的研究报告中提到，全球传统数据中心的份额在下跌，更多的份额转向云形态的数据中心。去年这个份额接近五五开，我们相信今年或明年，「云」的比例会超越传统的数据中心。

我想在「云」还没有发展得非常成熟的时候，人工智能可能还有很长一段路需要走，甚至未来包括量子计算、量子通信等技术发展成熟之后，才会对人工智能的发展有更大的促进。

大家知道斯坦福是硅谷创新的发源地，很大的特点就是把科技和商业完美有机地结合在了一起，我觉得这是非常值得全球尤其是中国去学习的。

虽然说中国没有像国外的斯坦福、哈佛这样的私立学校，更多的还是公立学校，但是我们还是做了很多创新的尝试。腾讯和清华很早就成立了一个联合实验室，近期也转向研究人工智能。我们希望通过不断地尝试来促进科研和产业界结合与创新。

我想说在如今的环境下，产学研需要有一些创新的生态。一年前我参加了香港的Hong Kong X，我们感觉到产学研结合应该是大有可为的。我们希望依托香港的国际化和高校资源，依托粤港澳大湾区有智能制造、人才和生产基地的大环境，做一些事情。

有人给我介绍说，国外在产学研方面有一些新的变化，比如说在波士顿附近有一个奥林工程学院，这个学院很特别的，学生一进来就打破传统院系专业，通过跨界融合的方式与企业合作，让学生通过做项目的方式将理论和实践结合起来学习。

另外，MIT最近也有一个叫「引擎」的计划，通过一些学校的基金，鼓励学生把想法变成一个现实，把一些样品变成商品，这是个新的趋势。

我上面说过，未来所有企业基本的形态就是，在云端用人工智能处理大数据，这是一个大方向。在这个方向上，我更加关注我们在人工智能方面能做什么。

首先，在工程上，围棋AI实现了围棋算法可以打赢世界冠军，除此之外，在医疗方面，可以用人工智能处理医学影像，比如对食道癌进行早期筛查，还有肺的切片、乳腺癌，还有很多需要医学影像分析的领域。通过深度算法，相信AI未来在医疗领域还是可以起到非常大的作用。

其次，人工智能还可以运用到金融等领域，还有我们所理解的机器人，以及日常生活中的、商业中的方方面面，我觉得这是一个大的趋势和潮流。

最后就是云。在云端怎么更智能、怎么用大数据，这绝对是一个大的风口，但是现在到了一个最关键的时间了吗？我觉得还需要很多基础的东西，包括算法。AI谈了几十年也是在这一年才有这么大的突破，这之后就已经可以很简单地应用在各行各业了吗？我觉得未必，这当中差得还是很远的。

像是视觉识别，一个机器怎么可以识别现在眼前发生的一切都还差很远，更不要说再下一步复杂的操作，但是这无疑是一个很大的方向。我觉得现在所有互联网公司都一定会在这方面结合自己的优势和人工智能做一些探索，这也会类似移动互联网一样，是一种新的技术，它可以应用在各个领域。

移动互联网刚来的时候，不会一家公司刚看到了这个方向，接着移动互联网机会就全部被拿掉了，因为它还是分很多层次和层面的，我相信人工智能也是这样。