最新活动 新闻资讯 项目介绍
申请报名
崔晓波:成为棋王的Alphago,真的能够代替人类吗?
2017/12/16

2017年12月9日, 2017中国企业家(上海)高峰论坛以“曜变:科技创新×产业创新”为主题,在上海国际会议中心隆重举行。TalkingData的创始人、CEO崔晓波发表了《大数据思维与产业新空间》的主题演讲,以下根据其演讲现场录音整理。

成为棋王的Alphago真的能够代替人类吗?

 

- 崔晓波 -

TalkingData的创始人、CEO

 

每天,我们都能感受到世界在变化,产业在变,消费者在变,但是这种变化的规律是什么?本质又是什么?

 

在过去的8年时间里,大数据成为世界上增长最快的东西,而这种体量爆发式增长的根本原因就是技术的发展。移动互联网、手机产业以及物联网行业的发展,让人类历史上第一次有了收集这么大体量数据的机会,从而可以利用指数级的算历生成人工智能的算法,帮助我们解决很多实际的问题,这就是技术变化带来的本质。

 

1. 960万平方公里都存不下的大数据

技术的发展必然带来大量生产力,但这种生产力落实到产业里就会让商品变得富足。二战后,商品稀缺,人们对于购物的选择非常少。但现在由于生产力的高速发展,以及全球经济一体化加剧了竞争态势,消费者的选择变得非常丰富,他们的选择甚至不限于本国企业的商品,而是来自全球各地的商品。消费者在任何产品里都拥有全球化的选择,而企业也面临着全球化的竞争,每一个行业里都有国外对手进入中国。在这种情况下,大部分产业都进入了消费者赋权实地。

 

因此,以前企业只需要把产品生产出来就会有消费者买单,在接下来的时代里这种方式无疑是行不通的。如何用数据的方法洞察消费者,了解他们的生活习惯,了解产业行业的变化规律,变成了所有人面临的共同问题。

 

那么,现在的数据爆发已经到了一个什么样的状态?大概5年后,每天产生的数据量将达到350亿笔。如果我们把这些数据存在硬盘里,以每个地面四块硬盘的方式放置,350亿笔意味着中国960万平方公里的土地全用上也存不下。因此,数据体量已经呈现一个指数级的爆发。

 

不过,即便如此,数据在指数级变化,但我们看待世界的角度并没有本质的变化,我们的思维认知能力依然是线性的。

 

20世纪80年代ATMT美国电报电话公司请麦肯锡做手机市场预测,判断是否应该投入其中。专家以每年10%、20%的增量来计算,得出的结果是在2000年左右,只有100万部手机的市场。结果,ATMT错过了最大的市场机遇。为什么面临指数级的爆炸数据,专家依然做线性预测?因为他们依然是线性思维看待产业发展。就像现在我们依然在用线性思维看待产业的发展。

 

未来,我们看待世界的角度将如何变化?答案就是将从实体物质化转变为数字虚拟化。

2. AlphaGO教会我们交互学习

2个月前,我在谷歌无人驾驶部门参观,在凤凰城街上就看到很多自动驾驶汽车在跑,当时就在想应该是在收集数据,用来做高精度地图,做避障的算法。到实验室后我们大吃一惊,原来谷歌在把整个凤凰城做成数字化,每一个街道,每一个车道线,每一个数目,甚至每一个行人都用数字的方法在虚拟世界里面来表示。谷歌为什么要做这件事情?

 

特斯拉是在无人驾驶领域拥有数据最多的企业,已经积累了1亿英里的自动驾驶数据。根据专家测算,一个企业要把无人驾驶汽车放在路上跑,大概需要100亿英里的路程测数据。这基本上没有企业能够做到,但无人驾驶产业就不发展了吗?答案当然是NO。

 

应该怎么做?这招就是谷歌从AlphaGO里面学到的,你仔细研究AlphaGO的算法会发现核心的就是三个算法:第一是策略网络,第二是价值网络,第三是蒙特卡洛树搜索。

 

策略网络是用来判断对手最可能的落子位置。他的做法是大量的输入这个世界上职业棋手的棋谱,用来预测对手最有可能的落子位置。从公开发表的论文看,目前AlphaGo预测对手落子位置的正确率是57%,完全比不上人类。与此同时,价值网络也很难去做。那为什么AlphaGo能达到现在的程度?因为蒙特卡洛树搜索太厉害了。正式运用了蒙特卡洛树搜索,在模拟城市里,谷歌的无人驾驶汽车每天都能产生100亿英里的数据。

 

类似于此的技术我们称为增强学习的技术,这已经被广泛运用在医疗、营销、航旅、制造的所有行业。所有制造顶尖公司都在往这个方向发展,就是利用数字方法建立模拟系统,利用模拟系统训练AI,把AI所生成的算法跟实体的世界往返交互,增强AI对实体世界的理解。

 

3.业务数据化才是传统企业转型的关键

由于移动互联网和物联网的高速发展,我们可以采集到大量数据,用以实时模拟一个城市的变化。在北京实时交通情况图上,有红色和蓝色两种颜色表示收入不同的两类人群。虽然他们每天都会去同样的地方,但由于生活习惯差异太大,他们的时间碰不上,就永远都碰不上。这对一个城市来说是非常严重的问题。无数理论证明,一个城市中不同阶层的人要发生很多交互,才会有活力有创造性,才会有人文气息。

 

但是,我们通过机器学习的方法,用人的生活方式又把北京市民重新分成了七类人群,这种分类也非常符合人的认知。这种依据生活方式的分类就为城市配套设计提供了参考,也为构筑新城市带来了新的思路。我们利用海量数据做了一套模拟仿真系统,已经能够对现在所有的城市和人类生活,做到实时动态及弹性模拟。在实时地图里,每个人头上都有标签,显示着不同的信息。中国在数据应用和人工智能方面已经远远走在前面,但我们在理论突破方面还需要几代人的沉淀才有可能赶上。

AI虽然已经智能到这种程度,但人依然是不可替代的。因为重要的不是模式,不是规律,而是人本身的心智,人的心理学社会学,而人的心智是没有办法被磨灭的。

 

现在,整个社会处于一个人机共存的时代,人需要向机器学习,机器也要学习人,这个时代的周期还是会很长。不是说人工智能在棋类能战胜人类,在其他就能战胜人类,很难。

 

未来所有行业都要有指数级思维。我们看待世界不能再用原来看实体的物理思维,而要尝试着数字化、模拟化,在数字化中做很多预测,才能看得清楚未来世界什么样。

 

我们公司致力于帮助很多实体产业利用数据驱动的方法转型升级,目前在中国服务了几百家传统产业,大部分都取得了不错结果,也总结了很多规律。

 

企业要做数字化转型,或者数据驱动型转型,也就是所谓的现在的智能化转型,这是比较重要的。首先要业务数据化,要把业务环节产生的大量数据,反作用于业务流程生成推荐引擎,即可以利用我们点击了哪些东西,买了哪些东西,然后推荐更接近的产品给我们。其次是问题数据资产化,把数据模型化、抽象化、算法化之后,帮助公司进行相关预测,创造价值。再次是应用场景化,高科技的应用除了符合人类的习惯外,一定要找对应用场景。最后是工程化(自动化),要考虑能不能把所有的流程都自动化,包括决策自动化。

 

大家都想做数字化转型,如何去做数字化转型,跟什么样的公司合作才简单,这就逐渐出现了一种新的模式——成效合作。比如一家传统企业与数据公司合作后,可以根据对企业业务的提高力度来决定投资的多少。这在未来,一定会成为一个主流的业务模式。

 

注:以上根据崔晓波在“2017中国企业家(上海)高峰论坛暨复旦大学EMBA同学会年会高峰论坛”上的讲话实录整理而成,未经嘉宾确认。