導(dǎo)讀·人工智能（AI）到底是什么？

　　· 是否真的會(huì)帶來下一場(chǎng)技術(shù)變革，將會(huì)帶來什么機(jī)會(huì)？

　　· 深度神經(jīng)網(wǎng)絡(luò)是實(shí)現(xiàn)AI的終極方式嗎？

　　帶著這一系列問題，下面這篇文章進(jìn)行了探討，AI世代進(jìn)行摘編整理，希望讀者有所收獲。

　　一、前言

　　· AI 到底是什么？為什么會(huì)被人們?cè)俅螐V泛的提及？

　　·AI 真的會(huì)帶來下一場(chǎng)變革嗎？如果是，那么機(jī)會(huì)在哪里？

　　·深度神經(jīng)網(wǎng)絡(luò)是實(shí)現(xiàn) AI 的終極方式嗎？

　　·AI 將會(huì)以什么樣的形式出現(xiàn)？

　　·如何在這樣一個(gè)國(guó)家、這樣一家公司里深度的參與其中？

　　二、AI / AGI 是一種世界知識(shí)的組織形式

　　·技術(shù)壁壘創(chuàng)造商業(yè)價(jià)值

　　·從務(wù)虛到務(wù)實(shí)的轉(zhuǎn)變

　　·AI 是下一代搜索引擎的核心

　　·機(jī)會(huì) = 技術(shù)更迭/升級(jí) & 場(chǎng)景創(chuàng)新

　　·關(guān)聯(lián)是商業(yè)價(jià)值，在大數(shù)據(jù)中找關(guān)聯(lián)，人工智能是手段

　　三、融合 + 開放會(huì)成為技術(shù)壁壘

　　·自定制

　　·整合需要實(shí)力和想象力

　　·探索與跟隨

　　·開放的準(zhǔn)則

　　四、打造護(hù)城河的第一步：自動(dòng)化構(gòu)建觀

　　·集成交付流程與技術(shù)架構(gòu)設(shè)計(jì)

　　·目前，只能將 AI 當(dāng)成工具

　　·未來，最好不要讓 AI 形成閉環(huán)

　　·檢索與回憶

　　五、打造護(hù)城河的第二步：合理規(guī)劃輸入輸出

　　六、打造護(hù)城河的第三步：重新思考平臺(tái)門檻及黏性

　　·門檻、黏性與開放的能力

　　·打造 AI 平臺(tái)

　　·pepper

　　七、打造護(hù)城河的第四步：萬物互聯(lián)與標(biāo)準(zhǔn)化傳感器

　　八、打造護(hù)城河的第五步：協(xié)同設(shè)計(jì)與合作

　　·AI 提高人類的整體協(xié)作效率

　　·企業(yè)用戶實(shí)現(xiàn)業(yè)務(wù)目標(biāo)的主要障礙

　　·數(shù)據(jù)量大

　　·在共有大數(shù)據(jù)上協(xié)同工作

　　·連貫性計(jì)算模式

　　九、打造護(hù)城河的第六步：打造可視化服務(wù)

　　·可視化的重要性

　　·慎重設(shè)計(jì)視覺交互模式

　　十、小結(jié)

　　人工智能 被再次熱烈討論的引爆點(diǎn)似乎是自動(dòng)駕駛汽車，這是筆者的切身感受。各大主流汽車廠商相繼給出各自相關(guān)產(chǎn)品投入使用的時(shí)間點(diǎn)，甚至很多對(duì)汽車行業(yè)不甚了解的互聯(lián)網(wǎng)公司也積極參與其中。

　　自動(dòng)駕駛以及高級(jí)輔助駕駛技術(shù) 是多個(gè)科研方向的融合點(diǎn)，存在不止一條的技術(shù)路徑。這一次，人們想通過深度學(xué)習(xí)的手段，讓車具有人工智能。這種端到端的理想狀態(tài)看似讓問題變得簡(jiǎn)單，但是由于科學(xué)家尚且不能夠完全掌握黑箱內(nèi)部的具體情況，更無法得知黑箱與人腦到底有哪些異同，造成這件事情不可控。

　　此時(shí)，筆者感到問題重重。治學(xué)要嚴(yán)謹(jǐn)，落地更要有正確的 方法論 和 產(chǎn)品觀 。但從根本上講，也許對(duì)于 AI ，有幾個(gè)問題需要重新思考：

　　AI 到底是什么？為什么會(huì)被人們?cè)俅螐V泛的提及？

　　AI 真的會(huì)帶來下一場(chǎng)變革嗎？如果是，那么機(jī)會(huì)在哪里？

　　深度神經(jīng)網(wǎng)絡(luò)是實(shí)現(xiàn) AI 的終極方式嗎？

　　AI 將會(huì)以什么樣的形式出現(xiàn)？

　　如何在這樣一個(gè)國(guó)家、這樣一家公司里深度的參與其中？

　　觀點(diǎn)

　　·AI / AGI 是一種世界知識(shí)的組織形式

　　技術(shù)壁壘創(chuàng)造商業(yè)價(jià)值

　　關(guān)于 人工智能 最著名的描述是——圖靈測(cè)試：

　　一個(gè)人在不接觸對(duì)方的情況下，通過一些特殊的方式和對(duì)方進(jìn)行一系列的問答。如果在相當(dāng)長(zhǎng)的時(shí)間內(nèi)，他無法根據(jù)這些問題判斷對(duì)方是人還是計(jì)算機(jī)，那么就可以認(rèn)為這個(gè)計(jì)算機(jī)是智能的。

　　人工智能可以應(yīng)用到很多領(lǐng)域，比如 AI + 芯片、 AI + 共享經(jīng)濟(jì)、 AI + 光學(xué)投影 、 AI + 知識(shí)型數(shù)據(jù) + 語音技術(shù) /+ 情感計(jì)算等等。

　　從務(wù)虛到務(wù)實(shí)的轉(zhuǎn)變

　　比起上面那些抽象的概念，更重要的是 如何有效的參與其中，創(chuàng)造真正的商業(yè)價(jià)值。比如，研發(fā)自動(dòng)駕駛汽車這件事，筆者從起初關(guān)注怎么做，到思考為什么做，現(xiàn)在的想法卻是，“我并不需要一個(gè)可以自己跑的車，我需要的是在此過程中，逐漸打造起自己的護(hù)城河，繼而創(chuàng)造商業(yè)價(jià)值”。

　　筆者認(rèn)為，在這個(gè)領(lǐng)域里，盡管切入的時(shí)間點(diǎn)有先有后，但并不存在永遠(yuǎn)的跟隨者 或者 彎道超車這件事。在一個(gè)可以看見頂?shù)氖袌?chǎng)里，做跟隨者比做探索者輕松（比如通信解決方案行業(yè)的華為和愛立信） ；但在一個(gè)未知領(lǐng)域，做跟隨者的意義卻不大，每個(gè)人、每家公司都應(yīng)該有他自己的 AI 觀，尋找那些快速開合的窗口，打造自己的核心壁壘是關(guān)鍵。

　　AI 是下一代搜索引擎的核心

　　提到搜索引擎就不得不提谷歌和百度。

　　百度的無人車其實(shí)早已上路，實(shí)現(xiàn)方式與人工智能相去甚遠(yuǎn)。但在去年十二月成立了自動(dòng)駕駛事業(yè)部，今年九月更是成立了 L3 事業(yè)部，兩者互為掎角之勢(shì)，打算將 AI 全面的應(yīng)用到自動(dòng)駕駛汽車以及 ADAS 產(chǎn)品上。百度之所以投入如此巨大，也許是因?yàn)?AI 可以說是下一代搜索引擎的核心，后面會(huì)詳細(xì)闡述這個(gè)觀點(diǎn)。

　　百度無人車

　　機(jī)會(huì) = 技術(shù)更迭/升級(jí) & 場(chǎng)景創(chuàng)新

　　機(jī)會(huì)出現(xiàn)在兩種情況下，一種是技術(shù)的自然更迭與升級(jí)，一種是使用場(chǎng)景的創(chuàng)新。比如 pc 互聯(lián)網(wǎng)時(shí)代的搜索引擎，比如移動(dòng)互聯(lián)網(wǎng)時(shí)代的 smart phone 。

　　一次搜索算法的升級(jí)奠定了谷歌十幾二十年的霸主地位；一次以觸控為交互方式的場(chǎng)景創(chuàng)新與上下游整合讓蘋果攫取了smart phone 市場(chǎng)的絕大部分利潤(rùn)，更是給長(zhǎng)三角等地區(qū)帶來了眾多產(chǎn)業(yè)紅利。

　　關(guān)聯(lián)是商業(yè)價(jià)值 ，在大數(shù)據(jù)中找關(guān)聯(lián)，人工智能是手段

　　移動(dòng)互聯(lián)網(wǎng)加速了大數(shù)據(jù)時(shí)代的到來，模擬信號(hào)似乎一下子從人們的生活中消失，越來越多的活動(dòng)使用數(shù)字方式表達(dá)。數(shù)據(jù)量劇增；速度、種類和不確定性也在增長(zhǎng)；大部分的數(shù)據(jù)（比如圖像、視頻、自然語言和符號(hào)）都是非格式化的。

　　如果有一種計(jì)算模型可以處理和理解它們，在這些雜亂無章的數(shù)據(jù)中找到彼此之間的聯(lián)系，企業(yè)/創(chuàng)業(yè)者就可以在這個(gè)計(jì)算模型的基礎(chǔ)上，提高生產(chǎn)效率，提升企業(yè)運(yùn)作模式，甚至做感知、預(yù)測(cè)、推理或者思考方面的場(chǎng)景創(chuàng)新；也許機(jī)會(huì)就來自這里。

　　直觀上講，可以擁有并且提供這種計(jì)算模型的公司要有一定的數(shù)據(jù)量以及一套設(shè)計(jì)完善的開放平臺(tái)解決方案。下面，筆者將要就此進(jìn)行詳細(xì)論述。

　　數(shù)據(jù)量重要但不是瓶頸，瓶頸是融合/整合的能力。百度和阿里巴巴做了同樣的一件事，百度的 ADAS 和自動(dòng)駕駛汽車、阿里云車機(jī)單位時(shí)間內(nèi)會(huì)產(chǎn)生幾 T 的數(shù)據(jù)，包括語音、操作等各方面的用戶行為統(tǒng)計(jì)，此數(shù)據(jù)上報(bào)到云端，將會(huì)成為理解用戶、訓(xùn)練網(wǎng)絡(luò)最重要的數(shù)據(jù)渠道。

　　現(xiàn)在考慮這樣一個(gè)問題：在人工智能領(lǐng)域，小公司相比大公司有哪些優(yōu)劣點(diǎn)？筆者認(rèn)為，就構(gòu)建 AI 平臺(tái)，制定標(biāo)準(zhǔn)規(guī)范而言，小公司沒有任何優(yōu)勢(shì)，但是一旦平臺(tái)搭建完畢，基于此平臺(tái)的場(chǎng)景創(chuàng)新，小公司就有優(yōu)勢(shì)了，因?yàn)椋退愎痉执笮。莿?chuàng)意并無大小之分。

　　這里，筆者是以數(shù)據(jù)量的大小來區(qū)分公司大小的。大公司擁有更多的用戶數(shù)據(jù)，但是數(shù)據(jù)量越大，邊際效益越減小。因此，創(chuàng)業(yè)公司只需要獲取到夠用的數(shù)據(jù)資源就可以了，至于數(shù)據(jù)規(guī)模的差異并不會(huì)帶來實(shí)質(zhì)性的差距，筆者正是基于此點(diǎn)認(rèn)為數(shù)據(jù)量不是最關(guān)鍵的，關(guān)鍵是創(chuàng)意以及計(jì)算資源。

　　· 融合 + 開放會(huì)成為技術(shù)壁壘

　　自定制

　　假如有這樣一種架構(gòu)，企業(yè)/創(chuàng)業(yè)者可以自由選擇他們的輸入組合，比如傳感器數(shù)據(jù)、圖像、視頻、自然語言等等，經(jīng)過某個(gè)或某幾個(gè)計(jì)算模型的處理，輸出了標(biāo)準(zhǔn)格式的知識(shí)。企業(yè)/創(chuàng)業(yè)者因此無需再考慮如何理解未知信號(hào)的內(nèi)在結(jié)構(gòu)和聯(lián)系，直接就可進(jìn)入應(yīng)用場(chǎng)景方面的創(chuàng)新。這種融合 + 開放的能力自然就會(huì)成為技術(shù)壁壘。

　　打造多源融合能力，重要且難。具體有多難，之前筆者在自動(dòng)駕駛的文章中詳細(xì)的介紹了一種多源傳感器數(shù)據(jù)融合的方法，由此可見一斑。

　　整合需要實(shí)力和想象力

　　從更高的層次看，還有一個(gè)關(guān)鍵詞是整合，整合需要想象力和實(shí)力：

　　蘋果公司利用電容式觸摸屏、LCD、Camera、陀螺儀等各類傳感器，打造了一個(gè)以觸摸為主要交互方式的使用場(chǎng)景。這些硬件沒有一個(gè)是它自己生產(chǎn)的，但是它的工程師卻可以深入的與各個(gè)硬件廠商溝通和指導(dǎo)。筆者第一次拿到 iPhone4 的時(shí)候，內(nèi)心是震撼的，感覺它是個(gè)藝術(shù)品，顛覆了我以往對(duì)手機(jī)的認(rèn)識(shí)，滑動(dòng)起來如此的自然、舒服。（那時(shí)整個(gè)部門只有部門經(jīng)理有一部，他非常大方的把手機(jī)留給我說，“你很有極客范兒，那么現(xiàn)在你幫我破解這個(gè)手機(jī)，把log抓出來，我要知道它為什么好”，然后連根數(shù)據(jù)線都沒給我就轉(zhuǎn)身走了。當(dāng)然，現(xiàn)在這成了一個(gè)笑話）那時(shí)，我意識(shí)到，好的產(chǎn)品就是即使你使用同一家供應(yīng)商，同樣的硬件、模組，都達(dá)不到它的效果。這種整合實(shí)力，不但震撼用戶，更讓競(jìng)爭(zhēng)對(duì)手連模仿都不知如何入手。這背后就是筆者提到的想象力和實(shí)力。

　　創(chuàng)造與模仿

　　在 AI 時(shí)代，無論是探索者還是追隨者 創(chuàng)造與模仿 都將變得更加艱難，尤其是追隨者：現(xiàn)在，尚且可以拆解競(jìng)品硬件、可以分析對(duì)手釋出的軟件接口、甚至可以使用高速攝像機(jī)反向推斷算法，將來，面對(duì)的是一個(gè)黑盒，輸入的是不知從何而來的數(shù)據(jù)，輸出的是經(jīng)過了上億次非線性運(yùn)算的數(shù)據(jù)，追隨者 將不得不徹底忘記逆向工程（我指的是一系列的技術(shù)/非技術(shù)的手段）。

　　開放的準(zhǔn)則

　　筆者在設(shè)計(jì) SDK/API 的工作中總結(jié)并堅(jiān)守一個(gè)準(zhǔn)則：對(duì)外提供的是 N 個(gè)1，要做到克制，控制好接口粒度，讓用戶自己創(chuàng)造 1+1 》 2 的效果。這很考驗(yàn)研發(fā)人員的設(shè)計(jì)能力和眼光，更可以彰顯一個(gè)平臺(tái)的開放能力。

　　融合與開放看似左右手互搏，實(shí)則互為表里。要成為這樣的人：既有整合、融合的架構(gòu)觀，又有開放、克制的遠(yuǎn)見。

　　筆者認(rèn)為 ：好產(chǎn)品 = 核心技術(shù) + 集成交付解決方案 ，這兩個(gè)方面會(huì)形成一道競(jìng)爭(zhēng)對(duì)手無法輕易模仿、跨越的“護(hù)城河”。下面，筆者將要詳細(xì)分析如何做到這兩點(diǎn)。

　　· 打造護(hù)城河的第一步：自動(dòng)化構(gòu)建觀

　　集成交付流程與技術(shù)架構(gòu)設(shè)計(jì)

　　如何深度參與其中，實(shí)現(xiàn)個(gè)人價(jià)值？除了上面提到的架構(gòu)觀等方面，還應(yīng)該有真誠(chéng)溝通，發(fā)現(xiàn)需求的能力。這是筆者從早期工作中總結(jié)到的。當(dāng)問出：“我能為你做些什么”的時(shí)候，總是可以發(fā)現(xiàn)真實(shí)的需求。集成交付流程與技術(shù)架構(gòu)本就該基于真實(shí)需求合理設(shè)計(jì)。

　　舉個(gè)例子，比如對(duì)外提供計(jì)算模塊時(shí)，有些人把能想到的功能，統(tǒng)統(tǒng)實(shí)現(xiàn)并封裝成接口提供給用戶，至于用戶如何在繁雜的技術(shù)文檔中找到自己需要的功能以及后續(xù)的技術(shù)支持問題卻并未考慮，甚至有些功能要靠用戶在實(shí)際使用中慢慢體會(huì)，看似為用戶做了一切，實(shí)則增添了不必要的麻煩。這就是我在上面說到的克制這個(gè)詞的一種解釋。

　　筆者是通過與客戶溝通，找到需求點(diǎn)，重新設(shè)計(jì)交付流程及軟件架構(gòu)解決這個(gè)問題的。在與用戶的溝通中，筆者發(fā)現(xiàn)：①客戶需要高度定制的服務(wù)；②客戶會(huì)因?yàn)榻桓盾浖拇笮∩釛壃F(xiàn)有方案轉(zhuǎn)而選擇競(jìng)品（早期，受限于智能機(jī)存儲(chǔ)能力，軟件大小是必須要考慮的問題。）。

　　于是，筆者將整體交付模式設(shè)計(jì)成：用戶只需要在一個(gè)頁(yè)面上做選擇（一些用戶會(huì)選擇功能A、功能B，而另一些用戶會(huì)選擇功能B、功能C等等），當(dāng)用戶完成自定制后，自動(dòng)構(gòu)建工具會(huì)在后臺(tái)抓取相應(yīng)模塊代碼，動(dòng)態(tài)封裝軟件包，交付給用戶。如此交付的軟件，不同需求的用戶得到高度自定制的包。整個(gè)流程全自動(dòng)化，無人為參與，保證了產(chǎn)品質(zhì)量。

　　在我所設(shè)想的 AI 解決方案中，對(duì)外集成交付 AI 計(jì)算能力這一場(chǎng)景上，也有類似的設(shè)計(jì)：那時(shí)，自動(dòng)構(gòu)建工具抓取的就是相應(yīng)的計(jì)算模型，創(chuàng)業(yè)者基于此就可以通過筆者上面提到的那個(gè)簡(jiǎn)潔的自定制界面接入不同的計(jì)算模型，這更具挑戰(zhàn)！

　　筆者認(rèn)為，在 AI 時(shí)代，高度自動(dòng)化是應(yīng)該被最先考慮的事情。以往要達(dá)到這個(gè)目的，要在設(shè)計(jì)第一個(gè)接口，寫第一行代碼的時(shí)候，充分的考慮各種沖突與耦合問題。在 AI 時(shí)代，這些問題或被放大或發(fā)生變化，甚至過去那些在系統(tǒng)研發(fā)中積累的經(jīng)驗(yàn)變得不再奏效：如何處理計(jì)算模型間的融合？如何處理邊界問題？這些都是工業(yè)界和學(xué)術(shù)界需要解決的問題。

　　目前，只能將 AI 當(dāng)成工具；

　　未來，最好不要讓 AI 形成閉環(huán)

　　近鄉(xiāng)情怯，是一種很有意思的心理活動(dòng)。隨著人工智能被一次次的提起，隨著技術(shù)手段的推陳出新，人工智能的輪廓似乎越來越清晰，筆者有時(shí)候在想，一旦有一天它突破了存儲(chǔ)限制，學(xué)會(huì)了在網(wǎng)絡(luò)間移動(dòng)，那就太可怕了。正如概述中所說的，深度神經(jīng)網(wǎng)絡(luò)讓這件事變得更加不可控。

　　如果人工智能是目的，如今深度學(xué)習(xí)就是手段，是一種上面提到的計(jì)算模型。這個(gè)實(shí)現(xiàn)手段其實(shí)尚未定型，甚至可以說，在 2017 年它會(huì)劇烈變化，這個(gè)變化趨勢(shì)，在第二章會(huì)仔細(xì)探討。

　　所以，筆者想要這樣一種人工智能，它既是威力巨大的工具，又是知識(shí)的組織形式，它讓看似無關(guān)的信號(hào)間自動(dòng)關(guān)聯(lián)，它顛覆了以往的數(shù)據(jù)存儲(chǔ)形式，它是我在之前文章中提到的那個(gè)互聯(lián)網(wǎng)大腦，2017 年這個(gè)大腦，不管它是深度神經(jīng)網(wǎng)絡(luò)還是樹還是什么，都將迎來劇烈的變化。如果順利的話，也許它會(huì)形成記憶，創(chuàng)造出新的知識(shí)，如果有一天它進(jìn)化成世界知識(shí)的組織形式，它就是下一代搜索引擎的核心，AGI 便不是夢(mèng)想。

　　檢索與回憶

　　那么，再大膽假設(shè)下。聯(lián)想 大腦在處理不同任務(wù)時(shí)，總是不同的區(qū)域活躍 這一特性。這種世界知識(shí)組織體系應(yīng)該是由無數(shù)個(gè)小模型組成的，小模型內(nèi)部通過權(quán)值共享等軟件技術(shù)或者硬件技術(shù)高度連接，模型間弱連接，整體形成一個(gè)復(fù)雜的拓?fù)浣Y(jié)構(gòu)。此時(shí)，筆者上面所描述的自動(dòng)構(gòu)建工具就會(huì)進(jìn)化成一個(gè)高性能的區(qū)塊檢索工具，一個(gè)搜索引擎。快速抓取計(jì)算模型，動(dòng)態(tài)隔離、封裝給用戶。就好像是一個(gè)人在回憶自己已掌握的一項(xiàng)技能一樣。

　　· 打造護(hù)城河的第二步：合理規(guī)劃輸入輸出

　　一個(gè)系統(tǒng)的輸入輸出直接影響到它的易用性以及后續(xù)的可擴(kuò)展性等重要屬性，這個(gè)問題需要具體問題具體分析。

　　· 打造護(hù)城河的第三步：重新思考平臺(tái)門檻及黏性

　　門檻、粘性與開放能力

　　筆者從 08 年開始從事軟件研發(fā)，經(jīng)歷了幾個(gè)平臺(tái)，一個(gè)切身體驗(yàn)是，越是開發(fā)門檻低的平臺(tái)，越能吸引更多的開發(fā)者，開發(fā)者多了，平臺(tái)自然繁榮，這是一個(gè)互惠互利的模式。看似簡(jiǎn)單其實(shí)要做到它需要制定詳細(xì)的技術(shù)路線，和一整套的解決方案。

　　比如，谷歌的 Android 平臺(tái)。當(dāng)年智能機(jī)興起，筆者迅速?gòu)?Qt 轉(zhuǎn)到 Android ，連編程語言都從 C++ 切換到了Java，期間卻并沒有經(jīng)歷過多的痛苦，這個(gè)平臺(tái)讓 App 開發(fā)從少數(shù)人的游戲變成一群人的狂歡。如今 Android 已經(jīng)渡過了它的快速成長(zhǎng)期，筆者在離開這個(gè)平臺(tái)的時(shí)候卻有很多不舍，比如語言、工具用的熟；測(cè)試機(jī)容易獲得；系統(tǒng)代碼開源，這些年的共同成長(zhǎng)，離開就是自廢武功等等。如果不是經(jīng)過仔細(xì)思考，認(rèn)為 AI 時(shí)代，操作系統(tǒng)太重的話，真是無法輕易離開。

　　—— 這些都是在打造 AI 平臺(tái) 時(shí)值得思考和借鑒的問題。

　　Pepper

　　Pepper機(jī)器人

　　今年八月份，阿里巴巴聯(lián)合軟銀富士康成立了一個(gè)機(jī)器人公司，同時(shí)阿里云也組建了自己的 NLP 團(tuán)隊(duì)。他們快速的將 yunos 移植到這個(gè)叫 Pepper 的機(jī)器人上。同時(shí)，將機(jī)器人的各種能力封裝成 SDK 提供給開發(fā)者，各種能力間的處理對(duì)開發(fā)者透明，這也是一種融合 + 開放的形式。

　　這個(gè) 120cm 的機(jī)器人更容易走進(jìn)日常生活，似乎會(huì)比自動(dòng)駕駛更快的產(chǎn)生商業(yè)價(jià)值。

　　如果把這個(gè)機(jī)器人當(dāng)作是阿里巴巴人工智能戰(zhàn)略的一個(gè)組成部分，這個(gè)具有豐富傳感器的硬件一旦擁有 OTA 的能力，便會(huì)自成一個(gè) AI 生態(tài)環(huán)境，看似占盡先機(jī)。

　　但是筆者也有另外的看法：

　　首先，這種技術(shù)架構(gòu)是不具備快速移植性的；

　　其次，在 AI 時(shí)代是輕 OS 的時(shí)代，OS 再也無法形成技術(shù)壁壘。

　　單一的硬件框定了應(yīng)用范圍，限制創(chuàng)新只是時(shí)間的問題。

　　基于大硬件平臺(tái)或特定硬件平臺(tái)對(duì)外提供 SDK，需要考慮 開放 安全 合理 效率 調(diào)度 體驗(yàn)連貫性 一致性 等眾多問題，與重新開發(fā) os 的難度相當(dāng)。

　　阿里設(shè)想了一個(gè)機(jī)器人生態(tài)體系，并為此設(shè)計(jì)了一整套的解決方案，開發(fā)者都在此硬件上做創(chuàng)新。筆者認(rèn)為，不應(yīng)為了創(chuàng)造生態(tài)而主動(dòng)造一個(gè)特定形式的生態(tài)，生態(tài)應(yīng)該是自動(dòng)形成，自行進(jìn)化的。

　　筆者想要這樣一種 AI 環(huán)境，創(chuàng)業(yè)者利用它開放的數(shù)據(jù)融合能力，廣闊創(chuàng)新，看似沒有生態(tài)環(huán)境，但卻是真實(shí)的技術(shù)壁壘。這樣帶來了另外一個(gè)好處是，技術(shù)路徑相當(dāng)清晰，可以有自己的節(jié)奏。筆者認(rèn)為，技術(shù)壁壘與技術(shù)路徑是相當(dāng)重要的。

　　· 打造護(hù)城河的第四步：萬物互聯(lián)與標(biāo)準(zhǔn)化傳感器，打造感知型大腦

　　在設(shè)計(jì) AI 平臺(tái)解決方案的時(shí)候，應(yīng)該時(shí)刻牢記 AI + ，因?yàn)?AI 無法自己形成一個(gè)行業(yè)，它需要各個(gè)行業(yè)的數(shù)據(jù)教育，一旦這個(gè)平臺(tái)打造完畢，AI 也就進(jìn)化為各個(gè)行業(yè)的技術(shù)壁壘，就看這個(gè)壁壘為這個(gè)行業(yè)創(chuàng)造多少增值了。

　　AI + 智能家居、金融和醫(yī)療這幾個(gè)行業(yè)最接近日常生活，各類傳感器的數(shù)據(jù)質(zhì)量直接影響 AI 平臺(tái)。提前規(guī)劃各類傳感器數(shù)據(jù)融合以及規(guī)范傳感器數(shù)據(jù)標(biāo)準(zhǔn)還有通信標(biāo)準(zhǔn)是很有必要的。

　　感知型大腦是人工智能必將經(jīng)歷的階段。數(shù)據(jù)融合后再抽象出更高的概念，這顆大腦也就具備了認(rèn)知的能力，下一階段就是認(rèn)知型大腦。

　　打造護(hù)城河的第五步：協(xié)同設(shè)計(jì)與合作 & 打造可視化服務(wù)

　　人工智能可以提高人類的整體協(xié)作效率 ，增強(qiáng)人類認(rèn)知能力：

　　“像鐵路與無線通信技術(shù)一樣，人工智能將會(huì)徹底的顛覆人們現(xiàn)有的行為習(xí)慣，提高人類的整體協(xié)作效率。目前還沒有哪項(xiàng)科學(xué)技術(shù)可以像人工智能那樣影響巨大，即便是號(hào)稱可以上億倍的提升計(jì)算速度的量子計(jì)算。因?yàn)椋斯ぶ悄芴嵘氖强捎|達(dá)能力 ，改變的是萬物之間的連接方式，而這是無法簡(jiǎn)單量化的。”

　　企業(yè)部門之間在共有數(shù)據(jù)上協(xié)同工作的效率是影響業(yè)務(wù)目標(biāo)的主要因素

　　數(shù)據(jù)量大

　　筆者在負(fù)責(zé)設(shè)計(jì) 某產(chǎn)品用戶行為數(shù)據(jù)分析系統(tǒng) 的技術(shù)架構(gòu)時(shí)，將客戶端的可擴(kuò)展性、魯棒性及可靠性作為主要關(guān)注點(diǎn)。這套系統(tǒng)在產(chǎn)品早期，運(yùn)行的非常高效精準(zhǔn)，但是隨著用戶量以及上報(bào)數(shù)據(jù)種類增多，筆者發(fā)現(xiàn)后臺(tái)人員要消耗相當(dāng)?shù)臅r(shí)間進(jìn)行數(shù)據(jù)清洗工作。

　　早前，百度的無人車跑一天的數(shù)據(jù)，需要百度數(shù)據(jù)中心的幾百臺(tái)服務(wù)器一周的時(shí)間才能處理完畢。

　　這就是大數(shù)據(jù)時(shí)代將要面臨的一項(xiàng)挑戰(zhàn)。

　　在共有大數(shù)據(jù)上協(xié)同工作

　　更棘手的是，對(duì)于 AI 開放平臺(tái)上的開發(fā)者和企業(yè)用戶，他們的數(shù)據(jù)工作人員在工作時(shí)相互獨(dú)立、使用不同的編程語言、沒有共同的關(guān)注點(diǎn)，還要把時(shí)間浪費(fèi)在數(shù)據(jù)收集與清洗上。所以如何在共有數(shù)據(jù)上高效協(xié)作，將會(huì)成為開發(fā)者/企業(yè)完成業(yè)務(wù)目標(biāo)的主要障礙。

　　連貫性計(jì)算

　　作為一個(gè)技術(shù)人，協(xié)同設(shè)計(jì)曾經(jīng)是筆者癡迷的一個(gè)方向。騰訊是一家非常開放的公司，它允許員工將工作帶回家中完成，那么思考這樣一種使用場(chǎng)景：

　　1.筆者不相信網(wǎng)絡(luò)傳輸?shù)陌踩裕ūM管企業(yè)云盤等做的已經(jīng)非常便捷） —— 網(wǎng)絡(luò)隔離

　　2.也不想手動(dòng)的將需要做的內(nèi)容一個(gè)個(gè)的考入U(xiǎn)盤 —— 物理隔離

　　3.甚至家中的電腦筆者都不想讓它時(shí)刻聯(lián)網(wǎng) —— 安全保證

　　4.筆者想要一個(gè)安全高效的全自動(dòng)化工具 —— 高自動(dòng)化

　　5.可以在極短時(shí)間內(nèi)為當(dāng)前工作做快照 —— 高時(shí)間敏感度

　　這樣即使家中電腦無網(wǎng)絡(luò)連接，屏幕上也會(huì)顯示正在做的工作，光標(biāo)正停留在之前正在寫的那行代碼/文檔/圖形上，真正的無縫切換。最終筆者基于 一切皆數(shù)據(jù) 的思想，完成了這個(gè)軟件的開發(fā)。這件事情發(fā)生在幾年之前，那時(shí)筆者輕狂的認(rèn)為個(gè)人理想主義與商業(yè)利益無法共存，最終這個(gè)軟件只在自己和幾個(gè)小伙伴間使用，它成倍的提升了時(shí)間利用率。當(dāng)然，從贏得小伙伴的贊同中，筆者也實(shí)現(xiàn)了個(gè)人價(jià)值。

　　在 AI 平臺(tái)設(shè)計(jì)上 協(xié)同合作 問題應(yīng)該予以充分的考慮，凡是關(guān)系時(shí)間利用率的問題都不該忽視。

　　再發(fā)散思考下這個(gè)無縫切換問題。隨著 AI 平臺(tái)上的開發(fā)者變多，我們的計(jì)算能力就會(huì)覆蓋相當(dāng)比例的消費(fèi)者，如果消費(fèi)者從室內(nèi)走到室外，從一個(gè)場(chǎng)景移動(dòng)到另一個(gè)場(chǎng)景，這背后就有一個(gè)體驗(yàn)一致性問題 —— 不同的創(chuàng)業(yè)者引用了我們的不同計(jì)算模型，模型間應(yīng)該有一種可以貫穿時(shí)間和空間的計(jì)算模式，使得消費(fèi)者間，消費(fèi)者與計(jì)算模型間，多個(gè)計(jì)算模型之間做到無縫切換，是否可以把這種計(jì)算模式稱為：連貫性計(jì)算？或者浸入式計(jì)算？

　　提到連貫性計(jì)算與場(chǎng)景切換—— 分布式計(jì)算也就呼之欲出了，是否有一種新瓶裝舊酒的感覺？

　　· 打造護(hù)城河的第六步：打造可視化服務(wù)

　　慎重設(shè)計(jì)視覺交互模式

　　人是一種視覺動(dòng)物，期待萬事萬物的反饋。把 AI 當(dāng)成工具，就該為它打造合理的反饋與容錯(cuò)機(jī)制。

　　感知因果 五個(gè)感官之間相互影響，聽到的看到的會(huì)影響觸覺。感覺一個(gè)事件產(chǎn)生另一個(gè)事件的連續(xù)事件之間的最長(zhǎng)的時(shí)間間隔是140ms。這個(gè)時(shí)間間隔是感知因果的最長(zhǎng)時(shí)限。如果你的產(chǎn)品對(duì)用戶的一個(gè)動(dòng)作的反應(yīng)時(shí)延超出了140ms那么用戶就會(huì)從一種無意識(shí)的高效的狀態(tài)中出來，轉(zhuǎn)而思考這個(gè)反應(yīng)是不是自己動(dòng)作造成的。如果在搜索框使用過程中，用戶敲打字符經(jīng)過140多ms才顯示出來，用戶就會(huì)覺得這些字不是他輸入的，他的注意力會(huì)從文字的意義轉(zhuǎn)移到字符輸入的這個(gè)動(dòng)作上，從而導(dǎo)致速度下降，打字這個(gè)本來可以自動(dòng)處理的動(dòng)作變成了主動(dòng)意識(shí)的處理，增加了用戶出錯(cuò)的幾率。

　　上面這段話摘自筆者攻關(guān)智能機(jī)產(chǎn)品觸控體驗(yàn)問題的項(xiàng)目總結(jié)報(bào)告，筆者通過研究認(rèn)知心理學(xué)中大腦常量等屬性制定了：從優(yōu)化LCD顯示效果來提高觸控體驗(yàn) 這一技術(shù)路徑，最終完成項(xiàng)目公關(guān)。核心思想是：攻關(guān)某個(gè)特定問題，如果最直接的路徑會(huì)受限于當(dāng)前技術(shù)能力，用取巧的方法也是可以的。