首页 > 综合推荐

2016年最红AI公司的投资人是如何炼成的？

2024-03-02 -

我们邀请的早期投资者 Jaan 与中国人工智能行业最有影响力的人士进行了对话。他是2016年第一批发现最受欢迎AI公司的投资者之一。他见证了AI技术的发展，但致力于研究人工智能带来的潜在风险。

这是人工智能界最令人期待的头脑风暴之一。大佬们讨论了AI技术的商业化、AI领域被低估的方向以及AI与人类的较量。为您讲解AI投资创业，为您解密。

早期投资者 Jaan，Skype 创始工程师，早期投资者和顾问。他一直关注前沿人工智能技术带来的风险。因此，他还共同创立了剑桥风险研究中心和麻省理工学院未来生命研究所。

受邀参加对话的中国人工智能领袖包括：

陈晓亮声智科技CEO

丁磊，汇百川征信CTO、原全球消费者数据科学部负责人

高士兴思锐CEO

李志飞，出去问问老总

孟星顺为资本投资副总裁

吴甘沙驭势科技CEO、英特尔中国研究院原院长

徐程，新城互联网CEO，前谷歌工程师，

袁奇，蚂蚁金服CSO

尹奇，Face++ CEO

地平线创始人、百度深度学习研究院原院长于凯

张本宇首席执行官

金沙江创投合伙人张雨桐

赵云峰新媒体“机器心”创始人

（排名不分先后，按姓氏拼音排序）

专访/峰瑞资本科技投资团队

翻译/冯琪琪周晓然

于凯：原百度深度学习研究院院长、地平线创始人问：您投资时考虑过它的商业模式吗？什么最吸引你？

答：我投资不是为了赚钱。所以它的商业模式不是我优先考虑的。对我来说，这是一项战略投资：我想成为一个有潜力成为未来人工智能研究领导者的团队的一员，我想确保他们对人工智能的风险有清晰的了解。

在我2011年投资之前，我对他们的创始人非常看好。当时他们已经取得了长足的进步（包括Peter Thiel创立的基金的投资），我想他们一定会取得伟大的成就。

问：在深度学习革命中，下一个伟大目标是什么？

答：也许你比我更有资格回答这个问题。对于深度学习的发展，我还没有如此及时的关注。目前我所了解的AI前沿进展如下：

银奇：Face++创始人问：人工智能现在很热，很多分析机构也预测人工智能将成为未来科技的基础技术。如果这个过程最终实现的话，是否也会有一个从量变到质变的过程呢？互联网对商业的变革也一步步从信息共享、购买商品等量变开始。那么人工智能改变商业的前几个量变领域是最有前景的。它们可能是哪些？

答：对我来说，这个预测不太准确。人工智能要成为类似于水、电的工具服务，需要满足两个条件：

用（MIRI创始人之一）的话说，拥有超强智能的AI可以自由重组宇宙中的任何原子。他们甚至不需要赚钱来养活自己。一旦他们有能力重新排列原子结构，他们就可以制造任何他们想要的东西。

但也有人持与我不同的观点。一些人认为，即使人工智能拥有超强的智能和多功能性，现有的经济体系也能生存。我的朋友罗宾是约翰·梅森大学的经济学教授，他认为超智能的AI会出现在现有的经济体系中并受到其制约，而不是颠覆和摧毁它。

张本宇：创始人问：您认为哪些重要方向被低估、没有得到足够的投资？ ”

答：我认为是“价值对接研究”（value-）。这一概念最早由世界著名计算机科学家斯图尔特·J·拉塞尔（ J. ）在《人工智能：现代方法简介》（：a）中提出。他认为：我们需要重新定义AI研究的目标。我们不仅仅停留在纯粹的智力开发上，而是开发能够与人类价值观充分对接的超级智能。然而，从世界范围内人工智能的发展来看，这一领域在目前的研究中被极大地忽视了。

这无疑是一个非常困难的挑战。正如慈善评估机构在一份关于人工智能风险的报告中提到的：知识可以被验证，但价值观却不能。如果人工智能学习到错误的数据并做出错误的预测，人们会很快发现并纠正它。但我们很难发现并纠正错误的价值观。

我们别无选择，只能面对这一挑战。如果我们想为子孙后代留下未来，就必须尽快解决人工智能价值整合的问题。当然，我并不是说对人工智能其他风险的研究不重要。

问：您认为未来3-5年人工智能研发的瓶颈是什么？例如：计算机技能？还是先用冯·诺依曼（计算机之父）的理论？人类目前的知识有限？政府监管？还是因为赚钱的方法越来越容易，导致研究人员短缺？

A：长期以来，AI领域缺乏有洞察力的人才和强大的计算能力（这将极大地提高神经网络技术）。短期内，这两个瓶颈仍将难以突破。

一个有趣的话题是“快钱”如何影响人才。一方面，需求上升必然刺激供给。但另一方面，也给行业带来了很大的噪音，导致人才很难集中精力进行研究。

从基础理论角度来看，当前的人工智能技术使用的GPU（图像处理单元）多于CPU（中央处理单元）。所以在很大程度上，业界已经抛弃了诺依曼的理论。

吴甘沙：驭势科技CEO、英特尔中国研究院前院长问：您是推动人工智能追赶人类智能的早期投资者。您也是剑桥“存在风险研究中心”和麻省理工学院“生命未来研究”研究所的创始人，该研究所致力于探索人工智能对人类存在风险的可能性和解决方案。两者之间存在一定的冲突。您如何提供有关道德和社会影响的反馈和指导？

答：在我们任职期间，我们举办过一些相关的研讨会。为了AI未来发展的安全，我们专门招募了研究人员，开始与牛津大学合作，成立了“伦理与安全”委员会。当然，作为一家资金和人员都非常有限的初创公司，其在这一领域的贡献还是非常有限的。但我相信他们会继续投入“价值观对接”的研究。

总的来说，我很高兴能够帮助搭建人工智能研究和“价值观界面”研究之间的桥梁。另外，能够专注于“价值对接”的研究，我还是有一点功劳的（笑）。

赵云峰：新媒体“机器之心”创始人问：继埃隆·马斯克之后，最近加来道雄（ Kaku，日裔美国理论物理学家）也表示，我们应该担心人工智能。许多人工智能行业之外的名人和公众也越来越关注这个话题。然而，人工智能领域的从业者往往是从解决具体问题出发。他们似乎不太重视这个问题，或者只是提出一些更宏观的解决方案，比如伦理委员会。您认为我们应该如何防范人工智能风险？有没有可以立即启动的具体计划？

答：有趣的问题。加来道雄真的认为我们应该为此感到焦虑吗？他之前并不相信人工智能的风险（至少我是这么认为的）。如果他的态度改变，那是个好消息（越来越多的人开始承认这个问题）。

对于开发商的态度，我认为你是对的。他们确实没有动力去考虑系统的风险（更准确地说，是价值对齐的问题），但他们有动力去提高系统的绩效。正如所言：“目前从文化和制度的角度来看，开发商并没有太多的动力去关心这些问题。但即便如此，也有少部分相关人士开始关心这些潜在的问题。所以我相信还会有更多的人关注这些潜在的问题。”未来很多人都加入了这种想法。” （文末有一篇很棒的文章可供参考，里面列出了很多优秀的AI开发者对于风险的思考）

目前如何防范这一风险？当“价值对接”领域资金匮乏的问题得到缓解后，下一个瓶颈就是该领域的人才匮乏（素质要求与AI研发其他领域不同）。我们需要更多的人和机构来解决各种研究问题——从计算理论到哲学思想。

正如我之前提到的，解决AI“价值对接”的问题不仅非常重要，而且很有趣！

问：您对GAI有何看法？你的理想会如何改变我们的生活？

答：其实，最理想的情况是他们能够“破译智慧”，为人类提供“稳定、可靠、有益”的服务。未来很难预测。科学技术的发展加速了智能的进化。没有人能说出接下来会发生什么。

我最近经常打这样的比喻：人工智能的发展就像建造一艘宇宙飞船。与过去不同的是，世界上的每个人都已经上船了。当这艘船建成后，我们理论上可以飞到任何地方，而且我们的目的地将与我们当前的星球完全不同（希望更好！），但我们必须极其小心导航——否则旅程将是一场灾难。

问：Demis 认为公司文化是“最好的学术和最令人兴奋的创业精神的完美结合”。公司文化非常酷。您能结合自己的感受和经历介绍一下公司文化和研究理念吗？

答：我不是解释这个话题的最佳人选。在我任职期间，我也不常呆在办公室。但我认为是的，有比学术界更自由的研究环境，创造这样的文化是一个巨大的成功。为此，我认为几位创始人做出了很大的贡献。

陈晓亮：声智科技CEO 问：机器学习理论与神经科学和人类行为密切相关。因此，所采用的“深度强化学习算法”需要大量的案例来训练AI。但正如我们所知，我们人类通常可以通过从单个案例中进行推论来学习概念，而且我们还可以通过比机器算法更丰富的方式来学习。为了解决这个问题，科学家们正在尝试使用贝叶斯推理方法让人工智能通过简单的案例进行学习。您如何看待贝叶斯推理和深度学习的未来？下一步AI如何模仿人类的想象力和推理能力？

答：嗯……据我所知，神经网络一般都是基于函数逼近的，与神经生理学只有一些偶然的联系。

我对贝叶斯学习方法没有深入的了解。我认为虽然理论上是最优的，但是它消耗了大量的计算资源。另外，最近还有一个非常有趣的所谓“终极”贝叶斯AI产品AIXI。

确实，从总体来看，目前的方法还不够好。我的朋友加里多次重申了这一点。他本人还创立了一家公司来探索通用技术：（我投资的一个项目！）。

高士兴：创始人问：您认为未来人们有可能拥有自己的个人大数据吗？

答：从某种程度上来说，这是可能的。我投资过两个创业项目，都与“私有云”相关：和Urbit。

但这么说吧，公共数据（data）的规模和价值将会“更大”。随着传感器的广泛应用，数据量将呈指数级增长。此外，日益先进的分析可以使用部分数据和历史数据来推断更多信息。

刘伟：联想明星合作伙伴问：非结构化数据未来的发展会如何？如何才能充分利用它们？我们需要将结构化学习与深度学习结合起来吗？再者，大量的数据就能解决所有问题吗？如果在某些条件下，失败的成本很高并且很难穷尽其边界条件（例如：自动驾驶）怎么办？ ”

答：从根本上来说，我认为非结构化数据最终就足够了。就像孩子可以从非结构化的感官信息中学习一样，我不认为人脑中有什么“神奇”的东西。

最近，我的一个朋友在听了很多关于自然语言处理（NLP）的讲座后发现了一个有趣的现象：许多研究人员都在吹嘘自己对语言学的了解是多么“少”。这意味着他们的系统足够聪明，无需预设知识即可学习。

我同意你关于非结构化学习的看法。这种学习很可能会导致“黑匣子”系统，在极端情况下最终可能产生严重后果。随着系统变得更加自主并可以控制更多资源，我们需要使人工智能更加可预测。一种方法是在系统中引入更多的结构和约束。

我们当然不想将这个星球的未来交给一个用一堆非结构化言情小说训练的“黑匣子”神经网络，对吧？

问：您认为通用人工智能（GAI）是由人工智能衍生出一系列垂直领域的吗？从长远来看，对机器学习算法的依赖会带来哪些风险？您认为 2150 年最常见的职业是什么？

A：我不认为GAI可以通过巧妙地整合各个垂直领域的AI来产生。该方法非常有前景：它开发了一套相对通用的算法，然后将其用于垂直领域学习，以取得比人类更好的表现。

相关风险：将AI应用于AI领域的开发会带来极高的风险，因为这个过程没有人类参与，如果让AI控制开发过程，结果可能会失控。

关于职业：我认为到 2150 年，职业（以及整个经济）可能根本不存在！经济分工是人类社会的一个概念。它存在的背景是，世界上有很多人拥有相似的能力，但由于他们的优势不同，他们可以从他们之间的交易中获得一些东西。而当我们拥有了能力超过所有人类的超级智能人工智能时，经济分工存在的基础就会消失，就像我们人类不与蚂蚁进行贸易一样。

当然，到2150年，在我们能够开发出超级智能的人工智能之前，人类文明可能会因为其他原因而不复存在:(

袁奇：蚂蚁金服副总裁兼首席数据科学家

问：您认为目前人工智能的研究和投资只是一个大事，还是人工智能代表了人类发展的一个长期方向？如果是泡沫，它会持续多久？

答：纵观历史，人工智能研究和投资确实有季节性：新的技术突破会引发热潮，进而吸引投资。紧接着，资本的涌入吸引了“伪供给”的AI创业团队，有时甚至连投资者都难以区分他们和真正能取得成果的团队。当打着AI之名的低质量公司开始纷纷消亡时，资本的热度就会立刻下降。十几年后，AI被重新包装为“机器学习”，技术取得新突破，新的周期开始。

当前的“人工智能旺季”很可能面临类似的命运。但这一次有所不同：许多技术突破是真实的，并且开始带来收入并获得良好的商业回报。例如，分类算法的边际改进对广告商来说可能价值超过数十亿美元。这样的商业应用不会被所谓的投资趋势所左右。下一个“人工智能淡季”不会影响这些技术在现实生活中的作用。

孟星：顺为资本副总裁

Q：今天这个时间点，您如何比较这四种类型的AI创业方向：

1.纯算法()

2.算法+深度垂直行业应用(/)

3. 硬件+算法（/n）

4.算法+广义用户体验（Siri）？

请从团队组建难度、前景、投资人偏好、巨头态度等角度进行讨论。

A：现在我只用了不到一半的时间在投资上，而且我也不是一个全职的投资者。因此，我并没有建立一个具体的模型来对初创公司进行分类和评估。我经常走捷径——我选择和我认识和信任的人一起投资，或者我和我认识和信任的人一起投资。所以我投资了一批Skype的创业者，还和Fund一起投资了，，，，和A16Z一起投资了tlon/urbit，.io，和YC一起投资了更多的公司。

当然，我也会独立评估这些创始人：他们和谁一起工作过，他们有多聪明。

有趣的是，在会见人工智能领域的初创公司时，一个很好的问题是创始人是否意识到人工智能的风险。虽然这与创业者的技术水平关系不大（但从结果论的角度来看，投资一家对人工智能最终能带来的结果不敏感的初创公司是不明智的。）

张雨桐：金沙江资本合伙人

问：伦敦招聘了一百多名博士研究人员，你们在招聘人工智能科学家时最看重什么？与业内其他AI研究机构最大的区别是什么？在研究和产业化方面如何定位？

A：我在的时候，核心的招聘策略是营造学术氛围的企业文化，吸引学术背景强的人才。我们与领先的学术机构建立关系并招募他们的顶尖学生。

平衡研究和商业并不容易。 Demis（创始人）提到，他接受谷歌收购的原因之一是他可以抛开商业顾虑，专注于研究。

问：围棋取得重大突破并击败人类围棋冠军，是结束还是开始？您还在进行围棋相关的研究吗？您的最终使命和下一步计划是什么？

A的最终目标就是它的口号：破译智慧，用智慧解决一切（解决，然后用它来解决其他）。戴米斯最近的演讲谈到了这个话题。

丁磊：汇百川征信 CTOQ：金融服务行业最近对使用人工智能产生了兴趣。您认为广义的AI有机会加入吗？

A：说到人工智能和金融，我首先想到的自然是对冲基金。由于对冲基金是经典的零和游戏，我对它的兴趣有限（话虽如此，我最近也开发了一个自动交易系统，所以我很熟悉：这个行业的专业竞争力令人兴奋！）

此外，还有一些相当可观的自动化投资服务，比如物业管理等面向大众的品类。但无论如何，我认为短期内数据区块链（）在金融服务领域将比人工智能更加活跃。

徐成：新城互联网CEO问：我在谷歌当工程师，听说谷歌现有的深度学习框架，比如这些Brain框架，没有被使用。有什么理由从头开始构建自己的软件群吗？