标签归档:云栖大会

蚂蚁金服副总裁胡喜:金融科技进入2.0时代,拼的是基础技术升级 | 云栖大会 2017

雷锋网AI金融评论报道,今日(10月12日),在2017年云栖大会上,ATEC金融科技开放峰会在杭州云栖小镇召开。在会上的演讲中,蚂蚁金服副总裁、首席技术架构师胡喜表示,与金融科技1.0阶段提供更为高效的便捷的普惠能力相比,金融科技2.0偏向于要把11日蚂蚁金服CTO程立所强调的BASIC进行进一步升级,要为消费者和金融机构提供更为便捷的服务。

“1.0就是汽车的发动机,可以通过发动机去组装任何一辆汽车,”胡喜这样来比喻道蚂蚁金服在金融科技中的发展阶段,“但是2.0是汽车的流水线,不仅提供发动机,还提供定制汽车能力,甚至可以提供自动驾驶的能力。除了BASIC能力,还有对金融本质的理解,也就是信用和风控的能力以及连接。”

以下是胡喜发言原文摘要,雷锋网做了不改变原意的编辑:

金融科技2.0阶段:BASIC技术的全面升级

我们背后最大的支撑能力是什么?金融科技。我回想了一下,蚂蚁金服的金融科技有两个阶段。

第一阶段,金融科技的1.0阶段。这个时候金融科技更多偏向于云计算、大数据、移动支付、移动互联网能力,通过这些能力支持了6亿消费者,我们希望能带给更多的消费者,就需要云计算能力、大规模数据能力。2015年的时候,我们对外宣布开放我们的技术能力,在五年左右的时间给一千万中小金融机构做新金融转型。这个阶段更偏向于提供更为高效的便捷的普惠能力,同时带来创新的能力。蚂蚁金服创新了这么多产品,包括借呗、花呗其实都是支撑的这些能力。

第二阶段,金融科技2.0阶段。今天想要说一点,我们蚂蚁金服看到了金融科技的不一样的变化,也就是金融科技2.0阶段。我们要对底层的基础设施进行升级,除了云计算、大数据、移动能力,我们对原有的技术进行升级,BASIC(详见11日雷锋网关于蚂蚁金服CTO程立的报道)。金融科技2.0云计划比1.0更面向消费者和金融机构来考虑,提供更为便捷的服务。

1.0就是汽车的发动机,可以通过发动机去组装任何一辆汽车,但是2.0是汽车的流水线,不仅提供发动机,还提供定制汽车能力,甚至可以提供自动驾驶的能力。除了BASIC能力,还有对金融本质的理解,也就是信用和风控的能力以及连接。

总结:用技术重塑金融体验,金融科技创新大家一起来

今天我们会分享相应的BASIC、信用、风控能力,同时还会对外宣布金融科技联盟这样的计划,希望更多的金融机构加入到我们整个大的金融科技创新能力当中,帮助更多的消费者,连接更多的金融机构来做创新。我们希望最终用技术重塑金融体验,解决金融的实际问题,希望更多人加入进来。这就是我们举办ATEC技术峰会的目的,希望今天所有同学和我们一起面向更为美好的未来,谢谢大家!

雷锋网

阿里云人工智能科学家闵万里犀利点评:现在的人工智能有点过热 | 2016 云栖大会

近日,2016云栖大会惠州峰会在惠州西湖如期举行,阿里云的众多专家在主题演讲中做了【飞天*进化】的系列演讲,其中阿里云人工智能科学家闵万里结合阿里云人工智能在惠州的诸多动作,做了《人工智能点亮未来城市》的主题报道,并在会后接受了详细采访。雷锋网为大家整理的精华如下。

刚刚思成讲到,欢迎大家上传大家的案例,今天我有两个身份,第一个我是阿里云的数据从业者,第二我带了一支团队,我们在阿里云的内部做数据,今天我抛砖引玉,我们选择了四个字,智慧城市,或者叫未来城市。

ET变身城市大脑,服务9个版块

人类从七千年之前,城市的发展历史,在过去的几千年里,都是一个物理资源和物质资源的聚集,今天我们面临一个崭新的挑战,未来的城市,不再是一个无限扩展的地盘,不再是一个千万级的城市。

我们要用阿里云的人工智能,给大家预览一百年之后,你不会再看到红灯,当你饿了点餐的时候,你不会多等10分钟,当你的医疗影片出来的时候,你不会再排队在省城的医院门口等待两天,让老专家看一眼,这一切都不能梦想,因为我们有ET,我们要做下面的这些事情。

治理城市

  • 智能交通

  • 智能物流

  • 智能水利

  • 城市规划

赋能企业

  • 智能制造

  • 智能服务

服务市民

  • 智能旅游

  • 智能医疗

  • 智能停车

告诉大家这是一种可能,从0到1000万到一个亿,那就是一个量变的过程,大家看到治理城市很简单,从智能交通到城市里面所发生的所有的经济行为,到智能制造,到生产。下面给大家举几个实际的例子。

| 智能交通

我们可以看几个实际的案例,智能交通,大家看这张视频上,这个路口所有的车,它的轨迹我们实时地识别,我们知道谁在左转,也知道谁在右转,我们也知道谁骑着电动车在人行道斑马线上横冲直撞,今天我们可以做到实时,自动化标准,自动化的捕捉哪个号牌经常闯红灯。

治堵最好的方法就是让堵不要发生,而不是等它发生以后再亡羊补牢。那不要发生,就需要领先一步,领先一步就要求你不光看到眼前,还要看到未来,刚刚这个视频,十分钟之后会怎么样,一个小时之后会怎么样,我们可以预测到。

去年国庆开始我们在浙江省全面上线,预测整个浙江高速路上的未来,一个小时它的路况是什么?今天这个系统还在跑,今天我们不仅有了高速路,我们还有市内的道路,十分钟之后这个地方的拥堵会消散吗?这些问题每天都在交警指挥中心的大厅里出现,但是一直没有人去帮助他们作出一个智能化的选择。答案是ET可以做到,未来60分钟、30分钟,每一个路口,每一个路段,流量速度,车速,现在的拥堵会提前多久消散,该不该派人疏导

智能物流

今天我们的ET做到了一个很简单的事情,我们用互联网的实时数据,我们用全程的数据,来解一个点的问题,任何一个管控,不再是一个单点优化的问题,是一个全局优化的问题。它不光看到现在,还要看到未来,有了这个全局的洞察,大家可以想像下,通过这个路口,你看到那些左转的车,你看到了十公里之外,三公里之外,将有多少车要过来,我们利用阿里云的ET,改了一些信号灯。这是讲交通。

我们在讲我们每一个人要吃饭,现在有很多白领,包括很多开发者,中午吃饭的时候要点餐,结果高峰的时候,所有的人都在点餐。对于点餐来说都是一起点餐,那怎么样让每一个饥饿的身躯少受一些煎熬,我不可能无限地供给,让所有的送餐员都上岗,妥协的方式又是什么?其实是一个技术和现实之间的结合,今天我能做到的,我们的调度引擎,可以让每一个小哥少走冤枉路,送餐的过程中再接一个顺风单。在以往,这是不可想象的,但是今天我们用阿里云的系统,用大数据的平台,用我们自己的算法,我们证明这件事是可行的,可调度的,智能化的调度,可以打败人的调度,还可以提高效率,让每一个人成为赢家,所有的人都是赢家,所以技术改变生活。

智能旅游

我们再看,旅游,大家都有了经济实力之后,追求一种精神层次的生活。我们可以告诉你,两个小时之后的发展,每一个景点的排队的时间,上海迪士尼开园的时候,那么疯狂的情况就可以避免,因为我们可以告诉你这个拥堵可以持续多久,先人一步,步步领先。大家可以看到很多APP会告诉你,七天之后,车流量会是怎么样,七天之后的天气会是怎么样,这个其实跟我们眼下,此时此刻的需求大相径庭,这种妥协是不得已而为之的。所以总结一下,让城市的出行,更加的灵动,让每一个出行的旅程更加的轻松。

智能医疗

我们再来看几个更加难的课题,生命的秘密基因,在非洲的草原上,在南美洲的贫民窟,一个医生要看1000到一万个人,是不可能的,根本性的解决在哪里?党中央提了一个问题,叫供给式改革,这中间的矛盾出现在哪里?就是出现在有限的资源不可复制,现在我们要把专家的经验写成代码,这是一个非常难的难题,所有的人都在说,医疗如果出了问题,诊断不准怎么办?这个答案很简单,如果你不做,永远没有答案,如果我不做,永远都找不到答案,今天我们掌握了先发的优势,我们必须先做一步,我们先要证明这件事是具备可行性的

市民秘书

我们再看一个,我们称为秘书。现在订票都不需要打电话了,有APP都可以做到这些,这些APP的背后,很多都是我们阿里云承载的。我们发现有非常大的提升空间。还有刚刚看到眼下正在做的,语音,大家看到我说的话,被实时转播,这就是我们ET做的,智能语音的服务,在双十一过程当中,有97%的客户打电话过来,首批处理都是通过阿里云的ET来做的。

ET会变得越来越聪明,总结一下,它会点亮未来的城市,因为它是城市的大脑,为什么以前做不到?今天可以做到,它背后的技术架构是怎么样?

首先它有个非常稳健的架构,三个大平台,大家可能今天会听到很多人说,我开源了一个平台,开源了之后,怎么样?能做什么?今天我们给大家一个答案,就是当我开源一个平台,或者当我介绍一个平台的时候,我一定会介绍一个成功的案例,而且是我亲手做出来的,所以当一个老师傅说我有一个做面条的配方的时候,但是他从来没有做过的时候,你相信吗?我们今天做人工智能不是一个纯粹的开放代码,我们会给你平台,给你算法的能力,而且给你独闯的成功案例,告诉大家那个方向可走。

这背后就是飞天,飞天之外,就是这样一个机器学习的平台,今天讲到的大数据,数据海量,怎么样挖掘价值,一定需要非常好的算法,这个算法需要一个平台去承接。我们今天的机器学习平台都是支持,所以ET从一开始,就是一个开放包容的生态,有了这些能力之后,我们的眼睛、视觉、口耳、语言能力怎么办,大家可以看一看,刚才的视频讲的是视觉,再看一下眼下正在发生的。在去年的时候,就已经打败了世界速记大赛的亚军。这背后,其实承接的就是一串通过语音的技术,语音合成和视觉的技术,再加上大脑给你形成一个协同的互动。

最后,我们可能在走一条别人都没走过的路  但必须迈出这一步

一百年前,1917年,爱因斯坦发表了一篇文章,他讲了一个他著名的广义的相对论的宇宙学模型,为了寻求模型的美,解了很多理论上悬而未解的问题。但是1932年他们发现红移现象之后,然后推翻了,爱因斯坦承认了自己的错误。

这个例子我来解释什么?今天我们探索人工智能,在未来城市,在各个行业应用,其实我们进入了一个未知的无人区,我们可能会走错,不可能一蹴而就,但是有一点我们一定会做得对,我们不走永远去不了,我们走一步走两步走错了,可以告诉业界的同仁们,不要走弯路。这个过程,阿里云,我们的ET,我们会坚持,但是我们不可能独行,我们需要在座的各位,开发者们,一起加入到这个阵营当中,我们要回答的问题不是阿里云怎么样,而是人类社会的发展怎么样跟云计算、人工智能的技术结合、加速。

从我个人的角度,今天我是数据科学家,10年前,我从纽约去到新加坡,要做智慧城市,然后八年之后,我又回到美国,去到Google,但是后来,我来到了阿里,来到了阿里云,在这里找到了我梦想。

这里给你提供的是一个无限的可能。从飞天这个词,大家可以看到,我们是承载了一个伟大的梦想,今天我想,在座的同仁们,每一个数据开发者们,在阿里云的平台上,一定有你可以发挥的空间,无论是你用机器算法,还是有实战的案例,甚至是我们的算法包,都有可能在新的领域当中找到前所未有的价值,所以最后一句话,就是讲,为了无法计算的价值!谢谢大家!

附会后采访(雷锋网精编如下)

刚刚你们提到说,我们现在的人工智能有点过热,主要的原因为什么会出现这种过热?好象这是一两年特别的热?

  • 当所有人都在谈这只股票的时候,就是它要跌的时候。

懂的人也在谈、不懂得人也在谈,那么增长的空间在哪里?今天当我们所有人都在谈人工智能,每一个商业计划书都会扯上大数据、人工智能,你们知道这个很快就会原形毕露的,投资人是很实际的。那投资人的反弹或者说叛变也是不足为奇。最近刚刚发生的,但是看到的某某创始人CEO生病的时候被人给踢走了,他们要的是业绩,很简单的。人工智能可能是让你有可能暂时性拿到业绩的一种手段,但不是目的。想想看,现在很多人都把人工智能作为目的了,那这是很可怕的。

  • 一定要在一个应用的场景下发挥它的业务价值。

刚才一宁讲我们是做人工智能技术,其实我们是要解决一些问题,而不是说数据要97%、99%,这个数字其实是没有太大的意义,一定要在一个应用的场景下发挥他的业务价值。那今天我们所看到的,今年以来的人工智能,很多都是在YY,造了一个机器人,一个人形的机器或者机器人。还有前不久曾经说过的,造一个机器人,像女孩子很漂亮,然后摸上去还有弹性,这个跟机器人有任何关系吗?没有,这是一个材料科学的问题。把硅胶拿上来,加上温度,加热,就这么简单的一件事情,跟人工智能毛关系没有。所以说我觉得这种就是对人工智能的一种亵渎、曲解。

  • 所以,我认为还是要沉下心来。

1984年,那个时候是人工智能一个高潮,美国国会开了好几次听证会。今年同样的,历史重演了,也开了好几次听证会,历史有惊人的相似之处。1984年之后的人工智能的低潮是不是会重演?我不知道。但是1984年之后是发生了,为什么?太多的空洞的承诺,如果在短期之内没有落地,政治家是很务实的,他们投资是要看到回报,看到选票。

商人的投资、投资者的投资一样的,他也要谈我每年的汇报率,投房地产、投人工智能。所以我们今天还是一样的要静下心来看一下这个时代的场景,很多场景其实不是缺了人工智能就不行的,或者说很多场景跟人工智能没有太大的关系就不要硬扯上去

  • 少一些PPT上的组合,对一些落地的思考。

任何一个技术或者叫深度学习,它的声音一定来自于他能不能创造到让老百姓能够感受到的价值的商业模式。那原子核为什么他们都去探索,为什么大家都很尊敬他、尊重他,因为我们现在很多电来自于核电,核电站的基础是什么?原子核。所以大家就清楚了,我们可以不懂,但是我们能够感恩他创造出来的价值,那么这一件东西他就会有生命力。如果我们老百姓看不到他的好处,没有切身的体会,他只是活在PPT里面,活在网络空间里,那么大家不会理解,很快就会被格式化硬盘。

所以我说过热,其实就是这个意思,现在确实是少了落地的思考,多了一些PPT上的组合,或者动画效果的渲染。所以这个对科技从业者,尤其是对真正埋头去做人工智能的那些人来讲是挺不公平的。不是所有的人都在玩概念,确实是有一些人在沉下心来做的。而往往是这些人,他不具备商业的头脑,所以在存在感上反而没有那些学术明星来的那个。但这个并不代表他们做的工作不值得尊重,其实恰恰相反,他们可能更加是值得我们去关注去支持的。

我看目前全球人工智能化投入产出比不是很高,您怎么看这个问题?

  • 人工智能刚刚重新开始。

其实这样来看,云计算我们去对标亚马逊,开始那几年没挣钱的,任何一个新技术的发展,必然有一个纯投资期,我们叫孕育期,要去养他的。所以这个过程今天来看的话,人工智能其实是刚刚曾经他那一次打趴下,这次是刚刚重新开始。相当于说,浴火再生,战火重生。在重生的过程中,你让他一下子再承担一个主攻队、特战队的这种角色他还是不现实的。至少在短期之内,你要给他足够的耐心和信心。

  • 但是迭代速度非常快。

尤其在今天,我相信人工智能能够看到商业好处的时刻会很快的到来。为什么?因为现在迭代的速度非常的快,我讲的迭代是技术迭代的速度。任何一种想法,十年前你可能没办法落地去实现,因为计算量太大了。但是今天这些都不是障碍,今天的障碍出现在哪里?出现在一些旧有势力,或者是你要创新的领域要颠覆的领域,有可能出现一些阻力,是一个非技术的因素。但是你非技术的因素,是有可能敲开一块砖,先突破的。只要有第一个敢吃螃蟹的人,然后怕螃蟹的价值很快就会被世人所认可。

  • 用投资的眼光来看要求过高。

因为在今天我们是在一个临界点上,这个临界点就是人工智能破壳了,从一个实验室的东西变成一个普通大众能够耳熟能详的东西,很快就会发生。但是在这个过程当中,如果你非要用投资的眼光来看说,跟房地产投资的项目也好,或者跟炒股相比,这个还不太现实,这个有点要求过高了。

现在有一些大公司把学术界的任何成果,刚刚发表出来,他们就会把那个论文再实地落地就产品化了,如果学术界的那个成果够工业界用十年十五年之后,大家慢慢会目光挪到工业领域,您认可这个看法吗?

  • 理论和实践的相结合才能笑到最后。

我们回到方法的本身,毛主席有一句很好的话叫做“没有调查就没有发言权”,你看他老人家,先走到湖南农村去做农民运动的调查,然后找到了中国革命的解放。相比之下,在同一时期有很多海归派从苏联回来的,喝过洋墨水的,然后有理论派,经过马克思、列宁的学术派,毛主席是本土派、实战派。我想用这个来讲什么呢?

在任何一个新兴产业、新兴技术的发展过程当中,一定是理论和实践的相结合,最终他能笑到最后,因为它最贴近普罗大众,他能知道老百姓的心,刚才一鸣讲到2C,C端需要什么,它能够接地气。所以当它走得跟老百姓更近的时候,它的产品就有可能被大家所接受,而那个阳春白雪的实验室的有可能就被大家所忘掉了。所以从这点来讲,杨教授他做做的这件事,他比较聪明的一点就在于说他没有躲在实验室里面,躲在实验室里面,中国的土话叫“闭门造车”。所以他会到工业界里面去。但是我觉得从理论的先进性上来说,也不尽然你一定是学校领先工业,为什么呢?

  • 有时,工业界会反过来推动学术界的发展。

恰恰是有非常多的学术领域的问题,或者甚至问题的提出,都是因为在工业界当中有了难题之后,大家抽象出来,然后反过来推动学术界的发展

这边举一个最典型的例子,二次世界大战的时候,美军需要从本土从夏威夷海军基地运送大量的后勤物资、作战设备到太平洋战场上,包括菲律宾,包括南洋。当时就面临一个巨大的难题是什么?他的运输量、运输的队伍是有限的,但是各个战场的发展集聚变化。本来是一星期之后要打一个百团大战或者怎么着的,结果打成了一个几个月僵持的消耗战,在蚂蟥岛,在菲律宾这边。所以计划赶不上形势。那在这种情况下,怎么样动态的调节他的供应链,因为它从本土运过来是要用万吨巨轮在海船要走两三个星期,你不可能给它调了一个船说,本来让它去夏威夷,结果训练的让他再去菲律宾,油都不够了。所以弹性供应链的需求就出来了。

在那个年代出来,这是一个从来学术界没想过的问题,没解过的问题。所以二战一结束之后,这个新兴领域就起来了,就是运筹学,今天讲的所有的弹性供应链,都是那个年代因为有实战的场景,真正二战的这个场景衍生出来的。

再讲一个,在造原子弹的时候,曼哈顿工程的时候,他们要来计算这个链式反应,就是一个原子核激活之后,后面链式反应然后迅速的爆炸。这个这个链式反应他要来模拟怎么控制,成为可控的核裂变。那在这个过程当中,就出现了他没办法做很多次实验,那个是很昂贵的,那怎么办?需要基于一次实验,然后做很多的假定说,如果我在这个过程当中怎么样调整一个参数,然后让后面的训练很听话。那这个就衍生到后来的叫在贝叶斯学派,现在统计学当中有一大流派叫贝叶斯流派,他们叫抽样法。

这个抽样法的衍生,现在已经成为几乎所有做机器学习的人都必须要知道的一个基础理论,这个基础理论的衍生就是从曼哈顿工程来的。所以我用这个来讲什么?其实往往一些先进的最新的科研的课题,是来自于工业界,不是象牙塔里面。这也是为什么你来看斯坦福的教授,有很多都是在硅谷兼职的,他不是为了那一点钱,他要的是一种触发的灵感。

美国的哈佛大学MIT大家都知道,MIT那边有好多小公司,就是教授开的,为什么?因为他需要从实际的问题当中找到他下一个研究的方向,而相比之下,我们的有很多教授,他们可能的做法是天天盯着人家的SCI文章找漏洞,然后去杀。这种最后评职称评上去了,杰青、长江学者,评的都是SCI的教授,不是基于实际问题的教授。这些人就是天天盯着别人的缺点,那总是能找到的,放大镜一放总是会有一些缺点的,一篇文章是没有漏洞是不可能的,但是你觉得这个东西有意义吗?没有意义的事情,所以少做一些。

所以从这一点来说,我觉得目前杨教授是很聪明的做法,一定跟工业界结合,然后能够互相促进,给他新的研究思路,把他的研究成果迅速的找到工业界落地的场景。在这个过程当中,我觉得很有可能两种情况都有可能发生,

  • 一些新的思想源自工业界

  • 或者说一些新的理论从学术界蔓延到工业界,找到落地产品,都有可能。

如果说把整个阿里云看成一个大产品的话,旗下的人工智能看成一个小产品,这个人工智能他的产品是怎么定位的?阿里云的这个人工智能对于整个人工智能行业来说,他扮演的是一个怎样的角色?

  • 我觉得把阿里云看成一个大产品这个说法不太贴切,不是说对和不对。

我会这样来讲这个问题,阿里云是一个更大的生态,在这个生态里面,能启动的时候,可能我们抛出了一个怪兽,就是我们那个飞天平台,然后像巨无霸一样,相当于武林高手,通过比武招亲或者怎么招,又演变出了门派出来,我们有很多衍生的各种新的产品,新的计算的工具等等。那慢慢形成一个生态之后,就要形成流派。就像天下武功同出一宗,看以前的小说里面写的,有的是剑走,有的是气走,那时候就有了。那这个流派当中,人工智能这一块,我说是其中的一派。意思是什么呢?就是说这一派可能强调的就是我们怎么把数据的价值深刻的发挥出来,有了数据、有了原材料之后,我在你这个大生态里面我用你的计算能力我来挖数据的价值。

那另外一块可能会说,我怎么把我的生态做得更健康、更稳健,不管你怎么折腾,一秒钟一千万次、十几万次,我都能够承受得住,我要练我金刚不坏之躯,这是物理层面上练,这是不同的派别。从这点上来讲,我觉得人工智能是气派,阿里云是硬气功一样的。

  • 从整个对阿里云人工智能,对整个人工智能生态的角度来讲。

我觉得我们有非常独特的地方,就是跟其他的地方、其他公司做的不太一样的是,我们的任何一个功能或者叫人工智能的产品,我们的落地、我们的研发,都是以一个具体的应用场景为目标,我们不是说在实验室里面自我演进,我做了1.0版本,下一个我要做成2.0版本,我们一定是为了解一个问题。就像今天我们讲到,我们要去解世界上最难的医学问题,这个问题很难,但是我们必须要去解。如果我们掌握这么好的科技资源的情况下都不去动,谁来解?那我们要来解。那接着语音识别也是一样的,还有后面我今天还没有讲到,我们用脑科学、脑神经去刺激脑部的神经原,去让人能够动起来。最近你们看到了一篇报道,陈天桥捐了1.15亿美元给加州理工大学,Richard Anderson教授他做了一个什么事情呢?一个月前有一篇新闻,大家可以去查,他的实验室做了一件事情,在一个瘫痪的人,他的大脑的特定的脑区切入信号,这个人行走了。这个新闻你们可以查一查。我想这样的事,他给人看到了希望,带来了希望。

  • 我们一定是选那种有难度,但是一旦成功,就能够普惠大众。

我想说,我们今天做人工智能我们也是朝这个方向走,我们绝对不是说1.0一定要一个月内迭代到2.0,两个月之内迭代到3.0,为了一个产品的迭代,为了迭代而接待,一定是为了应用而迭代。所以从这一点来讲,应用的选题就非常的关键,我们一定是选那种有难度,但是一旦成功,就能够普惠大众。对于阿里云讲普惠科技的意思就在这儿,我们一旦解了一道题,我们就给相当多的人带来一些希望,或者相当多的一些难题就有可能找到一个解法,后面再让更多的人找更优的解法。我们是开第一枪。所以从这一点来讲,阿里云的人工智能承担的更多的是探索性的事情,要挑战不可能的事情。

你们今天演讲的时候也说了,现在ET主要的功能就是变成城市大脑,为什么选择这个作为一个切入点?

  • 我这样来讲,可能ET早期的时候,像我是歌手里面做了ET的。

那时候可能是一种娱乐性的,当时也是为了把他推出来让所有的老百姓都能了解,但是后来我们的判断是这样的,就像我刚才讲的,我们要解一些难题,让老百姓受惠,受到好处。那这里面城市大脑就是一个比较好的复利点,为什么?我们回顾一下,过去十年,智慧城市从IBM开始提到今天一直还在讲智慧城市,一讲到这个的时候大家都会说,这个局、这个部委或者那个局要建一个数据中心,把数据收上来,实时的展现出来,或者搞一个统计报表。

  • 所有的数据都在那儿沉睡。

曾经在上海的街道还有一个道路文明指数。结果呢?大家觉得这个城市智慧了没有?我刚才开玩笑,我说有那么多的雾霾、有那么多乌云,就是因为少了阿里云,所以没有智慧。我举的意思是在哪里?是所有的数据都在那儿沉睡,少了一个大脑去调动他们、去唤醒他们。这就像一个什么?就像一个瞎子,他的听力特别好,在人工智能角度上讲他听力特别好的一段代码,但是他却没有视野。或者反过来也是类似的,当你要成为一个健全的人,一个健康的人,一个聪明的人,智慧的人,你需要这些功能的协调和融合。

就像美国的军队系统,他有很牛的技术,海军、陆军,但是他还要有一个联合作战指挥部,为什么?那今天我们的智慧城市少的就是这个联合作战指挥部。你到各个部委去看,机房一大堆,机房越多的城市就越落后,为什么?是观念的落后,他还停留在原始的层次,堆机器,觉得我机器越多越好,我的信息化建设越到位,数据越多存得越多。杭州的公交公司,或者郑州的公交公司,类似这样的。建那么多的机房干什么?那今天我们要讲城市大脑,就是要唤醒这一点,把数据给调起来,别再整机房了,把数据整起来之后,真正的联合作战指挥部起来了,才有可能把这个智慧协调起来,那这个城市才有可能管理和应用,才能够更通畅、更高效。所以我们了这个题,而这个题本身呢,他的社会价值不用多讲,经济价值也是很显然的。

然后讲再一下它的难度,它的难度不仅仅是技术,技术上有很多难度,因为各种数据,非结构化的数据。我再举个例子

大家有没有想过,我们路边这么多的监控探头,现在只是公安用于事后出了事之后去调这个探头来事后反查嫌疑犯的路径。但是有没有去想过,用这个探头去看此时此刻下没下雨,此时此刻PM2.5是什么。数据已经在那里了,为什么不去做?其实少了不是技术上的问题。今天我们要做这件事,我们就有很好的技术优势。我们可以把中国的摄象探头全都变成PM2.51识别器,下雨量的采集器,那么中央气象台的那些天气预报可以变得更加精准了。它不用再去建很多的观测站,因为现有的这些数据已经可用了。

所以,从这点来讲,选城市大脑作为一个切入点,可以充分的调动我们所有的先进的技术,我们叫秀肌肉吧。

现在有一些商业化的应用或者说有多少客户在使用这些功能呢?

你要说绝对客户量有很多,但是不是所有人都一下买整个的大脑,就像有人先来个地空联合作战,或者海陆联合作战,这是逐步来的。那在杭州,可能两个月前大家也看到了新闻报道,其实在广州我们也最早做过用互联网的数据实时控制信号灯。还有我们在浙江省,不光是杭州市,我们用实时的数据来抓那些特种车辆,危险品运输车辆,它们的一些不合规的现象我们去抓他。其实已经在各地不同阶段在用起来了。只是说今天我们正式的把城市大脑恩这个概念提出来,其实是希望通过在座的各位,去唤醒那些还在堆机房的人。告诉他们,不要再用80年代的思想去解一个21世纪的问题

阿里云这边有核心的计算资源,然后我们也向我们的合作伙伴提供一些算法,那我们怎么看现在的AI技术还有这些创业公司呢?

  • 这种创业我觉得可能风险会比较高。

这样来讲吧,如果有一些公司他的模式就是教授带几个研究生,从学校里面出来创业,他还是学校里面的做法,缺乏工业界的实战的结合,这种创业我觉得可能风险会比较高,可能受到双方的感召。创业创业这个业要选准,如果只是一个纯算法的东西,我觉得他们最好的出路就是被收购,最最成功的出路就是被收购,因为一个业包括了多方面的因素,包括算法、包括商业模式、包括你的上游数据的资源,缺一不可,不然就不叫业,就叫小打小闹的业余爱好,那就不是真正的事业,业余爱好的东西成不了大事儿。所以现在有相当多的公司做这一方面,没有做成一个业,他在创造一个业余爱好。

  • 真正的有一些比较有潜力的公司。

它找到了一种生态或者一种业务模式,跟它们技术的结合,这种公司有可能会成功,但是有一个前提,它的那个核心技术、它的门槛究竟有多高。因为业务模式一旦出来之后,很快就会被复制。业务模式是没有专利保护性的,所以在这种情况下,他的技术门槛有多高,或者说这个技术门槛对他这个业务模式的成功与否起了至关重要的作用,那么它就有可能独一无二,在它的对手模仿的时候,它还是能够把对手压下去独步向前。但是如果这个技术门槛不够高,很快就会被后起之秀给拷贝了,就像以前的ICQ被QQ拷贝了,是一样的道理。马化腾的历史大家也清楚的。

我想讲的是,有几家公司还不错,然后它们有一些技术壁垒,它们有一些应用场景,所以有可能走得远一点。有一些做人工智能芯片的公司,还是没有像以前想象的那样做个APP就可以上市了,还是需要相对比较长的时期。

现在很多创业公司都蛮好奇阿里云接下来会做哪些东西,在AI技术人工智能是怎样的,他们的活路在哪里?

没有,其实我不觉得阿里云对它们形成威胁,相反其实阿里云是他的朋友,为什么这样讲?至少从我们自己带的团队的角度来讲,如果我发现一家很好的公司,它在做一个很重要的事情,我愿意把它纳为生态伙伴,甚至作为孵化器一起来孵化他,让它长得更快,来一起解一个问题,解一个真正的消费者或者老百姓能够受惠的问题。所以从这一点来讲,我们应该是它的朋友,毕竟阿里云我们不是说把所有的创业公司全部干掉独霸江湖,那个不太健康。

那这种合作伙伴,你们会把平台开放出来,跟阿里云的技术整合在一起一起做吗?

山景:是的。

现在朋友圈讲的比较多的是说,AI圈子里面目前人才紧缺,但是大公司一般肯定不会知道问题以后还坐视不管,我想问一下,您在培养和发现人才方面,有什么推荐呢?

  • 我的推荐是首先到数学系里面去找AI人才,不要去计算机系,这是我第一个推荐,而且是去应用数学系,这是第一个。

因为在今天AI的顶尖人才,我们需要知道一个黑盒子背后他的运算的原理是什么?他的模型的原理是什么?而不是说只会写一个代码,我按这几个按钮最后出来结果,知其然不知所以然的人是非常可怕的伪人才,这是第一个,人工智能当前的领域当中,不缺那些会按按纽,然后用开源,然后跑出结果的人,太多了。大一的计算机系的学生,高中毕业的学生,都有可能。但是我们需要再往顶尖走,你要的是知道这个黑盒子背后,就是按那个按钮的背后那些模型他的原理是什么?我该改什么?来解一个新的题,创造那个黑盒子的人,这是最难的。为什么Facebook花1亿多买MIU的那个教授,他50多岁了,一帮写代码的人拼不过一个高三的人,为什么?因为他知道怎么改黑盒子了,背后的原理他知其所以然,而这一点恰恰是我们现在的一个非常大的误区。大家都是到计算机系,或者搞数据挖掘的,搞人工学习的、机器学习的这种人不缺。缺的就是那种顶尖的,而这一点恰恰我们教育体系有脱节。我们的应用数学系,大家去看一看,毕业生的出路其实是很一般很一般的,这是很不健康的。但是在国外,这些应用数学的人都是非常抢手的,摇身一变华尔街几十万美元年薪。为什么?大家知道数据的力量、算法的力量,你要写一个高频交易的策略,你很快就成为高声的执行董事。所以在我们国内来讲的话,人工智能界的人才,首先我们要的是到数学系去找,或者去培养,或者叫现有的数学系加大对工程能力的培养,让他们能够看到在这个领域当中,其实那些做应用数学的人大有可为。那这样我们高端人才的缺口才有可能慢慢的补上。那中层的执行的,不缺。

  • 所以我经常说,大数据人才的培养,我们要有大数据领域的白领工人,同时也要有大数据领域的蓝领工人。

而现在来讲,大数据领域的蓝领工人是不缺,太多了,BAT里面,随便什么计算机毕业,现在每年的IT招聘,这些都有。但是缺的就是那个白领,白领上面的金领,就是像Facebook买的那个教授一样的道理,能够改那些算法,能够创造新的算法的人,解一个未知的问题,没有模板可用的问题,这种人是最难的。其实也是需要一个是学校培养,还有一个是我们自己在工作当中慢慢的去发掘有潜力的人,然后在实战当中去培养,在战争当中锻炼士兵。

(雷锋网)您的总结两点是吧,第一个是去大学里面找数学系的,特别是应用数学系的;第二是自己培养。

自己培养的话,其实这里面要的是什么?也是数学功底好,肯钻研的那种。如果没有数学功底,这个事儿不好搞。

雷锋网