ai和机器学习的基础知识（深度这家AI公司）

雷锋网按：日前，在由中国计算机协会（CCF）主办，雷锋网和香港中文大学（深圳）联合承办的CCF-GAIR 全球人工智能和机器人峰会的AI 创投专场上，主持人Comet Labs中国市场负责人王星曾携昆仲资本、红点投资、雲九资本、源星资本、国金投资一起探讨了这样一个主题：在AI领域有没有可能成长出Google、Facebook这样的巨头企业？

五位投资人中，有3位对此表达了相对乐观的态度。昆仲资本创始合伙人姚海波更是直言：

“AI领域一定会出无极公司。AI不仅连接了人、信息，同时还连接了物，所以一定会出现超越Facebook、Google的公司。”

无独有偶，海外业界也同时进行了关于这一主题的探讨。

近日，国外科技媒体 VentureBeat 发表了一篇文章，《How Google, Amazon, and Facebook would look if they had started in the age of AI》，作者Dean Takahashi在文中提出了这样一个设想：过去几年间，人工智能已被很多公司应用在自己的核心业务中，比如AI 搜索、AI 电商、AI 网络安全等等。如果，这些业务形式在AI刚出现时就存在，而各个公司从一开始就将AI应用在这些业务形式里，情况又将怎样呢？

Peter Relan在MobileBeat 2017大会上（图片来源：Michael O'Donnell/VentureBeat）

针对这一问题，YouWeb孵化器的创始人Peter Relan在MobileBeat 2017大会上接受VentureBeat采访时作了回应。Peter Relan是一位著名的企业家和投资人，创立的YouWeb已经成功孵化了一些创业公司，如OpenFeint、CrowdStar等。而Relan新成立的Got It，是一个提供知识就业服务的平台。据雷锋网了解，当用户（专业人士及学习者）向Got It平台提出问题时，该平台会通过机器学习算法来计算出可回答该问题的人类专家，从而让用户和专家基于该问题进行10分钟或20分钟的会话。

据Relan介绍，目前该平台已有25万人申请服务，12500人获得了专家地位。Relan认为Got It是一个典型的AI 应用的例子，因为其诞生于AI时代的繁荣期。

以下是VentureBeat采访Relan的实录，雷锋网对其进行了不改变原意的编译：

VentureBeat：如果Google、亚马逊和Facebook从一开始就使用AI算法，情况会如何呢？

Relan：刚才大会上有演讲嘉宾提到，AI在80年代经历了一个流行阶段。当时，我还在上大学，而AI相关言论的炒作一直蔓延到90年代。而到了2000年以后，业界基本将注意力放在了Web 2.0、社交等方面。事实上，从那时起，科技巨头并没有将AI视作他们的核心业务。

VentureBeat：但是这些巨头都诞生于此。

Relan：是的。所以回过头去看，这真是一件让人意想不到的事情。如果你现在正创立一家AI公司，那么母庸质疑AI一定成为公司的核心战略。所以我选择了几家AI初创企业密切关注，就是先看他们是否将AI作为业务的核心。

以Facebook举例，众所周知它是一家社交巨头，月活用户已超20亿。所以Facebook的内容全由基于社区的用户来生成。如果Facebook从一开始就应用AI技术，那么第一个解决的问题应该是“内容该如何表现“。2007年-2008年，Facebook开放API引发了全民玩游戏的热潮。当时的 FarmVille （开心农场：Facebook上的一个模拟游戏），据当时的网友反映，用户的第一个投诉就是关于垃圾邮件的。因为大家都收到了该款游戏的好友邀请。

VentureBeat：是的，当时在Facebook经常收到这类消息。

Relan：Facebook早期的核心策略是让社区处理这类骚扰信息，但是这一状况一直持续到FarmVille出现在Facebook的垃圾邮件达到临界值才有了变化。2010年，我和扎克伯格见面，他就此回应说，“它完全摧毁了网络”。然而有趣的是，游戏对于任意一个新平台都是最重要的应用之一，但显然也很容易失控。

再看今天，哪些是不好的内容？10年前充斥着和游戏有关的垃圾邮件，而现在就当属假消息了，并且还是当时的10倍有余。FarmVille目前已有2亿用户，而Facebook用户则达20亿。如何消灭假消息？成为大家都面临的一大难题。

如常人的逻辑，你可能认为Facebook会采取“社区处理”的方式来停止虚假消息的蔓延。但是在2016年，Facebook坦承自己已在系统里内置了AI程序，他们正利用AI和人工的结合来识别、处理虚假消息。这也意味着，Facebook依然坚信用户社群运营对不良内容的控制作用。

Got It用户使用AI发现人类专家的服务示意图（图/Got It官网）

VentureBeat：你认为Facebook正在调整整体战略，专注利用AI去清理网络上的垃圾内容吗？

Relan：我认为这是不可避免的。就算你能100%控制你的公司，你也不能忽视技术的力量。事实上，在我们公司Discord（一家游戏玩家的语音聊天社区）也遇到了相同的问题。目前，这一社区已有5000万用户，达到了Facebook的1/40，Discord已经成为游戏玩家聊天社区的中心。但是我们发现，他们聊的话题并不止于游戏，还有其他各种话题。所以，为了社区环境更正向的发展，我们运用了图像识别技术，来监测社区里是否有关色情、暴力等信息。即使是在社区平台上，作为创始人，你依然可以借助AI的力量来阻隔不良的内容。

VentureBeat：所以你还是认为，处理不良内容最终仍然需要人力干预？

Relan：其实这涉及到一些异常环节。一方面，由于社区里的用户过分庞大，每个人都可以自由发言和聊天，所以我们的工作必须引入AI引擎。但在一些异常和边缘事件上，我们还需要为用户提供一些工具。比如，AI并不知道“我该做什么”，或者用户在社区里看到一些“我不能接受”或“这令人反感”的内容时，都需要人力去做出干预和管理。

VentureBeat：Got It这个平台也涉及到人力管理，不如跟大家介绍一下这个平台吧。

Relan：Got It是一家新公司。它的创立源于这样一个想法，“如果亚马逊可以提供虚拟机服务，那为什么不让知识成为一项服务呢？”如果你想了解某些内容，不但可以通过Google和搜索来得到。同时，浏览社区和论坛也不失为一种途径。但是，这两项并不能算作真正的服务。因为服务必须遵循四大关键标准：

一、有一个明确的标准。Google搜索得到的结果，往往从几条到几千条不准，用户不确定能得到多少条结果。

二、它必须有一个确定的价格。

三、它一定是有需求的。

四、必须是有保证的。

可是你去看Google或Quora，无一符合以上四项标准。而社区和论坛自不用说，用户提出的问题，也不能保证一定会有人解答。

所以，我们在创立Got It平台时，试图将其建立成类似于亚马逊的服务平台。即它会针对每位用户的问题，在一定时间内通过先进的机器学习算法来帮用户找到可回答这一问题并标注了明确价格的专家。所以，在这个过程中，不管是机器算法还是专家的价格，都是明确且便于理解的。

Relan在接受VB采访（图：Michael O'Donnell/VentureBeat）

VentureBeat：这个过程有一个重要角色——人类专家。

Relan：对。用户和专家的对话，有的10分钟，有的20分钟。在会话结束之后，用户还会就此过程进行评分。事实上，这是一项很有技术性的工作。举个例子，你正使用Excel来完成某项工作，但是不熟悉操作。于是你上Got It找到了一位专家，并和其一起工作了10分钟。当然，Excel的操作问题并不能通过简单的10分钟就能学会。但是，有趣的在于，你找到专家的这个过程使用了AI算法。所以，我依然认为，任何内容的交互都不能取代人与人之间的沟通、交流和联系。

图片来源：YouTube

最酷的在于，找到专家的这个过程并不是简单的人类互动，它还有机器学习算法在其中助力。我们运用的算法和Google使用的ageRank一样。Google现在有了一个新的系统——RankBrain，即除了内容之外，是Google首次公开承认的，使用AI为用户推荐最合适的页面的系统。而我们在Got It平台使用的系统叫做ExpertRank，是一个在实时拍卖中投标以在固定时间段内在一对一聊天会话中提供可解决用户问题的专家的系统，该系统还能提供服务保证。

所以，将人和AI结合在一起，无论是在Facebook还是Google上，都是一件有趣的事情。因为搜索引擎本身就是在服务器上运行，而加在搜索系统上的AI引擎依然还是在服务器上工作，这是一个真正基于服务器的系统。但是，我们也要正视一个事实，即目前而言，仍然只有15%的查询搜索是在AI的帮助下被回答的，而剩下的85%仍在使用传统的PageRank。

事实上，目前AI辅助驾驶非常受欢迎，从无人驾驶行业的发展即可见一斑。不过，若要对比特斯拉和Google的Waymo无人驾驶汽车，二者的策略很不一样。就特斯拉而言，其采取的策略为AI辅助，即如果没有人在旁边，它就不会开车。不过特斯拉较Waymo和Uber更优秀的在于，其在AI助手上领先一筹，从而拥有更多的数据。

VentureBeat：所以你会认为“AI 人类”的组合方式让解答更有效率？

Relan：因为这样你会有更多的数据。业界普遍认同这样一种观点：AI即数据。数据越多，AI越成熟。事实上，当一个社区的不良信息越多，用户就越难以忍受这些内容。相反，假消息越多，打击假消息就越容易。因为人类可以训练AI 来辨别虚假消息。

这与Google Search相似。搜索量越大，Google的搜索算法Hummingbird （蜂鸟）就能更快的了解这些问题。事实上，Hummingbird即为实际了解查询的RankBrain算法。你对它训练越多的问题，它就能更好的理解查询的结果。

VentureBeat：这里有一个问题，你们如何缩放人类的参与？我可能是某领域的一位顶尖专家，但是不会在凌晨3点回答问题。

Relan：其实Got It的想法非常简单。这世界上大约有70亿的人口，而每个人都有不同的问题和需求。可是，如果要把每个人的问题具体匹配到一个具体的人来回答，这个系统暂时还是缺乏的。所以，我们想建立一个类似于Facebook这样强大的知识网络，只是没有社交的成分。Got It最有趣的在于，你和专家对话的10分钟里，你大脑储存的知识以及你掌握的知识，在沟通的过程中不仅互利共通，而且边际成本为零。

所以，我们的愿景是，通过Got It让每一个人都成为系统中的某位专家，并建立一个可为每个问题找到“正确的人”的AI引擎。目前，Got It平台已经进行了300万次的会话，拥有12500位网络专家，每天新加入的用户超过200人，拥有25万的申请量。

我们并不缺乏人，因为他们一直存在。我们也不想替换人，我们需要的只是AI，可以帮助我们找到回答问题的人类专家的AI。

VentureBeat：你们的AI算法会着重看哪方面的数据？未来会走什么路线？

Relan：Got It平台的算法会查看每一个对话的数据。并根据六个因素来调整专家的等级，如：

一、礼貌。因为这是一项用户付费的服务。

二、同理心。即能感受用户的感受。

三、准确度。即专家是否实际解决了用户的需求。

四、个人信息。即经过10分钟的会话之后，二者是否试图交换过个人信息？

......

针对10分钟会话中，二者交流沟通的信息量及具体内容的情况，在会话结束之后，该专家的等级就会得到相应的调整。

Got It的路线图非常明确，即永远不会取代人类。但是我们会一直运用AI来清除不良内容，以提供更好的服务。所以，我们要求该平台上的AI引擎，不仅能像Facebook一样，利用AI阻隔不良信息，同时也希望能像Google一样找到相对精准的专家，提供精准的解答。

而随着时间的推移，Got It必将越走越好。因为数据不断在改进，找到的人类专家也越来越多。只要我们对AI进行更多数据的训练，平台上的对话则会有越来越好的结果和体验。

所以，这必将给亚马逊也带来挑战。因为我们中的很多人，都需要更多的计算能力。随着计算需求的增加，你如何确定你是否得到了最好的资源来解决这一需求？如果这一需求涉及到一个大的数据分析问题，可能就需要聚合不同的资源来解决。

所以，需求和服务之间的相关性，是亚马逊在未来需要思考的一个重要问题。即便Alexa和Echo帮其集聚了海量用户，但是，作为一个平台，我们必须保证，当需求出现时要为这些用户找到最合适的资源。而这点，在AI应用呈现爆发式增长的大环境下显得尤为迫切。

Via VentureBeat，雷锋网编译

,