第152章:即…自我情感邏輯分析

全能科技巨頭 第152章:即…自我情感邏輯分析

“phc不僅僅是一款產品，它是一個全新的領域，是一片全新的藍海生態，它所具備的能力足以孕育下一個十年的科技巨頭，在未來的十年，這里將會誕生一個又一個的獨角獸公司，乃至超級獨角獸公司。”

“我們海岸線公司將致力于以phc為基準去打造并豐富這個閉環生態鏈……”

發布會現場，當葉華說到“閉環生態鏈”這個故事的時候，所有想要進軍phc的人猛地清醒過來，然后心情變得愛恨交加起來了。

果然啊！

但凡混科技界的，尤其是混互聯網科技圈的業內人士，在聽到“閉環生態鏈”的時候，無不第一時間想到了喬布斯為蘋果打造的閉環生態體系。

這意味著海岸線公司也要打造一個類似于phcstore應用商店，也將意味著只要在phc平臺上線內容，對方要獲得抽成。

和蘋果公司一樣，這特么就是躺在無數第三方開發者身上賺錢的節奏啊，可以說第三方對這種閉環生態體系是又愛又恨，順帶也抱怨了一波喬幫主，都是他帶的頭，要不是逝者為尊，真想連帶喬幫主一并大罵了。

然而，罵歸罵，在罵的同時想要打造閉環生態的公司一抓一大把，因為大家都知道建立閉環生態能夠打造堅固的護城河，可以賺大錢啊。

葉華這種決議，固然招人罵，不過只要能夠賺到錢，都不是大問題了，蘋果公司已經開了個好頭，第三方也愿意接受，前提是能夠賺到錢。

“生態”這個故事葉華并沒有著重的強調，只言片語的提了一下就足夠了，因為這是講給第三方聽的，這些人都懂其中的道道，不需要過多的贅述。

而葉華清楚關鍵在于用戶和銷量，你phc銷售不出去，“生態”這個故事講的天花亂墜，那些第三方也不鳥你。

但phc賣出去了，形成用戶規模了，等于你有了一個龐大的基礎設施了，你不講，那些第三方也都會天然的趨之如騖，畢竟，天下攘攘皆為利往。

所以，核心還是用戶與銷量，最終消費者才是一切的前提。

權重問題葉華始終分的無比清楚，停頓了一會兒，在舞臺上走了幾步接著說道：“如果把它比作一個生命，phc是骨干，全息顯示是面貌形象，但一個完整的生命似乎還缺少一個內在的靈魂……”

這話一出也是勾起了不少人的好奇心，人們也聽出了言外之意，這是在暗示還有一款重量級的產品？

頓時，葉華說道：“強大的ai是賦予phc靈魂的關鍵。”

不少的業內人士小小的吃驚了一把，海岸線公司居然在研發人工智能？不過很快便釋然了，現在的科技公司不跟人工智能沾一下邊都不好意思說自己是一家科技公司。

海岸線這樣的企業，在研發人工智能絕不是什么意外的事情。

但驚訝的地方是在于他們居然就能這么快的推出成熟的ai應用了？要知道，在場的人可是很清楚海岸線公司今天的發布會是推出一系列產品，這技術開發能力也太恐怖了！

但更多的，大家都期待的地方在于葉華在ai領域的建樹如何，牛皮現在已經開始吹了，但最終能不能像全息科技那樣驚艷世人才是最關心的。

“在公布海岸線公司的人工智能產品之前，在對它進行評價之前，我們或許該了解一下當下全球人工智能領域是一個什么樣的發展狀況。”

此時此刻，發布會現場響徹這葉華的聲音，他在舞臺上從容淡定的踱步而走，侃侃而道：

“或許大家通過各種信息渠道，聽說人工智能馬上就要超過人了，今天這個時代人工智能的話題比任何時候都火熱，甚至說要取代無數人的工作，很多人關心人工智能的發展，但是，他們并不是因為對科技發展感到多么歡欣鼓舞，真正的出發點是始于一種焦慮的心態。”

“我更相信大家突然這么關心人工智能領域，更多的是關心自身的工作是不是在可預見的未來就要被人工智能給搶了。”

關注發布會直播的吃瓜網友和現場的粉絲都默默的在心里點頭，這的確是很多人所關心的焦點，畢竟，飯碗很重要啊。

葉華繼續道：

“那么當今世界的人工智能到底發展到什么程度了？好像已經無比迅猛了，人工智能已經可以干絕大多數的工作了等等，但如果你去問業界的專家，得到的答案是相反的，他們關心的是現在的人工智能做的事情還是太少，而不是太多。”

“至于那些討論人工智能取代人類，消滅人類等等哲學向的問題，我可以肯定的說，這些人都不是真正研究人工智能的專家。”

此話一出，導播惡趣味的把直播鏡頭給了位于前排坐席區的埃隆·馬斯克，來了一個三秒左右的特寫鏡頭停留在馬斯克身上，后者淡定的盯著舞臺，表情上看不出這位大佬此時的內心波動是個啥。

一些科技產品發燒友正在看直播，看到這個鏡頭特寫，在聯想到舞臺上葉華剛剛言論，瞬間秒懂。

因為埃隆·馬斯克就是發表過對人工智能擔憂的名人之一。

這個時候，給這么一個鏡頭，導播李時珍的皮。

彈幕也是各種皮。

硅谷鋼鐵俠也是要面子的好么。

不過，埃隆··馬斯克的確不是研究ai的專家，他擅長的領域是玩搞火箭回收技術，搞電動汽車的，ai還真不是他的專業。

與此同時，舞臺上的葉華說道：

“有一點我必須要吐槽，個別媒體甚至一些主流媒體，現在對于人工智能夸大宣傳已經到了讓我們這些搞ai的業內人士非常吐血的程度。”

現場頓時傳來一陣低潮的哄笑聲。

“例如，我看到媒體經常拿出來說的人就是已故霍金先生了，毫無疑問，霍金先生是一位偉大的學者，那么他是做什么的呢？他是一個物理學博士，是研究黑洞、研究宇宙學這些領域的權威專家，但他從來沒有搞過人工智能，而且霍金先生患有漸凍癥多年，本來就沒法做科研了。”

“結果媒體把他當成了一個人工智能領域的專家，去請他出來大談特談人工智能的危險，這本身就是一件很滑稽的事情，不免有炒作熱點的嫌疑，在我看來就是蹭ai熱度。”

“所以為什么要把一些非專業人士的觀點看得那么重要，甚至奉為經典和真理？應該去看那些真正研究人工智能的資深級專家，那么會發現他們有一種戒慎恐懼的心里，包括我也覺得現在的媒體把人工智能說的太過了。”

“人工智能的發展可以追溯到上個世紀50年代，是一個很曲折的發展史，也很無奈，因為大家都是一哄而上，過不了多久便一哄而散，每次都是對它寄予厚望，然后一大堆人進入這個領域，包括大量的資本，最后發現沒有什么突破立馬全跑了。”

“近年來人們再一次趨之若鶩，現在任何企業都覺得只要和人工智能沾邊一下就高大上起來，市值翻倍、翻幾倍，覺得特夢幻，不可思議。”

“那么現在的人工智能是個什么狀況？大部分人研究人工智能，我覺得應該說是應用，整天媒體上說人工智能又做到這個、又做到那個，下棋又贏了，打游戲又贏了，這些其實在業內人士看來都是一種比較簡單的技術路線。”

“簡單來說就是采集大數據，標注數據。例如搞圖片識別技術的，用大量的數據來訓練，再去做一個相當于擬合的工作，一個多元函數，你不知道這個函數結構長什么樣，但沒關系，你有大數據擬合，這其實就是一個神經網絡的思想而已。”

“最后擬合出結果來，對一個輸入給出一個很好的輸出，就可以識別出來這個圖形到底是個什么東西了，識別能力甚至比人還要高。”

“這個當然好，但前提是你得有數據支撐啊，而且是海量的大數據做支撐，這其實是人工智能研究的一個比較低級的技術路線，而且建立大規模的數據中心非常非常消耗能源。”

“而現在出現了一種比較高級的路線，那就是alphago的那種路線，但還是離不開大數據，不過區別是這個數據不是靠人工標注了，而是讓ai自己跟ai博弈，然后讓它自動生成數據，這就是alphago后來為什么變得那么強的原因。”

“它一開始是學習人類的棋譜，再次升級之后就變成alphazero。為什么叫阿爾法零？因為它不需要學習人類的棋譜了，他從頭開始唯一給它輸入的就是圍棋規則，然后在這個規則框架之內自己跟自己對弈，很快就能積累數據，迅速找到圍棋最好的做法，從而超越人類。”

“所以這是一個比較高級的技術路線，對于研發能力也要不小的要求，尤其是對于計算能力和算法的要求，alphago團隊最大的貢獻是證明了這條路可以走，所以不失為人工智能發展的一大進步標志，而這直接導致了我們現在很多行業都刷新了技術，做到了以前做不不到的東西，例如圖像識別技術，具體點人臉識別的應用就帶來了很大的商業價值。”

“但這條路線在我看來依舊太狹窄了，遠遠不夠好。在我看來，當前市面上所有的人工智能其實都沒有智能，我知道我這話說出來肯定會引發爭議，那就要看怎么去定義智能了。”

“我的意思是，當前市面上的人工智能應用，它唯一做的都是數據統計與分析，都是你給它大數據，然后他從中學習，從而得出一套基于大數據它做的比人更優秀，所謂大數據深度學習就是這么個意思。”

“但這真的是我們人類學習一個知識的方式嗎？我覺得壓根不是，舉個例子，鸚鵡和烏鴉，大家都知道這是兩種鳥類，差不多大小。鸚鵡學舌很聰明對吧，但我想說的是鸚鵡比烏鴉弱智太多。”

“為什么？似乎鸚鵡看起來很聰明，你在它面前說幾句話重復幾次后它就學會了，鸚鵡學舌嘛，模仿人類說話也很標準。但是你如果去嘗試跟鸚鵡對話，你就會發現，它根本就不知道自己在說什么，因為它不能理解說的那些是什么，僅僅只是一個機械式的重復而已。”

“同樣，現在很多所謂的聊天機器人，大家平時接觸到的人工智能應用的聊天機器人，網上也有很多跟聊天機器人對話的視頻、截圖，乍一看很驚艷，例如微軟科塔娜、小米的小愛同學……好吧，我不是特地針對哪個ai產品，我的意思是市面上所有的人工智能都一個樣（辣雞）。”

又是引來一陣哄笑聲，觀眾們都下意識的在心里幫著補充了“辣雞”二字，也就葉華敢這么說出來了吧，一下子把市面上的ai都給否定了，現場的媒體是最樂意看到這樣的事情發生了。

拱火啊，這是媒體最愛干的事情。

而葉華接著說道：

“為什么這么說？首先它是不是已經通過圖靈測驗？至于網上腦洞大開的說它們是故意不通過圖靈測驗的那純屬扯淡，理由很簡單，上限就在那兒，你不能說讓一個三歲小孩去理解微積分，他沒能理解就說他故意的是吧，好，這個腦洞謠言破掉了，那么它是不是具備自我意識了？顯然，沒有！”

“我記得沙特授予了英國人開發的人工智能索菲亞以公民身份，看起來很震驚，當時也引起媒體熱議。但實際上你真不能跟它多聊，聊多了你就會發現其實它就是東拉西扯，來來回回就那么幾句，你可能就會發現它其實并不知道自己在說什么，就跟鸚鵡學舌一樣的道理。”

“那為什么說烏鴉就聰明呢？一個真實例子，我說的這個烏鴉是現實中的烏鴉，是拍攝下來的。”

這時，發布會現場投射出一塊巨幕，播放著一段年代久遠的記錄畫面，渣渣畫質。

“畫面里的這只烏鴉，它拿到一個高堅果，想吃到里面的果實，但又啄不開果殼，怎么辦？”

“于是它做了一個觀察，發現高堅果落在公路上面，汽車輪子一壓就出來了，ok，烏鴉做出這個觀察，同時它也意識到這樣的汽車在公路上來來往往是不能去吃果實的，因為太危險了。”

“然后它做出了第二個觀察，發現馬路上是有紅綠燈的，紅燈的時候汽車就不走，這個時候可以安全的去吃果實了。”

“同時烏鴉做出一個推論，在這個紅綠燈路口觀察到的事情，在另一個紅綠燈也通行。”

“看，這是多么聰明的一只烏鴉，人可能看到這個例子會說這是表現出真正的智能。但烏鴉做事的范式，跟我們平時理解人工智能的那種情況正好相反，人工智能用大數據分析做小任務，烏鴉呢，是用小數據做大任務，完完全全相反。”

“烏鴉得到了什么數據信息？它只是觀察了屈指可數的幾個例子而已，因為它的生命只有一次，它不能自己跑過去以身試驗，不然早就死n次了。”

“所以，真正的人工智能是能夠通過很小很有限的數據就能提煉出其中的內在規則，最后進化出立刻就能推演一個很靠譜的執行范式。”

“為什么能夠做到這一點呢？因為它有因果關系，而傳統的人工智能僅僅只是一個統計并做相關性的數據分析。”

“再舉個栗子，公雞打鳴太陽就會升起，兩者是一個相關性的關系，但并不是因果關系，不是說因為公雞打鳴所以太陽升起，事實上我們都知道，打不打鳴太陽每天照常升起。”

“所以這里有一個核心問題，因果邏輯與相關邏輯是不一樣的，這很重要。”

“不然你比如我們去做圖像識別，識別的根本是其功能，例如人一眼就能看出這個房子里這里是廚房、書房、臥房等等，因為我們首先想到的是這個地方的功能是干什么的，這樣就能馬上看出圖像中的很多特征。例如人可以輕松判斷出一個現代書房和一個古代書房，雖然看起來外觀相差很大，但如果用現在的計算機去或人工智能去識別，根本不會認為這是兩個同樣的東西，它怎么都識別不出來，但是人一眼就能準確下判斷，這就是書房，因為它的功能是一樣的。”

“這就是因為人是能夠分析出其背后的因果關系。”

“研究人工智能同樣不能忽視這一點，所以想要做人工智能我覺得要從兩點去考慮，一個是物理規律，即物理世界的自然界規律，比如一個物體要怎么方才能穩定，需要一個什么樣的支撐；其次就是人的動機，這個是用來驅動人去思考，用我自己的話來說，即……自我情感邏輯分析！”

“而我們海岸線公司的ai研發，走的就是這么一條路線，并取得了革命性的進展……”

言外之意，葉華這是在暗示真的已經創造了真正意義上的人工智能了？這話一出，無異于一枚深水炸彈被引爆，現場的業內人士無不為之震驚。