作為第四次工業(yè)革命的引領(lǐng)性領(lǐng)域，近年來的人工智能和大數(shù)據(jù)持續(xù)升溫。最近的AlphaGo事件更是將人工智能的前沿技術(shù)呈現(xiàn)于大眾面前。

大數(shù)據(jù)概念被熱炒多年之后，我們是時候開始關(guān)注大數(shù)據(jù)與人工智能在具體領(lǐng)域中的應用問題。那么，目前大數(shù)據(jù)和人工智能領(lǐng)域還存在著哪些技術(shù)挑戰(zhàn)?如何找到大數(shù)據(jù)和人工智能的創(chuàng)業(yè)入口，利用數(shù)據(jù)挖掘和機器學習的能力創(chuàng)造出更大的商業(yè)價值?

近期，天天投聯(lián)合騰訊眾創(chuàng)、清華啟迪之星舉辦了“人工智能和大數(shù)據(jù)投融資面對面”活動。在圓桌論壇環(huán)節(jié)，幾位學術(shù)專家、投資人、創(chuàng)業(yè)者分別以各自的視角發(fā)表了自己的觀點。

大數(shù)據(jù)和人工智能領(lǐng)域的技術(shù)障礙

大數(shù)據(jù)技術(shù)本身的不可讀性

清華大學機算機系崔鵬教授多年深耕于數(shù)據(jù)挖掘和信息處理領(lǐng)域的研究，他認為不管是大數(shù)據(jù)還是人工智能，從學術(shù)研究的角度來講不是新的概念，核心基本都是圍繞在數(shù)據(jù)分析和挖掘、數(shù)據(jù)建模等工作。

目前在大數(shù)據(jù)的不同層面，都出現(xiàn)了一些提供標準化服務的公司。但大數(shù)據(jù)的核心部分，也就是數(shù)據(jù)的處理和分析，恰恰不容易用一個通用的框架來實現(xiàn)。

大數(shù)據(jù)有很多的數(shù)據(jù)來源，不同領(lǐng)域的數(shù)據(jù)也呈現(xiàn)出非常強的領(lǐng)域特性，我們不可能搞找到一個通用的數(shù)據(jù)模型，來解決所有的問題。因此，大數(shù)據(jù)如果想真正地投入到產(chǎn)業(yè)應用的話，一定是需要將懂大數(shù)據(jù)技術(shù)的人，與某一領(lǐng)域背景很強的人結(jié)合起來，才能夠使大數(shù)據(jù)的分析和處理層面實現(xiàn)比較大的突破。

其實硅谷現(xiàn)在有些公司正在試研發(fā)一些大數(shù)據(jù)的標準化工具，但是就我們了解到的情況來看，盡管能夠獲得投資，他們的存活狀態(tài)并不是太好。因為從企業(yè)的角度來講，它并沒有很好的應用場景。規(guī)模比較大的企業(yè)完全有能力自己構(gòu)建一個數(shù)據(jù)分析團隊，不太可能把所有的數(shù)據(jù)都交給專門做數(shù)據(jù)分析的服務商;而小公司采用這些些服務，還是會面臨工具通用性上的問題。

另外，大數(shù)據(jù)技術(shù)本身的不可讀性，使它目前存在著技術(shù)風險。目前幾乎所有大數(shù)據(jù)的分析，都是基于關(guān)聯(lián)算法進行預測。也就是說，以前有大量的數(shù)據(jù)證明發(fā)生A就是發(fā)生B，基于這種邏輯的關(guān)聯(lián)，我們就會預測在下次發(fā)生A時也會發(fā)生B。

但這些所謂的預測是存在精確度方面的限制的，并且整個過程是一個黑盒子，我們沒有辦法控制。因此，目前的大數(shù)據(jù)分析還不能實際應用于某些領(lǐng)域的一些嚴肅決策之中。2011年，JudeaPearl憑借因果推理模型拿到圖靈獎，這也預示著計算機技術(shù)的發(fā)展將有可能打開黑盒子模型，使大數(shù)據(jù)分析變成一種可解釋的行為。這與目前的大數(shù)據(jù)完全是兩條線。

今年我們也看到一個標志性的事件，就是2015年10月份《科學》雜志出現(xiàn)的文章，只需要非常少量的樣本，只用了幾百個樣本的數(shù)據(jù)，加上人的推理能力在里邊，它的性能比用數(shù)十萬的樣本得到的效果還是好，這也預示著我們盡管目前大數(shù)據(jù)很熱，在很多領(lǐng)域已經(jīng)實現(xiàn)了實際應用，但從技術(shù)的發(fā)展來講，目前的大數(shù)據(jù)技術(shù)并不是一個進口;以前瞻性的投資視角來看，還是應該關(guān)注更前沿的技術(shù)發(fā)展。

機器學習如何運用于數(shù)據(jù)治理

原英特爾中國研究院院長、馭勢科技CEO吳甘沙認為，目前大數(shù)據(jù)與人工智能領(lǐng)域存在的技術(shù)障礙主要有以下兩點：

一是大數(shù)據(jù)工具與特定領(lǐng)域的結(jié)合。過去幾年大數(shù)據(jù)關(guān)注的是最底層的存儲，去解決分布式運算的基礎(chǔ)設施的問題。現(xiàn)在是時候考慮如何進入到具體運用的問題。太計算機化的工具，絕大多數(shù)用戶是不知道如何使用的。從某種程度上來說，如何提供實際可用的工具給不同領(lǐng)域的用戶，有針對性地提取數(shù)據(jù)中的價值，這是現(xiàn)在很多廠商都要試圖解決的問題。

第二是數(shù)據(jù)治理問題。目前大家很少談論大數(shù)據(jù)的數(shù)據(jù)治理環(huán)節(jié)。在傳統(tǒng)的數(shù)據(jù)分析流程中，數(shù)據(jù)清洗花費的時間可能占到整個流程的60%-70%，消耗了大量精力和資源。現(xiàn)在，已經(jīng)有一些機器學習運用于數(shù)據(jù)治理方面的研究和產(chǎn)業(yè)化的嘗試出現(xiàn)，機器學習可以從非結(jié)構(gòu)化的結(jié)構(gòu)中學習出結(jié)構(gòu)化的數(shù)據(jù)，并通過不斷的學習把一些歧義消除。未來大數(shù)據(jù)和人工智能將出現(xiàn)一個交匯點，大數(shù)據(jù)解決通古曉今、見微知著的問題，人工智能則解決認知的問題，二者的結(jié)合會對一些重要領(lǐng)域的發(fā)展起到里程碑式的作用。最近IBM提出了“認知商業(yè)”的概念，某種程度上我們可以將其理解為人工智能和大數(shù)據(jù)的結(jié)合，相信這兩種技術(shù)的組合將會有非常好的發(fā)展前景。

深度學習很好地反映了技術(shù)上面的發(fā)展，但它未必是一種終極狀態(tài)。如何把深度學習和推理、邏輯這些模型、算法結(jié)合起來，把人工智能與現(xiàn)代應用的需求結(jié)合起來，對已有的技術(shù)進行重新組合，搭出一些獨特的架構(gòu)，將人工智能從傳統(tǒng)的感知帶入到擁有決策能力的階段，來實現(xiàn)工程上的創(chuàng)新，是未來非常值得期待的。

人工智能和大數(shù)據(jù)創(chuàng)業(yè)的建議

行業(yè)垂直類的大數(shù)據(jù)項目受青睞

在創(chuàng)勢資本創(chuàng)始合伙人湯旭東、極客邦創(chuàng)始人蔣濤看來，現(xiàn)在一些行業(yè)垂直類的大數(shù)據(jù)項目更被看好，通過三個維度對項目進行評估。

第一是要有基于自然語言處理的核心技術(shù)，二是擁有更多的數(shù)據(jù)源，三是要解決客戶的實際問題，實現(xiàn)數(shù)據(jù)變現(xiàn)。即使是目前的市場容量還不大，但如果能真正解決用戶的實際問題，就是值得投資的項目。

集中精力做到領(lǐng)域化和專業(yè)化

雖然吳甘沙創(chuàng)業(yè)的時間不長，但卻深有感觸。在吳甘沙看來，創(chuàng)業(yè)者首先要明確要解決的問題和自身專注的領(lǐng)域分別是什么。每個領(lǐng)域都有不同的問題，你要解決的問題是不是用戶真正的需求。

第二是短期內(nèi)，你的目標能不能實現(xiàn)。有時不光是技術(shù)上的問題，還要對市場和政策等方面進行綜合考量。

第三個就是合伙人。在人工智能領(lǐng)域創(chuàng)業(yè)還是存在一定的技術(shù)壁壘。如想想做出與眾不同的產(chǎn)品，還是需要能力很強的專業(yè)人才，如果能忽悠到很強的人和你一起創(chuàng)業(yè)，一定是事半功倍的。

利用技術(shù)實現(xiàn)產(chǎn)業(yè)上的創(chuàng)新

圖靈機器人創(chuàng)始人俞志晨認為，在人工智能和大數(shù)據(jù)領(lǐng)域創(chuàng)業(yè)，不僅技術(shù)壁壘很強，對創(chuàng)新能力要求同樣很高，人工智能和大數(shù)據(jù)是一個長線的發(fā)展過程，怎樣用技術(shù)創(chuàng)造出符合當前環(huán)境要求、更具創(chuàng)新性質(zhì)的產(chǎn)品，是最值得關(guān)注和探索的。

憑借數(shù)據(jù)的力量提升領(lǐng)域競爭力

不管是零售還是商城，許多行業(yè)都可以受益于數(shù)據(jù)驅(qū)動的方法和技術(shù)。崔鵬教授分析到，大數(shù)據(jù)的投資熱也持續(xù)了很長一段時間，“大數(shù)據(jù)”的概念也慢慢被透支。如何判斷這個公司是不是真正利用大數(shù)據(jù)技術(shù)的本質(zhì)在做產(chǎn)品，利用數(shù)據(jù)的力量提升在某一垂直領(lǐng)域競爭力，而不是只扣一個概念。

對于用戶來說，自己做大數(shù)據(jù)分析是一什非常奢侈的事情，因為它不是買幾個工具就可以做成的，而是要真正懂得怎么樣對數(shù)據(jù)進行建模，怎么樣進行數(shù)據(jù)分析，并和公司里其他部門深度耦合才能解決。一些初創(chuàng)公司不具備這樣的實力，可以向一些研究機構(gòu)或是高校尋求“產(chǎn)學研”方面的合作，這也是很好的方式。

利用已有的能力和基礎(chǔ)加速進展

數(shù)據(jù)堂CEO齊紅威坦言，他在創(chuàng)業(yè)的過程中同樣經(jīng)歷了很多的失敗和挫折，總結(jié)出三點建議和大家分享。

專注。尤其是在創(chuàng)業(yè)初期，精力和時間都是有限的，領(lǐng)域化、專注化非常重要。

開放的思維。尤其是在VR、AR和大數(shù)據(jù)領(lǐng)域，一定要想辦法利用已有的能力和基礎(chǔ)，比如數(shù)據(jù)層面的基礎(chǔ)或者技術(shù)層面的技術(shù)，這樣會加速你的進展，不要所有的事情都自己從頭做。

耐心。這件事情不比其他的領(lǐng)域，尤其移動互聯(lián)網(wǎng)靠一定模式砸出來，要累積技術(shù)能力，要有很強的耐心。

結(jié)語

AlphaGo令人震撼的思維能力背后，是大數(shù)據(jù)挖掘和學習能力。隨著硬件的達標，算法的進步，數(shù)據(jù)的積累，也使我們在人工智能的垂直領(lǐng)域看到了更多新的機遇和想法。大數(shù)據(jù)與人工智能將成為企業(yè)發(fā)展的強大助力，產(chǎn)生更大的商業(yè)價值。