转载自：INSIDE文：李柏鋒
李开复最近俨然成为人工智能的「传教士」，不但想让所创办的「创新工彻成为最懂人工智能的创投，最近还出了一本新书《人工智能》。为什么李开复这么看好人工智能呢？他对人工智能的发展所带来的冲击是乐观还是悲观呢？
如何判断要投资哪些AI创业团队？
身为最懂AI 的 VC，李开复所带领的创新工场到底是怎么决定要投资哪些人工智能的团队呢？李开复过去曾说，创新工场有50% 的投资都集中在人工智能领域的创业团队，陆陆续续投资了一亿美元在人脸辨识、小额贷款等公司。
李开复不否认在人工智能领域有很多「吹牛」的创业公司并不是理想的投资标的，所以需要精挑细眩问到创新工场是不是用人工智能来挑选值得投资的人工智能团队，李开复则坦言，完全没有，因为创投这个工作是最不容易被人工智能所取代的，所以在寻找投资标的的过程中，也不会利用人工智能，而是依赖更有价值的真人智慧。
那么是怎么挑选团队呢？
1. 创新工场不投资任何未被验证的技术。
2. 即使被验证可行了，商业价值要如何获取也是创新工场所在乎的。
3. 这个团队的人才是不是很厉害？创投不期望团队发明新技术，但至少要懂得如何掌握技术。
以上是投资创业团队的三个基本原则，不过投资不是只负责挑到好的团队就结束了，尤其在人工智能这个几乎都是顶尖科学家的领域，投资其实要非常的投入在其中，不断跟团队讨论如何应用、有没有什么合作的机会，创造出更多的商业价值，成为团队最信任的顾问。
所以目前投资的一些人工智能的团队，像是人脸识别的技术，就去尝试可不可以应用在手机解锁、电商服务、治安应用等领域。而小额贷款的团队，因为中国很多人没有信用卡，但是跟熟人借钱很难堪，这种需求的确存在，只是坏账率很高。透过人工智能的应用，可以用来判断这个人可不可以借他钱？把坏账率想办法压低下来。这些应用都越来越成熟了，以小额贷款来说，目前已经可以达到每个月有150万单，每单达 1000 元人民币，一年累积下来有 180 亿，这已经超过银行的规模了。
对的技术，加上明确的商业需求，就能有爆发性的成长。
人工智能的技术成熟了，但是还没平台化
谈到技术的发展，目前人工智能还是非常强调科学家的参与，跟过去互联网创业的发展不那么重视学历或学术很不一样，是否学历在硅谷又会被重新看重？
李开复认为，现在人工智能才在开始的阶段，科学家的确非常重要，之后随着技术发展的成熟，技术都能平台化之后，当工程师可以像是打开工具箱挑选适合的工具来用那样的使用人工智能的技术，就不需要那么多科学家了，而人工智能也才算普及。现在主流的深度学习技术算是很成熟了，但来没发展到成为平台，所以还需要很多的科学家。
人工智能的特色就是会自我进化，甚至发展到人类无法解读或是无法理解的程度。所以如果透过人工智能来处理要不要贷款给某个人，因为审核的机制是人工智能自己学习而来的，被拒绝了也不知道原因，这会不会造成问题？李开复很乐观的表示，其实也可以反过来利用这个优势，刚好就因为人也看不懂，无法解释可能也是更好的解释，透过人工智能的应用，也保护了一些商业机密。只是，被拒绝贷款还不知道为什么，而且还是电脑决定的，真的没问题吗？
七大黑洞的封闭终将被更开放的生态系取代
在促成人工智能的技术成熟的过程中，开源其实很重要。李开复举例，原本封闭的 Wintel 生态系，随著行动化的趋势，现在程式码的开源已经成为主流了，Github 等的出现，开放的生态系对人工智能的发展奠定了不错的基矗但是除了 code 以外， data 也要开源，可是目前却存在有七个黑洞，也就是美国的 Google、Facebook、Microsoft和 Amazon，还有中国的 BAT，这些企业掌握了非常大量的资料，但是进去了就再也出不来，像是黑洞一样，这对人工智能的发展不是好现象，当然这七个黑洞相对来讲就更有优势。
这七大公司在互联网上当然是很巨大的，可是在一些传统而实体的产业，这些公司的影响力其实很微小，所以我们可以期望将来会出现在资料上更开放的系统，来取代这七大黑洞。其实就科学家来说，这七大黑洞造成很多困扰，因为发展人工智能的技术，需要这些资料，但是这些资料并没有被分享，所以科学家的发展就被限制住了，这也是为什么后来许多科学家不得不去这七家公司，不然研究做不下去，但终究这还是为人所诟病的一种对自我利益过度保护的行为，科学家做研究还得去「乞讨」资料，情何以堪？
所以创新工场的作法就是不只程式码开源，资料也开源，而且对学生合作，因为有许多比较资深的工程师其实也不懂人工智能，但是现在的大学生很多都已经懂了，过去斯坦福大学的机器学习课程一堂 80 个人，今年 1000 个人，这些懂人工智能的大学生，将来就是人工智能发展的人才库，他们会很飢渴的找平台去发展他们自己的才华，而我们就尽量提供他们机会。
反过头来看台湾的学术界，就李开复的观察，其实研究者都处于快要放弃的状态，因为资料没有比人多，又不像是美国或中国有七大黑洞，台湾连黑洞都没有。所以如果有台湾的教授或学生对人工智能的发展有兴趣，接下来可以多发展或是参与开源的生态系。
人工智能未来的发展有三个阶段
对人工智能的发展，李开复提到将会历经三个阶段：
1. 先是应用现有的数据。
2. 接下来是透过更多新的感应器和硬体收集新的数据发展新的应用。
3. 最后则是全面自动化。
这三个阶段发生的时间大概会是未来的五年、十年和十五年。最开始应用人工智能的就是科技产业，像是 Google 的搜索其实已经应用很久了，现在已经是科技公司如果不用人工智能的技术，那就有点落伍了，有资料还不用，那不奇怪吗？
除了互联网公司，还有谁有资料呢？金融产业，而且金融产业是天生就应该要用人工智能的，完全是数据化的一个产业，不管是银行、保险、贷款、征信、投资，都是数据的处理。
李开复是这样看的，一个产业如果有大量的数据、数据带有标签而且是单一领域的，那就是人工智能应用最理想的数据。
金融产业非常符合这三个标淮。而且金融产业很有钱，创业者会一窝蜂闯进这个产业，好好的利用人工智能。
接下来才是医学，医学也有很多数据，像是影像就是一种数据，如果你现在有朋友在放射科，那要淮备改行了。看 X 光片、核磁共振、断层扫描，过去需要累积经验，可是再怎样人的经验都比不上人工智能透过整个资料库去学习啊！人脸辨识，传统可能最厉害的是警察，一看就知道谁是不是逃犯，可是现在在路口架设一台摄影机，有哪个警察可以做得比人工智能好？24 小时不休息、资料库完整，辨识速度快、失误率低。除了影像以外，DNA 也是一种数据，这些数据的处理在深度学习成熟之后都有很突破性的发展，也会是未来的发展重点，接下来可以透过 DNA 来发展更精淮、更定制化的医疗。
连医生都得改变自己的工作内容
所以不要看医生现在是很好的职业，人工智能在一些事情上可以做得比医生更好，例如人的手会抖，机器开刀不会，人的经验有限，机器的经验只被资料库的大小局限。接下来，医生与其说是看病，不如说是成为机器与病人之间的沟通桥梁或「介面」。其实这也不是坏事，现在很多医生一边要看诊、一边要做研究很辛苦，将来人工智能取代了看诊的大部分工作之后，医生可以更专心的去做研究，医学就有更快速的突破了。
谈到医疗与人工智能的应用，就让人想起 IBM 的 Watson 过去也参与了肿瘤的医学研究，不过有趣的是李开复谈了许多人工智能的发展，却似乎很少谈 IBM？李开复认为，其实 IBM 的人工智能并不是基于目前有显著进展的深度学习技术。过去 IBM 的确挑选了一些特定的领域可以提供他们的服务并且获取收入，其实如果真的要去回想有什么人工智能的顶尖科学家在 IBM 服务？有什么突破性的技术？有什么可怕的数据？好像都没有。
上传大脑是虚荣的表现
那么李开复会想要上传自己的大脑吗？李开复认为，人的生命就是会结束才有意义，上传大脑是一种虚荣的表现，觉得自己很伟大、非留下来不可。不妨把世界想像成物理的、表象的或是灵性的、有爱的存在这两种，好好探索一下。如果是物理的世界，每一个脑，值得存吗？我们迟早会被人工智能打败啊！而且如果世界只有物理和表象的一面，那活著也没什么意思，死了就死了吧！而如果是灵性、有爱的世界，这些能上传吗？所以李开复宁可维持一个还有点自知之明的人类，并不想上传自己的大脑。
不想上传自己大脑，那跟人工智能携手合作，应该也可以创造出比过去更好的绩效？李开复认为，许多人都认为人和人工智能的合作是 1 + 1 = 3，但实际上应该是 1 + 一亿 = 一亿又 1.1。在大多数的领域，人类是非常渺小的，人工智能是非常庞大的，所以所有的人都要懂得如何应用人工智能，才能把事情做好。
人工智能来了之后
当然，现在的人工智能还有很多限制，例如科学家正在努力让人工智能可以不需要那么大量的数据，或是人工智能现在还只能处理单一领域的问题，跨领域就卡住了。所以，还有很多事情可以做，也值得做。
首先，人工智能取代人类的工作肯定远超过创造的工作，但是过去被忽略的一些工作，现在会逐渐被重新重视，像是所谓的文科生，哲学、社会学、人类学、艺术等等的领域，人工智能不是做不了这些事情，就是可以改变这些领域。倒不是说这些领域会善用人工智能，而是人工智能取代了很多人力之后，会有更多人力不得不往这些领域去发展，其实也不是一件坏事。
第二，职业会发生转换，过去医生是医疗过程中的主力，但是接下来可能变成是病人与人工智能之间的沟通桥梁，或是转换去做研究。像是老师，可能不再是教学，而是提供学生关怀。所以服务业和志工会是将来人类主要的工作，李开复认为，人类生在世界上，难道不应该多产生一些心灵的碰撞和交流吗？现在的我们都在忙碌于工作，而人工智能刚好把人类释放出来，其实也是一件好事。
