全球智能手机增速放缓，移动互联网从硬件到工具再到内容，整个移动互联网产业链都非常成熟了，atv，大的创新的机会已经很少了。

　　李开复提到AI 处在技术黄金期，谷歌战略由移动先行转到人工智能先行战略。那么人工智能商业化离我们还有多远？想进入该方向的创业者该如何准备？

　　本期分享者朱祎舟，峰瑞资本科技组负责人，前出门问问联合创始人。侧重于人工智能、数据服务、新能源等科技领域的投资。

　　本文问答内容为朱祎舟在怒马 APP 上的分享剧透。如果你想要赶上人工智能这股创业浪潮，一定不要错过 10.26 号朱祎舟在怒马 APP 上的分享，点击文末 “阅读原文” 即可报名。

　　话不多说，先看剧透内容。文中的部分名词如人工智能用 AI 代替。

/ 01 /

今年的AI有什么不同？

　　怒马：今年是人工智能比较热的一年，像 ALPHA GO, 神经深度学习，那么这次人工智能浪潮有什么不一样吗？

　　朱：我觉得最大的不同还是技术更成熟吧。一个是互联网带来了大量的数据，另一个是神经学习算法的突破。在以前更多的是在专家领域圈子内的讨论，随着移动互联网的兴起，特别是手机硬件的成熟，像手机有了麦克风和摄像头，对应的是人工智能比较热的语音和图像领域。所以最近人工领域火起来是有他的基础的，可以做很多切实的商业化的产品。

　　怒马：今年的深度学习，可以有多智能？

　　朱：以前是人把算法写的边界比较广，看起来好像什么都知道，但其实还是很僵化。现在的神经网络学习，人类设定一个函数，机器就可以自行学习。神经网络系统甚至比人类更善于模式识别，但是它们并不能推理。

　　举个例子：传统方法肯定是看到那里有个机械手，就写好函数，move 到 xyz 标注的空间点，利用程序实现一次抓取。

　　而谷歌现在用机器人训练一个深度神经网络，帮助机器人根据摄像头输入和电机命令，训练机器人的手眼协调。机器人会观测自己的机械臂，实时纠正抓取运动。所有行为都从学习中自然浮现，而不是依靠传统的系统程序。据公开资料，没有训练的机械手，前 30 次抓取失败率为 34%，而训练后，失败率降低到 18%。这就是一个自我学习的过程。

　　怒马：现在除了最热的深度学习，还有没有其他方向？

　　现在比较主流的都是在研究深度学习，他的应用是最广的，比如大数据下的学习训练，但很多情况下不一定有大量的数据。这时候除了深度学习，在国外，也有人在研究迁移学习，就像人类一样能够举一反三，可以将一个领域直接迁移到另一个领域。

/ 02 /

AI 的商业化问题

　　怒马：我在使用很多软件做语音速记，错误率仍然很高，什么时候可以像手机这种硬件产品一样成熟？

　　朱：是的，语音识别在识别长句子效果还是不好。语音识别和手机还不一样，他其实不止是语音识别率的问题，而包括周围的环境噪音，也受手机硬件的精度影响，他是一个很综合的问题。所以要达到一个真正的智能还是很遥远的，但是作为在某一个特定的环境下的商用还是可以。

　　怒马：如果说现在开始进入人工智能这个行业，创业公司需要具备什么样的条件？是不是只有大公司才可以做？

　　朱：人工智能还是需要一定技术门槛的，适合在国内外学习或者从事这个领域的人来做。

　　我觉得小公司的机会在变大。因为人工智能的整个趋势就是技术门槛在快速地下降，包括美国 Google、Facebook 都在发布通用的算法框架，他们开源了很多项目，让新人进入的门槛更低。然后学习这方面的人也会越来越多，第二波的人可能会在不同的垂直领域去把技术用进去，做具体的产品应用，比如医疗领域，车、机器人、金融等各个领域。

　　像人脸识别技术，已经有足够的开源数据了。作为创业公司就可以不需要特别懂人脸识别技术，只需要做好产品商业化就可以。