论AI的自然语言识别NLP

                                                 李万鸿2016-3-2

   人类的知识体系是建立在语言文字基础上的，因此，AI对自然语言的学习、理解、掌握和思考是非常有价值的技术，也是AI未来的发展方向，百度、google都在研究这个技术。下面谈谈AI对自然语言处理NLP的思路和看法。

   目前一般使用基于大数据的机器学习技术来处理自然语言，如神经网络算法、SVM等。NLP的处理包括：机器翻译、语义分析、词性标注、文本识别等。NLP的核心技术在于把文字进行分词，然后转化为向量进行计算，通过各种算法计算后得到结果。对于NLP来说，理解语言文字的意思是关键所在，比如“苹果”这个单词，需要理解是吃的苹果，还是apple公司。能够理解语言文字，尤其是文字之后，AI就可以自动学习人类所有的知识，然后提高AI的能力，能象人一样思考、说话，运用学到的知识，自己发现问题、分析问题、解决问题，从而具有人的智慧，这就是AI的终极目标。NLP功能的发展，计算机可以和人谈话，目前微软的小冰机器人、百度的机器人都可以进行简单的对话。随着AI的NLP功能提高，计算机和机器人可以象人一样思考和工作，极大地提高生产力的水平和效率，把人从繁重的体力劳动中解决出来，有更多的时间学习、思考、修行，发展内在的精神和心灵。

为此，计算机科学家、语言科学家等各种科学家需要联合攻关，

还可以和已经与地球取得联系的外星人合作，开发下一代具有高智能NLP功能的AI，能学习掌握世界上所有已知的知识，打造“最强大脑”，这个大脑为人类的幸福工作，造福每一个人。

最近一直在从事自然语言处理方面的学习，我想先就自己浅薄的了解说说自己的学习和感受。首先我想要吐槽一下baidu，广告打得真的是让人痛心疾首，3年在糯米200亿的投资（来自: 网易科技报道）还不如做成糯米团子。但是瑕不掩瑜，作为国内最有影响力的搜索引擎，无疑给我们的生活带来了很多改变，至少她的出现缩小了我们获取知识的差距，在一定程度上使得信息公平和平等（多么的难能可贵），一言也难以道尽其间好坏。

接着说说一个做自然语言处理的人，以及身边朋友、同学遇到的迫切解决的问题。信息爆炸似的增长，我们获取信息的方式方法却远远赶不上。就在前一刻我还在baidu搜索关键词“本地连接中IP地址修改不了”，搜索出来的结果却不尽人意，并没有解决我的问题，作为一个专业学习者，我可能有意识的调整自己的搜索关键归词“本地连接 IP无法修改”。很多人并不知道调整搜索关键词，这就需要让搜素引擎更懂人的语言，先要让机器明白语意，比如LDA等方法就可以提取语意信息。很多的时候会有朋友问，类似这样的问题，我要搜素“苹果手机”，想了解与苹果5se信息，苹果公司的信息，可能同时也想了解乔布斯帮主的事迹。这就需要我们去做查询扩展和索引文件关键词的扩展，有很多这样的研究。但仍然没有一个好的产品去解决大家的问题，我希望等到以后能够有一个交互性的智能搜索，不需要人眼去在茫茫的信息中查看（看得人眼睛疼）。我们迫切需要一个好的搜索引擎，再次改变我们的生活，让找信息变得跟便捷，如果这200亿投资在智能交互搜索领域岂不更好（一个路人的YY）。

再者我也了解智能搜索是一个在现在看来比较难以实现的工具。倒不如想想从小的需求出发解决身边的问题，随着AI的发展，我们应该可以想到更多的可以代替人类繁杂工作的地方。例如考试有了答题卡，客观题能够机器改，能否在主观题上也用机器修改。

最后我也将继续从事这方面的学习和研究，我觉得很有意义。

支持原创，分享看法。。。

人工智能的出现就是为了方便人类的生活，再发展下去也只能是更加方便人类的生活，取代人类这种情况是不可能出现的，唉，路过的~

人类的最终进化必然是全机器人化，从把器官用机械代替的想法诞生那一刻，这就是注定的进化命运。有点类似质量效应等科幻作品描述的。五十年后因该有纳米机器人植入人体，在之后电子大脑也可

——月光是刀刃

我是在一个qq群里看到的链接信息，进来看了一下，发现你们的问题是基于文字处理的人工智能该如何发展？首先个人认为没有底层神经网络架构，多种信息关联，形成认知世界的模型。单纯的做文字处理根本就是做空中阁楼，因为语言交流是动物界中人类特有的高级思维活动，其他动物都无法突破，语言由于是人类创造，难免具有许多自我矛盾的地方，规律相冲，且复杂多变，易变，一词多义，人类可以修改其定义，这些因素决定了自然语言处理是不可能做的完美的，会有许许多多的漏洞存在。所以我个人认为基于文字处理的人工智能没有需要就不要去做，这根本就是一个永远填不满的坑。我见过用人工修正对话的聊天机器人，他每天大概修正1000句对话，还会爬百科，知道，然而效果还是很差，主要差在语境对话里，很多时候上下句根本没有关联性。微软小冰似乎进步越来越大了，越来越像人类对话的画面了，然而在我看来，IBM的沃森更胜一筹，在美国的智力问答节目（危险！）中夺得了冠军，然而这个用大把资金，大量数据暴力砸出来的专家系统，可以预见将在几年后淘汰。这些机器人根本不具备自我学习能力，需要的是人类修改数据，可以说有多少人工，就有多少智能，在这些方面小公司根本无任何竞争优势，所以我建议不要去做这类产品。即使花费的是小成本。

好了，个人主观意见说完了，就聊一聊我对文字处理的看法吧，

我见过一个人做的聊天机器人，非常小，还是有较多逻辑贴上地址

http://asie.host-ed.me/ai/Goddess.htm纯文字交互还能做到1、持续性的情绪状态，（两句话之间不能喜怒无常，PAD情感模型）

2、语义情感判断对情绪状态造成影响（NLP技术）

3、能够和其他AI进行区别的用词，个性化的话题倾向（用词的先验概率做个性化偏移）

4、对之前对话内容的回忆（上下文相关，代词的判断，歧义词上下文消歧）

5、基于词向量的简单联想功能（长城-中国，金字塔-埃及）

6、基本的对话题的注意力（对话有目的性，而不是散漫的，如ACT-R的注意力模型）

7、对对方的信息有基本的记忆能力（不会让对方觉得你在忽视他）

8、对对方的观点和喜好有基本的记忆能力（语义情感判断，多数情况应顺着对方的意思说话）

9、避免与历史对话得出矛盾的结论（避免让对方觉得你在胡说八道）

10、对一些事物持有固定的观点和评价（人格组成部分）

11、在搜索引擎（和语义网）查询并整理、总结、复述查询内容

12、更深层次的幽默感（对对方情绪建模，操纵对方潜意识的焦虑释放，造成喜剧效果）

13、试图总结热点话题，并能够提出与大众相反的观点

14、为自己的立场辩护，试图通过例证和推理说服对方

15. 能够将具名的对方认知为一个独立个体，故除了对先前对话具有记忆（#4）以外，也记得对方的兴趣，性格，观点，能力，习惯，经历，等等。

换句话说，先前提的1，4，5，6，7，8，9，10 等不仅适用于这个系统，也该被套用在对方的身上。也就是说，本系统这方面的机制应该被分离成独立的模块，所以可以适用于所有的个体，无论是对方，本系统，还是其他的类似系统。

16. 理解对方和其他个体的社会关系，并能根据这种关系做推理.

例如如果A是B的老板，则A通常能够管束B

17. 能够执行人际关系的映射，并据此做出推理。

例如已知母亲通常是无条件爱孩子的，故如果A是B的母亲则A该会无条件的爱B。

18. 同16+17, 不过也能够投射到系统自身。

例如已知子女通常是无条件爱父母的，C为本系统的创建者有如父母，故本系统也该无条件爱C.

19. 能够执行指令。

即使简单指令如下都很好的。

今晚凌晨三点帮我把这信发出去

每天早晨第一次对话时让我看当天的天气，交通状况，以及当天NBA新闻。

监督这货品在某网站上的价钱，有变化时通知我。

20. 理解对个体的”知“与”不知“逻辑。

这个不仅是记得对方说过什么而已，也牵涉到：

1. 本系统对对方说过什么

2. 对方是不是记得本系统说过什么

3. A知不知道B的某事，A知道了会有什么后果

4. 说什么样的话会导致对方知道某事

5. 人类有时会把本来记得的事忘记了。

6. 人类即使说忘记了某事，有可能过一阵子会自行想起来

7. 人类的记忆不可靠，把事情记反了也不奇怪

21 允许用户永久性删除服务器端对话记录，以保护个人隐私

还有需要一个人类心理模型的标准框架（类）

对于每个来访者，建立对方的心理模型（对象），包含两大部分：

1、客观属性：周边状态的关系，对各个事物和话题的知识和态度。所有属性需要采用依赖分布式表征的概率分布，以保证网络的可扩展性。用先验概率分布（所有人的统计分布）做初始化

2、注意力空间：对方的情绪，注意的事件，谈论的话题

来自输入文本的所有信息，必须反映在对方的心理模型的变化上。

输入：文本->词向量->主谓宾三元组（相当于语义）->对方心理模型的更新->

对话目的有三个

1、提升对方（心理模型）的情绪P，和注意力（觉醒度）A

2、获得知识

3、改变对方的观点（心理模型对某事物或话题的知识和态度）

三个目的以一定比例形成评价函数；

对于一个或多个备选行为输出（主谓宾三元组），预测输出对对方的心理模型的影响，并通过评价函数取舍。

人工智能现在发展的趋势很大，想现在很多人都要求生活品质，提高生活品质。人工智能将帮助人们实现，但是这一技术要走的远，需要长期的积累。因为这条路还很长！

----专业人士收集的信息----[转]

15天，100人，2016年新年伊始，李开复亲自带队奔赴硅谷。

26位鼎鼎大佬，DST米尔纳、Google皮猜、雅虎杨致远、YC孵化器SAM、安卓之父Andy Rubin……

18家时下最富盛名企业，苹果、谷歌、Facebook、Airbnb、特斯拉、推特、YC孵化器……

科技创新圣地硅谷有哪些趋势正在发生？什么样的科技会在下一阶段席卷全球、改变世界？通过投资奠定了当下互联网格局的DST创始合伙人米尔纳如何找“百亿美元公司”创始人？安卓之父Andy Rubin正如何重复他的安卓奇迹？Google升级Alphabet背后怎样的雄心抱负？
近日，在中国“硅谷”中关村，李开复向新浪科技分享了他的新年“硅谷见闻”。这些见闻包括他对当前中国创业者的思考和建议、硅谷最前沿的科技、正在发生的科技趋势、结合谷歌的战略可以预见的未来，以及对于今年火热当中的VR和AR的思考。

以下为李开复口述实录的整理：

1、机器人

先讲一些比较吸引眼球的东西吧。我觉得在每个会议上都有一些有趣的讨论。比如跟Andy Rubin（Android之父）的讨论就非常有意思，他做的公司叫Playground Global，其实《华尔街日报》上已经报道了很多。见到他的那天，我们正好看到了那个Boston Dynamics（谷歌旗下军用大型机器人公司波士顿动力）的那只机器狗。
这只机器狗很好操作，我也玩了一下。说起来还挺有缘分的，因为Boston Dynamics的创始人Marc Raibert，之前是CMU（新浪科技注：卡内基梅隆大学，李开复母校）的教授，我是学生的时候，他的办公室就在我隔壁。那个时候他在CMU做的项目是一个会单脚跳，然后跳一分钟都不会摔倒的机器人。不过那个时候，如果你拿着棍子轻轻一碰，它就会倒了。而且当时还有一捆很粗很长的线，连接在电脑上，这就是最早的情形。
前几天刷屏的那个怎么踹都不会倒的机器狗和机器人，其实已经迭代进步了很多。当时Marc Raibert创立Boston Dynamics，并且获得了美国国防部的研究经费，专门做机器人研究。从一只脚做到四只脚，再做回两只脚，每一步推进都很不容易，所以已经花了美国国防部可能接近上亿美元的经费了。然后，谷歌看上了它就把Boston Dynamics买进来了，买进来以后谷歌就没有让它再拿国防部的钱。
当时买Marc Raibert的Boston Dynamics的决策者就是Andy Rubin。因为Andy Rubin做了Android之后，Google希望把Android和Chrome并起来，由Sundar Pichai（谷歌CEO皮猜）接替他的管理。然后创造了GoogleX，就把Andy Rubin请到Google X去里面做机器人，因为他自己爱好一直是机器人。而且Android本身也是手机机器人。我们和Andy Rubin交流那天，刚好Marc Raibert带着机器狗来拜访Andy Rubin，所以我们见到了。这是关于Google机器狗和机器人我所知道的。

2、机器人平台

Andy Rubin后来离开了Google X，创立了一个叫Playground Global的公司。简单来说，他的公司就是希望做一个机器人版的安卓平台。那我们如果以手机来参照的话，大概在十年前，你如果要开一个手机公司可能要花一两亿美金做研发，才能把手机做出来，但是现在你可能花一百万美金就能做出来了。因为你可以有各种代工，有标准模块，然后软件用安卓，还有其他。如果你不要什么特色，你就是要搞一个手机出来。那现在来说，创造手机这个的硬件的成本已经被降低了一百倍，然后就普及了。所以你看现在乐视为代表的互联网手机厂商全都跑出来了。当然，小米创业的时候做手机还是挺贵的，不过在此之后就越来越便宜。
同样的，Andy Rubin也认为说，如果机器人要普及这一天也必然发生，那他做的事情就是希望降低机器人创业模块之类门槛。比如安卓提供了智能手机的模块，让一个开发手机的，从手机硬件，一直到软件都变得容易，而且成本降低，让更多人进来了，这一下才能真正让更多人围绕手机进行创业，要不然创业门槛太高了。
Andy Rubin现在认为机器人也差不多在十年前智能手机状态下，所以做一个机器人平台，让更多的人来做机器人的创业，这会是一个改变世界的事情，也是他从孩童时代的一个梦想。所以Playground Global就是一个Android for robot，但是它不只是那种会走路的机器人。如果你要做一个简单的工业机器人，或者是一个像IFA的那个扫地的机器人，都是可以的。从机器人模块的角度来看，机器人基本就是一大堆传感器，组合起来，然后有学习训练和控制，让它能够动——动手、动脚、动它的爪子之类的。此后再有其他部分里加入系统、输入和识别之类。
这就是Andy Rubin跟我们分享的他的梦想。他的模式其实跟创新工场的初期非常相似，基本上是由一个孵化器来深度参与一些项目，然后把其中挖掘到的有价值的模块拿来标准化。接着再把好的项目拆分出去，作为独立的公司发展。
当然他也和我们讨论，在中国有没有机会来做一个Playground，他已经拿了一些中国的投资，媒体有报道。至于未来是否会和创新工场合作，我们现在还不方便说。总之，我们很佩服他的远见，但他要做的东西，因为加了硬件，复杂度会变大很多，这个可能会是一个挑战。
而且就我看来，他的这次创业，跟小米在一定程度上有点类似。不是说他做的产品类似，而是做这个东西需要有一种巨大的能量，需要有一个创始人，可以无限地吸入资金、然后投资，接着来打造别人认为很难的事情。所以在这方面，我觉得雷军跟他有很相似的地方。因为他也有大批鼎鼎有名的投资人，而且投入非常巨大，估值又巨高，又是做的一个特别长远、困难度很大、风险很高的设计。
另外一个很有趣的事情，也有一点讽刺的意味在里边。Andy Rubin现在的办公室在Fry’s Electronics，这是硅谷极客多年买零件的地方，和中关村差不多，不过Fry’s Electronics就是一个统一的大卖场，只此一家。比较早的时候，像我们这些极客到了周末就会去那边看，有什么便宜的PC板，然后可以买回家拼凑，或者家里的硬盘没有了，去那边看有没有打折，总之就是各种电子元器件的批发市场。
但是后来因为电子商务，大家买东西就不去卖场了，所以Fry’s electronics就卖掉了一半的楼层给Andy Rubin。他也跟我们说了下他的“野心”，他说Fry’s Electronics一定是要倒闭的，我现在就拿他楼层的一半，然后等着它倒闭，它倒一层我拿一层。
所以Andy Rubin还是蛮有意思的，有一些收获是：在最前沿的领域里面，在机器人和智能硬件的这个领域里，我们怎么去重复安卓的奇迹。

3、人工智能

另一个很有趣的现象，是做深度学习的人工智能博士生，现在一毕业就能拿到200到300万美金的年收入的offer，这是有史以来没有发生过的。当然我觉得硅谷的公司都在追捧这个方向，而且基本是四大名校：斯坦福、MIT、CMU、伯克利。以前这些学校的博士生在硅谷都可以拿到高薪，但是从来没有到250万美元/年的薪资水平。
这为什么会发生呢？第一，是因为真正懂深度学习的人现在还不是很多，所以供需不平衡。
第二，是因为很值。Google拿到这样的人，他就可以马上用他赚一百倍的钱。因为你只要把这样的一个人用在某个领域，比如说，假设谷歌要用他手上的现金做最聪明的二级市场的财务投资，这一个人一年就赚出一百倍来，所以这事毫无疑问是划算的。
第三，是因为涉及竞争。Google会很不希望这样的人落入他的竞争对手怀中。因为Google有这样一个领先的优势，但如果这个人去了Facebook、微软，马上就会给后两家机会。所以现在是一个关于人才的战争。对于这一批一年可能少于50个的博士毕业生，这三大公司：Google、Facebook和微软，都在用不合理的价钱去挖。
这个给了我两个启示。一方面是遗憾自己生太早了，我就在这个领域，但是那时候没有公司这样来挖我们。另一方面是类似的人才战争，可能也会在中国发生。
中国的大学恐怕没有这样的50个博士，但是我们这边有几所“大学”里毕业的，也是跟硅谷一样的。这几所“大学”的名字叫做腾讯、百度和阿里巴巴。所以这些人未来会不会因为数据的诱惑，或者对公司的忠诚留下来做点事情呢？还是这几家公司之间互挖，可能会成为很有趣的事。
因为我自己是做这方面的，所以我觉得深度学习虽然很厉害，但是没那么了不起。你让一个聪明的人学两年，他也可以有这个价值。所以这也就是说，我们是不是应该来帮助培训一千个中国的深度学习专家，这些都是很有趣的讨论。
然后我也问了他们，你们这样拼命的竞争，再过两三年，中国学这些东西也不难，中国数据也比你们多，你们这套公开了，中国在这个领域的人才可能会比美国多。
因为在中国，百度、腾讯、新浪微博等等的数据量也非常大，如果在中国也有250万美金的年薪诱惑，中国人会更疯狂地冲向这个领域。所以我相信这个领域最后应该也是一个中美领跑的状态，虽然现在中国是远远落后美国，毕竟美国有斯坦福、伯克利，CMU、MIT出来的人，而且是不断流动。但对于中国来说，这批人可能就在百度、腾讯和阿里。现在百度、腾讯和阿里自己hold得住这些人，但是长期来说他们也不可能永远hold住。而且长期来说，小米、奇虎360也都会有这样的人，所以这会是一个很有趣的业界竞争的状态。
于此相关的，领英的霍夫曼提到马斯克和彼得-蒂尔他们成立了一个开源平台Open AI。这个Open AI成立主要是为了防止Google、Facebook和微软这样的大公司形成垄断，你们有那么多计算机，那么有钱，又把最优秀的人全挖进去了，所以我们就要搞一个开放式的开源平台，来确保这个东西能够被更多的人快速学习掌握掉。所以这是一个很有趣的事情，硅谷考虑得很超前。

4、VR和AR

整体来说，关于VR各AR，主要感受主要有这么几点。
先那VR来说，对于这个领域的发展，有一批人是非常乐观的，另外一批人则认为我们还早了一个cycle——就是说现在还在摸索状态，因为内容不够多、体验不够好、太贵，然后还要连一个PC，拉一根线，可能真的还在一个玩家的时代。
就创新工场来说，我们也综合了一些意见。我们的看法是，VR长远来讲对社会的影响应该是特别巨大的，而且随着摩尔定律等作用，它应该会越做越炫，越做越不头昏，越做越没有线，越做越轻，越做越小。最终变成一个，也许不是眼镜，但是是某一种模式，让你不知不觉就把它融入到你的生活里面去了，这一天是绝对会到来的，会是一个巨大的产业，会改变所有的事情。
但是具体方面，我们可能会稍微保守一点。我们可能对这种五到十年的未来，抱有一个很乐观的期待。但是对于他到底能不能在一两年之内，Oculus也好，HTC的产品也好，他们在一两年之内能不能打破一个玩家的领域，能不能达到普及的状态，我们可能还是抱一个观看和怀疑的态度。
当然我觉得从投资的角度，现在看到好公司就得投了，因为你不能进入cycle才投，只是说我们如果对它期望值很高，说它要颠覆什么的话，我们还有一点时间。
还有就是从应用层面来说，VR我自己以前在SGI做过，做3D的东西。所以我个人对于VR的看法是，它的第一个突破一定是在娱乐方面。因为我们讲了那么多3D的东西，都还没有被验证，而且人们对3D的需求基本上只有在娱乐内容相关的领域得到了验证，所以基本上就是看电影更爽、玩游戏更爽、然后越做越逼真，大概是这样一个状态。有点像电影业和游戏业的一个延伸，但需要说明的是，这个延伸是一个巨大的延伸。
AR来讲，它是可以有不同领域的应用。AR可以用在教育方面、辅助方面、服务方面等等。AR的应用是能够直接被证明价值的，而不只是让娱乐感更爽更强，可以在一些领域挖掘出一些垂直性的应用，这是大家的一个达成的认知。
中国在AR和VR方面的机会，我觉得可能会跟屌丝群体和性价比用户相关，可以再观察一段时间。这个领域竞争的门槛会相对比较低，但到底能不能快速发展，可能还要一点时间。

5、谷歌的野心

此外还去了Google见了Sundar Pichai（GoogleCEO皮猜），斯坦福人工智能方面的教授李菲菲，以及领英的创始人霍夫曼。与他们谈论的主题都是人工智能相关的，具体的就不一一说了，可以把我的总结分享一下。

去年Google调整成Alphabet，其实我们也知道他们为什么这么做，但这次去了就更加深刻地了解了。基本上，Google想要做一个“机器大脑”出来，这个“大脑”具体来讲，它其实是下列几件事情的结合体。
第一，你要有特别大的数据量，而且这个数据量最好不是公开的，是你私有的，而且是可以不断地更新、增加的。因为你要没有这个东西，你就没有竞争优势。
第二，你要有特别巨大的机器平台，能够在上面运作、学习、迭代，让你的“大脑”越来越聪明，而且用这个数据能越做越好。
第三，你需要一批特别棒的深度学习或者机器学习的专家，他们知道怎么去弄海量的服务器和海量的数据，从里面把数据变成一种认知和知识，以及能做的事情。
一旦有这三件东西之后，你是可以应用到其他领域的。用在搜索上，就是一个搜索排序——这个“大脑”能把世界全部索引了，然后你搜什么我就能告诉你，做一个最好的排序。用在生活领域，就是一个Google Now，可以告诉你今天要去什么地方吃饭，你最好搭地铁去，然后路上可以买花，提醒你老婆生日快到了，实际上是把这些东西都结合起来了。用在广告领域，就是怎样投放一个广告能让你赚更多钱。
而且之前我们这些IT人总是想着如何用IT让生活更美好，往往忽略了这套数据为什么不能用在基因排序？为什么不可以用在生物科技、制药、健康领域？或者是你可以想象的所有领域，因为一旦你有了这个巨大的数据，你的价值就巨大了。
于是你可以看到，Google从Genentech（美国基因泰克公司）挖了CEO，来做Alphabet里面的医药公司的CEO，所以Google的野心是非常清晰的。他用搜索和广告来塑造了一个巨大的“大脑”，这个“大脑”让聪明的工程师来调整，用巨大的数据来学习，加上巨大的计算量来不断地迭代。然后把这三者配到一起，找一个领域的新数据进来，比如说我们要学癌症的治疗，假如能够有一个什么库——某个国家的所有人的一种基因、癌症病例，然后让数据滚起来，你还跟医院结合起来，有一个回馈的途径，知道是否有效，不断去追踪，实时迭代，可能就会掌握癌症治疗的方法。
所以Google的方向，或者Alphabet的方向就是不断地找新领域，找一个该领域内的领军人物，拥有相关的大数据，再配几个机器学习专家，给他们一大堆机器用来计算，就能产生价值了。这会在任何领域都攻无不克。帮年轻人找对象、吃什么、推测所有的事情，甚至军事，都没有问题。
归结起来，Alphabet的野心就是成为一个无所不为，用“大脑”来驱动并颠覆传统行业的一个公司。他们一定有很多内部的方法来分析，接下来开展哪个领域，是医学、建筑、房地产、金融还是二级市场之类的。
举个例子，Alphabet做一个银行相关的应用，来分析你的信用和风险能力。你找银行借一千万，如果只看银行内部资料，那么银行只知道你在这里存了五百万、在新浪科技上班等信息，但如果我有另外一个爬虫，能把你的其他数据都爬来，比如你还在美国高盛藏了两千万、在开曼群岛买了一栋房子，咚咚咚，“大脑”就会告诉你可以借钱给他。

所以Alphabet这么一来，可能就会成为世界上最伟大，同时也是最可怕的公司。当然我觉得有这个野心的公司其实很多，但是Alphabet应该是最有基础把它做好的公司。
于是这也就引发了几个很重要的问题。第一个问题，有这么大数据量的公司，他应该如何付出社会责任，实现自我管制？不作恶是一个问题。不伤害人类、伤害用户是另一个问题。所以Google设立了一个道德委员会专门用来审核他在人工智能方面的一些发展。
与此相关的是，当这个超级人工智能出来以后，它是真的帮助人，还是会毁灭人的？这个话题我在CMU的毕业典礼上专门做过演讲，谈到我们作为计算机科学家的责任感。
（责任编辑：王蔚）

----一个股民收集的信息----[转]

此次AlphaGo胜利的关键并不仅仅在于其运算速度（并没有采用遍历算法），而是深度学习能力。

它的核心可以分成两部分：蒙特卡洛树搜索算法（MCTS）、深度学习。
1、在蒙特卡洛树搜索算法下，借助估值值网络与策略网络这两种深度神经网络，通过估值网络来评估大量选点，并通过策略网络选择落点，这样可以在计算资源有限的情况下找到尽可能优的策略。此前人工智能 几乎无法和人类业余选手对抗，引入 MCTS 后，计算机已经可以达到了人类业余围棋选手的水平。
2、AlphaGo取得胜利的另一原因是深度学习和强化学习：机器最初通过模仿人类玩家，尝试匹配职业棋手的棋局，一旦它达到了一定的熟练程度，它开始和自己对弈大量棋局，使用强化学习并进一步改善它。

·AlphaGo的此次胜利是一个伟大的里程碑，标志着深度学习只要在一个领域里能够建模，并有充足的数据进行训练优化，就能够在这个领域里让机器做到超越人、取代人。·

计算机领域的技术变革分为五大类别：计算元器件的变革（量子）！计算模式的变革（云计算）！分析模式的变革（大数据 与人工智能）！人机交互模式的变革（语音、VR ）！互联互通的变革（移动、万物互联）。

目前看来，VR的风头还没过去，人工智能大潮又席卷而来。在这一里程碑事件的推动下，人工智能行业将迎来更高的关注度和更快速的发展，其改变世界的速度可能超出所有人的预期。

围棋棋盘横竖各有19条线，共有361个落子点，双方交替落子，这意味着围棋总共可能有10^171(1后面有171个零)种可能性。这个数字到底有多大，你可能没有感觉。我们可以告诉你，宇宙中的原子总数是10^80(1后面80个零)，即使穷尽整个宇宙的物质也不能存下围棋的所有可能性。这么想想是够智能的了。

人工智能应用可谓广泛，指纹识别 、人脸识别、视网膜识别、虹膜识别 、掌纹识别、自动驾驶、专家系统、智能搜索、定理证明、逻辑推理、博弈、信息感应与辨证处理等皆属于此范围之内。

中国及全球人工智能主要领导厂商有：
谷歌：AlphaGo、无人驾驶汽车 等！
FaceBook：未来三大重点布局领域之一，主要通过监测图片和视频的内容用以围绕着其用户的社交 关系和社交信息来展开！
微软：计算机视觉与语义研究，聊天机器人小冰！
IBM：IBM Wason实验室、深蓝机器人！
百度：百度机器人、度秘！ 华为 ：诺亚方舟实验室！ 科大讯飞：讯飞语音识别 ！中科院 自动化所：模式识别国家重点实验室！小I： 小I机器人

从系统角度出发，人工智能分为三层：认知层、感知层和行动层。
认知层负责判断和决策。感知层负责收集和提取。行动层负责执行。其中，核心在于认知层。
人工智能尤其要关注以下三个方面：1.计算架构和编程模型的改变、2.结合大数据包括非结构化数据的理解、3.新一代人机交互技术。

未见专家和股民间的实质差距

不过李开复在当年语音识别领域颇有建树，算是比较坚持马尔可夫随机模型的一位

PS: 这不是我说的，是《数学之美》的作者吴军说的