对话iPIN CEO杨洋、首席科学家潘嵘：除了“打造武器”，我们更想打一场人工智

本篇文章2770字，读完约7分钟

根据雷锋的网站，20世纪50年代提出的人工智能，近年来又掀起了一波浪潮，其中最关键的是机器学习技术。例如，最著名的go人工智能alphago在机器学习技术中使用了一系列关键的具体算法，如蒙特卡罗搜索树和神经网络。四天后，由雷主持的ccf-gair会议将正式开始，其中包括一个特别的机器学习会议。届时，几位来自微软、facebook和ipin的专家学者将齐聚一堂，从应用、学术和行业分析的角度向您展示机器学习的可能未来。

由于机器学习技术的进步，人工智能迎来了另一个春天。通过往复式的“学习”，机器在各种服务中变得越来越“人性化”，这是人工智能技术重新出现的关键。

专注于用人工智能做出更明智决策的Ipin是一家使用机器学习技术和其他技术为人类提供服务的公司。不久前，他们刚刚结束了一场艰苦的战斗——为几十万高考考生推荐志愿者作为参考。对于普通人来说，这样的任务也是一件复杂的事情。

不仅要了解各行业的现状，还要分析不同学校对应的专业是否强，而学校的录取条件似乎是不容易理解和分析的因素。ipin是如何利用机器学习技术创造出如此“一步到位”的人工智能服务的？作为人工智能技术的“推动者”，他们如何看待机器学习技术？

Ipin创始人兼首席执行官杨扬

ipin的联合创始人兼首席科学家潘荣

雷专访了ipin创始人兼首席执行官、原哈尔滨工业大学副教授、美国信息学博士、持续企业家杨扬；潘荣，联合创始人兼首席科学家，中山大学副教授，美国惠普实验室前数据科学家。以下是采访记录:

雷锋。你能简要谈谈机器学习技术目前在ipin业务中的应用范围吗？

潘蓉:目前很难详细讨论ipin业务中涉及到什么机器学习技术。毕竟，ipin目前的业务不是单一的，但我可以透露，我们基本上使用大多数人工智能和机器学习技术。根据业务的具体需求，我们还将结合特定的技术，包括机器学习技术，只有一个最终目标——尝试自动化知识工作，代替人脑做很多事情。

雷锋。结合目前的ipin业务，你认为机器学习应该如何转化为实际服务？为用户服务？机器学习如何解决一些相对复杂的问题？

潘蓉:其实我们可以指人，人也有眼睛、耳朵、鼻子等感官，也可以根据这些感官反馈的信息来思考。因此，一些公司专注于构建这种“最外层”的能力，比如IFlytek。虽然它是“外在的”，但感官同样重要，因为机器融入人类社会的第一步是感知这个环境。

然而，这种能力在人类很小的时候就已经被拥有了。举例来说，一个能够认识“深圳大学”这个字眼的小学生，很可能不了解这个学校的社会地位，更遑论在大学中扮演重要角色的“教授”这个概念。

因此，感知是不够的。人类总是在做分析和推理。这就是为什么伊平最想解决这个社会经济的认知问题。在整个经济和社会中，我们应该如何评价一个人、企业、学校和专业？ipin采用的方法是将分布在互联网或其他渠道上的这些数据汇总起来，形成这种整体的社会和经济认知。

这个目标比玩围棋难多了，因为围棋有自己明确的规则，而社会和经济的“规则”并不明显，甚至没有潜力。如果机器的智能增长到一定程度，围棋游戏的玩法将变得越来越固定，而社会经济仍然是多变的。

因此，我们还发现，继续建造机器感官“天花板”的能力越来越强，但在关键的认知环节却停滞不前。就好像他们一直在擦亮他们的武器，但他们不知道如何打一场战争。这正是ipin这个自我定位的“认知平台”从一开始就瞄准的目标。

杨洋:目前，我们的处境与ibm相似。我们可以看到，我们实际上在做着同样的事情，即如何在知识工作的过程中提高核心自动化。我将听从潘先生的话，发表我自己的意见。既然我们想打一场全方位的战斗，我们自然需要各种各样的计划。目前，人工智能的各种应用也在做着从底层到项目的各种规划。任何业务角色都是复杂的，它不是单一的角色，而是环环相扣的。

雷锋。从实际业务的角度来看，你认为目前的机器学习技术不“有效”吗？在使用机器学习技术建立服务能力的过程中，有多少部分必须得到人的帮助？目前机器学习技术能在多大程度上取代人力？

潘蓉:机器学习不“有效”的说法大体上是对的，但不是机器学习慢，也不是机器学习不能来。然而，目前人工智能的应用场景非常零散，单个应用中的许多高效成果无法链接，因此机器的学习成果尚未积累。

在这一点上，人类要强大得多，不仅能迅速找到解决新问题的办法，而且还能利用以前积累的各种知识。这也有点类似于流行的“迁移学习”。

然而，目前“迁移学习”还相当不成熟，人们只能在机器学习的整体高层框架下反复运行和收集数据，并人为调整学习框架。因此，“低效率”的问题确实存在，而且目前很难解决。

很难量化人们在整个机器学习过程中扮演的角色，但毫无疑问，主动权仍然掌握在人们手中。虽然有一些新技术，如自动调整机器学习参数。但是学习这种行为仍然是由人类发起的。

雷锋。从业务发展的角度来看，你认为机器学习的下一个发展方向是什么？(效率？算法？应用推广？(

潘蓉:这些都很重要，我们需要的，特别是应用。你知道，10年或20年前，有些人质疑人工智能是否可行。因为他们认为你很难给出一个能让它真正成功的例子。虽然我们至少现在不怀疑它，但这并不意味着它一直很顺利，正如我们刚才提到的对人的依赖。

而且，这个问题很遥远。当机器能够与人的角色相匹配，并充当任务的开发者时，这一方面目前只能进行探索和研究。

这个问题如果扩大到学术界就更难回答了。目前，机器学习的进展就像阅读《人类简史》。人们只能因为各种偶然的机会而走到现在，而人工智能也是“不成熟的”。整个学术界一次又一次的繁荣，而每个人都还在摸着石头过河。目前，还没有明确的“光明之路”。

雷Feng.com(公开号:雷锋网):作为人工智能技术的倡导者之一，你是否也担心人工智能技术带来的一些社会问题？比如大规模失业和收入不平等？这些可能的问题有可能通过人工智能技术本身来解决吗？

潘蓉:我认为人工智能带来社会问题的想法本身是错误的，因为未来是非常虚构的。我们现在认为机器没有情感，但是如果机器真的想融入社会，它们肯定会学习人类的情感，比如喜怒哀乐。当这些社会问题出现时，机器会给出反馈。在另一种情况下，机器可能只处理机器，甚至可能统治世界，所以社会问题不再存在。

应对这种不确定未来的最好方法是实验。我们可以找到10，000个人工智能，并在同一个平台上运行它们，看看它们将如何发展。如果人工智能独立存在，这真的可以让公众看到它将如何发展。

值得一提的是，ipin首席执行官杨扬也将参加今年的ccf-gair会议，并将在一次特别的机器学习会议上发表题为“认知分析-通过机器重新审视商业本质”的主旨演讲。届时，他将分享更多关于机器学习和ipin在人工智能领域的最新进展。

雷锋原创文章。严禁擅自转载。详情请参考转载说明。