iPIN CEO杨洋：5年内，HR将大面积失业 | CCF-GAIR 2017

本篇文章1516字，读完约4分钟

据雷介绍，7月9日，由雷(公开号:雷)主持的第二届ccf-gair全球人工智能与机器人峰会进入第三天。在第三届机器学习特别会议上，杨杨同学带来了题为“认知分析——通过机器重新审视商业本质”的分享会，阐述了人工智能技术遇到的瓶颈——认知，机器实现认知的条件，以及获得认知能力后技术可以带来的巨大变化。

当前人工智能技术瓶颈:人类常识的认知与分析

信息处理的过程很简单，分为四个步骤:第一，感知；第二，认知；第三，分析；第四，做决定。

感知是一个聚集了世界上绝大多数人工智能的技术领域，其技术领域是如何识别图像、物体、文字、声音等各种识别。但在被认可之后，当我们进入这个商业社会时，我们真正需要理解的是认知。

人工智能在智商水平上对人类提出了巨大的挑战，但其认知却非常肤浅。这是人工智能需要突破的地方，如果它想用更多的劳动力来代替人的话。以我自己为例。我是ipin的首席执行官。你说我是学校暴君还是学校渣滓？这是一个猜测问题，对计算机来说不是一个简单的问题。人工智能现在陷入了对社会常识的认知。我是人工智能公司的首席执行官，我是恶霸还是人渣？后来查了一下，我1985年大学毕业，开始了自己的事业，然后在美国攻读信息学博士学位。这个信息是否意味着我是一名校长？这看起来很简单，但是很抱歉，对机器来说真的很难。

facebook的Yann lecun今年3月在清华大学发表了一次演讲，他说人工智能的一个主要问题是试图让机器控制人类。我们也在做研究，让机器试图理解人和社会。

实现机器认知的条件

认知真理是具体场景中的投影。我们看到的一切和收集的所有信息都是投射。如果我们想做到这一点，我们应该尽最大努力找到真相，然后找到这个投影。这是目前机器认知的基本思想，即理解特定的信息和我们所做的事情。

实现机器认知有四个条件:第一，可靠的信息。很难给出错误的信息。例如，许多聊天的机器人使用论坛信息作为参考。如果论坛信息不可靠，机器人信息也不可靠；第二，信息充足，信息量很大；第三，精细建模，如果信息量不够大，就不够敏感。对于机器学习来说，实现小范围的灵敏度是一个很大的问题。如何准确识别稀有和低频信息是人们可以做的事情。，不是什么机器能做的；第四，如果你不明白就问问题。这对人们来说是一项重要的研究。如果你不明白，机器应该问问题。

ipin在个人发展和企业发展中的应用

因为我们是分析师和企业，让我们来谈谈人的发展成果和对企业的应用。

完美志愿者是志愿参加高考的产物。我们用机器来了解亿万人的职业发展，总结规则，看人们如何发展，总结潜规则。我们看不到所谓的“潜力”。例如，中国女子学院也招收男生。清华大学的男女比例不是9: 1，现在40%的学生是女生。如果你不总结这条规则，如果你在错误的规则下学习，你就不会学到任何东西。

未来导航，即从大四毕业到公司工作，在这方面运用一种理论，并运用这种理论来规划生活；人才分析引擎，我们为机器做半自动标注，我们教机器标注的规则，让机器自己标注，这样机器就可以学习社会上各种单词和句子之间的关系。整个过程大大提高了人力资源的效率和准确性。做一个小预测，人力资源将在五年内大规模失业。

我们也做商业分析。当我2003年第一次来到深圳时，华为和中兴是深圳最好的公司。10多年后，华为和中兴相距甚远。经过分析，我们发现区别在于中兴和华为的销售团队在质量和规模上有很大的不同，其他方向也差不多。也许这是两家公司之间巨大差异的一个重要原因。

我们说数字金字塔的最高价值在于决策，我们使决策智能化，这是一个巨大的商业前景。

欲了解本次演讲更完整的内容，请继续关注雷锋。

雷锋原创文章。严禁擅自转载。详情请参考转载说明。