登陆 免费注册 | 网站地图 设为首页
当前位置:| 主页>知识库>管理综合>正文
联想之星刘维:未来这些工作会被智能机器替代
未来人工机器将变得越来越智能,它将替代更多柔性的重复体力劳动,之后是更加复杂的体力劳动,直到最后替代部分脑力劳动。

0 (5)

口述|刘维   编辑整理|李碧雯   

在我看来,新一代人工智能其实是移动互联网爆发所带来的遗产。随着数据的积累和云平台的发展,未来人工机器将变得越来越智能,它将替代更多柔性的重复体力劳动,之后是更加复杂的体力劳动,直到最后替代部分脑力劳动。

我是从2003年开始尝试投资了一些机器人项目,不过那个时候更多涉及的是自动化领域,当时传统机器和自动化已经替代了一部分简单的重复劳动,但是稍微复杂点的场景还是解决不了,比如摘苹果,由于苹果的大小形状不一样,远近也不一样,因此人首先需要做预处理,使货物标准化后才能实现机器化。而在过去10年,传统的机器行业一直处于这样的稳定期,没有太大的技术突破。

这种情况一直持续到5年前。当时互联网领域出现了两个显著的变化,第一就是云计算能力的爆发使得更多机器可以同时处理不同的数据,形成规则的积累,另外一个显著变化是大数据的积累。随着移动互联网的普及,之前在IT、PC互联网时代存储在个人终端的数据开始逐渐上传到云端,像Face++这样的视觉识别公司因为过去几年有大量的数据通过手机传输到云端,当然这些并不是原始数据,而这些数据可以训练机器的大脑使其在不同环境下识别人脸的能力得到大幅提升,这就是所谓的深度学习能力。

和互联网时代要经历从PC到移动互联网这样一个发展阶段一样,人工智能时代通常也要经历这样一个逐步发展的过程,从物理世界数据化,数字世界可理解化,到可理解世界智能化的终极目标,最终达到所有东西都可预测的程度,社会效率也随之提高。

目前来看,我们尚处于第一阶段的开端,离数字世界可理解化仍有一段距离。等到云技术的成熟,成本的大幅下降后,智能化程度也会提高很多。这将带来一个很大的变化,人工智能将替代人类更多的体力劳动和脑力劳动。

我认为首先受到影响的一定是人力成本密集型的工作。这类工作的特点是具有一定柔性的重复劳动,因此像关卡类型的工种将首先被替代,如停车场收费员,海关、查验等。

接下来被替代的职业将是诸如物流、拣货等这类更加复杂一点的体力工作。以拣货为例,传统的拣货流程是,工作人员每天推着小车去仓库拣货,后面还需要有一个校验环节,以避免出现差错,这就导致整个流程拉得很长,效率也很低,然而如果换成智能机器的话就不会出现如此问题,当他们变得更智能化以后,机器就可以对货架上的具体物品进行识别,以省去大量中间环节。

再之后,文秘、批改试卷的工作也将消失,取而代之的是机器通过手写识别功能自动对作业、文件进行评估、打分。

而人工智能机器最终的目标是替代人类的脑力劳动,如商业决策活动,这些原本基于经验数据的工作,未来很大可能由基于大数据的机器所替代。

联想之星作为一家天使投资机构在5年前就开始关注并投资该领域,并按照一横一纵的逻辑来布局。横轴主要是指底层通用技术,帮助机器提高其智能化水平,比如我们在美国投资的一家做无人机地图的公司Airmap。

当这些底层数据积累到一定量并在一些行业应用领域达到实际可应用水平,即具有可替代人工、低成本可重复性强、具有一定柔性之后,它将在改善行业效率和精准度方面做出贡献。

此外在选择切入点方面,我们优先从2B的智能机器领域创业公司切入。一方面是基于可行性考虑,最容易做透的人工智能领域就是行业应用和任务,只要定义清楚就可以围绕这个特定场景做训练及扩展。另一方面也是考虑到人工智能技术较为复杂,一开始可能并不完美,相对来说用户如果是公司的话他们的容忍度相对较高,也愿意为解决企业本身存在的痛点而支付更高的价格。

对我们来说,在人工智能领域投资和其他TMT领域的不同之处在于,其具有跨境生长的特质。例如,Face++之前没有花任何精力去做海外推广,但是他们有三分之一来自海外的用户使用他们的云端算法。实际上,在该领域中美两国的优势有所差异。中国的创业团队优势在于软件算法,而美国的创业团队则更多是硬件和集成能力。因此生产一个人工智能产品就像是做夹心饼,通过对各个环节的集成来实现。

同时这样的跨境机会也存在于市场中。比如做自动物流行业的无人机可能由于受到美国政策法律的限制,最早商用可能是在瑞士邮政而不是在美国,之后返回到美国市场,在一些工厂进行推广,然后再拓展到中国。因此在我看来,人工智能领域的创业团队需要具备跨国的视野以及在不同国家和地区寻找应用场景的能力。作为投资机构,2012年联想之星在硅谷发起成立了中美智能机器主题创新孵化器CometLabs,主要关注人工智能领域的项目,也是为了抓住跨境所带来的优势。目前我们在该领域总共投资了27个项目,包括Face++、思必驰、PreNav 、WEFT等,覆盖底层技术层、行业应用层、生态层。

我们一直坚定看好人工智能领域,然而对于今年年初以来的人工智能热我感觉到有很大的泡沫存在。泡沫最大的主要是两类。一类是盲目追求热点的公司,一类是追求小而全,有整机情节的公司。现在整个市场对于AR、VR整机、人形机器人炒的比较热,很多该行业的创业者既没有对技术的深入观察,也没有对行业的认真研究,只是简单给自己贴一个很热的标签,这是没有意义的,因为并没有看到他们对于物理世界的理解能力和决策能力的提升做了哪些方面的改变。而实际上,在AR、VR领域,除了整机之外,底层技术、行业应用还有很多机会待挖掘。

除了放宽人工智能领域可投资范围之外,在人工智能领域投资另一个常见的投资风险是,投资的前瞻性和数据积累的矛盾所带来的不确定性。由于我们主要是做天使投资的,一般所投领域有一定前瞻性,因为这样可以反过来撬动整个格局,但是这类前瞻性的东西一开始由谁来用,或者一定量的人用了之后是否足以形成数据循环,这是刚开始我们要重点思考的事情。比如做一台智能的B超机的公司,可能他们一开始没有那么智能,那么用户为什么要用它呢,但是如果用户不用的话就不能提前获得大量数据,形成积累和循环,这是矛盾所在。因此对于专注人工智能领域的公司来说,其战略和商业路径的选择尤为重要。我们总结的经验是,先从行业用户的痛点切入,然后通过人机结合的办法,渐渐形成数据积累,而当数据积累到一定程度后,它将成为公司除了技术以外的另一项核心竞争力。


更多

声明:本版文章内容纯属作者个人观点,仅供参考!由于部分内容有网友发布,如果侵犯您的权益,请与我们联系,我们将第一时间删除。
最新评论:共有 0 位网友发表了评论
查看所有评论
发表评论
评论内容:不能超过250字,需审核,请自觉遵守互联网相关政策法规。
用户名: 密码: 匿名?
注册
相关文章
联系中国知识管理中心
版权所有 Copyright© 2003-2016 知识管理中心(Knowledge Management Center)
京ICP备05002111号