話題開始前，?？庵v了一個小故事。20世紀90年代末，初入清華計算機系不久的他，“象棋下得還不錯”。有一天，班級里一個參加奧林匹克競賽集訓隊的同學到寢室聊天，問：“關于象棋你是怎么思考的”，牛奎光隨便聊了聊。一個星期后，這個同學編寫出了一套象棋程序，牛奎光便下不過了這個程序。而此前，那個同學基本不會下象棋。
精彩語錄
1。語音識別領域，是大公司必爭之地，大公司的技術積累會比創(chuàng)業(yè)公司好很多，創(chuàng)業(yè)型公司機會相對少一些；
2。圖像識別需要找到一些可以接受目前成本結(jié)構(gòu)和服務方式的方向；
3。在人工智能領域內(nèi)投資和創(chuàng)業(yè)，需要考慮周期的問題。從創(chuàng)業(yè)公司角度說，必須找到一個很好的對應應用，從而使一開始推出時就有一個好的切入點；
4。人工智能領域的創(chuàng)業(yè)者要求非常高：不僅要懂技術，還要懂應用，并且需要對成本、演進方式、節(jié)奏都有所把握。
5. 機器到底能不能理解人的情感，這件事我沒有答案。
話題開始前，牛奎光講了一個小故事。20世紀90年代末，初入清華計算機系不久的他，“象棋下得還不錯”。有一天，班級里一個參加奧林匹克競賽集訓隊的同學到寢室聊天，問：“關于象棋你是怎么思考的”，牛奎光隨便聊了聊。一個星期后，這個同學編寫出了一套象棋程序，?？獗阆虏贿^了這個程序。而此前，那個同學基本不會下象棋。
也是在?？馊雽W清華的1997年，對戰(zhàn)IBM“深藍”的世界國際象棋冠軍加里卡斯帕羅夫以1勝2負3平成績敗北。
相對而言，象棋招數(shù)變化相對有限，對計算機的搜索域要求相對簡單。而圍棋如果想把每一種可能性都計算出來，要復雜得多。
所以直到不久前谷歌AlphaGo對弈韓國棋手李世石，并以4:1絕對優(yōu)勢勝出，輿論驚呼“人工智能時代來了”，媒體探討“人工智能怎么樣與商業(yè)結(jié)合”，語音識別和圖像識別又到了什么階段，公眾對人工智能領域的創(chuàng)業(yè)者給予了更多的關注。
聽聽清華大學計算機系97級的IDG合伙人?？庠趺凑f。
牛奎光，IDG資本合伙人，專注于企業(yè)服務、安全、數(shù)據(jù)驅(qū)動的應用和人工智能方面的投資，是找鋼網(wǎng)、紛享銷客、同盾、商湯等的投資人。
(以下以牛奎光自述形式整合梳理其對人工智能方向的判斷和投資邏輯。)
人工智能和商業(yè)結(jié)合的時代正在到來
“人機大戰(zhàn)”使大家對人工智能有更廣泛的認識，但對于創(chuàng)業(yè)者來講，他還要想到人工智能怎么跟商業(yè)結(jié)合，怎樣應用到一些場景中去。目前來看，大多是從接收信息和給出信息的角度進行考慮布局這是人最常見的兩個活動。
人對外輸出信息最主要靠“說”，這是他表達自己的最快方式。而接收信息最快的方式是用眼睛“看”。人工智能最初就是在這兩個地方開始得到很好的應用。
從我的角度來看，主要是兩件事促進了人工智能的發(fā)展進程：一是互聯(lián)網(wǎng)的出現(xiàn)使數(shù)據(jù)變得越來越多，并且積累很多在網(wǎng)上。二是后來的機器學習跟之前的方法相比，有很大的進步，設計算法其實是讓計算機處理信息的組織從生物學上向人腦信息處理方式學習。也就是我們?nèi)四X目前可以說是計算效率最高的一種方式吃幾片饅頭就可以工作了，能量消耗也很少。這就使一些簡單智能的工作慢慢地可以由計算機去完成，這是這次所謂的人工智能熱之后的一個背景，它的意義也是蠻大的。
1.語音識別：大公司必爭之地
人工智能取得進展的第一個領域是語音識別。
語音輸出之后，怎么更好地被計算機所去理解，自然也就變成了人工智能過程中的第一個比較重要的事。這就是語音識別。
而反向問題，得到一段字后，如何將它轉(zhuǎn)化為語音，這是一個相對比較簡單的事情，需要解決的只是讀的過程中哪個字和哪個字連結(jié)得緊一點，或者稍稍帶點感情。這里包含兩個問題，一是如何把語音變成某個字或某個音，二是自然語言理解的問題，這個比較復雜。比如兩個人如果有過很長時間打交道的經(jīng)驗，那么在交流時，其實有些話不用講出來便可以互相理解，但這些話在沒有語義的情況下，甚至第三方都很難理解，更不用說機器了。