2）通過足夠的訓(xùn)練，做出理性的決策。一方面，對于復(fù)雜的非結(jié)構(gòu)化的數(shù)據(jù)，在不需要人類指導(dǎo)的情況下，深度學(xué)習(xí)能主動地逐層發(fā)現(xiàn)和提取里面的特征和規(guī)律。另一方面，對于有明確的輸入輸出的問題，比如識別物體，AlphaGo下棋，雖然沒辦法描述具體規(guī)律是什么，但只要給它足夠的數(shù)據(jù)去訓(xùn)練，它就可以建立模型，擬合這個規(guī)律去獲得最優(yōu)解。當(dāng)它能夠更準(zhǔn)確地把握規(guī)律，獲得最優(yōu)解的時候，它也就能夠做出更理性的決策。
3）結(jié)合感知、決策與各種機(jī)械硬件，完成自主任務(wù)。這就是將來在十至二十年的范圍內(nèi)更大程度上能取代大量人類工作的基矗就像自動駕駛汽車的傳感器、攝像頭的感知，它的中央控制決策怎么來開車。同樣的理論，應(yīng)用到制造業(yè)、服務(wù)業(yè)、智能傳輸、智能硬件、家電硬件等來實現(xiàn)各種各樣的自動化。
四、我們看好的三個方向
人工智能還處在技術(shù)紅利期，距離它真正的應(yīng)用期還需要3-5年，所以目前我們在這個領(lǐng)域的投資主要集中在以下三個方向：
第一個方向：尋找并投資頂尖的技術(shù)專家，他們每年的年薪大概在100萬美金，一般情況只有大公司能夠請得起，這類專家如果出來創(chuàng)業(yè)，成功的概率會高一些。
第二個方向：這個領(lǐng)域真正的好項目之所以這么貴，還在于掌握深度學(xué)習(xí)技術(shù)的人才數(shù)量太少。所以我們投人工智能的社區(qū)和培訓(xùn)，這個領(lǐng)域需要更多的人才。也希望更多的技術(shù)人員能夠?qū)W習(xí)深度學(xué)習(xí)，一起加入到技術(shù)變革的浪潮中來。
第三個方向：有行業(yè)數(shù)據(jù)的一些公司，我們可以給他們帶一些人工智能的技術(shù)進(jìn)去。在你原有的行業(yè)資源上新做一個公司，或者在你原有公司基礎(chǔ)上進(jìn)行升級。
現(xiàn)在人的智能和經(jīng)驗正處在被計算機(jī)化的過程，但情感的部分仍在研究。人的思維情感的產(chǎn)生是物質(zhì)的，是神經(jīng)元的連接刺激，這需要時間和積累，通過腦神經(jīng)科學(xué)研究可以用計算機(jī)模擬出來，但是模擬出多少還不得而知。
五、跨越鴻溝
技術(shù)的發(fā)展帶來的不僅僅是技術(shù)層面的變革，也是社會層面的大變革?，F(xiàn)在我們很多行業(yè)存在的前提都是歷史積累過來的。比如保險，誕生于意大利，當(dāng)時的商人去淘貨要在海上航行，經(jīng)歷海難就很可能回不來，所以大家就想出一個主意叫互相保險，每個人都出一點錢，萬一貨沒有了就從這里賠錢，這樣就把損失彌補(bǔ)了。為了增強(qiáng)公信力，就要建一個保險公司把錢交到那兒去。
可保險公司是會倒閉、會違規(guī)的，但現(xiàn)在我們可以用區(qū)塊鏈的技術(shù)去做新一代的保險。系統(tǒng)里面賬本是公開的，我愿意就加入。也不需要雇傭那么多的人去賣保險，不需要付那么高的傭金成本，所以保險公司這種商業(yè)形態(tài)是會被干掉的，只是時間早晚的問題。
當(dāng)然，這些變革最初以新產(chǎn)品、服務(wù)的形式出現(xiàn)在大家的視野里的時候，在使用層面都是小眾的，就像當(dāng)年的汽車、大哥大和青霉素。從小眾產(chǎn)品到大眾產(chǎn)品中間橫著一條巨大的「鴻溝」， 能否順利跨越鴻溝并進(jìn)入主流市場，得到大眾的支持，就決定了你的產(chǎn)品的成敗。
新產(chǎn)品或者新技術(shù)要進(jìn)入市場時，要如何切入？選擇最大眾的主流用戶還是小眾的創(chuàng)新用戶？杰弗里·摩爾(GeoffreyA.Moore)寫過一本書《跨越鴻溝》，在摩爾的《跨越鴻溝》出來之前，市場認(rèn)為要打主流用戶?，F(xiàn)在傳統(tǒng)的營銷理論還是這個論斷，認(rèn)為主流用戶是最肥的市常但《跨越鴻溝》出來之后，給我們帶來一個全新的視角，他認(rèn)為我們先要打的不是主流用戶，而是創(chuàng)新用戶，理由有兩個：
第一個原因：創(chuàng)新用戶和主流用戶之間的距離在不斷縮短，因為產(chǎn)品進(jìn)步的步伐在不斷加速。
第二個原因：主流用戶基本上都是「烏合之眾」，他們對新技術(shù)和新產(chǎn)品的獨(dú)立認(rèn)知和判斷，是通過他身邊的創(chuàng)新用戶形成的。所以摩爾提出跨越鴻溝，有兩個辦法：
第一個辦法：單點突破，找到用戶使用場景中間的痛點，挖掘出單個創(chuàng)新用戶群作為突破口。