MIT-CHIEF 2016年会回顾:站在自动驾驶与人工智能的风口

By 机器之心2016年11月20日 11:26

2016 年 11 月 12-13 日,麻省理工学院中国创业与创新论坛(MIT-CHIEF)第六届年会在波士顿举行,旨在搭建中美商界与学界对话的平台,其中嘉宾包括:麻省理工学院斯隆管理学院副院长黄亚生教授,搜狐总裁张朝阳,斯坦福教授兼丹华资本创始人张首晟教授,MIT 机械系主任陈刚教授,真格基金兼新东方创始人王强,瑞银集团执行副总裁 Eric Gan 等。机器之心则带着对智能驾驶与人工智趋势的关注,参加了本次大会。两天的会议虽未对技术细节作出深入的讨论,但仍在技术的商业应用,市场推出,中美交流上提供了很强参考价值。提醒各位创新者仅掌握技术的局限性,创业——尤其是颠覆性创新——需要导航复杂的商业环境,面对甚至尚未形成的市场,从中平衡长短期利益。

Pannel/Plenary 亮点回顾

不少嘉宾以自身科研成果或创业历程为切入点发表讲话,也有投资人从大趋势上分析人工智能等产业的走势。例如,创新工场的合伙人 Chris Evdemon 指出,人工智能将是继互联网先驱,产品经理,O2O 热潮后的下一个大趋势。

目前,国内市场面临着资本过剩,人才缺失,大公司垄断等问题,亟需建立更明确的分期成果,吸引多方面人才,搭建长远目标,实际地考虑创业公司与大公司竞争的利弊与发展前景。Chris 认为,海外的技术人才出路很多,可以考虑为美国本地公司/美国本地公司的华人市场部/华人公司,或中国外资企业/中国公司/中国公司的海外部工作,几种选择各有利弊,不过介于这几年经济形势的变化以及国内的高速发展,中国境内的外资企业或已失去竞争优势。海外创业公司若打算开发国内市场,亦需要考虑「本土化」。从投资人的角度来看,这背后的多重顾虑与独特商机算是一把双刃剑。

blob.pngSynced (193).jpg


本篇文章将带您回顾:

智能驾驶商业化中未知的风险与商机

智能驾驶

2016 年是全球智能驾驶热度空前的一年。谷歌、福特、特斯拉、丰田、通用、百度、法拉第、Uber 等公司纷纷入局,以不同方式展开对智能驾驶的实验研究及产业落地。智能驾驶为汽车产业带来了发展的新机遇,但同时其在当下也面临着相关法律缺失、技术尚不完善以及消费接受度不高的现实挑战。

此次 MIT CHIEF 智能驾驶论坛(Autonomous Driving Panel)汇聚了来自智能驾驶产业生态圈各个环节的「代表」,阵容豪华:由普林斯顿大学教授转型投身产业的肖健雄第一位发言,现场展示了他近期创立并任 CEO 的 AutoX 公司的产品演示;来自麻省理工媒体实验室的 Iyad Rahwan 副教授,则分享了正在创建的「驾驶道德」(Moral Driving)网站-通过数据收集分析不同情境下的驾驶决策;技术驱动型创业公司图森互联的联合创始人兼 CTO 侯晓迪,介绍了图森互联及其基于计算机视觉和深度学习算法的公司策略和发展方向;最后来自云启创投的黄榆镔,代表了 VC 方对智能驾驶产业做出了点评。随后,在「麻省理工科技评论」(MIT Technology Review)杂志资深编辑 Will Knight 主持的座谈环节中,肖健雄、Iyad Rahwan、侯晓迪和黄榆镔对智能驾驶技术及产业现状展开了讨论,并分别从各自的专业角度分享了他们对智能驾驶的思考。

当谈及自动驾驶汽车的商用时,来自产业链不同环节的嘉宾们的发言见仁见智。研究「驾驶道德」的 Iyad Rahwan 关注更多的是自动驾驶汽车的安全性,他表示大众对于自动驾驶汽车是否接受很大程度取决于是否安全。云启创投的黄榆镔则认为资本的注入是自动驾驶汽车真正上路的先决条件。正在研发自动驾驶汽车产品的肖健雄提出,在兴建新城市的过程中为自动驾驶汽车设计专用车道,作为推进商用的解决办法;同为技术创业「代表」的侯晓迪则解释了图森互联的定位,他们认为自动驾驶可以细分为自动卡车和自动汽车两部分,两者区别很大,其中自动卡车会更加可控,也正是图森互联先下的研究方向。

会后肖健雄与侯晓迪特别面对机器之心,对此次论坛发言进行了补充。

肖健雄

虽然 AutoX 仍处于「地下模式」,作为创始人的肖健雄并不吝于展露自己的雄心。在解释公司标语「Democratizing Autonomy」时,他表示推动自动化的普及是他们的使命,并自比微软希望自动化像计算机一样覆盖到社会的方方面面,其中自动驾驶只是他们目前专注的第一步,AutoX 的「X」代表着未知,也代表着一切。同时他也阐述了自己从学术界普林斯顿大学教授,投身到工业界创立 AutoX 的始末:「我认为这可以为社会带来更多的价值。实验室关注更多的是理论上的推导。在学术圈做研究产出论文的模式是必要的,但是相应每个项目规模很不会很大,缺少多人合作也很难系统化地解决问题。我觉得自动驾驶的研究到了这样一个阶段,需要多人合作长期系统地来攻克。创业是唯一的解决办法,也只有工业界才能够实现。」此外肖先生还表达了以技术为先的态度和对深度学习的关注,特别是如何将深度学习作为一种工具来使用。

侯晓迪

计算机视觉和认知科学领域专家侯晓迪先生也从图森互联 CTO 的身份出发,很详细地解释了他对于业界一些看法及图森现阶段的发展状态。与机器之心的对话如下:

Synced:自动驾驶汽车的发展阶段被学界分为五级,从部分自动化一直到完全自动化。您觉得图森的研究现在位于哪个级别?5 年内计划实现到哪个级别?

侯晓迪:我觉得这个分级体系其实不够准确,其中一个原因就是,从它定义的第三级到第四级其实是一个很大的跳跃。在第三级,驾驶员虽然不操作,但是还需要观察路况,但是在第四级,驾驶员就可以完全不看路了。这中间其实跳过了很多东西。我们将我们的产品定位在「三加四减」的阶段,也就是说,卡车不需要随时有人看着,但是也不排除在一些非常规情况(比如轮胎故障),需要人介入进行调整。对于大部分公司来说,特别是创业公司,一下子达到五级都是不太可能的。我认为所有的技术都需要且行且看吧,没有一个技术能够在初期就满足所有人的所有幻想。作为一个创业公司,我们一定是先有商业上的需求,在可得资源和可等待的时间范围内实现一个技术上可行的产品。所以我们目前的计划是定在「三加」阶段。

Synced:图森为什么选择自动化卡车作为第一个进入市场的产品?

侯晓迪:第一个原因是成本和价格的问题。对于普通的消费者来说,目前自动化汽车改造的价格是很高的,因为本身我们的成本就很高,而大部分人也不会长时间频繁使用汽车;而对于产品生产者来说,卡车运输是不可或缺的一部分,在被大量使用的基础上,产品公司对价格的承受能力会更高。所以我们的第一步,是让自动驾驶汽车作为生产工具进入市场。

Synced:自动卡车在市场接受程度上可能会遇到什么阻碍?

侯晓迪:市场接受的程度主要还是取决于最终的产品形态,包括功能、价格、可靠性等等。如果一开始功能定的虚高,算法达不到,最后产品出来不是贵就是可靠性差,就肯定会在市场上碰一鼻子灰。其实有很多技术上无法绕过的难题,是完全可以通过功能设计来回避的。创业公司有一个优势就是,算法设计者和产品功能设计者的沟通成本很低,大家可以坐在一起,持续地沟通和妥协,来达成共识,最后迭代出来一个功能上有价值、价格上可接受、可靠性上足够在使用场景内让大家放心的东西。在风险控制上,我们最开始一定是需要自己承担相关的风险,这样大家的信任程度会更高一些。同时,只要我们的模拟测试能够将出错频率控制在极低的范围内,我认为这个产品就是可以被接受的。

Synced:政府对自动卡车投入市场的态度是什么样的?

侯晓迪:政府对这件事是非常支持的,因为现在的卡车运输其实存在很多问题,比如超载、危险驾驶、司机行为监管等等,要将这些管理好,要比管理几个自动卡车公司要复杂得多的,所以我们的产品其实也是在帮政府解决这些管理上的问题。

Synced:智能驾驶产业现在话题度热度居高不下,您对产业现状怎么看?是否存在泡沫呢?

侯晓迪:泡沫是肯定存在的,因为市场包括投资人很难鉴别技术创业者是否真正具有算法研究能力。我们也见识过一些技术领域的「李鬼」,这些人其实是在消费整个 AI 创业圈的公信力。但是无论怎样,想要实车上路,哪怕只是在开放环境下跑几公里,稍微拐个弯避个障,就已经不是纯靠嘴皮子就能吹出来的了。何况是关乎人命的产品,所以整体来说大家对于风险管控意识很强。而且确实存在不少比无人车泡沫更大的领域。

Synced:中国现在有接近 1600 万长途卡车司机。随着自动驾驶系统的应用,卡车司机群体失业是不可避免的结果,对此您怎么看?

侯晓迪:一方面,新的职业一定会出现,社会会提供给这些人新的就业机会,比如说,自动汽车不需要人来驾驶了,这些人就可以借着物流成本降低的东风来做生意;另一方面,现代社会学习新知识、新技术的门槛越来越低,这些人群完全有可能成为技术工人甚至程序员。最后,自动驾驶系统的换代升级肯定不会是一夜之间完成的事情,市场的转变会是以年为单位的。

Synced:图森在大量使用 labelled data,那么也就意味着还是需要人对数据进行解读,之后进行 supervised learning。这样对于历史数据无法覆盖的危险情况,我们如何保证安全?图森是否在进行 supervised learning 之外的尝试?

侯晓迪:所有的测试数据肯定都是「历史训练数据」无法涵盖的。如何增强模型的泛化能力是机器学习一直以来最核心的问题。近年来深度学习大行其道,确实存在一些急于求成的创业者,一知半解的情况下就拿深度学习说话,给社会一种不靠谱的感觉。但是我们对于纯深度学习的局限性一直很清醒,并且在 end-to-end learning 之外做了很多尝试。比如,我们一直很强调传统的 Bayesian statistics 和深度学习并重的视角来看问题。

机器学习试水商业应用,「曾经训练出来的数据集,可能根本没用。」

机器学习

6876896-universe-wallpapers.jpg

从年初的围棋大战开始,「机器学习」就注定将成为 2016 年最受关注的话题之一。与此同时,机器学习也从实验室走出来,作为一种更强大的数据分析工具,被快速应用在许多公司的商业决策上。在此次 MIT CHIEF 机器学习论坛(Machine Learning Panel)中,嘉宾们都给出了自己对这一波商业浪潮的独到见解。

微软 Azure 机器学习工作室的高级数据科学家 Wu Tao 首先点出了应用机器学习工具这一趋势的动因:数据的快速增长、计算能力的大幅提升、以及应用门槛的大幅降低。同时,他认为在这一大环境下,小型的公司反而能有更大的优势,因为大公司整合新技术的过程更加烦琐,一定程度上影响商业效率。数据分析解决方案提供者 Tamr 公司的 CEO,Andy Palmer,也分享了他创立 Tamr 的经历和心得,并强调了机器学习工具对商业决策的重要性。

来自麻省理工大学信息与决策系统实验室(LIDS)的高级研究员 Kalyan Veeramachaneni 认为,目前,机器学习预测模型的商业应用,仍有很大的进步空间,因为目前的落地时间慢、行政冗余长。在技术方面,大部分学术上的研究模型都没有在真实的环境下训练过,导致其实际价值非常有限。在会谈过程中,他向台下的观众问道:「在座有多少人训练过数据集?」台下约几十人举手。他随后追问道:「谁训练的模型最终被上线使用?」只有寥寥无几的人响应。

对于提供数据分析服务的初创企业,论坛的建议是:专精于某一个领域,能够帮助公司更快找到客户群。

结束后,Kalyan Veeramachaneni 特别面对机器之心,对此次论坛发言进行了补充。

Synced (255).jpg

Kalyan Veeramachaneni

Synced:与大部分学术研究不同,您的许多研究项目都更加实际、偏重应用,比如您 2015 年对 MOOC 网站退课率的预测模型研究。是什么让您选择了这些课题?

Kalyan:我一直认为,学术界的许多研究灵感都是来源于商业:当旧的技术不能满足市场的时候,学术界就能够把握机会创造新的技术,计算机视觉、机器学习等都是这样的例子。同时,我也觉得,拥有应用价值的研究项目才是更有意义的项目。虽然学术界一直不太强调研究的实际应用,但我觉得这是有价值的。

Synced:您觉得学术研究与商业应用存在脱节的现象吗,对此您有什么看法?

Kalyan:我确实认为存在一定程度的脱节,而这种脱节是可以缩小的。比如在麻省理工学院,学术圈与商业的交流非常频繁,我们能够很快地了解到商业企业的最近进展和技术需求,研究成果也能快速地投入商业中使用。所以,第三方机构,比如大学,在缩小这以差距上扮演了很重要的角色。

张首晟——物理学家人工智能风投,当斯坦福与硅谷遇上中国

张首晟 (斯坦福大学教授,丹华资本创始人)

Synced (141).jpg

张首晟教授在演说中提到硅谷的发源地,回溯在新泽西的贝尔实验室,肖克莱博士、巴丁博士和布菜顿博士发现晶体管,并借由此发现荣获诺贝尔奖的这段历史。他指出,信息技术依赖于摩尔定律的效应,如果摩尔定律停止应验,将无法继续发展。张教授与他的团队在量子自旋霍尔 (Quantum spin Hall effect) 与拓扑绝缘体 (Topological Insulators) 的研究上对芯片的升级有着重大贡献。在「量子自旋霍尔效应」下,芯片中的电子可以像高速公路的汽车一样正反流动,将「信息高速公路」拓建到芯片层次。

不过,张首晟此次主要以投资人亮相。他于 2013 年成立丹华资本,「丹」取之于斯坦福的音译,「华」取之于中华,试图搭建硅谷,斯坦福大学,与中国之间的技术创新桥梁。在讲到自己作为著名物理学家和新进投资人之间的身份转变时,张教授认为两者之间并无太大区别。像特斯拉 CEO 埃隆·马斯克,张教授也提到要从物理的「第一原理」开始思维,认清事物与事物之间的本质联系,强调理工思维在商业投资里起到的重要作用。

演说后,张教授对机器之心阐述了更多关于人工智能的看法和投资理念。

Synced:您的丹华投资在硅谷投了非常多的人工智能公司,是什么样的契机让您开始关注这一领域呢?

张首晟:人工智能是一个必然的趋势,这个趋势有三个重要的模块:优良的算法,大量的数据,还有我今天在演讲时提到的「摩尔定律」——计算能力势必以指数增长。人工智能是在 50,60 年代提出的概念,不过把以上三个模块整合在一起是近期才做到的。在这个意义下下,我们处于一个非常激动人心的时代,它会改变人类生活的每个角落。

Synced: 能讲讲您在硅谷投的公司吗?它们分别有什么样的特点?

张首晟:我先讲我们投的人工智能公司吧。人工智能有两个,一个是做平台性的,比如像 DeepMind,MetaMind 等,像我们去年看到 AlphaGo 的成功。另外人工智能会改变垂直领域,在这个意义下,它能带来更多的机会。平台性的,大公司可能已经掌握了技术,它也有大量的数据和计算能力。但是有的时候在无人机上或者自动驾驶汽车上,你不可能用到云端的计算能力。该如何在局限的情况下把人工智能做好?我们投的一家公司叫 pilot.ai,它就找到了类似的初创公司生存空间。另外我们投的一家公司叫 Trustlook,它使用人工智能来识别安卓手机系统里的病毒。在以前,这是人工来做得事情,现在都会慢慢被机器取代。另外一个很大的领域是医药,比如说 radiology 的图片和 pathology 的图片,我们都可以用机器读取,机器在很多时候比人工更精准。相比较于人,机器大脑可以不休息地运作,一旦有了足够的训练集,我们就能够把它教得越来越成功。

Synced: 您如何看待国内的人工智能创业公司?这些公司的机遇与相对优势又在哪里?

张首晟:国内真正原创的公司还是不够多,不过我相信在某些垂直的领域,技术虽然不一定是全球领先,但是它已经是有一定领先的应用,这样的话也是有竞争空间。

张朝阳——立志返回互联网舞台中心的搜狐,在人工智能时代何去何从?

张朝阳 (搜狐总裁,创始人兼 CEO)

Synced (34).JPG

搜狐总裁张朝阳是此次 MIT-CHIEF 的最后一个嘉宾。面对 MIT 的观众,他轻松说起多年前的创业经历——从 MIT 毕业后的少年成功——其中不乏对搜狐倚重宣传,错失开发产品良机等历程的一些反思。作为总结语,张朝阳表示将尽力在未来几年将搜狐带回互联网中心,从内容娱乐,语音搜索等切入口更新整个平台。这位互联网界的大佬对机器之心给出了关于创新接地气的看法,其中包括人工智能在搜索,新闻,娱乐等方面的应用。

Synced: 今年上半年,搜狗投资了 1.8 亿与清华联合成立了天工只能计算研究院,双方基于「清华搜狗搜搜索技术联合实验室」的研究向人工智能领域的前沿技术深入拓展。那么搜狐是否有计划进行全线业务的人工智能化呢?

张朝阳: 这是一个持续一直在发展的事情。我们一直在投资人工智能,主要集中在搜狗方面。人工智能在新闻方面的应用据我所知,用机器学习的算法,深度学习的构架来处理编辑好的文章特征。

Synced: 那会不会有搜狐员工被自动化掉的危险?

张朝阳:没有,因为将需要更多的人来写更好的软件。其实不是说会减少人,而是说工种变了。

Synced: 那么编辑部的员工还安全吗?

张朝阳:编辑部现在基本上是越来越少了,现在很多是公众号的东西写好,再由机器来筛选。打头阵的编辑部的团队需要更精炼地提选内容。

声明:本文由机器之心原创出品,版权归作者所有,转载请查看要求,机器之心对于违规侵权者保有法律追诉权。