图片来源：视觉中国

在钛媒体在线课“钛坦白”第40期，我们请来了三位钛客，分享AlphaGo与柯洁“人机大战”胜负之外的更多思考。本期钛客之一、码隆科技联合创始人、CEO黄鼎隆，是清华大学人机交互博士，曾就职于谷歌、微软、腾讯和TripAdvisor。2014年与搭档Matt Scott联合创立码隆科技，专注于计算机视觉人工智能技术研发。

本文节选自黄鼎隆在钛坦白的分享。如果您还不是钛媒体Pro用户，希望查看钛坦白所有干货，进入钛坦白九个专业群交流，并查看更丰富的专业数据和信息，可点击：https://www.tmtpost.com/pro 注册。

以下根据黄鼎隆在钛坦白的分享实录整理：

大家晚上好，我是码隆科技的黄鼎隆。码隆科技是一家专注于深度学习和计算机视觉技术创新的人工智能创业公司，主打产品是ProductAI，专注于做商品识别，可以像人类一样识别和理解图片或视频中的商品信息。

人工智能把围棋带入新境界

昨天AlphaGo和柯洁进行了第一场比赛，比赛结果出来的时候，我和码隆的CTO码特（Matt Scott）正在机场等飞机，看到新闻说柯洁只输了1/4子，当时我和码特都觉得很诧异。因为我们知道2.0版本相对1.0版本的进步是极大的，而柯洁竟然只输了1/4子，那就是说如果按柯洁昨天的发挥，就可以完胜AlphaGo1.0了，难道柯洁可以在一年以内有这么大的进步？还是他找到了AlphaGo的弱点呢？

可是后来看了昨天整个下棋的过程，我们的惊喜被打破了。从过程来看，柯洁和AlphaGo2.0之间的差距远大于1/4子，其实AlphaGo早早就锁定了胜利，我甚至怀疑，是不是AlphaGo赛前定的目标就是赢1/4子，不多也不少。如果是这样的话，那就更可怕了，这让我想起以前在校队打网球的时候，当遇到高你几个级别的高手时，他可以精确的控制每盘以几比几去赢你，你不仅没法赢，甚至想多输一点都做不到。

所以通过昨天这局比赛，我觉得对后面的胜负结果已经不需要做幻想了，在下围棋的这个事情上，人工智能已经超越人类达到另一个境界，期待人类下棋战胜人工智能，就好像期待奥运冠军跑步可以快过汽车一样，是不切现实的。

不过后面有一个新形式的比赛我特别感兴趣，那就是人机配对赛：在后面两位棋手将会和AlphaGo交叉配对合作，我觉得这种形式特别有意思。其实几个月前，我曾在上海的一个圆桌论坛就有说过：“未来的围棋比赛很有可能是人机配对的比赛，就好像现在的F1赛车。不仅需要车手和汽车都很厉害，而且他们之间彼此还能无缝配合，这样可能把围棋带到一个新的境界，那么AlphaGo的出现就并不意味着围棋这个游戏的死亡，而恰恰相反，通过人机结合，把围棋这个游戏带到一个新的境界。”

不知道大家有没有看过一个围棋漫画，叫《棋魂》，里面有一个围棋少年进藤光，他有一天偶然翻出了一个旧棋盘，在他接触棋盘的那一刻，一个古代棋手佐为的灵魂附身。随后竞腾光和附在他身上的佐为一起进入了棋坛，一开始的时候进藤光只是按照佐为的指示去下棋，后来他结合了自己的想法，可以说是人鬼合一，下出了许多精妙的棋子，战胜了很多强大的对手，我在想也许这个漫画描述的并不是一个灵异的场景，而是一个未来的场景。

也许未来的棋手他们都会带上一个人工智能，就好像《棋魂》里面的佐为的灵魂附身一样，不是人鬼结合，而是人机合作。在人机合作之下，下出超越现在的人们所能想象的棋局。

人工智能在商业领域更注重共赢

在体育竞技领域，讲究的是胜负，而在商业领域其实更注重的是共赢。前段时间马云说了这么一句话，他说：“AlphaGo赢了李世石，so tm what。”其实我挺赞同这句话的，当码隆科技在开发人工智能产品的时候，从一开始的理念就是真正的人工智能不在于自己有多智能，而在于能否让别人变得更智能。AlphaGo确实很聪明，可是它一直都只是在展示自己有多聪明，而没有让别人变得更聪明，所以可以说，so tm what。不过我相信DeepMind的科学家一定在考虑如何通过AlphaGo帮助整个围棋界提高水平。

说到这里我想给大家看一个视频，是码隆科技把ProductAI结合微软HoloLens所开发的一个原型，虽然这个原型不是用于下棋，而是用于购物，可是可以看到人机结合之后可以产生怎样的新场景。

ProduceAI的实际应用场景

码隆科技的ProductAI，就是希望打造一个人工智能的PaaS平台，帮助各行业企业的产品变得更智能。下面通过一些我们最近的实际案例来分享人工智能在商业领域的一些应用。

• 通过ProduceAI拍照找商品

设想一下，如果你是一个商店的店长，你希望你的顾客怎么样来找商品？有两种情况：他空手来跟你笔划一个怎么怎么样的东西，你听了半天都不知道他想要的什么，客户可能觉得很恼火，觉得你根本不懂他。或者另一种情况：客户直接拿着一个样品跟你说要这个，你可以很快的能够给他个答案。

大家想想在现在的电商这个领域，当客户想去找一个想要的商品时，他很不直观，得自己很费劲地去描述想要的商品是什么样子，然后通过文字的方式表达出来，还不一定找得到。而ProductAI的客户在各个行业可以用它实现拍照找商品的场景：

拍照找面料。想想如果你是一个服装公司的设计师，在路上看到一个人穿的衣服觉得这个面料很好，就想购买这样的面料去制造想要的衣服。这个时候怎么找这个面料呢？也许你只能跑到面料的批发市场一家一家地看，或者尝试用文字的方式把这个面料的图案描述出来，非常费劲。可是现在通过ProductAI，你只需要拍张照片就能够直接找到这个面料，并可以一键购买了。

拍照找服装。当你看到一个喜欢的衣服也想买的时候，只需要拍张照片就买到这个衣服。又或者是你已经有一件衣服了，想知道这个衣服该如何去搭配，那么可以也通过拍张照片就找到明星搭配这个衣服是怎么样的，你可以模仿她搭配的方式，只需要拍张照片。

拍照找家具。当看到一个你喜欢的家装图片，你只需要上传这个图片就能找到类似的家装风格，并且可以框选这个图片上的任何家具。比方说一个台灯，或者是座椅，只要把这个部位框出来，ProductAI可以马上找到对应的商品购买链接。

拍照找红酒。当你在朋友家喝了一瓶红酒后，觉得味道不错也想买，可是除非是对红酒非常了解的人，否则单单通过自己去观看这个红酒上面的标签信息是很难知道这个酒是从哪里买的，那么通过ProductAI，你也只需要简单的拍张照片就能够找到这个红酒。

拍照找新闻视频。在今年的全国两会期间，光明日报在Product AI平台上搭建了一个拍照找新闻视频的功能。在光明日报App上面有一个拍照的按纽，当你看到一个光明日报某一篇文章上的一个图片，比方说习主席在某一个场合握手的照片，你想知道究竟是在一个怎么样的场合握手呢？只需要拍下这个照片，就可以马上在光明日报的App上面查找到这个照片对应的事件视频，你可以通过视频了解这个新闻事件的全方位信息。

各种拍照找商品的场景，简单来讲就是取代以前比较低效的文字找商品的方式，以图找商品更快捷更高效，已经有不少的客户反映说，使用ProductAI在他们的产品上面增加拍照找商品的功能之后，他们的订单的成单量一下子提升了20%、30%。

• 人工智能对各种物体的识别场景

比如可以通过图片和视频识别出里面的宠物、里面的交通工具、里面的药品。

其实ProductAI还可以把一个商品背后的详细属性给识别出来。比方说一个商品的风格、品牌、材质、颜色等等。

传统企业与人工智能的结合

我们接触了大量的传统企业的客户，跟他们接触的时候，他们通常会跟我说：“哎呀，这两年刚刚听说‘互联网+’，还在琢磨怎么互联网+呢，现在就出来一个‘人工智能+’。”他有点无所适从了。

我会跟他们讲其实“人工智能+”会是一个更大的机会，因为互联网的技术红利期已经过了。如果你在15年前，10年前甚至5年前开始在你的业务中结合互联网技术，那么你还能够获得一些红利，一些先发的优势。可是到现在开始去“互联网+”，也并没有多少红利可言的，但你还是不得不去做。因为你不做的话，你相对于这个行业的其他竞争对手会有劣势，可是即便做了，也不会有太多的优势。而人工智能不一样，人工智能是一个最新涌现的巨大技术创新，所以是有一个很大的技术红利空间的。所以越是传统的企业，越应该去拥抱人工智能，去获得这个技术红利。

那么如何去拥抱这个人工智能的技术呢？我认为无非是有两点：

• 人。就是你得有这种懂得人工智能，至少懂得基本概念的人才，或者说从企业的管理者需要去学习这样的人工智能新领域。我最近也在一个AI创业营的班里，这个班上就有很多各种其他行业的一些管理者，他们会进到这个班去学习最新的人工智能的技术和想法。
• 数据。现在的人工智能以深度学习为核心，是完全用数据去驱动的，所以有的的企业如果要在业务中使用人工智能，你必须得首先解决数据。不过这个恰恰也是很多传统企业的优势，因为在他们过去这么多年的企业运营过程中，积累了大量的数据，只是说这些数据现在就像一堆金子被锁在了仓库里面，而人工智能会是那把钥匙，去打开金库，把金子给拿出来。

举个例子，比方说我们会跟一些时尚杂志去交流，那么我们就发现这些做时尚杂志的企业，他们过去十几二十年，积累了大量的时尚图片数据，可是这些图片在当期杂志卖过之后，就没用了。那么他们积累了那么多年的这些图片，其实现在是没有发挥他们应有的作用。我们想想，这个时尚图片里面其实隐藏了多少有用的信息呢？比方说不同的款式的衣服究竟在每年的变化里是一个怎样的趋势？不同的服饰单品之间如何去搭配？有那么多的组合，这些信息其实都在这些图片里面，通过人工智能技术就可以把锁在仓库里面的金子给挖出来。

人工智能产品进入市场的策略

具体的策略其实就在我们今天分享的这个题目里面，两个字——共赢，要更多的去考虑如何实现共赢，不是单单去思考如何展现我这个人工智能系统有多智能，而是能不能让别的产品变得更智能。这个说起来容易，其实做起来是挺难的，比方说有很多研究机构，他们会把大部分精力去放在说如何做出一个非常智能的系统，去关心这个系统的各种参数，说它的准确率、精度等等。可是从商业的角度看，这些参数都只是体现出你有多智能，而不是你能不能让别的产品变得更智能。

• 你的产品要帮助别的企业变得更智能

而要做到让别的产品变得更智能，首先是有一个很重要的工程问题要解决，就是不仅仅你的核心算法要厉害，要很多数据训练出一个很好的AI模型，你还需要一个很强大的工程团队去以产品的形式把AI模型可以让别的企业非常容易的去使用，在使用过程中的各种性能，便利性、维护性甚至客户服务等等，那么这些并不能体现你有多智能，可是能够让你的产品帮助别的企业变得更智能。

从商业的角度也要去考虑如何用你的产品帮助别人变得更智能。比方说也有很多机构他们会觉得他们开发出来的算法很厉害，如果谁要来用这个算法，首先要给他很大的一笔钱。而我们做的做法就是我们把模型，我们的这个人工智能的商品识别模型放在了云端，以PaaS（Platform-as-a-Service）这样的方式开放出来，所有的企业可以很快捷地接进来。接进来之后以API的调用次数去收费，也就意味着当你一开始在用的时候，API调用次数非常少，你需要付的费用是很少的，可是当你的用户很喜欢使用量大起来，自然你也愿意多付一些钱。

• 与垂直领域经验客户的交流

另外就是这个人工智能是一个纯从技术导向开发出来的产品呢，还是说从一个行业的问题为导向开发出来的产品？。以ProductAI为例，我们是会切入到一些垂直领域，去寻找到这个领域一些很重要的问题。打比方说我们切入到纺织服装这个领域时，我们就会跟这个领域的积累了多年经验的一些客户去交流、寻找出在他们的业务流程中，在什么地方是可以用人工智能去提升效率的。

比如说刚才给大家展示的这个案例，用人工智能的方法自动地去提取和分析一个色彩流行趋势，这样的事情其实不是我们自己想出来的。我们并不知道在服装纺织这个行业原来色彩的趋势是一件这么重要的事情，是我们跟我们客户交流的过程中，我们才知道，原来这是一个对这个行业很重要的问题。同时我们又去思考，这样的一个问题是不是可以用人工智能的方式去解决？那么随之就去考虑相应的算法，相应的这个数据如何获取，产品怎么架构使得这种大规模的调用变得更容易等。最后去推出一个产品给到这个行业去使用，并且还需要在使用的过程中，不断根据客户的反馈，不断的去提升。

那么所有这些，我认为都是比人工智能的一个技术本身更重要的问题，也就是这个技术如何商业落地，如何跟客户实现共赢的这个问题。

• 人工智能与其他技术的结合

人工智能技术还能跟很多其他的技术相结合。比方说跟AR增强现实结合，也可以有很多好玩的新场景。

如上面这张图片，首先用AI去识别出这个商品，然后用AR增强现实去创造，你可以把加多宝变成一个机器人，然后跟这个机器人去对战的一个场景。在零售这个领域就可以去吸引用户来到这个商品面前，然后提升转化率，我们也曾经跟蒙牛有过这样一个商业合作。

在蒙牛案例里面，可以让用户任意角度拍一张蒙牛的牛奶然后就会识别并触发出一个游戏，可以把蒙牛上时空猎人这样的一个虚拟人物召唤出来，然后跟这个人物进行对战，战胜了之后会有一个优惠券，通过这个方式是可以很有效的去提升商品购买的转化率。

大家可以看到，在商业领域，我们更关心的不是人工智能有多智能，而在于人工智能能不能让其他产品变得更智能，这个是ProductAI的使命，我们也是希望在这个新的人工智能时代，我们可以实现人和机器共赢。

钛坦白群友互动：

1、拍照不同的东西应该处理路径不同吧？请问你们是穷举多少种类型吗？

黄鼎隆：不需要穷举，因为我们这个产品是2B的，服务B端的企业，每一个B端的企业他们其实都会在一个特定的行业里面，比方说就是面料这个行业，或者说家具这个行业，或者红酒这个行业，所以在这个特定的行业里面，我们是不需要去穷举其他领域的商品的。

2、请问ProductAI 和之前流行而没有成长起来的搜图技术的差别在哪里？如何解决出来的产品多款雷同呢（比如淘淘搜）？

黄鼎隆：有一个很重要的差别是质量，就是到底能不能说出来精准度如何，我们也是经过很长时间的摸索。我们发现这是一个大家一直以来都很感兴趣的场景，拍张照片就能找到这个商品并不是个新需求，可是关键就在于你拍了照片之后找出来的东西究竟是不是客户想要的。而这样的准确度和客户满意度需要到一个阈值，如果低于这个阈值可能是不能实际使用的，要高于这个阈值需要大量的研发的投入。

你提到淘宝这个爱立淘和淘淘搜，有一个显著的差别是我们这个技术是2B的，就是我们把这个技术开放出来，去服务B端的企业。

3、可以简单介绍下ProductAI以图搜图背后的技术原理？

黄鼎隆：原理跟上一代的图片搜索相比有一个大的变化。之前是需要去人为手动地去定义一些特征，现在是完全用深度学习，用数据的方法去驱动，就不需要去定义特征了，这个对于商品由于是一些柔性的商品尤其重要。

比如像衣服，衣服是典型的柔性的物体，当你挂在衣架上或者你穿在身上它有一种特征。可是当你把这个衣服叠起来甚至揉成一团，它原来的这个特征就会被破坏掉了，所以传统的这种定义特征的方式是对于这一类的场景是不适用的，由于有了这个深度学习的技术还有现在有了海量商品图片的数据，所以现在我们是可以去解决这个问题，使得一个柔性的物体衣服不管它怎么扭曲折叠我们还是可以识别出它是什么。

4、对于人工智能来说，数据非常重要，需要用来训练模型。数据获取方面，您有什么建议？

黄鼎隆：数据确实是对现在的人工智能是一个非常关键的因素。可是我认为，在数据之前，还有一个更重要的问题，就是你是希望用这个数据训练出怎样的模型？去解决什么问题？这个问题本身可能比数据还要重要，因为我们现在的人工智能还是一个所谓的弱人工智能，不是强人工智能，也就是说它不是通用的，它不能够解决所有的问题。只能解决一个特定领域的问题，这个问题越聚焦，所开发的AI模型就能解决的越好，所以你要获取的这个数据一定是要针对一个特定的非常清晰的问题，然后你去收集标注相应的数据才有意义。

具体到数据的获取的方法，我的经验是其实只要你的问题定义清楚了，数据是总能够获取到的，无非是成本多少的问题。而关于成本，如果你上个问题如果想清楚了，你也可以推算出值得花多少成本。所以只要你把问题定义清楚了，我认为数据就是一个随之就会可以解决的问题。

（本文独家首发钛媒体，根据码隆科技联合创始人、CEO黄鼎隆在钛坦白上的分享整理）

…………………………………………

• 更多钛坦白干货文章、下期预告可以点击：https://www.tmtpost.com/tag/1508094
• 更多了解人工智能，你还可以看钛媒体推荐的书单：https://www.tmtpost.com/2610569.html