小欣：大家好，欢迎收听“钛媒体72问”专家分享课《坦白讲》。我是主持人小欣，在课程中我将会陪伴大家探索行业大咖对于前沿领域的深度剖析与思考。现在就和我一起开始了解今天要进行课程的嘉宾吧！

今天的主讲人是地平线机器人资深算法研究员罗恒，他是地平线模型压缩和加速方向的负责人。本期课程将会分为五大节，第一节罗恒老师会为我们讲解人工智能的泡沫是如何产生的。

罗恒：深度学习实际上是源于上世纪60年代开始神经网络进一步的发展，它现在在机器视觉、自然语言理解、一些工业级的应用都产生了巨大的影响。自从百度在2013年的时候创建了深度学习研究院，那个时候就开始了深度学习在国内的一波热潮。这些年来一些大公司也都开始有一些部门从事深度学习相关的研究工作。但真正引起人工智能火爆的是的AlphaGo。其实在AlphaGo出现之前，总觉得电脑击败人类顶尖棋手是一个非常遥远的事情。

我在大概2011年、2012年的时候，看到过Hinton的学生发表的一篇论文。里面开始用卷积神经网络来处理棋谱，把棋谱当成一张图片输入卷积神经网络，然后去预测下一步的位置。那篇论文估计也只是两个学生的游戏之作，我当时觉得这个想法很有意思。因为其实从下棋人的角度很多时候就是凭着大致的感觉并没有很多的计算，只是对棋的形状的一种感觉，常常可以做出一些直觉上的判断，而且很多时候这种判断还比较准。

当我听说DeepMind在做围棋的时候，就觉得可能会有突破。听说能够赢了职业棋手（樊辉）当时就觉得很震惊了，以往的围棋软件大概只能到业余棋手的水平，而业余棋手到职业棋手往往有一条非常巨大的难以跨越的鸿沟。

李世石大概是十多年才一出的天才。从樊辉到李世石，这中间其实也有一条非常大的鸿沟。让人没有想到的是，对于AlphaGo来说似乎这两条巨大的鸿沟都不存在，只是不停的去训练，机器就不断的提升能轻松击败人类的天才。这当时其实对整个世界都有巨大的震撼。

但是这里面存在一些问题。AI的泡沫其实是有AlphaGo引起的，但是目前AlphaGo本身的细节其实只有DeepMind的少数人知道。前两天田渊栋来访问也聊起过这个，他遇到DeepMind研究的相关人员（黄士杰）聊起了他们新的进展。DeepMind的讲法就是在发表了那篇Nature论文之后他们又做了很大的改进，而且暗示如果沿着Nature那篇论文继续往下做可能会遇到瓶颈。而且从应用AlphaGo的角度，如何应用到实际问题？会有什么样的商业模式?都是完全不确定的。所以我个人怀疑现在的这种火爆的场面里 面有相当的泡沫成份存在。

从去年到今年出现了大量AI相关的创业公司。然后突然之间做算法的，无论是做机器视觉、自然语言理解、语音识别还是深度学习算法，突然出现了很多的高薪职位，然后不断传出新毕业的学生拿到了如何如何的高薪。除此之外很多大公司也在纷纷的成立AI相关的部门、相关的研究院等等。

迅雷的创始人陈浩写了一篇文章，也讨论了一些AI创业公司的事。他其中就提到了现在很多的AI创业公司大多是由有技术背景甚至是研究背景的创始人创立的都有很强的技术，但是对于应用场景、商业模式的考虑都很少，而且往往是有点拿着锤子找钉子的感觉。

小欣：下节课，罗恒老师会为我们讲解神经网络的发展历程。

【版权归钛媒体所有，未经许可不得转载】