专栏名称: AI报道

报道AI人关心的热门资讯和技术趋势！

投资人逃离人工智能

AI报道 · 公众号 · · 2019-10-02 17:30

正文

导读

“世界经济史是一部基于假象和谎言的连续剧。要获得财富，做法就是认清其假象，投入其中，然后在假象被公众认识之前退出游戏"。

本文转载自融中财经（ID：thecapital）

作者 | 斐典

“这个月我已经见了30家投资机构，下个月至少还会再见30家” ，2019年7月的一个下午，莫涛对融中财经表示。

莫涛是一家人工智能“千里马”企业的董秘，这个月前刚刚上任， 老板招他来的目的也非常明确，那就是找融资。

“同一家投资机构，会有好几个FA同时给我对接，有的推过来的是VP，有的是合伙人”，由于需要对接的FA实在太多，莫涛甚至记不清这些人的名字。

“我的态度很简单，谁先领人过来，单子就是谁的，一切以最终见面为准。”

莫涛所供职的企业，以一家人脸识别技术的AI初创公司，创始团队由知名科学家组成，在2017和2018年连续获得A、B两轮亿元级别风险投资，还曾入选某三方服务机构评选出的《2018中国人工智能创新成长企业50强》榜单。

“他们的融资并不顺利”，一位曾帮助该企业找融资的投行人士刘维告诉融中财经。

“这家公司2018年实际营收是6000万，但实际到账只有2000多万，主营业务大部分都是政府项目，回款非常困难，但是估值却一点不便宜。”

“他们上一轮投前是估值21.5亿，这轮需要融3亿，投前26亿，投后29亿，这种价格今年没人会接”，刘维坦言。

“最近这种情况很普遍，前两年太多AI企业的估值虚高，泡沫快撑不住了。”

事实上，莫涛的表态也侧面印证了这种说法。

“现在我们的态度很开放，投资人觉得估值高不要紧，你可以先开价，具体怎么算都可以坐下来谈”，莫涛表示。

AI革命与“社会人”的逆袭

2016年曾被称为“人工智能元年”。

这一年的春天，一场AlphaGo与世界顶级围棋选手李世乭的世纪对战，让“人工智能”这一概念几乎一夜之间火遍全球。像科幻小说或电影描述得那样，吃瓜群众们第一次意识到被“天网”支配的恐惧已经距离自己如此之近；各大科技论坛之上，人们谈论的话题也变成了是“奇点已来”和机器人三定律。

然而人工智能这个走入大众视野的所谓“新概念”，诞生至今却早已经超过了50年。

早在上世纪50年代，就已经有研究人员开始尝试通过模拟人脑的方式，赋予计算机“智能”。

在他们看来，人脑识别物体并不是基于明确的规则，而是凭直觉判断。比如我们看到一只狗，我们很明确的知道这是一只狗，但却无法说清楚为什么会知道；事实上，相比于准确定义物体的特征，人脑识别更像是一种特征匹配，而这也是“神经网络学派”的最初思想。

到上世纪70年代，计算机科学家开始研究神经网络在推进人工智能上的可行性，但当时的主流学界普遍认为，神经网络在数学上有局限性，没有前途；因此神经网络学派一直到九十年代都视为边缘地带的“异类”，拿经费、发论文都很困难。

2010年，斯坦福大学一个叫李飞飞的华裔计算机科学家，组织了一个叫做ImageNet的机器学习图形识别比赛，从2010年开始每年举行一次。

这个比赛的有趣之处，在于它每年都为参赛者提供一百万张图片作为训练素材，其中每一张图都由人工标记了图中有什么物体。

比赛规则是选手用这一百万张训练图片练好自己的程序，然后让程序识别一些新的图片。每张新图片有一个事先设定的标准答案，而参赛的程序可以猜五个答案，只要其中有一个判断跟标准答案相符合，就算正确。

从2010到2011年的两年里，ImageNet比赛中最好成绩的判断错误率都在26%以上， 但是到了2012年，错误率一下子下降到了16%，从此之后就是直线下降。

到2017年，机器识别的错误率已经降到了2.3%——这个水平已经超过了人类。

那么2012年到底发生过什么，让人工智能技术突然出现了一次质的飞跃？

答案是“卷积网络”被发明出来了。

那一年ImageNet大赛的冠军，是一个来自多伦多大学的研究组，他们创造性的在传统的“输入层”和“输出层”之间加入了几个逻辑层 —— 也就是所谓的“卷积层”。

这个研究团队让每一个卷积层只识别一种特定规模的图形模式，然后后面一层只需要在前面一层的基础上进行识别；这样做的好处是每一个神经元只需要处理一个很小区域的数据，且参数可以重复使用，这就大大减少了运算量。

在这个新模型中，那些只有一层卷积的结构被称为简单神经网络（左图）；而那些有多层卷积的，就叫做“深度学习”神经网络（右图）。

这个新算法是如此成功，以至于几乎是一夜之间，以深度学习为代表的神经网络派“咸鱼翻身，当家做主”，从边缘“社会人”一下成为了正统主流派—— 今天几乎所有人工智能企业的底层技术构架，全部是继承于神经网络派的衣钵。

总的来说，这是一个来自社会边缘的“革命者”砸烂旧世界的励志故事。

而“卷积网络”和“深度学习”的横空出世，也让新技术的曙光照进现实，人类文明似乎踏上一条全新的进化之路。

红利透支： 没有进展的2018

如此巨大的“风口”，资本当然不可错过——以2012年为起点，各路投资人开始蜂拥涌入AI赛道。

首先进场的是互联网巨头。Google、Facebook等公司开始大举扫货，不惜重金购入深度学习领域的头部学者——比如那个来自多伦多大学的获奖团队很快注册了一家公司，2013年就被Google斥资5000万美金收购；半年之后Google 相册就有了搜索能力，紧接着Google就可以从自家拍摄的街景图像中识别每家每户的门牌号码了。

另一方面，VCPE们也不甘示弱，热钱汹涌之下，大批深度学习领域中的专家开始在风险资本的支持下自主创业，而这其中也不乏一些卓越的华人科学家。

2012 年，正在 MIT 实验室担任博士后研究员的朱珑，在UCLA 视觉识别与机器学习中心主任、导师Alan Yuille教授的支持下回国，并拉上自己的好友、ACM全球大学生程序设计竞赛冠军林晨曦，共同创办了依图科技。2年之后，在香港中文大学任教的汤晓鸥教授扔下教鞭，与自己的得意门生徐立一起成立了商汤科技。

同样是在那一年，自称“环顾四周，没看到一个对手”的格灵深瞳开始登上各大媒体的头版；据说其投资人徐小平和沈南鹏曾就格灵深瞳未来的市值应该是“1000亿美元还是5000亿美元”展开过激烈争论——最后双方“妥协在3000亿美元这个中间数上。”

据乌镇智库发布的《全球人工智能发展报告》显示，仅2012年到2016年，全球人工智能企业就新增5154家，融资规模达224亿美元，占2000到2016年累积融资规模的77.8%；其中，光2016一年的融资规模就达到了92.2亿美元，是2012年的近6倍，相当于2000年到2013年13年间总融资额之和。

在大批投资人看来，人工智能是继蒸汽机、内燃机和互联网之后的第四次生产力革命。

然而烈火烹油般的融资热潮，也让我们很容易忽略一个事实：

作为一项起初并不被广泛看好的技术，神经网络能够完美“逆袭”，其实非常偶然。

正如《浪潮之巅》作者、硅谷风险投资人吴军所言： “人工智能技术20年内恐怕很难再有重大突破，因为今天的人工智能已经用光了40年来所积累的技术红利。”

在吴军看来，通常20年后能产生巨大加速的事情，大都可以在当下的学术界预测出来——“但当下学术界所做的人工智能领域研究并没有太多新的课题”，“纵使科学家们比较努力，人数众多，大概也要20年才能积累出让人感觉非常兴奋、非常惊喜的理论基础。”

投资人逃离人工智能

正文

请到「今天看啥」查看全文