拓尔思施水才总裁在2017全球人工智能技术大会上发表演讲

● 单独谈人工智能意义不大，ABC融合是必须的

● NLP是人工智能皇冠上的明珠

● 仅有深度学习是不够的，知识图谱也很重要

● 应用场景是变现的核心

● 人工智能是“人工+智能”，特别是对于类似智能客服等领域

大家下午好！今天我报告的题目是 “从大数据到大知识——自然语言处理领域的投资机会” 。其实搞投资也是挺苦逼的事，我最近才开始学习，投资的活很专业，没有常人想象的那么风光。我今天讲的题目有四个方面， 第一是对AI时代的看法，第二、NLP是AI皇冠上的明珠，第三、我们的AI之路及ABC融合的想法，第四、NLP领域的投资方向。

前面的不用讲了，我们不太愿意谈人工智能，但是不得不谈，因为大家都在谈。包括我们开复同学，前不久搞了一篇很高点击量的自媒体文章《我不是李开复，我是人工智能》。从投资的方向上来看，2016年麦肯锡的报告显示，AI方面的投资到2025年会到一千多亿美金。大家也可以看到，现在大的巨头们在AI领域的优势比较大，但是不是有他们，我们就没事干了？也不一定，这些巨头有数据，有人才，有云的基础设施，我们很难在通用人工智能领域跟他们竞争。但是，还有别的很多地方和领域是可以做的。AI为什么这么火爆？昨天大会上也谈到大数据、深度学习、高计算力等，本次大会第一个巅峰论坛非常好，但是我后来看了一下，6位嘉宾全是搞视觉的，没有我们搞自然语言的，是不是搞自然语言太难了？还是说搞自然语言的人不好意思上去？ 大数据，深度学习，高的计算能力，导致了现在很多领域的突破，特别是感知领域。 但是不是说有足够的数据和计算能力就完了？这就涉及从大数据到大知识，昨天有一位嘉宾说深度学习，让计算机达到5岁孩子的水平。如果想要达到更高怎么办？ 人工智能从计算到感知的技术（如图像、语音）现在已经取得了非常大的突破，但是认知这一块还是很难的，比如说认知领域的自然语言处理。

为什么说NLP是人工智能皇冠上的明珠呢？ 我们国家在语言文字信息处理方面诞生了三家上市公司， 从上市的顺序来说，最早是汉王，做模式识别，后来的科大讯飞做语音识别， 然后是 拓尔思的信息检索和文本挖掘。 最近5年和语音相关的投资非常大，除了科大讯飞以外，还有云知声等等，这两年视觉领域的投资非常热，甚至于昨天的主持人还搞了一家这样的公司，我说可不可以投点？他说不行了，计算所不同意。但实际上我建议大家做投资要慎重，为什么这么说？现在技术的门槛已经变低了，这些东西已经基本成熟，关键是要找到应用场景。如果没有这个应用场景，变现就非常困难。而且这些公司基本上很贵，大家的目标都是独角兽，我们投资就要投资未来。

为什么说前沿的机会在NLP相关领域呢？我们看了一下国外调研公司的数据， 最值得关注的100家AI公司中，25%的项目和自然语言直接或者间接相关。 从另外一个角度，福布斯TOP50AI公司的融资中，16.2%的资金投向了NLP直接或者间接相关的领域，所以这个领域大有可为。我们投资很多时候是跟风的，都跟着美国跑，可以看出一些趋势。另外，从商业的视角来看，很多具有重要影响的技术和自然语言直接或者间接相关。为什么说是AI皇冠上的明珠呢？微软前不久提出一个口号是 “自然语言是人工智能皇冠上的明珠” ，现在我们中文信息处理界一致认为这个口号恰如其分。

从技术上来说，如何从识别到理解，图像要能够认出来，要靠人脸比对这些东西。 自然语言主要是解决理解的问题，这方面还是非常难的。 传统的NLP技术现在也在用深度学习，根据我们自己的实践，把传统的方法加上深度学习的技术以后，如分类、聚类、热点词抽取等等，这些都提高了5到10个百分点，在实践中非常有用。 另外，深度学习很多方法，像神经网络、循环神经网络、递归神经网络、卷积神经网络等，都有自己的用途。

在NLP领域集大成的焦点应用，就是BOTS，它是人工智能的聊天机器人，或者虚拟助理。 为什么这些大公司拼命在这个领域竞争呢？它是NLP技术的集大成。昨天微软黄学东的演示中，有几个例子非常好，表现出微软在这方面确实有自己领先的地方。谷歌，苹果，一直到微软小冰，Facebook等等，都是竞争的焦点。

如何提升人工智能的应用效果？ 也有很多学问。昨天谈到强人工智能，我觉得强和弱的说法我不太赞同，强和弱是相对的， 我们更加强调的是 通用的还是垂直的 。另外，从投资的角度来说， NLP支持认知计算围绕三大领域，一个是交流，第二是决策，第三是发现 。从应用场景来说，可能是智能的搜索引擎，还有智能的投顾等等。从市场空间来说，当然是很大的，不用讲了。

我 简单介绍下 NLP领域相关典型的项目 。这个是alphasense，里面大量使用了自然语言处理的技术。还有美国一家公司，Dataminr，分析社交媒体的数据，和其他数据进行结合，为投资者采取行动。前几年我们有一个组织叫SMP，我们经常讨论未来用社交网络炒股行不行？我在五道口金融学院经常问老师，我说智能投顾能不能搞？他们说都是骗子，这是某个基金大佬讲的。我昨天又问马卫华，他也不置可否。主要的问题是什么呢？要看市场是否有效，证券市场是无效还是有效？这个特别重要。我们也看了很多智能投顾的项目，我们也特别想投资这些项目，但是非常谨慎。还有一个是KENSHO，也是跟智能投顾有关的应用，大家可以上网去查这些公司的资料。

下面讲一讲我们自己的AI之路。 我从大学里出来创业，对学术和产业的认知感受颇多，挺难的。 我们1993年的时候搞了一个叫全文检索，就是搜索引擎背后最重要的技术。 后来成立公司，开始创业。 2000年的时候我们开始做自然语言处理方面的东西 ，大家觉得这个领域发展太慢，市场空间太小，认知度太低。我们对标的公司想买我们，是英国的一家公司，这家公司后来120亿美金卖给了惠普。他们当时要买我们，3000万美金，我当时觉得挺好了，心也动了一下，但是觉得卖了干嘛去呢？不知道该干什么，就没卖，自己搞，后来我们也在创业板上市了。那个时候我们鼓吹大数据，其实不是鼓吹， 我们做非结构化数据处理，当然就是大数据重要的组成部分。 现在人工智能时代来了，我们要为大数据加点东西，我们叫 “大数据+AI”。 我们做AI的时候，回顾历史，最早是1990年，1990年的时候我们学校和国防科工委成立了人工智能实验室，当时参会的人很多，我记得钱学森发言，说“人工智能是人脑和手的延伸”。我们很兴奋，国防科工委给我们提供了很多基础设施，20部军线，免费使用，结果搞了三年以后失败了，人工智能的三次浪潮，我们就算一次，那个时候还是规则和专家系统的思路，没有大数据，计算力也不行。

对于人工智能我有几点看法， 对产业界来说，单独谈人工智能，意义不是很大，因为它是属于赋能的。 在现在实际的环境中，最近有一篇文章，讲到ABC融合是必须的，对比一下IBM，虽然人工智能搞得很早，其智慧地球的理念领先业界多少年，但是为什么最近业绩不好呢？可以看谷歌、Facebook、亚马逊，他们 有数据和云的基础设施支撑，所以他们发展得更好。 人工智能的投资和前几年的大数据差不多，最近我们要发布一个“北京软件名人榜”，我现在还不能说，因为还要经过北京市相关领导的审批。有一点是可以说的， 现在人工智能的热度已经上升为第二位，第一位还是大数据。 我参加过太多大数据的论坛，我总结就是“钱多，人少，估值高，不挣钱”。 我更加倾向于垂直的，行业性的，能互动的AI。 刚才有一位嘉宾说到智能客服， 如果这个智能客服跟人工系统不能结合的话，这个智能客服一定是不好的，必须要有人在参与。 核心是应用场景，对于某些应用领域，光有大数据还不行，还得有知识，甚至是大知识。