李飞飞对话硅谷知名投资人：让AI技术去中心化，创业不要罗曼蒂克

【编者按】华人女科学家李飞飞是世界AI领域的泰斗级人物，现任斯坦福大学副教授、谷歌云团队负责人。当地时间2月22日，每年一次的硅谷创投界的大聚会Startup Grind GlobalConference在硅谷的红木城（Redwood City）举行。下午的对话环节，李飞飞与硅谷著名风投公司KPCB的合伙人Mike Abbott以“人工智能的现状，明天和未来”为主题展开了探讨。

对话人Mike Abbott也是在硅谷大有来头，他是硅谷著名风投公司KPCB的合伙人，曾经主导的经典投资案例，就是对于即将上市的Snapchat的投资。Mike几年前就和李飞飞教授在AI Lab的创立上等有合作。

本文转载自大数据文摘，作者李飞飞；由亿欧编辑，供行业内人士参考。

以下为驻硅谷特约记者发来的现场对话内容：

Mike：今天，很荣幸和李飞飞教授在台上交流。和教授几年前就认识了。

李飞飞：是的，Mike和我在几年前就有合作，在AI Lab创立的期间，就给予了很多帮助和建议。

Mike：听到你决定去Google Could的时候，我还很惊讶，是什么促使你做出这个决定呢？

李飞飞：其实，我来到谷歌，才两个月。这也是我最深入工业界的一次机会。毫无疑问，AI是我们正在进行的工业革命，比如自动化，的最大驱动力之一。许多技术正在改变人类生活和工作的方式。对我个人来说，也有一些行业界的问题需要考虑，其中之一就是，我们如何把这些技术去中心化。

我们需要去中心化的原因有很多。首先AI是一件好事，我们大众从中受益它，第二是我认为我不想让AI只掌握在少数特权和精英的手中。通过去中心化，让更多人用AI，AI才能发挥它的巨大作用。

于是出现了云计算。我花了好一段时间才终于意识到，云计算是人类创造的最大的计算平台。

在当今来说，运算是什么？运算就是是使数据智能化，运算智能化，解决自己的问题或客户的问题。所以，AI和云计算之间的结合的确是推进AI去中心化的完美的工具。

Mike：现在在人工智能和大数据领域，有太多的噪音。你认为AI发展的驱动力是很么？是由计算机硬件进步？通信方面的进步？还是标住......有哪些大的因素促进了AI的进步？

李飞飞：我想你已经指出来了， 我认为有三个主要因素。第一是计算机硬件的发展。不仅是巨大的基础设施建设的发展，还有GPU，在硬件方面有很多进步。其次是20年前开始，互联网给我们逐渐带来了大数据运动。大数据的标记技术产生了具有分析意义的数据是第二个因素。然后第三个因素是算法的进步，这就是我认为学术界在过去的五六十年，尤其最近二十年一直做的，而我对算法也特别痴迷。所以这三个因素融合在一起，给我们带来了今天的AI的格局，云计算将是大数据去中心化的工具。

Mike：我几乎每周看到项目中，大约10-15个项目，都说自己的AI技术能够解决什么什么样的问题。实际上大多数但你认真看的时候，要么不明白他们在说什么，要么你发现他们对AI的掌握不全面。

李飞飞：他们可能仅仅想要吸引你的注意。

Mike：投资这些AI项目需要很多钱，现在这块领域也是各色各样的人都有在做，我们应该怎么擦亮眼睛找到真正有价值的AI创业者并给予他们支持呢？

李飞飞：你和我一起曾经帮助斯坦福的AI实验室的学生和创业者，我从风险投资界学到了很多。我想几件事我会告诉创业者，一个是仍然考虑你的痛点，专注于痛点，专注于你想解决的痛点，这是一切的切入点。想一下针对这个痛点，你想做什么样的产品，以及如何交付你的用户。把问题想明白了，然后你就要开始思考数据，我认为非常重要的是投资人需要看创业者应该是如何理解他们拥有的数据，以及他们如何使用他们的数据，这一点，非常重要，是AI的起点，AI不是产生在真空当中。

Mike：在数据方面，你认为随着时间的推移，是不是只是拥大规模数据的大集团或企业才将取得成功？

李飞飞：某种程度上来说，拥有大数据的公司有竞争优势，可在竞争中脱颖而出。但另一方面，还有很多的机会，因为这些大公司不会进入更深入挖掘或进入某一垂直领域，所以仍然有很多机会。这就是创业者发挥创造力的地方。比如，如何像滚雪球一样积累数据。你必须有一个聪明的产品设计和与消费者或合作伙伴的参与。如此一来就不仅仅是数据分析了，在分析的同时你也在积累数据，你不能假设公司刚成立就拥有所有数据。但你要有一些策略。

另一件事是，如果公司真正了解数据，真正了解数据分析的价值，那么根据他们有什么方面的数据科学家和人工智能专家，他们应该在那方面投资并下功课。

Mike：我完全同意要先专注痛点。您也谈到与一些你的研究生在大数据应用方面的机会的探索。然后，我们谈到了如何擦亮眼睛分辨好的初创企业。还有就是PhD或者是PhD辍学者的苦恼了，他们有可能把人工智能看做锤子，把所有的问题看做钉子。然而，在公司里你只是想解决问题，对算法或方法不关心，公司招人的时候往往看谁会解决问题而不仅仅是发表论文。

李飞飞：我不知道为什么这个问题只有这一个答案，有时候确实研究时看好的产品并不一定真正能带来多大好处。有时候确实也是技术不够成熟，但有时大多数机会确实存在。Google也是一开始做算法的研究，并没有花时间思考产品。但我也同意你，很多时候，技术专家想解决现实世界的痛点。他们发表的论文并不能帮上什么忙。创业者必须感同身受地去理解痛点，强迫自己去换位思考你的产品能提供什么。

Mike：现在，有时候也有许多伪痛点，比如自动驾驶。你给学生和创业的指导是什么，比如如何讨论潜在客户的痛点或找合伙人，或者寻找同样拥有AI技术的学生，是不是要找投资者或产品经理推销。

李飞飞：这就是为什么我带你们和他们谈谈。我倾向于告诉学生，首先我是教授，首先我告诉他们成为教授，但如果他们不想做教授，那么我说让我帮助你，我有一些好朋友或许可以介绍给你。

其实我主要会告诉他们不要太理想化。当你真正开始创业并成为一名技术专家，试着脚踏实地去做事，不要太理想化，专注于技术，痛点。并试图认识到作为一个技术专家你还有很多不懂的地方，应当适当寻求指导或跟着学习或寻找合作伙伴来完成你的目标。说到底就是你能不能提供给客户和用户他们想要的产品，而不是追求漂亮的方程式。

Mike：你说的这些都很有道理，我们谈到了技术的发展，应用和解决问题的能力。但是，在我们谈论AI的垂直应用之前，我还是想问，为什么去Google呢？

李飞飞：这是一个很好的问题，我也花了一段时间思考。我还是很幸运的，有很多机会。但是，我还是想，让AI技术去中心化。这些技术对于人类的发展如此重要，我们不能让它们只是掌握在少数人手中。在工业界，我们更加应该多思考AI可能发展的方向。在硅谷，我们思考有些片面性，想着很多高科技的东西，比如智能驾驶，或者社交。但是，看看世界其他地方，还有很多其他的应用场景，比如，医疗，农业，制造业，金融，和政府。有如此多的领域会从AI技术中受益。当我得出这些结论的时候，我发现现在最好的解决去中心化平台的就是云计算。Google是一家拥有最好AI技术和Could的公司。

Mike:现在很多人担心，AI的大规模应用，会带来很多问题，比如对就业的伤害，对于这个担心，你怎么看？

李飞飞：我认为，这是一个非常重要的话题。作为AI方面的研究者，我认为我们有责任去思考不仅仅是技术方面的问题，还要思考社会问题。我想指出一个事实，当ATM机器在银行出现的时候，ATM把很多银行工作人员的工作自动化。然而，银行工作人员的数目不降反增。这个小例子告诉我们，当简单的工作被机器取代的时候，我们有增加在其他方向上创造工作的趋势，把服务做得更好，更能深入的解决用户的问题。所以，现在的银行工作人员，相比过去仅仅读支票，给用户钱，他们做着更高级和更有趣的事情。虽然我不是政府制定政策的决策者，但是，我认为，我们的社区，应该现在考虑，AI如何影响就业了。

Mike：的确，我们要考虑，AI带来的不一样的机遇。我们讨论了痛点，产品和机遇，作为一个投资者或者创业者，我们应该如何投资或者雇佣合格的人才呢？这些公司有可能成为谷歌的对手，但是，如何找到这些人才呢，比如一个Ph.D.文凭的人？

李飞飞：这就需要你做好自己的功课了。有很多需要考察的事情，比如，他们的学历，他们做过什么。即使一个人没有机器学习的正式文凭，现在有无数的网上的课程，论坛等等，比如Github。看看他们做过什么。和他们的工程师聊一聊。我觉得这是创始人所要做的功课。

Mike：现在，工业界和学术界，有一定的代沟。一方面，工业界有很好的数据，然而，找不到能胜任的数据专家，一方面学术界有不错的算法，没有数据。你对着如何更好的联系工业界和学术界有什么样的看法，建议？

李飞飞：首先，就是考虑云计算啊。现在，有越来越多的初创企业和福布斯前500的企业，在用云计算平台。谷歌云会做这些计算，给这些人或企业解决问题。并不是每个人都需要像忍者一样，精通所有领域。

Mike：我理解运算和云，但是，要是产品设计和模型设计呢？我不知道谷歌会帮助这些。

李飞飞：我不想在这推销谷歌。但是，我们看一看，谷歌提供的一些服务，深度学习已经帮助解决了很多工程问题，谷歌产品使深度学习更加简单。第二，谷歌的云计算，通过API，可能帮助使用者了解数据，解决问题。Google的确会提供很多服务。

Mike：微软现在也有很好的云计算技术，如果拿微软和谷歌作对比，作为使用者，你怎么看如何选择？

李飞飞：我前面说了，我决定作为一名AI专家，加入谷歌，是因为谷歌有最好的AI技术，比如，Google Brain ，Deepmind，越来越多的人会用他们的服务。

Mike：好的，我们有些超时了，非常感谢李飞飞。那么，就让我们看看，你的团队能给大家带来什么吧。谢谢！

李飞飞：谢谢！

来源: http://www.tuicool.com/articles/Y3QFjiv