授課老師｜楊洋
iPIN創始人&CEO
在混沌上這堂課壓力挺大的。
因為兩周前，一些我在美國原來的同事就開始給我發消息，說是在混沌上看到我。所以，混沌的影響力現在已經擴大到全球範圍，也許一個斯坦福的教授也正在屏幕前看著我在這裡上課。
我希望通過我的這次課程，讓在座的每一位為迎接一個新時代的到來做好準備：重新調整自己的定位，重新為自己的企業制定新的戰略，迎接AI時代的挑戰。
這就是我的課題：AI時代下的商業邏輯。
人工智慧，不是一項技術，而是一系列技術。這一系列的技術都在往一個方向發展：希望機器能夠替代人。
「代替」的重要標準，是比人更好。很可惜，過往的幾次人工智慧浪潮，只是讓計算機比人算得快，卻沒有人能證明，它比人類算得準。
而今日，有這麼多的巨頭公司投入重兵砸到AI領域中去，是因為這次掀起的AI浪潮真的是整個人工智慧發展史上一次重要的拐點。
改變這一切的關鍵在於「深度學習」，其大幅度地提升了高緯度的信息辨識能力。
當面臨海量的信息時，深度學習表現了特殊的能力——信息越多維度準確性就越高，且沒有上限，很容易就超過人類。
其實，所謂深度學習的本質，就是一個比人類感官更為優秀的「分類器」。
我們人類現在做的所有思考，其實都是在做分類。比如，在我上臺的那一刻，主持人並沒有介紹我是男是女。這一點，是你們通過意識經驗去做分類，通過我的髮型、衣服、聲音以及姿態等去判斷的。
而現在，卻有一項技術可以在分類上做得更好：只要我們將事情拆解得足夠細，那麼，深度學習就可以在每一項分類上都做得比人類更好，合起來也就比人類做得更好，甚至遠超於人。
我對深度學習的技術無比佩服。人類的職業大致分為80多個類別。我們測試過，如果由HR手動分類，準確率大概在85%；用非深度學習的其他統計算法技術，準確率在60%多；而通過深度學習技術，準確率卻突破92%。
這是技術本質的突破。這就是為什麼這次的AI浪潮得以引爆的原因：拐點誕生了。
因此，這次浪潮絕對不是泡沫。
深度學習與商業本質有什麼關係？我們可以將傳統的「網際網路+」公司與出名的AI公司做對比。
「網際網路+」的商業本質，其實提升的是生產過程中的信息傳遞效率，它是一個提高溝通效率的過程。我們所熟悉的BAT的產品中，百度是使你搜索信息變得容易，阿里巴巴是讓你可以無須去線下購買，QQ和微信就更不用說了，提升連接效率。
但AI公司是恰恰不一樣的。它改變的是整個生產過程中的生產效率，直接影響生產過程的核心。
如果是在非信息行業，比如傳統製造業，社交軟體並不能發揮作用，直接讓公司產品變得更好，比如，讓電視看起來更好，讓手機用起來更爽。因為，它只是一個溝通工具。
而AI+可以。
人工智慧、人機互動和高速計算技術的發展，會讓很多人的工作被電腦取代。事實上儘管在現代這個腦力勞動的社會，我們所從事的90%腦力勞動其實都是在重複過去累積的經驗，而非新的思考。
因此，這部分工作很容易被我們安插「分類器」的技術環節去取代。事實上，沒有什麼行業不存在單調重複的勞作環節。
接下來的重要部分，是讓大家感受一下AI現在已經如何滲透到你的行業。這些行業案例是我自己非常深入地了解或者親身經歷的，會和你從網上看到的那些信息非常不一樣。
這些領域，有兩個特點。
第一，覆蓋面特別廣。
第二，每個行業各有特色，不存在大一統解決方案。
核心生產效率問題：如何能更高效的設計出更優秀的產品方案
AI解決方案：通過學習歷史數據，更快的找到更好的設計方案
應用案例：國內某晶片製造巨頭通過AI算法將晶片模具設計時間大幅縮短，AI還能大幅提升藥物晶體選型速度。
至少在兩年以前，我還以為AI在高端製造業沒有太大用途，但自從知道這個案例，則完全改變了我的認知。
舉一個例子，晶片製造業的核心是模具。
有一天，我突然接到一個電話，是我一個大學同學打過來的，說是很想投資我。
他給的理由讓我覺得無比神奇。
他是國內一家晶片巨頭公司的管理層，主要就是做晶片模具設計的。最近他們公司進來一個讀計算機的博士。這個博士將AI引入整個晶片模具的設計，並將原來以年為單位的周期，縮短到以天為單位。
我的朋友發現，這位博士的AI改革，使得這個行業不會再需要這麼多的晶片設計員了。所以，他想到我是做AI的，要投資我，理由就是這麼簡單。
這樣的故事媒體沒有報導過，但是都是真實在發生的。大家也許覺得AI在各行各業的滲透並沒有多麼熱鬧，但其實，它正在悄然進行。
因為，每一家企業都在把AI對自己的提升當作秘密武器，想要以此打敗競爭對手。
核心生產效率問題：如何能快速提高學習成績，個性化培養出更優秀的人才。
AI解決方案：自適應考試，自適應學習，個性化生涯規劃。
應用案例：Knewton通過自適應評測精確診斷學生對知識點掌握的情況，並制定有針對性的學習方案。iPIN的完美志願根據個人特質和數千萬人的職業發展經歷，為學生制定個性化的生涯規劃。
教育關係到我們每一個人。我走訪了很多這個領域的從業者，從小學到高中。所有人都可以把教育行業的需求提煉得非常精準：提分升學。另一點，是如何個性化地培養更優秀的人才。這就是教育市場的核心生產效率。
美國是怎麼解決這個問題的呢？自適應考試與學習。
最早是有一家著名的考試機構ETS，所有考GRE、託福的試卷都是這個公司出的。傳統的考試，所有人都是做同一套卷子。而ETS的自適應考試，是我隨機給你一套題，這道題你答對了，我給一道更難的；你答錯了，我就給你更簡單的。
所謂自適應學習，可以快速診斷學生對各個知識點掌握的廣度與精度，定位學生的知識點弱點，並且，還可以針對這些弱點反覆提供針對性訓練，迅速提升學生的學習能力。這種系統會記住你在什麼地方犯錯，應該在什麼地方提升。
目前，Knewton是全球最大的自適應學習的公司，他們做了很多可以滲透到K12教育（幼稚園至第十二年級）的應用。國內也有很多公司在做這個，包括新東方投資的公司也都是在做自適應學習的方向。
教育的核心是什麼？服務。AI+其實並沒有改變這個本質，而是能夠幫助提供更好的、個性化的教育培訓服務。國內排名前五的教育巨頭，我們已經深入接觸了三家，沒有任何一家創始人對這一點有懷疑，他們都認為，AI+將是未來教育的大方向。
預計五年之後，AI+教育，會給這個社會帶來真正的變革：
第一，讓教育更公平。AI這個老師，會是一個比填鴨式教育更懂你的老師，它能夠個性化地對待每一個學生。
第二，讓每個人得到個性化的發展。
第三，可能會打破房市泡沫。中國的房價高有兩大因素，一個是高考機制讓大量農村人口及三四線城市人口向一二線城市轉移，拉高了一二線城市的房價。另一方面，是學區房。比如，深圳最近房價跌了，但是學區房的價格卻一點兒都沒有跌。
這就是整個教育資源缺乏導致其對整個社會的重大影響。但是，AI+教育，是能夠讓教育變得更公平的，未來，我們對於普通教師的需求，可能不會那麼大了。但優秀教師，還是稀缺的。
核心生產效率問題：更快的寫作，更精妙的文筆，更吸引人的情節構思
AI解決方案：標準文書寫作…….
應用案例：百度機器人寫古詩，今日頭條寫作機器人報導體育賽事，iPIN的JD機器人創作招聘需求，日本小說機器人寫小說
文字工作的核心生產力是什麼？
在這一點上，其實不是很聚焦。
在財經領域或者體育賽事的報導上，還是特別需要更快、更準確的寫作的。它並不需要文字多麼華麗，要的就是快和準。在這種情況下，AI其實是非常有用處的。
但從另一個角度來說，如果你用優美的文筆去吸引人，或者寫小說這種引人入勝的精妙構思，很遺憾，目前AI還不能提供解決方案，它只能提供標準的文書寫作。
目前，AI的邏輯構思能力還很差。日本有一個寫小說的機器人，它的小說還通過了評委的初選。我想說，那個評委一定是非常糟糕的評委。
現在的機器人可以寫一些現代詩，是那種讀不懂的或者不知所云的內容。那種非常吸引你，讓你讀了就放不下的文章，機器人是做不到的。
當然，不止是這幾個行業，金融、法律、財務、出行、醫療等等，一切都在發生變化。我很難想像，未來10年，會有哪個行業不會被AI影響。
但AI也並非無所不能，我們現在仍然處於AI的初級階段。在常識理解和邏輯推理方面，機器仍然無能為力。
但你需要了解的是，雖然我們並不能用一種高度智能的方式讓機器自動解決所有的問題，但通過「科學家+行業專家+應用專家」這三者的緊密配合，已經可以很好地將很多工作自動化。
我希望，通過我的這次課程，除了給你對AI的全新認識之外，還能幫助你們各自的企業形成自己的AI方案。
首先，這些需求的共同特點是：
這幾乎是所有行業老闆共同希望的事情，不僅要秘密擁有，還有獨有，為的是打贏一場戰爭。
有一家公司是做腦力型工作的，3000多名員工。我問，你想裁掉哪些人？這家公司的回答是，這個行業中5年以下工作經驗人的工作內容很簡單的。全公司只有15個人的工作內容不是如此。
這是我聽過最直白也最殘忍的裁員需求，而他們希望通過AI達到目的。
當然，從另一個角度來說，AI提升生產效率，並不是讓人失業，而是讓更多人不必勞累工作，可能每天你只需要工作一個小時就可以了。
我將各行各業對AI的需求，歸納為三類：
第一類：各種信息和行業資訊智能檢索和分析。例如：資料庫檢索，法律檢索，專利檢索等。
第二類：行業生產流程的AI優化。例如：財務流程，招聘流程，鐵路調度流程等。
第三類：取代公司內從事單調重複腦力勞動的人。例如：信息錄入員，招聘專員，律師助理，初級醫生。
接下來，我講一個非常具體的案例。我們如何幫一個大型購物中心提升效率。
一般來講，我使用的是AI升級四步法：
診斷阻礙生產效率的最大問題：對核心問題進行拆解
評估公司的數據基礎：根據拆解出的問題列出理想的BI（商業智能）架構，檢視目前公司的數據缺陷
解決方案：完善數據基礎——完善商業智能(BI)基——AI過程設計——小試——大規模實施 方案評估與實施。
這家大型購物中心的管理者給我們提出的需求非常明確。
提升購物中心的坪效，賺更多的錢；
我還有很多別的購物中心，完全依賴於人，管理成本非常高，如何改善。
我以「四步法」來幫他分析這個問題。
首先，他要解決的是什麼問題？
1）如何提升商業地產面積的利潤率（核心問題）
拆解這個問題，就會面臨三類很具體的問題。
第1類：對於已經入駐的商戶，到底應該如何評價運營效率，如何去優化調整。
第2類：對於未入駐的商戶，到底應該篩選什麼樣的商戶。
第3類：對於整體的運營購物中心，到底如何提升。
2）理想的BI（商業智能）架構
AI是靠數據吃飯的，沒有數據AI就是一個傻瓜，所以接下來要去診斷他的數據基礎。
所謂的BI構架，起源於上個世紀90年代。就是將分散的數據集中到一個數據倉庫，再由這個倉庫對一些關鍵問題實時響應和決策。在美國，絕大多數公司完成了這個工作，而中國的絕大多數公司在這方面還非常弱。
所以，目前整個中國的絕大多數企業，如果實現AI，首先要實現BI。
診斷一家公司的BI架構，分為五級：
第一級：關鍵數據缺失；
第二級：數據全而未打通；
第三級：打通但不支持快速決策；
第四級：支持快速決策但不能快速實時響應；
第五級：智能實時響應。
我了解到，這家購物中心只有兩塊數據是非常不錯的，而其他地方幾乎是空的。我把它評定在2.5級。
我給這家公司提供的解決方案。
第一步，你的數據不行，那就先提升數據基礎。舉個例子，通過WIFI、雷達布控去監控人流；包括對用戶進行個性化分析，如果你發現一個帶小孩的三口之間可以給他推薦去樓上的兒童樂園去玩，給他一個樂園的優惠券，讓他停留更長的時間。
第二步，重構BI系統。
第三步，給他開發三套AI應用系統，有針對性地解決上述文中他的三類問題。
這種解決思路，是屬於現在各個公司基本上都會遇到的問題，都可以這樣去做。最首要的就是解決數據問題，使得你的數據提升達到理想的架構。你完成了信息化，再來做AI。
為此，我總結了AI+的思維模型：生產拆解—完善數據—逐個解決—有機整合。
你要做好準備，發展與AI相關的事業，一定會比你與其的時間要長。我自己就遇過幾次大坑。
iPIN曾針對高考志願填報規劃做AI的服務應用。我當時認為這是一個很小的問題，只需要了解全國幾千所高校的信息就可以做到。但事實證明，我完全低估了它。
志願填報的核心是生涯規劃。但是，這麼多的職業，我怎麼能全部了解？作為生涯規劃的第一步，其實是自我認知，但是我如何讓人了解自己？此外，很多學校的宣傳和其本身的實際情況並不相同，我又怎麼解決這個問題？
這件事我們硬著頭皮做了四年，也取得了不錯的結果，我們可以詳細分析到「藍翔技校」學挖掘機專業的人到底去了哪，幹著什麼，拿多少錢，後來是怎麼發展的。
然而，我們還是需要面對一個問題：它能幫我賺錢嗎？從AI的角度，我找不到答案，因為AI+很可能不會帶來商業模式的創新。
目前，我們的盈利模式還是很「網際網路+」——我們有海量的用戶，就在線上去提升轉化率，通過電商、廣告的方式去贏利。而線下，我們和各個教育機構合作。
此外，iPIN利用了AI算法，解決了HR的簡歷篩選問題。HR的整個生產效率環節，包括輸入、判斷、匹配準確率、人才庫使用率等指標，我們可以全方位介入，提升HR的工作效率。
然而，這並不能解決招聘最實際的問題，因為簡歷篩選只是招聘環節中很小的一部分。
大部分公司對人才和要求和評判標準，是很隱晦的。比如，他要一個很優秀的人。那麼，什麼是「優秀」的標準呢？
這是AI算法上做不到的。
真正很好地解決一個行業問題，只把算法做好是不夠的，你要對行業有足夠滲透、足夠理解，還要把問題拆解得足夠細。這和你真正能夠到行業中去打造一個AI行業應用落地的距離，相差十萬八千裡。
因此，有一個漫長的鏈條等著你去解決。真正解決問題的正確搭配，是要三類人形成合力：
他們最擅長解決數學這一塊。這類人非常稀有，各個公司都想擁有，難度很大。而如何管理這類科學家呢？他們長期做學術，也許並不一定深入地了解行業。首先要把問題拆的足夠散，才能讓他去具體地解決。
也因此，需要行業領域的專家參與。
他們是真正很懂這個行業的人，可以把行業的所有問題全部描述清楚。但行業專家的問題是，他們會自我設限。
比如，我剛剛提到的那個購物中心的案例。有專家就認為我這樣做是不對的，首先的工作是要給這個購物中心定位，它是一個高端的購物中心，還是一個低端的。然後再針對這個定位去選擇進駐的品牌。這是他的行業經驗。
但事實上，AI解決的問題，不是幫你去定位購物中心是否高端，而是賺更多的錢。商業是逐利的，生產效率、投資回報，這才是商業的本質，而非品牌是否高端。
有時候，行業專家的固有思維，反而會阻礙AI化的事實。所以，這個時候就會特別需要AI應用人才，讓他們去調節各方面的利益衝突，洞察到你需要解決的根本商業需求。
事實上，現今社會，是非常稀缺AI科學家的。能夠擁有十年以上的AI科學家，在全世界都沒有多少。但AI科學家除了擁有非常好的理論基礎之外，還要有和大量實際數據打交道的經驗。
人工智慧的發展第一次將科學家推向創業的先鋒位置，而實際上，AI科學家最擅長解決的是學術問題。因此你將一個解決學術問題的人推到時代最前沿去解決應用問題，這本身就是一個錯配。
應用方面，還是需要有應用人才，他們要了解算法，同事了解行業問題。
如何成為AI應用人才，這也是我們公司遇到的問題。我相信很多企業在未來也會遇到這個問題。
最合適的人，我認為他首先是一個優秀的產品經理。要能準確地把握到問題的本事，並且拿出相應的解決方案。
當然，如果他要成為一個AI應用型人才，還要對技術懂一點，對所要解決的行業領域懂一點，要成為一個半吊子的Tensorflow Boy。
這是目前AI行業很火的一個詞兒（TFBOY），Tensorflow是谷歌的一個開源框架，這個框架可以將很多機器學習的算法使用門檻降到非常低，在座的各位都可以去嘗試一下。
最後，他還需要是半個行業專家。
從這三方面出發經常使用AI+的思考模型思考問題，或許你就有可能成為在AI時代的公司最需要的那個人。
最後，我想跟所有混沌大學的同學說，我們正在處於一個人類歷史上從未出現過的科技日新月異發展的時代，速度遠超於其他時代。
這是一個超級加速的過程。
我感到非常榮幸自己出生在這樣一個時代，希望大家能夠和我有同樣感受。
☞來源：混沌大學
意向合作，文章轉載， 均可聯繫堂博士電話：13810423387(同微信)。
以上需求均可聯繫微信：35735796。