透过认知智能剖析商业本质（iPIN CEO杨洋）丨硬创公开课

雷锋网按：人工智能商业化落地进度远不及AI算法的革新，究其原因，AI技术供应商（乙方）不明确自己的技术可服务于谁，传统机构（甲方）不懂如何有效利用人工智能与大数据提升效率。与此同时，AI公司对传统公司的业务和行业场景的认知也相对较浅。

雷锋网硬创公开课邀请了iPIN创始人兼CEO杨洋博士，为大家深入剖析如何把产学研究成果成功商业化，并应用在传统行业中。

嘉宾介绍

杨洋，商业认知分析平台iPIN创始人兼CEO，美国天普大学信息学博士，国际信息系统学会会员；曾任美国天普大学福克斯商学院助理研究员&讲师、哈尔滨工业大学副教授、欢聚时代全球化负责人；同时也是一位连续创业者。

杨洋曾在美国国家旅游与电子商务实验室（NLTeC）从事搜索引擎研究，师从世界著名信息科学家Rajiv Banker和Pei-yu Chen，进行大规模众包集智数据分析和研究；2013年，杨洋又成立了哈工大商业智能（BI）实验室，利用全球领先的大数据分析技术研究人力资源市场的多维度潜在信息，并领导和参与2项国家自然科学基金重要科研项目；杨洋还以第一作者身份共在ICIS, WISE, AoM，Information Systems Research， MISQ等世界顶级信息科学会议上发表研究论文共计8篇。另外，杨洋还曾获得美国天普大学2011年跨学科优秀青年学者奖。

（注：本次雷锋网硬创公开课中，杨洋博士展示了大量案例，并回答多个精彩问题，所以推荐优先观看视频。）

很多人会问，人工智能跟认知智能是什么关系？

何为认知智能？

目前市场上做认知智能的公司比较少，整个人工智能从计算智能到感知智能再到认知智能，它是一个逐步的过程。全世界做认知智能、商业认知智能最顶级的公司就是IBM Watson。

我们在很多业务形态和解决的问题、市场各方面确实是跟IBM Watson有非常大的相似性。我们做认知智能已经有差不多十年，有些业务确实有很大的相似性，但是在技术体系层面，我们属于走自己的独特路线。

今天来跟大家分享一下认知智能它在各方面的应用、发展状态以及它可以解决哪些问题。分享会分为三大方面，

一方面是对整个人工智能市场空间的展望；另一方面跟大家分析很多人很感兴趣的AI+各行业案例。案例分享是因为有一个特殊原因，一是我们公司建了一个认知分析平台，我们内部叫AI+平台，iPIN会接触各个行业AI的实际的应用。与此同时，我本人也是混沌研习社的导师，基于此，我走访了很多混沌研习社学员企业，并经常与他们沟通他们对AI的需求；最后分享自己做认知智能的实践与感悟。

首先是人工智能市场的展望。人工智能技术简单来讲可以分成三大类：语音、图像、文字。

整个社会产生的信息主要是以文字的形式去存储，沟通中的语言信息传递是人类的重要发明，是我们区别于其它动物的关键因素，尤其是高级语言。如何用一些抽象化的东西去交流，现在人工智能在高度抽象语言的理解方面还是面临非常多的挑战。举个例子，图像、声音它一旦存储在电脑里面，它就是数字化的，但是语言存储下来，依然是符号形式，它高度抽象，不能够真正代表它的些含义。

比如我说华为、腾讯两个公司名在座的可能都知道，但是对于绝大多数的小朋友来讲，他们可能不知道什么意思。同样，如果机器首次接触这些概念，它们也不知道该如何去理解这些高度抽象的词。

人工智能技术做了很多展望，它带来的商业前景非常多。人工智能主要是代替人脑去做事，人脑涉及的领域从管理咨询到投资、医疗到财务金融各方面是包罗万象，它所面临的市场非常庞大。我们每天90%的工作都是单调的、重复的、可以被大量取代的。

从这方面来讲，人工智能会取代掉我们日常90%的工作量，它影响到的范围相对来讲非常大，带来的商业机会非常多。

麦肯锡发布的12项颠覆性技术里面，其中有三项关于自动化、新型机器人和自动汽车，这三项都与人工智能直接相关，在其它方面比如说物联网、云、还有基因组学等等，各个方面都离不开人工智能。AI未来带来的市场变化，首先会覆盖到那些离钱比较近的行业，如教育、医疗、法律、金融等。这些离钱特别近的行业，是人工智能首当其冲去应用的。

现在按照我们公司自己的实践来看，想做人工智能不单单是要去做人工智能，一个工作被计算机所替代，除了人工智能，还要去发展人机交互。我们公司在具体应用就要做大量人际交互方面的研究，这方面当然也会留意人工智能技术去提升人机交互的体验。

其次是高速计算，因为大量信息的计算分析和理解对于计算的要求非常高，如何提升速度对各个人工智能公司都是一大瓶颈，也是一个挑战。

AI在传统行业的代表性应用案例

两年前，AI+可能还算是一个比较新的话题，但现在交通运输方面包括无人驾驶、无人机，很多公司都有了广泛的应用。包括阿里巴巴和亚马逊在仓储方面的应用，以及深圳停车场自动停车等。这些技术都在快速的应用，尤其是激光雷达、激光测距这些传感器，它的效能提升对未来撬动市场的影响越来越大。

在传统制造业这方面，美的收购了全球最先进的机器手臂制造商之一库卡。东莞有一家叫李群自动化的公司QKM，它也在生产机械手臂。机械手臂应用在各种生产线和高空作业，它可以配合无人机两者结合，无人机可以代替人去到人想去但又无法到达的地方，让机械手臂代替人的手臂去做具体操作，它给传统制造业还有原来的高危行业，比如高空维修电缆，都带来很大的应用空间。这些是传统制造业的革命性变化。

与此同时，在高端制造业这方面，人工智能也正在带来变化。其中中芯国际，原来它们制造芯片模具，人用软件去设计，周期很长。但现在用人工智能基本上一周之内就可以找到一套新的模具设计方案，效率得到大大提升。

在制药行业，做药物的结构选型，尤其中国很多制药公司，他们想去仿专利，你不仅要仿专利还要绕过专利，如何通过结合计算化学，把药物的研发能快速找到更多的替代方案。原来花一年找个两三个替代方案，现在用计算机很容易找到上百个替代方案，人工智能在高端制造业方面也展现出非常强大的实力。

接下来看一下教育，我们公司iPIN自己有一款产品，叫完美志愿，它是做高考志愿填报的，跟教育有非常大的关系,我们也对教育行业做了特别深入的了解。

全球最著名的公司Knewton，它是给美国一个叫ETS的考试机构做自行打分起家的，后来把这套东西去帮助学生做自适应学习计划的制定。通过学生做题给他个性化分析他对知识点掌握的深度和广度，给他定制化学习方案，就有了自适应学习。

这套系统目前在全球很多国家都已经得到大规模应用，包括百度的作业帮，它是目前国内整个教育行业里比较前沿的产品，用户量非常庞大，也在往自适应教育这个方向靠拢，自适应教育应该是未来颠覆教育很重要的大方向。

原来我们提互联互联网+教育很多年，但最后发现互联网+教育对教育整个的颠覆性并不强。但自适应学习出来之后各大教育公司都在积极跟进投资，比如新东方投资的乂学，好未来投资的Knewton等，百度的作业帮。各大教育公司都非常认可自适应学习在未来教育行业会是颠覆性的工具。

法律这块IBM Watson有一个Ross机器人，它可以理解并回答法律问题。同样基于我们iPIN的法律分析引擎有一个法律谷，可在中文环境下理解律师提问，找到相关的背景，分析律师背景还可以去跑法官，去做案件断案，总体效果不错。

这是在非常严谨的一个法律产品下，AI表现出来非常强大的实力。

财务也是属于商业里面非常常见的一个必不可少的一个环节，德勤是全世界所有财务公司里面应用的最好的一家公司。它投入了巨大的人力物力，还与IBM Watson合作去提升它整个财务、审计包括细节测试环节的工作，取得了非常好的效果。

中国的会计师事务所现在也有跟我们合作，去提升财务、审计的工作效率。在不久的将来，AI在财务方面就会有非常深入的突破。

医疗是IBM Watson最开始突破的领域，其实医疗这方面Google一直在投入非常大的力量。医疗是一个极其庞大的市场，最近几次大的融资也出自国内医疗AI公司。不过说实话，有一个问题是中国公司去做医疗，相比于国外公司，中国公司的优势在哪里？

这方面我们中国优势不明显，一个是数据积累的量跟国外比有很大差距。另外一个是仪器，国内医疗仪器的质量跟国外比还是有一定的差距的，甚至这方面我们积累的数据质量自然就会有些差距。

整个中国在医疗这方面，没有做详细的疾病分级，这一方面对于我们的数据精准性也有很大的挑战。再就是人种，相对来讲中国的人种比较单一，不像美国多种族，对于整个医疗研究是有很大的帮助。我个人觉得中国公司去做医疗AI，优势是不明显的。

金融这方面离钱最近，今天有人问我说金融公司有数据，但怎么去用AI。

说实话外面有很多号称应用了AI的炒股软件，但这里面有个悖论。如果说一个公司它自己做炒股软件很赚钱，它为什么要卖给你？一个愿意公开卖给你的炒股软件，它一定做得不怎么好，如果做得好的它直接去赚钱就得了。

金融行业由于算法离钱特别近，只要你做得好就能变现，所以AI早就进入到金融领域。2013年2月6号就两个高频算法针对一个优先股竞价12分钟，价格波动范围非常小的，还是个Virtu Financial。它在Market里面，差不多五年的交易日里居然只有一天出现亏损，因为它大量的采集交易市场里的数据，用Prediction Market去提升交易准确性。股民在market上去炒股，只利用市场炒股操作上的便利，但是市场利用炒股股民的操作行为，把私有信息汇集起来，通过prediction market，加上AI算法，就可以得到不错的结果。

在文字工作这方面，在体育新闻中有一个奥运AI小记者张小明曾对奥运新闻进行报道。不过文字工作者在AI的应用还仅限于比较八股的状态，八股文是机器特别擅长去写作的，用LSTM去学习，在八股文固定的文章写作格式上可以得到不错的结果。不过要说写小说，机器人就做不到，因为机器人在高度复杂的逻辑构思这方面有些无能为力。

有一篇新闻说日本的一个AI系统创作了四篇小说，通过了一个文学大奖的初审，我只能说这个初审一定不负责任，很容易看出来小说很烂。

艺术创作这方面，Google在画画还有音乐方面都做了些尝试，艺术创作AI的最大优势在于灵感创作，因为机器人对于灵感创意的产生几乎属于没有限制。它不像人随着自己成长，是有知识局限性的，会给我们带来很多限制，导致创意发挥会被限制住。

但是机器不会，创意在机器里它是一个随机数。专门研究创意里面发现创意是个随机数，而人的创意发挥空间是一个扁平状的，它是很难去没有边界发挥的。一般用人去做创意会需要群力群策，比如说要去做一个团队，去脑暴才能获得更多的创意，但是机器这一方面，它可以瞬间去产生大量创意，可以给人去提供的灵感，人再去识别里面哪些是属于特别符合能够去考虑，去加速艺术创作人员工作的效率。

再说编程这一方面，今年2月我去美国见了一个公司，也是一个华人办的一个创业公司，它们正在做一个用机器人代替人去写代码的项目，我一听觉得特别靠谱。为什么？因为从AI的角度来讲的，首先代码生成器是比较容易做的，我们可以跑一个固定目标，我们知道说是通过还是不通过，可以通过设定专门的测试去得到反馈，又有大量的历史代码做积累，从各种开源里很容易去获取。

机器人学起来很快，而且我们都知道有一种开发的方法叫做Test-Driven Development，这种方法再配合AI是很容易让机器去学习人怎么去写代码，甚至可以去创造新的写代码，尤其像对抗学习这种方式也都可以引进来提升编程用机器人自我去编程。我们自己也在做，比如说做解析，希望提升解析这方面的能力，用机器人去做得更好。做智能解析都是为了代替人去做代码编写工作，尤其是对语言语义理解这方面都需要大量的使用这些东西。

以上就是我接触的AI在各行业的应用。今天我们处在一个非常特殊的时代，从来没有哪一次技术颠覆它影响面如此之广，而且带来的影响如此之深远，我今天也思考哪个行业或者哪个职业，它不会被人工智能影响。我不知道在座的各位有没有想法，反正我是想不到为什么，理由很简单，因为只要是脑力劳动，我们人日常的90%脑力劳动都属于单调重复，基于经验的。那这些东西理论上来讲它都可以具备被AI取代的可能性，哪个行业，哪个职业不为人工智能影响几乎是不可能的。

当然，有一个职业我觉得永远是不会被机器人取代的——运动员，因为规则不允许，你很难想象NBA会允许一个机器人上场打篮球，否则咱们还要勒布朗·詹姆斯、要科比干嘛。

认知智能的实践与感悟

第三部分跟大家分享一下我们自己做认知智能的实践和感悟。认知智能领域，可能很多人对它比较陌生，今年3月份Yann LeCun在清华做演讲时，它提到整个AI的难题让机器去掌握人类的常识，这属于认知智能，对一个司空见惯的常识，机器它能很好理解，常识它是不同于图像或者声音的，它是语言。

而有些常识，如我刚才提到的华为、腾讯或者雷锋网，这些都是非常高度概括性的词，如果从来没有接触过雷锋网(公众号：雷锋网)，第一次听说雷锋网，你要去理解它也需要花不少成本。如果是让机器，它能够代替人去理解，并且分析去做人在理解分析上的事情是现在面临的一大挑战，这我们iPIN一直努力去做和突破的事情。iPIN是用机器认知分析人和企业，我们不会去做所有的认知智能，只是在商业社会里面，核心是人和企业，如何让机器去认知和分析人和企业，这是我们现在做的事情。认知智能也被认为是整个人工智能的第三层级，迈向强人工智能或者类人智能的第三层级。

在这方面它的应用面非常广，但也正是因为它应用面广所以几乎适合所有行业。每个行业有它自己独特性的知识认知，很难想象有一个公司能够把所有的领域都做了，我们自己选择的方案在理解商业社会的人和企业这一方面如何让机器像人去理解和分析。

我们都知道人对信息的使用并不是一个特别复杂过程，首先是感知，如讯飞语音，包括我说这句话，把它转述成文字，这一个典型感知过程。比如说“我是一个博士，或者说我当过教授”，把它翻成一句话。

但是认知，比如说有人说“我是一个博士”，博士这个词我知不知道，如果知道，我知道，如果不知道，让我想一想是什么意思，到分析我要更想深一层，博士表示你有非常高的学历。但是高学历对我接下来的行为产生了怎样的影响，这时候就要考虑具体场景。如果说这是一个招聘的过程，我们就考虑他学历是不是合格，达到了什么样的要求。

如果在交友过程中，博士这个概念可以证明他是不是一个很厉害的人，不同场景同样的一句，它在认知分析层面会导致产出不同的结果，所以认知的结果和具体场景有关系。我们希望用机器去模拟人对信息处理的整个过程。

认知是围绕人而来的，如何让机器去无偏差地去理解一个事物，首先要去还原事物的真相，它能够获取足够的信息，让机器去做一个无偏差信息的汇集，在具体场景下该如何去理解。

我们认为认知是真相在具体场景下的一个投影，为了让机器理解人类的常识，花了非常大的力气，用几年时间去建成中国社会经济图谱，同时也是我目前承担的一个国家项目，就专门去把各种信息往人和企业上去嫁接，能够让机器去理解人和企业。

我们整个应用用在好几方面，一个是围绕人的个人发展来的，我们开发了一款2C的产品，叫做完美志愿，专门帮高中生填报高考志愿的。去年这个产品在6、7月份使用人数高达394万，整个使用量非常大，帮助人从海量信息里筛选出他能够上的学校和专业，并且根据用户的意愿再进一步优化。

这里使用了大量的认知计算，因为人去理解一个专业或者学科是不容易的，但是如果让机器去理解，并且根据人的意向去个性化的匹配分析，其实就是一个典型的认知计算的一过程。

除此之外，我们还在做一项人生导航仪的产品。我们的合作伙伴新东方创始人俞敏洪老师有一个很有名的文章，叫做人生的地图。人在职业发展里面会遇到各种疑惑，那么到底该如何去规划自己人生。

iPIN利用技术学习了大量人的职业发展轨迹，但这里面也需要用到大量的认知计算，因为有非常多跟人与企业相关的信息，而这些信息不能用表面的字词去理解，一定要放到认知层面。这方面我们做了非常非常多的工作，我们在努力打造全世界第一个人生导航仪，帮助初中升高中升大学生的年轻人，知道在人生发展职业规划里面的每一步操作。

其实这有点类似下围棋，我们说人生如棋，会面临很多选择，你到底该如何去选择这一步，就要我们以史为鉴从，它直接放进里面去学习到其中的规律，帮助人去找到最优的捷径，这就是我们整个人生导航仪的思想。

接下来谈谈我们在企业应用这方面的尝试，这是我们的人才分析引擎，它可分析人的300多个维度。比如招聘启事，原来需要用人去读去理解，再去想我要用什么关键词去搜索。iPIN将所有条件全部放到认知层面去，根据各种条件从认知层面，不非关键词，基于认知去做各种各样的匹配，比如说刚才的岗位是一个房地产销售岗位，它要找有房地产销售背景的人，你看我们找出来结果，机器从认知层面去匹配，它把所有这些词在这里面去找。从这里面符合条件的，发现有一个销售经理是万科和世联，它就用蓝色的字标记出来，因为我们机器从认知层面判定，这个词在认知层面里面是符合的，要求是房产行业背景一个条件的，就能够匹配到人。

从原来的关键词匹配角度去做是很难做到的。

我们分析之后，达到了一个非常实际的效果，HR的工作效率得到了非常大的提升。无论是输入的效率还是判断的效率，还是整个匹配的准确率和人才使用、人才库使用都得到了很大的提升，这给HR的工作带来非常大的提升。当然还不能完全替代HR的所有工作，但至少在很多简历的甄选，占HR日常40%工作可以有很大的效益提升。

我有一个不大胆的预言，五年内HR职业将会面临大量失业。如果说你自己的子女在高考中填报，你要担心HR人力资源专业，就不建议你的小孩去报了。

除此之外，我们还做了法务方面的分析，分析律师的背景、分析案情包括去帮助律师断案，也都取得了不错的效果。

如果说我们想在未来用认知智能代替人去做大量商业分析，这就是我们要去做的非常基础的一个工作。甚至还包括宏观经济的分析，比如区域宏观经济结构的分析，我们为深圳市南山区政府做的一个区域性结构分析，发现有些行业在上升，有的在下降。还包括全国的整个经济趋势的分析，这都是宏观层面的，尤其像智慧城市和政府的政策制定都是非常需要这些宏观的信息，单靠人去做难度其实还挺大的。

除此之外，包括各种行业发展趋势的分析，包括企业人才的战略分析，还有包括市场的投资机会，就类似于Compas，根据市场各种变化，从认知层面去找出它的规律来，就能发现好的市场机会，获得投资机会。

整个创业说一下我的几点感悟，虽然人工智能很火的，有很多AI公司在创业，尤其是像我们公司，比如我们最开始创业的时候，人工智能一点都不火。

我们是2013年成立的，但现在人工智能特别火，有很多公司它的市场估值很高。但我个人认为技术本身它是没有太大的价值，真正的价值是你的技术能够给生产效率带来多大的提升，这才是人工智能技术的真正价值。

解决任何行业的问题，AI的技术绝对不是万能的。我们从一个领域跨到另外一个领域，从生涯规划跨到高考志愿填报再跨到招聘和法务甚至还有商业地产等等。我们在去跨到每个行业的时候，我们都必须要跟行业专家紧密的合作，去深入的了解行业的规律，我们才能够去解决问题。单纯的技术是很难去说，你只要给我数据我就能跑，这种情况在解决细节问题上是根本不现实的。

我不认为有任何一家AI公司说我这边有一个平台很牛逼，就能够解决各种各样的公司人工智能的问题，我觉得是非常扯淡的。隔行如隔山其实就是对事情最好的一个解释，因为你隔行如隔山，很多对数据的理解，包括迁移学习方面，有些东西是可以迁移，但是绝大多数行业经验是根本不可能迁移的。

另外今年2月份参加AAAI会议上就发现参会的人60%的是中国人，我们中国在AI方面有非常雄厚的人才储备，在起跑线是不输于美国的。不过现在市场依然AI人才非常匮乏，如何去实施战略去获得人才依然是一个很严峻的问题。第四个是整做人工智能，我们在做传统行业时候特别强调说要专注，但是我们发现在做数据分析和机器学习的时候发现不专注是非常有价值的，你将A行业的信息学了之后，把这东西用到B行业，是可以带来非常多的价值。因为信息或者说知识，很多东西都属于相互关联的，1+1往往能够带来大于2的效果。通过最近这几年的接触，我发现AI在各行业的应用是突飞猛进，它的影响面非常广，而且带来的变化是非常实质性的，人工智能这一波浪潮，它是一个千载难逢的行业机遇，绝对不是一个泡沫。

另外再讲一下，我走访了各个企业的AI的三大需求。首先一方面是属于信息智能化管理，目的是企业主为了想提升决策效率，现在iPIN主要在做这一方面。另外核心业务流程的智能化，是为了去提升生产效益，所以说创业的机会几乎就散落在每一个行业里边。比如刚才说的高端制造业，中芯国际它要对新品模具的开发，如何去提升效率？基本上每个行业都会有这样的机会。

第三个有很多公司，它们有大量单调重复的脑力劳动，比如有些公司存在大量的数据录入员，还有公司它存在店销的人员，如何去提升它们效率这方面是有非常多的AI公司在里面去做，有很大的机会，因为它可以提升企业的利润率。

提问环节

1．AI渗入到传统行业，很多时候只能用很简单的机器学习模型，复杂的模型往往无用武之地，所以大家会花大量时间，尽量优化算法，性价比是否高?

在具体渗透到某一个行业的时候，我不认为把时间花在这种模型算法的研究上，是我们最应该大力投资的一点。以我们在做法律为例，我们将大量的时间是花在对行业的理解，就是你如何从这种行业专家的角度去理解他们所面临的问题，还有就是有没有办法能够去优化这种数据的质量。比如说能够去得到更好的隐身数据，或者能够去发现新的数据，或者能够去接触资源，能够把别的领域的数据引用到领域，能够去提升这种数据使用效率，这些问题我反而觉得是更加重要的。以我们自己做这种具体应用背景的话，其实能够发现绝大多数时间是在于理解数据和准备数据这一阶段，在模型优化这方面当你有了很好的理解，同时你也有很好的理论基础的话，其实我们在模型算法这方面当然如果说已经具备很好的认知，计算技术在解决商业问题的话，本来就是我们的一个先决条件，但我们的AI+平台我们在绝大多数时间是花在去深入理解行业，并且尝试跟专家去理解问题，去准备数据，才是我们投入时的精力性价比最高的地方。

2．如何看待微软首席AI科学家邓力跳槽去对冲基金？

邓力是非常厉害的一个科学家，如果没记错，他是中科大的神经生物学方向，早期做人工智能很多人走的是逻辑方向，他非常幸运，在很早期走的是神经网络方向，然后一直做到现在。看到新闻，我觉得很震撼，但是并不惊讶，原因很简单，就像刚才在分享里面说的人工智能现在渗透的首当其冲的四大领域都是离钱最近的领域。尤其是对冲基金，我记得最近好像它们是管理200多亿美元，这时候AI是有非常大的用武之地，做AI大家都是如果说有好的算法是立刻能变现，而且好的算法的话，它能带来的收益是非常快的，绝对不会是通过开发金融产品卖给别人去获利的，所以加入这种非常大的推动是对AI的这种应用非常直接的一个商业变现。这就是一个生产力提升，其实我觉得这不是第一次，后面也会有很多科学家会跳到里面去。

3．在跟同类公司竞争中与对手拉开差距的核心是深入业务和场景，更重要还是不断优化算法更重要呢？

我们公司之前也深入的反思过，我们举个例子，比如说我们在做图像识别这一方面，一旦你的识别准确率达到了98%点几，99%点几的时候，在绝大多数的识别场景下，我们所需要识别的对象不是那么多的情况下已经够用了，除非是到了百万级千万级规模的人口才会说特别去追求小数点后面数字，而且如果说数据都差不多情况下，算法的优势一般来讲，你很难长期去保持。反而是你如何在这种具体行业下深入的去建立你自己行业的独特优势。数据的积累，独有数据的积累反而会更加容易成为一种核心的竞争优势，成为你保护自己的商业模式一种壁垒，我觉得是更重要的。我们很多时候为了获取数据，我们商业上是可以不去考虑商业价值，但你要为未来做好保护，更重要是你如何能够得到别人得不到的数据，我觉得这才是一个AI公司所需要考虑的一个更重要的事情。

4．选择深入一个行业，主要看中行业的哪些商业因素呢？

我们公司其实是做了好几个商业领域，但我们公司并不是每个商业领域都去做，我觉得这是战略选择因素。最重要的就是你能不能在行业里有你自己独有的优势，比如前段时间我遇到一个人是程序员出身，有AI的背景，然后他想进入医疗领域，但是我问他有医疗背景吗？他说没有。如果这样就贸然去进入医疗领域的话你的优势何在？所以我觉得要想进入任何一个领域一定要考虑自己在行业里有没有优势，你能不能深入理解行业。比如说我们贸然进入法律行业，就很吃力，因为一点都不懂。如果一个公司还不大，没有很深积累的时候，你要切的第一个领域要重点考虑你对行业的理解有多深是非常重要的。就像刚才说的切入一个行业一定是属于AI科学家+行业专家，最理想你既是AI科学家，同时又是行业的专家。刚才提到中芯国际的人他自己既是AI科学家同时原来又是属于芯片制造行业出去的，所以说他在这地方有天然优势。包括我们自己，我们在做这一方面，做了这么多年的人力资源，可以把自己变成一个人力资源专家，所以说后来做的时候就是比很多人力资源专家更专家，否则的话真的很难。

5．今年7月份在深圳会有雷锋网承办的CCF-GAIR全球人工智能与机器人峰会，杨老师会来跟大家分享什么内容呢？

CCF-GAIR大会是必然要参加的，到时候我会更加深入地去跟大家深入分享认知智能以及认知智能具体在行业里的应用。我今天虽然讲了部分认知智能在AI+方向的尝试和应用，但是认知智能背后更深层次的东西，还是有很多朋友不清楚，大会中我会重点分享我们做认知智能的方法、经验与总结。