随着新的技术创新出现及创业浪潮的不断发展，现实世界的诸多领域正在发生各种变革：下一代基因技术将如何改善人们的健康和医疗？人工智能与制造业转型的结合将发生怎样的化学反应？企业服务和消费升级会如何改变移动互联网生态？
2016年7月9日，2016联想之星WILL大会聚焦即将到来的未来世界主题，通过论坛分享和创新科技展示等形式，呈现嘉宾及星友们对未来世界的期待与实践，给现场参会的600余名优秀创业者、投资人及媒体人带来精彩干货和实用资源。
在“TMT及人工智能分会场” 人工智能Panel环节，联想之星投资副总裁吴炳见，58同城高级副总裁何明科 ，思必驰创始合伙人俞凯，诺亦腾CEO刘昊扬，作业盒子CEO刘夜，好买衣CEO黄仲生六位进行了精彩讨论。
以下为对话实录（有删减）：
联想之星吴炳见：智能时代一定会到来思考如何把1个PV从1元变成5元
今天我们讨论人工智能这个话题，非常难主持，为什么呢？坐在台上的五位CEO分别来自不同的行业，要用智能手段改造穿衣、教育、人体感知，是讨论跨界的事情。但是它能够反映一个问题，人工智能确实在往不同的行业逐渐渗透。
最近智能这个词很火，很多投资人是投别的领域的，也都开始转投智能这个方向，在这个热潮下大家认为是真热潮还是假热潮，哪些条件成熟，哪些条件还没有成熟。
我个人认为智能一定会到来，从移动互联网来说，移动互联网是从流量到交易、到效率的环节，当流量的格局已经稳定以后，实际上效率的提升变得尤为关键，怎么能把一个PV变的不是一块钱而是五块钱，这是我们思考的问题，而人工智能在背后扮演了非常重要的角色。另外一个事情是自动化的发生，当我们讨论智能硬件，讨论IOT的时候，实际上背后有一个非常关键的事情就是替代人力和自动化，而背后的引擎实际上也是人工智能。随后我们的合伙人刘维也会讲智能机器纪元的生存指南。现在台上的嘉宾做的都是替代人力的事情，台下的观众也可以从此以后开始想一想我们究竟应该做什么样的职业能够避免被替代掉呢。
58同城何明科：人工智能由来已久，将取代编辑、客服、销售
我叫何明科，其实我父母给我取这个名字比较好，明科在很多南方省份跟民科是一个发音，在各个知识领域、科学领域都被大家嘲讽，我本人是人工智能中间的民科，大家看我的名头，我现在在58同城工作，虽然它是一个互联网企业，但是向来是O2O的互联网企业，就是以人力密集型著称的企业，大家肯定会觉得和人工智能没什么关系。我想请我来这儿可能有两个原因，一是我在加入58同城之前，我创立了一个企业叫“一面数据”，主要是利用数据分析和数据抓取、数据可视化、大数据的事情帮助传统企业提升效益的一个公司，这是其一。其二就是我自己平时比较无聊，无聊的时候我在知乎上写了很多文章，可能在知乎大数据分析里面是最大的几个帐号之一。我比较Low的是我是用大炮打蚊子，用大数据解决的都是一些数据分析，解决的是特别生活琐碎的事情。比如说该怎么排队，或者怎么去找女朋友，或者分析各个基金之间的关系，或者找出企业结构中间的一些核心人物，包括董事长的小蜜等等，通过大数据来做这些比较无聊的事情。
可能在58里面也会用到一些人工智能的事情，我比较感兴趣的话题，是怎么提升我们的人效，我希望用人工智能甚至机器人的方式做这个事情。58同城已经是2万人的企业，再增加人不太现实，我想的是怎么用AI提升我们的人效和效率，这是我的情况。
1989年的时候我有一个哥哥考上特别好的大学的研究生，他们一家都是搞计算机，我问他是学哪个专业的，他说是做神经科学的。我当时特别纳闷，我说你搞计算机怎么突然学生物了。我发现当我十几年以后才明白原来是这么回事，而且我自己有一个很深刻的体验，我曾经做过一段时间的图像工程师，2012年都在选特征值，突然有一天发现这个东西彻底没用了，我原来一直以为我们是很高端的工程师和算法工程师，突然有一天我们基本上都要被淘汰了。所以我觉得人工智能由来已久，只不过媒体或者是大众是后知后觉的。比如中国的崛起，这几年谈中国的武器成为世界领先或者怎么样，其实这几年是之前N多年的积累，我们发现是很滞后的，所以这些东西，人工智能在生活当中更多的应用其实是非常多的。就打算你没有数据，只要有场景，我们的算法还是有很多可应用的地方。
我举几个例子：58每天会收到上百万的发布帖子，在我们这个神奇的国度，审帖是很严格的，文字还好，可以去学习，图片怎么办，淫秽图片肯定不能上来的，上来会威胁到企业的生存。找多少人每天去审帖，我们就自己找企业审淫秽图片，这是不断优化的过程，而且可以为企业产生价值，甚至可以为一张图片的审核付出一块钱或者更低的成本，这是人工智能为我们产生的价值。甚至帮我们服务的企业完全没有数据，自己有一些基础的训练数据，通过这种对外合作的方式让它的系统越来越智能，越来越做到精确的审核。再回到我以前创业的公司，那个公司也是彻底没有数据的，我们的系统就做到SAAS系统，对接企业内部的数据，企业内部有天猫、淘宝，我们帮助他们发现经营上面的问题或者做预估会员管理，这个我们没有数据，只要找对了场景，通过人工智能可以产生一些比较大的价值。
我跟原来的公司采取了不同的路线，他们是高屋建瓴的，做东西一定是改变未来的，一旦成功就要改变未来，不成功就摔的比较惨，是阿尔法系数特别大的创业。我们当时在深圳，认为这种创业方式比较贴地飞行，真正想为企业创造的价值是什么，真正深入到企业内部做很多事情。我个人感觉跟个人性格也有关系，我个人性格比较善于发现机会。我设备中相信人类会被机器替代，有很多这样的机会存在，相信记者这个行业，我相信记者很多稿件是可以机器做的，包括审核图片这个事情，以前都是人做，现在大家都是在用机器逐步替代人，包括很多客服，以前都是人做，人都是附加值很低的工作，现在都会被机器替代。我们之前没有留意，留意之后可能会出现断崖式的发展，就是不知道怎么样就失业了。企业是有这样的机会，我们也在尝试这样的机会。比如我自己做过的项目，我以前是咨询公司的，我以前做过一套系统，从网上抓数据生成PPT，结果的我把那个做出来之后，我们的公司的行政隔几个月就失业了，发现他们就没有价值了，这样的机会我们会找机会去做，但是需要一个产品感觉比较好的成员把这个东西抽象成一个比较好的产品，这样的人员是比较关键的。
总结起来，第一是和场景结合，所谓的贴地飞行，找到企业里真正的需求，把它用大数据的方式，BI的方式，甚至可以用硬件的方式来做。比如亚马逊，亚马逊仔细分析是一个很low的企业，不就是卖货的吗？但是可以用无人机来送货，用无人大的仓库的这种高科技的企业，这些机会都是机器在替代人。一是贴地飞行找需求。二是需要比较好的产品人员把这些需求给抽象出来生成产品，甚至是一个平台级的产品，这样为创业提供了非常大的机会。
一个市场有不确定性是最好的事情。我觉得现在这个时代正好是人工智能比较好的时代，所有人都觉得有很多机会，坦白讲没有人找到一个可持续、可无限物质的商业模式，所有人都在不断的试，大家都觉得很有机会，未来的不确定性就是商业模式、各种方面、技术都有很多的不确定性，这是一个最好的时代。当然很多很确定的时候，像搜索引擎这个模式是很好，但是确定性很强，没有什么可创业的。这个时代比较好的就是说正是因为有不确定性的存在，才为投资人、创业者提供无限的机会，所以我觉得这是一个比较美妙的时代。
我觉得未来机器能够解放人类做很多重复式的工作，包括编辑或者是说一些传统的数据分析，还有很多客服、销售这些事情，这些人并不会完全失业，人类可以解放，把人类解放做一些更有创意性的工作，而且人和机器在一起是相互交互的，也许机器能够给人变强。我曾经听到一个言论，最近很火的阿法狗，说中国棋手最近十年可能棋力大涨，就是从一段到一个水平，他的时间远远比以前更低，其中一个核心的原因就是人在和机器下棋，他在不断跟机器对弈。因为以前你要找一个合适的对手，其实是存在空间、时间的匹配难度，现在你和机器下棋，你的迭代速度是很快的。无论我们做任何的工作，就是把人类从一些烦琐的事情解放出来，我们可以做一些更有价值的事情。记者也许以后一些八股文，比如党八股也好，机器学习生成了，记者可以选择一些更新鲜的角度写一些更有意思的文章，这是让人类更美好的一些事情。
思必驰俞凯：人工智能有大数据分析、系统、人机交互三大爆点
我本人是来自于苏州思必驰信息科技有限公司，我们所做的事情是在人工智能当中叫做感知和认知智能。基本上是以口语对话为手段来连接人和机器，连接信息和人。基本上是做一个口语交互界面的概念，我的背景更学术一点，我同时还是上海交通大学计算机系的教授，我可能从学术的角度上来回答一下刚才吴炳见说的那个问题。
说到人工智能为什么会火，其实人工智能在20-30年前火过一段，现在又火了，其中有特别重要的几个原因。从我这来看有特别重要的基础，其中第一个基础就是因为互联网和移动互联网发生产生了大数据，我不知道大数据是什么概念，大家知道M和G，比G还大的是P，比P还大的是E，我们在2015年全世界产生的数据是7000多个E，什么概念？有人类以来，人类所有的语言、语音加上文字，加在一起一共才5个E，而我们2015年一年就产生了7000多个E，这本质上是因为移动互联网和物联网的发展产生了极大的数据，这个量是人工智能的第一个基础。
第二个基础是我们所谓的计算能力，云计算大概从前十几年的开始以每年大概30%多的速度成本下降，数据量多了，算又便宜了。第三个基础是现在有各种各样的传感器，这也是我在外面看到很多传感器，超级硬件，超级硬件有几类，一个是传感硬件，我们真的可以感知周围。另外一类是本地计算的硬件，像大家拿的手机和将来智能硬件里有的那些东西，它的计算能力比以前高很多，甚至比以前的PC机还厉害。
第三类是云端计算的超级硬件，GPU的发展，使很庞大的计算能力和很分布式的计算能力变的超级强，这些超级硬件使比人还强的去感知周围的世界。最后是2006年出来一个算法叫深度学习，这个东西其实原理特别简单，最大的好处就是数据量越多算的越好，出现这四个基础之后，人工智能的爆点就逐渐产生出来了。
从我们搞人机交互这一行来看的话，人工智能在刚才说的四个基础上有三个特别大的爆点。第一块是大数据分析，毫无疑问这是属于后端资源。第二块是做系统，机器人现在特别火，类机器人的，不一定是有形的，有的是无形的，像扫地的也可以是机器人。类机器人的东西，这种系统级的，把各种各样的东西集成起来完成一个功能，这种智能变得特别厉害，而且一定要和云端相连。第三个特别大的爆点把这两个接起来就得靠人机交互，你总得想办法让机器明白人的意思，在这个过程当中语音、图像是最关键的两个东西。从我自己脑子里的架构，它的原因就是因为大数据和这堆硬件以及算法的发展。现在最大的爆点是刚才说的这三样，是我个人的观点。
人工智能我分成三类，第一类是产品型的，第二类是平台型的，第三类是技术模块型的，这三类都是人工智能，但是它所需要的东西是不一样的。刚才说到数据这个问题，像第三类是不需要数据的，现在出了很新的传感器的方法，可以很远程的把20米以外的声音听见，这样一个东西本质上不是一个训练型的东西，属于基础性的技术。再比如说像之前我们在防盗版问题上有很多很有意思的专利，最后被用到光盘的防伪上，现在也有一些其他的数据防伪的技术，不是训练型的，可以用在数字媒体上。像这样一类基础型的、模块型的技术，不一定需要非常大的数据。所以基础型、模块型的东西的特点在于它是点上的技术，只要点上的技术重要的一定是算法。
第二块是做平台，做平台的人算法是连接应用和最基础的算法，我们做的时候，站的更大一点是算法，但是数据占了一个完全不可或缺的地位，没有数据做不起来。第一类的人一般来说都是2B的，很难2C，第二类做平台的主要2B，也可以2C，做平台算法、数据同等重要，算法略高一点。
第三类是做各种各样直接应用的，这类应用一定是场景非常重要的。做平台的也要特别关注场景，但是这一类相比较而言，场景大概能占到四分之一到三分之一的概念。做应用是所有人工智能产业当中最大的头，这部分场景一定第一位，数据是第二位，算法一定是第三位，因为有很多通用的算法已经都已经开源了，只需要有几个懂的人，很有应用场景的感觉，同时有很多数据，这事儿一定能成，要看有什么样的背景。
遇到最大的挑战一定要特别清楚自己的商业应用场景，这是最大的，技术本身创造不了价值，只有结合应用场景才能创造价值。思必驰做的是语音交互，最开始做的是口语交互方面的尝试，这个做的挺好，做的是外语学习。移动互联网起来以后，就做和手机相关的，我们是2012年开始做的，它的应用场景那时候像Siri已经出来了，大家看起来很火，实际上最后在使这个语音的时候，因为有替代的方案，可以用手去输入，它的应用场景虽然输入法可以做，但并不是那么明显。直到2014年底2015年初的时候，智能硬件那时候起得特别快，而后来我们发现智能硬件随着你的屏幕越来越小，甚至消失了，如果你想跟它进行所谓智能交互去搞信息的话，你几乎没有其他复杂信息沟通的手段，只能靠嘴。所以那个时候就变成了一个极大的痛点。
我们发展最快的时间是2014年底到现在，随着智能硬件的发展，在智能车载、家居、机器人这些方面的发展一下子就起来了。3年前我们就有了技术，很多技术你没法用，用了也不是那么明显，是锦上添花。但是到这个时代就变成雪中送炭了。比如最典型的不知道各位有没有看过“纠正哥”，2015年春节有一个录像，安吉星在车里打电话打不出去，就是因为他老说错，这个机器没有办法去理解和纠正。我们后来做了一个技术，可以去理解和纠正，这个在手机上意义不大，因为可以输入。但是在车载里面就没有其他的办法，于是这个技术本身的应用场景变得特别有用，很多的厂商都很喜欢这个技术。所以从我自己的角度上来感觉的话，应用场景的结合，如果你是做技术人出发的话，应用场景的结合是最最重要的。
诺亦腾刘昊扬：做传感器拍权力的游戏 跟人的动作相关就track它
大家好，我叫刘昊扬，来自北京诺亦腾科技有限公司。各位朋友如果早上在这里看了开场节目的时候就知道我们是做什么的。今天活动开场的时候，有一个舞 蹈演员在台上跳舞，后面大屏幕上投射出来其他的形象，跟演员形象不太一样，但是动作是一样的。因为舞蹈演员身上穿了我们的传感器系统，捕捉到了舞蹈演员的
实时动作，我们套上一些角色和光影的变化，投射在大屏幕上，这是我们实时的动作捕捉系统，是用传感器做的，不需要摄像机，什么都不需要，就是传感器。
我们本质上做的东西是采集人的动作，把人的动作数字化记录下来，如果放到人工智能场景来说，我们是产生数据的。今天人工智能之所以能够有这么再次火 起来的基础，我觉得最大的两个条件，一个是数据，除了移动互联网上产生人输进去的语音、文字等基础的数据，今天传感器往里面输入更多的数据。另外是我们基础运算能力在大幅度提升，这些在一起，加上新的人工智能算法的出现，使人工智能有了一个蓬勃发展的基础。
我们把人工智能分三个层，最上面是应用层，之后是场景，我们在什么样的场景下面，跟什么样的应用领域来结合，来做什么事。这是应用层。中间是技术 层，我们的方法。底下是基础层，就是基础的计算能力和数据。作为创业来说，第一个肯定离不开你的应用、场景，否则你说你有特别的算法，也不怎么好融钱，怎么着也得讲故事，应用场景多好才能融到钱。如果做的好的话只停留在应用层不行，只是说我要做的事情，怎么能够做得比别人好，你的方法要比别人好，你的数据 要更有价值。我觉得我们应该是从应用层开始出发，但是一定要知道做的好，要做到基业常青必须不停的往下走。
这个问题就是说我们做了好多事，我接受吴炳见对我们的批评，创业公司必须要专注，但是好像我们做了特别多的事。我们大概现在做三块，第一块是拍电影，去年的国外的片子有《权力的游戏》，国内的片子有《寻龙诀》，这都是用我们的动作捕捉技术做的。
第二个领域是体育和医疗，我们把人的动作捕捉下来，然后做分析，帮助医生、教练更好的了解它的服务对象，提供更好的服务。我们在美国有一个目前来说最好的高尔夫训练的基地之一，很多人认为这个地方的技术代表了未来很多年现代体育训练应该的发展方向，是量化的教育。
第三个我们做了虚拟现实，我们本身是做动作捕捉的，我们把人的动作捕捉下来，投射到虚拟现实里面，这样在虚拟现实里面不仅仅看的都是假的，你也可以 看到自己的手，不一定是自己手的样子，可以是代角色的样子。也可以看见物体，也可以抓起来。我们做了一个非常逼真的交互，我们有一个实验室可以对外开放，很多人体验我们的虚拟现实之后说看到的未来，未来的虚拟现实就应该是这样的。
我们做了三个不同的方向，三个不同的方向里面不谦虚的说在全世界都被大家很认可，代表了现代技术发展水平。其实看起来应用方向很不一样，背后的技术 都非常类似。我们就做一个事情，只要跟人的动作行为相关的，我们就去track它，我们在不同的领域、不同的场景产生不同的应用。当然应用本身不可能对每 一个应用的领域都这么了解，在这里更多的是跟不同的专家合作。
比如我们在美国高尔夫的训练公司，就请了很多有名的高尔夫教练到我们公司里面来，帮助把我们技术产生的数据通过他们的理解变成高尔夫教学的图表、教 程。有好的技术，下面做的就是有开放的心态，和更多的人合作。我们永远抱着好奇、爱学习的精神跟大家一块合作，做各种各样很好玩的东西。三四年前我也没想到能做这么多好玩的东西，而且做的还可以，希望未来可以做更好的。经验我也谈不上，因为时间太短了，再往下看，希望未来可以真正来谈我们的经验。
我们都是做技术的，技术的发展有自己的客观规律，不确定性没有那么多，但是这个技术要被普通的消费者用起来就有很多的不确定性，经过多长时间才能完 成对市场的教育，经过多大的努力才能让消费者接受这种教育，其实普通的人、消费者本身不愿意被教育，对新东西是抵触的。我们要用什么样的模式、手段完成新技术在广大消费市场中的普及，这个是非常不好说的，这个是不确定的。
我希望五年以后可以服务到更多的普通的消费者，当大家只要用到平时跟动作相关的，不管是健康也好、锻炼也好、医疗也好、娱乐，可能都跟诺亦腾有点关系，那我们就太高兴了。
作业盒子刘夜：资本概念太多创业者不够用
大家好，我是作业盒子刘夜，人工智能以前跟我个人距离比较远，2014年我们做在线教育的时候当时找到联想之星，当时我们想法很异想天开，这个事情大家比较熟悉，大家上学的时候从小到大是题海战术过来的，我们简单测算了一下，一个中学生从初一到高三差不多平均下来做十万道题，也许是比较好的学生会深 刻意识到其实很多题对你个人而言是挑着做的。如果我们真的做个性化学习和自适应学习，要解决两个问题，一个是数据问题，一个是场景问题，其实这两个是同一个问题。第一天我们就做了一件事情，最早的时候公司还没注册，我们就说要有一个超级工具，老师用它来布置作业，学生来提交作业，我们获得数据之后，我们可 以基于数据去做数据挖掘，并且设置相应的机制和策略，让老师从布置作业开始就能够做到个性化，学生练习的时候每个学生做的作业都不一样。当时语言比较朴素一点，今天来看实际上就是我们所说的AI，靠AI进入到某个特定领域来改善某个领域的效率。
发展到今天，我们用一年时间打磨产品，产品上线推了两个学期，现在每一天产生学生作业数据有4000-5000万条，每个月以30%-50%的环比 速度增长，每一天有六七十万学生在上面提交作业，每一天都有四五万老师在上面布置作业。我们成立不到两年时间，下一个月能够推出基于我们积累60亿条学生 答题数据，基于这个数据可以帮助老师提供个性化作业，帮助学生提供中国最早的一款能够支撑自适应学习的产品。所以某种意义上很多时候如果人工智能有场景、有数据，人工智能离你非常近，如果没有数据、没有场景，或者缺了一点，人工智能相比就离你很远。某种意义上印证了一句话：如果把算法比喻成火箭的引擎，数 据就是原料。人工智能是从什么地方获得原料，以及获得原料后到底能不能发射这个火箭，这是我们这一年多以来创业的感受。
我们见了很多圈里的很多创业者和投资人，这个热潮总体上虚火大于明火的，资本太多、概念太多，但是创业者不够用。为什么这么说?实际上真正有场景、有产品，有能够切入到场景产品的创业者，或者真正有数据的创业者是比较少的，或者说这有一个交集，首先你懂人工智能，懂人工智能的还得有数据、有产品，还 需要有产品可以切入。很多是懂人工智能的专家没有切入的产品。反过来很多人有一些产品上的切入点，但是可能没有人工智能的size，比如我们很多的创业者 都是清一色的海归，特别豪华的团队，有很好的算法、很好的经验，我们问一个问题，你有数据吗?没有，数据怎么来。很多人可能说我有数据，通过什么机构得到 数据。我说有数据之后怎么办呢?怎么用呢?做一个人工智能的自适应学习，我们问在哪用?谁愿意用?还得有工具，我们再找人做工具让大家在上面学习。这在产 品上要有新的飞跃，随便某一个环节，可能第一个环节搞定了，第二个环节是最难搞定的。好比说我拥有中国所有的关系链，所有的通讯录，中国移动可能会有，但是怎么用上呢?说我要做个微信，这个事情就是一个新的飞跃。如果没有微信怎么办呢?我可以群发短信告诉你，你不是喜欢LV等等。这个可能就没有效果。所以 你得有人工智能相应的技术，有相应的数据、相应的产品，相对而言你的产品所在的场景，包括你所能获得的数据可能是人工智能最关键的。这里面最关键的是场景。相对而言，场景有了数据就有了，有了场景、有了数据以后，才可能把数据有释放的通道。像美国有一个企业做了人工智能很多年，其实他没有场景，所以他就 是一个2B的，做了很多年也做起来了，因为美国有大量的产业链相对上游的企业能帮助他实现。所以某种意义上我们听到很多谈人工智能的算法，但是很少有人谈。
我成功的达到了引发一个话题的效果。所有的事情都是可以一分为二的，没有问题的，前面俞老师从不同的层面阐述了一下。
通过这个话题可以看出来，人工智能这个事情，前面几个老师把人工智能不同层面的问题讲的很清楚了。整体上来看，为什么说总体上是一个伪热潮呢?热潮 本身更多的需要创业者本身一代一代生长出来，人工智能领域包括很多产品，包括很多场景，包括数据，包括创业者的诞生，尤其是这个层面，并不会因为资本的加快，它迅速加快，因为资本的原因，过去几年每年的速度到今天可能快一点，但不会像社会资本热潮快那么多。相对而言，我们冷静看待，不管这个热潮本身表面上 怎么看，本身会根据自己的速度发展，资本可能会催生一些。比如滴滴打车、今日头条，可能某种意义上通过某一类的场景或者某一类的产品，一下子把大量的车包括乘客聚拢在一起，需要大量的数据和场景应用，这些应用可能会极其加速整个人工智能继续往前发展，如果没有这些东西，速度可能相对而言不会今天觉得它火了 就火起来。今天大会之前我恶补了很多人工智能的文章，看到很多新闻讲的都是概念，很少听到某某领域的公司因为某某场景的颠覆，像滴滴打车、今日头条这样获得大量的行为数据，大量的场景可以应用，我认为只有场景和应用的产生才能极快的加速它的发展，这是整体从非功能层面看待这个问题。
顺着前面俞老师的话，实际上我们得看，在人工智能当下你这个产业的阶段，到底是产品稀缺还是技术稀缺，这个还不太一样。交通领域某种意义上，滴滴打 车一开始招的肯定不是人工智能专家，招的肯定是地推人员和APP人员，因为要把产品做出来，让司机装上，让乘客跑起来。到一定阶段以后，我们从第一天的时 候也会被投资人问到，你们没有什么自适应学专家，未来怎么做人工智能呢?我们当时说了一句话：“人工智能专家是跟着数据走的，如果某一天你拥有了某个领域里面最好的应用场景和数据，找几个专家来是不难的。”其实某种意义上教育领域从第一天的时候，如果想的稍微远一点，如果一旦场景的缺失，靠这种是补不过来的。从一开始我们在K12里面有很多公司在做扫题，学生一扫获得答案，从互联网的思路来看也是对的，我就获得很多流量。但是如果通过这种扫答案的方式最后做这种自适应学习可能有点问题，从场景来说，实际上是两个问题，一个问题是你获得数据的准确性够不够，因为你扫答案的时候不知道这个学生是真的不会还是他 不想做作业，这是很大的问题。反过来一类的公司在做考试，当然你的数据质量很高，但是考试的数据的密度和连续性够不够，这是很大的问题，学习有同步性的，很多时候我们提供自适应学习是基于学生同步教学来提供这种推荐。但是考试是一个综合结论性的数据，在同步的时候很难推。第二是作为考试公司是给学校送很多 扫描仪进去。所以是可以得到学生的一定数据，假设数据密度够，质量也够，当然考试质量是很不错的，但是有数据以后，对学生来说，它是否真的是说因为你的自适应学习引擎你会提高10%-20%的效率，或者少做10%-20%的无用题，学生是否会真的做。因为从用户感知层面来讲，如果没有这部分很自然的场景，如果没有习惯用高德导航，即使有些东西帮你躲避拥堵，很多时候你不会用它，很多时候是因为你有习惯之后，在这个习惯的场景下基于一个超级的APP，你顺带 提升20%的效率，你可能会使用这个功能。一开始我们选了半天，如果有办法用一个超级的APP，老师每一周、每一天都在上面布置作业，哪怕有50%- 60%的数据流过它，有50%-60%的作业的场景用它来接管。学生提交作业的时候，其实这个场景某种意义上来看，从数据的获得，包括数据的应用本身都很自然。所以我在去年在Gate大会的时候说了一个场景的力量，用一个简短的语言是说“行于所当行，止于所不可不止”。就是当我用人工数据解决问题的时候， 我是自然而然发生的，并不会做多余的动作，不会因为这个东西是人工智能而去做，一定要融入生活当中。
K12做的事情首先看到一定不会是算法驱动，美国他们也做了这么多年，最终在K12还不是很普及，更多是厂商API的服务，如果我们真的能够在国内 首先有一个微信这样的超级APP，大家通过它做一个电子化能够实现的话，反过来别的领域的人工智能专家过来也一样可以做自适应学习的引擎，是能够做得出来 的。在很多的应用领域，早期的时候产品型的机会和创业者在人工智能里面能够最早的时候抓到一拨机会。
谈到不确定性，其实我们先思考一个什么叫确定性，未来什么是已经确定的。因为这也是我们从一开始做这个事情的前提。现在大家看报纸，“今日头条”已 经实现个性化，文字作为里面的元素，纸张作为载体，电子化是必然的趋势。读新闻纯电子化，最后个性性就能实现，因为有了移动终端。相对而言，我们再来看教育这个市场，首先所有的题库是可以电子化、结构化，这是确定的。
第二，中国学生基于题为中心做训练，高考想得到更高的分数是确定的。我们认为早晚有一天，把所有的题库电子化之后，做个性化学习、自适应学习也一定 是确定的，所有人都想得到更好的分数，所有人都想在同样的时间内得到更高的训练效果，这是确定的。什么是不确定呢?其实从第一天的时候我们想这个事情，我 经常花大量的时间看国外的电子墨水技术，它的电子墨水的表层覆了一层的液晶LCD，并且通过蓝牙可以跟移动终端做通讯。再进一步的话，未来有没有可能进学 校，学生专门用的纸张会变成电子墨水，或者直接接LCD配上蓝牙，这是不确定的。最大的不确定我觉得有两个“大”，一个是概率上的大，一个是影响上的大。 更多的是要看影响上的大，这个东西哪怕概率不高，但是对你的企业是颠覆式的、毁灭式的，有可能是飞跃式的，这种不确定其实尽可能关注，如果这个东西即使产生了，但是不是爆发式的，是逐渐产生的，也不要害怕，保持关注就好了。所以说到不确定的时候，引用贝索斯说的一句话，你要看到未来十年什么是确定的，在这 个地方投入，因为不确定性下面是没有答案的，只有担忧。确定性的东西其实会告诉你，你今后三年、五年的投入，投入到未来十年一定不会变的事情上去。这是我对不确定性方面的理解。
五年以后我们希望成为一家用游戏和人工智能可以真正改变教育的公司。怎么改变呢?举个例子，我们小时候玩过三国志，从小的时候就有这个理想，这是最早的理想。人们在玩大海时代的时候，我们可以记住每个港口，每个地方的特产，每个地方相对的历史、政治的内容，玩三国志的时候可以记住人的特性、年代和相 应的历史事件。我们今天既然有这么多的小朋友用我们的终端。两三年以后我们可能是有四五千万中小学生的这么一个公司，他们每天用的终端练习是什么样的终端，这个终端一定是将学习的整个的过程可以靠游戏的方式融入进去，把老师也拉进来，老师只是游戏里面的一个角色而已。人工智能怎么发挥呢?你在做游戏当 中，比如用游戏记英语单词，就知道每个人的曲线，这个单词怎么记，什么时候记什么单词，什么单词已经记住了，什么单词其实没有真正记牢，所有的过程都可以用机器实现、推送，这个机器不会很远，希望四五年以后希望把绝大多数的学科、内容、题型都可以靠游戏在人工智能的方式去实现，让中国绝大多数的小朋友不会 因为中国教育的体制导致兴趣上的差异。我常常说兴趣是真正教育最大的不公平，要靠游戏的方式先改变每个学生的学习兴趣，再用人工智能的方式使差异不那么大，某种意义上学霸可能还是学霸，学渣还是学渣，但是他们的距离可能不会那么遥远。
好买衣黄仲生：没有数据积累不了解你的用户 谈什么人工智能？
我觉得刚才那个比喻真的蛮贴切的，就是引擎和燃料的关系。我们现在也是先有燃料。我是黄仲生，是好买衣的联合创始人和CEO。我们现在简单一句话叫第一个可以亲身试穿的虚拟试衣间。原来用户买衣服是很特别的品类，所有其他的商品都是你买东西本身，工具就是你要的价值，衣服这个事情很特别，不是要好看 的衣服，是要这个衣服穿到你身上，你这个非常特别的人身上变的非常好看。不同人适合穿不同的衣服，但是线下真的去试穿五件、十件，最后买一件满意的衣服，我们看到线上的问题更严重，连试穿都不行，所以用户在买衣服的过程当中很痛苦，盲目的买，买完以后一半的情况再退回去，现在平台上退货率非常厉害。
我想如果把试衣这个体验搬到线上去就可以，这个事情也讲了10多年，全球无数公司做尝试，没有一个成功。主要还是因为技术上的瓶颈，我们从2013 年开始跟美国的知名教授，一起去研发一系列的技术上的突破，完成了这个事情。现在天猫上已经服务了30多个知名品牌，包括拉夏贝尔等，在他们官方的旗舰店 开始有一些款式可以试穿，发现的数据很惊人，一般一个用户进店大概会看五件衣服，停留20-30秒钟，但是一个用户进了线上的试衣间，会在里面停留4分 钟，然后逛50套衣服，一件一件的试穿，用户告诉我们的结果说原来看模特图每件衣服都很漂亮，但我穿得好不好看也不知道，也不确定要不要买。但是进了这个试衣间每一个都是我自己穿衣服的样子，我就可能知道这件好不好看，购物率就大幅提升，这是我们现在实现的结果。
关于人工智能，我们现在只是实现了试衣的功能，再往前，我们实现试衣之后，同时用户的身材数据、衣服数据，什么用户喜欢什么衣服，他穿了会好看，他 喜欢买什么，这些慢慢被沉淀下来，有了这些基础之后，所谓人工智能才可能存在，否则你都不了解用户，谈什么人工智能，你不可能推荐得准，或者让用户穿得美，这是我们下一步的事情，但我觉得这个热潮正在来临。
我觉得这个问题不存在哪个更重要，三个阶段加在一起才可以算是人工智能。人工智能没有那么好的算法来临之前，其实人能想到和做到的事情先做，人做的 很好了，机器说我可以做的更快，考虑问题更全面，不用那么多人工，那就是人工智能来了。但是之前有场景、有数据、有需求的时候，这个事情本身已经发生了，所以不存在哪个先后。
就是耐心憋，我们可能选了一条特别不容易的路，我们知道其他的方案其实更容易做，但是达不到用户和市场上需要的门槛，今天除了我们之外没有一个在全 球范围内进行商用。所以我们就耐心做好。这个过程当中，对我们挑战更多的包括投资人和创业团队，我们从创业到现在差不多三年时间，今年上半年慢慢起量，产品和用户体验到了用户可以接受的门槛。我们很早的时候已经投到市场上做简单的试验，那时候还不完整，市场上的接受度和耐心远远不够。那时候投资人和团队都 问靠不靠谱，其实跟我们同期创业的已经多少用户了，我们还在这个阶段。我们走过来今天再去看的时候，大家慢慢会接受技术孵化器比较长的，一旦这个技术应用到一个大的领域，颠覆很多人的体验生活的时候，影响幅度大。整个包括资本界也更有耐心对待这个事情，也不算大的挑战。那要让他相信你是大招了，你是市场的大招，让他觉得你能憋成功，刘维觉得我当时能憋成功。
刚才一问这个问题觉得挺蒙，原因是什么呢?原来也做过投行和投资，我们经常希望做确定性的东西，但是沿着过去有一定轨迹发展的行业和企业，可能最大的不确定性可能是说你这个菜明天口味还是不是这样，还会不会吃。餐馆的形式是永远存在的，我们这个事情是新创出来的领域和需求，但是哪个是不确定性，什么 都是不确定的，用户会怎么用，未来会怎么发展，产品形式怎么样，商业模式怎么样，产业链什么变化，全都是不确定的，行业合作关系也是。所以这中间没有一个不确定，或者整个服装行业、服装电商行业最大的不确定是好买衣诞生了，我们带来了最大的不确定性，但是我们自己的不确定性是什么，我也不知道。但是我确定 一个事情，用户肯定要买衣服，肯定要把自己穿得好看，每个用户都有不同的衣服穿得会好看，这个需要会存在，这个可能是最大的确定性。剩下的确定性我们就往前走，去应对它就好了。
其实我们很简单，关于人的整个形象，从最基础的穿衣、穿鞋、戴帽子、戴首饰，包括妆容，都能够让你选到最合适的来帮你变得更美一点。在我们这个事情 上，衣服不仅是试穿，接下来从个性化的定制，或者程序化的半定制。比如为什么现在衣服都是四个码、五个码，为什么不是二十个码?你买一件衣服，袖又长了， 肩又紧了，为什么会这样，因为每一件衣服是统一化批量出来的，没有办法给每一个人去做，但是有了这些东西以后，这个时代来了，会不会不同的品牌、不同的衣服针对不同的人设计，针对体型特征、面貌特征去做规划，让每个人变得更漂亮，这都是有可能的事情。我相信很快有会到来。有这样一个技术或者新的产品体验能 让每个人都变的更好一点，是挺开心的事情。
