根据工信部印发的《促进新一代人工智能产业发展三年行动计划(2018~2020年)》，未来三年将率先在智能网联汽车、智能服务机器人、智能无人机、医疗影像辅助诊断系统、视频图像身份识别系统、智能语音交互系统、智能翻译系统、智能家居产品八大智能产品领域取得突破。
2018年被称为人工智能全面落地应用的元年。具体来看，智能网联汽车、智能服务机器人、智能家居产品等智能化产品，将进入集成应用阶段；智能传感器、神经网络芯片、开源开放平台等关键环节，将成为重点发展方向；新一代人工智能技术在工业领域各环节探索应用、提升智能制造关键技术装备创新能力、培育推广智能制造新模式等，将成为深化发展智能制造重点；构建行业训练资源库、标准测试及知识产权服务平台、智能化网络基础设施、网络安全保障等产业公共支撑体系，将让人工智能发展环境更完善。
在具体的落实实践中，12月12日，在脉脉未来俱乐部举办的「创见·未来」中国新经济创新者年会暨脉脉未来俱乐部新年盛典上，脉脉创始人、CEO林凡就自己从求学到管理一个职场社区，在人工智能的开拓上，发表了自己的看法。
脉脉创始人、CEO林凡
以下是林凡演讲实录，投资界（ID：pedaily2012）根据现场速记进行整理：
很高兴有机会能够在里跟大家分享我们的看法，希望带来的信息对大家会有比较大的帮助。
因为在这个领域，可能多多少少我也算是半个专家，因为对于人工智能来讲，我差不多是20年前就主攻人工智能的方向。到美国读博士也是读机器学习领域，所以对这个领域的认知和了解会比较多一些。
我先跟大家分享一个小的故事：前一段时间我去跟管理学大师拉姆查德在交流的时候就在讨论未来的组织，这是一个公司会变成什么情况？他就在说，其实以后这个公司的规模到了几万人甚至几十万人的时候，它的组织结构依然只有四层，从CEO到最底下员工依然只有四层，我当时很震惊，我说传统的管理学，一般来讲，一个人管理带宽6到8个人，今天的信息沟通渠道变得更通畅以后，撑死12到15个人，这里四层结构非常难突破万级机构，10×10×10才是1万。
在这种情况下，到底企业怎么运作和管理，他说，现在在美国很多几万、几十万人大公司普遍采用一种方式，底层是很小的团队，大概6到9个人的团队，这个团队可能很多工作合在一起，为了某一个具体的目标去做他下面的事情。你想，一个6到9人的团队，公司可能有成千上万的项目组。他的第二个观点，今天已经开始通过算法来管理这些项目组的进展。可能会很诧异，算法怎么管理项目进展？他说很多项目执行情况、目标设定，全部都要数据化。
今天大家可能开始知道有很多管理系统进入到工作过程中间，它是在采集很多价值的数据，这个项目原来设定目标是多少，原来设定系统进度是多少，今天每个项目完成多少，这些项目跟上层项目互相依赖度是什么情况？所有这些数据全部都进入到系统以后，一个管理者能同时管理大概100个这样的项目，也就是说一个人可以管理差不多1000人的规模。
我们在算法帮助下，我们每个人从沟通能力进入到通过算法帮助我们提高效率。这是很小的故事，我拿它来开场，希望让大家了解说，今天的人工智能它能够在很多、很多领域帮到我们。但这个领域，可能更多只是靠大家想象力，这是为什么今天很多人一直在讲人工智能时代到来的原因。
作为一个技术领域的同学，我想表达事情是说，说实话在过去20年时间里面，我们真正意义上的人工智能智能算法并没有很大的突破。虽然我们经常会有说，我们深度学习网络是最近几年很大的进展，但实际上深度学习网络跟原来学习网络相比，没有特别本质的变化。但我们变了什么呢？我们变的最核心两件事儿，一件事儿是数据能力，今天基本上所有的数据，关键数据都在网上。
在20年前，你思考一下我们今天说我们所有交易数据都在网络上面，大家想怎么可能？但今天你说，今天每个人购买行为数据都在网络上面，太正常了。
如果我们说20年前，我们很多的公司业务数据在网络上，那是不可想象的。今天公司财报、税收情况、员工社保各种情况政府都有一份，很多时候为政府服务的企业也有一份。
当我们的数据变得越来越爆炸了以后，它能从中间挖掘的东西更多了。上一次我跟别人交流的时候我发现让我特别震惊的东西，百丽进门有一个摄象头，所有进来的人可以识别出这个人是百丽老顾客还是新顾客。过去这些人他在哪些摊位上停留时间比较长，试鞋时，鞋下有RFID，地毯有RFID设备监控。你最后有没有买鞋子也知道，他有对你进店以后所有行为的数据监测，在这样的监测模型底下，算法的背后起到非常巨大的影响。
因此，我想表达的第一个事情，整个AI时代到来，今天这么轰轰烈烈，最本质的事情是属于数据的增长。
第二件事情，算力增长。有很多算法，我在20年前我有跑过，但20年前机器能力跟今天机器的能力差距太大了。所以当算力极其巨大增长以后，人工智能在海量数据情况底下得到的结构就更大，这是我们最看到的本能的事情。但我觉得有很多现在的新闻上面说的事情，可能作为对技术相对比较了解的人，大家也不用过度的操心和担心。我觉得人工智能真正去取代人类的工作、工种还是有非常长的时间要去完成，因为人的主关能动判断在这件事情有很强的价值所在，这是在非常长时间内，至少在20到30年时间没有办法被取代。
因为我们今天的算力不可能无限制的增长，我跟很多行内人有交流。所有的顶层结构由底层基础积累的，做计算机底层是物理学，物理学底层是数学。我们的物理学在7纳米、5纳米以下量级里没有突破。而物理学，我们在过去的100年时间里面，在量子力学出现10到20年后到今天将近一百年时间里物理学没有本质的突破，因为数学基础分析工具过去三百年时间里没有本质突破。
所以人工智能可见未来没有媒体宣传那么可怕，但是它在很多方面会给我们带来很大的便利，主要是效率上的变化。大家要清楚一件事情，企业最终的竞争靠的是效率的差异。人工智能时代到来，它背后的原因以及它真正能够改变的是企业运行效率。
对于脉脉来讲，我们帮助职场人，背后有特别多的可以用人工智能的方式去提高和改进的地方。我也想通过今天的，拿我们作为一个案例分享，告诉大家人工智能在帮助一个产品，在帮助一个企业它能够起到什么样不同的价值。
首先我们先说一下个人职业成长典型的场景。比如说，如果我们对于很多人来讲，他能够获取到有价值的人脉，获取到有价值的职业信息，会跟同行更好的交流的机会，这都是能帮助个人成长的典型场景。在这场景里，我们能够做的，比如好友推荐。两个好友在会上认识是缘分，但如果这些数据都在网络上面，如果这些人都在网络上面，通过算法去计算出来的，它就是必然现象，它就不是缘分了。
我可以通过很多的确定的我们叫做特征去帮助你找出那些跟你其实很近，但是你不认识的那些人。因为这样的一些算法能够帮助你更好的去建立人和人之间的信任这就是很典型的场景。所以所谓的五同关系，我们总结下来对于中国人来讲最为关键的核心的因素。我们校友相当于我们的同学关系、我们的同事、我们的同乡、我们有共同朋友的人，还有我们的同行，这些都是跟你有相同的联系的背景人，这些人对你们都会有价值、有帮助。但这群人规模有多大？很多人如果简单算一个数学题是很厉害的。比如你有200、300个朋友，这是非常正常的事情，他们各自又有200、300个朋友，意味着跟你拥有共同朋友的这一群人就是几万人的规模，但校友、同事很多数字加起来以后，你会发现跟你很近的脉络里有10万人的规模。
10万人是很可怕的数字，如果说你在一个网络里有10万人的规模就意味着你能够跟所有的行业，所有你可能想要打交道的人都有交集。所以这个世界在算法底下，这个世界很小。以前碰到缘分时觉得这个世界很小，今天在算法帮助下，这个世界真的很小。
我们认为说，对于关系网络的研究越来越深入以后，你会发现事情比我们想象还要再复杂一些。因为我们发现这个社会是有圈层的虽然我们四度人都可以认识任何一个人，但是我们还是要讲究说有很多的层次和圈子的感觉。
什么叫层次？比如说中国阶级固化越来越明显，分层形态越来越明确。可能一个工厂的工人蓝领阶层和白领阶层开始有阶级分化，有圈层的固化。今天可能一个白领跟创业成功的大佬相比，他们之间又会有明显的阶级分化。所以如何通过一个网络计算，你所在哪个圈层是很有意思的事情。我们在这过程中，用了很多算法，朋友里面跟你联系密切的人是哪些人？这些人他们的毕业院校是哪里，他们是什么公司，他们怎么去跳槽的，每一次跳槽选择都意味着公司和公司之间会产生差异。
举个例子，你可能有很多研发工程师从海尔跳到腾讯，但是不会从腾讯跳回到海尔。意味着这个圈子里，可能腾讯是比海尔更加好的公司，大家理解背后的意思吧？我们可以通过很多人用脚投票，去判断说这个社会上面不同的公司，不同的人群，他们之间的差异性在哪里。
我们拥有了这么多数据以后，我们构造了比较复杂的模型。从各种的信息的输入到我们预排序建模到精排序建模，对每个人输出各种各样想做的事情。以上这些事情，相当于说我把好友推荐场景在刚才那么大价值背景底下，我们通过算法去把每一个人的价值找出来。但这件事情，客观来讲，只有机器能干。
我们今天已经发现，基本上50%以上的互联网从业人群，在他准备换工作的时候一定要到脉脉上面来了解，他的目标公司情况。这就是很多CEO现在见到我说，我怎么在脉脉上面把雇主公司形象做的好一些，他发现员工入职之前都会来看到脉脉，如果公司有这样、那样的问题，他就会跟HR访问，这具体是什么情况，你得给我解释一下或者怎么样。这种情况，都是我们在帮助职场人去获取更好职场咨询。
但它背后也是一整套模型，我们怎么分析每个人需求，他的需求是短期还是长期的需求，我们分析工作背景和工作内容是什么，他需要什么类型的咨询。这些是，我们做这个算法的价值核心所在。
我们发现很有意思的现象，一个人可能会去找什么样的工作，跟他过去的经历有很大的相关度。比如说一个百度出身的工程师，可能会到哪些公司就职，是有一个概率模型的。他可能会去，某些百度公司扎堆的地方，比如当年滴滴起来的时候，有大量百度工程师到滴滴，它会形成固定选择的路径。研发人员跟产品人员选择路径不一样，研发做的好的比如百度、头条，产品做的比较好的比如腾讯、抖音这样的公司在那边，不同的公司背后的工种走向都不一样。
在这个过程中间，我们通过算法去帮大家计算，哪些公司是可能你会感兴趣的？这是第一步。第二步，我们要计算你去那些公司，那些公司对你是不是感兴趣？我们发现另外有意思的场景，公司招人也会有它的倾向性，比如毕业院校会扎堆，它会有人才扎堆的现象，这就是很有意思的因素。刚才说到有公司扎堆的现象，有老乡扎堆情况等等。这里面每个公司用人标准甚至CEO、HR没有这样的概念，通过我们的数据分析、计算我们会发现这是特别有规律和特别有背后的原因在这里面的。这都是一些我们自己觉得说，对于用户端比较有意思的场景。
企业端，也会有我们觉得很有意思的场景跟大家分享。比如招聘、客户开拓场景，招聘有这样一些因素，重点讲讲客户开拓。客户开拓这一块，我们所有的公司最后它都是生态链条，我们有我们的上下游，对于像脉脉公司来讲，它的下游可能是流量各种入口，他们会给我们带来用户的。线下的下游公司可能是我们可以去提供服务的，我们为大家去提供我们自己专门的服务的。它就构成了企业的链条上下游。
在这个过程中间，我们觉得说，因为不同的行业，不同的领域都会有它的上下游，有的行业简单，有的行业复杂。我上次跟影视行业聊，拍一部电影需要30多家公司联动、配合，有的公司提供道具、制片等，一堆名词我没记住。你会发现对于复杂的业务，如何能够帮助企业更好的去完成它跟客户之间的合作？背后依然还是有可以去计算的这些事情。因为你的信息并不通畅，你并不了解今天在这个行业里所有其他的公司，他们的业务合作伙伴是谁，他们这些合作伙伴的切入点，切入的人是谁？这些信息在一个网络的数据平台上面，它其实能够做很多的相关数据计算。
我们不仅说通过人脉关系计算，通过跳槽关系也可以计算，通过其他很多新闻和咨询方式也可以计算。在这样的计算过程中间我们知道对于你这家企业来讲，哪些公司可能是你未来很重要的合作伙伴，这些很重要的合作伙伴，你们公司里面哪些员工，跟对方哪些员工很有关系，或者其实是老乡关系，其实是同事关系等等。所有这些计算，当你进入到了每一个企业的客户管理系统里去的时候，它能产生的化学反应是比较巨大的。所以我们在企业领域里面我们依然会用算法去解决企业的很多问题。
基本上我们跟大家回顾了一下，我们用人工智能在脉脉场景下，我们做的努力和分享。人工智能在改变生活中很多方面，这个方面有大家天天能够关注到的比如人工智能能改变这种价值的事情吗？很可能，在未来十年产业失业的情况。我们能看到说人工智能在很多的工厂环境里面，能够给大家带来很多制造效率的提升。我会观察到，人工智能在教育领域会给大家带来很大的变化和影响，因为教育这门学科，如果大家研究多一点，会发现教育的理论非常的成熟，但是教育的执行者，很多从业人群素质参差不齐，机器学习、机器算法在这个领域能够帮助很多。
人工智能在医疗领域帮助也会很大，教育、医疗、职业成长以及其他领域对大家产生的冲击和帮助，是在座每一个企业家需要去思考的事情。之所以说人工智能是开始，还是说人工智能在改变每一家企业。谢谢大家！
