人工智能預測誰是歌王，娛樂至死的背后還有更大野心專欄
你還記得6年前那只在南非世界杯上征服全球的章魚保羅嗎？章魚保羅在2008歐洲杯和2010世界杯兩屆大賽中，預測14次猜對13次、成功率飆升至92%，成為預測王。章魚保羅預言帝真實原因在于，好事者根據章魚的生理習性進行了一定的引導。從實質來講，章魚保羅僅僅只是一個符號，好事者的背后其實是德國奧伯豪森水族館的“公關營銷”參謀團隊根據數據分析、情報展開分析。
可以說，一切預測的背后，其實都是數據、情報作為支撐。數據越豐富，預測成功的概率就越大。阿爾法狗大戰李世石之后不到一個月的時間，恰逢一年一度的湖南衛視“我是歌手”歌王決賽即將上演。阿里云的人工智能小Ai預測歌王結果，可謂噱頭十足。
筆者曾在《從IT領袖峰會談話看人工智能的“三重門”》提到人工智能的三重境界——弱人工智能、強人工智能、超人工智能。預測歌王其實正是人工智能基于復雜場景展開高強度的計算，屬于強人工智能的范疇。表面上看，這僅僅只是一次娛樂，其實背后潛藏了更多野心。
預測歌王戰勝棋王，兩者誰才技高一籌
一個是預測歌王，一個是挑戰棋王。兩個人工智能，誰才技高一籌？這的確令人費解。不過，按照人工智能“三重門”的層級劃分來看，阿爾法狗還是屬于弱人工智能，預測歌王這種基于復雜場景的判斷可能更加復雜，屬于強人工智能。
“弱人工智能”其實在學界的定義是指，模仿人的深度神經網絡，來進行機器的計算。強人工智能的背后，需要強大的數據服務作為支撐。
很多人都在說，圍棋不同于象棋，圍棋背后有著深刻的文化、情感因素，圍棋強調全盤考慮，對于人工智能而言，十分復雜。還有人說，阿爾法狗和1997年的深藍有著很大的區別——深藍是靠硬算，其能力是固定的；阿爾法狗會根據盤面自主學習，其能力在不斷增強。
谷歌的阿爾法狗戰勝李世石，背后其實是“大數據＋算法”的方式進行計算。阿爾法狗對生物神經系統有種模擬或近似，但阿爾法狗的下棋邏輯是非常簡單的。每下一步棋，阿爾法狗都是在對每一步棋的勝率進行反復計算，選擇在勝率最大的點進行落子。其實，這種計算思路與1997年的深藍并無本質區別，阿爾法狗只是利用了實時運算的能力將更多棋譜納入其背后的數據資源之中。
那么強人工智能呢？強人工智能指的是AI與大數據、云平臺、機器人、互聯網及物聯網等場景深度融合，真正與產業結合，扮演基礎性的角色。
“我是歌手”這樣的歌唱比賽雖然談不上產業，但是卻存在復雜場景，AI要在這種環境中預測勝負成敗，其實存在很大的困難。某種意義上看，AI預測這樣一場比賽，已經是在挑戰強人工智能。
“我是歌手”這樣的賽事，背后的賽制和冠軍產生機制非常嚴謹和復雜，還要考慮到歌手臨場發揮、出場順序、選曲、個人喜好等不確定因素的影響。這是湖南衛視節目組、所有電視觀眾、500位大眾評審、7位明星歌手共同創造的一個充滿隨機性的巨大謎題。
人工智能要在這種環境中去預測“誰是歌王”，其復雜性在于，情感和變數——音樂是情感因素十分復雜的一個事物，評委和現場選手又是存在諸多變數的變量，現場觀眾更是無力掌控的可變函數。
阿爾法狗只需要去打敗一個人，它在單點進行計算，進行突破，就可以完成自己的任務。而小AI需要預測“誰是歌王”，它面對的是千千萬萬個具有情感的還在不斷變化的人，它需要理解每個人的心理變化，現場的氣氛轉向，其復雜性其實遠高于阿爾法狗。
強人工智能的背后，復雜場景才是目標
如果打一個不恰當的比喻，阿爾法狗畫的是直線，預測誰是歌王的小AI走的是迷宮。
目前的弱人工智能只能運用在下下棋、寫寫消息、翻譯文本等這些相對較為簡單和實用的內容上。
但是，人工智能存在的目的絕非僅僅只是做這些相對固定、機械甚至是缺乏實用性的事情。今年的IT領袖峰會上，李彥宏就談到，讓機器學下圍棋是容易，讓人去下棋、拿到圍棋九段很難；讓機器開車很難，但人去拿到一個駕照很容易。
李彥宏的本意是，人工智能真正的運用場景是，需要面對非常復雜的使用場景，比如說自動駕駛、比如說再金融、電商等各個領域進行數據分析，為人們提供決策依據。
由此看來，強人工智能才是人工智能未來真正發展的方向，因為人工智能最終還是要走向實用。
放在復雜場景中來看，“我是歌手”這樣的賽事上去預測歌王，考驗的就是人工智能對復雜場景的應對能力，需要基于神經網絡、社會計算、情緒感知等原理工作，其背后是阿里云的大數據作為支撐。除此之外，小Ai 在預測之前，“海補”了幾百萬首歌提升音樂品味和鑒賞能力，基于阿里音樂數據庫從歷史賽事和海量資料中尋找影響比賽結果的變量因子，訓練出一個實時動態模型進行預測，比如歌曲、歌手、粉絲、現場氛圍、網友討論等維度，每種維度都通過機器學習提取海量特征。這些特征有的是靜態的，有的跟隨比賽不斷變化，需要現場實時計算，最終給出預測排名。
原英特爾中國研究院院長吳甘沙在面對媒體媒體采訪時就曾直言，這個預測的技術要求甚至高于Nate Silver的奧斯卡預測，因為數據大、維度極多、大量是非結構化數據，沒有足夠多的歷史數據來訓練模型。
其實，在未來的實際運用中，強人工智能面臨的復雜場景也是如此。強人工智能在金融、電商、無人駕駛等領域的實際運用之中，其實面臨的復雜場景和預測“我是歌手”的歌王一樣，都會遇到數據大、緯度多、變數大等問題。
谷歌這場的阿爾法狗大戰李世石的棋局，更多還是噱頭。谷歌自己也清楚，人工智能真正的場景在于復雜的實體產業。
這種復雜場景才是未來產業運用中將要面臨的常態。以金融領域為例，有人說，未來國家金融監管部門可能會引入人工智能，對復雜的經濟系統提供決策支撐。所以說，這次“我是歌手”預測誰是歌王，表面上看只是人工智能在一個娛樂節目中的嘗試，很多人都會被其外表的“娛樂”所蒙蔽，甚至稱其“娛樂至死”。但這場實驗其背后真正的目的在于，挑戰人工智能發展的高度，指明強人工智能的實際運用。
DT時代的大背景下，未來應用前景幾何
強人工智能其應用前景其實和一家公司的數據能力密不可分。曾有一種理論談到，在人工智能領域，缺乏數據的公司，未來很難提供真正可用的服務。
聯想到馬云多次公開談到過的DT時代的論述，其實很容易發現這樣趨勢。馬云說，這一次技術革命是IT時代走向DT時代，是真正的大大的釋放……這個時代核心資源已經不是石油，而是數據。
人工智能背后的資源其實就是大數據，缺乏數據的人工智能是無法生存的，在未來的應用場景之中，數據為成為支撐人工智能的核心資源。
數據資源來自何處？對于阿里巴巴而言，數據資源來源于淘寶、天貓的購物數據，支付寶上的支付信用數據，微博、釘釘上的社交數據；對騰訊而言，數據資源來源于社交數據；對百度而言，數據資源可能來源于搜索數據…….
而在未來，人工智能會在大數據的支撐下，對于貸款、保險、廣告、營銷、電商、物流、健康、醫藥、安全等各行各業，都展開改造。實際上，這種改造早已經悄然開展。小Ai各個模塊已經積累了大量實戰經驗——幫助交通部門預測未來道路擁堵情況，幫助光伏電廠預估發電產能減少能耗，幫助水利監管部門預測水庫水位以預防災害發生、幫助金融機構的客服人員接電話、幫助阿里音樂預測音樂黑馬等。
未來，人工智能可能會成為各行各業的基礎性資源，在各行各業之中發揮作用。如果在配合“云管端”的戰略來看，會發現阿里的野心可能更大。
傳統企業的“互聯網＋”轉型在今天已經成為了一個重要話題，華為和YunOS都在搭建數據處理平臺，構建物聯網系統，幫助傳統企業和互聯網企業實現對接。這種在基礎和底層的布局，其實正在成為未來物聯網、5G時代連接一切的重要資源。人工智能作為催化劑注入其中，可能會帶來更大的想象力。
騰訊科技2015年度最具影響力自媒體，鈦媒體2015年度獲獎作者，百度百家認證作者。微信號：852405518，微信公眾號“深幾度”，轉載請保留版權內容。
1.砍柴網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；2.砍柴網的原創文章，請轉載時務必注明文章作者和"來源：砍柴網"，不尊重原創的行為砍柴網或將追究責任；3.作者投稿可能會經砍柴網編輯修改或補充。
