Talllinn 会为你解读 AI 投资和创业，并为你解密 DeepMind。
AlphaGo 战胜李世石掀起了新一轮人工智能（AI）投资狂潮。
我们邀请到 DeepMind 的早期投资人 Jaan Tallinn 与中国 AI 界的最强大脑们进行对话。Tallinn 是最早发现 DeepMind ——2016 年最红 AI 公司的投资人之一，他见证了 AI 技术的发展，却致力于研究人工智能带来的潜在风险。
受邀参与对谈的中国 AI 大佬包括：
陈孝良，声智科技 CEO
丁磊，汇百川征信 CTO，前 Paypal 全球消费者数据科学部负责人
高始兴，思必驰 CEO
李志飞，出门问问 CEO
刘维，联想之星合伙人
孟醒，顺为资本投资副总裁
吴甘沙，驭势科技 CEO，前英特尔中国研究院院长
许丞，心橙互联 CEO，前谷歌工程师
漆远，蚂蚁金服副总裁、首席数据科学家
印奇，旷视 (Face++) 创始人
余凯，地平线机器人创始人，前百度深度学习研究院院长
张本宇，CloudBrain CEO
张予彤，金沙江创投合伙人
赵云峰，联想之星 Comet Labs 合伙人、新媒体 “机器之心” 创始人
（排名不分先后，按姓氏拼音排序）
这是 AI 界最值得期待的脑力风暴之一。在上周五的（上）篇中，大佬们探讨了 AI 技术的商业化、AI 领域被低估的方向、AI 与人类的较量。而在今天推出的（下）篇中，Talllinn 会为你解读 AI 投资和创业，并为你解密 DeepMind。
Jaan Tallinn，Skype 创始工程师，DeepMind 早期投资人和顾问。Tallinn 一直关注前沿人工智能科技带来的风险，因此，他还参与创办剑桥存在风险研究中心 (Centre for the Study of Existential Risk) 和麻省理工的生命未来研究所 (Future of Life Institute) 。
采访/ 峰瑞资本科技投资团队
翻译/ 冯琪祺 周小然
漆远（蚂蚁金服副总裁、首席数据科学家）
Q 你认为现在对 AI 的研究和投入是三分钟热度（just a big bubble），还是说 AI 代表了人类发展的一个长远大方向？如果是泡沫的话，它会持续多久？
A纵观历史，AI 研究与投资确实有季节性：新的技术突破制造轰动，进而吸引投资。紧接着，资本的涌入招来 “伪供应” 的 AI 创业团队，有时连投资人也难以把它们和真正能取得成果的团队区分开来。当打着 AI 名号的劣质公司开始接连死掉，资本的热度也会随即降低。等十年或更长时间以后，AI 被重新包装成“机器学习”，技术上有了新突破，又开始了新一轮的循环。
当前的 “AI 旺季” 很可能面临相似的命运。不过这一次有所不同：很多技术上的突破都是货真价实的，并且开始带来营收，收获好的商业回报。举个例子，分类算法的边际改进能给广告商带来超过数十亿美元的价值。这类商业应用不会被所谓的投资潮流所左右。下一个 “AI 淡季” 并不会影响这些技术在现实生活中发挥作用。
孟醒（顺为资本副总裁）
Q 在今天这个时间点，您怎么比较这四类AI创业方向：
1.纯算法（DeepMind）
2.算法+深度垂直行业应用（Enlitic/Narrative Science）
3.硬件+算法（Mobileye/地平线）
4. 算法+广义用户体验（Siri）?
请从团队组队难度、前景、投资人偏好、巨头的态度来讨论。
A现在我只花不到一半的时间在投资上，不算专职投资人，因此，我不建具体的模型来给创业公司归类并评估它们。我常走些捷径——我选择给我认识、我信任的人投资，或者和我认识、我信任的人合投。因此，我投了一批 Skype 系的创业者，还与Founders Fund一起投资了 DeepMind, Various, Nanotronics，和 A16Z 一起投资了 tlon/urbit, improbable.io, teleport，我和 YC 一起投资的公司就更多了。
当然，我也会独立地评估这些创始人：他们曾与谁共事、是否聪明。
有趣的是，见 AI 领域的创业公司时，一个好的提问是创始人是否清楚 AI 的风险。虽然这与创业者的技术水平没太大关联（但从结果主义的视角来看，投资一个对 AI 最终能带来的结果不敏感的创业公司是不明智的。）
张予彤（金沙江资本合伙人）
Q DeepMind 在伦敦招募了超过百名博士研究员，在招聘人工智能科学家方面最看重什么？和其他工业界的 AI 研究院最大的区别是什么？在研究与产业化中是如何定位的？
A我在 DeepMind 时，招聘的核心策略是打造一种有学术气氛的企业文化，吸引学术背景很强的人才。我们会与领先的学术机构建立良好关系，聘用他们的顶尖学生。
平衡研究与商业是不容易的。Demis（DeepMind 创始人）提过，他接受谷歌收购一个原因，就是他可以从此放下商业方面的顾虑，潜心研究。
Q AlphaGo 在围棋上做出重大突破，战胜人类围棋冠军，是终结还是开始？现在是否还在进行围棋相关的研究，终极使命和下一步的计划是什么？
ADeepMind 的最终目标就是它的标语：破译智慧，用智慧解决一切（solve intelligence, and then use it to solve everything else)。Demis 最近的演讲有提及这个话题：https://www.youtube.com/watch?v=4fjmnOQuqao
丁磊（汇百川征信 CTO）
Q 最近金融服务业有兴趣使用 AI，你认为 DeepMind 或广义上的 AI 有机会加入吗？
A对于 AI 与金融，我首先想到的自然是对冲基金。由于对冲基金是典型的零和博弈，所以我对此兴趣有限（话虽如此，我最近也开发了一个自动化交易系统，所以很熟悉一点：这行业的专业竞争力令人激动！）
此外，还有一些可观的自动化投资服务，例如财产管理等面向普通大众的类目。但无论如何，我认为短期内数据区块链 (blockchain) 会比 AI 在金融服务界更活跃。
许丞（心橙互联 CEO）
Q 我曾在谷歌做工程师，我听说过 AlphaGo 没有采用谷歌现有的深度学习框架，比如 DistBelief 或 TensorFlow 这些 Google Brain 框架。AlphaGo 从头开始构筑自己的软件群有什么原因吗？
A我在谷歌收购 DeepMind 时就离开了这家公司，所以不太了解这个细节。我猜测是由于历史原因：在被谷歌收购前，对于AlphaGo 的研发已经开始了。
李志飞（出门问问 CEO）
Q 由于要解决在海量信息中准确搜索的问题，实时解码是很多结构化预测任务（如语音识别、机器翻译）的难点。但好像 AlphaGo 找到了很好的搜索方法。你认为 AlphaGo 的搜索方法可以利用到结构化的预测任务中吗？如果可以，该如何应用？
A对，我认为AlphaGo最大的优点（相比 IBM 的 “深蓝”），就是它大大降低了应用场景的局限性。（所以 AlphaGo 和能够操作 Atari 游戏机的 AI 都已经朝 GAI 靠拢了）。最近一个 AI 开发界的大咖还说 GAI 研究毫无进展，我还跟他争辩呢 :)
但据我所知，AlphaGo 中的确有一些特征检测（feature detector）的代码，在技术层面上让系统仍是一个专用型 AI，但我也不清楚这一限定对 AlphaGo 在其他领域的应用会产生多大影响。
高始兴（思必驰创始人）
Q 你认为 GAI 能在多大程度上解决自然语言交互问题？
A首先，人类拥有“全面智慧”，所以我们能够做到自然语言互交，GAI 也应该理应做到！
好吧，严肃一点：近期 GAI 的确在自然语言处理上取得了长足的进步（参见之前我关于结构化与非结构化方法的回答）。
赵云峰（新媒体《机器之心》创始人）
Q 你怎么看待 DeepMind 的 GAI？在你的理想中，DeepMind 将如何改变我们的生活？
A其实，理想中他们将 “破译智慧”，为人类做出 “稳定可靠且有益的”服务。未来的事很难预测。科技发展加速了智力水平的进化，接下来会发生什么，我们谁也说不好。
我最近经常打这么一个比方：AI 的发展就像制造一艘太空飞船。和过去情况不同的是，世界上所有人早就已经在这艘船上了。等到这艘船造好，理论上我们可以飞去任何地方，我们的目的地将会与现在的星球完全不同（希望更好！），但是我们对于航行必须格外小心操作——否则这场旅行将会是一场灾难。
Q Demis 认为，DeepMind “完美结合了最好的学术和最令人激动的创业”，公司文化非常酷，你能结合你自己的感触和经验介绍一下 DeepMind 的公司文化和研究理念吗？
A我并不是阐释这个话题的最佳人选。在任期间，我也不常待在办公室。但我认为是的，DeepMind 有比学术界更自由的研究环境，创造这样一种文化是 DeepMind 的一大成功。对于这一点，我认为 DeepMind 的几位创始人贡献很大。
匿名用户
