AI的明斯基時刻

wikipedia上對Minsky moment的解釋如下：

這個詞因為今年周小川主席提了幾次，開始廣為人知，簡單來說，明斯基時刻，就是因為ABCDEFG等等原因，導致資產價格崩潰。原理也比較好理解，經濟好的時候，投資者傾向於承擔更多風險，隨著經濟向好的時間不斷推移，投資者承受的風險水平越大，直到超過收支不平衡點而崩潰。這種投機資產促使放貸人儘快回收借出去的款項。“就像引導到資產價值崩潰時刻”。

那麼，AI行業會有明斯基時刻麼？

在李飛飛2007年開始到了普林斯頓開始籌劃建立ImageNet的時候，很可能只是為了對標WordNet，建立一個用影象資料表現資料多樣性的方法。現在回頭去看，2012年，多倫多大學的Geoffrey Hinton、Ilya Sutskever和Alex Krizhevsky提出了一種深度卷積神經網路結構：AlexNet，奪得了ImageNet冠軍，成績比比當時的第二名高出41%， 這也成功打開了AI進入生活的潘多拉魔盒。

2012年之後的故事不用說大家也都知道了。AI的話題一年比一年火熱，隨之而來的，進入AI行業的投資越來越多，AI行業的獨角獸（獨角獸指估值超過1B$的公司）的成長速度要遠遠其他行業。

過去的幾年，整個AI行業一片沸騰

層出不窮的新演算法，新模型，不斷重新整理著歷史的資料，有的公司的PR稿更直接的寫出XXXX模型效能超過人類的字樣。頭部公司不斷拿到新的融資，公司估值也在像雨後春筍一樣冒著尖網上走原來只是學界關注的頂級會議，慢慢也有大批工業界進入，到後來頂會的門票都開始一票難求，有的頂會都開始對門票進行搖獎形式。媒體也開始販賣工作焦慮，“AI來了，明天的我們還能找到工作麼？”各個國家也開始紛紛制定AI國家發展規劃，組建越來越多的國家隊。。。。。

不過隨著老百姓AI知識的普及，以及這幾年鋪天蓋地的市場教育，人們紛紛發現，事情不是描述的那麼好：

原來所謂的在某某某效能超過人類，只是在那個很細小的細分測試集上，單拿出來也幹不了啥原來頂會上那些看著效能嚇人的模型，很多是沒法進入產品落地的由於結果還是會存在某些不可預知的偏差，AI在很多關鍵決策領域還是需要人來最後拍板的原來在保險公司用的很好的OCR，到了醫藥行業還沒法直接用，還是需要花很多錢重新做一套新的模型的。原來很多公司需要那麼多融資，只是需要購買更多算力去各大比賽屠榜用的。原來有那麼多公司一直做的是坡坡特產品，實體一直沒看到原來那麼多帶著光環的投資人去站臺，實際上是已經完成套現離場了。

為什麼會這樣？ 兩個字：透支。

過去的幾十年，其實AI一直都屬於不太待見的領域。現在看著深度學習/數學等領域的人很吃香，但是在過去幾十年，數學一直是很不受待見的課程和專業，而且真的是很難，（去問問上工科專業的，對《複變函式》《概率論》《隨機過程》《編譯原理》《離散數學》有幾個是真心喜歡的）。我上學時蔡自興教授的《人工智慧及其應用》都已經進入國家精品課程了，聽著濃重福建莆田方言的蔡教授講課聽的仍然是雲裡霧裡。這些專業坐冷板凳坐了那麼多年，好容易有一個出頭的日子，大家都抓緊機會往外冒。

對投資人來說，賺錢是他唯一考量的。2000年網際網路興起，瘋狂捧網際網路，導致2001年納斯達克科技股泡沫破裂。2014年移動網際網路開始興起，又大舉進入移動網際網路，一直在鼓吹OxO這樣的模式，讓人們恍惚覺得移動網際網路能做萬物，可是最後，又是一地雞毛。在中國，移動網際網路浪潮過去，留下的也只有滴滴/美團/微信這些超級頭部CP。所以，投資人根本不在乎名字是AI還是BI還是CI，只要能按照他的節奏，完成買入 --》 養肥 --》 賣錢 （賣人或者殺掉都可以）就可以了。

當投資人發現手裡的豬開始掉價的時候，它會怎麼辦呢？要知道，當年華平投資(Warburg Pincus)怎麼宰殺港灣網路和國美電器的事情還猶如昨天，歷歷在目。

AI會有明斯基時刻麼？肯定會有。

什麼時候會到來？ 我也不知道