人類學習駕駛，只要在駕校學一個月就會了。但是谷歌花了50億美金，做了幾百萬英里仍然不敢在街上開車，為什麼？機器要把所有的場景都看一遍，他才敢上街，這是不適合機器做的。機器只能理解相關性，不理解邏輯關係和因果關係，所以機器不是萬能的，它有侷限性”。

“第八屆嶺南論壇”於2019年10月12日在廣州舉行。矽谷風險投資AimTop Ventures 創始管理合夥人王維嘉出席並以《暗知識，機器認知的顛覆》為題發表演講。

王維嘉分析稱，自動駕駛領域非常不適合人工智慧的研發，因為“駕駛”是一件人類很容易做成，但機器很難做成的事情。“我在這方面看了22家公司，包括中國和美國的，但是我一家沒有投”。此外，王維嘉還強調，當前人工智慧泡沫的形成有很大一部分責任在投資人身上。一是網際網路領域的“贏者通吃”並不能複製到人工智慧領域。二是人工智慧公司的增長不會像網際網路公司那麼快，所以投資人一定要有耐心。

以下為演講實錄：

王維嘉：我的日常工作是在矽谷做風險投資。到現在開始已經在矽谷學習生活了快35年。矽谷的科技創新有這樣一個規律——每10年是一個週期，我在矽谷目睹了3個週期，分別是個人電腦、網際網路、移動網際網路，今天的這個週期是討論人工智慧AI。

AI今天的狀態相當於20年前的網際網路，所以很多人都在媒體上聽到、看到很多關於人工智慧的討論。但是人工智慧和我們自己是什麼關係呢？和我們每個行業是什麼關係呢？並不是很清楚。

大家想一下，如果我是一個做零售的，20年前我聽到馬雲做電子商務，我可能會覺得這和我一點關係都沒有。當你真正明白他在做什麼的時候就已經晚了。所以，我今天想利用很短的時間來跟大家分享一下AI對每個人、每個行業今後10年有一個什麼樣的影響？

人工智慧進入我們的眼界是因為谷歌的AlphaGo下棋這件事情，這嚴重傷害了人類的自尊心，因為AlphaGo不光打敗了人類所有的圍棋高手，而且之後還出了一個AlphaGo0和AlphaGo1。AlphaGo是先學了人類幾萬盤殘局以後打敗了人類，AlphaGo0完全不學人類的棋局，就靠自己摸索，就告訴他一個圍棋規則，結果他橫掃全球無敵手。

這說明什麼問題？說明人類的知識，不光沒有用，而且可能是累贅。這和我們平時聽到人工智慧資料量越大越多越好，正相反，所以要看處理什麼樣的問題。

在AlphaGo下圍棋這件事情上，人類的知識反而是累贅，這件事情對人類的打擊實在是太大了。就在我們還沒有醒過夢來的時候，去年年底，AlphaGo團隊又發表了一個研究叫Alpha DNA，就是用人工智慧可以猜出或者是算出你的蛋白質的三維結構是什麼樣的。

我們生命的密碼是由蛋白質組成的，蛋白質的效能就是由三維組成的，過去我們發現一個蛋白質的三維結構非常非常困難。現在用機器可以算出來，你只要告訴他DNA需求就可以。

其實這一件事情比下圍棋重要的多。大家都知道下圍棋怎麼回事，所以很關心它。但這一件事情在於人類對於生命祕密的突破的可能性會大大加大。所以到這個時候，我們就提出一個問題，為什麼機器有如此大的活力？我們能不能比肩？會不會有一類知識就是我們人類無法理解的知識，這就是我關於這個問題研究的出發點。

我們在研究這個問題之前，先看一下人類的大腦是怎麼工作的？人類的大腦裡面有神經元，每個神經元有幾千條突出伸出去，我們腦子裡面有1千億的神經元複雜的連起來，人類神經元的基本工作原理是什麼呢？就是在兩個不同的神經元之間建立聯絡。

比如說我們教一個孩子認識英文字母O，我們什麼時候說這個孩子認識了英文字母O呢？就當我們發音O的時候，她可以在黑板上劃出O來，也就是說把發音這個神經元和視覺的神經元形建立起聯絡了。所有我們人類的知識，它的本質都是兩件事情之間的聯絡，我們的大腦的神經元就負責做這樣的工作，所以這是今天人類知識所有的本質，就是不同事物之間的關係。

這個事情是人類什麼時候發現的？是大概70年前，一旦人類發現大腦神經元的本質以後，馬上就有科學家說這樣的本質我們可以用電子線路來模擬，今天我們看到的AlphaGo下圍棋還是我們無人機的自動作戰系統的基本單元就是這樣一個簡單的神經元。

我們聽到很多今天的深度學習、神經網路，它的本質是什麼東西呢？就是我剛才說的，人類大腦神經元的基本工作原理，就是把大量資料之間的相關性找出來，把資料之間的關係找出來，這是什麼東西呢？是知識，資料之間的關係就是知識。所以今天的人工智慧，就是一頭勤勤懇懇工作的牛，它吃進去的是資料，擠出來的是什麼？是相關性和知識，這就是今天人工智慧的本質。所以我們會聽到很多深度學習、神經網路、人工智慧，他們四者的關係就是包含的關係，他們四者其實就是一回事。

我們回過頭來探討，是不是今天機器發現了人類無法理解的知識，我們平時說到的知識就是可以用文字或者是語言記錄下來的東西，比如說甲骨文或者是方程式，這是人類所認知的知識。

到了70年代我們發現的知識就是隻可意會不可言傳的知識，比如說我們大家都會騎單車，有沒有人是看著騎單車手冊學會騎單車？沒有，都是你在單車上摔過幾跤就學會了。比如說舞蹈、籃球、NBA，他們都是用身體的記憶，為什麼表達不出來呢？因為這些技能實在是太複雜了。

所以我們工作當中，識別一個人或者是我們面試一個人，我們比如說跟他見5分鐘就能判斷這個人是不是靠譜？憑什麼？憑的就是你的感覺和經驗。我們在工作當中經常會說最後這個事老闆來定，為什麼要老闆來定？因為老闆有經驗，老闆其實沒有資訊。

為什麼我們作決定的時候要一咬牙一跺腳，就是因為我們的資訊不全，過去我們不承認這些直覺，因為它是科學的東西，因為生活當中我們大量的東西都是我們只可意會不可言傳的東西。我的重大的金融決定都是靠我的胃做出來的，也就是說他的身體對決定是有反應的。

實際上我們做過重大決策的人都知道，你做重大決策的時候，其實你的資訊永遠是不完備的，當你的資訊完備的時候，機器可以作決定，任何人可以作決定，就變得很簡單。這種資訊已經通過我們幾十年的實踐，儲存在腦子裡面，但是它實在太複雜了，表達不出來。

這裡最精彩的就是我們今天在嶺南學院，是經濟和金融學院，諾貝爾獎獲得者哈耶克證明了計劃經濟的不可行，他說市場就是由供需組成的，供需的知識無法記錄，無法記錄的知識就無法集中，無法集中就無法進行中央計劃，所以他說計劃經濟是不可行的，就用末會知識做了很好的證明。

我們知道可以用文字表達的明知識，有隻可意會不能言傳的末知識，是否可以進行表達。用這樣的一個圖來表達，縱軸是是否可感受，橫軸是是否可表達，這裡面最典型的是阿基米德定律，浮力定律的表達我們在初中就已學過。

2017年諾貝爾的物理學獎獲得者是廣義相對論和量子力學是無法感受但是的確存在的知識。第三類知識就是剛才所說的末知識，騎單車、規劃和舞蹈，這個表裡面有一個象限，就是既不可感受也無法表達的，這就是人工智慧發現的暗知識。

為什麼既不可感受也無法表達，因為我們人類的表達是有限的。我站在這裡做分享我每秒鐘說出來的字數是5個字，我們的表達只能把最簡單的東西表達一下。所以說今天我們可能發現了一類知識，就是既不可感受又不可表達的，它和我們現有的知識是有什麼關係呢？就是我們已有的可以用文字記載的知識就是冰山一角，我們只可意會不可言傳就是水面，暗知識就像海洋。

剛才談了很多認識論的東西，這和我們有什麼關係？我們作為投資人第一件事情要做的就是對於行業的產業生態非常清晰的了解，什麼叫一個行業的產業生態，就是這個行業有多少個組成部分，每個組成部分的關係是什麼？每個組成環節的砍價能力有多少？

人工智慧這個行業大概分為四個層次，第一個層次是演算法，第二個層次是晶片，第三個層次就是軟硬體的平臺，特別是軟體的平臺，第四個層次就是大家熟悉的應用，自動駕駛、人臉識別。所以這個產業生態有這樣四個層次，對於我們從投資來講的，今天我們大家都很清楚自動駕駛、人臉識別在醫療上的應用和大健康都是非常重要的。

哪些行業適合人工智慧呢？第一就是這個行業必須在他的生產和服務過程當中產生大量的資料，如果這個行業沒有資料，人工智慧用不上；第二這個資料有足夠的複雜性，資料不能太單調，比如說銀行和醫療的資料都非常複雜，從資料當中可以挖掘非常複雜的關係；第三，這個行業要非常有錢，如果沒有錢沒有人願意過來顛覆你。只要滿足這三個條件的行業都會受到人工智慧的衝擊或者是影響甚至是顛覆。

我們作為投資人除了要看準方向，還要看清坑在哪裡？比如說自動駕駛，我在這方面看了22家，包括中國和美國的，但是我一家沒有投，為什麼？因為我認為自動駕駛是非常不適合人工智慧的領域。為什麼？因為他是讓機器做一件人很容易做的，但是機器很難做的事。

比如說我們人類學習駕駛開車，只要在駕校學一個月就會開車了。但是谷歌花了50億美金然後做了幾百萬英里仍然不敢在街上開車，為什麼？機器要把所有的場景都看一遍，他才敢上街，這是不適合機器做的。機器只能理解相關性，他不理解邏輯關係和因果關係，所以機器不是萬能的，它有侷限性。

我們今天的人臉識別非常適合人工智慧，但是它已經成為紅海，中國有300家公司在做。晶片方面，中國上海有300家晶片公司，PC晶片全世界只有2家，英特爾和AI，而高通和華為也是在做晶片，全世界不需要很多做晶片的公司。

什麼公司值得投資呢？就是他們對行業非常敏感，比如說我想用人工智慧改造鋼鐵行業，他一定要對鋼鐵行業的流程非常熟悉，而不是隻懂人工智慧。

這裡大家會問，人工智慧和網際網路的區別在哪裡？它最大的區別就是網際網路是面向消費者的生意，而人工智慧是面向企業的生意，這兩者造成兩個行業巨大的區別。

今天人工智慧的泡沫是怎麼形成的？很大一部分的責任在投資人身上，因為投資人在投網際網路的時候，網際網路有一個規律叫贏者通吃，有一個阿里巴巴就不需要第二個，有一個百度不需要第二個，有一個微信不需要第二個。所以你在網際網路領域只要能找到頭部公司，不管多貴都可以賺錢。

但是AI不一樣，比如說人臉公司，我一個公司把上海市場拿下來不一定代表你能把北京市場拿下來，所以它是面向政府和企業的生意，沒有贏者通吃，這是這個行業最大的區別；第二是它的增長不會像網際網路那麼快，一家公司從0到2億使用者在兩年內完成，所以投資人一定要有耐心。

今天的人工智慧是模仿我們人類大腦，為什麼它能比我們人類大腦快那麼多？能有這麼神奇的功能，第一它比我們的速度快，因為我們人類大腦的計算速度每秒鐘200次，晶片是每秒鐘幾億次，傳輸速度快很多，晶片上訊號是不會錯，我們人腦大概有30%的資訊是接收不到的，所以說人工智慧是一個比我們大腦更快更準確的一個神經網路。

但是，它不理解因果關係，沒有情感，沒有自我意識，所以它只能做那些和相關性有關的挖掘，它並不能做舉一反三，它有一點像一個偏科的學生，比如說清華大學招了一個長跑冠軍，但考微積分可能是0分，智商和情商也會偏科。所以不管機器如何神奇，它仍然是我們人類的工具，像一個警犬可以聞出毒品，它比我們人類有更強的識別能力，但是它仍然為我們人類所用，是人類的工具。

今天我們進入一個新的時代，對於我們人類的影響會超過網際網路今後10年、20年都是人工智慧或者是機器認知的時代，有無數個感測器在記錄我們生活生產的方方面面，人工智慧就把這些大量的資料中的相關性或者是知識提取出來，提取出來改進我們的生活和生產、服務流程。和我們人類已有的知識相比，人類的知識和機器未來發覺的知識都是滄海一樹，機器沒有符號沒有情感，它仍然是我們人類的一個工具，但是這個工具等待我們的是許多的機會，會影響我們在座的每個人每個行業。謝謝大家！