扎克伯格的尷尬與AI的真實進展

　　扎克伯格如果要優化效果，那么基本方法有下面幾類：

　　一種可能是扎克伯格覺得真實場景下的信號優化(聲學、硬件等)也沒什么，找幾個人做做就完了，如果這么想Facebook可能會自己組建個硬件、聲學團隊來做Echo Dot那樣的終端。但這么做很可能短期就不會有下次演示了。因為讓語音識別匹配前端聲學信號是容易的，但反過來讓牽涉硬件和物理的聲學來適應語音識別則基本會做掛。而在互聯網公司里通常后端偏算法的勢力會大，所以很容易走到前面那條路上去(這事情國內至少做掛了兩撥人了)。國內的大公司很容易走上這條路，但從分工習慣來看，國外公司更愿意在技術棧上卡住特定位置，非自己核心的部分會更愿意開放給其它人，所以扎克伯格這么干的可能性不高，除非他覺得自己也得搞Amazon Echo那種產品了。

　　一種可能是扎克伯格和深度學習科學家思路一致，認為所有東西都可以通過深度學習在云端算法層面來解決。這種思路下，就會通過深度學習來做降噪等信號層面的工作，用算法挑戰各種物理層面的問題。如果走上這條路，那估計短期也不會有下次演示了，因為他碰到的問題并非單純的降噪問題，回聲抵消、Beamforming、降噪、聲源定向這些東西是關聯在一起的，指望深度學習短期突破這些問題更像科研上的一種設想而非工程上的一種實踐。“設想”是說可以成為一種探索的思路，但結果完全沒譜，高度不確定，相當于把不確定性引入產品開發之中。

　　一種可能是扎克伯格走下一步的時候想的很清楚，知道自己這類公司的能力邊界，因此把這部分開放出去，讓專業的人做專業的事。物理的事情歸物理，算法的事情歸算法，這樣的話就會滿世界找聲學和遠場語音識別供貨商，但這反倒是最快的一種方式。

　　不知道扎克伯格具體會走那條路，如果是最后一種，聲智科技這樣的公司應該會很快收到消息。

　　打破原子與比特的邊界

　　扎克伯格這件事情事實上也提供了一個跳出來看AI的機會。

　　下圖是Jarvish的系統架構圖：

　　一般來講，從產品體驗上可以看出技術水平，從架構圖則可以看出來認知上的差異。

　　根據上圖，顯然的在扎克伯格這里Jarvish被理解成了一個命令控制型的系統，但感知這環節被忽略了，盡管扎克伯格自己在文章里也提到感知上下文是非常關鍵的一個環節(Understanding context is important for any AI)。

　　這種理解在互聯網企業那里很可能非常有代表性，但問題就在于感知恰恰是打造一個初級的Jarvis這樣的系統時最難的環節，因為感知總是要打穿原子和比特的邊界。Language Processing、Speech Recognition、Face Recognition總是立刻可用的，只受限于算法的發展程度和數據，但感知部分不是這樣，不單要算法行，器件、生產都要行才能有好的結果。比如說麥克風陣列，你算法再好但MEMS麥克風不給力，那你一樣抓瞎。如果要說的短板的話，在深度學習突破后，感知這一環節才是真的短板。

　　這就涉及到這次AI突破的一個深層次問題：這次的AI起于深度學習的突破，但真要想創造價值并不能停步在深度學習本身。關鍵原因就在于其AI創造價值的鏈條比較長，必須打破軟硬的邊界，補全整個鏈條，價值才會體現出來。幾乎我們所有能想到的大機會都是這樣，語音交互(需要打穿聲學和識別邊界)、自動駕駛(打穿計算機視覺、雷達、機械控制的邊界)等。這部分難度通常是被忽略了，似乎是有幾個深度學習專家問題就可以搞定一切問題。后者不是不行，但要限定在特定類別的事情上，比如圖普科技做的鑒黃等。正是同時做好軟硬這兩部分在拉長投資-回報的周期，投資和創業如果對此沒有自己的判斷，那準備的耐心可能就不夠。

　　小結

　　近來和AI各方面的人(創業者、投資人、科學家、媒體)接觸下來，發現大家基本都在思考這樣兩個問題：

　　第一，本次AI浪潮會不會和前兩次一樣很快冷下來?

　　第二，落地點到底在那里，究竟還要多久?

　　對于第一個問題到現在為止還沒碰到任何一個人認為這次AI浪潮會冷到前兩次那樣。對于第二個問題，大的落地點上大家基本也已經達成了共識(語音交互、AR、自動駕駛等)，爭議最大的就是啟動期究竟還要持續多久這一點。從兩個維度來判斷，這個時間更可能是在3年左右：

　　一是產品經過兩個周期的優化會更加成熟;

　　一個是計算能力、基礎設施到那個時候也會變的足夠強大和便利(過去3年Training速度提高了60倍，比摩爾定律還快，而Intel則正在推出集成度更高的服務器)。