【編者按】人工智能已成為資本爭相追逐的對象，越來越多的企業以人工智能的概念為自身加碼。只是“瘋狂”之下有幾分真實？機器人、無人商店、無人駕駛......這些被大談的概念背后真正的智能被人忽略，其價值也在被過度夸大。當大量的資本流向這片土地時，可見的未來中能否看見希望？

---

科學與理性

我在給研究生們講授與人工智能有關的法律課程時，被學生們問及最多的問題便是：科幻電影中機器人的場景，真的可以成真嗎？科幻電影中，機器人不僅可以與我們下棋，AlphaGo下圍棋的例子總是被學者談及，事實上，機器人如果只會下圍棋，那么它對于我們生活幾乎不會有任何改變。同時，機器人會下棋的例子也推不出來機器人就可以深刻地影響到我們的生活，因為在其他方面的應用，機器人算法與下棋的算法完全不同。而是已經深度進入我們的生活，包括機器人保姆、機器人服務員、機器人警察、機器人女友等，涉及社會生活的各個方面。

未來10～20年，人工智能對我們的生活會有什么樣的影響？類似這樣的問題，不僅同學們關注，產業界的朋友也特別關注，朋友們甚至會時常與我玩笑：作為法律和人工智能的研究者，哪只科技股票未來潛力最大？產業界關心，投資人關心，普通民眾關心。法學家們也學會了開始湊熱鬧，各個大學相繼成立人工智能法學院據了解，很多大學的人工智能法學院尚沒有一個能教授人工智能法律的老師，當然這并不影響對外掛出人工智能法學院的牌子。那些原本研究法制史的老師們也開始轉向人工智能法學的研究，或許可從諸葛亮“木牛流馬”中受到些許啟示。“風來了，豬都可以飛起”，難道，未來真的已經來了嗎？

機器+人≠機器人

（一）長得越像機器人，越不是機器人

人工智能的概念會讓很多人興奮，正所謂聞“機”起舞。號稱人工智能的企業如雨后春筍般層出不窮。從調研的情況來看，其中絕大多數的企業根本不屬于人工智能企業。當然，什么是人工智能？需要對這一概念有最基本的認知。從60年前的達特茅斯會議至今，人工智能雖不斷被學者修正，但它至少應當具備“人工神經網絡”“機器學習”“大數據運算”這些基本要素，我在HOW實驗室做過不少人工智能的實驗，至少要用到“高等數學”要用到“Python”等編程語言以及人工智能神經網絡的構建，至少要實現一到兩項“智能”目標。

我幾乎每年都會參加國際機器人大會，那上面參展的有一半以上“機器人”（可以唱歌、跳舞）從其本質上都屬于前面所說的玩具。我曾與這些產品的工程師聊過，這些產品底層的編程語言大都是Java、Python，或是Php（這三種語方居多），程序大都事先寫好，對話的語言和數據也幾乎是固定的，如機器人能夠背誦的詩詞是固定的，整個計算過程與傳統的計算機程序并沒有本質區別，這并非是真正意義上的人工智能產品。因此，從這一意義上講，人工智能與傳統計算機程序的區別并不在于產品的表面，比如把它做成一個機器人樣子，或者表面上可以對話，恰恰在于底層的算法。一般投資人在考察人工智能產品時恰恰忽視了這一點。近年來，人工智能神經網絡的算法尤其引人關注，無論是S形神經元算法、卷積神經網絡，或是梯度算法，每一種算法的背后還涉及大量數學、微積分和統計學的推導過程，這些人工智能的算法在應用到具體產品時還需要體現出獨特的產品創意。人工智能概念更為確切定義是：計算機編程+神經網絡+問題解決，三者缺一不可。

然而，很多項目完全缺少這些要素，僅有“機器人”的概念或者機器人的LOGO，就開始以“人工智能”自居，當然投資人不懂，被人工智能概念迷惑的也大有人在，于是，所謂“人工智能”企業就開始滿天飛。事實卻是，這個世界上長得越像機器人的，越不是機器人。

首先，機器人領域的問答機器人。市場上有一群人熱衷于研發問答咨詢機器人，還把它放到公共平臺上，試圖讓它能自動回復用戶提出的各種問題。事實上，這類設計從一開始就注定是失敗的。這個投資人的錢有接近一半不是死在路上，而是死在開始。類似這樣的機器人設計有很多，銀行的大廳里、酒店的大廳里、火車站、飛機場都能看到這樣的機器人。但這樣的項目從一開始就注定要失敗。因為它只能回答最簡單、初級的問題，遠遠達不到像人一樣思考和回答。我以法律機器人為例，法律問題何等復雜，它需要多層“復雜”邏輯的綜合運算，然而，現在的人工智能還基本停留在“一維邏輯”層面。啥叫多層復雜邏輯？比如，我問機器人：我應該如何維權？事實上，要回答這個問題，需要多方位綜合分析才能解決這一問題，要考慮到案件的具體情況，要找到其所適用的法律依據，還要考慮到當事人的實際情況（如支付能力等），通過多層復雜邏輯完成運算和博弈，最終才可能給當事人一個靠譜的法律建議。這種多層復雜邏輯甚至還需要律師在實踐中不斷學習才能最終完成。然而，當下的機器人在解析法律問題時，還只是“一維邏輯”，它只能從大數據中匹配出一個最靠譜的答案，卻無法按照“多層復雜邏輯”幫助當事人解決實際問題。

有人會說，AlphaGo不是已經戰勝李世石了嗎？怎么能說，機器人的思維能力不如人呢？AlphaGo所做的事情是下圍棋，這是“運算”，不是“思維邏輯”，在機器人的研究中，如果分不清這兩個概念是很可怕的，當下機器學習的最大優勢還是“運算”，所以，我在實驗中讓機器人學習很多國家的法律，它的確很牛，記憶力和回答的準確性，具有不可比擬的優勢。然而，如果我讓它幫我分析一個具體的案例，這時候需要“多層復雜邏輯”，它就顯得“力不從心”了！所以，在有關機器人的項目中，一定要清楚機器學習的優勢到底在哪里？搞不清楚這些基本問題，就只有白花錢。所以，那些擺設在大廳里試圖回答你問題的機器人，注定從一開始就是擺設或玩具。不要說復雜問題它回答不了，即便是最簡單的檢索問題，礙于“語音識別”的誤差以及內部數據的有限性，它所檢索到的也更多是“不知道”。這種不能解決任何實際問題的擺設，對于投資人而言，顯然無法達到投資的預期和目的。

（二）并不是所有行業都適合用人工智能

并不是所有的行業都適合人工智能，也并不是所有場景都適用于人工智能。有的飯店推出機器人端菜，很多酒店的大堂還推出機器人客服咨詢，事實上，這些機器人除了廣告宣傳之外幾乎毫無用處，并且，該聘請的人員一個沒少，該付出的勞動一點沒小，在這里機器人除了“噱頭”還是“噱頭”。

“無人餐廳”的概念也曾火爆一時，甚至躋身于人工智能要聞之首，許亞嵐：《問題多！無人餐廳能走多遠？》，載《經濟》2017年第24期。事實上，就智能點餐而言，手機APP可以實現，平板iPad可以實現，化身為桌面的觸摸屏當然也可以，這并非是人工智能所要追求的本質。“無人點餐”炒作的成分居多，當然，從商業運營的角度，這一切無可厚非，但作為人工智能的研究者切不能人云亦云。

類似的情況在服務業、司法系統也大量存在，如某某法院又在全面實現人工智能，對于人工智能在法律行業中運用我是十分看好的，但這并不等于神化它的作用，“員額制”所謂“法官員額制”是指法院、檢察院在編制內根據辦案數量、轄區人口、經濟發展水平等因素確定的法院的法官、檢察官的人員限額。員額一旦確定，在一定時期內不能改變，沒有缺額就不能遞補。迄今為止，通過法官員額制改革，全國地方各級法院共產生了近12萬名入額法官，約占中央政法專項編制總數的32.8%。《法官員額制改革推進司法精英化》已經讓法官們心驚膽戰了，再來一個人工智能，法官們深感前景黯淡。事實則不然，在接下來相當長的時期內，審判過程中法官的作用還必須凸顯，機器人更多的應用場景還是在數據處理和分析方面，即便是匹配到了相似的案例，也僅僅只能作為參考，要知道，人對“正義”的理解遠勝于機器。當然，從人工智能發展更遠的預期來看，機器人能否取代法官并不可知，但就目前或者相當長的時間內，有必要對人工智能的發展節奏有正確的預期。

建構機器人戰略中的理性思維體系

（一）機器人需要“工匠”精神

四種機器人產業中，應當說市場占比最大的當數工業機器人，無論是德國的“工業4.0”，還是我國的《2025制造業大國》都論及工業機器人布局。賀正楚、潘紅玉：《德國“工業4.0”與“中國制造2025”》，載《長沙理工大學學報》（社會科學版）2015年第30卷第3期。當今世界的工業機器人幾乎被“四大家族”壟斷，像日本的發那科（Fanuc）、安川（Yaskawa），還有德國的庫卡（Kuka）以及瑞士的ABB等作為工業機器人的龍頭老大，已經占據了全球絕大多數市場份額（80%以上）。黎文娟、喬標、王海龍：《工業機器人市場競爭新格局》，載《政策瞭望》2016年第3期。美國特斯拉汽車制造流水線所采用的正是庫卡的機器人，整個車間幾乎看不到人。我國很多制作業已開始廣泛使用工業機器人，以至于我國已成為全球最大的工業機器人的消費市場。陳婕：《國內機器人產業：需求為機創新為器》，載《中國知識產權報》2015年9月23日第5版。

未來10～20年，我國工業機器人消費市場還將持續增加，傳統家庭式的手工作坊將逐漸淡出江湖。我國已有一些企業開始著手研發工業機器人。無論是外在“顏值”，還是內在“性能”方面，與“四大家族”相比，都還存在較大差距。當然，工業機器人在中國還有巨大的市場空間。由于中國有巨大的市場空間，工業機器人的制造也具有巨大潛力。
從智能手機的發展歷程來看，先是蘋果一家獨大，最終國內的華為、小米群星薈萃，打破了蘋果在華一股獨大的局面，可以肯定，國內也一定會產生具有較大競爭力的工業機器人企業。不過，對于此類企業的成長周期，不要抱太樂觀的態度。與生產智能手機不同的是，工業機器人除了對算法具有較高要求，還要求制造精準、工藝完美、材質精良，我把它統稱為“機器人工匠精神”，所以，為什么工業機器人四大家族企業會誕生在德國、瑞士這些具有“工匠精神”的國家。中國人數學很好，算法應當不是問題，但“工匠精神”的培養還需時日。

（二）被曲解的法律機器人

法律機器人總體上屬于“思考型機器人”的范疇，它旨在幫助用戶解決法律問題。總體而言，思考型機器人在現有市場中占比較小，不是因為它的市場需求小，而是因為它的難度最大，當然，未來發展的潛力也最大。思考型機器人依賴于深度學習和神經網絡布局。運用神經網絡和深度學習，它還可以廣泛適用于醫療、經濟、金融、教育、代理、咨詢、辦公等諸多領域。尤其需要指出，傳統服務行業亟須人工智能的改造，思考型機器人可以幫助人們解決疑難復雜問題，可以預見，未來人工智能將在這些行業釋放巨大的紅利。

根據英國科學家阿蘭·圖靈1950年提出的“圖靈測試”，1950年，圖靈在《計算機器與智能》的開篇就提出了一個令人類深思的問題：“機器能夠思考嗎？”（can machines think）圖靈認為，關于機器是否能思考的爭論之所以難以解決，是由于我們沒有一個關于“機器”（machine）和“思考”（think）的明確定義。他指出，用常規方法定義是“危險的”和“荒唐的”，為此，圖靈設計了一種實驗的方法來判定機器是否能夠思考，或機器是否具有智能，試圖為機器能不能思考的爭論雙方提供一種判決準則。圖靈的目的是找到一個與之相關的問題來解決此問題，并且用“沒有歧義的語言來表達”，這個方法就是著名的“圖靈測試”。（宋勇剛：《圖靈測試：哲學爭論及歷史地位》，載《科學文化評論》2011年版）

一部機器人的智能化程度取決于人在與其交流后能否區分出其是否為機器人。機器人“智能”的標準，從一開始便是圍繞“思考”展開的。李開復博士早期研究的語言識別，也可以理解為思考型機器人最初的模型。在近60多年里，無數科學家圍繞思考型機器人展開研究，但限于計算機計算能力的限制，人工智能的思考問題一直處于嚴冬季節。如今，計算機大數據的運算能力都比以往有了很大提升，這也為思考型機器人帶來了前所未有的發展機遇，可謂“卷土重來”。我甚至把它稱為“思考型機器人的第二次勃興”。

盡管如此，當前法律機器人仍然面臨著算法與數據方面的困境。如國外比較代表性的Legalzoon、DoNotPay等法律機器人。這類機器人值得投資嗎？目前市面上見到的這類法律機器人也只是頂了個機器人的外殼，并不能替代律師解決問題。還只是擁有一些簡單的模板提供或者搜索的功能。再以Legalzoon為例，它是讓用戶通過自己提交信息，然后由機器人根據用戶需要自動撰寫（生成）所需要的合同。這里的問題是，類似這樣的項目值得投資嗎？

機器人在撰寫合同領域到底能發揮多大作用呢？我在實驗室也做過很多這樣的實驗，應當說，人工智能通過機器學習后是可以發揮很大作用的，尤其是在語句修改或者不規范的用語方面，問題的關鍵是營利模式不是這樣玩的。在所有人工智能的項目中，都必須回答一個問題：它給誰來用？它能解決什么問題？

如果這樣的合同機器人是開發給律師或者法務等專業人員用，當然可以提升他們的工作效率，這種開發是有價值的。然而，Legalzoon以及目前市場上開發的主流機器人卻是供當事人直接用的。這種機器人可能發揮不了太大的作用。道理在于，機器人找不到核心利益條款，這在短期內是無法突破的。何為核心利益條款？比如說，一個合同可能有1000條，但真正為雙方當事人關鍵的條款可能就只有其中的3～5條，當然，當事人關心什么，這需要結合每一個具體案件以及應用情景來確定，比如，同樣是買東西，有的買家關心產品質量；有的買家關心付款周期；有的買家關心賣家的信譽等，總之，它很復雜，有經驗的律師就會在類似的案件中，精準找到當事人的核心條款，并把主要精力放在完善核心利益條款方面。然而，短期內機器人卻無法找到合同的核心利益條款。所以，這樣的機器人切切不能直接給用戶使用，否則真的是“誨人不倦”了。

事實也表明，Legalzoon項目長期以來的營利情況不容樂觀，當然，有消息稱其升級后近期開始營利了。其實，其升級后的場景下，與其說是一個機器人幫助撰寫合同，倒不如說是一個海量合同的版權池。眾所周知，國外的律師收費很高，而且知識產權的保護也是極為嚴格的，所以一般的當事人更愿意花100美元下載一個合同模版。如果把這樣的項目移植到中國來會怎么樣呢？一個“慘”字了得。國內有一家企業，效仿Legalzoon，也融到了資，還在新三板全國中小企業股份轉讓系統（俗稱新三板）是經國務院批準設立的全國性證券交易場所，全國中小企業股份轉讓系統有限責任公司為其運營管理機構。掛牌了，可結果如何呢？一直虧損。其實對于初創企業，虧損不可怕，可怕的是沒有希望。在國內合同模版網上隨處可見，如果缺少人工智能的核心競爭力，僅僅依靠模版收費，當事人會付費嗎？答案顯然是否定的。

（三）生活機器人的“算法”困境

以掃地機器人為代表的生活機器人，近幾年來表現出強勁發展勢頭。《消費升級拉動吸塵器增長掃地機器人產品結構持續改善》，載《中國電子報》2018年8月7日第5版。在每年國際機器人展會上都會展出不少生活服務型機器人，除了掃地機器人，還有保姆機器人、教育機器人、機器人秘書等，我看過這些機器人的宣傳和展示，準確地說，這些機器人大多還只是概念，目前還很難進入市場。

這與現有計算機算法的研究水平有關。即便是采用當下最先進的人工智能算法，也還難以滿足生活場景的極致復雜性。在某年的國際機器人展會上展示了一款“助殘機器人”，它主要用于給老年人喂飯、洗澡等應用，事實上，如果僅僅是簡單的稀飯，機器人尚且可以派上用場，但如果還有米飯，還有雞蛋，外加上牛肉土豆，顯然，現有機器人手臂外加勺子組合的算法就難以滿足需求了。保姆機器人也遇到了同樣的問題，它雖然可以回答“今天天氣如何？”或是“現在幾點了？”但人們對保姆的需求絕不僅僅是這些，即便是一個最普通的場景：想讓機器人幫助自己拿一包餐巾紙出來，它既需要機器人對場景、物理、意途等方面的準確理解，還需要配合機器人動作，其中的算法同樣是十分復雜，即便如此，這個動作都難以讓人滿意。

（四）無人駕駛的“安全”價值考驗

毫無疑問，無人駕駛是未來發展的趨勢。每一次無人駕駛成功上路，都會讓很多人“歡欣鼓舞”，甚至毫不猶豫地購買無人駕駛股票。當然，如果你有足夠的錢，或者足夠的耐心，一切都無可厚非，但如果是“一萬年太久，只爭朝夕”，這種狂熱就急需降溫。投資，節奏很重要！時機很重要！目前普遍存在一個概念混淆：無人駕駛與自動駕駛。深圳的無人駕駛公交車，邱海峰：《深圳街頭跑來“無人”駕駛公交》，載《人民日報》（海外版）2017年12月6日第11版。準確地說是自動駕駛，而不是無人駕駛。這兩者最大的區別就在于，自動駕駛，駕駛員雖然省力，但還是要監督的，必要的時候，要恢復人工駕駛；然而無人駕駛呢？你可以躺在里面睡覺。事實上，要解決勞動力問題，市場真正需要是什么？是無人駕駛，而不是自動駕駛。

我走訪過特斯拉等企業，他們的工作人員也曾給我介紹特斯拉的諸多優勢，其中就包括它的自動駕駛技術，體驗了自動駕駛技術之后，就會發現，雖然讓你的手暫時離開了方向盤，可是你并沒有因此而輕松。或者說，你會變得更緊張，要知道，馬路上最可怕的不是車，是人，尤其是不守規則的人，因此，與其盯著車子的行駛狀態，隨時準備出手還不如把好方向盤，習慣踏實的感覺更為重要，因此，人類社會需要的是真正意義的無人駕駛。

我在上海舉辦的無人駕駛高端論壇上演講時說，無人駕駛不可能馬上到來。要知道，Google的人臉識別系統經過多年的迭代，已經處于世界領先水平了，然而它還會將黑人朋友識別為黑猩猩。由此可以判斷，無人駕駛還需要時間。從2018年3月Uber無人駕駛事故以及此前2016年1月特斯拉的無人駕駛事故都可以說明，無人駕駛的安全價值仍然在路上。

比無人駕駛“上路技術”更為嚴峻的一個話題：網絡安全。即便是有一天，無人駕駛汽車圖像識別、自動剎車等安全技術已經十分成熟，無人駕駛依然面臨著網絡安全的嚴峻考驗。在互聯網時代，可以自由出入銀行賬戶的黑客們對社會的危害，無非是會在賬戶上多加幾個零或刪掉幾個零；然而，在無人駕駛時代，每一輛汽車都是一部可以遠程操控的智能設備，黑客一旦黑入了無人駕駛系統，它在瞬間就會變成危害公共安全的“殺人工具”，由此所造成的危害將遠勝于互聯網時代的系統入侵。

因此，無人駕駛上路的法律綠燈要打開，就必須要解決這些問題。當然，對于未來全社會的無人駕駛場景的到來，我毫不懷疑，這也將極大擴展所有人的駕駛權利，包括殘障人士都將迎來出行的自由。但這一天什么時候會到來，就需要有一個正確的預判。還是那句話，投資的節奏很重要，比眼光更重要的是節奏，是時點！

（五）區塊鏈概念股背后的故事

區塊鏈現在很火，據說很多朋友也買了區塊鏈概念股，可是虧得一塌糊涂。很多人不解，為什么區塊鏈概念這么火，股票卻不賺錢？很顯然，投資區塊鏈的大部分人被割了韭菜。

我在實驗室做了不少區塊鏈的實驗，至少目前我依然認為，除了數字貨幣，區塊鏈的應用場景十分有限。區塊鏈不是一個具有革命性的新技術嗎？為何得出如此結論呢？區塊鏈的弊端和它的優勢一樣，都在于“去中心化”。然而這個世界，或許在我們能看得見的年代里恰恰是需要“中心”的。這里首先需要思考：為什么直到今天，除了數字貨幣，竟然還沒有一個能讓大家信服的區塊鏈應用？今天沒有，明天就會有嗎？很難。再進一步說，區塊鏈的“去中心化”，需要把數據同步到所有結點上，由此來構建信用。這使區塊鏈的應用需要具備以下幾個條件：第一，數據量不能過大，否則，要把數據同步到每一個結點，將成為全社會最耗費資源的事情。人工智能和區塊鏈幾乎是同一個時代的產物，但它們的發展方向又幾乎是反向的，人工智能要求大數據，需要“中心化”，而區塊鏈恰恰不能有太多數據，是“去中心化”。“中心化”恰恰能體現高效率。我也看到一些企業，布置了區塊鏈技術，但為了解決效率問題，只好控制結點的數量，然而，只有少數結點的時候，真正“去中心化”的信用又是難以建立的。第二，隱私性不能太強，區塊鏈的交易數據是要公開的，所以涉及隱私的問題不行。第三，即時性要求不能太高，賬本同步到每一個結點是需要時間，比特幣匯款不能馬上到賬的原因也在于此。

人們恨不得把全部傳統產業都搬到區塊鏈上，似乎在研究領域中不談點區塊鏈就已經OUT了，可事實卻是，現實世界中有99%的項目不能用區塊鏈。這就好比是這個世界上有99%的事情都需要一個中心的道理是一樣的。當然，如果區塊鏈能解決剩下1%的事情，那么它已經足夠偉大了！再來看一下所謂的區塊鏈概念股，它們是真正意義的區塊鏈應用嗎？事實上，它們僅僅是區塊鏈概念股，而不是區塊鏈應用股。純粹的炒概念，短期可以，但是長期泡沫終會破滅。所以，可以理解，為啥區塊鏈概念很火，而買了區塊鏈股票的卻賺不到錢。

（六）“無人超市”的概念與本質

直至今天，“無人超市”這個概念依舊很火，它強調超市不再需要售貨員。所以曾幾何時，最悲傷的家庭被設計成：一個售貨員和一個公共汽車的司機結婚了，而剛剛結婚不久，無人超市來了，無人駕駛汽車來了。然而，好消息是，直至今天他們兩個都沒有失業。

無人超市不同于自動售貨機。自動售貨機售賣東西實在太有限了（主要是飲品），然而無人超市里面的商品卻可以琳瑯滿目。毫無疑問，無人超市也一定是未來發展的方向，這里的問題仍然是，你看好遙遠的未來，還是可以預期的現在？在這里說的依然是投資的節奏。

如果當下要在投資中作出選擇：一個是無人超市，另一個是自動售貨機，我寧愿選擇后者。誠如格雷厄姆在《聰明的投資者》里說，在投資的道路上，倒下的往往是空追時髦的人，而最終活下來往往是踏實而守舊的人。
這里要明白一個道理：無人超市到底是怎么實現“無人”的？試想一下，你去一個超市，沒有售貨員，你拿了東西用不用結賬，直接走人，然后，從你的支付寶（或微信）直接扣除貨款，這一流程是怎么實現的呢？把這個問題說清楚了，你也就知道，要不要投資無人超市了。

要真正做到無人，機器人就需要計算兩個問題？第一，你是誰？第二，你買了什么？機器人要知道第一個問題，你是誰？這樣機器會在對應的賬戶中扣減購物費用。同時，機器人還要知道第二個問題，你買了什么？這樣，機器才可以準確地扣減費用。事實上，機器人要知道第一問題在技術上并不難實現，人臉識別和身份驗證已經是很成熟的技術了，然而第二個問題——你到底買了哪些東西，卻是無人超市最難解決的關鍵問題。

要準確地判斷，用戶到底買了哪些東西，在人工售貨的場景中，這是由人工來逐一核實和計算的，每次超市結賬時需要排長隊就是這個道理，但是在無人超市中卻是完全沒有人監管的，當購買者將商品從門口帶出去的那一瞬間，機器就需要知道他（她）到底買了哪些東西（如一瓶水、一袋泡面）。當下普遍采用的是射頻識別技術（Radio Frequency Identification，RFID）。公交卡、飯卡、賓館里的門卡所應用的大都是RFID技術，它是物聯網時代對物體進行識別、追蹤、計算的重要技術。應用在無人超市領域，就需要在每一個商品上貼一個RFID標簽（大約1元）。這是可以準確捕捉購買者購買了多少商品的最佳辦法。這樣，無人超市會因此支付更高的運營成本，由此也導致無人超市的運營成本將遠高于普通超市聘請售貨員的工資。更為重要的是，諸如像水果、豬肉、包子等這樣的商品，又很難放置RFID標簽。

因此，無人超市要迎來自己的未來，就需要在機器學習和視頻識別領域實現突破，簡單地說，機器人要準確計算客戶買了哪些東西，所依靠的不再是RFID射頻識別卡，而是依據購買者的動作，自動判斷你購買了哪些東西，這需要一個長期的機器學習的過程。當購買者進入一個無人超市，也就意味著進入了一個360度的全景監控系統，每一個動作（拿起與放下），機器都能準確識別意思表示（購買還是放棄）。不過，這對于機器學習而言，還有相當長時間的路要走。

機器人的理性投資策略

（一）人工智能最值得投資的地方

人工智能最值得投資的地方是什么？要回答這一問題，需要準確地認識人工智能產業機遇與挑戰，現在與未來。《十九大報告》指出，當下中國的主要矛盾已經演變為“人民日益增長的美好生活需要和不平衡不充分的發展之間的矛盾”《十九大報告》，現如今人們已基本解決了溫飽等生活問題，然而擺在人們面前的醫療、企業服務、法律服務等問題，還未能有效地給予解決，人工智能的紅利將首先在這些行業被釋放。

在醫療行業中存在大量需要人工智能可以解決的問題。在美國舊金山一家年輕的創業公司恩尼提克試圖通過機器自我學習來解決癌癥診斷，這家公司甚至被評為全球最有科技含量的50家公司之一。在中國，這一問題顯得更為迫切。中國面臨醫療資源嚴重不足的情況。據統計，中國十幾億人中，平均每人每年掛號次數是7次，總計要達到100億次以上，然而醫生資源又主要集中在大城市，中小城市又面臨著醫療優質資源配備不足的現實。如何通過人工智能優化配置醫療資源？如何通過人工智能自我學習診斷疑難雜癥？其空間和潛力巨大。

再以企業服務為例，中國現有企業多達7000萬家，其中每一家企業所需求的企業服務又是五花八門，包括“公司注冊、稅務申報、商標代理、專利代理、社保、法務咨詢”等各個方面，由此所形成的企業服務更是呈現幾何基數增長局面。為此，HOW實驗室也于2017年正式提出了創建“企業服務大腦”的計劃，將多元、交織、復雜的企業服務化歸于“一元模式”，設置企業服務大腦，建構機器人集群，實現數據共享、協同作戰。

還有法律服務行業，也將迎來人工智能大發展的時代。在法律機器人研發過程中，我甚至發現，越是復雜、專業的法律文書越容易被機器人取代；尤其在未涉及大數據計算、統計數據論證，機器人所具有的撰寫能力更是具有無法取代的優勢。事實上，反倒是那些看似非專業的撰寫，諸如給女朋友寫一封情書，由人來寫效果會更好；反之，像法律中專業的代理詞、律師調查報告等，機器人對數據的引用以及強大的統計邏輯都會顯示出比普通人更厲害的能力！

（二）大數據的投資價值

人工智能與大數據可謂如影隨形。大數據或將成為未來最寶貴的資源，于是現在有很多人投身于數據行業。HOW實驗室的建設過程中就用到了很多大數據，我們與很多數據商也有合作。事實上，在人工智能時代，最有價值的不是數據，而是數據的算法，再向上一層便是數據算法所形成的終端產品。與數據相比，算法屬于食物鏈的更上一層。像科大訊飛用于訓練機器識別語音的語料很多也需要購買，然而對語料計算的算法卻成為科大訊飛最為核心的競爭力。

在人工智能時代，也就形成了一個由“產品設計”“算法應用”“程序撰寫”“數據提供”四條產業鏈互動的格局。無疑，在整個產業鏈中，產品設計屬于食物鏈的最頂端，其次是算法應用，程序撰寫，最后才是數據提供。如果把機器人視為一個產品的話，數據可以視為這個產品的原材料。

我曾到過不少數據公司調研，當下的數據公司總體上營利情況不佳。事實上，官方很多數據未充分公開的情況，使很多數據商尚有一些利潤空間，隨著官方數據的充分公開，數據商們的日子會越加難過。

在人工智能時代，真正具有價值的數據是壟斷數據，比如像京東商城、滴滴打車這些大的商戶所采集的數據是獨一無二的，機器人會根據這些數據推演出科學的結論，而這一切是其他機構無法辦到的，這才是人工智能時代最有價值的數據。

（三）人工智能投資的三個原則

一個行業，或是一個企業是否需要人工智能，還取決于三方面：第一，行業痛點是否與人工智能相契合？第二，市場空間是否足夠大？第三，現有最先進的算法能否解決問題？事實上，一旦回答了這三個問題，產業的投資價值也就相對清晰了。首先，行業痛點要與人工智能相關，這是應用人工智能的前提條件，有一些傳統行業，如保姆等行業，還是需要人來解決問題的，其行業痛點與人工智能的契合度不大。其次，市場空間要足夠大，人工智能的研發需要投入足夠的資金，如果市場空間太小，其投入成本或將小于產生的收益，這樣的行為也不適合用人工智能。最后，現有最先進的算法能夠解決問題。事實上，人工智能技術的發展也需要一個過程，有一些場景，比如嬰兒保姆機器人、炒菜機器人這些都具有廣闊的市場空間，然而，由于應用場景的復雜性，即使是當前最先進的算法也難以有效解決問題，類似這樣的產品都還需要等待人工智能算法的長期進化，這也不屬于人工智能投資的最佳選擇。

結語

這是一個最好的時代，這是一個最壞的時代。無論你是否喜歡，我們都將迎來人工智能時代。要么擁抱它，要么被它徹底替代，除此之外，幾乎沒有其他更好的選擇了。

至此，《機器人法》將暫告一段落，接下來，筆者還將繼續討論人類應當如何構建屬于自己的未來社會新秩序。阿西莫夫在1942年提及的機器人三大定律之首，便是機器人不得傷害人類（參見科幻小說《環舞》）。在接下來人工智能的研究中，這一法則無疑還將被反復提及和論證。畢竟，人工智能研究的目的是讓人類社會變得更加美好，而不是創造一個新物種去取代人類。

盡管在“后記”部分說了很多人工智能的“壞話”，旨在于對人工智能話題理性解讀！毫無疑問，它在新聞、醫療、法律、科學研究、企業服務、智能管理等很多方面一定會大放異彩！但這一切卻需要理性面對，人工智能有其特定適用的領域，并不是所有的產品都需要人工智能，尤其是在當下的“弱人工智能時代”。一個產品出來，面對投資的時候，我們就需要回答幾個問題：第一，這個產品真的需要人工智能嗎？第二，現有的人工智能算法能實現目的嗎？第三，這是一個短期投資，還是一個長期投資？事實上，任何對新生事物的狂熱最終都將走向它的反面，人們就會看多了失敗的案例，最終又會將它定性為“龐氏騙局”。為避免惡果的出現，“理性”又恰恰成為人工智能的至寶！

在任何新科技面前，我信奉“遲鈍投資”的理論。一個新科技出來了，可以關注研究，但如果投資要拿你自己的錢，最好“遲鈍”一點。新技術往往不是投資的最好時機，而且，如果街邊市場上的大媽都在談論“區塊鏈”的時候，你最好離它遠一點。人們討論最火的所謂前沿科技投資往往是賠錢的，因為它需要支付大量的試錯成本。除了像Google這樣的可以隨便“花錢”的企業，對于普通投資者，看得準、投得穩，依然是一個最要命的問題，現實中也就有很多企業，把大量的資金花在最新技術研發方面，絕大多數都死在了新技術的試錯成本的道路上。再反觀那些成功的企業，它們拼的反倒不是技術，而是用技術解決問題的思路。

——選自《機器人法 構建人類未來新秩序》后記

來源 | 億歐網
作者 | 楊延超