人工智能產業正在經歷一波高峰滑落：原以為AI無所不能，但事實是它解決的實際問題十分有限。
最近幾個月持續霸占熱點、被奉為AI領域最讓人興奮的新事物——OpenAI的新文本生成程序GPT-3，它在模擬會話中給患者提出“自殺”的建議再一次印證了這一點。GPT-3是一個由神經網絡驅動的語言模型。
《The Register》隨后發文，第一句話就不免嘲諷：說實話，我寧可去看尼克醫生。Dr Nick是動畫片《辛普森一家》中的一個庸醫角色。
在11月4日與馬克·雷波特的對話活動中，談及GPT-3，周曦不免贊譽，稱它是大數據技術領域的巨大成功，但是同樣他也指出GPT-3反映了現在的深度學習技術存有瓶頸，以至于只能停留在娛樂大眾的層面，無法真正解決實際問題。
馬克·雷波特是網紅機器人廠商——波士頓動力的創始人，人稱機器人司令。周曦則是云從科技的創始人，師從計算機視覺之父Tomas S.Huang教授。創辦云從前，他在世界識別領域的大賽中先后七次奪冠。
01又一輪AI的起伏
不可否認，深度學習帶動的這一輪人工智能浪潮給產業界留下了諸多成果。但瘋狂收集數據、加持算力的趨勢也把行業逼向了高成本的崖壁面前，潮水極速后退，人工智能產業再次走到了歷史的分岔口。
發展至今，AI走過60載，也經歷了數次起伏。麥卡錫等人在達特茅斯學院建立人工智能發展架構為產業發展提供了思路，康奈爾大學認知心理學教授羅森布拉特創建神經網絡模型則進一步奠定了基石，他們都曾短暫掀起過熱潮。
80年代，專家系統掀起了一陣風，當時日本甚至傾全國之力打造第五代機來實現對美國的技術超越，但無奈因條件不成熟，風口散去。
2012年辛頓的算法在視覺大賽中大獲全勝，深度學習和神經網絡模型在算力加持下發揮的巨大功用再創風口，同時ImageNet的創建以及GPU的出現完全撬動了深度學習的產業化之路，也持續推動這波浪潮至今。
但隨著成本持續走高、深度學習算法的效用不再顯著，應用受阻，這一波AI熱潮也逐漸冷卻，
在現場，周曦和馬克·雷波特均表示，AI仍然處于早期階段，而這一波人工智能浪潮的基石——深度學習，即基于大數據的發展方向是否持久尚且值得探討。
“大家認為數據多就能解決問題，但這件事情是不是這樣子呢?”在現場，周曦拋出質疑。
事實上，通過最近深度學習領域最大的成功案例之一GPT-3可以看出，基于大量數據達到流暢并逼近人類的對答效果，它確有成功的一面，但是GPT-3目前的表現也僅僅停留在娛樂層面，后來在診療模擬中并未解決“核心的問題”。
“設想一下，2008年全球金融危機之后，全球最頂級的金融人才聚集一起修訂巴塞爾協議來規避全球性危機。如果將這件事交給GPT-3，那危機至少要發生一百次甚至一千次，GPT-3才能總結和修訂正確的方向，這是不可行的。”
周曦明確指出，大數據技術存有明顯局限性。
02大數據基石之上，人機協同開花
回歸現實，市場中其實為AI“留存”了巨大的商業機會。如受限于人力、時間等資源的不足，服務不到位成為當下普遍存在的問題，服務業因此存有巨大的提升空間。AI獨角獸云從抓住的是這樣一個市場機會，基于AI技術在金融、安防等領域提供解決方案，做深度服務。
但周曦發現，人可以在復雜環境、小樣本之上做創造性的決定，基于深度學習的機器則要有成千上萬次的試錯才能解決應急問題，這在成本和應用場景層面都是有缺陷的。
“AI的目的是用低成本釋放人類有限的精力、體力和經驗，但是目前的AI技術做不到，所以在遭遇瓶頸之時我們不得不另尋他法。”
事實上，每一次科技進步都是效率的提升和對人能力的延展，如波士頓動力是把人體四肢能力做了延展。類比來看，周曦認為人工智能的核心價值應該是對人腦的延展。
此前十年發展起來的人工智能系統確實在做類似的事情，比如計算、邏輯和預測。但為何如今無法繼續推進?他認為關鍵問題在于人與機器的邏輯不統一。
“目前的大數據技術，是技術人員基于大量的數據訓練一個模型出來，沒有人關心建出來的模型是不是和人類在一個思維體系，最后系統也不與人產生交流。但技術能夠發展起來的核心在于為人類服務，當下基于深度學習的大數據技術發展邏輯本質上與此相悖。”
凱文·凱利在《失控》一書中曾明確分析指出，人類進化了數萬年的成熟大腦值得技術人員學習，“除了生物體的邏輯之外，沒有任何一種邏輯能夠讓我們組裝出一臺能夠思考的設備。”
周曦的出發點也是如此。他認為在深度學習遭遇瓶頸的當下，將機器與人類的力量結合是未來長久的發展之路。
“當下需要走另外一條路，即專家知識，借此將機器與人類大腦的思維體系進行統一，做人機協同。”
03構建人腦邏輯
與人協作的基礎在于理解人的邏輯，因此周曦重構了人的邏輯過程，并依據感知、認知、專業知識到決策的核心大腦邏輯閉環打造了云從科技的人機協同系統。
“你首先要能感知這個世界，有同樣的認知邏輯，然后再往上有專業的知識，最后做決策。只有這樣，大家才能一致。”
依然從人的角度出發，云從科技表示不做四肢、腦袋的物理狀態，而是要做腦袋里的智慧。映射到機器層面，云從認為關鍵就在于保證系統的輸入輸出與人類一致。簡言之，如果人類對黃金的判斷是有價值，人機協同系統也將給出同樣的判斷。
按照云從的設想，不與現有基于云計算、大數據的人工智能產業沖突，人機協同操作系統將成為是基礎設施的一部分，且與物理層的算力服務器解耦，即可以在任何平臺上運行。
目前，周曦表示首先應該是建立起云從的操作系統，隨后把專家系統和人的智慧連接起來，擔當“老技師”的角色，做人類治理過程中的輔助。
“云從人機協同系統的核心能力越做越強，他對人本身的幫助就越來越大，我們通過人機協同的機制，再去一個一個場景解決問題，金融，交通、治理、商業等等，包括其他的一些民生的事情，云從在做這些事時的思路都一樣，既然我有這套系統，他就可以跟本身這個行業的從業者一起去把他這個行業的事越做越強。”
周曦認為，人機協同系統能夠把技術優勢轉化為效率，這是巨大的優勢。“我們的效率來源于我們的智能，比如說銀行目前同一時間只能服務50個人，有了我們這個助理之后，銀行能服務500個人，效率可以提升10倍。”
