如果你在人工智能、机器人领域创业，请把这篇文章拿走 - 推酷
如果你在人工智能、机器人领域创业，请把这篇文章拿走
在11月22日，在国家会议中心，2015虎嗅F&M创新节的人工智能环节，几位来自该领域的专家包括英特尔中国研究院院长 吴甘沙，微软亚洲研究院副院长 芮勇，地平线机器人技术创始人兼CEO 余凯，face++CEO 印奇等，围绕“人工智能下一步会如何改变商业与影响人类生活”的话题展开了讨论。在这场既有科技巨头，也有创业者参与的圆桌上，大家对人工智能的定义、科技巨头和创业公司谁更有机会各抒己见，在友好但不失汹涌暗藏的对话中，对那些想在人工智能领域创业的人而言，不失为一个免费思考和学习的机会。虎嗅对这场圆桌进行了编辑、整理，略有删节。
嘉宾：英特尔中国研究院院长 吴甘沙，微软亚洲研究院副院长 芮勇，地平线机器人技术创始人兼CEO 余凯，face++CEO 印奇
主持人：图灵机器人CEO 俞志晨
如何定义“人工智能”？看看科技巨头和人工智能领域专家怎么说
主持人：我的第一个问题是，请几位嘉宾分别简单的讲一讲，你们认为什么是真正的人工智能？各自的公司，在这个领域都分别做了哪些事情？为什么做这些事情？
印奇：第一个问题很大，什么是人工智能，坦白说我不知道什么是人工智能，现在在大众眼里人工智能很热，大家定义人工智能的时候经常会提及图灵测试，但如果说的很深的话图灵测试并不代表人工智能的本质，所以请后面几位谈一下人工智能。我们做的是face++，我们只是做的人工智能的冰山一角。
芮勇：AI（人工智能），到底是什么意思呢？人工+智能。智能分三种：聚众的智能、自适应的智能、隐含在环境中无所不在的智能。
举个微软小冰的例子，我相信各位朋友跟小冰也都聊过天。
小冰的第一个智能就是聚众智能，它其实是在几亿的语调上面提炼人类的智能，最后才是人工的智能，最后才能跟人交流。
刚发布的时候，小冰跟一个媒体朋友聊了一个晚上，聊的都非常好。另外是自适应的智能，小冰会帮助刚失恋的人心情更加愉快。隐含的无所不在的智能，它不仅有IQ，还有EQ，知道你的喜怒哀乐。
刚才王坚也提到人和机器，
其实AI的第四点可能就是增强型的智能，把人的智能和机器的智能结合在一起。
人在有些事情上非常强大，有的时候又及其薄弱。比如说，我们谁能把π后面的小数点背1000多位？对机器来说这不是事儿。还有动物、植物、食物这些，机器分得比我们都很好，但人类有天外神来之笔的想象力，所以人脑+智能，这是我们对AI另外一个理解。
余凯：人工智能我感觉在今天这个时代有冰火两重天的感觉。
谈到今天的人工智能，我们认为有两个人工智能：一个是公众眼里的人工智能，非常的浪漫主义，比如想象机器人跟自己谈恋爱。第二个是科技工作者中的人工智能。
机器人的定义翻译成中文，其实并不合理。因为，这个词讲的是一种自主的机器。但如果再查什么是Android？Android才是机器人。讲到人工智能，大家还是应该更加现实主义。尤其互联网行业，人工智能已经发挥了巨大的产业价值。年这十年，互联网领域，人工智能已经在润物细无声。而今天到2020年，人工智能会在有些方面突破，会逐步渗透。
吴甘沙：其实，我是在座唯一一位非人工智能领域的人。只是，今天人工智能换上了一个新的计算引擎，而我稍微略通一点大数据，所以我作为一个伪专家发表几句意见。
我对人工智能的理解是，如果一个机器能够像人一样去感知、思考、运动、说话，可能它就具有了类似的人工的智能。但是我想说的是，这个盒子里面未必是像人这样的构造和机制。因为，机器本身有它的优势，机器智能也可以达到非常高的程度。
我一直拿电影《超体》做比较，里面说人的智能只开发到了10%，一旦开发到百分之百的时候就不是人类的智能，是
上帝的智能。而那些能力可以通过物联网、大数据的方式获得。所以，人工智能并不是人类智能的最高峰，我们可以把人工智能和其它很多技术结合起来，达到所谓的上帝智能。
2000年我加入（英特尔）研究院的时候，就是做人工智能，那时候做语音识别、自然语言理解、计算机视觉。但碰到两个问题：第一，英特尔是做CPU的，我们需要计算，但当时的这些算法根本不需要计算，一个奔腾3的处理器就能处理好。第二，我们当时获取一点数据要给人钱，让人打***进来，读一段语音，才能采集到语料。因此，很自然我们研究院就进入人工智能的冬天了。
非常幸运的是，这十几年来我们还保留了人工智能的血脉，我们在计算机视觉理解上还一直做了下来，现在也取得了不错的成绩，尤其现在在从两维向三维发展，在应用领域上取得了不错的进展。
现在我们主要的发展领域跟机器人相关，因为机器人是史上第一种带有人类情感的机器。所以，我们现在在机器人的情商方面，取得了一些不错的进展。现在世界上有一个专门针对情感识别的竞赛，11月份刚刚出来结果，我们的团队拿到了第一名，70几支团队参加我们拿到了第一名，相当不错。
我们的目标就是让机器具有类似人的情商，这是蛮有趣的研究方向。
第二个研究方向跟计算相关，
机器人领域有个非常有趣的悖论，像成年人才拥有的认知能力，像规划、推理、下棋，计算机实现起来非常容易。而一两岁小孩就能够处理的非常好的，感知啊、运动啊等等方面，机器没办法处理得非常好，这就是一个悖论。
这就涉及到现在计算机处理架构是不是适合这类计算的问题。非常模糊的，需要大量并行性的，需要容错的，这可能需要一个新的架构。
天河二号再次拿到了计算能力第一，跟人的能力相比相差极大，我们一定需要一些新的计算架构处理机器（进行）智能的计算，这是我们想要研究的第二个方向。有一种非常好的机器但零售价20万美金，为什么那么贵呢？机械这部分它还没有享受到摩尔定律的红利，摩尔定律就是每18个月每两年成本下降，性能提升。我们在关注机器跟人的交互，我们也在关注机器新的架构，另外我们要让机器人享受摩尔定律的红利，紧密进入寻常百姓家。
谷歌和微软推出各自深度学习的开源工具包对行业的影响是什么？
主持人：两周前有一个事件，大家很关心的Google发布了开源的深度学习的平台。与此同时，微软也发布了一个开源的分布式继续学习工具包。这些巨头们，为什么在这个时间点争相发布开源的工具包？背后是什么样的逻辑？会对人工智能行业和移动互联网行业，会有怎样的影响？我想请各位针对这个话题发表一些自己的观点。
芮勇：为什么在同一天几家公司一起发布了一个看似都跟人工智能有关的工具包？我的观点是这样，8月8号发现有很多人结婚，这样来想，每个公司都有自己的流程，刚好到那天，刚好都走完了，同时发布。这个事情，其实也从侧面反映了
人工智能业界的各个巨头也好、创业公司也好，都是非常看好的，觉得人工智能是今后整个产业发展的巨大引擎。
既然俞志晨提到Google的工具包和微软的工具包，我就稍微提一下，我可能不会太做对别的公司的看法，聊一聊这个方向。
首先，开源工具包它是在单机上跑还是在分布式的机群上跑，这个很重要。因为，单机上的运算能力等等有一些限制。
第二，开发工具只针对一种算法，比如深度学习算法去做，还是有不同的算法去做。
主持人：这是在Windows上的还是其它平台上的？
芮勇：很多平台都可以跑。其中有个算法叫LDA，我们有办法把它做成在线性时间内把问题解出来。原来可能需要上千台一起去做的，现在8台机器就可以做了。从单机到多机分布，这是个非常非常难的事情。有时候你加了更多的机器，反而会更慢了，上面的调度算法反而非常有用。
主持人：为什么微软做这个事情？出于什么考虑？
芮勇：我觉得，人工智能各个公司都觉得是今后发展的趋势，大家比谁的BUG少的日子已经过去了，以后大家都会涉入人工智能领域。
大公司开源无非几种原因：第一种原因是，这个项目在大公司做不下去了，还不如扔出去，当然微软和Google不在此列。
第二个目的，就是构建生态和护城河
。Google和微软，是不是有这个目的？Google有云计算这样的基础设施，未来都会在他们的开源环境中做，对他们的云计算是个重大利好。
另外一个很重要的原因（第三个原因），开源事实上是一种开放式创新，在上世纪所有的创新都是封闭式的，因为这些大公司拥有所有的人才。而现在，一个开源软件运动的先驱说，公司再牛，世界上的最牛人才并不都是为你工作的，那就要通过开源的方式让很多很多的聪明人一起工作。我觉得，这可能是大公司做开源的三个逻辑。
Google这次发布的是Google继续学习训练平台的第二个版本，第一个版本在做这件事情的时候磕磕绊绊做得并不成功，因为第一个版本沿袭了Google大牛的一贯思想
，它认为用最便宜、通用的PC服务器可以解决所有问题。它认为，面向深度学习的计算，在2012年觉得面向深度学习未来的计算方式，以前的想法也是可以的。但经过三年的实践，他们意识到一定要走继续学习的道路，X86的平台和CPU的平台一定要一起用。
这样就给了大家一个思考，
我自己在百度负责的深度学习项目，我们在2012年其实走的就是运动计算的道路，我们是世界上第一个用CPU做深度学习计算的。
大家可以看到，今天的创新跟2000年或者10年前的创新生态很不一样的是，这个世界比以前更加的扁平。未来有可能在硅谷的这些公司并不比北京的公司更先进在什么地方。特别是，具体到Google的第一个版本，很多深度学习的玩家对它做了一些评测，发现它跟现在开源的工具效率还差一些。而且，它目前还是一个单机版本，并不是多机并行的，刚才芮勇也讲到了。这样的话，大公司一起来做这个事情，绝对是个好事，因为会繁荣这个生态，让公众注意。另外，
在这件事情上大公司、小公司、美国公司、中国公司，其实是相对扁平的状态，未来会发展成什么样子，我们还可以观察。
科技巨头和创业型公司，谁更有可能成为人工智能领域的主角？
主持人：微软和Google的这套体系，运行和研发的门槛我觉得不低，它们是不是希望第三方把数据导到它的平台做处理？因为开源背后的目的在于最有价值的数据，这个观点你认不认可？
余凯：开源，它最重要是做生态，因为如果所有的开发者都是在这个平台上做事情，你未来会更有机会，因为他们都会变成你的朋友，所以你的护城河会无比的壮大。
至于谈到你说的这个门槛设得多高，我觉得这个要探讨一下，
这个世界上小团队干大事是越来越有可能了。
比如，现在最成功的开源的深度学习的系统，开发者叫做贾中青（音），是我的实习生跟一些人一起搞的事情，今天被所有人所用，他搞的时候其实Google都搞过。再比如说语音识别，也有大公司和小公司在做，现在也有一个人在做，很多公司投入几十人、上百人的团队一起做。
印奇：我刚从美国参加技术开发者大会回来，我们知道微软、Google发布了深度学习的这个工具，对这个行业都有很大帮助。另外，我们作为行业内部人士，很期盼这些工具的性能，还是没有令人失望的。
主持人：四位嘉宾，两位是科技巨头来自微软和英特尔，两位是科技领域最受人关注的两位创业者。
从未来的发展来看，机会更多属于巨头还是属于创业者？巨头已经有很多资源了，新的创业者怎么玩儿？有没有机会？
芮勇：其实我觉得，
大家都有机会，整个生态链里面，从战略制定到基础科研，到孵化基础，到产品开发，每个方面，大公司也好、小公司也好，都有机会去做。
具体哪个方向呢？如果你就是做人工智能项目，余凯和印奇，生态链中的每个部分你都可以去做。还有一些别的创业者，比如你本身不是做人工智能的，你是做一些O2O的东西，但是你有很多数据，而大公司，英特尔也好、微软也好，其实你可以调用他的API，就能算出你需要的数据。
微软半年以前推出了红遍大江南北的一个APP“你几岁了”，这就是个只写了20行的源代码，套了微软的API就做出来了，很多数据分析、人工智能、语音识别、OCR技术都会被利用起来。
主持人：你们在这个领域里领跑，有没有什么心得可以分享？
印奇：首先，大公司跟小公司在巨大新机会面前的决策一定都有自己的优势。我先说一个大的结论，我认为人工智能2B最终的巨头一定是新兴公司。对于我们来说，因为大公司往往看的是比较宏观的，小公司需要比较专注，我们就相当于走了专注的路。
主持人：过去几年你们抓住了哪几个关键点和时间点？
印奇：我们公司2011年开始做，那时候人工智能还是无人问津的态势，至少在风投圈，所以具有一定先发优势。公司的历史真正做对了就两步：第一，2011年的时候我们推出了云平台，坦白说当时做了这个技术但不知道应该在哪儿用，就开放出来，让大家都试一试，给我们一些指引。第二，今年年初我们把这个技术用在了金融和安防两个比较传统的领域，大家说今年是刷脸的一年，无论是阿里还是一些巨头。其实，这两个选择对大公司可能都不是特别好的选择，我们做了，所以抓住了机会。
主持人：英特尔在芯片领域是一个巨头，而余凯提出要做机器人行业的英特尔，这个你们怎么看？
余凯：首先，我们喊出这个口号是表达我们对英特尔的敬意。
有时候，我们会看一个公司市值多少或估值多少，但还有一种思维看待这个公司，就是这个世界上没有这个公司会怎么样？对英特尔来说，过去的二三十年中，如果这个世界没有英特尔会受极大的影响，有些公司挣多了钱，但并没有影响世界，而英特尔影响了世界。
我觉得，对于未来，新兴公司会更有机会，因为有一句话叫做创新者的窘境，在大公司往往很难成为新兴的业务，因为一个大公司之所以伟大，就是因为有个非常成功的业务，这个业务每年有上百亿美金的收入，选择其中的关键点，如果对其加大力气，会翻几倍。而对新业务，可能获得的很少。这样就会导致，大公司会趋于保守，而新的公司会从小长大。
IOT和机器人时代，我觉得是英特尔面临的挑战。
吴甘沙：我个人认为，余凯兄的地平线机器人公司是个值得尊重的竞争者。第二，在现在的脑启发计算，至少有十条技术路径，而英特尔只能尝试其中的3-4条技术路径。所以，整个产业一起去探索，一定是非常好的事情。
主持人：人工智能、机器人这个行业，大家看着很热，我9月份的时候去了趟美国MIT，参观了他们的猎豹机器人，他们研发了五年，这个产品当时有很多人去看，那个负责人很有意思说，研究这个机器人现在没有经费了，中国土豪多，能不能给我们赞助一些钱？说不多，100万美金一年，可以赞助这种黑科技的人工智能产品。当时就有很多朋友很感慨，
100万美金好象还真的很少的，我们O2O行业每年烧了多少钱？如果把一半的钱投入到人工智能产业中，对人类的进步具有很大的意义和价值。
所以，我就想以这个故事说，在座几位不仅有技术，也有理想，希望用科技创新推动人类的发展。
虎嗅个人微信号huxiu302，欢迎勾搭，勾搭时注明工作背景（如创业者、营销人）哦
已发表评论数()
请填写推刊名
描述不能大于100个字符!
权限设置： 公开
仅自己可见
正文不准确
标题不准确
排版有问题
主题不准确
没有分页内容
图片无法显示
视频无法显示
与原文不一致人工智能评测机器人开创教育新模式？_网易教育
人工智能评测机器人开创教育新模式？
谷歌围棋机器人AlphaGo与韩国棋手李世乭人机大战4:1的结果，让人工智能，这一原以为遥远的未来于眼前可见。事实上，人工智能技术已经或正在颠覆性的改变着许多行业和领域。曾有专家预断，人工智能最有可能颠覆的两大知识密集型领域，就是其中之一。 事实上，成都准星云学科技有限公司（清华苏研院大数据处理中心），已于近日率先在教育领域实现了这个突破---成功开发了世界第一个教育智能评测机器人。该教育机器人通过对学生原始手写笔迹的自动化识别，自动完成主观题判卷，进行学习问题诊断分析；同期推出的还有其教育行业的解决方案------【准星智能评测及学习平台】。准星评测效果图该公司创始人林辉表示：准星团队结合手写识别及人工智能推导判卷两项核心技术，推出全球首例准星教育机器人产品，将如同优秀教师一样“找得准、评得细、分析全、总结快、教得好”。其产品在不改变学生现有手写书写习惯的前提下，采集学生所有手写作业考试的原始数据，以人工智能自动评测实现试卷、家庭作业通卷（含主观题）自动阅卷和学习诊断，能帮助学生即时找出知识缺陷并有针对性补习，不仅极大程度减轻教师批改试卷和作业工作量，而且帮助教育管理者全面掌握教学动态。以智能精准评测——为教师减负该公司准星教育机器人的“智能思维”主要体现在逐行推导判卷上，它利用人工智能技术将现有数学知识体系链接成为知识网络，每一次运算的过程都是无数“神经元”之间的高速信息传递。因此，准星教育机器人不仅能像人类一样分步骤思考、推理以及完整判定解题过程；更有着超出人类能力的速度、细粒度和分析汇总能力。该产品通过自动化和精细化的批改，实现智能归纳，锁定错题和未掌握的知识点；对学生、班级、年级的学习情况进行多维度的综合统计分析，包括单次、多次考试的数据分析，并生成电子化的统计报告。由于数据粒度精准精细，使得产品的统计分析结果更全面，更多维度，更个性化并且更加即时实现，是每一位教育从业者的得力助手。以细粒度大数据——为教师增效 产品示例-错题分析该教育机器人产品利用手写识别、人工智能评测和大数据统计分析等技术，实现了试卷和作业通篇逐行批改、教学教务数据全面分析，将教师从重复性工作中彻底释放出来，进行一对一指导沟通以及教学水平的自我提高。使用者证实，每天可节省2至3小时从事个性化指导、学生管理、家校沟通，以及教案改进和教学方法研究，教学效率和质量都有大幅提高。该产品采集并推送的学生细粒度过程数据分析结果，为精准施教提供了数据基础。教师可以充分利用产品数据调整授课方法，实现典型错题汇总、知识缺陷补漏、学习轨迹分析、学习趋势分跟踪、学生群体分类等等多方面的统计、分析以及预测，实现精准施教。以智能辅助学习——实现成绩进步能力提高
该教育机器人将学生的所有学习数据同步到平台上，学生可以根据作业考试的评测结果，进行错题再练，知识点补漏和推荐练习下载；对于常错的知识点继续视频学习等等，及时查缺补漏一定能够快速提升成绩。同时，面向学生个人的全程学习数据采集，使得任何知识缺陷不丢不漏，使得所有强化训练题、视频和教案等都极具针对性，从而真正将学生从书山题海中解放出来，帮助学生养成“日清、周清、章清”的好习惯，稳步提升学习能力。毋庸置疑人工智能的大浪已向教育行业翻涌而来，通过人工智能与大数据、互联网智能制造等技术的结合,势必颠覆现有的教育模式中资源紧缺与低效的基因。类似教育机器人产品能将教师资源从重复劳动中释放，真正实现教育资源的均衡、高效、透明与个性化！据调查，该平台累积活跃用户数已过万余人，覆盖国内数十所学校，有望年内全国范围铺开。教育行业中人工智能的大幕已经拉开……&&&&你，准备好了吗？
本文来源：21CN网
责任编辑：刘静_NQ4362
加载更多新闻
热门产品:　　　
:　　　　　　　　
:　　　　　　　　　
热门影院：
阅读下一篇
用微信扫描二维码
分享至好友和朋友圈机器人道尽人生苦辣？ AI还需“深度学习”|人工智能|AI|深度学习_新浪科技_新浪网
机器人道尽人生苦辣？ AI还需“深度学习”
　　文章来源：科技日报
图为《Sunspring》剧照
　　“这是一部你绝对猜不到结局、脑洞最大的科幻短片！”----这是一位观众对首部人工智能编写的影片《Sunspring》的评语。这部出现在今年6月的伦敦科幻电影节的影片，引起了人们极大的兴趣与关注，因为它的编剧“本杰明”，不是人。
　　让人工智能（Artificial Intelligence：AI）编剧，是比会下围棋的谷歌AlphaGo更具挑战的尝试。
　　影片的导演奥斯卡?夏普和来自纽约大学人工智能领域的研究者罗斯?古德温把几十部电影剧本输入进AI，让它自己“学习”。几秒钟后，AI就开始“唰唰”地写起剧本，最终他们按照机器人对人性的理解与表达，拍出这部影片。
　　面对人工智能咄咄逼人的挑战，人类得以稳坐如山的底线，便是拥有复杂多变的情感。正是“自己都不知道为什么哭”之类毫无理性逻辑可寻的特质，让大部分人坚信机器永远只能扮演仆人的角色。这部非人类作品的出现，让我们不禁嘀咕：未来是可以预测的么？
　　这是一道“语文”数学题
　　人类编剧往往要经过苦思冥想，等待灵感一现；或是体察生活，将其升华为艺术创作。而编剧本在“小明” （本杰明的昵称）这里，没这么复杂。
　　“其实，人工智能编剧就是利用机器学习技术实现语言文本的输出。”浙江传媒学院电子信息学院教授栗青生对科技日报记者说，它与前几年机器写诗的原理类似，不同在于现在使用了最新的人工智能技术，如机器学习、深度机器学习等。而“机器学习”是人工智能的一个分支，侧重于在数据统计分析基础上的行为模式研究。
　　那么“小明”是如何学习的呢？“在学习这些剧本时，需要将剧本分为单词、句子及段落等，并作为分析的单元，这个过程被称为剧本的结构化，然后找到期间的关联模式及语义特性。”北京理工大学软件学院数字媒体技术系副教授张龙飞向记者解释。
　　“这种关联可以是临近词之间的关联，也可以是上句与下句、上段与下段之间的关联。”从事AI研究的专家赵宇说。
　　找到了关联，也就意味“小明”摸到了遣词造句的规律。“利用机器学习的方法，让机器自动分析已有剧本中组词和组句的规律，然后对未知的词句进行预测。”栗青生指出，对人的学习而言，我们常说“见多识广”，其实对机器学习也是一样。每一部剧本都包括有成百上千条的文本台词，而每一句台词中的字词搭配都有一定的规律，知道了这个规律，就可以让机器自动的组织这些台词文本，从而产生新的剧本。
　　但，这还是一般意义上的剧本吗？“只能算是基于既有学习材料，根据统计学习预测产生的上下文语义关联性联结，使之形式上成为一个剧本。”赵宇直言不讳。
　　从影片中不难看出，AI是憋足了劲往“科幻”上靠。在一个时空模糊的未来世界，注定要有人死去的悬疑背景、略显突兀的三角恋情、男主一言不合就自杀、吐眼球……这一切元素都让AI“硬生生”地融合在一起。其中，大段前言不搭后语的对白、跳脱的情节以及毫无逻辑的剧本结构，让网友看得是一脸懵，直呼“小明，人类真的不知道你在说什么！”
　　看来，与其说“小明”编一个剧本，不如说它做了一道“语文”数学题。
　　但栗青生却表示，应给予AI的“处女秀”更多包容。“机器的剧本创作现在还处在‘小学生’时代，要充分允许这样的‘小学生’去‘照猫画虎’‘比葫芦画瓢’。”
　　那么，在专业剧作者眼中，“小明”的首秀能打几分呢？
　　高路是中国传媒大学戏剧影视文学系副教授，同时也是影视编剧，曾撰写过十余部影视作品。在观看完九分多钟的影片后，他向记者坦言：“我不认为这是个电影故事。”
　　“一个剧本的标准应该是按照逻辑讲述一件事，塑造人物并传递情感。”高路认为，就影片本身而言，该剧台词缺乏逻辑，看不到人物塑造，感受不到情感传递，甚至看不明白基本的逻辑关系。
　　做“无厘头”是高智商的事
　　那么，“小明”为什么会把剧本编得这么“雷”呢？***可能令人笑出声：太守逻辑和规则的AI，学不会人类的“脑残”与“无厘头”。
　　在影片中，男二号开场白就是“我要到头骨里去一趟”，显得莫名其妙；而男一号动不动就一句“我不知道你在说什么”，跟前后剧情毫无关系……
　　在栗青生看来，“小明”尽管使用了目前最先进的机器学习技术，但还远没达到和人类的剧本创作一样的水平。“毕竟和机器人写新闻相比，机器人写剧本要困难得多。不仅要考虑文本台词的语言表达、还要考虑文本台词的情感表达，同时人物角色、语言环境等也是重要的考虑因素。”
　　张龙飞更明确地指出，“雷剧”产生的原因在于，一是由于语义鸿沟，即计算机能看到的东西和人抽象出来的知识之间有或多或少存在区别；二就是学习的量不够。“机器学习都需要大量的、甚至是海量的样本进行学习，几十本的训练是严重不足的。”
　　今年年初，击败围棋冠军的AlphaGo学习了大量职业棋手的棋谱，加起来多达3000万步。“但是围棋的规则简洁而确定，因此AlphaGo可以自创棋谱，在左右互搏中不断提高。相对于学习围棋，剧本创作复杂度高出很多量级，因此对学习内容要求的数量更多。”赵宇说。
　　如果AI学得不够，还能“将勤补拙”，但是创新能力却是最头疼的。“创作的核心在于创新，而创新某种程度上就是要打破既有规则的约束限制，这无形中增加了机器学习写剧本的难度和复杂度。”赵宇认为，其实一个剧作家的创作不仅仅是通过学习大量剧本得到的，生活中的所见所闻、所听所想，阅读的小说、新闻、随笔、纪实等都可能成为创作的素材，因此要扩充学习内容，必须让机器涉猎剧本以外的各项内容。但由于其杂乱无章，无形中增加了难度。
　　匹诺曹的故事尚无结局
　　家喻户晓的《匹诺曹的故事》，包含着关于AI的多个隐喻。故事里爱撒谎的木头孩子，最终因为诚实而变为了真人。但在现实世界中，会撒谎的机器人，即便没有获得肉身，已然让我们感到颤栗。
　　对“野心勃勃”的科学家来说，AI终有一日会摘掉“雷剧”的帽子。当然，坚持“人性至高”的人，并不会赞同。
　　如果想让机器成为一名合格的编剧，其中一个技术瓶颈便是----编剧的创意能力能否被机器所替代。“目前的技术完全可以模仿某个著名编导的编剧风格，并对已有的剧本进行重新编排，但尚未有真正的创新出现。”张龙飞说，另一大问题是可以学习的编剧样本相对匮乏，不太满足海量学习需求。
　　“学而不思则罔。”在栗青生眼中，比海量学习更紧迫的是提升机器对文本的理解水平，可是当前AI在语义理解方面还没那么“聪明”。
　　“一词多义就是个老大难。”栗青生说，例如，在剧本中经常见到的两句台词“谁打的？”“我打的”，可以理解为“打人”“打字”“打车”和“打***”等多种语境。此外，同义词辨析更是一道坎。“忠诚”“忠实”“踏实”和“实在”等词有相近的语义，在一定场合可以互相替换，但在用法上又有明显不同。
　　要选择哪种意思？现在的AI只能是“傻傻分不清楚”。
　　除了这些词语特点外，汉语语法的“时隐时现”更让机器“犯晕”。“有时自然语言必须遵循语法规范，但有时语言又可以突破语法限制，产生新的表示和新的用法。”栗青生说。
　　显然，目前的AI编剧还谈不上“合格”，但张龙飞觉得那一天并不远。“或许机器不能成为一个开创性的编剧大师，但应该不会成为一个低于平均水准的编剧。”
　　张龙飞透露，目前国内已有团队在研发编剧机器人。“该机器未来也许不仅能胜任编剧，还可评估该剧本的受众群体是哪些人，票房如何，并能根据不同的观众、演出地点、时令等对同一个剧本进行适应性修改，以便满足个性化观众需求等。”
　　科学家们信心满满，但高路却觉得“可以成为助手，但无法完全取代人类”。他认为，机器也许能创造出某几种类型的故事，并且辅助人类研究观众的审美喜好，但无法全面替代人脑的艺术感知和情绪表达的能力。“对于AI能否传达人类情感，让观众产生心理共鸣，并展现出哲学高度的主题内涵，我持谨慎的态度。”
继在国内，对魅族提起相关诉讼后，高通又陆续在美国、德国、法国...
在众人看来，罗永浩情怀的死亡在2016年无疑坐实，锤子科技同样风...
本次的旗舰机型回归业界主流，抛弃了T系列很多原本的坚持和桀骜不...