科学与理性

科幻电影中机器人的场景，真的可以成真吗？科幻电影中，机器人不仅可以与我们下棋，AlphaGo下围棋的例子总是被学者谈及，事实上，机器人如果只会下围棋，那么它对于我们生活几乎不会有任何改变。同时，机器人会下棋的例子也推不出来机器人就可以深刻地影响到我们的生活，因为在其他方面的应用，机器人算法与下棋的算法完全不同。而是已经深度进入我们的生活，包括机器人保姆、机器人服务员、机器人警察、机器人女友等，涉及社会生活的各个方面。

未来10～20年，人工智能对我们的生活会有什么样的影响？类似这样的问题，不仅同学们关注，产业界的朋友也特别关注，朋友们甚至会时常与我玩笑：作为法律和人工智能的研究者，哪只科技股票未来潜力最大？产业界关心，投资人关心，普通民众关心。法学家们也学会了开始凑热闹，各个大学相继成立人工智能法学院据了解，很多大学的人工智能法学院尚没有一个能教授人工智能法律的老师，当然这并不影响对外挂出人工智能法学院的牌子。那些原本研究法制史的老师们也开始转向人工智能法学的研究，或许可从诸葛亮“木牛流马”中受到些许启示。“风来了，猪都可以飞起”，难道，未来真的已经来了吗？

机器＋人≠机器人

（一）长得越像机器人，越不是机器人

人工智能的概念会让很多人兴奋，正所谓闻“机”起舞。号称人工智能的企业如雨后春笋般层出不穷。从调研的情况来看，其中绝大多数的企业根本不属于人工智能企业。当然，什么是人工智能？需要对这一概念有最基本的认知。从60年前的达特茅斯会议至今，人工智能虽不断被学者修正，但它至少应当具备“人工神经网络”“机器学习”“大数据运算”这些基本要素，我在HOW实验室做过不少人工智能的实验，至少要用到“高等数学”要用到“Python”等编程语言以及人工智能神经网络的构建，至少要实现一到两项“智能”目标。

我几乎每年都会参加国际机器人大会，那上面参展的有一半以上“机器人”（可以唱歌、跳舞）从其本质上都属于前面所说的玩具。我曾与这些产品的工程师聊过，这些产品底层的编程语言大都是Java、Python，或是Php（这三种语方居多），程序大都事先写好，对话的语言和数据也几乎是固定的，如机器人能够背诵的诗词是固定的，整个计算过程与传统的计算机程序并没有本质区别，这并非是真正意义上的人工智能产品。因此，从这一意义上讲，人工智能与传统计算机程序的区别并不在于产品的表面，比如把它做成一个机器人样子，或者表面上可以对话，恰恰在于底层的算法。一般投资人在考察人工智能产品时恰恰忽视了这一点。近年来，人工智能神经网络的算法尤其引人关注，无论是S形神经元算法、卷积神经网络，或是梯度算法，每一种算法的背后还涉及大量数学、微积分和统计学的推导过程，这些人工智能的算法在应用到具体产品时还需要体现出独特的产品创意。人工智能概念更为确切定义是：计算机编程＋神经网络＋问题解决，三者缺一不可。

然而，很多项目完全缺少这些要素，仅有“机器人”的概念或者机器人的LOGO，就开始以“人工智能”自居，当然投资人不懂，被人工智能概念迷惑的也大有人在，于是，所谓“人工智能”企业就开始满天飞。事实却是，这个世界上长得越像机器人的，越不是机器人。

首先，机器人领域的问答机器人。市场上有一群人热衷于研发问答咨询机器人，还把它放到公共平台上，试图让它能自动回复用户提出的各种问题。事实上，这类设计从一开始就注定是失败的。这个投资人的钱有接近一半不是死在路上，而是死在开始。类似这样的机器人设计有很多，银行的大厅里、酒店的大厅里、火车站、飞机场都能看到这样的机器人。但这样的项目从一开始就注定要失败。因为它只能回答最简单、初级的问题，远远达不到像人一样思考和回答。我以法律机器人为例，法律问题何等复杂，它需要多层“复杂”逻辑的综合运算，然而，现在的人工智能还基本停留在“一维逻辑”层面。啥叫多层复杂逻辑？比如，我问机器人：我应该如何维权？事实上，要回答这个问题，需要多方位综合分析才能解决这一问题，要考虑到案件的具体情况，要找到其所适用的法律依据，还要考虑到当事人的实际情况（如支付能力等），通过多层复杂逻辑完成运算和博弈，最终才可能给当事人一个靠谱的法律建议。这种多层复杂逻辑甚至还需要律师在实践中不断学习才能最终完成。然而，当下的机器人在解析法律问题时，还只是“一维逻辑”，它只能从大数据中匹配出一个最靠谱的答案，却无法按照“多层复杂逻辑”帮助当事人解决实际问题。

有人会说，AlphaGo不是已经战胜李世石了吗？怎么能说，机器人的思维能力不如人呢？AlphaGo所做的事情是下围棋，这是“运算”，不是“思维逻辑”，在机器人的研究中，如果分不清这两个概念是很可怕的，当下机器学习的最大优势还是“运算”，所以，我在实验中让机器人学习很多国家的法律，它的确很牛，记忆力和回答的准确性，具有不可比拟的优势。然而，如果我让它帮我分析一个具体的案例，这时候需要“多层复杂逻辑”，它就显得“力不从心”了！所以，在有关机器人的项目中，一定要清楚机器学习的优势到底在哪里？搞不清楚这些基本问题，就只有白花钱。所以，那些摆设在大厅里试图回答你问题的机器人，注定从一开始就是摆设或玩具。不要说复杂问题它回答不了，即便是最简单的检索问题，碍于“语音识别”的误差以及内部数据的有限性，它所检索到的也更多是“不知道”。这种不能解决任何实际问题的摆设，对于投资人而言，显然无法达到投资的预期和目的。

（二）并不是所有行业都适合用人工智能

并不是所有的行业都适合人工智能，也并不是所有场景都适用于人工智能。有的饭店推出机器人端菜，很多酒店的大堂还推出机器人客服咨询，事实上，这些机器人除了广告宣传之外几乎毫无用处，并且，该聘请的人员一个没少，该付出的劳动一点没小，在这里机器人除了“噱头”还是“噱头”。

“无人餐厅”的概念也曾火爆一时，甚至跻身于人工智能要闻之首，许亚岚：《问题多！无人餐厅能走多远？》，载《经济》2017年第24期。事实上，就智能点餐而言，手机APP可以实现，平板iPad可以实现，化身为桌面的触摸屏当然也可以，这并非是人工智能所要追求的本质。“无人点餐”炒作的成分居多，当然，从商业运营的角度，这一切无可厚非，但作为人工智能的研究者切不能人云亦云。

类似的情况在服务业、司法系统也大量存在，如某某法院又在全面实现人工智能，对于人工智能在法律行业中运用我是十分看好的，但这并不等于神化它的作用，“员额制”所谓“法官员额制”是指法院、检察院在编制内根据办案数量、辖区人口、经济发展水平等因素确定的法院的法官、检察官的人员限额。员额一旦确定，在一定时期内不能改变，没有缺额就不能递补。迄今为止，通过法官员额制改革，全国地方各级法院共产生了近12万名入额法官，约占中央政法专项编制总数的32．8％。《法官员额制改革推进司法精英化》已经让法官们心惊胆战了，再来一个人工智能，法官们深感前景黯淡。事实则不然，在接下来相当长的时期内，审判过程中法官的作用还必须凸显，机器人更多的应用场景还是在数据处理和分析方面，即便是匹配到了相似的案例，也仅仅只能作为参考，要知道，人对“正义”的理解远胜于机器。当然，从人工智能发展更远的预期来看，机器人能否取代法官并不可知，但就目前或者相当长的时间内，有必要对人工智能的发展节奏有正确的预期。

建构机器人战略中的理性思维体系

（一）机器人需要“工匠”精神

四种机器人产业中，应当说市场占比最大的当数工业机器人，无论是德国的“工业4．0”，还是我国的《2025制造业大国》都论及工业机器人布局。贺正楚、潘红玉：《德国“工业4．0”与“中国制造2025”》，载《长沙理工大学学报》（社会科学版）2015年第30卷第3期。当今世界的工业机器人几乎被“四大家族”垄断，像日本的发那科（Fanuc）、安川（Yaskawa），还有德国的库卡（Kuka）以及瑞士的ABB等作为工业机器人的龙头老大，已经占据了全球绝大多数市场份额（80％以上）。黎文娟、乔标、王海龙：《工业机器人市场竞争新格局》，载《政策瞭望》2016年第3期。美国特斯拉汽车制造流水线所采用的正是库卡的机器人，整个车间几乎看不到人。我国很多制作业已开始广泛使用工业机器人，以至于我国已成为全球最大的工业机器人的消费市场。陈婕：《国内机器人产业：需求为机创新为器》，载《中国知识产权报》2015年9月23日第5版。

未来10～20年，我国工业机器人消费市场还将持续增加，传统家庭式的手工作坊将逐渐淡出江湖。我国已有一些企业开始着手研发工业机器人。无论是外在“颜值”，还是内在“性能”方面，与“四大家族”相比，都还存在较大差距。当然，工业机器人在中国还有巨大的市场空间。由于中国有巨大的市场空间，工业机器人的制造也具有巨大潜力。

从智能手机的发展历程来看，先是苹果一家独大，最终国内的华为、小米群星荟萃，打破了苹果在华一股独大的局面，可以肯定，国内也一定会产生具有较大竞争力的工业机器人企业。不过，对于此类企业的成长周期，不要抱太乐观的态度。与生产智能手机不同的是，工业机器人除了对算法具有较高要求，还要求制造精准、工艺完美、材质精良，我把它统称为“机器人工匠精神”，所以，为什么工业机器人四大家族企业会诞生在德国、瑞士这些具有“工匠精神”的国家。中国人数学很好，算法应当不是问题，但“工匠精神”的培养还需时日。

（二）被曲解的法律机器人

法律机器人总体上属于“思考型机器人”的范畴，它旨在帮助用户解决法律问题。总体而言，思考型机器人在现有市场中占比较小，不是因为它的市场需求小，而是因为它的难度最大，当然，未来发展的潜力也最大。思考型机器人依赖于深度学习和神经网络布局。运用神经网络和深度学习，它还可以广泛适用于医疗、经济、金融、教育、代理、咨询、办公等诸多领域。尤其需要指出，传统服务行业亟须人工智能的改造，思考型机器人可以帮助人们解决疑难复杂问题，可以预见，未来人工智能将在这些行业释放巨大的红利。

根据英国科学家阿兰·图灵1950年提出的“图灵测试”，1950年，图灵在《计算机器与智能》的开篇就提出了一个令人类深思的问题：“机器能够思考吗？”（can machines think）图灵认为，关于机器是否能思考的争论之所以难以解决，是由于我们没有一个关于“机器”（machine）和“思考”（think）的明确定义。他指出，用常规方法定义是“危险的”和“荒唐的”，为此，图灵设计了一种实验的方法来判定机器是否能够思考，或机器是否具有智能，试图为机器能不能思考的争论双方提供一种判决准则。图灵的目的是找到一个与之相关的问题来解决此问题，并且用“没有歧义的语言来表达”，这个方法就是著名的“图灵测试”。（宋勇刚：《图灵测试：哲学争论及历史地位》，载《科学文化评论》2011年版）

一部机器人的智能化程度取决于人在与其交流后能否区分出其是否为机器人。机器人“智能”的标准，从一开始便是围绕“思考”展开的。李开复博士早期研究的语言识别，也可以理解为思考型机器人最初的模型。在近60多年里，无数科学家围绕思考型机器人展开研究，但限于计算机计算能力的限制，人工智能的思考问题一直处于严冬季节。如今，计算机大数据的运算能力都比以往有了很大提升，这也为思考型机器人带来了前所未有的发展机遇，可谓“卷土重来”。我甚至把它称为“思考型机器人的第二次勃兴”。

尽管如此，当前法律机器人仍然面临着算法与数据方面的困境。如国外比较代表性的Legalzoon、DoNotPay等法律机器人。这类机器人值得投资吗？目前市面上见到的这类法律机器人也只是顶了个机器人的外壳，并不能替代律师解决问题。还只是拥有一些简单的模板提供或者搜索的功能。再以Legalzoon为例，它是让用户通过自己提交信息，然后由机器人根据用户需要自动撰写（生成）所需要的合同。这里的问题是，类似这样的项目值得投资吗？

机器人在撰写合同领域到底能发挥多大作用呢？我在实验室也做过很多这样的实验，应当说，人工智能通过机器学习后是可以发挥很大作用的，尤其是在语句修改或者不规范的用语方面，问题的关键是营利模式不是这样玩的。在所有人工智能的项目中，都必须回答一个问题：它给谁来用？它能解决什么问题？

如果这样的合同机器人是开发给律师或者法务等专业人员用，当然可以提升他们的工作效率，这种开发是有价值的。然而，Legalzoon以及目前市场上开发的主流机器人却是供当事人直接用的。这种机器人可能发挥不了太大的作用。道理在于，机器人找不到核心利益条款，这在短期内是无法突破的。何为核心利益条款？比如说，一个合同可能有1000条，但真正为双方当事人关键的条款可能就只有其中的3～5条，当然，当事人关心什么，这需要结合每一个具体案件以及应用情景来确定，比如，同样是买东西，有的买家关心产品质量；有的买家关心付款周期；有的买家关心卖家的信誉等，总之，它很复杂，有经验的律师就会在类似的案件中，精准找到当事人的核心条款，并把主要精力放在完善核心利益条款方面。然而，短期内机器人却无法找到合同的核心利益条款。所以，这样的机器人切切不能直接给用户使用，否则真的是“诲人不倦”了。

事实也表明，Legalzoon项目长期以来的营利情况不容乐观，当然，有消息称其升级后近期开始营利了。其实，其升级后的场景下，与其说是一个机器人帮助撰写合同，倒不如说是一个海量合同的版权池。众所周知，国外的律师收费很高，而且知识产权的保护也是极为严格的，所以一般的当事人更愿意花100美元下载一个合同模版。如果把这样的项目移植到中国来会怎么样呢？一个“惨”字了得。国内有一家企业，效仿Legalzoon，也融到了资，还在新三板全国中小企业股份转让系统（俗称新三板）是经国务院批准设立的全国性证券交易场所，全国中小企业股份转让系统有限责任公司为其运营管理机构。挂牌了，可结果如何呢？一直亏损。其实对于初创企业，亏损不可怕，可怕的是没有希望。在国内合同模版网上随处可见，如果缺少人工智能的核心竞争力，仅仅依靠模版收费，当事人会付费吗？答案显然是否定的。

（三）生活机器人的“算法”困境

以扫地机器人为代表的生活机器人，近几年来表现出强劲发展势头。《消费升级拉动吸尘器增长扫地机器人产品结构持续改善》，载《中国电子报》2018年8月7日第5版。在每年国际机器人展会上都会展出不少生活服务型机器人，除了扫地机器人，还有保姆机器人、教育机器人、机器人秘书等，我看过这些机器人的宣传和展示，准确地说，这些机器人大多还只是概念，目前还很难进入市场。

这与现有计算机算法的研究水平有关。即便是采用当下最先进的人工智能算法，也还难以满足生活场景的极致复杂性。在某年的国际机器人展会上展示了一款“助残机器人”，它主要用于给老年人喂饭、洗澡等应用，事实上，如果仅仅是简单的稀饭，机器人尚且可以派上用场，但如果还有米饭，还有鸡蛋，外加上牛肉土豆，显然，现有机器人手臂外加勺子组合的算法就难以满足需求了。保姆机器人也遇到了同样的问题，它虽然可以回答“今天天气如何？”或是“现在几点了？”但人们对保姆的需求绝不仅仅是这些，即便是一个最普通的场景：想让机器人帮助自己拿一包餐巾纸出来，它既需要机器人对场景、物理、意途等方面的准确理解，还需要配合机器人动作，其中的算法同样是十分复杂，即便如此，这个动作都难以让人满意。

（四）无人驾驶的“安全”价值考验

毫无疑问，无人驾驶是未来发展的趋势。每一次无人驾驶成功上路，都会让很多人“欢欣鼓舞”，甚至毫不犹豫地购买无人驾驶股票。当然，如果你有足够的钱，或者足够的耐心，一切都无可厚非，但如果是“一万年太久，只争朝夕”，这种狂热就急需降温。投资，节奏很重要！时机很重要！目前普遍存在一个概念混淆：无人驾驶与自动驾驶。深圳的无人驾驶公交车，邱海峰：《深圳街头跑来“无人”驾驶公交》，载《人民日报》（海外版）2017年12月6日第11版。准确地说是自动驾驶，而不是无人驾驶。这两者最大的区别就在于，自动驾驶，驾驶员虽然省力，但还是要监督的，必要的时候，要恢复人工驾驶；然而无人驾驶呢？你可以躺在里面睡觉。事实上，要解决劳动力问题，市场真正需要是什么？是无人驾驶，而不是自动驾驶。

我走访过特斯拉等企业，他们的工作人员也曾给我介绍特斯拉的诸多优势，其中就包括它的自动驾驶技术，体验了自动驾驶技术之后，就会发现，虽然让你的手暂时离开了方向盘，可是你并没有因此而轻松。或者说，你会变得更紧张，要知道，马路上最可怕的不是车，是人，尤其是不守规则的人，因此，与其盯着车子的行驶状态，随时准备出手还不如把好方向盘，习惯踏实的感觉更为重要，因此，人类社会需要的是真正意义的无人驾驶。

我在上海举办的无人驾驶高端论坛上演讲时说，无人驾驶不可能马上到来。要知道，Google的人脸识别系统经过多年的迭代，已经处于世界领先水平了，然而它还会将黑人朋友识别为黑猩猩。由此可以判断，无人驾驶还需要时间。从2018年3月Uber无人驾驶事故以及此前2016年1月特斯拉的无人驾驶事故都可以说明，无人驾驶的安全价值仍然在路上。

比无人驾驶“上路技术”更为严峻的一个话题：网络安全。即便是有一天，无人驾驶汽车图像识别、自动刹车等安全技术已经十分成熟，无人驾驶依然面临着网络安全的严峻考验。在互联网时代，可以自由出入银行账户的黑客们对社会的危害，无非是会在账户上多加几个零或删掉几个零；然而，在无人驾驶时代，每一辆汽车都是一部可以远程操控的智能设备，黑客一旦黑入了无人驾驶系统，它在瞬间就会变成危害公共安全的“杀人工具”，由此所造成的危害将远胜于互联网时代的系统入侵。

因此，无人驾驶上路的法律绿灯要打开，就必须要解决这些问题。当然，对于未来全社会的无人驾驶场景的到来，我毫不怀疑，这也将极大扩展所有人的驾驶权利，包括残障人士都将迎来出行的自由。但这一天什么时候会到来，就需要有一个正确的预判。还是那句话，投资的节奏很重要，比眼光更重要的是节奏，是时点！

（五）区块链概念股背后的故事

区块链现在很火，据说很多朋友也买了区块链概念股，可是亏得一塌糊涂。很多人不解，为什么区块链概念这么火，股票却不赚钱？很显然，投资区块链的大部分人被割了韭菜。

我在实验室做了不少区块链的实验，至少目前我依然认为，除了数字货币，区块链的应用场景十分有限。区块链不是一个具有革命性的新技术吗？为何得出如此结论呢？区块链的弊端和它的优势一样，都在于“去中心化”。然而这个世界，或许在我们能看得见的年代里恰恰是需要“中心”的。这里首先需要思考：为什么直到今天，除了数字货币，竟然还没有一个能让大家信服的区块链应用？今天没有，明天就会有吗？很难。再进一步说，区块链的“去中心化”，需要把数据同步到所有结点上，由此来构建信用。这使区块链的应用需要具备以下几个条件：第一，数据量不能过大，否则，要把数据同步到每一个结点，将成为全社会最耗费资源的事情。人工智能和区块链几乎是同一个时代的产物，但它们的发展方向又几乎是反向的，人工智能要求大数据，需要“中心化”，而区块链恰恰不能有太多数据，是“去中心化”。“中心化”恰恰能体现高效率。我也看到一些企业，布置了区块链技术，但为了解决效率问题，只好控制结点的数量，然而，只有少数结点的时候，真正“去中心化”的信用又是难以建立的。第二，隐私性不能太强，区块链的交易数据是要公开的，所以涉及隐私的问题不行。第三，即时性要求不能太高，账本同步到每一个结点是需要时间，比特币汇款不能马上到账的原因也在于此。

人们恨不得把全部传统产业都搬到区块链上，似乎在研究领域中不谈点区块链就已经OUT了，可事实却是，现实世界中有99％的项目不能用区块链。这就好比是这个世界上有99％的事情都需要一个中心的道理是一样的。当然，如果区块链能解决剩下1％的事情，那么它已经足够伟大了！再来看一下所谓的区块链概念股，它们是真正意义的区块链应用吗？事实上，它们仅仅是区块链概念股，而不是区块链应用股。纯粹的炒概念，短期可以，但是长期泡沫终会破灭。所以，可以理解，为啥区块链概念很火，而买了区块链股票的却赚不到钱。

（六）“无人超市”的概念与本质

直至今天，“无人超市”这个概念依旧很火，它强调超市不再需要售货员。所以曾几何时，最悲伤的家庭被设计成：一个售货员和一个公共汽车的司机结婚了，而刚刚结婚不久，无人超市来了，无人驾驶汽车来了。然而，好消息是，直至今天他们两个都没有失业。

无人超市不同于自动售货机。自动售货机售卖东西实在太有限了（主要是饮品），然而无人超市里面的商品却可以琳琅满目。毫无疑问，无人超市也一定是未来发展的方向，这里的问题仍然是，你看好遥远的未来，还是可以预期的现在？在这里说的依然是投资的节奏。

如果当下要在投资中作出选择：一个是无人超市，另一个是自动售货机，我宁愿选择后者。诚如格雷厄姆在《聪明的投资者》里说，在投资的道路上，倒下的往往是空追时髦的人，而最终活下来往往是踏实而守旧的人。

这里要明白一个道理：无人超市到底是怎么实现“无人”的？试想一下，你去一个超市，没有售货员，你拿了东西用不用结账，直接走人，然后，从你的支付宝（或微信）直接扣除货款，这一流程是怎么实现的呢？把这个问题说清楚了，你也就知道，要不要投资无人超市了。

要真正做到无人，机器人就需要计算两个问题？第一，你是谁？第二，你买了什么？机器人要知道第一个问题，你是谁？这样机器会在对应的账户中扣减购物费用。同时，机器人还要知道第二个问题，你买了什么？这样，机器才可以准确地扣减费用。事实上，机器人要知道第一问题在技术上并不难实现，人脸识别和身份验证已经是很成熟的技术了，然而第二个问题——你到底买了哪些东西，却是无人超市最难解决的关键问题。

要准确地判断，用户到底买了哪些东西，在人工售货的场景中，这是由人工来逐一核实和计算的，每次超市结账时需要排长队就是这个道理，但是在无人超市中却是完全没有人监管的，当购买者将商品从门口带出去的那一瞬间，机器就需要知道他（她）到底买了哪些东西（如一瓶水、一袋泡面）。当下普遍采用的是射频识别技术（Radio Frequency Identification，RFID）。公交卡、饭卡、宾馆里的门卡所应用的大都是RFID技术，它是物联网时代对物体进行识别、追踪、计算的重要技术。应用在无人超市领域，就需要在每一个商品上贴一个RFID标签（大约1元）。这是可以准确捕捉购买者购买了多少商品的最佳办法。这样，无人超市会因此支付更高的运营成本，由此也导致无人超市的运营成本将远高于普通超市聘请售货员的工资。更为重要的是，诸如像水果、猪肉、包子等这样的商品，又很难放置RFID标签。

因此，无人超市要迎来自己的未来，就需要在机器学习和视频识别领域实现突破，简单地说，机器人要准确计算客户买了哪些东西，所依靠的不再是RFID射频识别卡，而是依据购买者的动作，自动判断你购买了哪些东西，这需要一个长期的机器学习的过程。当购买者进入一个无人超市，也就意味着进入了一个360度的全景监控系统，每一个动作（拿起与放下），机器都能准确识别意思表示（购买还是放弃）。不过，这对于机器学习而言，还有相当长时间的路要走。

机器人的理性投资策略

（一）人工智能最值得投资的地方

人工智能最值得投资的地方是什么？要回答这一问题，需要准确地认识人工智能产业机遇与挑战，现在与未来。《十九大报告》指出，当下中国的主要矛盾已经演变为“人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾”《十九大报告》，现如今人们已基本解决了温饱等生活问题，然而摆在人们面前的医疗、企业服务、法律服务等问题，还未能有效地给予解决，人工智能的红利将首先在这些行业被释放。

在医疗行业中存在大量需要人工智能可以解决的问题。在美国旧金山一家年轻的创业公司恩尼提克试图通过机器自我学习来解决癌症诊断，这家公司甚至被评为全球最有科技含量的50家公司之一。在中国，这一问题显得更为迫切。中国面临医疗资源严重不足的情况。据统计，中国十几亿人中，平均每人每年挂号次数是7次，总计要达到100亿次以上，然而医生资源又主要集中在大城市，中小城市又面临着医疗优质资源配备不足的现实。如何通过人工智能优化配置医疗资源？如何通过人工智能自我学习诊断疑难杂症？其空间和潜力巨大。

再以企业服务为例，中国现有企业多达7000万家，其中每一家企业所需求的企业服务又是五花八门，包括“公司注册、税务申报、商标代理、专利代理、社保、法务咨询”等各个方面，由此所形成的企业服务更是呈现几何基数增长局面。为此，HOW实验室也于2017年正式提出了创建“企业服务大脑”的计划，将多元、交织、复杂的企业服务化归于“一元模式”，设置企业服务大脑，建构机器人集群，实现数据共享、协同作战。

还有法律服务行业，也将迎来人工智能大发展的时代。在法律机器人研发过程中，我甚至发现，越是复杂、专业的法律文书越容易被机器人取代；尤其在未涉及大数据计算、统计数据论证，机器人所具有的撰写能力更是具有无法取代的优势。事实上，反倒是那些看似非专业的撰写，诸如给女朋友写一封情书，由人来写效果会更好；反之，像法律中专业的代理词、律师调查报告等，机器人对数据的引用以及强大的统计逻辑都会显示出比普通人更厉害的能力！

（二）大数据的投资价值

人工智能与大数据可谓如影随形。大数据或将成为未来最宝贵的资源，于是现在有很多人投身于数据行业。HOW实验室的建设过程中就用到了很多大数据，我们与很多数据商也有合作。事实上，在人工智能时代，最有价值的不是数据，而是数据的算法，再向上一层便是数据算法所形成的终端产品。与数据相比，算法属于食物链的更上一层。像科大讯飞用于训练机器识别语音的语料很多也需要购买，然而对语料计算的算法却成为科大讯飞最为核心的竞争力。

在人工智能时代，也就形成了一个由“产品设计”“算法应用”“程序撰写”“数据提供”四条产业链互动的格局。无疑，在整个产业链中，产品设计属于食物链的最顶端，其次是算法应用，程序撰写，最后才是数据提供。如果把机器人视为一个产品的话，数据可以视为这个产品的原材料。

我曾到过不少数据公司调研，当下的数据公司总体上营利情况不佳。事实上，官方很多数据未充分公开的情况，使很多数据商尚有一些利润空间，随着官方数据的充分公开，数据商们的日子会越加难过。

在人工智能时代，真正具有价值的数据是垄断数据，比如像京东商城、滴滴打车这些大的商户所采集的数据是独一无二的，机器人会根据这些数据推演出科学的结论，而这一切是其他机构无法办到的，这才是人工智能时代最有价值的数据。

（三）人工智能投资的三个原则

一个行业，或是一个企业是否需要人工智能，还取决于三方面：第一，行业痛点是否与人工智能相契合？第二，市场空间是否足够大？第三，现有最先进的算法能否解决问题？事实上，一旦回答了这三个问题，产业的投资价值也就相对清晰了。首先，行业痛点要与人工智能相关，这是应用人工智能的前提条件，有一些传统行业，如保姆等行业，还是需要人来解决问题的，其行业痛点与人工智能的契合度不大。其次，市场空间要足够大，人工智能的研发需要投入足够的资金，如果市场空间太小，其投入成本或将小于产生的收益，这样的行为也不适合用人工智能。最后，现有最先进的算法能够解决问题。事实上，人工智能技术的发展也需要一个过程，有一些场景，比如婴儿保姆机器人、炒菜机器人这些都具有广阔的市场空间，然而，由于应用场景的复杂性，即使是当前最先进的算法也难以有效解决问题，类似这样的产品都还需要等待人工智能算法的长期进化，这也不属于人工智能投资的最佳选择。

结语

这是一个最好的时代，这是一个最坏的时代。无论你是否喜欢，我们都将迎来人工智能时代。要么拥抱它，要么被它彻底替代，除此之外，几乎没有其他更好的选择了。

至此，《机器人法》将暂告一段落，接下来，笔者还将继续讨论人类应当如何构建属于自己的未来社会新秩序。阿西莫夫在1942年提及的机器人三大定律之首，便是机器人不得伤害人类（参见科幻小说《环舞》）。在接下来人工智能的研究中，这一法则无疑还将被反复提及和论证。毕竟，人工智能研究的目的是让人类社会变得更加美好，而不是创造一个新物种去取代人类。

尽管在“后记”部分说了很多人工智能的“坏话”，旨在于对人工智能话题理性解读！毫无疑问，它在新闻、医疗、法律、科学研究、企业服务、智能管理等很多方面一定会大放异彩！但这一切却需要理性面对，人工智能有其特定适用的领域，并不是所有的产品都需要人工智能，尤其是在当下的“弱人工智能时代”。一个产品出来，面对投资的时候，我们就需要回答几个问题：第一，这个产品真的需要人工智能吗？第二，现有的人工智能算法能实现目的吗？第三，这是一个短期投资，还是一个长期投资？事实上，任何对新生事物的狂热最终都将走向它的反面，人们就会看多了失败的案例，最终又会将它定性为“庞氏骗局”。为避免恶果的出现，“理性”又恰恰成为人工智能的至宝！

在任何新科技面前，我信奉“迟钝投资”的理论。一个新科技出来了，可以关注研究，但如果投资要拿你自己的钱，最好“迟钝”一点。新技术往往不是投资的最好时机，而且，如果街边市场上的大妈都在谈论“区块链”的时候，你最好离它远一点。人们讨论最火的所谓前沿科技投资往往是赔钱的，因为它需要支付大量的试错成本。除了像Google这样的可以随便“花钱”的企业，对于普通投资者，看得准、投得稳，依然是一个最要命的问题，现实中也就有很多企业，把大量的资金花在最新技术研发方面，绝大多数都死在了新技术的试错成本的道路上。再反观那些成功的企业，它们拼的反倒不是技术，而是用技术解决问题的思路。