1.4 给未来AI人才的建议
最后，我想给未来AI人才一些建议。
前面说到AI由发明期进入应用期后，我们更看好创新奇智、河小象这样接地气、以用户为上帝的创业公司。可能有些读者会说：“我就不想做这种接地气的事情，我要做高大上的事情，应该怎么办呢？”一种办法是留在学术界等下一个巨大的、类似“深度学习”的浪潮来临。我们正在经历的AI浪潮都是聚焦于感知方面的问题的，下一个浪潮最可能出现在什么方向上呢？我认为可能就在认知方面。如果说在过去的几十年里，深度学习让感知方面的技术有了很大提升，那么认知方面还是有很多问题亟待解决的。
有一本很有名的书叫作《思考，快与慢》（Thinking，Fast and Slow），作者在书中提到了“系统一”和“系统二”，如图1.4.1所示。系统一聚焦于AI感知问题，用AI做识别判断；系统二则聚焦于AI认知问题，即用AI做深度的思考—能够有自我意识甚至能够创造，这是通用人工智能（Artificial General Intelligence，AGI）或者说是向此方向发展的人工智能。不可否认，系统二还有很大的发展空间，因此在下一个可能的科研突破期到来时，你掌握一种突破性技术，是有可能进行以技术驱动为主的成功创业的。但是在此之前，我们主要还是应该在感知方面寻找为传统行业进行AI赋能的机会。
图1.4.1
在了解以上信息后，如果你很想投身AI赋能时代，我认为可以有三个选择。
第一个选择是撸起袖子创业，和懂行的合作伙伴一起打造复合团队。比如吴恩达（Andrew Ng）的创业公司DeepLearning.AI就是一个标准的案例，国内也有不少类似的案例。如果你初出校门，很可能经验不足，相比于自己创业，加入一家创业公司可能会是更好的选择。无论怎样，当你确定要自己走上创业的道路时，我有几点建议想提醒你：
（1）要扭转心态，接受客户、用户就是上帝的观点，调整冷僻、崇高的科学创新观，先考虑行业的需求，再考虑能做多新、多酷的AI，有用并有市场的创新才是重点。
（2）找正确的人做擅长的事情，不要低估商业化的流程及其重要性，有这方面的专家加入团队跟你一起做事，成功概率会更高。
（3）科研突破与商业回报并重，强调效率速度、快速迭代，补足产品化、商业化能力，尊重、理解行业规律，做服务者和赋能者。要知道你之前所经历的学习主要是成为科学家的训练，而非是为创业者准备的训练，你从中学到的严谨、创新都是很好的思维，但对于创业者来说往往需要快速的商业迭代和执行。
（4）当你寻找投资人的时候，一定要找既懂商业落地也懂技术的人，他们有助于公司最后的成功。
第二个选择就是加入一家传统公司，我们看到近两年很多传统公司开始加强AI技术。虽然，互联网公司也很好，但互联网公司做AI已经是天经地义的事情了，相比之下，传统公司处于提质增效转型期，对AI人才的需求强烈。我认为目前最适合做AI的传统公司在金融领域，因为金融公司的数据多，所用的目标函数和指标很明确，“+AI”的赋能在其中有相当大机会，同时金融公司也会重视科技人才。
除金融公司外，还有很多行业的公司从基因上就非常传统，不懂技术、不懂AI，甚至可能是家族企业，加入这样的公司可能会让你感觉不适甚至痛苦，那该怎么办呢？
第三个选择是你可以加入专门做AI赋能的公司。其实有很多这样的公司，比如像麦肯锡这样的咨询公司就在帮助传统公司做AI转型；再比如，加入创新工场也是一个很好的机会，创新工场很早就看到了AI赋能的机会，我们的做法是找到传统公司，用AI为其赋能，然后再投资它，增强双方的绑定关系，对方也会非常信任我们。
当然，不是每一个人都适合创业或者就业，有很多人在博士毕业后留在学校做老师，积蓄变革力量。留在学校既可以专注科研，也可以用多种方式参与AI 赋能传统公司的浪潮，对产业界同样有贡献。这里有三种发展路径可以参考。
第一种是专注投入AI理论科研，进入AI认知科研储备期，蓄力下一代技术突破，引领新一轮技术浪潮。科学家擅长突破未知，而学校是科研“净土”，可以不受市场、竞争等因素干扰，科研的方向也不考虑商业应用，比如图1.4.1中列出的与“系统二”认知问题相关的一些科研方向。深度学习发明人之一Geoffrey Hinton就是一个很好的例子，他专注于一个新技术，对于科研和商业的分工有很明确的定位，他会认为：“我在科研界就是要继续做发明，商业界则该去考虑赚钱的事情。”当然，Hinton也会鼓励他的学生参与商业创业。
第二种是学校到商业再到学校的方式。学校教授“下海”创业，成功后回归学校，在技术与商业层面指导学生继续创业，比如李凯教授创办了Data Domain公司并上市，他开辟了数十亿美元市值的新市场，之后又回到学校教书。
第三种是在学术圈兼职参与创业，通过AI实验室与传统公司合作开发课题。比如李飞飞博士，在回归斯坦福大学AI实验室后，同时兼职参与AI医疗创业。
我认为后面两种模式是很值得参考的，能让你过过创业的瘾。但因为你始终扎根于学校，要清楚未来你做的事情将会用学校的标准来衡量。
未来，无论你是想创业，想参与一个公司的建立，还是想留在学校寻找机会，我认为都是一个好选择。总的来说，今天AI进入了应用的时代，如今的AI行业跟五年前已经完全不同，而你的选择其实是变得更多了。
[1]数据来源：中国通信院联合Gartner发布的《2018世界人工智能产业发展蓝皮书》。
[2]POC，英文全称Proof of Concept，意为观点提供证据。