技術大神腦内的三重世界:打通不同次元的世界，用資料驅動指數級增長

大家好，我是黃洋成，感謝大家的陪伴。

大家覺得這兩年最熱門的詞是什麼？我想沒有異議，就是AI。今天上午Kian先生的演講也提到了，作為引領新一輪AI浪潮的标志性事件的主角，AlphaGo是指數級增長的一個典型案例。我們和國内頂尖的職業圍棋教育訓練機構葛道場有很多合作，從他們的經驗來看，如果要想成為一個職業圍棋選手，都不算頂級選手，最晚也要從六歲到七歲開始學棋。即使是像柯潔這樣不世出的奇才，從五、六歲學起，到成為世界冠軍也需要十多年的時間。而AlphaGo，前年最初連樊晖這樣不太知名的圍棋職業選手都無法戰勝；而短短幾個月後，到去年已經可以擊敗李世石；再到今年以Master的身份複出，人類圍棋選手已經完全沒有抵抗之力。可以看到，與人類的學習速度相比，以AlphaGo的學習速度可能幾個月時間就頂上人類幾十年，棋力的進展絕對是指數級的。

我們回來看看AlphaGo為什麼這麼厲害？首先我們來看看要是在實體世界裡有沒有可能演化的這麼快？我們知道在實體世界中，大家都學習過的牛頓第一定律表明，引力和品質成正比，這是一個線性的關系，也就是說我們的實體世界總體是由線性的規律主導的。是以，即使你可以造一台下圍棋非常快的機器，每秒可以移動1000個棋子，可以想象也不太可能造出AlphaGo。

AlphaGo廣為人知的三個部分分别是政策網絡，價值網絡和蒙特卡洛樹搜尋。政策網絡所代表的是人類的經驗、曆史的經驗。從公開的論文來看，AlphaGo的政策網絡準确度基本在57%。這個比喻未必特别精确，但類比考試成績，如果期末考試才考了57分，這在人類世界不是特别可以拿出手的好成績，這說明什麼？說明這個政策網絡和人類可以學到的相比并不是特别厲害。

讓我們再來看看價值網絡，做過計算機圍棋的都知道，這個價值網絡特别不好訓練，很難獲得一個品質特别好的結果；也就是說價值網絡評估目前棋局形勢的能力其實也不如人類。政策網絡和價值網絡都不如人類，那為什麼AlphaGo還能這麼厲害？是以最根本的還是在于它使用的蒙特卡羅樹搜尋，這塊能力比人強。人類每下一步棋，能考慮到幾十步已經是頂尖的高手，但AlphaGo卻可以搜尋幾十萬、幾千萬、幾億步。

咱們再來看看商業，在傳統零售領域有一個經典的模型——人場貨。去掉字面的意思看内涵，這個模型可以推廣到所有商業。人，代表了需求；貨，就是産品、代表供應；場，是供與需的比對。這幾年網際網路對傳統商業模式的沖擊非常大，網際網路+已經上升為國家政策，為什麼在與傳統商業的競争中，網際網路會有巨大優勢？網際網路沒有解決供應的問題，也沒有改變人的需求，但是解決了比對的問題。放眼看過去，大部分的網際網路企業都是在做比對。網際網路企業在比對上能夠比傳統商業做的更好，背後方法也與AlphaGo的例子類似，都是将實體世界建立的模型投影到計算機的數字世界，然後利用由摩爾定律支撐的指數級增長的計算力，在數字世界中進行無限的模拟、探索，并且結合以往的經驗找到更好的方案，再把這個方案反過來應用到現實世界中，并從現實世界獲得真實即時的回報，并用于在數字世界中找到更好的方案。

就像AlphaGo從與樊晖試棋，再到在網上與邀請的頂級圍棋選手對弈，都是期望通過現實棋局得到真實的回報，再回到數字世界中找到更好的解決方案。

日前，還有一個特别火爆的領域，那就是自動駕駛。像谷歌，做自動駕駛近十年時間，積累的路測資料有幾百萬英裡；特斯拉每年賣出幾萬輛汽車，号稱路測資料積累了上億英裡。然而根據專家的估計，想讓自動駕駛汽車能夠可靠的上路行駛，最樂觀的估計也需要至少100億英裡的路測，這對企業來說幾乎是不可能實作的。現在很多自動駕駛企業都建立了模拟系統，在資料世界搭建一個虛拟世界，例如谷歌已經把鳳凰城完全數字化，自動駕駛系統可以再這個虛拟世界中每天行駛超過幾億英裡。

這樣做的好處是，在現實的、線性的世界中，試錯的成本非常高。而通過資料的方法在虛拟數字世界中建立一套與現實世界對應的模拟，利用計算機強大的計算能力去嘗試各種可能性，盡量找到可找到的最好的解決方案，再應用到現實世界中，這樣可以極大的提高疊代速度。

觀察這三個例子，我們可以發現他們有一種共同的模式，那就是模組化，投射，探索，應用和回報；這就是資料驅動方法的基本架構，而其成功的核心，則是試錯的成本和疊代的速度。

最後回到現實的商業中，有沒有可能在商業中應用類似的方法？目前大部分的商業活動還是處于線下。如果應用像剛才說的方法，首先要做的，就是在數字世界中建立一套對實體世界的投影，把實體世界數字化。坦率說，目前世界上在這方面的探索還沒有做得特别好。這也是我們今年在矽谷設立感覺計算實驗室的原因；感覺計算實驗室的使命就是盡可能的把這個世界數字化。

讓我們再看看另一面，目前我們記錄下來的都是使用者的行為，但這個世界除了計算機領域的數字世界、我們生活的實體世界，其實還有每個人大腦中的思維世界。而人的行為，其實都是由大腦中的世界驅動的。那我們有沒有能力把每個人大腦中的世界也數字化呢？這是比我們以往做的更前沿、也更少人去做的事情；而人本實驗室的使命就是試圖去解決這些問題。

綜上所述，對于今天奇點大學執行總裁Kian先生所講的“指數級增長”，我不知道有多少方法可以去實作，但是我們知道，資料的方法是一種已經被證明的可以支撐這種指數級增長、指數級疊代、指數級創新的方法。是以，最後也希望能和大家攜手，一起用資料的心智，知機領變，共同開創一個指數級增長的新世界，謝謝。

本文作者：木子