作者 | 龙老师

出品 | 子弹财经

虽然已经写进了“新基建”，但人工智能从总体上来说，仍然是一个非常前沿且充满不确定性的交叉学科。

我们不能否定AI将在未来智能社会图景中扮演重要角色的历史意义，但从上半场“展示概念”到下半场“展示实力”的转变中，AI本身也将迅速迭代和升级，其发展将是跳跃性而非线性的。

对一家刚刚经历A轮融资的AI企业——暗物智能科技（以下简称“暗物智能”）的观察，或许能证实上述观点。

1、鹦鹉范式和乌鸦范式，AI也有智商问题

人们开始关注“AI寒冬”这个问题。

其实，这并不是人工智能领域第一次遇到类似的问题。

自从1956年大名鼎鼎的“达特茅斯会议”开始，人工智能领域其实就是一个没有共识、不按线性发展的领域。由于它没有明确的路径和验证过的模式，所有的努力都在无人区里。

达特茅斯会议后，曾掀起一阵人工智能浪潮，包括美国国家科学基金会在内的很多机构满怀希望投了很多钱，但由于算力等基础条件不具备，人工智能在1970年和1990年迎来了两次寒冬。

2016年以后，人工智能似乎开始再次繁荣，标志性事件是阿尔法狗战胜李世石，后者直接导致中国创业领域开始密集扎堆在AI领域。据不完全统计，和AI有关的创业公司在数年里成立了上万家。

但是，AI的前沿性决定了，既不是某一家公司起步早、资金雄厚就一定干得成，也不是一个赛道、一个方向上鏖集的企业越多、投资越多，就一定是正确的方向。

也许你觉得我们身边的“AI”产品不少了，但就如同人脑一样，AI也有“聪明”和“弱智”的区别，初级和高阶的区别。

（图 / 摄图网，基于VRF协议）

很多我们现在感到很先进的“AI”技术，其实只是“感知层”AI。

什么叫“感知层”AI呢？我们可以将其比作人的器官——眼睛。比如儿童的双眼可以清楚地看到物体，但并不能分辨物体背后的信息，是真实的还是虚幻的，是安全的还是危险的，这就是只有“感知”而没有“认知”。

大家熟知的“人脸识别”就是感知层AI应用的一个典型。摄像头通过采集人脸数据的方式获取了人脸特征信息，然后和数据库中保存的数据进行对比，如果对比通过就识别成功。但摄像头背后的电脑，也许并不知道这个数据代表的是“脸”，更不用说分辨出“人”对应着什么，需要作何判断。

能判断、推理的AI能力，我们才称为“认知AI”。简单来说，认知AI的特点就是“知其然，并且知其所以然”。因此，系统不但能感知信息，而且基于感知的结果能做认知层面的推理和判断。

去年起，中国轰轰烈烈的AI创业遇到了很大的挑战，投资缩减、多个企业宣布裁员或转型。这里面的原因很多也很复杂，但从现象上来看，是AI的大规模商业化落地并不如想象中那么顺利。而其背后的本质，主要还是受制于AI的发展水平，目前“感知层”AI能解决的问题有限，使用场景有限，解决的痛点不多。

人工智能领域的大牛朱松纯教授曾生动地用“鹦鹉范式”和“乌鸦范式”来譬喻人工智能的层次：

一种称之为“鹦鹉范式”，鹦鹉经训练可以与人类对话，但是不理解你在说什么。

还有一种是“乌鸦范式”，乌鸦找到核桃之后，会把核桃扔在路上，让车去压，压碎了再吃。但是因为路上车太多，乌鸦吃不到核桃，于是乌鸦把核桃扔到斑马线上，因为这里有红绿灯，红灯亮时车都停住了，它就可以去吃。

（图 / 乌鸦吃到核桃的过程）

这个例子是非常惊人的，因为乌鸦既没有大数据，也没有监督学习，却完全可以自主地研究其中的因果关系，然后利用资源规划和执行任务，在过程中不断修正计划，发现新的因果链条，而且功耗非常小，这给了我们很大的启发。

显然，我们需要的真正的智能是“乌鸦”而不是“鹦鹉”。但为何认知智能和感知智能的差别如此之大？朱松纯教授认为，这是因为“人”在面对同一个画面时，由于所面临的任务、心情、社交意图和价值取向等多种主观因素，产生的认知反应会有多种变化，而这些因素并不能被现在的计算机视觉算法所察觉，所谓“相由心生”。他形象地把这些不被察觉但确实存在的因素称为“AI暗物质”，是感知智能和认知智能之间的一座大山。

于是，一家被称为“暗物智能”的企业由此诞生。

2、暗物智能的三重门

看一家AI公司是否牛逼，要看三个层次，带头人、技术架构及核心应用。

去年9月，多方媒体验证，UCLA教授朱松纯以国家战略科学家的身份回国，受邀筹建北京通用人工智能研究院并担任院长，与此同时，朱教授也将与北京大学、清华大学展开研究合作。

为什么是朱松纯？

首先，从学术地位来说，作为华人AI领域的顶级学者，他曾在各种国际顶级期刊上发表论文300余篇，三次问鼎计算机视觉领域最高奖项马尔奖。

其次，从UCLA网站搜索到的信息来看，他两次担任美国视觉、认知科学及AI领域跨学科合作项目MURI（Multidisciplinary University Research Initiative）负责人，带领来自Berkeley、Caltech、CMU、MIT、Stanford、Brown、Yale以及英国牛津大学的跨学科教授专家攻关人机交互认知理论、跨领域AI融合等新一代人工智能技术的难题。这种作为国际大项目领导者、组织者的经历，是十分难得的。