iPIN CEO楊洋：5年內，HR將大面積失業 | CCF-GAIR 2017

雷鋒網消息，7 月 9日，由 中國計算機學會（CCF） 主辦，雷鋒網和香港中文大學（深圳）承辦的第二屆CCF-GAIR全球人工智能與機器人峰會進入了第三天。在機器學習專場第三場，iPIN CEO楊洋為大會帶來了題為《認知分析—透過機器重新審視商業本質》的分享，闡述了當前AI技術遭遇的瓶頸——認知，讓機器實現認知的條件，以及獲得認知能力后，技術可以帶來的巨大改變。

當前AI技術瓶頸：認知和分析人類常識

人對信息處理的過程簡單是分四個步驟：第一，感知；第二，認知；第三，分析；第四，決策。

感知是聚集了目前世界上絕大多數人工智能的技術領域，它的技術領域是如何識別圖像、物體、文字、聲音等各種識別。但是識別之后，才是我們真正進入到這個商業社會需要理解的，也就是認知。

人工智能在智商層面對人類造成非常大的挑戰，但是認知方面非常粗淺。這是人工智能要想代替人更多勞動方面需要突破的地方。以我自己為例，我是iPIN的CEO，大家說我是一個學霸還是一個學渣？這是一個猜測問題，對計算機不是一個簡單的問題，人工智能現在就是卡在對社會常識的認知。我是人工智能公司的CEO，我是學霸還是學渣？然后查一下，我985大學畢業，然后創業，后來在美國讀信息學博士，這個信息代表我是學霸嗎？好像很簡單，但是不好意思，對機器來講真的很難。

Facebook的Yann LeCun今年3月在清華的演講說，人工智能的一大難題是讓機器掌握人類的嘗試。我們也在做研究，讓機器嘗試理解人和社會。

實現機器認知的條件

認知的真相是在具體場景下的投影。我們看到一切、收集到一切信息是投影，我們要做就要盡量找到真相，然后找到這個投影，這是目前機器做認知的基本思想，這是對具體信息理解我們做的事情。

實現機器認知的條件有四點：第一，信息可靠。如果給到錯誤的信息就很困難，比如說很多做聊天的機器人用論壇信息做參考，如果論壇信息不可靠，機器人信息也不可靠；第二，信息充分，信息量非常大；第三，精細建模，如果信息量不夠大就不夠敏感，做到小規模的敏感是機器學習的很大的問題，對于罕見和不高頻的信息如何做準確認知，這是人可以做到的，不是機器可以做到的；第四，不懂就發問，這是人重要的學習，機器也要做到不懂就問。

iPIN助力個人發展、企業發展的應用

因為我們是分析人和企業，就講一下人的發展應用和往企業應用取得的成果。

完美志愿是一個高考志愿填報的產品，我們用機器學習了上億人的職業發展，用上億人的職業發展總結其中的規律，看人是怎么樣發展的，總結出其中的潛規則。所謂的這個“潛”是我們看不到，比如說中華女子學院也招男生，清華大學的男女比例早就不是9：1，現在40%的學生是女生。這種規則你不總結出來不知道，如果在錯誤規則下面學習是學不出東西的。

前程導航，就是大四畢業到公司工作方面的，這方面用到了一個理論，用那個理論去規劃人生；人才分析引擎，我們給機器做半自動化標注，我們教機器標注的規則，讓機器自己去標注，這樣機器才能很好的學習社會上各種詞與詞、句子與句子的關系。整個做下來，將HR工作效率得到極大提升，準確率也得到了極大的提升。做一個小小的預言，五年之內HR會大規模失業。

我們也做企業分析。2003年我剛來深圳時，華為和中興是深圳最好的公司，十多年之后，華為和中興兩家公司差得非常遠，我們分析后發現，區別是中興的銷售和華為銷售團隊的質量和規模有非常大的差距，其他方向都是差不多的，也許這是導致兩個公司差別這么大的重要原因。

我們說數字的金字塔最高價值在于決策，我們讓決策變得智能，這方面是巨大的商業前景。

有關這次演講的更完整的內容，歡迎繼續關注雷鋒網。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。