iPIN CEO杨洋：5年内，HR将大面积失业 | CCF-GAIR 2017

雷锋网消息，7 月 9日，由 中国计算机学会（CCF） 主办，雷锋网和香港中文大学（深圳）承办的第二届CCF-GAIR全球人工智能与机器人峰会进入了第三天。在机器学习专场第三场，iPIN CEO杨洋为大会带来了题为《认知分析—透过机器重新审视商业本质》的分享，阐述了当前AI技术遭遇的瓶颈——认知，让机器实现认知的条件，以及获得认知能力后，技术可以带来的巨大改变。

当前AI技术瓶颈：认知和分析人类常识

人对信息处理的过程简单是分四个步骤：第一，感知；第二，认知；第三，分析；第四，决策。

感知是聚集了目前世界上绝大多数人工智能的技术领域，它的技术领域是如何识别图像、物体、文字、声音等各种识别。但是识别之后，才是我们真正进入到这个商业社会需要理解的，也就是认知。

人工智能在智商层面对人类造成非常大的挑战，但是认知方面非常粗浅。这是人工智能要想代替人更多劳动方面需要突破的地方。以我自己为例，我是iPIN的CEO，大家说我是一个学霸还是一个学渣？这是一个猜测问题，对计算机不是一个简单的问题，人工智能现在就是卡在对社会常识的认知。我是人工智能公司的CEO，我是学霸还是学渣？然后查一下，我985大学毕业，然后创业，后来在美国读信息学博士，这个信息代表我是学霸吗？好像很简单，但是不好意思，对机器来讲真的很难。

Facebook的Yann LeCun今年3月在清华的演讲说，人工智能的一大难题是让机器掌握人类的尝试。我们也在做研究，让机器尝试理解人和社会。

实现机器认知的条件

认知的真相是在具体场景下的投影。我们看到一切、收集到一切信息是投影，我们要做就要尽量找到真相，然后找到这个投影，这是目前机器做认知的基本思想，这是对具体信息理解我们做的事情。

实现机器认知的条件有四点：第一，信息可靠。如果给到错误的信息就很困难，比如说很多做聊天的机器人用论坛信息做参考，如果论坛信息不可靠，机器人信息也不可靠；第二，信息充分，信息量非常大；第三，精细建模，如果信息量不够大就不够敏感，做到小规模的敏感是机器学习的很大的问题，对于罕见和不高频的信息如何做准确认知，这是人可以做到的，不是机器可以做到的；第四，不懂就发问，这是人重要的学习，机器也要做到不懂就问。

iPIN助力个人发展、企业发展的应用

因为我们是分析人和企业，就讲一下人的发展应用和往企业应用取得的成果。

完美志愿是一个高考志愿填报的产品，我们用机器学习了上亿人的职业发展，用上亿人的职业发展总结其中的规律，看人是怎么样发展的，总结出其中的潜规则。所谓的这个“潜”是我们看不到，比如说中华女子学院也招男生，清华大学的男女比例早就不是9：1，现在40%的学生是女生。这种规则你不总结出来不知道，如果在错误规则下面学习是学不出东西的。

前程导航，就是大四毕业到公司工作方面的，这方面用到了一个理论，用那个理论去规划人生；人才分析引擎，我们给机器做半自动化标注，我们教机器标注的规则，让机器自己去标注，这样机器才能很好的学习社会上各种词与词、句子与句子的关系。整个做下来，将HR工作效率得到极大提升，准确率也得到了极大的提升。做一个小小的预言，五年之内HR会大规模失业。

我们也做企业分析。2003年我刚来深圳时，华为和中兴是深圳最好的公司，十多年之后，华为和中兴两家公司差得非常远，我们分析后发现，区别是中兴的销售和华为销售团队的质量和规模有非常大的差距，其他方向都是差不多的，也许这是导致两个公司差别这么大的重要原因。

我们说数字的金字塔最高价值在于决策，我们让决策变得智能，这方面是巨大的商业前景。

有关这次演讲的更完整的内容，欢迎继续关注雷锋网。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。