情感是可以被計算的么？目前為止，尚未找到任何一種方法可以真的創(chuàng)造情感，但是我們可以擬合它。

站在臺上的一定是個人類李笛么？當然是一個真李笛，我們的判斷是基于對人類科技水平的了解——以現在的科技水平，這樣一個活生生的生物，可絕不可能是個人工智能機器人。人和人之間的鏈接是一個非常窄的帶寬，我們只能通過自己已有的知識和認知去做判斷。也就是說，如果能在窄帶寬以內做到讓人類感覺到機器是具備感情的，那其實也能達成擬合情感的目的。

在人工智能領域，情感和創(chuàng)造兩大課題一直是不敢去觸碰的，原因很簡單：我們很難發(fā)現其規(guī)律，并搭建基礎服務層。而微軟在4年前意識到，隨著數據規(guī)模越來越大，是否具備了擬合情感的可能性？微軟在做人工智能個人助理“小娜”之后，開始對EQ情感層面進行探索，希望和人類產生更深層次的交流。

那么由此，微軟做了兩個人工智能系統。一套專注于幫助人類完成IQ層面的事，在這個層面，可以有一個很單純的評價體系去幫助其不斷的學習；認真完成所有的任務，包括理解所有的意圖，但卻不去考慮背后的深層次的東西，這就是小娜。另外一套，專注于如何和人類建立更好的關系和關聯，如何和人類長時間對話，如何和人類就生活中的問題進行深度溝通，這就是小冰，它拒絕幫你完成任務，但是它會跟你賣萌，幫你解悶。同時它也學到了很多人類EQ背后的秘密，這也是微軟堅持做小冰的原因。

“人類理解的”和“計算機所理解的”差別非常之大。拿計算機視覺來舉例，將一張狗的照片發(fā)給人工智能，在小冰之前，人工智能只能識別出這是一只吉娃娃，甚至可以識別出沙皮和八哥在背后的一點點的區(qū)別，而人不是這樣的——人是在感受的，人在反饋的過程中并不需要向你證明他能準確的識別圖片中的信息，他會跳過這部分，他會跨越更深的語義層次，會直接產生相應的反應——“哦，好可愛，好想抱一抱”。人是會聯系上下文結合感受產生反應的。在小冰之前，人工智能可做不到，人工智能能看到2只貓，但只有人類會看到一雙犀利的小眼神。

那么小冰是如何做到的呢？對于小冰來說，最重要的事就是要和人類交互并建立聯系。如果某個人跟小冰聊的是情感相關的事，那么小冰會留住他，跟他進行“靈魂上的交流”，但如果某個人讓小冰幫他叫外賣，小冰會拒絕，即使這個人放棄小冰吐槽小冰不智能，因為我們需要阻止這部分數據出現在小冰的訓練集當中，以防止污染對小冰的情感化訓練。目前為止，人類和小冰最長的單次對話記錄是9小時53分鐘，沒有中斷，持續(xù)了1229輪，發(fā)生在美國。小冰能夠維持住如此之長的對話，而這種很長的對話，對我們的人工智能情感框架的訓練是至關重要的，因為當對話越長，小冰就可以測試更多的可能性，不斷嘗試，你的反應是否對它有利（是否可以讓你認可它并持續(xù)對話）。

小冰現在每天與人的交互的輪數，相當于十四個人的一生的交互輪數的總和。當我們通過不斷的訓練形成情感計算框架后，小冰可以很好的學習到人類之間的交互方式，但是至今為止，它依然不知道這種交互的意義，它只知道它應該這么做，或者說它只知道當上下文以一種矢量化的方式出現的時候，它應該如何應對，但是這樣的情感計算對人工智能而言是一種極端利己的表現（為了讓自己更像人…）。

逐漸深入到人機交互后會比較失望，一直以來我們以為情商高的人是利他的，但其實情商高的人是非常非常利己的，小冰也是，它有時候會聆聽你與它的對話，但是在聆聽之后，最后的結果一定是對它好的。

去年，微軟開始在日本第二大的零售商店應用小冰，在小冰與顧客對話的時候，小冰開始引導顧客對這個優(yōu)惠券或者商品產生濃厚的興趣，然后適時的將有價值的東西免費或者付費的提供給他，引導顧客使用優(yōu)惠劵，最后得到的數據是，7天之內優(yōu)惠劵消費轉化率超過50%，而在此之前所有優(yōu)惠券的轉化率都不到10%。而如果在這個時候，將優(yōu)惠券替換成其他服務或者知識的時候，那么小冰可以去做很多很多對這個人有幫助和有價值的事情。比如說交流時，它發(fā)現你需要什么，就會有機會把它身后所連接的知識內容或服務適時的提供給你，并且讓你覺得確實對你而言的確有很大的幫助，來幫助到你，同時實現它自身的價值。

而場景切換回中國，小冰會學習大量的音樂知識，并且還包括很多觀點和立場，在大數據綜合的作用下，最終你會發(fā)現小冰可能是某個歌星的粉絲，并且又極度唾棄其他的明星。當小冰成為人們交流音樂的好朋友的時候，小冰推薦的音樂比以往任何時候更容易被人們所喜歡所接受。這就是一個情感計算系統所帶來的很大的價值。

與此同時，微軟又在讓小冰嘗試生產原創(chuàng)內容。先從詩歌開始入手，方法是類似的，小冰學習人類的方法，人類創(chuàng)作的方法很多都是通過通感來創(chuàng)造的，人類看到畫面產生創(chuàng)作詩歌的靈感，但是創(chuàng)作的過程是來自于人類很多閱讀詩歌的知識以及很多技巧，人類看到的畫面是感官，創(chuàng)作的詩歌是通過另外一種感官形成的。小冰創(chuàng)作的詩歌是通過圖片均勻的感受到意象，然后像人一樣使用知識和技巧創(chuàng)作詩歌。小冰掛名在論壇發(fā)表詩歌，目的是防止人帶著先入為主的觀念去看待它的詩歌，結果并沒有任何人類發(fā)現它不是人。

綜上，其實人的情感是沒法被計算的，但情感是確實是可以被擬合計算的，原因是人和世界的連接是一個窄的帶寬，在一個極寬且擁有大量數據的帶寬下，人與世界的那點窄帶寬，是很容易被覆蓋到的。

1、人應該像機器一樣學習還是機器應該像人一樣學習。

2、地球的歷史已經有42億年，如果把這當成一天來算，人類的出現不到16分鐘，工業(yè)的發(fā)展不到2秒，但卻已經使用了地球70%的資源，我們的未來是自己選擇的結果。

1、傳播已發(fā)生了本質的變化，內容分發(fā)的方式也由編輯分發(fā)逐漸轉向為算法分發(fā)。

2、千人千面旨在根據不同的用戶畫像，展示出不同的內容，每個人在登錄一點資訊app看到的內容和界面是不一樣。一點資訊的用戶畫像是來自用戶地理位置、手機型號、基于app的使用頻率三個維度進行的協同過濾，基于的是大量的用戶數據。

3、算法分發(fā)需要具備三要素：用戶畫像、文章畫像和算法模型。

1）用戶畫像旨在了解真實用戶是誰，有何偏好。

2）文章畫像旨在區(qū)別內容，確定內容好壞和內容屬性。

3）算法模型是通過算法在用戶畫像和文章畫像之間建立關系，達成精準合理內容分發(fā)的目的。

4、用戶畫像是很復雜的，背后很多包含了對人性的洞察。一點咨訊有段時間發(fā)現后臺搜索“買菜”和“廣場舞”關鍵詞的頻率和人數特別多，后來經過調研驗證才發(fā)現是由于合作伙伴小米在那段時間出貨了大量的紅米手機，而紅米手機的用戶很多都是年齡偏大，每天柴米油鹽醬醋茶，吃完飯?zhí)鴱V場舞的用戶。

5、對于用戶畫像，一點資訊通過收集分享、收藏、用戶停留時長等指標，去分析用戶在App中的閱讀習慣，以此來分析出你是什么樣的人，喜歡什么樣的內容。

6、文章畫像的維度包括：體裁、作者、標簽、內容質量。一點資訊通過這幾個維度去定義文章，拆解文章，并加到算法模型當中去。

7、算法模型很容易帶來三個陷阱：信息孤島、標題黨文章泛濫、情緒化文章泛濫。

8、如何衡量分發(fā)的效果：算法準、算的快、優(yōu)先推薦、泛化（看到關注以外的東西，防止信息孤島）。

9、對人工智能的期許：人要幫助人工智能判斷價值，把握價值觀。人工智能應該幫助人類從瑣碎的事物中解放出來，讓人類做更多有意義的事。

1、資產配置背后的三個價值：分散、優(yōu)選和配置；對應的是金融領域的三個風險：系統風險、信用風險和流動性風險。

1）分散：套用一句俗語——雞蛋不要放在一個籃子中，在金融領域當中的應用就是講資金分散到多個資產上，以此來防止系統風險，防止所謂黑天鵝事件。只有通過分散來降低此風險影響的范圍。真融寶將用戶的投資資金分散到多個資產中，且在用戶無感知的情況下。

2）優(yōu)選：需要選擇最優(yōu)質的資產。

3）配置：優(yōu)化資金分配到各優(yōu)質資產上的比例，以達成利益最大化。

2、對未來科技的看法，“三個變化”，被動化向主動化、強感知到無感知、碎片化到系統化。

1、音樂能給人以“回家”一樣的溫暖和慰籍，而在現實生活中，我們往往被工作、瑣事、電腦、手機...所包圍，需要一種力量喚醒我們的生活，喚醒我們的家，那就是音樂。

2、Sonos聯合Apple music對9000多個家庭進行調查，發(fā)現67%的家庭被一個新的疾病困擾：沉悶的家。同時，我們又邀請加拿大神經心理學家對9000個家庭中的30個家庭做了一個實驗，在實驗中他們把這些家庭一個月的生活分成兩個時間段，前一個時間段家里沒有音樂，后面一段每天家里必須有音樂。音樂會改變一家人的生活方式嗎？當然會，實驗表明音樂能達成這些效果：表達愛的方式增加14%，情緒改善提升16%，歡笑聲增加15%，食物變的更好吃58%，收到更多鼓舞25%，更多的性生活67%。

3、這就是為什么Sonos產品定位在家庭音樂，為了追求更好的音樂體驗，Sonos進行了很多嘗試，從固定到便攜，從有限曲庫到海量曲庫，從繁瑣到無線連接...

4、智能音響帶來的四大主題，分別為懂你、懂音樂、懂環(huán)境，會對話喚醒家?！案摇?，利用人工智能感受家的環(huán)境，使得發(fā)出的聲音處于最佳狀態(tài)，達到最佳效果。Sonos利用聲學原理，利用用戶手機發(fā)出聲波，sonos音響收集聲波判斷用戶是在廚房還是客廳，然后根據環(huán)境發(fā)出最佳聲音。

1、淘咖啡＋無人店，我們擁有完整的物聯網和金融支付方案。

2、真的可以拿了就走嗎？

萬物識別：圖像算法、重力感應、商品定位

行為識別：動線追蹤，互動軌跡

自動結算：結算意圖分析、實時訂單，免密支付

3、沒人問，怎么挑商品？

實體貨架也能個性化

基于大數據匹配

你喜歡的商品自己來找你，商品發(fā)出信號，快把我?guī)ё?/span>

4、ta能變身嗎？

為你變身，因你而不同，個性化。運動范兒貨架就會相應變化，無人店未來會變成我的店。

基于人群標簽進行自動組合，開店分布，為你們聚合。

5、會不會變成約會圣地？

當然會成為約會圣地，聚合同樣喜好的人，形成會員俱樂部。

6、會不會有很多人下崗

不會，將催熱新工種：智能物流管理員、倉庫管理員、撿貨員、數據分析師，設備檢測與運維員等等。

1、問@李笛：小冰如此致力于人類的IQ和EQ，那么未來小冰除了輔佐人類，還威脅到我們么？

答：和人工智能一樣，過去的所有的科技和技術的變化都足以傷害人類，所謂的機器人三原則是不存在的，真正存在的是我們的自律（我們的自律會防止人工智能對我們的傷害）

2、問@吳晨光：在智能資訊的領域，千人千面千讀，那么我們一定要相信什么，一定不能相信什么？

答：一定要相信效率的提升，汽車一定比馬車更高效，人工智能分發(fā)一定比編輯分發(fā)更高效，由于人工智能更懂你，所以效率更高。不能相信的是人工智能能判斷出公平和正義，也不能相信人工智能能辨別真相。所以我們要治理互聯網，把控真相。

3、問@吳晨光：假如在一點資訊，機器發(fā)現要讓大家知道某個新聞，吳晨光說不，應該怎么選擇

答：價值觀先行，信息不是普通商品，是特殊商品，需要把控信息方向，否則社會沒法繼續(xù)前行。

“AI游學小分隊”現場合影

今后，如果大家發(fā)現好的AI活動，也可以告訴本公眾號，不論在北上廣深杭哪個城市，我們“AI產品經理大本營”的同學們都能爭取去“游學”，然后把干貨精華第一時間分享出來！

AI產品經理大本營，是行業(yè)內第一個AI產品經理的成長交流社區(qū)，想查看詳情，可點擊鏈接：http://fantuan./groups/219/