大数据文摘作品
记者：郑璇真
本文为清华数据科学研究院联合大数据文摘发起的年度白皮书《顶级数据团队建设全景报告》系列专访的第三篇内容。《报告》囊括专家访谈、问卷、网络数据分析，力求为行业内数据团队的组建和高校数据人才的培养提供指导性意见。前往文末参与填写问卷，将获得《报告》完整版~
“再不数据化智能化，就要被拍死在沙滩上了！”
大数据和人工智能似乎成为了这个时代的主题曲，与此同时，焦虑感也开始在行业中蔓延，从初创公司到行业巨头，都急切地想要跟上这股越炒越热的浪潮。
但在数据化转型的尝试中，很多企业却面临着数据团队建设目标不清晰、业务界限模糊、人才缺乏等问题。
究竟什么是数据化、智能化？这些紧张的企业们跑对方向了吗？
7月初，在康奈尔北京峰会上，微软中国首席技术官韦青在现场参与了人工智能圆桌论坛，会后，我们和他聊了聊，听他讲述了自己对于企业数据化智能化转型的看法。
Q：目前很多企业还属于数据化的转型阶段，但也想要跟上 AI方向的转型热潮，您怎么看，会觉得这是操之过急的吗？
A：倒不是说操之过急，但我觉得现在的企业其实没有必要太过焦虑，现在经常听到“实体经济要被虚拟经济代替”的言论，“脱实入虚”与“脱虚入实”两派也争得火热，大家尤其是所谓传统企业好像都特别焦虑。
我首先要强调的一点是，未来是一个所有变化都基于数字化的时代，因此不管企业做的是什么样的事情，如果数字化这一步做不到位的话，确实不会有很好的未来。
但是目前的情况是人们把“智能化”神话了，其实没有必要。
从本质上说，所谓智能化，和从前的自动化，或者说数学上的预测和分析并没有什么区别，都是依靠足够的数据来产生一种模型，用这种模型来对事件进行预测，或者来操纵一些操纵器，从而做出更多东西来。
如果不了解智能化的这种实现方式，只看到人工智能表面上非常类似人类智慧的表现，很容易觉得人工智能的行为方式就像真正的人一样，从而将智能化神话。但实际上，人工智能只是在海量数据中找出模型之后的一种拟合。
这种拟合的方式，其实早在400多年前，牛顿和莱布尼茨发明微积分的时候就产生了，微分的拟合和现在人工智能的原理其实在本质上并没有区别。
人工智能再怎么伟大，都是在几十年前通过逻辑归纳的方法，模拟人的思考，引入概率的方法来做出的。所以人工智能说来说去就是分类、聚类，加上拟合。
彷徨和焦虑的企业可能在做着数据数字化的同时又想跟上AI的潮流，但我们要请这些企业反思一下自己，为什么要做数字化？真的做完数字化了吗？
我可以很公平地讲，很多企业压根就不知道为什么做数字化，也没有做完数字化。比方说现在很多企业认为上云不安全、不可靠，或者觉得自己服务自己就已经足够了，所以决定不上云。
我非常尊重这种决定，但是这不是真正的数字化。
这里的逻辑跟100年前用电是一模一样的，当你的厂子只有十盏灯需要用电的时候，只要装一个柴油发电机，甚至手摇发电机就足够，甚至赶个骡子转圈就够用了。
从表面上看，点亮了十盏灯也是电气化，但真正的电气化是包括整个工厂所有的生产流程，包括家庭要有电冰箱、电视机，那时候只赶骡子转圈来发电就不行了，手摇发电机也不够用了，甚至在自家后院用柴油发电机发电也不够了。
不使用云来进行数字化，就和用手摇发电机来实现电气化是一样的。
云是什么？云就是一种计算能力，理论上用手机也可以实现云的能力，手机也具备网络，具备数据，具备计算。云的基本就是数据、网络和计算这三点，不要把云神话，它就是一个抽象的手机，一个电脑、一个服务器。
我们说“云物大智”是新一轮发展的四部曲，云是云计算，物是物联网，大是大数据，智是人工智能。
云计算是起点，终点是未来的智能社会。现在的智能实际上是建立在概率论的基础上的，也就是数据养大的，但现在数据还不够，因为我们还没有建立起万物互联社会，而万物互联要靠云计算架构来支撑。
如果连云都不上的话，要做智能是不可能的，因为没有云就说明数字化没有做得彻底，也没建物联网，物的数据没收上来，就不可能产生比对，就产生不了洞察，没有洞察就没有智能。
所以现在一定要实证，只要自己去想自己去做，就会发现其实很多事情完全就是人云亦云。
现在人云亦云得最明显的一个现象，就是由虚入实和由实入虚的争论，其实没有什么可争的，虚实经济是趋势，虚拟和实体一定是结合的，不存在谁代替谁的问题，谁也代替不了谁。因为数字化、虚拟有效率高的优势，而实体是人能够感知到的，虚实是可以结合相长的。
还一个人云亦云的说法，就是弯道超车。
其实弯道超车就是赌博行为，因为严格意义上，弯道超车的技能要求远比正常开车还要高，正常情况应该是我的技能很好，才能弯道超车，但现在有的企业是说自己不行，想要弯道超车，这不就赌博吗？实际上应该是变道超车，得承认自己不行了，但是再开一盘棋，这样我觉得比较科学一点。
Q：现在很多企业为了进行变革，会引入第三方的AI自动化项目，微软本身也在推出这类产品。您有什么建议呢，AI／数据化变革中，企业应该用第三方的，还是建一个自己的核心团队？
A：现在人工智能要做成，要有四个支柱，一个是人才，一个是数据，一个是算法，一个是算力，有的公司把这些混淆在一起，不明白是怎么回事，就会问，AI团队是用第三方的还是用自己的？
只能是自己的。
就像用电一样，虽然我们自己并不会去发电，但是我们会拿电来设计电器，比如说格力用电来做空调冰箱，同样的，微软、阿里或者百度，提供的就像电力一样，是一种“智能力”，企业要把这种智能力转化成自己行业的算法。
第三方不会知道企业的流程怎么才是最优秀的，好的做法应该是由第三方为企业提供最优秀的基础算法和充分的算力，企业自己把数据采集上来，培养自己的专家，当然这个专家也可以由第三方帮忙培养，但一定要了解行业经验、行业知识，结合自己的行业知识和经验来得出适合自己的算法。
企业在这个过程中可以源源不断地使用第三方提供的计算力，这种计算力的表现形式只是最基本的compute，就是说第三方会提供一些基础的算法，但是不可能帮助企业解决人工智能的问题，这方面企业一定要靠自己。
企业要培养自己的人才，但没有必要培养所谓算力的人才，因为算力是劳动密集型、资金密集型的；也不是要培养算法的人才，而是要培养利用算法的行业人才。
就像要拧螺丝，最终目的只是要把两个家具拧在一起，而并不是要螺丝和螺丝刀，没有必要自己去开个螺丝刀厂，只需要从德国买一个最好的螺丝刀过来拧上，就可以了。
Q：微软对于数据人才或者AI人才有怎样的期待？对想要入行的同学们又有什么建议呢？
A：我们对人才的期待有两个。一个就是要数学非常好，就是在算法的层面，我们称之为算法科学家。这是要花很多时间积累的，其实不只是数学，也要有实际经验，还得有计算机能力，包括电子工程的能力，得是个全才。
第二个我们发现现在最缺的，是懂行业经验的，能够把数据科学家做好的工具用起来的人，这样的人才极度缺乏。等于说原来两个柜子是用钉子钉上的，现在有人发明了一种螺丝能够比钉子更好，但是满大街没有人会用螺丝，都只会敲钉子。实际上敲钉子和拧螺丝虽然动作不一样，但本质是差不多的。
对同学们的建议，首先我个人不认为每个人都可以成为科学家，其实大部分人都是实用型人才，包括我自己也认为我只是一个实用型的人才。
所以大家首先要掂量自己的能力，你是可以真正像数学家一样做出算法的突破，还是说你对这种工具非常了解，愿意把它应用到国计民生中去，为人类造福，也可以理解为，你是愿意充当特斯拉、爱迪生，还是成为后来的福特？后者是在用电力去改造这个社会，但并不去考虑电力本身。
对于同学们来讲，我觉得不要过多纠结现在（人工智能/大数据）很热门，100年前电力也很热门的，每个人都建个小电厂，但实际上你会发现这些大部分都死了，因为社会的关注点马上就会转到用这个电来落地，你会发现什么都要改造的，过去100年是电气化改造和信息化改造，现在是智能化改造，这种改造的能力其实是非常重要的。
我给大家的建议是一定要明白，人工智能是数据，是算法，是计算力，你可以做数据，做数学，做芯片开发，做5G通讯，也可以做物联网，也可以做云计算，这些都是人工智能的组成部分。不要说去做人工智能就只是人工智能。
另外就是不要吃二手饭。我们现在最头疼的就是太多的年轻人去吃二手饭，什么叫二手饭？比如今天讲区块链，在开源社区有很多做好的链可以发，但是有多少人自己发过一个链呢？
其实自己发过就会知道，现在社会上讲的无论是人工智能还是区块链还是量子计算，绝大多数都是胡说八道。
因为媒体编辑记者不如科学家那么懂人工智能和量子计算，但是同学们却希望靠这些媒体的记者编辑，来把这些他们自己都不懂的知识传授给你。
所以强烈建议我们不要吃二手饭，要自己去了解人工智能、区块链，量子计算。
关注大数据文摘微信公众号，查看《报告》前两期内容
数据还在“周更”的快消巨人雀巢，将全球供应链预测误差降低了50%
业界 | 车好多CTO张小沛：从高管到一线，如何营造全公司一致的数据价值观
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
