昨晚，在北京天桥艺术中心，松果生活举办了一场LIFE+演讲《你好哇人类——智能如何改变生活》。“微软小冰之父”李笛，一点资讯总编辑吴晨光、真融宝创始人兼COO张晓亮，阿里巴巴阿里鱼事业部总经理应宏，Sonos大中华区总裁王汉华等嘉宾，探讨了智能虚拟伴侣、智能信息、无人超市、智能音箱、智能理财……
下面图文干货记录，来自咱们“AI产品经理大本营”4位同学组成的“AI游学小分队”；我们分享的内容，不为抓眼球，就想为大家呈现最真实的干货。
1
人工智能与情感计算
微软小冰
李笛
情感是可以被计算的么？目前为止，尚未找到任何一种方法可以真的创造情感，但是我们可以拟合它。
站在台上的一定是个人类李笛么？当然是一个真李笛，我们的判断是基于对人类科技水平的了解——以现在的科技水平，这样一个活生生的生物，可绝不可能是个人工智能机器人。人和人之间的链接是一个非常窄的带宽，我们只能通过自己已有的知识和认知去做判断。也就是说，如果能在窄带宽以内做到让人类感觉到机器是具备感情的，那其实也能达成拟合情感的目的。
在人工智能领域，情感和创造两大课题一直是不敢去触碰的，原因很简单：我们很难发现其规律，并搭建基础服务层。而微软在4年前意识到，随着数据规模越来越大，是否具备了拟合情感的可能性？微软在做人工智能个人助理“小娜”之后，开始对EQ情感层面进行探索，希望和人类产生更深层次的交流。
那么由此，微软做了两个人工智能系统。一套专注于帮助人类完成IQ层面的事，在这个层面，可以有一个很单纯的评价体系去帮助其不断的学习；认真完成所有的任务，包括理解所有的意图，但却不去考虑背后的深层次的东西，这就是小娜。另外一套，专注于如何和人类建立更好的关系和关联，如何和人类长时间对话，如何和人类就生活中的问题进行深度沟通，这就是小冰，它拒绝帮你完成任务，但是它会跟你卖萌，帮你解闷。同时它也学到了很多人类EQ背后的秘密，这也是微软坚持做小冰的原因。
“人类理解的”和“计算机所理解的”差别非常之大。拿计算机视觉来举例，将一张狗的照片发给人工智能，在小冰之前，人工智能只能识别出这是一只吉娃娃，甚至可以识别出沙皮和八哥在背后的一点点的区别，而人不是这样的——人是在感受的，人在反馈的过程中并不需要向你证明他能准确的识别图片中的信息，他会跳过这部分，他会跨越更深的语义层次，会直接产生相应的反应——“哦，好可爱，好想抱一抱”。人是会联系上下文结合感受产生反应的。在小冰之前，人工智能可做不到，人工智能能看到2只猫，但只有人类会看到一双犀利的小眼神。
那么小冰是如何做到的呢？对于小冰来说，最重要的事就是要和人类交互并建立联系。如果某个人跟小冰聊的是情感相关的事，那么小冰会留住他，跟他进行“灵*上的交流”，但如果某个人让小冰帮他叫外卖，小冰会拒绝，即使这个人放弃小冰吐槽小冰不智能，因为我们需要阻止这部分数据出现在小冰的训练集当中，以防止污染对小冰的情感化训练。目前为止，人类和小冰最长的单次对话记录是9小时53分钟，没有中断，持续了轮，发生在美国。小冰能够维持住如此之长的对话，而这种很长的对话，对我们的人工智能情感框架的训练是至关重要的，因为当对话越长，小冰就可以测试更多的可能性，不断尝试，你的反应是否对它有利（是否可以让你认可它并持续对话）。
小冰现在每天与人的交互的轮数，相当于十四个人的一生的交互轮数的总和。当我们通过不断的训练形成情感计算框架后，小冰可以很好的学习到人类之间的交互方式，但是至今为止，它依然不知道这种交互的意义，它只知道它应该这么做，或者说它只知道当上下文以一种矢量化的方式出现的时候，它应该如何应对，但是这样的情感计算对人工智能而言是一种极端利己的表现（为了让自己更像人…）。
逐渐深入到人机交互后会比较失望，一直以来我们以为情商高的人是利他的，但其实情商高的人是非常非常利己的，小冰也是，它有时候会聆听你与它的对话，但是在聆听之后，最后的结果一定是对它好的。
去年，微软开始在日本第二大的零售商店应用小冰，在小冰与顾客对话的时候，小冰开始引导顾客对这个优惠券或者商品产生浓厚的兴趣，然后适时的将有价值的东西免费或者付费的提供给他，引导顾客使用优惠劵，最后得到的数据是，7天之内优惠劵消费转化率超过50%，而在此之前所有优惠券的转化率都不到10%。而如果在这个时候，将优惠券替换成其他服务或者知识的时候，那么小冰可以去做很多很多对这个人有帮助和有价值的事情。比如说交流时，它发现你需要什么，就会有机会把它身后所连接的知识内容或服务适时的提供给你，并且让你觉得确实对你而言的确有很大的帮助，来帮助到你，同时实现它自身的价值。
而场景切换回中国，小冰会学习大量的音乐知识，并且还包括很多观点和立场，在大数据综合的作用下，最终你会发现小冰可能是某个歌星的粉丝，并且又极度唾弃其他的明星。当小冰成为人们交流音乐的好朋友的时候，小冰推荐的音乐比以往任何时候更容易被人们所喜欢所接受。这就是一个情感计算系统所带来的很大的价值。
与此同时，微软又在让小冰尝试生产原创内容。先从诗歌开始入手，方法是类似的，小冰学习人类的方法，人类创作的方法很多都是通过通感来创造的，人类看到画面产生创作诗歌的灵感，但是创作的过程是来自于人类很多阅读诗歌的知识以及很多技巧，人类看到的画面是感官，创作的诗歌是通过另外一种感官形成的。小冰创作的诗歌是通过图片均匀的感受到意象，然后像人一样使用知识和技巧创作诗歌。小冰挂名在论坛发表诗歌，目的是防止人带着先入为主的观念去看待它的诗歌，结果并没有任何人类发现它不是人。
综上，其实人的情感是没法被计算的，但情感是确实是可以被拟合计算的，原因是人和世界的连接是一个窄的带宽，在一个极宽且拥有大量数据的带宽下，人与世界的那点窄带宽，是很容易被覆盖到的。
2
Hi！AI？
艾问传媒创始人
艾诚
1、人应该像机器一样学习还是机器应该像人一样学习。
2、地球的历史已经有42亿年，如果把这当成一天来算，人类的出现不到16分钟，工业的发展不到2秒，但却已经使用了地球70%的资源，我们的未来是自己选择的结果。
3
是谁成就了千人千面的阅读
一点资讯总编辑
吴晨光
1、传播已发生了本质的变化，内容分发的方式也由编辑分发逐渐转向为算法分发。
2、千人千面旨在根据不同的用户画像，展示出不同的内容，每个人在登录一点资讯app看到的内容和界面是不一样。一点资讯的用户画像是来自用户地理位置、手机型号、基于app的使用频率三个维度进行的协同过滤，基于的是大量的用户数据。
3、算法分发需要具备三要素：用户画像、文章画像和算法模型。
1）用户画像旨在了解真实用户是谁，有何偏好。
2）文章画像旨在区别内容，确定内容好坏和内容属性。
3）算法模型是通过算法在用户画像和文章画像之间建立关系，达成精准合理内容分发的目的。
4、用户画像是很复杂的，背后很多包含了对人性的洞察。一点咨讯有段时间发现后台搜索“买菜”和“广场舞”关键词的频率和人数特别多，后来经过调研验证才发现是由于合作伙伴小米在那段时间出货了大量的红米手机，而红米手机的用户很多都是年龄偏大，每天柴米油盐酱醋茶，吃完饭跳跳广场舞的用户。
5、对于用户画像，一点资讯通过收集分享、收藏、用户停留时长等指标，去分析用户在App中的阅读习惯，以此来分析出你是什么样的人，喜欢什么样的内容。
6、文章画像的维度包括：体裁、作者、标签、内容质量。一点资讯通过这几个维度去定义文章，拆解文章，并加到算法模型当中去。
7、算法模型很容易带来三个陷阱：信息孤岛、标题*文章泛滥、情绪化文章泛滥。
8、如何衡量分发的效果：算法准、算的快、优先推荐、泛化（看到
