32.裁员(三) (1/2)
![](/themes/lewen/images/android.png)
请安装我们的客户端
更新超快的免费小说APP
![](/themes/lewen/images/apple.png)
添加到主屏幕
请点击,然后点击“添加到主屏幕”
对于AI来说, 让结果从“不准”到“准”, 不是十分容易,与传统的“找bug”“修bug”流程全然不同。
目前, 在对AI的争论当中, 一个常常被提起的问题就是“算法黑箱”。也就是说, 人类不能解释它的工作原理。
人工智能的核心是“神经网络”。科学家们模仿人类神经系统,让机器进行学习。“神经元”们一层一层分布下来, 每个单元都能接收外部数据, 而后将结果传给下一单元。
还是用“猫”来打比方, 第一层可以将图片切割、降维, 得到许多小图,第二层在每个维度利用色差寻找边缘,三四五层根据勾勒出的边缘确定各个器官形状,六七八层通过各个部分颜色判断毛色、花纹, 瞳色……最后顶层得出答案:这是猫、狗、兔子、其他。
在CNN(卷积神经网络)出现以前, 机器学习都还处于初级阶段,需要人工提取特征、交给机器。而CNN出现以后, 它进入到“深度学习”时代。人类半监督, 机器自己分析特征、独立学习。给一万张猫的图片, 说“这都是猫”,它就懂了,再给一张它没见过的, 问“是不是猫”, 它会说是。人们给它正确答案的数据集, 它们便能进行学习,“看”的越多会的越多,不断优化自身能力。因此,“人工智能”定义十分清晰,区别是真·人工智能还是噱头,只需要看它有没有模仿人脑。
然而,对AI每一层都在提取什么特征,以及机器为何要做这些事情、为什么能得出结论,人类无法解释。根据输出,有些提取简单易懂,比如勾勒边缘、模糊图片、突出重点、锐化图片……可是,在很多时候,人类完全get不到!看着某层下来以后图片变成的样子,只能叫一声“什么鬼!”有时人类只能提出几个特征,AI分出好几百层!
它给了人空前的可能,也给了人无尽的困惑。
就像人类无比摸清大脑的工作原理一样,他们同样无法摸清AI的工作原理——训练AI这种方式为何能行?不知道。
它是如何学的?信息存在哪里?为何下此判断?问老天爷。
它好像在玄幻境界。码工时常觉得自己正在养蛊,贼刺激,给蛊虫喂个这个、喂个那个,一掀盖子,嚯,出来一个超厉害的东东!
有人说,让AI向人解释一个东西,相当于让人向狗解释一个东西,听着so sad。
人类历史充分表明,只有一个决策可以解释、分析,人才可以了解它的优点、缺陷,评估风险,知道它在多大程度能被信赖,明白该从哪些方面进行改善。
很多专家说过“必须质疑人工智能为何做出一个决定……显然,如果我们不在动机解释上花功夫,就无法信任这个系统”“难道无人汽车每回出事,企业都说不知原因、AI让它这么干的?”
何况,不幸的是,如同大脑会出错,AI也会出错。
于是问题来了:我们能信任AI吗?我们能在多大程度上相信AI?我们能在生死攸关时信任AI吗?
当然,也有学者表示:“它能做到就足够了!”“大脑一直为你工作,你也一直信任它,但你却不知道大脑是如何工作的。”
目前,各国科学家正致力解开黑箱,政府、行业协会也对此有要求,已经取得一些成果——不少东西都是数学,不过,待研究的部分更多。
阮思澄是一直觉得,这种现象十分正常,没有那么邪乎。在人类的文明当中,往往实践先于理论。比如,老祖宗在打造刀剑时、发明□□时,清楚地知道原理吗?NO!都是东西先出来了,能work了,大家才开始研究原因。
AI也是啊!
慢慢来嘛。
不过,虽然如此,攻城狮们写程序时,也能根据经验,知道大概用何结构,之前思恒医疗就是这样做的。AI能自己学,但是,攻城狮们需要设置许多参数,比如用哪一种激活函数;如何搭建网络结构;分别设置多少卷积层、池化层、全连接层,如何排列、架构;用多少个卷积层;用哪一个池化方式;选择多大以及多少卷积核、多大卷积步长和池化步长、多大学习率,又分别从哪层开始、到哪层结束……[注]。也因为没道理可讲,各种奇奇怪怪的结构都有了。层数绝非越多越好,层数越多,说明运行时间越长、传递错误几率越大。
出于这个原因,对算法的调整、修改,经常就是瞎jb试,比较最终结果。
调参数能有效还好,数据也有可能不行!要知道,输入数据的大小、像素、嗓声、甚至亮度和对比度、翻转变换、旋转变换、位移……都可以对最终结果产生影响!甚至为啥?还是,不知道,都是等有最好结果再由人用数学解释。
现在,“经验”并不好用,结果一塌糊涂,可阮思澄和陈一非对于修改全无头绪。
他们甚至无法估摸从不准到准要耗费多长时间。
…………
阮思澄从贝恒那儿继承了个降压方式——搓脸。
她搓了搓,拨打内线叫陈一非,一起开会。
“一非,”阮思澄问,“这个结果,要多久能调整过来?”
气,她想:本来钱纳贝恒都在公司那时,思恒医疗不会陷入这种困境。罢免钱纳、夺回公章耽误了一个月,贝恒接手、不会,消耗了两个月,接着招聘、挖人,等陈一非入职,又是一个月。
陈一非答:“思澄,目前……没有头绪。如果说一个月就能全部搞定非常不负责任。”
阮思澄:“……”
“咱们必须有B计划。”陈一非又开口说道,“公司账上还有200万,能坚持到两个月后。也就是说,将将巴巴能挤出来一个月完善产品,一个月出门融资。下个月要还是不准,思恒医疗就会走到穷途末路。”
“我知道。”阮思澄说,“我问问邵总、王总,是否行使增资权利。”
“行。”
按照投资协议,邵君理和王选拥有增资权利,有权利但无义务在产品初版出来后以2亿估值再投5%,也就是,再投1000万。其实现在邵君理和王选股权已经太多,34%,但也没办法了,只能以后想方设法强迫天使以低估值出售股权,或者强迫对方往期权池扔回一点。如能进入A轮,这点应该不难。
“如果邵总王总拒绝……”
陈一非的脸孔还是白胖白胖,笑容是一贯的职业、有礼,让人非常舒服,可嘴巴里却讲出了无比残酷的话:“尽早裁员。”
裁员!!!
阮思澄只觉得自己头皮一麻!!!
她抬起头,没有说话。
陈一非说:“行政岗位全部裁掉,A轮进来再重新招。产品经理、UI设计,现阶段也可以不要,还有早前从事头痛、腹痛的工程师,通通裁掉。”
顿顿,又道:“我这两月不拿工资,补贴公司。”
“一非,咱先别提裁员。”阮思澄笑,“我打电话问问增资。”
“好。”在出现问题时,陈一非并不如贝恒一般逃避——贝恒都恨不得把自己给缩没,而是依然带着气场。
…………
阮思澄在自己心里打了整整十遍腹稿,终于按下投资爸爸办公室的电话号码!
秘书接进去,邵君理磁性的声音很快响起:“在。”
“邵总,”阮思澄的声音当中带着不安,“胸痛部分,还有腹痛部分……我们刚把测试集给输进去了。”
“不好?”
“是……”阮思澄道,“有……一大半心脏疾病……AI并没有诊断出来。”
邵君理的声音一顿,而后才又重新响起:“我期望的结果是比人类医生更快更准。”
阮思澄咬了咬下唇。传统算法对于波的识别有局限性,而思恒的机器,用CNN和RNN,在理论上可以和人一样,将 P-QRS-T 作为完整波群进行分析,看数字,看波形,看各种指标,还能根据患者特征读的更好!甚至知道瘦人该什么样、胖人该什么样、小孩该什么样、老人该什么样、孕妇该什么样,无比精准,比人类医生懂的更多!
每年许多心脏病患无法确诊被送回家,阮思澄本希望AI可以帮忙。
而事实是,现在,它失败了!!!
阮思澄长呼吸了口:“而且……另个部分也不如意……本来,P大易均团队做最难的超声,应该最差,可事实上,这一部分在测试中最靠谱了……贝恒离职以前弄出来的东西反而不行。”
“腹部本就是最难的。”邵君理道,“不仅仅是图像识别。”
“嗯。”阮思澄也清楚,毕竟图像识别发展相对较快。
“具体说说测试结果。”
阮思澄的思路清晰,一项一项仔细说了,包括哪种病准,哪种病不准,准确率是多少,如果不准,AI都给看成什么了。
邵君理听完,想:太差了。
真的,太差了。
准的都是容易看的。
“邵总……”阮思澄又弱弱地道,“我们正在修程序呢……”
“嗯。”
“可是时间真的好紧,思恒只剩200万了。您……如果是您,有没可能投资pre-A轮……或者天使轮加?”
阮思澄并没有想到话筒那边一阵沉默。
“邵总,”阮思澄道,“请您实话实说。”
足足过了七八秒钟,邵君理才讲出答案:“这种情况,我不会投。”
一分都不会投。
在邵君理看来,生意归生意,感情归感情,他在这些方面有着99%的理性。
难道每年投资1000万陪小姑娘玩儿游戏?瞒着哄着?对谁好呢。资本市场不讲感情,甚至不讲道德、人性。
事实上,自从钱纳离开公司,他就不看好了。
工作3年的小姑娘当公司CEO纯属扯淡,等到产品进入市场更是够她喝一壶的。
然而2000万投都投了,也不可能再收回来。
可是现在,产品demo一塌糊涂,寄希望于后期调整,或者说,寄希望于撞个大运。陈一非方向、思路没有问题,依他水平选的肯定也是已知道的最优参数,能调好的... -->>
本章未完,点击下一页继续阅读