如何在人工智能机器人领域应用大数据？

　　为了多来点干货，我写的思路会有点特别：不直接讲大数据是怎么做的，我会跳出来讲，在人工智能机器人这个方向，把握好哪三个点，能够更好的应用大数据，然后把这个事情做成。
　　这些电影大家很熟悉，每一个图片大家可以仔细体会一下，它是一种情绪、情感，这些电影代表人类对于人工智能的期盼或希望甚至担忧。个人理解，这个世界是人类念头的化现，所以从长期来看，这些电影里面80的内容，是会成为现实的；但是短期来说，不管是技术还是产品方面，都还有些瓶颈，所以我觉得应该慎谈人工智能机器人。就像一个果实还没有完全成熟的时候我们就想去摘它，或者有太高的预期，就会比较危险。比如一个小孩子和它交流，如果哪天机器人说了句脏话，小孩子马上就会学了，晚上家长回来的时候是很不能接受的。
　　这个方向呢，是个长期性的事情，又有这么大的难度，但是还是有很多从业者在做这个事情。简单来分的话有两类：
　　一类是机器人载体，不管是实体机器人还是虚拟机器人；
　　一种是云端的人工智能大脑，它是智能的系统和服务。
　　从层级、形态来分：
　　第一层是操作层，就是说这个机器人它的前后走，或者端茶倒水这种行为。
　　第二个是感知层，它感知周围的温度，甚至识别你的情绪。
　　第三个层次是认知层，就是当把这些数据拿到之后，它会去分析、去筛选、去决策。
　　这几个步骤我们把它叫认知计算，认知计算之后的知识输出就会到操作层表现，它会有一些动作或语言表达。
　　图灵机器人的定位是：一个云端的人工智能机器人大脑，落脚点在机器人大脑。去年11月份发布以来，短短9个月时间，我们已经有超过8万个合作伙伴，这个数量是很大的成绩了，我们的应用场景现在包括家庭机器人、服务机器人、智能客服、智能家居、智能车载等15个产品。
　　为什么是我们？为什么是现在？这是我要引出的重点。
　　byBillGrossTED
　　这个图是最近比较火的一个图，是来自美国的研究。这个作者分析了200多家科技创业公司，并且结合他自己的亲身经历，最终归纳出5个点，最能决定一个科技公司是否能做成。并且这5个点他有明确的权值排序。
　　第一个是Timing，今年年初我们内部判断，2015年，人工智能机器人方向很有可能会大热，现在大半年过去了，基本上得到了印证。举两个例子：一个是最近几个月，我们已经上过好几次央视了，这个并不是说明这个方向的产品它做得有多么完美，而是背后它的含义是什么。可能有人认为央视它本身影响力是很大的，因为它去报道，所以这个影响力很大。我不这么认为，我是反过来看：因为这事可能会火，所以央视选择报道它。央视的记者和从业人员会根据对现状的理解去把握大众的关注点，会对于当代热点很敏感。他是从需求出发的，他认为这个事情很多民众非常感兴趣。一个会场里面有10家、20家厂商，为什么央视报道我们？背后是有些东西在里面的。
　　第二，我们接触了很多一线的人工智能机器人合作伙伴，很多是水面以下的团队。我们判断，今年年底到明年，会有很多ToC的人工智能机器人产品，走到大家面前，这个大家可以拭目以待。后面的2、4、5，团队、businessmodel、funding，这些要素不是我想说的重点我重点是想说第3个，是谈解决问题的思路和方法。
　　这就引出下面这个问题：人工智能机器人技术的产品化（2C），它的突破点在哪里？或者说，怎么找到这个突破点？
　　streetsmart。
　　“找到突破点”的关键在哪里？是算法吗？我确实认为算法模型它是个基石，但是够不够？有一些是在试验室里跑数据很漂亮，但是拿到现实之后就会差很多。所以算法模型跟实际可用之间其实是有一些鸿沟没有迈过的。
　　那是大数据吗？假设有算法模型，有大数据，是不是只要有钱有人有资源的BAT大公司就可以把这个事情做成？不是的，因为人工智能机器人这种巨大的变革，在人类科技发展历史上每次出现，都是从一个很小的点突破的。所以我想提的是“streetsmart”，是直接解决问题的思路，不求第一个版本的模型算法多么高效，甚至数据不是那么多，但是要能解决用户的问题，解决问题之后可以再回来用更好的方式做这个事情。
　　跨界。
　　人工智能机器人这个技术本身是偏横向支撑的技术，落脚到C端用户一定是具体的产品跟场景，而我们的工程师是缺乏垂直行业的认知。所以要把这个事情做成的话，一定有两个不同背景的团队去协作。就好像这个手指是技术人才，这个手指是垂直行业人才，当这两个人合在一起看的时候，就能够看到这个事情的主线，知道能做什么；当他们分开看的时候，就能知道边界边界很重要，不光要知道能做什么，更要知道不能做什么。很多时候创业公司死掉，不是不知道做什么，反而是可以做的太多，但其实80都是坑。总的来说，这个事情不仅是说会节省时间，也会直接影响事情的成功率。
　　预期。
　　很多机器人产品刚一出来时会说不清楚自己的用户是谁，这个其实是有问题的。大家知道，人工智能相关技术现在准确度，再提高1都非常难。怎么办？所以要选择低用户预期的场景去切入，分得足够细才能够知道选择哪个用户群体，并且以他们的意见反过来驱动产品开发的推进。
　　汇总下，前面这几段说的问题是，人工智能机器人方向的ToC产品化，怎么找到突破点？第一点是streetsmart，第二点是跨界，第三点是预期。