除此之外，闵万里认为场景应用是人工智能或数据智能来证明自身价值的地方，比如在预测《我是歌手》、城市交通调度、水坝水位监测等。他说：“当你有一天走到广州一路绿灯的时候不要很惊奇。”
希望人工智能“慢”下来
人工智能这四个字太热了，在座有非常多的投资人、创业者，以及从业者，正在创业路上的同学们。今天的分享我想给大家唯一一个的印象，我希望（人工智能）慢一点、慢下来，为什么？这个词用得太多了。
人工智能其实还在一个早期。
实际上，早在两千年前，我们就已经在做“人工智能”了，那就是老祖宗的算盘；1950年代，夏普的计算器，在某些方面它已经打败了人类；今年3月份的AlphaGo，则在围棋上战胜了人类。
任何一个理性的、基于逻辑思考的、规则性的东西，也就是所谓的人工智能，或者机器智能，都会打败人。但是，人工智能真的可以取代人吗？还差得很远。纵观整个人工智能发展的历史，1950年提出人工智能，然后再往后就是机器学习，一直到60年代、80年代，机器学习其实已经兴起好几遍。
尤其是现在非常火热的神经网络，90年代的时候非常火，后来又沉寂下去了，为什么？因为计算能力跟不上。90年代当时大家知道在统计学讲了很多，后来算不下去，但是2005年的时候突然一下爆发了。
2005之后，一个根本性的革命发生了：云计算、大数据，从Micro array （微矩阵），再到基因重组。在阿里云上我们现在可以实现“暴力”计算，以前需要很多天，今天我们几个小时就可以算出来。
当这种从量变到质变发生的时候，我们可能从表象感觉到了人工智能时代，就是我从一个小朋友就变成一个大人，我的智慧成长了，所以变得人工智能来了，但是我们还有很多不会的东西。
人工智能距离真正的智能还很远
举个例子，今年阿尔法狗下围棋下得很好，因为围棋是有规则的，但是对于那些没有规则的东西，对于艺术的鉴赏、文学的创作，究竟哪一首歌、哪一首诗比较容易打动你，这种非客观的主观认知智能还没有实现。
所以我们今天真正能够让人工智能超越人还远得很。今年投资人或创业者拿着DT来说，所有的技术再牛牛得过阿尔法狗吗？但是阿尔法狗的局限在于，它是理性的思考，感性的认知还差得远。
100年前，机器下围棋肯定是下不赢人的，但是有了这些计算能力之后，就像“群狼打虎”一样，AlphaGo背后的计算能力，相当于多少台机器？其实它是一个不平等的竞争，是车轮战。表面上看是人工智能，但其实是量的不对等。
数据智能在垂直行业的应用案例
所以我刚才说的智慧、智能这件事，它体现在垂直行业运用当中，智能交通是最典型的。
数据智能的价值体现在垂直行业的应用当中。其中，智能交通就是典型的海量数据场景。例如，我们可以实时监测信号灯的交通流量，把城市所有信号灯的数据连接在一起，就变成了城市的眼睛，可以看清楚多少左转、多少右转。如果大家有装高德地图，就会告诉你哪里堵、哪里不堵。有了数据智能之后，可以告诉你、20分钟、30分钟之后，3公里外的路口是否堵车。
交通的状况瞬息万变，空间的距离会带来信息的滞后，为什么现在高德地图App和百度地图App会告诉你当前的情况，夜视技术的问题。去年国庆在浙江，阿里云成功预测出了未来1小时内的路况。
从个体的感受到全局的智能还有很多，比如说水坝监测，这个跟我们生活息息相关，但是我们又不怎么感知，就像长江一样，每个支流的水量怎么样，包括下游，我要加大泄洪，这个需要实时的研判，需要预判，需要多种数据的连接。
另外一个例子是货车如何做到智能物流。谁能告诉我下午三点跑到广州，谁能告诉我跑回来有货可以带回来，这个事情我们很容易做到，通过搓合机制，实时搓合货车和司机，实现供需之间的匹配问题。
应用场景有很多。例如：语音识别、文字实时转录，可以把法院庭审的过程转化可记录的文字，存储归档。车辆路径的实时捕捉和追踪，城市交通管理者能够看的更加清楚、仔细，从而更好的安排和设计路口的车辆转向规则。另外一个例子是搜图购物，拍个照立刻到淘宝找类似的同款。
《我是歌手》的歌王预测，是典型的挑战非理性思考的过程，一首歌是否好听，取决于多种因素。这样的实时预测很难，做这样的事也很冒险，但是从人工智能的角度，我们要做的不是简单、机械的重复任务，而是要挑战人的情感世界认知过程。
我们到目前为止所有看到的机器人都应该把那个“人”去掉，它是机器，它不是人。人是一个有情感的动物，我看过很多创业公司做的机器人，它的情感在哪里？有吗？没有。
最新的一个案例，是广州交警“互联网＋信号灯”的试点项目。8月31日刚刚发生的，刚你看清楚了每一个路口左转右转有多少车的时候你知道该怎么调每一个红绿灯的时长，使路口变得畅通，广州2000多个路口，给大家创造的生产力价值有多少，这个价值很难衡量的，因为有人一分钟值很多，我们去做优化决策。
当你有一天走到广州一路绿灯的时候不要很惊奇，杭州太堵了，但是北京是有可能的。
