alphago最大的功劳，并不是打败了李世石，而是把人工智能的概念推进了大众心中。

但对于绝大多数人来说，人工智能仍是遥不可及的空中楼阁。第四范式这个公司想要做的就是让人工智能为每一个人服务，让每一个工程师甚至业务人员，都有机会开发出适用于本行业的人工智能算法。

第四范式创始人兼ceo戴文渊曾是中国最成功的机器学习系统总设计师。作为曾经的百度广告变现算法核心负责人、百度凤巢的总架构师、华为诺亚方舟实验室主任科学家，他也一直致力于人工智能的研究与实践。

除了戴文渊这个创始人兼ceo外，第四范式最重要的“资产”应该就是首席科学家杨强博士。他是华人首位国际先进人工智能协会（aaai）院士，之后又于2016年6月，成为aaai首位华人执行委员会委员。

对于人工智能的深入研究使得第四范式走上了一条与众不同的道路。谷歌、百度等巨头虽然有着alphago等令人惊艳的产品，但却无法为普通人所用。出身于百度、华为的戴文渊和杨强建立的第四范式则想让人工智能能够为每个人服务，也就是“ai foreveryone”。

“我们要让具有小数据的人也可以用起来人工智能，我们能让单个的用户，能够让通用的模型在那里得到个性化。”杨强表示。

一般来说，人工智能研究需要五大条件：足够大的数据积累、清晰的问题边界、外部反馈、庞大的计算资源以及顶级的数据科学家。除了bat这样的巨头外，普通的公司既缺乏技术也没有资金来解决这些问题，如何使他们得到人工智能时代的红利、快速高效地解决问题？

这需要降低人工智能的门槛，一方面发展低数据依赖性的迁移学习技术；另外，开发一个真正通用的人工智能平台，减少对高端人才和巨大资金支持的需求，降低整体投资成本和风险。

所谓的迁移学习就是把一个通用的模型迁移到一个小数据上，使其个性化，那么能够在一个新的领域也能产生效果。这样的学习过程才是人的智能所在，人是可以举举一反三的，希望机器也可以做到这一点。

近期，开发出alphago的google deepmind也开始聚焦迁移学习领域。deepmind创始人demishassabis在《经济学人》的报道中公开表示，他和其他研究者们已经开始探寻迁移学习的新技术，这种技术能让强化学习系统把基础建立在已习得的知识上，而不用每一次都从头开始训练。他解释到：“人类可以毫不费力地做到这一点，但计算机目前还无法做到。”

戴文渊透露，2009年百度的技术去完成一个ai的系统可能需要200~300人的顶尖科学家团队忙上一年，而这对于大多数企业来说是无法承受的人力成本和时间成本。除此之外，庞大的计算资源和技术成本的缺乏，使得这些企业守着大数据却无法利用。

“我们现在把稀缺的ai人才、科研高度与实战经验，封装到一个产品中，使之成为企业的商业套件。我们的产品面对的不仅是数据科学家，还可以面向非专业人士，它可以让业务人员在1个月内成为一名数据科学家。”戴文渊称。

第四范式要做的，首先就是设计各种各样的自动的算法，把顶尖数据科学家的工作替代掉，让数据科学家失业。其次，设计更适合人工智能的分布式计算框架，解决计算资源问题。最后通过外部反馈让系统自我进化。

戴文渊的团队已经将迁移学习成功应用到消费金融、个性化推荐等领域并取得了显著效果，目前已为金融、电信、互联网等多个行业成功打造了百余个人工智能的行业应用。

第四范式目前还是在为企业级客户量身定制解决方案，但戴文渊的科学理想显然更为宏大：“我希望人工智能能做到一个服务更多企业，甚至将来可能是一个2c的技术。为了实现这一梦想，我可以做任何的事情，我可以开公司，可以做职业经理人，或者去写代码，我都可以。”

以上是网络信息转载，信息真实性自行斟酌。