沈浩：大家好，非常高兴坐到最后了。其实这张图片我刚才特别紧张，因为刚才不小心更新系统，结果这个系统不知道要更新多长时间，紧张了半天，刚刚更新好，我没有意识到，这张图片其实挺好，这是我们CMRA去美国组团访问拍的，当时我记得一个美国人他说他也没见过，想用五千美金买我的相片，后来我说送给他吧。今天我的演讲主题《大数据时代的人工智能与市场研究》，但是巧了，前两天我刚刚参加了一个全域数据会议，他们希望我做一个主题发言叫“大数据技术2025”，又巧了，我今天住的房间正好是2025，所以让我去预测大数据技术的2025，那我是来自于传媒大学调查研究所，柯老师是我们的旗帜，也是柯老师把我们带入市场研究，但是今天其实我们在谈论为，2025其实也就六年时间，所以预测未来的时候，如果你让我预测2140年，这个我敢预测，为什么？因为2140年比特币将被挖光，如果预测未来6年，那我就在想过去是什么样呢？我在准备PPT的时候想，2017年的时候11月7号，我刚讲完在我们双年会上，2011年我举办过一个中国网络科学论坛，当时我记得请了三十多个专家，没有人谈大数据，如果让我预测未来，我会发现今天站在现在，展望未来，回顾历史，其实我们说了大数据真的是我们要热情拥抱的，并且大数据已经到来。

但是到底什么是大数据呢？其实它就像瞎子摸象，不同的人摸到不同的位置可能就是大数据，所以我们更愿意说大数据时代，对于大数据来讲，其实这张图2005年的时候，我就找到了这张图，这张图当时指的是数据挖掘，但是从2005到2025这样的二十年时间，我们不仅关注于在知识上已经看到了AI，已经看到了神经科学，或者神经网络科学，这些概念已经出现，成为今天最热的，换句话说人们在谈论的话题，在去年一个非常重要的研究者之夜，有现场三百多个所谓研究者，大家现场投票，投出的结果呢，大家说2016年是大数据年，2017年是人工智能年，2018年会是什么呢？大家预测应该是区块链年。对于市场研究来讲，它对大数据还没有完全消化的时候，又来了人工智能，人工智能的概念还没火呢，就到了区块链，当然了2018年马上就要过去了，2019年是什么呢？有人说也许是视频年。所以在这个过程中，一种机器学习，这样一个核心技术以变革性的方式正在让我们重新思考，我们过去所做的事情，所以在考虑我们如何开发产品，如何做Maketing，如何去做广告，哪怕游戏的东西，我们会发现机器学习都有可能出现。

我理解的数据进化从最开始我们谈DI这个词，叫数据整合，整合的问题，如果我能够把线下线上的数据整合，如何把大小数据整合，如何把不同的数据源整合，如何整合异构数据源整合。进而会发现DI这个词还包括数据洞察，什么是数据洞察呢？我经常说这个洞察有可能只可意会不可言传，是一种脑筋，是一种直觉，是一种悟性，还是一种积累的经验，今天我认为最重要的数据是DI，是数据智能，它是数据的聪明，或者聪明智慧的数据，如何让数据变成智能呢？这时候让我预测大数据技术2025，除了我住的房间是2025之外，我们还有中国制造2025，尽管在中美贸易中，大家知道有一个很重要的导向是说，要对中国的2025，中国制造，那么大数据已经成为了生产要素，大数据跟小数据不可同日而语，小数据是我们才用抽样的方法，采用洞察的方式，采用更好的研究者智慧，去解决商业、社会问题，但是大数据它是社会生产要素，它将助力中国制造2025，实现中国在实体经济，在智慧城市、社会治理等领域，所以如何赋能中国2025的中国制造，我们市场研究至少在这里边是重要的一股力量。

我这里特别强调，我们从来不是为了做大数据挖掘而去采集数据，而是商业自动化和社会治理导致海量数据存储，数据是生产要素！因此从我们市场研究的角度去理解的话，应该更好的看待这个疆界，这个疆界会变得更大。在过去我们市场研究最传统的，最掌控的是统计分析技术，在量化研究层面上，所以这种技术主要采用的是抽样、是统计推断，但是大数据呢？大数据挖掘采用的是自动生成，是机器学习，而现在进入人工智能，我说了它是喂养数据，所谓喂养就是我把一千张的图片猫、一千张的图片狗，让机器去学，学着学着就学会了它会判别它是猫还是狗，是你喂养给它是什么，你告诉它是什么，这样的深度学习就会起作用，而且目前就我对人工智能和深度学习算法的感知，我认为现在只要是打好标签，属于监督类的算法，深度学习的技术所得到的结果，几乎打倒人类，甚至已经超过人类。所以从这个角度来讲，今天大数据所带来的这种进化，从过去我们所提到的一个洞察力，就是我们市场研究一直强调我们的价值所在，但是未来它更多的是预见性，是一种预见力，机器学习具有预见力，传统的市场研究由于大量采用的是横断面的研究，而大数据自动生成的数据，所有的数据都打着时间的标签，所有的数据可能都打着位置的标签，而这些随着时间的变化的数据，将给我们带来一种预见性，当人工智能的技术普遍应用的时候，我们就见到了行动力，过去传统的市场研究不太向往着预见力、预测性的东西，也不太关注行动力，尽管我们希望行动力，这些技术本身具有这样的能力。

市场研究实际上是一个服务经济，从狭义的角度来讲，而服务经济是一个价值交换，你没有获得产品，无论是我们的甲方还是我们的乙方，你只是获得了它的功能和它的价值。所以在今天大数据到底是什么？为什么它能助力我们的市场研究？其实这时候我们的市场研究已经有了更宽的，或者更广义的概念，所以大数据实际上它是一个使得我们更好的人类，更好的借助于数据科学，去感知这个社会，这种感知会出现这句话我是最喜欢引用的，这也是我给《爆发》这本书写的推荐语，它核心观点是说人类行为的93%是可预知的，我们更关注的是什么是大数据，今天的大数据和传统市场研究有些不同，就像有人说传统的市场研究采用抽样的方法，是割裂了消费者，割裂了人的社会情景，它变成了一个社会学的绞肉机，是一个独立的样本，但实际上人类这样一个人的行为，他是有社会沟通的，从这个角度来讲，我们去研究人的时候，他会变得非常具体，我上次已经提到了这个概念，就像说什么呢？就像有人说了，沈老师，特朗普当选了，我曾经说过了这个案例，因为有很多客户，也有很多新的朋友，我再次阐述一下，当时人们就说了民调显示，特朗普不当选，希拉里当选，民调显示不脱欧最后脱欧了，什么是真正的民意？如何获取真正的民意？这是当时的一个问题，也涉及到我们市场研究，所以当时市场的研究很多人都参与了关于可能落地的民间市场调查管理能力，但是在这个过程中，曾经有人问，特朗普的性格很重要，所以我立刻就分析了特朗普的性格，这时候我们在分析特朗普性格的时候，实际上我用了一个模型，叫大五码，在这个大五码里面，我分析他性格的时候，可以打开它，可以分析这个性格里面不同的元素，在这个分析结论当中，特朗普在我的分析中，他是一个非常优秀的人，为什么呢？从我的数据上大家可以看到，在这个数据里面，特朗普真的是很优秀的，这是我当时做的一个结论，在那个时候做出来的一个结论，你会发现对特朗普一个人做一个性格分析，他的尽责性非常强，责任感在一百个人里边处于前四名，他的开放性、智力前三名，他的外向性是0.98，前两名，他的同情心是第一名，暴躁非常低，这跟我的直觉不一样，是的，因为特朗普他直接抛弃或者直接放弃了传统的媒体，而用推特，所以他在推特上表露更多的他的行为特征，是他的语言，他的文本，所以这些文本去分析以后，会发现特朗普他的需求，我们知道有马斯洛需求理论，你会发现特朗普的需求它的结构稳定性占比非常高，60%以上，这说明什么？说明如果我早去陈述这个问题，我们对特朗普这样一个人的认知就会更好，为什么？因为中国最大的结构叫人口结构，结构往往具有稳定性，因此结构具有预见性。所以像中国这么大的人口结构，那没有一代人、两代人是改变不了的，所以如果当初意识到了这个结构，我们对于特朗普来讲，我们似乎想的选前他所说的话，选后绝对会这么做，如果从性格特质上来看他是这样的结构，他的稳定性也会不错。在这里面可以分析他的价值观，那时候分析还真不错，他上班时间从来不发推特，他都是在7点到10点，10点之后他才发推特，您做得到吗？我还分析了他133种消费行为，大家会说了沈老师你分析的准吗？我就做了这个东西玩一玩，如果我做的是消费者，我才不关心它准不准呢，对于消费者来讲你是谁跟你没关系，是我怎么看你，我分析出你这样的行为特征，我就Marketing你了，这个过程也给特朗普打了标签，做了用户画像。

在这个过程中你会发现一个很重要的大数据挖掘想法，既然沈老师可以分析一个特朗普，是不是推特上所有人我都可以分析，今天的群体行为是每一个活生生的个体所构成的群体，过去市场研究看到姚明在这儿，我们要把他剔除掉，为什么？异常值，但是今天我们要去抓的人，我们要去挖掘的人，是挖那些跟正派不太一致的人，我们希望找到姚明，所以大数据挖掘更多的是异常监测，更多的是那些不能靠直觉发现的东西，甚至是违背直觉的，有时候挖的东西越出乎意料，越有商业价值。那么从这个视角来看，我既然可以去挖特朗普，那是不是可以把特朗普他关注的人，他的团队都分析一下，那时候我就分析了这个女的，这是他女儿，上回我记得就是跟建新，我们打Uber问出租车司机，你会投谁？他说支持希拉里，但是最终投票一定会投特朗普，这是为什么呢？这个人说了，如果我投票给特朗普，一旦特朗普当选，他女儿特别漂亮，每天就会上电视，你说这消费者什么样的心，所以我就做了一个分析，后来我就特别无聊，我既然能够做这个事情，那是不是我可以把世界各国领导人全做一遍，这可不可以呢？这时候你会发现，完全可以对世界各国领导人171个全分析了，这一块大家看到了一种可视化的效果，而且这个可视化你可以秒懂，大数据很重要的特征就是要秒懂，所以我们才创建了新的一个专业方向，在过去我们因为跟市场研究的合作，那时候叫小数据，我们叫媒体市场调查与分析，当然我愿意去掉媒体，就叫市场调查与分析专业，之后大数据来了，我们成立了一个数据新闻这样一个专业方向，自主招生，非常火爆，这个是为了可视化而可视化，这是假的，为什么？世界各国领导人互相不关注。

从这个角度来讲，今天我们一个很重要的特点，这是和传统的市场研究有新的区别，我们可以分析一个独特的个体了，我不再需要分析两个人，从这个角度来讲，数据的多样性和复杂性需要我们立刻获取数据，满足数据的结构，以规模和速度解决复杂数据问题，所以有人说大数据就是复杂的数据，而且提供实时洞察。现在大家都会想了，那我如果想实现实时洞察有没有可能性呢？请问谁有推特，如果你有推特我立刻就可以分析出你的结果。我现在的分析也许跟明天的分析不太一样，但是如果我们认为人的行为特征很多不可改变的时候，这种趋势也许是我们更好的捕捉，我只要敲入这个地址，这时候就部署了这样一个模型，也就是说我只要在这样一个地址上，敲入你的账号，我立刻可以抓来你在推特上的信息，抓来信息以后，投入到性格特征模型，然后得到一个包，立刻把这个包替换我原来的数据，就会展示出一种新的可视化效果，这时候它是一个产品了，我们模型已经部署上去了。在这个过程中，其实微博可不可以呢？当然可以，所以你对微博任何一个人，只要说自己的话，就可以分析他的行为特征，这时候如何实现这一点？因为有了大数据以后，我们对消费者的追踪技术已经相当的成熟，这种追踪不仅仅是我们看到的一种社会治理层面，而这些在营销方面，使得我们营销变得更复杂的领域，具有更准确的结果，直接行动力，这时候计算机将接管手动或劳动密集型的任务，也可以提前感知消费者需要感知的东西，我们就可以提供服务。

我们可以通过一个视频感知这一点的应用场景，这一种场景已经开始出现，可以看到在这样的场景里面，当你进入一个超市的时候，你会发现在这个过程中，它可以实时的通过视频来实现，当你进来的时候就可以给你打上标签，你是男的、女的，高兴、不高兴，年龄，现在的计算机都可以识别，当然它有区间和概率，当我的摄像头可以针对某一个人的时候，实际上我是可以做到跟这个人，如果他是一个流量监控，我可以做这样的统计，如果正好是一个无人购物，当我拿起这件衣服的时候，它是能看到我拿起衣服很高兴，看到价签就很悲伤了，我们可以监控这样的过程，对于我们实现这个过程来讲，其实这个东西并不太困难，因为什么？作为大数据来讲，如果你想从事大数据的分析，必然你需要进入到一种云计算，如果我们今天依然依赖于我们自身所谓的建模，在这儿如果采用了机器学习的技术，科技看到有Deeplens，相当于摄像头将来有计算能力，我们华为手机可以做美颜了，实际上后台还有强大的云计算，如果我点击这样一个云计算的服务，你会发现在这个里边，我们可以去进行面部的分析，在这个面部分析，大家立刻看到我上传一张我的相片，所以我上传一张我的相片，我看一看我的相片长的什么样，它会发现99.9%他是男的，年龄在35到52岁之间，这个判断是错误的，因为沈老师肯定在这个区间之外，但是我喜欢这样的区间，而且它知道我表现出是否高兴是否戴着眼镜，我们可以看到这样的过程，现在拿到一张相片，可以自动从相片中提取它的标签，同时可以自动给相片加上标题，同时可以实现人脸识别，去年年初的时候我做了一个人脸识别的应用。

我们会发现今天完全可以追踪，而这种追踪得益于云计算、大数据、物联网，当然了最重要的是我们的手机，所以手机导致我们的海量数据形成一个新的信息空间，在这里面我们会发现，我们的数据大家已经不再叫单一的数据了，而希望构建一个全域数据，就像刚才阿里所演讲的。我们现在到底有什么样的数据呢？首先我们有各种支付、消费、银行刷卡记录，我们有各种购物消费行为数据，我们有各种社交媒体，整天在微博微信上交流，当然了，我们还有我们看到的文旅数据，看各种电影、影视剧等等，同样我们也有位置地理大数据，还有一类传感器大数据，如果我们一个企业拥有所有这些数据，不可能，所以我们需要开放大数据，不可能，所以谁拥有大数据？政府，政府是拥有大数据、使用大数据和开放大数据的重要角色，所以从这个角度来讲，你的开放数据、刷卡银行的数据、投资股票的数据、投资企业的数据，所有这些数据跟我们这些数据如何融合呢？对我们企业来讲，也许你有部分的某一类数据，如何跟另一个部分的数据去产生数据整合之后的价值呢？尽管不需要全域，尽管我不可能有全域，但是我们需要你有各种各样的技术，比方说我们可能需要去解决认知技术，像刚才分析特朗普的行为，而认知技术是我们市场研究非常核心的算法，为什么？我们需要能够通过它的语言、声音来解决我们的分析问题，所以在今天对于这些用户画像、性格分析，需要我们有新的知识结构。

自然语音处理技术，所以认知技术正在成熟，这种认知技术会有更好的算法，将用于分析个体数据和人类行为。认知技术可以归到我们今天所说的人工智能技术，所以在这里面我们可以看到原来的剑桥分析就是这样的一个技术，只不过剑桥分析过去它没有想改变所有的政治水平，但当我们用在政治层面上，脸书所暴露出来的数据问题，就会产生政治影响，所以在这里面我们会发现，我们需要大数据同时需要实时大数据，这种实时大数据我一直在演示这样一张图表，就是希望大家可以看到，我们经常看到如果给的数据是可以实时的，而所谓实时呢，就可以秒懂，你会发现小数据需要我们向甲方去阐释我们的结论，我们小数据有点像硕士博士论文，但是我们的大数据不需要，我们的用户、消费者，甚至所有的领导都可以秒懂，我们希望他秒懂，所以我们瞬间可以看到那个地方一片黑，为什么？说明我们中国人不喜欢推特，你可以感知到，感知就是不精确，感知就是快速，从这个角度来讲，我们可以做一些非常重要的分析，而这个分析需要我们融合更多的技术，包括数据科学、人工智能，当然也包括商业智能，未来物联网和AP数据的接口，会成为数据之间交融的很重要的技术手段，所以在这个里面图像处理也会有更加好的结果，脸书已经实现了一张相片中，在秒级毫米级上找到这张图片，过去我们说十个人里面搜到谁，现在可以在上亿图片中去处理，为什么呢？现在都是一个faceID，我们叫做向量化，这个概念可能有些人不太理解。

我们会发现当我们捕获更多的消费者数据，我们可以有更好的算法用于消费者行为分析的时候，这种数据的分析已经不仅仅来源于我们现在看到的所采取的结构化数据，我们更多的从视频、图像、文言、文字、声音中实现处理能力，而这种处理能力采用的是一种建模的思想，这种建模的思想它实现了我们可以更好的去感知，这一点我去比喻一下，这是一个人们把神经网络、人工智能的深度学习，叫卷机神经网络CNN，这个CNN怎么算这些东西呢？你会发现我们现在想区分这样的过程，在区分这个过程中，如果数据的结构，比如说现在给你数据，只要长的这样，分的那么细有什么方法都好分，但是如果我们的数据长成这样呢？显然它已经不是我们的因果关系了，不是我们的线性关系了，它已经变得非常复杂，所以我们要想区分这样的效果，我们去运行它会是什么样的效果呢？它会不断地训练，它在出现这些效果的时候，这个不好，我们要增加几个隐含层，通过增加隐含层再次训练这个模型的时候，这个过程就需要上百、上千万的参数输入进去，它很快就能寻找，甚至我们说了需要加入二次方，这时候我们会发现，也许这时候我们的算法会更好的能够区分出它的特征来，甚至达到在这个区分上，我们怎么能够去算出它的一个效果来，当然了它的很好的，但是时间不要等，因为有可能它计算的过程需要GPU的电脑，或者需要更长的训练时间。如果我们需要这个模式的时候，用市场研究过去的建模方式已经无法替代，只能依赖于神经网络的技术，它在不断算的过程，当然也要改变这些抽样的方式。比方说在深度学习里面，它就采用的是过度抽样、欠抽样，它的抽样方式是完全不一样的，从这个角度来讲，未来的分析技术，由于它具有一致性，所以对人工智能的技术带来很大的发展。

如果我们希望，比方说市场研究公司说了我怎么去做呢？现在很多的算法都已经变成了自动化的，我启动一个数据，启动这个数据以后，然后启动云计算的实力，我点击它，这样就启动了云服务器，我只愿意利用阿里，或者百度云等等，我只需要运行这一次，我支付一百块钱、一万块钱，总好过我这样一个记。在这个过程中我的数据全部在这儿，就是这个DATA，这个DATA非常简单，现在把数据模型直接运行出来，自动会生成这个模型，在这个模型里边，我们可以看到拿过来就行了，就像搭积木一样，生动以后就会开始调参，调完参就训练，训练以后就出结果，然后就进行部署，部署什么呢？我现在需要预测了，只要启动需要预测的新数据直接给出结果，这个结果给出来以后，像这种叫做自动化模式有很多类型。

在这个过程中人工智能似乎给人带来了一丝丝恐惧，其实不需要这样，是我们在教会机器如何创造合理的未来，是我们的数据在教会机器如何创造合理的未来。从这个角度来讲，尽管有着一些像给出的未来人类概念，但是人工智能将可能成为未来社会的核心技术，这些技术可能在很多领域，人脸识别、对象侦测、语言的自动合成，这些工作都可能会产生。我经常愿意表现，如果你愿意我也经常会做这样一个工作，就像我现在打开这个，我打开这个工具以后，就可以看到这里面存在这样一个逻辑，在这个逻辑里面，会发现今天我非常高兴能够有机会在我们市场研究行业峰会上，一起探讨这样一个关于大数据人工智能，我说这是一个令人兴奋的时代，也是大数据的时代，数据科学让我们越来越多从数据中观察到人类社会的行为模式，我们从数据中拥有更多的可用知识的增加，我有意把时间放的非常快，非常慢，在这个过程中大家会发现原来真的是可以，你只要说话就变成了文本，这就成为了我们的DATA，我们声音就变成DATA了，如果是这样的话，我们依然还可以尝试着另外一种思考问题的方法，就是说如果我同时录入的时候，还真的希望说今天非常高兴能够来到上海，我们在探讨人工智能、大数据和区块链技术， 我如果在说话的时候它在不断翻译，如果能够同声翻译，我们的速记和同传，大家不要小看它，它还是有一些问题，但它在不断地进化，人工智能它的最大价值在不断进化，它在不断地学习，这个学习的过程会让我们越来越知道，未来它会替代68%的那些同传，未来它会达到90%的同传水平，从这些技术的角度来看，我们会发现人工智能的技术，它实际上并不是对我们市场研究这样一个，如果把它定义的非常狭窄，实际上我们已经看到了，像我们戴着摄像头，戴着眼镜就可以进行货架的识别和扫描，就可以通过这样一个应用场景，来实现什么呢？比方说人工智能现在说的都是弱人工智能，为什么呢？如果我们把一个人，把他的鼻子、眼睛、脑袋全部调个个，但依然会认为它是人。我通过一个程序实现车损的自动定损，也可以数人流量，同时也可以数客流量，这些技术的应用场景，使得我们越来越多看到自动化的状态，实现这种行动力，换句话说它是产品，在这里面这种技术，我也可以给大家演示，但是时间不太够了，我就不再启动，要演示这个启动我需要立刻登录我的实验室，我实验室是有它的服务器，所以我需要登录，这实际上就是我们所说的云计算，相当于我现在已经登录到了我的云计算，登录云计算以后，比如我出差就可以实时的，可能我的学生在做这个，我没有邀约，我就不做了。

其实我们用云计算和我用实验室的计算，而且用我手机的4G，其实使用上并没有太大的差异。当然了，我们还是希望大量数据的使用可以更好。有了这些以后，我们会发现将来所有事物都将感知、连接和智能化，我们也可以看到传感器大数据，就像我们现在看到行业里面越来越多的采用第三方评估，也可能这不是接触性的评估，也可能通过摄像机、照相机，也可能通过监测点，这时候我们会发现基于未来的人联网、车联网、互联网，还有情感传感器、社会传感器，位置信息将非常重要，越来越多的企业会将他们预测分析模型转移到云端，比如说在IBM上它有什么样的预测能力。我们也需要有编程，像沈这个岁数还要学Assa，对市场研究的人来讲，是否拥有能够掌握编程的技术呢？就像现在的记者，我们一直在问急着要不要学编程呢？我们数据新闻的学生已经开始开设编程课，这样才能进入系统和工程层面。当然我们面对这么多数据，一直谈GDPR，它的核心就是数据的主体，应该完全明确的说我既可以同意，也可以不同意，我即使同意了也可以随时不同意。从这个角度来讲数据的安全性，数据的隐私，数据的确权，数据的逻辑，这些都可能提到议程。当然了，我们也需要去思考数据的删除和数据的可遗忘，这些是大数据所关注的话题。

所以在这个过程中，我们更深入的大数据挖掘问题，是如何当我们拥有了这些数据，如何从收集的数据和分析的数据中，能够获得更好的最佳见解，我们经常说洞察、洞见，这是我们市场研究说的，但是这种见解会发现我们市场研究公司也好，我们其他的甲方，还有整个社会也好，都在加大大数据的投入，那些不投入大数据的阶级也许跟大数据投入的企业，或者大数据拥有的企业产生巨大的鸿沟，这种鸿沟所带来的可能性就是改变企业、政府，甚至我们商业的运作模式，就像我们的市场研究公司，如果说我想重新起步，开始进入大数据，这不仅是一个收集大数据人才的问题，而可能改变了整个企业的性质，改变了企业整个的行动方式，包括管理方式。在这里面我们会有很多的应用，我经常愿意讲这样一个例子，在里边我们启动一个程序，这些所有的程序都是免费的，因为免费意味着你也可以做，在这里面当我们去启动这样一些算法程序的时候，我们就可以看到在这个里边，计算机完全可以实现一些新的思考问题的方法，甚至带来一种改变，这种改变是什么呢？就像我看到这样一个程序，我先去跑一跑，这个我曾经想演示过，在跑这个数据的时候我已经算出来了，模型我就不再去运行了，直接就跑了，实际上是这样一个场景，这个场景非常重要，我也希望耽误点时间跟大家交流一下。在这个场景中，它是这样一个逻辑，这个逻辑是说，在我的数据中，如果我拥有这样一些图片，这是什么？电影海报，假如你去看电影，你不会不识字，不识字看什么呢？反正不懂中文、不懂英文只能看画，当我选择0这张图片的时候，我们程序就会告诉你说，如果选择了0这个图片，回车，回车，你会发现我立刻就找到了跟它相似的图片，我既然可以做这个，同样也可以随便取一张图片，来看一下，比方说我们随便取这个945，我们再换一张图片，这个图片的945执行执行，大家看到像不像呢？像，那就叫个性化推荐，不像这就叫精细。现在我们知道在所有的媒体上，所有的电商上都存在着个性化推荐，那么个性化内容推荐、协同过滤，都需要我们拥有消费者信息历史记录，对历史记录的使用带来数据的隐私，以及个性化推荐所带来的信息解防，还有一个很重要的问题就是冷启动的问题，冷启动就是一个消费者没有信息，或者新产品没有历史记录，但在今天可以发现根据不需要消费者的数据，通过图片就可以推测他喜欢什么。我可以把新闻做成图片，我可以把文字做成图片，而形成的创意就变得重要了，人们通过看画来实现他的选择行为。

在这个里面我做了一些对所有图书进行相应的选择，可不可以，我也可以对所有的烟盒做选择，可不可以，比如说上万张烟盒也可以去做分析，当然了，你要有图片，你有所有碳酸饮料的图像，我们仍然可以训练出相似性，这样就可以快速寻找到这些结果，这个训练过程只要借助深度学习机都可以实现，换句话说对我来讲，只要给我图片就可以实现，而这个处理过程具有通用性，这就带来了什么呢？带来了人工智能的应用场景会变得越来越特殊，所以在这里面我们就会面临很多，比方说如何做地理空间的分析，如何去圈住它，就像我现在这样，这是传媒大学的校园，我随便点了二十个点，然后画了一个区域，我想知道谁落了这个区域内，只要用了我的APP就可以测算出落地在这个位置，这时候就可以进行人数的统计，可以算出二三环之内的人，甚至可以知道落在天安门或者哪个店里面，当然上海外滩的踩踏事件，将来就可以实现公共安全的人流监测，我们可以实现社区的网格化，我们可以实现传感器的物流、选址和智慧足迹，这些应用就像我们把一个城市网格化，城市网格化管理就会精细化，我们可以实时计算每一个人距离我的位置，就像现在我可以给大家再次启动，可能耽误了时间，我建议如果有些特别忙的赶飞机，离开就行了。

我们来看看这个，就用传媒大学，假如说我现在在这个位置上，我现在想做一个区域性的划分，比如说这样一个划分，这个划分以后，我选择一个距离，我是开车还是什么，这样我还可以选择一个五百米的距离直径，就可以立刻去计算什么呢？计算在这个区域内它的一个网格，这个网格就是你看到刚才我的PPT里面所显示的这个区域状况，这样就可以看到对很多技术的实现都可以应用，包括在这些大屏显示上，也成为数据、大数据应用，和未来我们为企业、为甲方，或者为政府提供各种应用很重要的场景，这个场景像这种大屏显示，包括在我们这里边可以看到的，像这样的大屏显示，带来整个大屏变化的这种。

讲到这儿呢，实际上我们对大数据的分析和人工智能的未来，当然它是一个更宽的东西，它是一个更全域的东西，对市场研究来讲，我们毕竟是它的一分子，我们需要人才，已经不仅仅是传统数据定量研究的统计人才，大数据实际上狭义的讲，它已经不是统计了，它是数学，人工智能主要是数学的技术，因为沈老师数学系毕业，所以更偏爱于人工智能这样一个技术。在这里面我们说了，未来不远，也希望我们能够拥抱，我今天上午在这儿准备的时候，我发现好像忻雷跑到我前面了，是不是又腾出时间了，我就想是不是要讲一讲区块链呢，所以我又准备了区块链的东西，我这一两年大部分时间在研究区块链的技术，如果大家愿意听我就接着讲，如果下次有机会我们再来讲。下回我们再分享，作为最后一个总结，坚持到这儿，再次代表协会，代表在座的各位会长领导，特别是我一直看到我的老师，柯老师，一直在这儿在学，相信大家一样都会有收获，这次论坛再次感谢我们各位嘉宾，各位市场研究的同仁，和甲方乙方、各位老师，再次感谢上海筹办这次峰会的各家市场研究公司，最重要的要感谢我们的工作人员，我们的秘书处、秘书长，再次感谢！还有两位主持人非常辛苦，也感谢所有为这次峰会做出贡献的，我们期待着下一次，期待着明年我们有双年会，期待着我们有更好的知识分享，谢谢大家！

主持人：时间过的很快，我们的会议接近了尾声，这次大会的主题是聚合·共生，我们正是因为对营销和市场研究的热爱，让我们聚合在上海，也是因为对数据和对应用价值的渴望，让我们共生向未来，不确定的明年会在哪个城市，但是明年的会更精彩、更丰富，这一定是确定的，各位明年见，谢谢。