我在好幾個演講會上見過幾次索菲亞，不能跟她進行對話，只能按照劇本說，它的劇本是人寫的。李開復說得好一點，吹牛的AI公司在寒冬都要死，真材實料的會活得很久。什麼樣的公司是真材實料呢？什麼公司能成功呢？什麼樣的公司能活下來呢？
第一、容錯率高，走中間路線的公司。
自動駕駛的容錯率很低，因為萬分之一的出錯率，一年就要死1000萬人。特斯拉還有一個失火的視頻，人在裡面根本出不來。像資AI醫療，也是有各種各樣的問題。我有一個朋友也是做機器人，做醫療機器人。手術機器人只要1%的出錯率要死多少人？後來他聽我的話，改成容錯率低的開藥機器人，這個比手術機器人容易率低很多。但是後來院長說，不能用，因為1%的出錯率也意味著2000人要吃錯藥。所以過去的定速巡航不需要人工智能，但是在高速遇到的問題是有限的，相對來說比較容易去做。高速也是容錯率低的地方，比較危險。今日頭條的容錯率很高，30%的容錯率都可以被接受。我們松鼠AI給學生做一對一知識點掃描，如果你有80%的知識不會，只需要學80%就可以了，不需要100%學。我們推錯80%裡面的20%是沒關係的。一個76分的學生，只需要學四分之一的知識就可以了。一個40分的孩子有一半不會，我們把七八十分的去掉，讓他先學四五十分的知識點，這個孩子很容易提二三十分。當人工智能個性化以後，在容錯率低的地方可以發揮非常大的價值。我們也發現在這個過程中，其實每個學生的學習速度也是不一樣的。有的知識點有的孩子需要7分鐘學會我們必須給孩子不同的時間讓他去學，他的效率才高。而且沒有補差班，培優班，有的學生知識點學得特別快，有的學得慢，所以要時間的量身定制。那麼到底是70分鐘還是90分鐘，容錯率沒有關係，錯個20%也不影響效果，而且比老師的教學效果好多了。所以AI的錯誤率可以低於人類的錯誤率。
第二，有限可能性的領域。
經常AI會找到一個無限可能性的領域，你會覺得非常崩潰。比如五子棋不用AI，跳棋也很快，國際象棋的時候，也可以。圍棋的時候就必須用AI算法了。 Siri快十年了，現在仍然是智障，根本不是人工智能。小冰調戲兩句，我問她，你考試考得怎麼樣？她說，不好。我說，你的心情怎麼樣？她說，我心情很好。她根本不能聯繫上文。但是智能音箱就容易很多，它走了中間路線，它是有限可能性的集合。出門問問就那麼幾件事，看電影、吃飯、找附近的地方。智能音箱就是今天幾度，幾點鐘、鬧鐘，你能問的就是那麼幾句話，所以智能音箱可以賣到幾千萬。所以在有限的可能性裡面，人工智能還做得比較靠譜。這裡面出一點錯，就像演講一樣，中間三五句話講得不好聽，不影響大局。
