人工智能成硅谷創(chuàng)業(yè)熱門 引投資者追捧

國外媒體發(fā)表文章稱，一股新的趨勢正風(fēng)靡硅谷�？纯磩�(chuàng)業(yè)公司們最近的融資情況，就會發(fā)現(xiàn)有一已有超過半個世紀(jì)歷史的概念備受追捧：人工智能。

“這是時下的熱點(diǎn)投資領(lǐng)域。”人工智能公司Context Relevant的史蒂芬·普爾普拉（Stephen Purpura）指出。Context Relevant自2012年創(chuàng)立以來已累計融資超過4400萬美元。據(jù)普爾普拉稱，已有超過1700家創(chuàng)業(yè)公司加入人工智能浪潮。

人工智能的新晉者以為，該技術(shù)終于遇上人類對它的期望了，它將給計算機(jī)帶來更高的智能程度。它們想要給人類帶來新的人機(jī)互動方式，想要使得機(jī)器能夠以預(yù)想不到的方式“入侵”人類世界。

另一家新興人工智能創(chuàng)業(yè)公司Kensho的丹尼爾·納德勒（Daniel Nadler）表示，“從技術(shù)上說，從給機(jī)器輸入指令到讓計算機(jī)自動觀察學(xué)習(xí)是一種范式轉(zhuǎn)變�！盞ensho最近獲得了1500萬美元的融資，它正追一一個雄心勃勃的目標(biāo)：練習(xí)計算機(jī)使得它們能夠取代金融分析師等白領(lǐng)崗位。

“我們并沒有將我們在做的事情稱作人工智能，而是稱之為‘自動化人為干涉干與型的知識性工作�！�”納德勒指出。

投資者的羊群效應(yīng)，一定程度上解釋了為什么人工智能在“大數(shù)據(jù)”口號燃起了千千萬萬創(chuàng)業(yè)夢想以后成為了最熱點(diǎn)的創(chuàng)業(yè)投資趨勢之一。那些融資的規(guī)模還相對較小，說明那些創(chuàng)業(yè)公司大多處于初期階段。不外，獲得融資的公司之多，投資者背景之廣泛，充分說明了投資者對人工智能的濃厚愛好。

除了硅谷的部門著名風(fēng)投公司（其中包括Khosla Ventures和Greylock Partners）以及伊隆·馬斯克（Elon Musk）、彼得·泰爾（Peter Thiel）等科技大佬之外，人工智能創(chuàng)業(yè)公司的部門活躍投資方還包括以為該類技術(shù)在其行業(yè)大有用處的企業(yè)，如高盛。

納德勒說，各家風(fēng)投公司現(xiàn)在都需要介入投資該領(lǐng)域：有限合伙人們都但愿在科技行業(yè)最新的“下一個大熱點(diǎn)”分得一杯羹。

價值應(yīng)用題目

最新的人工智能高潮很大程度上得益于針對近乎“智能”的機(jī)器的新編程技術(shù)。首當(dāng)其沖的是機(jī)器學(xué)習(xí)技術(shù)，它涉及練習(xí)機(jī)器通過挖掘大量的數(shù)據(jù)來識別模式和作出猜測。但跟其它催生一眾創(chuàng)業(yè)公司的新熱點(diǎn)概念一樣，涉足其中的公司良多將面對著難以給其技術(shù)找到有利可圖的應(yīng)用的風(fēng)險。

“良多的人工智能平臺都像是瑞士軍刀，”最近獲投1300萬美元的Expect Labs的CEO蒂姆·塔特爾（Tim Tuttle）說道，“它們能夠做良多的事情，但哪些才是高價值的應(yīng)用并不明朗。”

他說，結(jié)果是該行業(yè)彷如狂熱的西部，創(chuàng)業(yè)者們都爭相將人工智能應(yīng)用到他們能夠想到的任何一個計算題目。

普爾普拉增補(bǔ)道，“我不以為機(jī)器學(xué)習(xí)作為獨(dú)立的技術(shù)會造就一項富有價值的業(yè)務(wù)。良多的相關(guān)公司都將以被收購收場�！�

人們之所以覺得人工智能將不僅僅是另一股只是一時流行的高潮，是出于對其廣泛潛力的考慮。跟“大數(shù)據(jù)”一樣，人工智能指代的不僅僅是單一的技術(shù)或者用途，而是可能有廣泛用途的一種解決方案。

西雅圖風(fēng)投公司Madrona合伙人麥特·麥克韋恩（Matt McIlwain）表示，深度學(xué)習(xí)等技術(shù)會有助于企業(yè)在客戶情況上獲得更加智能的推斷。他增補(bǔ)道，它們將能夠識別客戶的偏好并作出猜測，如客戶最想在什么時候被接洽，哪些客戶最有可能不續(xù)約。

涌入該領(lǐng)域的創(chuàng)業(yè)公司面對著巨大的競爭。人工智能最大的進(jìn)展悉數(shù)來自谷歌、IBM、Facebook等投入巨大的科技巨頭。這些公司并沒有透露它們詳細(xì)投入了多少資源去研發(fā)該項技術(shù)，倒是進(jìn)行了一些公然演示來向大眾證實(shí)它們處于領(lǐng)先位置：谷歌旨在從YouTube視頻識別出貓的一項測試，F(xiàn)acebook用以識別人臉的Deep Face系統(tǒng)，以及IBM的沃森（Watson）問答系統(tǒng)。

然而，塔特爾等創(chuàng)業(yè)者將但愿更多地寄托在將現(xiàn)有技術(shù)打包應(yīng)用于針對性很強(qiáng)的用途，而不是寄托在新技術(shù)的前沿開發(fā)上。例如，Expect Labs致力于打造聲控服務(wù)，使得企業(yè)能夠通過其服務(wù)讓客戶可以進(jìn)行在線對話檢索等操縱。

塔特爾表示，“至公司在試圖開發(fā)這種技術(shù)來解決一切題目，而我們則是嘗試解決不同的題目。”塔特爾說。

三大熱點(diǎn)用途

該技術(shù)的基本用途可分成幾個不同的領(lǐng)域。得益于模式識別功能的提高，圖像識別變得比以往輕易了。涉足這一領(lǐng)域的創(chuàng)業(yè)公司Vicarious最近完成融資7200萬美元。它能夠解決驗證碼題目。

同樣的技術(shù)也用于匡助計算機(jī)“理解”語言——天然語言識別題目。這是IBM沃森等系統(tǒng)背后的技術(shù)之一。人工智能的第三個熱點(diǎn)用途是找出聯(lián)系關(guān)系性——用于個性化在線內(nèi)容和其它的推薦服務(wù)，或者進(jìn)步廣告定向效率。

跟遠(yuǎn)景可期的新概念一樣，人工智能的部門早期應(yīng)用也是用于金融市場，不外考慮到所涉的利益題目，介入者并不敢公然宣講它們的技術(shù)。

“假如你的金融應(yīng)用可行的話，為什么要將它公諸于眾呢？”Sentient Technologies首席科學(xué)家巴巴克·霍賈特（Babak Hodjat）指出。他的公司致力于從數(shù)據(jù)中央獲得大量的運(yùn)算能力來對金融市場進(jìn)行全面的模擬：通過運(yùn)用嘗試學(xué)習(xí)市場對不同情況的反應(yīng)的“進(jìn)化算法”，它但愿能夠開發(fā)出模型來猜測市場未來的演變。

將像這樣的想法主意在各個領(lǐng)域付諸實(shí)踐，需要作出巨大的投入來開發(fā)人工智能技術(shù)。例如，Sentient最近融資超過1億美元來將它的技術(shù)應(yīng)用于更多的領(lǐng)域，說明招攬“練習(xí)”人工智能系統(tǒng)應(yīng)用于多個不同領(lǐng)域所需的行業(yè)專家等事項的本錢相稱高昂。

Sentient以為，最有吸引力的行業(yè)是那些需要挖掘海量數(shù)據(jù)來解決高價值題目的行業(yè)，如醫(yī)療保健、保險和電商。計算機(jī)安全和詐騙檢測也屬于諸多人工智能公司最想涉足的那部門領(lǐng)域。

Context Relevant的普爾普拉說，讓人工智能技術(shù)能夠真正用于現(xiàn)實(shí)用途也需要付出其它的本錢�！皹屑~的爭奪跟底層的機(jī)器學(xué)習(xí)技術(shù)無關(guān)，而是關(guān)乎建造支撐系統(tǒng)讓它變得可用�！彼�稱，這些輔助技術(shù)包括傳輸大量信息所需的數(shù)據(jù)“管道”，以及用以確保人工智能技術(shù)在可接受的業(yè)務(wù)參數(shù)內(nèi)運(yùn)行的控制系統(tǒng)。

鑒于諸多創(chuàng)業(yè)公司面對著證實(shí)其技術(shù)不僅僅是令人驚艷的展品的壓力，能否從投資者那里搶得融資，可能會決定它們在無可避免的人工智能行業(yè)洗牌中的生死存亡。

機(jī)器學(xué)習(xí)

金融時報專欄作家理查德·沃特斯（Richard Waters）寫道，人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)，關(guān)乎開發(fā)機(jī)器來解決之前被以為只有人腦才能解決的題目，它們催生了一系列的技術(shù)和專門術(shù)語。

跟其它技術(shù)分支一樣，公司在最佳方案上的差異有時候就像是宗教信奉上的差異�！澳闼�使用的名稱表示你所屬的部族�！逼諣柶绽�說道。

人工智能承載著實(shí)現(xiàn)完全人類式的計算機(jī)“思維”的夢想。但以計算機(jī)邏輯解碼人類思維的嘗試并不順利。

業(yè)界對人工智能重燃愛好，很大程度上是由于機(jī)器學(xué)習(xí)——一種有意跟人類思維類比劃清界限的方案。機(jī)器學(xué)習(xí)是信息處理本錢下降的產(chǎn)物，涉及海量如今能夠進(jìn)行收集并傳輸?shù)骄W(wǎng)上的數(shù)字?jǐn)?shù)據(jù)。

作為機(jī)器學(xué)習(xí)的子集，深度學(xué)習(xí)是人工智能趨勢泛起的重要原因。深度學(xué)習(xí)基于人工智能歷史的另一個概念：神經(jīng)網(wǎng)絡(luò)，即尋求模擬人腦運(yùn)作加快“學(xué)習(xí)”的軟件。

Nara Logics的CEO亞娜·艾格斯（Jana Eggers）表示，神經(jīng)科學(xué)的提高為這種生物模擬帶來了新思路。她增補(bǔ)道，模擬的目的是“看看人腦是如何進(jìn)行決議計劃的，如何使得計算性能夠做得更好。”