機器智能公司一覽圖 | 36氪

機器智能公司一覽圖

對於人工智能，目前有兩種態度。一種是擔憂，Elon Musk等人擔憂先進的人工智能會對人類形成威脅，Nicholas Carr擔憂自動化會搶人飯碗、讓人變蠢；一種是放心，Google主席Eric Schmidt認爲先進的技術智慧讓人類變得愈來愈好，何況如今的人工智能還很是原始。那麼，如今的機器智能現狀究竟是怎樣的呢？Bloomberg Beta 的 VC Shivon Zilis 歷時 3 個月，分析了 2529 家人工智能、機器學習及數據相關的初創企業後爲咱們作出解讀。

什麼是機器智能？

所謂機器智能，是機器學習與人工智能的統稱。計算機正在學習如何思考以及讀寫。也正在得到人類的感受功能，包括視覺、聽覺，以及觸覺、味覺和嗅覺（對後三者的關注略少）。機器智能技術涉及多種不一樣的問題類型（分類、聚類、天然語言處理、計算機視覺等）和方法（支持向量機、深度信念網絡等）。這些都包含在機器智能版圖當中。

機器智能離不開大數據，數據是機器學習和人工智能的基礎。儘管如此，出於篇幅和專一於人工智能方法的緣由，這份版圖並無把大數據放進去。

公司分類

從事機器智能的公司不少，可是版圖幅面有限。因此機器智能方法被看成關鍵技術的公司才能夠列入。而後入選的公司再分爲三大類，一類是專一於機器智能核心技術創新的核心技術類公司；一類就是應用型公司，應用型按照應用對象又能夠分爲面向企業、面向行業以及面向人 / 人機交互（HCI）這三類；第三類則是支撐技術，包括硬件、數據準備、數據採集等。

若是你打算開一家相關的公司，能夠利用這張圖找出合適的核心技術和支持技術，而後打包成新穎的行業應用。儘管人人都想解決一些吸引人的問題，可是在許多不那麼性感的行業還存在着大量的商機值得挖掘（如經過 Watson Developer Cloud、AlchemyAPI 等），因此未必要牢牢盯住熱門的領域。

版圖思考

Kevin Kelly（K.K）認爲，廉價的並行計算、大型的數據集，以及更好的算法推進了機器智能的發展，從而給企業、產業和人類帶來了變革。這張版圖的應用劃分正是受到了這種觀點的啓發。正如 K.K 所言，「接下來的 10000 個初創企業的商業計劃很容易預測，作 X 而後增長 AI。」有時候甚至連 X 均可以不要，由於機器智能自己就有可能創造出全新的行業。

機器智能的前景很是可觀。目前這個領域的初創企業被收購率已達到有 10%，Zilis 認爲到 2015 年年末可能還會有另 10% 被收購掉。買家共有 15 個，其中 Google 是機器智能領域的頭號買家。

大公司具備壓倒性優點，尤爲是開發有消費者產品的那些。搜索（Google、百度）、社交網絡（Facebook、LinkedIn、Pinterest）、內容（Netflix、Yahoo！）、移動（蘋果）及電子商務巨頭（Amazon）處在很是領先的位置。由於這些公司擁有大量的數據，且能夠經過不斷與消費者交互，從而造成算法調整的反饋迴環，再加上網絡效應，因此是最容易從中收穫機器智能成效的公司。

一流的個性化和推薦算法促進了這些公司的成功。在移動的新戰場上，機器智能也不可或缺：如天然語言接口（蘋果 Siri）、可視化搜索（Amazon 的 FireFly）、直接提供答案而非連接的動態問題回答。而 IBM 和微軟在這個領域也取得了很大進展，可是主要集中在面向大型行業數據集的知識表徵任務（由於缺少上述公司相似的面向人的需求），比方說 IBM 的 Watson 就用到了輔助醫生診斷上面。

人才壟斷

過去 20 年裏，人工智能領域最好的人才都在學術界。這些人發明了許多新的機器智能方法，可是能帶來商業價值的卻沒幾個。但如今像深度信念網（deep belief nets）和階層式神經網絡（hierarchical neural network）這樣複雜的機器智能方法開始解決一些現實問題了。而象牙塔上的那些學者也開始走進企業。比方說Facebook招了紐約大學的Yann LeCun教授和 Rob Fergus，Google聘了多倫多大學的 Geoffrey Hinton，而百度則有吳恩達（Andrew Ng），這些都是機器智能領域「教父」級的任務。不過這些人並非徹底跟學術脫離了關係，很多的時間和精力仍是要貢獻給學校的。

高薪和好設施固然是吸引這些頂尖學術人才的因素之一，可是最重要的倒是另外一個東西：數據。Facebook、Google、百度等擁有龐大的計算資源，還壟斷了海量的數據，必然會吸引愈來愈多的人才加入，這就是大公司造成壓倒性優點的緣由。

和平紅利

如上所述，大公司擁有固有優點，而贏得機器智能戰者將來還會更增強大。幸運的是，對於其餘公司來講，大公司開發出來的核心技術會迅速涌入到其餘領域—經過大公司離職人員以及公開發表的研究的方式。

此外，跟大數據革命相似，技術巨頭也會把一些突破性的技術貢獻給社區，而後由其餘人來作應用層面的創新。

創業機遇

個人公司從事 X 的深度學習

要想讓你的公司明年火，能夠用上面這句話作廣告詞。固然，前提是你的確是。

深度學習是機器智能的熱門方法。雖然可能有點炒做過頭，但 Google、Facebook、百度這樣的巨頭，以及 Enlitic 等很初創企業，在視覺和語言處理方面採用這種辦法的確取得了不俗的成績。

深度學習最使人興奮的是，若是處置得當的話，其自動學習功能能夠替代部分領域專家的直覺。在不少狀況下，這有望改寫許多領域的解決方案。

人才收購做爲商業模式

咱們在討論大數據的時候每每提到數據科學家的短缺。可是因爲此前機器智能僅限於學術研究，機器智能專家更是短缺中的短缺。這一現狀並不會很快改變。

這種短缺對於真正理解機器智能的創始人來講倒是一種福利。這一領域的許多初創企業可以得到種子輪融資，每每就由於一個緣由—機器智能人才收購的價格是一半技術人才收購價格的 5 倍以上（比方說 Deep Mind 人均收購價格爲 500 到 1000 萬美圓）。做爲有悟性的創始人，你甚至能夠網羅一批機器智能人才而後就成立公司，說不定就有人會收購你了—好吧，這是個玩笑，可是這的確反映出「人工」智能的價值。