7張圖看懂美國人工智慧產業
導讀：本文是O『reilly的報告《 美國人工智慧新市場》的作者Aman Naimat針對報告所寫的解讀文章。通過數據分析的方法，Aman 對美國人工智慧市場進行了粗略分析，分為行業對AI 的投資、企業對AI投資、企業對AI技術的採納情況（應用案例）以及美國AI企業地理分布幾個部分。Aman 說本報告的目的不是要爭論AI是什麼和不是什麼，採取實用的方法來定義AI，並且基於正在使用或是開發AI的企業進行分析。
1新智元編譯1
來源：O Reilly
譯者：胡祥傑 張冬君
報告要點：
除軟體和IT行業以外，每個行業只有少數幾十家公司實際涉及AI。
北美地區目前只有1500家公司正在做與AI相關的東西。在各個行業里所有中型到大型企業中，只有不到1%的企業使用AI，但使用AI的企業似乎都是其行業的領導者，它們都非常有名，而且是所在領域裡最成功的企業。
除了任務自動化外，還有一些新奇的應用。例如，遠程信息處理、物聯網和機器人技術在全行業都有影響，其代表的不僅僅是人類任務自動化。
AI企業的地理位置是雙峰分布，比整個高科技行業的分布形式還要明顯。
2004年，在斯坦福大學計算機科學系迷宮式的過道里，我跟一個長得很像聖誕老人對話。這個大鬍子男人是約翰·麥卡錫，他在50年代與馬文·明斯基一起創造了人工智慧這個詞，是人工智慧的創始人之一。
麥卡錫在一段時間內一直都是行業的先鋒，包括為AI創建Lisp語言。他的其他創新包括，分時計算機，垃圾回收和Lambda演算。我本科學習的就是自然語言處理，當時AI還沒有今天那麼酷，當然，自然語言處理也沒有，它們離現在這些激動人心的概念都還很遠。但是，所謂的AI冬天的解凍已開始。
我記得，那天我的眼睛一直盯著房間里的舊溫控計，我和麥卡錫一直從關係資料庫的缺點談到了擁有自省能力的AI。溫控計是每個大學和醫院都能找到的最乏味的那類東西。但是，麥卡錫卻認為，溫控計也能擁有思考，擁有情感和信仰。
他此前曾發表文章，描述了對當時AI發展狀態的失望，更確定的說，是對資料庫的失望。我不知道Nest（智能家居公司）的創始人在開發出那些漂亮的產品時，有沒有從麥卡錫對溫控計的思考上獲得激勵或者靈感。但是，每一次我看到Nest時，我都會想起麥卡錫，想到我們在那間辦公室里關於溫控計的談話，雖然我還不確定的我「Nest」對事物有多少信仰，但是，在管理其有限的任務上，它確實做得很好。它已經有一個模型，根據我的設定，可以預測未來和目標，從而驅動它自己的行為。它也許不是我們想到的關於AI 的一切，但是只在短短几年間，溫控計已經離麥卡錫的願景很近了。
約翰·麥卡錫教授在2011年去世。很快地，AI從人工智慧計算機科學系的實驗室和失敗的研究嘗試走到了現實世界。
和領域內的很多人一樣，我常常思考，AI是否會保持這樣的發展，還是我們會進入到另一個AI的冬天。
大多數參與AI的人都相當務實，希望能解決實際問題，這給了我信心。我很欣賞在電視上看到的每一個沃森（Watson）的廣告，因為IBM為實現AI的普及，在商業化上花了重金。同時，對於這些非常新的技術，我也擔心被過度吹捧的和不能實現的可能性。
每個人都加入了戰鬥。谷歌的CEO最近宣布，人工智慧和機器學習會成為他們所有的產品的核心部件。他們實際上已經有些落後了，像亞馬遜這類的公司，已經推出真正基於AI和自然語言理解的智能家居產品，比如Echo和Alexa。
本報告旨在覆蓋AI目前市場及其商業採納情況，關注走出學術實驗室進入產業的AI。我們正處在大規模採用人工智慧的風口浪尖。大市場的預測被拋來拋去，我們必須用自己擁有的數據站穩腳跟。
我們的目標是建立一個基準，可用於研究行業未來的發展。雖然我確實試著用數據對AI 目前的商業環境進行描繪。支撐的數據會單獨提供，而我的分析只是其中的一個闡釋。這份報告的一個目標是為行業提供關於同行是如何採用AI的、其基本方向和用戶案例提供指導。本報告不會對AI的未來進行預測，檢測的項目也限定在美國公司中。
人工智慧的起始
人工智慧真正進入主流產業是在2011年到2012年。AI 在這段時間的興起，有幾個物質上的原因，還有幾個基礎性的技術，共同創造了這場完美的風暴。下文就是一些讓AI在全世界得以進入主流發展和公司的技術創新和市場條件：
大數據基礎設施
Google發表的論文Map Reduce的興起，促成了一些項目，比如Hadoop，從而提供了AI所需要的廉價、大規模數據處理基礎設施。
雲計算
這一技術的進展使得計算成本急劇下降。比如，在校生只用1000美元，就能租用一台擁有100個節點機器，用於數據處理工作，此前，相同性能的計算機可能會需要投入1億美元才能做到。
海量的數據
開放資源爬蟲（Crawlers）使得網路上的資源變得可獲取。另外，開源存儲器，比如Commoncrawl也使得互聯網上的大多數網頁也可以輕易地被每個人獲得。
Watson 和 Siri
雖然還不是那麼完美，但是Watson和Siri 在推動AI 的普及上功不可沒。
投資
從2009年開始，有超過100以美元的投資流向了大數據基礎設施，為今天的AI應用開發打下了基礎。
專業人才
能夠執行AI開發中的多重任務的人才，從數據處理到數據科學，這些年來至少增減了10倍。
一個小心翼翼的世界
在我分析AI在商業世界的形勢之前，我想指出，當下的大多數技術離通用AI還差很遠。
我將通用AI定義為是一個達到人類水平或超人類水平智能的系統，能理解世界，理解並解決一般性問題。對現代AI宣揚者的一個主要反對觀點是，大部分AI都是bag-of-word模型，它們不能思考或者做任何有關認知的事情。有人稱，谷歌DeepMind在理論上是一個通用AI，但是對我來說，它仍然只是在到處試驗，我們還沒有看到它其他任何的應用。Aving說過，有許多技術在給定的某個人類任務中能達到或者超過人類智能水平（即「狹義智能」）。而且，這樣的任務以前是由擅長於此的人來完成的。DeepMind在圍棋比賽中獲勝，圍棋不像象棋，它需要人的直覺，絕非粗暴地計算每一步就能獲勝。圖像識別也做到了這一點，有時比人類的表現還要好。例如，Spiderbook公司的AI在列出目標客戶名單上，能達到最優秀的銷售人員的水平。
然而，此次報告的目的不是要爭論AI是什麼和不是什麼。我採取實用的方法來定義AI，並且基於正在使用或是開發AI的企業進行分析。我不是要驗證人們說的AI是什麼，或是區分「好」AI和「壞」AI。
報告研究方法
為對本報告進行研究，我的團隊使用了Spiderbook開發的基於圖像的機器學習模型，研究了整個企業網路，然後根據成熟度和投資額將企業分為不同層次。我們徵詢了世界近50萬家企業，用數據來深度理解AI景觀圖和各種相關技術，如認知計算、深度學習、機器視覺、自然語言理解，以及聊天機器人。該引擎閱讀並理解了數十億公共文件，包括所有的新聞報道、業務關係、論壇、招聘廣告、博客、推特、專利，以及我們已經得到授權的專有資料庫。這些數據在很大程度上代表了企業網路，我們利用這些數據創建一個知識圖譜，顯示各個企業是如何相互關聯的，哪一家企業在用什麼產品或是擁有具備特定技能的員工。除知識圖譜外，我們還利用基於網路的機器學習創建了一個關於公司的發展重、項目以及投資的實時快照。
行業對AI的投資
正如預期的那樣，AI最大的一部分被用於軟體和IT相關企業。雖然後面的數字細分了投資AI的行業，但是實際數量仍然很低。除軟體和IT行業以外，每個行業只有少數幾十家公司實際涉及AI。
企業對AI的投資
即使是用狹隘的AI定義，北美地區目前也只有1500家公司正在做與AI相關的東西。這意味，在各個行業里所有中型到大型企業中，只有不到1%的企業使用AI。
下面的表格顯示了積極投資AI的部分公司，按行業排序。
儘管每一個行業只有不到1%的企業使用AI，但使用AI的企業似乎都是其行業的領導者。它們都非常有名，而且是所在領域裡最成功的企業。這個發現的原因很難辨別：是因為它們本身就是行業的領軍者？或者是因為它們有額外的資源來嘗試包括AI在內的所有新想法？還是因為它們早早採用了新技術，為其他企業在各自行業的隨後發展奠定了基礎？
AI投資企業排名
下面顯示的是在AI投資最多並且聲稱要將其作為核心戰略的企業。其中不僅有人們熟知的谷歌和Facebook，還有MITRE這種依靠聯邦研究資助的非盈利公司。
谷歌
Rocket Fuel
IBM
亞馬遜
雅虎
英特爾
微軟
德勤
MITRE
百度
領英
百度
Cylance
Lockheed Martin
NASA
Sentient Corporation
Electronic Arts
AI使用案例
我最近觀摩了由梅肯研究院主辦的AI傑出人員座談會，談論他們對AI領域未來的展望以及現在使用這些技術可能實現的事情。該小組提出的各種想法比現在AI的實際應用要令人興奮得多，雖然有一些很極端，但是大部分很人性化。這些想法涉及的範圍很廣，從疾病診斷到農業和照顧老人。但是，基於我們的研究，AI的主要應用領域更加平庸——使人類要完成的任務自動化。下面的數字量化了企業的預算是如何花費在特定的AI用例上。
在這張圖中，除了任務自動化外，還有一些新奇的應用。例如，遠程信息處理、物聯網和機器人技術在全行業都有影響，其代表的不僅僅是人類任務自動化。
網路情報與安全：AI的一個主要推動力
看到AI在網路智能中有這麼廣泛的應用讓人很驚訝，畢竟網路智能在AI界並不是一個大的討論話題，然而有大量的預算投入這一領域。
有越來越多的企業在網路智能方面建設、諮詢、或者使用AI，比其他用例還要多。也許社會上的威脅要比報道出來的要多吧，畢竟公司沒必要宣傳這些威脅。或者，這也可能是美國政府連續資助這一垂直領域的附帶現象吧。
AI成熟企業的技術採用情況
在過去的十年里，已經出現大量的AI相關演算法來解決經典問題，如分類或自然語言處理。有一些演算法，因其有效性和適應性，現在還存在並能用於更大的範圍，但是大多數演算法卻已經退場。演算法最新的創新一直是在深度學習領域，而之前是潛在狄利克雷分配（LDA）、半監督學習、潛在語義索引（LSI）、支持向量機等等。
其中一些技術已經自成一類，即使它們解決的問題有很多重疊。例如，深度學習可用於自然語言理解，甚至是認知計算，即使它最主要用於圖象處理。
AI使用情況的分類不能清楚顯示AI成熟市場的現有水平。下面兩張圖顯示有多少家企業在實驗室之外使用這些AI技術。
第二張圖顯示了AI技術的子類，以及投資這些子類的企業數量。
AI企業的地理位置
AI企業的地理位置是雙峰分布，比整個高科技行業的分布形式還要明顯。比如，我以前的大數據市場報告顯示，大數據公司在地理上比AI公司要更加分散。或許我們都可以猜出奇點會出現在哪裡。以下的數字顯示各個州的AI企業分布情況。
總結
AI 的冬天已經解凍，並且正在走向春天。雖然AI仍處於非常早期的階段，其巨大的潛力和最近圍繞基於任務的AI所取得的進展，已經引起了一些反響。有一些聚焦領域的應用案例，比如網路情報、市場營銷和製造業的自動化等市場已經有了一些基於AI的產品。通用問題解決和健康醫療應用是談話中被提及得最多的話題，但是，並沒有太多公司把預算花在這上面。
近5年前，政府和私人企業在大數據技術、雲計算基礎設施和最重要的——人才培養上的付出，共同驅動了AI的興起。在過去的幾個月里，大多數的科技公司，比如亞馬遜、特斯拉、谷歌都把AI看成下一個十年里，公司的創新驅動力。在這些公司的董事會裡，一小部分核心成員也接受了AI，在美國，涉及AI領域投入的公司少於1500家。雖然這在整個工業界中只是很少的部分，但是引領這股浪潮的公司都是最大而且最有前途的，當AI成為現實，這些公司當然也就能有最大的收益。
本文作者：Aman Naimat
TAG: |
※美國科技業女員工比90年代都少，三張圖表看懂這一變化
※美國經濟靠華人，華人來美產子帶旺周邊產業
※人工智慧進白宮：讓AI來實現美國夢
※美國富人家的後院組圖
※美國國防部長求助矽谷人工智慧技術，保持美國軍事優勢
※調查顯示：華裔美國人比其他美國人更健康
※美國華人感言：為何國人願做美國夢？
※美國創業簽證搶人才 企業家吁澳大利亞積極應對
※哪些國家工資比美國還高？看看別人國家的工資
※中國忠旺23億美元收購美國愛勵鋁業
※美國羽毛球隊全員亞裔 7人中6人是華裔運動員
※民國元老劉成禺的美國羅曼史
※19世紀中國人在美國
※AI深度：美國研究人員試圖利用模型合成人工道德
※美國華人企業家聯合會在紐約成立
※來看看美國的專業槍店
※張慧瑜：迪斯尼與美國大眾文化工業——迪士不是尼樂園
※圓好萊塢之夢——美國電影專業
※成功學保佑美國人民｜大象公會
※美國藝術家籌辦百人裸體展