關於人工智慧AI，你知道多少？100問答二

人工智慧創業和投資熱潮為何出現在這個時間點？

人工智慧是當下最激動人心和具備變革性的機會，這其中有諸多原因。根據KPCB的報告稱，全球約有20億手機，這些手機用戶非常依賴手機，其中有40%的手機用戶會接入互聯網。這也意味著我們現在製造了過往從未存在的數據，包括用戶行為、喜好、興趣、知識以及社交聯繫。

計算和存儲的成本大幅下降，而計算的能力則顯著增長。我們已經看到在學習方法、架構、軟體基礎設施方面的進步。創新的步伐正在加速，我們無法準確預測到接下來會是什麼樣子。

以人工智慧為驅動力的產品如雨後春筍般湧現，在搜索引擎、電商/音樂推薦系統、在線廣告以及金融服務方面都有不俗表現。開發者對於人工智慧有了更好地理解，並且願意在構建更複雜應用程序時集成更多高效工具。

人工智慧公司分類？

我們將人工智慧公司劃分為以下13個類別：

1）深度學習/機器學習（通用）

這類公司主要開發計算機演算法，演算法的運行基礎是對現有數據的學習。例如：預測性數據模型，分析行為數據的軟體平台。

2）深度學習/機器學習（應用）

這類公司主要運用計算機演算法，演算法的運行基礎是採集自垂直領域特定用例的現有數據。例如：使用機器學習技術檢測金融欺詐行為，或者識別最好的銷售線索。

3）自然語言處理（通用）

這類公司主要開發演算法，用於處理人類語言，並將之轉化為可以理解的表達法。例如：自動生成敘述文本，從文本中挖掘數據。

4）自然語言處理（語音識別）

這類公司主要處理人類講話的語音片段，精準地識別出其中的每一個單詞，並且推斷它們的含義。例如：可以檢測語音命令並將之轉化為可執行數據的軟體。

5）計算機視覺/圖像識別（通用）

這類公司主要開發技術，用於處理和分析圖像，並從中提取信息和識別物品。例如：視覺搜索平台，供開發者使用的圖像標記API(應用程序介面)。

6）計算機視覺/圖像識別（應用）

這類公司主要運用技術，處理垂直領域具體用例中的圖像。例如：可以識別面部的軟體，或者是讓用戶通過拍照搜索商品的軟體。

7）手勢控制

這類公司可以讓用戶通過手勢跟計算機進行交互和交流。例如：讓用戶通過身體動作控制遊戲角色的軟體，完全通過手勢操作電腦和電視機的軟體。

8）虛擬個人助理

這是一類基於反饋和指令為用戶處理日常任務，提供服務的軟體助理。例如：網站上的客服機器人，幫助用戶安排日程的個人助理應用。

9）智能機器人

這類機器人可以從自身經驗中學習，然後根據周圍環境的具體情況自主行動。例如：可以在交互中基於用戶情緒做出反應的家用機器人，可以幫助消費者在商店中找到特定商品的導購機器人。

10）推薦引擎和協同過濾

這類軟體可以預測用戶對某些事物（比如電影或餐館）的喜好和興趣，然後提供個性化的推薦。例如：基於用戶以往選擇提高建議的音樂推薦應用和餐館推薦網站。

11）情境感知計算

這類軟體可以自動感知周圍環境以及使用情境——比如位置，方向和照明條件——並據此調整自己的行為。例如：在檢測到周圍環境變暗時自動調高亮度的應用。

12）語音翻譯

這類軟體可以自動識別人類講話，並即時翻譯成另一語言。例如：自動實時地將視頻聊天聊天和討論內容翻譯成多種語言的軟體。

13）視頻內容自動識別

這類軟體可以將視頻俄擬人樣本跟源內容文件進行對比，通過其中獨一無二的特點識別內容。例如：將上傳視頻跟版權內容進行比對，從而在用戶上傳視頻中檢測版權內容的軟體。

人工智慧公司分類統計？

隨著人工智慧與傳統行業的不斷結合，人工智慧產業鏈迎來爆髮式增長。從產業分類和公司數量來看，諮詢公司Venture Scanner統計，2016年全球人工智慧公司已突破1000家，跨越13個子門類，融資金額高達48億美元。

在這13個種類中，研究機器學習（應用）的人工智慧公司數目最多，達260家，約佔整個行業的30%。從區域分布情況來看，歐美等西方國家發展較為迅猛，其中美國以499家人工智慧公司佔據絕對主導地位，且初創公司數量眾多；而以中國為首的發展中國家在人工智慧領域顯然仍處於起步階段，真正布局該產業的公司較少，以傳統互聯網巨頭進軍人工智慧領域為主。

人工智慧領域國際上有哪些超級玩家？

以IBM、微軟、谷歌、Facebook為代表的美國巨頭公司已經開始深入科技無人區。這些公司技術和業務各有所長，面向的用戶也不同，但它們的目標一致：把人工智慧機器做大、做強、再做沒。

IBM和微軟可能沒有谷歌、Facebook看起來那麼酷，但在人工智慧領域有深厚的技術底蘊，IBM甚至已經開始用人工智慧賺錢。

今天可以代表IBM在人工智慧領域最高技術水平的，是不斷進化中的Watson系統，和已經可以量產的人腦模擬晶元SyNAPSE（超大規模神經突觸計算機晶元）。Watson已經開始為IBM賺錢了。法國農業信貸銀行預測，Watson系統創造的收入將在2018年佔IBM總收入的12％以上。Watson已經被部署在IBM去年收購的雲計算基礎設施業務Softlayer上，成為IBM與亞馬遜、谷歌、微軟等大型科技公司在雲計算領域展開競爭的武器。

微軟的人工智慧研究方向要寬泛很多。微軟研究院擁有超過1000位科學家，在包括深度學習的多個領域的技術布局處於世界頂端。

微軟最新的深度學習系統在2015年ImageNet計算機視覺識別挑戰賽中，將計算機視覺系統錯誤率降低至3.57％，相比於人眼辨識的5.1％，這是人工智慧首次在識別圖像的錯誤率上超越人類水平。這些機器由微軟的Azure雲服務提供支持。

微軟不僅將人工智慧技術應用於如Windows、Azure等核心業務中，還構建開放的平台，將多年的技術積累開放給產業界，它的目標是打造一個人工智慧生態圈。它在無人區走得最遠，在現實商業世界中隱蔽得最深。

和前輩相比，年輕的谷歌在人工智慧領域做的事情更讓外界看得懂，也更興奮。谷歌一方面不知疲倦地做底層人工智慧技術的積累，研發更加高級的深度學習演算法，增強圖形識別和語音識別能力；另一方面親力親為布局了包括智能家居、自動駕駛、機器人（2013年收購了8家機器人公司）等領域。前者為後者帶來基礎技術支撐，後者為前者提供數據和反饋。值得一提的是，谷歌在無人駕駛汽車領域的技術積累，已經遠遠超過傳統汽車廠商和其他互聯網公司。

更加年輕的Facebook，將人工智慧視為未來的三大方向之一。Facebook天然擁有全球範圍內的海量社交數據，但在基礎科學的研究上依然不遺餘力。2013年，Facebook在加州成立了Facebook AI Research (FAIR)。卡耐基梅隆大學機器人系博士、Facebook人工智慧組研究員田淵棟稱，FAIR的研究方向自由寬鬆，研究所需的計算資源（如GPU）相對豐富，同時也沒有近期的產品壓力，可以著眼長遠做困難和本質的研究。他稱，這樣的學術氛圍在各大公司是極其少見的。

如果說前述幾大巨頭都是從人工智慧技術出發，結合雲計算賦予技術更多勢能，那麼亞馬遜的路徑正好相反。亞馬遜是全球第一大雲服務提供商，它的雲服務收入超過微軟、IBM、谷歌、Salesforce等所有對手的總和。但亞馬遜目前發布的人工智慧技術，多數集中在提升購物體驗的深度學習領域。

人工智慧技術有兩大要素：核心技術平台和數據循環。只擁有技術是不夠的，需要業務和數據結合，才能打造好的技術。對循環數據的獲取，巨頭們也都不遺餘力。

對於巨頭來說，演算法已經不再是競爭的障礙，數據和用戶習慣才是山頭。大量的初創企業會採用開源做很多垂直領域的業務，其中包括海量試錯和驗證，最終也會反饋回開源，而這正是巨頭們所期望的。

人工智慧國內有哪些超級玩家？

以BAT為代表的互聯網行業在人工智慧研究和商業化探索方面走得最早，也看得最遠。其中，技術起家的百度走在最前端。3家企業在人工智慧領域的代表產品包括：百度推出的機器人助理「度秘」以及廣泛應用人工智慧技術的無人駕駛車、阿里巴巴的人工智慧平台「DTPAI」和客服機器人平台、騰訊的視覺識別平台騰訊優圖、智能計算與搜索實驗室和撰稿機器人Dreamwriter。

從整體來看，百度是BAT三家中首先完成有關人工智慧技術體系整合的公司。目前，百度研究院、百度大數據、百度語音和百度圖像等技術都已歸入人工智慧技術體系。李彥宏多次向外界強調，百度未來的發展將嚴重地依賴人工智慧。IBM研究院把百度列入競爭列表的唯一中國公司。

矽谷尤其關心「百度大腦」的進展。百度大腦是百度在人工智慧領域的核心。百度此前發布的諸多人工智慧產品，如無人駕駛、智能搜索等，都是基於百度大腦的能力。百度高級副總裁、自動駕駛事業部總經理王勁稱，百度大腦已具備視、聽、說和預測、規劃決策以及行動控制的能力。在數據方面，百度有萬億級的網頁、移動和行為數據可供分析。在深度學習方面，百度的萬億參數排在世界第一。

阿里巴巴和騰訊的布局則更加克制。或者說，它們更代表中國公司的普遍做法，從業務驅動開始，逐漸加大檔位。

阿里從2011年開始布局互聯網醫療，投資收購和戰略合作的公司數以百計。圍繞醫院、醫保、醫藥做了大量布局。最新的統計數據顯示，全國已經有超過400家大中型醫院加入阿里的「未來醫院」計劃，覆蓋全國90％省份。阿里在健康醫療領域的布局快慢，取決於阿里在人工智慧領域的技術突破。

阿里是目前中國所有公司里，數據生態最完善、最健全的公司。此外，阿里雲也是目前世界上最接近AWS（亞馬遜雲服務）的雲計算平台。數據生態體系是做人工智慧的重要基礎。因此，在這場有關未來的布局中，阿里雲的主導地位清晰。不過，阿里的人工智慧研究分散在其各個業務分支之中，有待整合。

騰訊和阿里的情況類似。騰訊在人工智慧上的布局，以IM和SNS業務為基礎。例如語音識別主要是在微信部門、圖片識別主要是在QQ，支付和金融業務方面植入了人臉識別，搜索部門則關注自然語言識別。

騰訊越來越重視在人工智慧領域的技術開發，這包括兩個路徑：一是整合騰訊自身的技術資源，形成體系和重點；二是加快對優秀公司的收購和合作步伐。

騰訊參與了多個人工智慧項目的早期投資。騰訊投資併購部一直在為公司尋找需要的標的，服務於騰訊的整體戰略。騰訊日前與矽谷風投機構Felicis Ventures領頭了人工智慧創業公司Diffbot 1000萬美元的A輪。這家公司通過人工智慧技術，讓「機器」抓取網頁關鍵內容，並輸出軟體可以直接識別的結構化數據。

BAT的人工智慧技術研發從第一天開始就是商業需求驅動的，他們從業務入手，收購甚至模仿別人的東西，這種做法避免了漫無目的研究和不必要的失敗，但也無法保證在下一輪的人工智慧平台大戰中勝出。

國際上人工智慧投融資情況？

人工智慧領域的融資總額一直在逐年穩步增長。從2010年時的2億美元到2013年時的6億美元，再到2015年時的12億美元。在2016年的第一季度，人工智慧領域已經融到逾4億美元的資金，這個水平跟2015年同期旗鼓相當，而全年甚至有望更上一層樓。

截至2015年，全球人工智慧初創企業已有855家，橫跨13個門類，總估值超過87億美元。

目前，美國創投平台AngelList上有1031個人工智慧初創公司，平均估值為520萬美元——近乎等於54億美元的風險投資。上面最受關注的三家公司分別是機器人公司Autonom ous，團隊生產力軟體製造商Crux以及人工智慧社交新聞集成者Zero Slant。

市場調研機構CB Insights的統計數據顯示，2014年風險資本對人工智慧的投資增長302％，達到3.09億美元。

根據數據分析公司Quid的研究數據，自2009年以來，人工智慧已經吸引了超過170億美元的投資。僅去年一年，就有322家擁有類似人工智慧技術的公司獲得了超過20億美元的投資。自2013年以來，Yahoo、Intel、Dropbox、LinkedIn、Pinterest以及Twitter也都收購了人工智慧公司。過去四年間，人工智慧領域的民間投資以平均每年62%的增長速率增加，這一速率預計還會持續下去。

投資公司Playfair Capital 的 Nathan Benaich 說，2015年人工智慧企業的投資輪數比上一年多16%，而與此同時科技產業整體投資輪數減少了3%。

國際人工智慧投融資規模情況？

國內已有近百家人工智慧領域的創業公司，65家獲得投資，共計29.1億元，其中曠世科技、優必選、雲知聲、Sense Time4家公司登上艾瑞獨角獸榜單。

更多初創公司只是打上了人工智慧的標籤。它們本質上是用國際開源的平台，用數據訓練一兩個模型，甚至照搬國際模型，這其實潛含危險，最大的風險是產品嚴重同質化，尤其在人臉識別、語音識別等成熟領域，這些公司的產品沒有突破性創新，根本沒有繼續走下去或被收購的價值。

人工智慧開發有哪些開放平台？

2015年11月，谷歌開源了第二代機器學習平台Tensor Flow，為用戶們提供一種利用大量數據直接訓練計算機完成任務的途徑。如今，使用該平台的項目已經超過600個。

2016年1月，Facebook公布了一個機器學習的開源項目，他們將一些基於機器神經網路的產品免費放在了Torch（一個關注深度學習的開源軟體項目）上，可以用來處理數據，分析信息的共同特徵。此後，Facebook了開源人工智慧硬體伺服器Big Sur。

其他巨頭在人工智慧方面也越發開放，微軟將分布式機器學習工具包（DMTK）通過Github開源；IBM旗下機器學習平台 SystemML正式開源，成為Apache孵化器下面的一個開源項目。

人工智慧在市場上的表現如何？

現在一些企業的數據和開放數據都存放在各種類型的數據倉庫中。不妨想像一下，如果能讓這些數據建立起某種聯繫，也就提供了一種觀察複雜問題的新角度，從這個新角度出發的洞察力可以做出更多預測。DueDil、Premise、Enigma等公司都是以這樣的方式給市場帶來驚喜。

企業可以利用自身的專長，在人工智慧的幫助下提供更專註、高附加值和可複製的解決方案或產品，這會突破人類的一些局限。比如，類似SiftScience,、Ravelin的在線欺詐檢測公司，以及ZestFinance、Kreditech在內的個人貸款創業公司。這些公司解決了傳統意義上人類手工檢索、核對少量資料而無法做出準確預測的難題。

你是否開發出新型的面向更廣泛市場需求的機器學習或深度學習架構？包括特色工程、數據處理、演算法、訓練模式以及產品部署。你是否可以將新的工具和技術打包到市場上原有的成熟產品中，並最終提供給終端客戶？H2O.ai、Seldon和Prediction.io正在這個領域耕耘。

調查顯示，知識工作者日常工作重複而機械、低效率並容易犯錯。可以考慮通過結構化的工作流，輔助於可量化的工作產出，利用情景決策，以自動化的方式幫助這些知識工作者。這方面，.Gluru、x.ai、SwiftKey都有很多嘗試。

物理世界大量的自動化交互需要情境感測器的輸入、邏輯和智能技術的參與，這個領域Tesla、Matternet和SkyCatch都有一些自己的解決方案。

基於長遠研發和專註研究的企業都面臨一定的風險，包括DNNResearch、DeepMind和Vicarious都處在這場激動人心卻又風險極大的戰場。

更重要的一點則是包括谷歌、IBM、微軟等大公司相繼發布的開源技術，以及大量能夠推出便宜產品的公司，這些都表明技術的壁壘正在快速消除。接下來發展的方向則是：專屬的數據接入、經驗豐富的人才以及具有吸引力的產品。

人工智慧目前發展存在哪些瓶頸？

人工智慧現在已經可以幫你做飯、在手機上與你聊天、在遊戲中擊敗你。但就目前來看，人工智慧在某一細分領域中超越人類是可以達到的，但要想創造出全面超越人類的智能，卻並非是一朝一夕所能完成的。

人工智慧目前只是在通過學習能力而模仿人類所從事的工作，或是可以很好地從事一些模式化的一些工作，但是在一些創造性的工作上，人工智慧卻完全達不到人類的能力，想超越人類，還有許多困難要克服。

雖然有了這些值得讚歎的進步，我們距離與人類同樣智能的機器還很遠—我們的機器甚至與老鼠的智能相比都差得很遠，我們大約只見證了AI實力的5%。

人工智慧發展瓶頸：

1）數據是人工智慧的燃料。數據量不夠，制約著計算能力的提升。

2）僅僅有數據還遠遠不夠。要想讓機器足夠聰明，那麼機器還需要更快的計算速度，這取決於計算機的晶元技術。

3）神經網路也有比較大的問題。

4）人工智慧缺乏有力平台的支撐，導致AI開發很難。

5）目前階段的機器人儘管擁有大計算存儲、分析數據能力，但始終不具有認知功能。自主意識是人工智慧發展的瓶頸。

從投資人的角度去看，人工智慧創業面臨的困難是：

1）運營角度

你是否有更長期的研發路線圖而不僅僅是短期的商業化想法？儘管越來越多的產品類型和產品框架發布出來，但投資人在投資時依然會關注產品的性能能否滿足用戶需求。用戶是產品的最終評判者，這也是創業公司必須認識到的一點。

薄弱的人才庫。一方面是現有人才不具備綜合性的技能，另一方面，如何招募更多優質人才並讓他們安心工作？

2）商業化角度

早期就要思考如何平衡研發和產品研究、設計。一個粗糙的產品即便再美化依然無法優雅，所以事先綜合考慮很重要。

人工智慧的產品在市場上還是新鮮事物。你所面臨的客戶，可能是什麼都不懂的科技小白，所以，你必須精心設計整個銷售循環里的步驟。你要通過什麼方式銷售你的產品？SaaS？API還是開源呢？

當然也可以選擇付費的諮詢、體系建設以及支持服務等商業模式。你現有的產品能否應對客戶數據或其他平台數據的處理要求呢？

3）財務角度

作為創業者，你覺得哪些是有價值的？所謂的MVP？還是媒體報道？還是開源社區的用戶？你是應該專註核心產品開發還是面向客戶，與客戶需求的變化不斷調整產品呢？在融資時要有一個緩衝時期。

4）用戶角度

有兩個要素需要用戶參與到人工智慧產品中：

首先，機器在認知方面表現很差，為了讓機器變聰明些，需要用戶幫助機器提升自己；

其次，在這個供大於求的豐裕時代，用戶面臨諸多產品選擇，一個app在90天內退款的比例為35%。

對很多用戶來說，之所以感覺某個產品無法滿足其需求，其中一個關鍵要素是沒有形成用戶習慣，以下有一些典型案例，展示用戶在產品開發中的重要作用，以及如何形成用戶閉環：

搜索：谷歌搜索框的自動填充成為谷歌理解用戶搜索請求的方式，用戶通過消除歧義的方式訓練機器。

視覺：谷歌翻譯和交通標記檢測都允許用戶提交反饋數據。

翻譯：Unbabel公司的社區翻譯機制不斷提升機器的翻譯能力。

垃圾郵件過濾：比如Gmail。

更具體的一個案例，比如IBMWatson能夠在病人診斷提供相應的資料。

這些互動即能提升系統的性能，有可以培養用戶使用產品的習慣，促使他們更長時間的使用。

記住一點，對於那些我們不了解的事物，我們很難完全信任。

未完待續，想要一起討論人工智慧，請添關注公眾微信號：hostoneVC

請您繼續閱讀更多來自 投哪兒網路 的精彩文章:
TAG:投哪兒網路 |

※《雨人》：你知道2130的平方根是多少嗎？
※萬里長城13關，你知道幾關
※100個常用俗語，你知道多少？
※關於新版100元人民幣，你應該知道這7條？
※你知道宇宙多少歲了嗎？138.2億年！
※60多億人夢只做12種夢，你知道是哪幾種嗎？
※你知道过去100多年北京房价涨了多少吗？
※人體的12大極限，你知道多少？
※關於夢境的預兆，你知道多少？5
※這17個聰明的人，你知道幾個？
※你知道930嗎？百萬華人被一個小國屠殺
※中國百鬼錄，100隻鬼你知道幾個？
※倒计时44天！2016法国欧洲杯你该知道的10件小事
※男人這12個隱私，你知道嗎？
※英國大學的「985」和「211」 你知道么？
※南极洲的20个惊人秘密：90％国人不知道
※四大名著最動人的60句話，你知道多少？
※大家都知道PM2.5，但「殺手級」的PM0.3卻鮮為人知！
※300元到4000元明星同款包，還不知道你就虧了……