AI炒作已經達到頂峰，那麼下一步呢？
恭喜你找到最犀利也最有趣的創投公眾號
聽說關注並置頂"Vivi闖矽谷"的人都很酷
2017年，是屬於人工智慧的。全球的風投和企業無不趨之若鶩，尤其是在矽谷這個初創者的朝聖之地。可以毫不誇張地說，人在矽谷走，所聞皆AI。但是，與任何熱門技術的發展趨勢一樣，AI正在努力超越這一階段的實驗和炒作。
在矽谷，人們把人工智慧爆發的那一天稱為奇點。奇點是不可避免的。對於某些狂熱的AI主義者而言，AI的奇點就是AI終將超越人類。
安東尼 萊萬多斯基就是這樣一個人
【安東尼 萊萬多斯基 Anthony Levandowski】
矽谷著名的「自動駕駛」技術專家，早年供職於Google的自動駕駛部門。後來離職創業，「成立了Otto」，一家專門開發自動駕駛卡車的公司。Otto成立還不到一年，就被Uber以6.8億美元的天價收購，安東尼也來到Uber出任副總裁。
然而好景不長，有人爆出了這樁交易幕後醜聞：原來安東尼和Uber CEO卡蘭尼克私交甚好，而Otto從創辦到被收購，都是兩人的自導自演。最終，Uber被告上法庭，安東尼被解僱，Uber無人駕駛項目無奈解體。
近日，安東尼再一次走上頭條，原因竟然是一份來自州政府的法律文件。原來早在2015年，安東尼就成立了一個宗教組織Way of Future，而他們的神居然是AI！這個組織旨在發展並創造一個基於AI的神——God Mind。
對AI的狂熱確實讓一部分人沖昏了頭腦。別人創業搞搞AI公司也就算了，而這位仁兄直接造神去了。
AI對人類的威脅究竟如何？
它的應用前景怎麼樣？
這一切都是未知數
而著作《原則》的作者Dalio，一句肯定的反調，給無數AI狂熱者潑了一盆冷水。
《Principles》的作者是全球最大的宏觀對沖基金橋水資本創始人Ray Dalio。這本書亞馬遜剛剛推出，已經獲得矽谷人士熱捧，Vivi也剛剛下單哈。
文中圍繞生活、商業等方面的兩百多個原則，並加以說明。它是橋水公司的內參，作為公司企業文化內部傳閱，更被矽谷眾人奉為創業及公司發展的不二法門。
AI是關於人，而非機器
Dalio說，幾十年前，他會寫下他的標準，然後看看這是否可以轉化成一個演算法。這種專家系統方法與今天的深度學習概念相對立，機器學習模型對大量數據進行了培訓，以產生基於歸納推理的結論。
這種區別可能看起來微不足道，但卻遠不如此。今天使用的許多機器學習模型都是黑箱操作——數據輸入和結論被吐出來。如果你想問是什麼驅使這個模型得出這些結論，你將無法找到任何紙張蹤跡。
「如果一台機器提出了一種演算法，而且您對相應的因果關係沒有深刻的理解，那麼事情就會變得非常危險，」 Dalio解釋說。「如果未來與過去不同，你可能會崩潰。」
正因為如此，Dalio認為人工智慧的未來將依賴於人類。他在書中指出，計算機在沒有人類幫助的情況下，一般能勝過人類的那一天是遙遠的。
「關鍵是理解！」Dalio說道。
今天的人工智慧分為三類——（）模擬，（）數據挖掘和（）專家系統。
模擬
模擬是指易於複製的任務，從而不需要理解。這些問題的特點是它們發生在不會改變的世界。
數據挖掘
數據挖掘開闢了更為廣闊的設置問題。Dalio指的是深度學習就是在這裡，大量的信息可以用來解決特定的問題。
專家系統
最後一種方法是專家系統。來自所謂「專家」的這些演算法規則是脆弱的，並不廣泛地適用於今天的對象識別和對話系統的問題，但是當需要演繹推理而不是歸納推理時，它們可以具有價值。這也正是AI不及人類智力的表現之一。
HI vs AI
有些事永遠只有人類能夠解決
每一個新趨勢都有一個逆向趨勢。儘管目前對人類對AI感到無比興奮，但APO認為，人類智能（HI）仍然可以為企業提供一些AI不能企及的解決方案。
APO是一個擁有來自170個國家，超過42000名研究人員的眾包網路，其中42％擁有各種科學，技術和工程專業的研究生學位。
AOP的思想已經開始成為一個多用途的「人力搜索引擎」，它可以幫助企業解決基於演算法的搜索引擎無法應對的挑戰，特別是在創新型新產品的開發和營銷方面。
例如，今年早些時候，一家位於歐洲的小型製造商需要開發一種管道系統，可以長時間安全地移動高揮發性和磨蝕性的烴類溶劑和金屬清潔劑。碳氫化合物往往會破壞他們接觸的一切——將您的汽車停放在汽油水槽中，輪胎會膨脹並最終腐爛。
一個精心開發的AI已經可以肯定地指出這種材料。但是，為了找到一種真正小巧但具有成本效益的解決方案，該公司反過來又要尋求AOP尋求幫助。
Sean Warren，The Moon on a Stick管理合伙人，對HI所做的結果印象深刻。AOP的研究人員找到了142種可能的解決方案或組合物，使管道能夠承受揮發性烴類物質並根據需要進行運行。Warren指出，我對他們發現的技術方法的深度和相關性感到非常驚訝，其中一些客戶從未想像過。
AOP還與大型企業合作，即使是擁有龐大內部資源的企業，如電信巨頭AT＆T和300億美元的技術巨頭飛利浦。
飛利浦退休的首席知識產權官Brian Hinman解釋說， 「我們現在使用AOP來確定某些商品的製造和銷售渠道，並探索特定技術領域的新趨勢。」
這就是演算法和人為判斷之間至關重要的地方。AI可以快速向您介紹可視光通信（VLC），其歷史，幾個主要參與者以及一些在該領域的發表研究。
但是，對是否投資數千萬美元開發和營銷VLC產品作出商業決定，公司則需要可以評估市場機會的規模和範圍的人類專家的經驗，洞察力和商業判斷力。
AOP對HI的最新下注是上個月推出了一項新的TalentSource服務，為合作夥伴提供合格的專家技術人員。
這樣做的目標是滿足公司內部不斷增長的新技術或相鄰技術的專業知識，這些技術在核心研發能力之外，行業融合越來越迫使他們應對。TalentSource使這些公司能夠引入探索這些新技術領域所需的人才，而無需投資於僱用全職員工。
高熱下的AI該何去何從？
Vivi綜合總結一下，關於AI未來的四點看法。
1、保持領域專長
區分AI解決方案的，不僅僅是一種新穎的演算法，更是在其中拋出唯一的數據。這是關於讓一個團隊了解數據中要查找的內容——有人可以調整演算法，以幫助人工智慧系統學習識別正確和不正確的答案。
這個人不一定是工程師或數據科學家。正如從事保險業務的人，也能理解精算表。這些領域專家讓AI團隊在產品的相關性，實用性和目標市場上不可或缺。
2、洞悉客戶價值
你的AI解決方案使用案例的實際影響是什麼？到底如何做得更好？它的效果是實際的10倍還100倍？
例如，你是一名醫生，有一款新軟體可以幫助你更方便地分析x光圖像。它已經過濾出不必要的視覺信息，並放大到你需要查看的關鍵區域。
我必須承認這是一種好的工具。這可能會幫助一位醫生提高2到5倍的效率去完成檢查過程。但如果你還是找同一位醫生，給他一個工具，讓他在下午回看所有的圖像，然後縮小範圍，只看優先順序圖像，那將需要耗費該醫生10倍的精力。
3、發掘專有數據
作為企業的新興競爭力，將AI功能集成到產品中，正在給予以企業競爭優勢。隨著演算法越來越精簡，標準化和普遍可用，這將留下數據本身的真正價值。
使用和正確處理大量數據並不是一件容易的事。創業公司需要問自己他們的數據的長期價值是多少。是否容易被複制或獲取？獲取專有數據的能力對公司來說是一個關鍵信號，這關係到其最終是否被同化，或是長期保持差異化。
4、保持工作流狀態
當你擁有一個獨特資料庫和技術頭腦的團隊，你是否已經建立了一個符合目標用戶每日或常規工作流程的系統？
人工智慧創業公司Gong.io就是一個很好的例子，該公司通過分析日銷售記錄來為客戶提供好的建議。這種在工作流中的位置不僅會增加客戶粘性，隨著時間的推移，還能幫助系統變得更智能。
人工調試在任何人工智慧學習過程開始時都是必要的，但系統本身必須開發並提高針對特定客戶的性能。這種能力比市場上的靜態軟體更有內在的優勢。
參考文獻：
AI hype has peaked so what』s next?
史上最牛逼的創業項目：AI宗教要來了！
--- 與創新者同行 ---
成為我們節目的贊助商&合作夥伴
讓您的品牌成為創新創業大軍的明星
成為我們節目的一部分
創新初創和投資人，參與我們
講述你們的故事
成為我們「闖矽谷」團隊的小夥伴，志願者
一起推動創新力量前行
聽說有趣有料的人都在這裡
Vivi創矽谷管理員Colina
名稱： vivi_valley
※從美國槍擊案後，看小扎如何破局「假新聞」風暴
※天堂還是地獄：幣圈一日，人間一年
※美國碼農博士捨身爆料賈躍亭，竟然是為了…
※ICO激起千層浪，來聽聽矽谷大佬怎麼說？
※AI比你想像中恐怖，力量不輸核武器，或將引爆第三次世界大戰？
TAG:Vivi闖矽谷 |