2015年創(chuàng)業(yè)就去搞人工智能！VC們瘋狂“砸錢不眨眼”

任何一家風(fēng)險(xiǎn)投資公司現(xiàn)在都需要參與到人工智能這一領(lǐng)域：作為風(fēng)險(xiǎn)投資基金的資金提供者，合伙人們都希望把錢投向最具前景的熱門領(lǐng)域。

硅谷向來喜歡跟風(fēng)。從最近幾周的創(chuàng)業(yè)公司融資情況來看，科技行業(yè)的新寵輪到了一項(xiàng)有著半個(gè)世紀(jì)歷史的技術(shù)：人工智能。

資金大舉涌入

“這是當(dāng)下的熱門領(lǐng)域。”史蒂芬·普爾普拉（Stephen Purpura）說，自從2012年創(chuàng)立以來，他的人工智能公司ContextRelevant已經(jīng)累計(jì)融資逾4400萬美元。他認(rèn)為，目前約有170多家創(chuàng)業(yè)公司投身人工智能領(lǐng)域。

人工智能領(lǐng)域的新生力量們相信，這項(xiàng)技術(shù)終于迎來了曙光，將把計(jì)算機(jī)智能推向新的高度。他們承諾將開發(fā)全新的人機(jī)交互模式——讓機(jī)器以前所未有的方式入侵人類的世界。

“從技術(shù)上講，原先的使用方式是由人類向機(jī)器輸入指令，今后則是讓電腦觀察人類，并主動(dòng)學(xué)習(xí)。”另外一名人工智能創(chuàng)業(yè)者丹尼爾·納德勒（DanielNadler）說。他的公司Kensho最近剛剛?cè)谫Y1500萬美元，他們的目標(biāo)頗具野心：訓(xùn)練電腦代替財(cái)務(wù)分析師等高薪白領(lǐng)。

“我們并不把自己的工作稱作人工智能，我們稱之為‘自動(dòng)化人員密集型知識(shí)工作’。”他說。

從眾心理可以從一定程度上解釋人工智能何以成為當(dāng)今最為熱門的創(chuàng)投領(lǐng)域。這是在大數(shù)據(jù)趨勢興起之后，涌現(xiàn)出的數(shù)千個(gè)創(chuàng)業(yè)夢想之一。不過，人工智能領(lǐng)域當(dāng)前的投資規(guī)模依然很小，主要是因?yàn)槎鄶?shù)創(chuàng)業(yè)公司仍處于發(fā)展初期。但已經(jīng)有大量企業(yè)獲得了融資，而參與投資的投資者也來源甚廣。

除了一些硅谷頂尖風(fēng)投（例如Khosla Ventures和Greylock Partner）和科技大亨【例如伊隆·馬斯克（ElonMusk）和彼得·賽爾（Peter Thiel）】外，人工智能領(lǐng)域最活躍的支持者還包括有望從這類技術(shù)中獲益的企業(yè)，高盛便是其中之一。

納德勒表示，任何一家風(fēng)險(xiǎn)投資公司現(xiàn)在都需要參與這一領(lǐng)域：作為風(fēng)險(xiǎn)投資基金的資金提供者，合伙人們都希望把錢投向最具前景的熱門領(lǐng)域。

模式有待探索

最新的人工智能趨勢很大程度上源自可以在機(jī)器中模擬人類智能的編程技術(shù)。其中最為顯著的是機(jī)器學(xué)習(xí)，這種技術(shù)可以通過訓(xùn)練讓機(jī)器識(shí)別各種形態(tài)，并通過對海量數(shù)據(jù)的分析預(yù)測未來。但與其他引發(fā)創(chuàng)業(yè)浪潮的新技術(shù)一樣，這一領(lǐng)域同樣存在風(fēng)險(xiǎn)：很多企業(yè)或許難以真正利用這項(xiàng)技術(shù)實(shí)現(xiàn)盈利。

“很多人工智能平臺(tái)都像瑞士軍刀一樣，” 蒂姆·圖特爾（Tim Tuttle）說，他的人工智能公司ExpectLabs最近融資1300萬美元，“它們可以做很多事情，但真正突出的價(jià)值在哪里卻并不明確。”

他說，結(jié)果就造成了整個(gè)行業(yè)出現(xiàn)了“西大荒心態(tài)”，企業(yè)家爭相將人工智能技術(shù)應(yīng)用到他們所能想到的所有計(jì)算問題中。

“我認(rèn)為，機(jī)器學(xué)習(xí)作為一項(xiàng)獨(dú)立技術(shù)并沒有多大的商業(yè)價(jià)值。”普爾普拉說，“現(xiàn)在的很多企業(yè)都會(huì)被收購。”

業(yè)界希望人工智能不要成為又一項(xiàng)曇花一現(xiàn)的技術(shù)。與大數(shù)據(jù)一樣，這個(gè)名詞所指的并非單一技術(shù)或使用方案，而是一套擁有廣泛應(yīng)用前景的方法。

西雅圖風(fēng)險(xiǎn)投資公司Madrona合伙人麥特·麥克維恩（MattMcllwain）表示，深度學(xué)習(xí)等技術(shù)可以幫助企業(yè)更加深入地分析客戶。這些技術(shù)可以判斷客戶的偏好，并對客戶的行為進(jìn)行預(yù)測，例如客戶什么時(shí)候最有可能愿意接收商家的信息，以及哪些客戶最有可能不再續(xù)約。

由于大批創(chuàng)業(yè)公司涌入這一領(lǐng)域，導(dǎo)致競爭日益激烈。人工智能的最大優(yōu)勢體現(xiàn)在谷歌、IBM和Facebook等科技公司內(nèi)部，這些企業(yè)也都對該技術(shù)展開了大舉投資。他們對于具體的投資額度諱莫如深，但其公開展示的成果已經(jīng)得到了專家的認(rèn)可：谷歌的一項(xiàng)測試可以從YouTube中識(shí)別出貓咪，F(xiàn)acebook的DeepFace系統(tǒng)可以認(rèn)出人類的圖片，IBM更是擁有名噪一時(shí)的問答系統(tǒng)沃森（Watson）。

集合現(xiàn)有技術(shù)

不過，圖特爾等企業(yè)家并沒有投入過多精力開發(fā)最新的尖端技術(shù)，而是努力集合現(xiàn)有技術(shù)，瞄準(zhǔn)具體的應(yīng)用模式。具體到ExpectLabs，他們可以使用語音識(shí)別服務(wù)增強(qiáng)在線目錄搜索的便利性。

他表示，“大型企業(yè)正在通過這項(xiàng)技術(shù)解決所有事情，我們則在嘗試解決不同的問題。”

這項(xiàng)技術(shù)的基本使用方式來自幾個(gè)不同領(lǐng)域。得益于形態(tài)識(shí)別能力，圖片識(shí)別（這曾經(jīng)被視作計(jì)算機(jī)的一大難點(diǎn)）的難度已經(jīng)大幅降低。作為該領(lǐng)域最具野心的企業(yè)之一，剛剛?cè)谫Y7200萬美元的Vicarious最近就展示了一項(xiàng)能夠解決CAPTCHA的技術(shù)——CAPTCHA是一個(gè)視覺謎題項(xiàng)目，其目的是幫助網(wǎng)站自動(dòng)區(qū)分人類和計(jì)算機(jī)。

同樣的技術(shù)還可以幫助計(jì)算機(jī)“理解”人類的語言，也就是所謂的“自然語言識(shí)別技術(shù)”。IBM沃森等系統(tǒng)就采用了這項(xiàng)技術(shù)，它通過對海量信息的分析給出最有可能的答案。第三熱門的使用方式則是相關(guān)性識(shí)別——包括提升網(wǎng)絡(luò)內(nèi)容和推薦的相關(guān)性，以及改進(jìn)定向廣告的效果。

與很多前景廣闊的新創(chuàng)意一樣，一些人工智能技術(shù)已經(jīng)初步應(yīng)用于金融市場，但由于牽扯的資金巨大，導(dǎo)致相關(guān)金融企業(yè)對此避而不談。

“如果金融應(yīng)用果真有效，為什么要對外披露，降低自己的套利空間呢？”Sentient Technologies公司首席科學(xué)家巴巴克·霍加特（BabakHodjat）說。他的公司通過數(shù)據(jù)中心獲取龐大的計(jì)算能力，然后全面模擬金融市場的運(yùn)行狀況：借助“革命性的算法”來了解市場對不同情況的反應(yīng)，他們希望開發(fā)出各種模型來預(yù)測市場的未來走向。

要將這樣的想法大范圍付諸實(shí)踐，需要對人工智能領(lǐng)域展開大量投資。例如，SentientTechnologies最近就融資1億多美元將它的技術(shù)應(yīng)用到更多領(lǐng)域，這也反映出將人工智能系統(tǒng)部署到更多行業(yè)所需付出的高昂成本。

SentientTechnologies認(rèn)為，最有吸引力的是那些擁有大量數(shù)據(jù)可供利用，而且潛在問題擁有極高價(jià)值的行業(yè)，例如醫(yī)療、保險(xiǎn)和電子商務(wù)。電腦安全和欺詐探測也有著不俗的前景。

ContextRelevant的普爾普拉認(rèn)為，要將這些技術(shù)付諸實(shí)踐還需要付出其他成本：“真正的挑戰(zhàn)并不是開發(fā)底層的機(jī)器學(xué)習(xí)技術(shù)，而是建造一套使之真正發(fā)揮作用的支持系統(tǒng)。”這些附屬技術(shù)包括輸送海量信息的數(shù)據(jù)“管道”，以及確保人工智能在可以接受的商業(yè)參數(shù)內(nèi)運(yùn)行的控制系統(tǒng)。

由于很多創(chuàng)業(yè)公司都面臨巨大的壓力，必須向外界證明自己的技術(shù)擁有更加廣闊的前景，因此投資額的多少將會(huì)決定最終的贏家。

技術(shù)不斷進(jìn)步

人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)，這一系列專業(yè)術(shù)語都源自一個(gè)共同的趨勢：很多企業(yè)都希望開發(fā)各種設(shè)備，以期解決原本似乎只有人腦才能解決的廣泛問題。

與其他科技分支領(lǐng)域相同，業(yè)內(nèi)人士在最佳模式上的分歧，有時(shí)就像是一種宗教派別之爭：“你使用什么詞匯，透露出你來自什么陣營。”普爾普拉說。

自從創(chuàng)立以來，人工智能使用被用于定義這個(gè)廣闊的領(lǐng)域，它的夢想是為計(jì)算機(jī)賦予與人類完全相同的“思維”。不過，要以計(jì)算機(jī)的邏輯來解碼人類的思維卻并非易事，這也是人工智能直到最近才剛剛有所突破的重要原因。

業(yè)界之所以重新對這項(xiàng)技術(shù)燃起興趣，主要?dú)w功于機(jī)器學(xué)習(xí)，這是一種有意模仿人類思維方式的技術(shù)。機(jī)器學(xué)習(xí)之所以能夠?qū)崿F(xiàn)，是因?yàn)樾畔⑻幚沓杀敬蠓档?，加之?dāng)?shù)字化數(shù)據(jù)急劇增加。在機(jī)器篩選這些數(shù)據(jù)時(shí)，可以借助概率技術(shù)對其進(jìn)行“訓(xùn)練”，直到它們能夠識(shí)別出某些起初并未編入程序的形態(tài)。

作為機(jī)器學(xué)習(xí)的一個(gè)分支，深度學(xué)習(xí)最近引發(fā)了巨大的關(guān)注。深度學(xué)習(xí)源自人工智能歷史上的另一個(gè)想法：神經(jīng)網(wǎng)絡(luò)，也就是通過模擬人類大腦來加快“學(xué)習(xí)”速度的軟件。

Nara Logics CEO賈納·艾格斯（JanaEggers）表示，神經(jīng)科學(xué)的進(jìn)步也對這種技術(shù)的發(fā)展做出了貢獻(xiàn)。他補(bǔ)充說，這項(xiàng)技術(shù)的目標(biāo)是了解人類的大腦如何決定某些事情，并讓電腦在這方面做得更好。