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)的新寵輪到了一項有著半個世紀(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，這項技術(shù)終于迎來了曙光，將把計算機智能推向新的高度。他們承諾將開發(fā)全新的人機交互模式——讓機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器輸入指令，今后則是讓電腦觀察人類，并主動學(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‘自動化人員密集型知識工作’。”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，主要是因為多數(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)險投資公司現(xiàn)在都需要參與這一領(lǐng)域：作為風(fēng)險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器中模擬人類智能的編程技術(shù)。其中最為顯著的是機器學(xué)習(xí)，這種技術(shù)可以通過訓(xùn)練讓機器識別各種形態(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：很多企業(yè)或許難以真正利用這項技術(shù)實現(xiàn)盈利。

“很多人工智能平臺都像瑞士軍刀一樣，” 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，但真正突出的價值在哪里卻并不明確。”

他說，結(jié)果就造成了整個行業(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算問題中。

“我認(rèn)為，機器學(xué)習(xí)作為一項獨立技術(shù)并沒有多大的商業(yè)價值。”普爾普拉說，“現(xiàn)在的很多企業(yè)都會被收購。”

業(yè)界希望人工智能不要成為又一項曇花一現(xiàn)的技術(shù)。與大數(shù)據(jù)一樣，這個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：谷歌的一項測試可以從YouTube中識別出貓咪，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別服務(wù)增強在線目錄搜索的便利性。

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

這項技術(shù)的基本使用方式來自幾個不同領(lǐng)域。得益于形態(tài)識別能力，圖片識別（這曾經(jīng)被視作計算機的一大難點）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最近就展示了一項能夠解決CAPTCHA的技術(shù)——CAPTCHA是一個視覺謎題項目，其目的是幫助網(wǎng)站自動區(qū)分人類和計算機。

同樣的技術(shù)還可以幫助計算機“理解”人類的語言，也就是所謂的“自然語言識別技術(shù)”。IBM沃森等系統(tǒng)就采用了這項技術(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)中心獲取龐大的計算能力，然后全面模擬金融市場的運行狀況：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值的行業(yè)，例如醫(yī)療、保險和電子商務(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決定最終的贏家。

技術(shù)不斷進(jìn)步

人工智能、機器學(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廣闊的領(lǐng)域，它的夢想是為計算機賦予與人類完全相同的“思維”。不過，要以計算機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技術(shù)燃起興趣，主要歸功于機器學(xué)習(xí)，這是一種有意模仿人類思維方式的技術(shù)。機器學(xué)習(xí)之所以能夠?qū)崿F(xiàn)，是因為信息處理成本大幅降低，加之?dāng)?shù)字化數(shù)據(jù)急劇增加。在機器篩選這些數(shù)據(jù)時，可以借助概率技術(shù)對其進(jìn)行“訓(xùn)練”，直到它們能夠識別出某些起初并未編入程序的形態(tài)。

作為機器學(xué)習(xí)的一個分支，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)。他補充說，這項技術(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。