對于人工智能，目前有兩種態(tài)度。一種是擔心，Elon Musk等人擔心先進的人工智能會對人類造成威脅，Nicholas Carr擔心自動化會搶人飯碗、讓人變蠢；一種是放心，Google主席Eric Schmidt認為先進的技術(shù)智慧讓人類變得越來越好，況且現(xiàn)在的人工智能還非常原始。那么，現(xiàn)在的機器智能現(xiàn)狀到底是怎樣的呢？Bloomberg Beta 的 VC Shivon Zilis 歷時 3 個月，分析了 2529 家人工智能、機器學(xué)習(xí)及數(shù)據(jù)相關(guān)的初創(chuàng)企業(yè)后為我們做出解讀。

　　什么是機器智能？

　　所謂機器智能，是機器學(xué)習(xí)與人工智能的統(tǒng)稱。計算機正在學(xué)習(xí)如何思考以及讀寫。也正在獲得人類的感覺功能，包括視覺、聽覺，以及觸覺、味覺和嗅覺（對后三者的關(guān)注略少）。機器智能技術(shù)涉及多種不同的問題類型（分類、聚類、自然語言處理、計算機視覺等）和方法（支持向量機、深度信念網(wǎng)絡(luò)等）。這些都包含在機器智能版圖當中。

　　機器智能離不開大數(shù)據(jù)，數(shù)據(jù)是機器學(xué)習(xí)和人工智能的基礎(chǔ)。盡管如此，出于篇幅和專注于人工智能方法的原因，這份版圖并沒有把大數(shù)據(jù)放進去。

　　公司分類

　　從事機器智能的公司很多，但是版圖幅面有限。所以機器智能方法被當作關(guān)鍵技術(shù)的公司才可以列入。然后入選的公司再分為三大類，一類是專注于機器智能核心技術(shù)創(chuàng)新的核心技術(shù)類公司；一類就是應(yīng)用型公司，應(yīng)用型按照應(yīng)用對象又可以分為面向企業(yè)、面向行業(yè)以及面向人 / 人機交互（HCI）這三類；第三類則是支撐技術(shù)，包括硬件、數(shù)據(jù)準備、數(shù)據(jù)采集等。

　　如果你打算開一家相關(guān)的公司，可以利用這張圖找出合適的核心技術(shù)和支持技術(shù)，然后打包成新穎的行業(yè)應(yīng)用。盡管人人都想解決一些吸引人的問題，但是在許多不那么性感的行業(yè)還存在著大量的商機值得挖掘（如通過 Watson Developer Cloud、AlchemyAPI 等），所以未必要緊緊盯住熱門的領(lǐng)域。

　　版圖思考

　　Kevin Kelly（K.K）認為，廉價的并行計算、大型的數(shù)據(jù)集，以及更好的算法推動了機器智能的發(fā)展，從而給企業(yè)、產(chǎn)業(yè)和人類帶來了變革。這張版圖的應(yīng)用劃分正是受到了這種觀點的啟發(fā)。正如 K.K 所言，“接下來的 10000 個初創(chuàng)企業(yè)的商業(yè)計劃很容易預(yù)測，做 X 然后增加 AI。”有時候甚至連 X 都可以不要，因為機器智能本身就有可能創(chuàng)造出全新的行業(yè)。

　　機器智能的前景非?？捎^。目前這個領(lǐng)域的初創(chuàng)企業(yè)被收購率已達到有 10%，Zilis 認為到 2015 年年底可能還會有另 10% 被收購掉。買家共有 15 個，其中 Google 是機器智能領(lǐng)域的頭號買家。

　　大公司具有壓倒性優(yōu)勢，尤其是開發(fā)有消費者產(chǎn)品的那些。搜索（Google、百度）、社交網(wǎng)絡(luò)（Facebook、LinkedIn、Pinterest）、內(nèi)容（Netflix、Yahoo?。⒁苿樱ㄌO果）及電子商務(wù)巨頭（Amazon）處在非常領(lǐng)先的位置。因為這些公司擁有大量的數(shù)據(jù)，且可以通過不斷與消費者交互，從而形成算法調(diào)整的反饋回環(huán)，再加上網(wǎng)絡(luò)效應(yīng)，所以是最容易從中收獲機器智能成效的公司。

　　一流的個性化和推薦算法促進了這些公司的成功。在移動的新戰(zhàn)場上，機器智能也不可或缺：如自然語言接口（蘋果 Siri）、可視化搜索（Amazon 的 FireFly）、直接提供答案而非鏈接的動態(tài)問題回答。而 IBM 和微軟在這個領(lǐng)域也取得了很大進展，但是主要集中在面向大型行業(yè)數(shù)據(jù)集的知識表征任務(wù)（因為缺乏上述公司類似的面向人的需求），比方說 IBM 的 Watson 就用到了輔助醫(yī)生診斷上面。

　　人才壟斷

　　過去 20 年里，人工智能領(lǐng)域最好的人才都在學(xué)術(shù)界。這些人發(fā)明了許多新的機器智能方法，但是能帶來商業(yè)價值的卻沒幾個。但現(xiàn)在像深度信念網(wǎng)（deep belief nets）和階層式神經(jīng)網(wǎng)絡(luò)（hierarchical neural network）這樣復(fù)雜的機器智能方法開始解決一些現(xiàn)實問題了。而象牙塔上的那些學(xué)者也開始走進企業(yè)。比方說Facebook招了紐約大學(xué)的Yann LeCun教授和 Rob Fergus，Google聘了多倫多大學(xué)的 Geoffrey Hinton，而百度則有吳恩達（Andrew Ng），這些都是機器智能領(lǐng)域“教父”級的任務(wù)。不過這些人并不是完全跟學(xué)術(shù)脫離了關(guān)系，不少的時間和精力還是要貢獻給學(xué)校的。

　　高薪和好設(shè)施當然是吸引這些頂尖學(xué)術(shù)人才的因素之一，但是最重要的卻是另一個東西：數(shù)據(jù)。Facebook、Google、百度等擁有龐大的計算資源，還壟斷了海量的數(shù)據(jù)，必然會吸引越來越多的人才加入，這就是大公司形成壓倒性優(yōu)勢的原因。

　　和平紅利

　　如上所述，大公司擁有固有優(yōu)勢，而贏得機器智能戰(zhàn)者未來還會更加強大。幸運的是，對于其他公司來說，大公司開發(fā)出來的核心技術(shù)會迅速涌入到其他領(lǐng)域—通過大公司離職人員以及公開發(fā)表的研究的方式。

　　此外，跟大數(shù)據(jù)革命類似，技術(shù)巨頭也會把一些突破性的技術(shù)貢獻給社區(qū)，然后由其他人來做應(yīng)用層面的創(chuàng)新。

　　創(chuàng)業(yè)機遇

　　我的公司從事 X 的深度學(xué)習(xí)

　　要想讓你的公司明年火，可以用上面這句話做廣告詞。當然，前提是你的確是。

　　深度學(xué)習(xí)是機器智能的熱門方法。雖然可能有點炒作過頭，但 Google、Facebook、百度這樣的巨頭，以及 Enlitic 等很初創(chuàng)企業(yè)，在視覺和語言處理方面采用這種辦法的確取得了不俗的成績。

　　深度學(xué)習(xí)最令人興奮的是，如果處置得當?shù)脑?，其自動學(xué)習(xí)功能可以替代部分領(lǐng)域?qū)＜业闹庇X。在很多情況下，這有望改寫許多領(lǐng)域的解決方案。

　　人才收購作為商業(yè)模式

　　我們在討論大數(shù)據(jù)的時候往往提到數(shù)據(jù)科學(xué)家的短缺。但是由于此前機器智能僅限于學(xué)術(shù)研究，機器智能專家更是短缺中的短缺。這一現(xiàn)狀并不會很快改變。

　　這種短缺對于真正理解機器智能的創(chuàng)始人來說卻是一種福利。這一領(lǐng)域的許多初創(chuàng)企業(yè)能夠獲得種子輪融資，往往就因為一個原因—機器智能人才收購的價格是一般技術(shù)人才收購價格的 5 倍以上（比方說 Deep Mind 人均收購價格為 500 到 1000 萬美元）。作為有悟性的創(chuàng)始人，你甚至可以網(wǎng)羅一批機器智能人才然后就成立公司，說不定就有人會收購你了—好吧，這是個玩笑，但是這的確反映出“人工”智能的價值。