人工智能成硅谷创业热点 引投资者追捧

    边境媒体发表文章称，一股新的趋势正风靡硅谷。看看创业公司们近来的融资景况，就会发现有一已有超过半个世纪史册的主张备受追捧:人为智能。

“这是时下的热门投资领域。”人工智能公司ContextRelevant的史蒂芬·普尔普拉(Stephen Purpura)指出。ContextRelevant自二零一二年扶植依赖已累计融资超过4400万美元。据普尔普拉称，已有超过1700家创业公司进入人工智能海潮。

人工智能的新晋者觉得，该技艺终归超过人类对它的憧憬了，它将给估计机带来更高的智能水平。它们想要给人类带来新的人机互动方法，想要使得机械或者以意料不到的方式“入侵”人类寰宇。

另一家新兴人工智能创业公司Kensho的丹尼尔·纳德勒(Daniel Nadler)发现，“从技术上说，从给机器输入指令到让计算机自动观察学习是一种范式转变。”Kensho最近得到了1500万美元的融资，它正追一一个大志勃勃的方向:锻炼计算机使得它们能够代替金融解析师等白领岗位。

“我们并没有将我们在做的事情称作人工智能，而是称之为‘自动化人为干预型的知识性工作。’”纳德勒指出。

投资者的羊群效应，必定程度上注通晓为什么人工智能在“大数据”标语燃起了千切切万创业抱负自此成为了最热点的创业投资趋势之一。那些融资的领域还相对较小，申明那些创业公司大多处于初期阶段。然而，获得融资的公司之多，投资者背景之多数，充实注解投资者对人工智能的浓重趣味。

除了硅谷的个人出名风投公司(其中包括Khosla Ventures和Greylock Partners)以及伊隆·马斯克(Elon Musk)、彼得·泰尔(Peter Thiel)等科技大佬除外，人工智能创业公司的部分活动投资方还采集认为该类技术在其行业大有效处的企业，如高盛。

纳德勒说，各家风投公司今朝都须要出席投资该范围:有限合股人们都进展在科技行业最新的“下一个大热门”分得一杯羹。

价格应用题目

最新的人工智能高潮很大程度上功劳于针对近乎“智能”的机器的新编程技术。首当其冲的是机器练习技术，它触及训练机器经过发现打量的数据来区别步地和作出预计。但跟此外催生一众创业公司的新热门概念相似，涉足此中的公司许多将面对难以给其技术找到有利可图的应用的危急。

“很多的人工智能平台都像是瑞士军刀，”最近获投1300万美元的ExpectLabs的CEO蒂姆·塔特尔(Tim Tuttle)说道，“它们能够做很多的事情，但哪些才是高价值的应用并不明朗。”

他说，结果是该行业彷如亢奋的西部，创业者们都争相将人工智能应用到他们能够料到的任何一个计算问题。

普尔普拉扩张道，“我不认为机器学习作为独立的技术会造就一项富有价值的业务。很多的相关公司都将以被收购收场。”

人们之以是感觉人工智能将不光仅是另一股只是临时风行的热潮，是出于对其广泛后劲的探究。跟“大数据”一样，人工智能领导的不只是是简单的技术大概用途，而是或许有广泛用途的一种处理规划。

西雅图风投公司Madrona合伙人麦特·麦克韦恩(Matt McIlwain)表示，深度学习等技术会有助于企业在客户情况上获得更加智能的猜测。他补充道，它们将能够识别客户的偏好并作出预测，如客户最想在什么时期被媾和，哪些客户最有可能不续约。

涌入该领域的创业公司面临着浩瀚的比赛。人工智能最大的进展一切来自谷歌、IBM、Facebook等投入巨大的科技权威。这些公司并没有流露它们简直投入了多少资源去研发该项技术，倒是实施了极少公开演示来向大家证明它们处于领先位置:谷歌旨在从YouTube视频识别出猫的一项测验，Facebook用以识别人脸的DeepFace体例，以及IBM的沃森(Watson)问答系统。

然则，塔特尔等创业者将希望更多地托付在将现有技术打包应用于针对性很强的用途，而不是寄头弛新技术的前沿开采上。比如，ExpectLabs尽力于打造声控办事，使得企业能够通过其服务让客户可能进行在线对话检索等操纵。

塔特尔表示，“大公司在试图开发这种技术来解决一切问题，而我们则是尝试解决不同的问题。”塔特尔说。

三大热门用途

该技术的根基用途可分成几个分别的领域。得益于模式识别功能的进展，图像识别变得比以往容易了。涉足这一领域的创业公司Vicarious最近实行融资7200万美元。它能够解决考证码问题。

一样的技术也用于帮助计算机“理解”言语——天然语言识别问题。这是IBM沃森等系统背后的技术之一。人工智能的第三个热门用途是寻得干系性——用于天性化在线本质和其它的推荐服务，或者提拔告白定向效力。

跟出息可期的新概念一样，人工智能的部分早期应用也是用于金融市场，不过考虑到所涉的便宜问题，参与者并不敢公开宣讲它们的技术。

“如果你的金融应用可行的话，为什么要将它公诸于众呢?”SentientTechnologies首席科学家巴巴克·霍贾特(Babak Hodjat)指出。他的公司致力于从数据主旨获得大量的运算本领来对金融市场进行悉数的模仿:通过运用尝试学习市场对不怜惜况的反响的“进化算法”，它希望能够开发出模型来预测市场将来的蜕变。

将像如此的思想在各个领域付诸履行，需要作出巨大的投入来开发人工智能技术。例如，Sentient最近融资超过1亿美元来将它的技术应用于更多的领域，说明招徕“训练”人工智能系统应用于多个不同领域所需的行业大师等事故的成本极度宏后。

Sentient认为，最有吸引力的行业是那些需要挖掘海量数据来解决高价值问题的行业，如医疗保健、保证和电商。计算机安定和欺诈检测也属于诸多人工智能公司最想涉足的那部分领域。

ContextRelevant的普尔普拉说，让人工智能技术能够真确用于现实用途也需要支拨其它的成本。“关键的争夺跟底层的机器学习技术无关，而是关乎建造支撑系统让它变得可用。”他称，这些帮助技术包括传输大量消息所需的数据“管道”，以及用以保证人工智能技术在可承受的生意参数内运行的控制系统。

鉴于诸多创业公司面临着证明其技术不只是令人惊艳的展品的压力，能否从投资者那里抢得融资，可能会定夺它们在无可防范的人工智能行业洗牌中的生死死活。

机器学习

金融时报专栏作者理查德·沃特斯(Richard Waters)写道，人工智能、机器学习、深度学习和神经收集，关乎开发机器来解决曾经被认为只要人脑才气解决的问题，它们催生了一系列的技术和特地术语。

跟其它技术分支一样，公司在最好方案上的相反偶尔候就像是宗教信送上的差异。“你所使用的名称表示你所属的部族。”普尔普拉说道。

人工智能承载着竣工齐备人类式的计算机“思维”的梦想。但以计算机逻辑解码人类思想的尝试并不成功。

业界对人工智能重燃兴趣，很大程度上是因为机器学习——一种居心跟人类思维类比划清界限的方案。机器学习是信息处罚成本悲观的产品，涉及海量现在能够进行搜罗并传输到网上的数字数据。

手脚机器学习的子集，深度学习是人工智能趋势露出的紧急由来。深度学习基于人工智能历史的另一个概念:神经网络，即找寻模拟人脑运作加快“学习”的软件。

NaraLogics的CEO亚娜·艾格斯(Jana Eggers)表示，神经科学的进步为这种生物模拟带来了新思绪。她补充道，模拟的目的是“看看人脑是如何进行决策的，如何使得计算机能够做得更好。”