1997年，國際象棋世界冠軍Garry Kasparov對陣Deep Blue

同質(zhì)化的AI創(chuàng)業(yè)

雖然深度學習還不是一個完美的技術(shù)，但在它成功地“吸引了全世界的注意力”之后，工業(yè)界的進展正不斷加速。

“如今人工智能行業(yè)正處于一個‘四處開花’的階段，能看到不同方向上的創(chuàng)新。”華盛頓大學人工智能博士徐宥告訴鈦媒體編輯，他曾在FitBit領導機器學習團隊，離職后也加入了AI創(chuàng)業(yè)浪潮，做了一個用AI幫助程序員更好地寫代碼的公司。

比如上文中提到的 Google 翻譯，就在某種程度上實現(xiàn)了類似人類的遷移學習能力。毫無疑問，這也是一個未來很有希望的AI創(chuàng)業(yè)方向。

除此之前，我們還能在模型架構(gòu)、訓練方法等方面看到各類創(chuàng)新。比如DeepMind就提出了完全人工的神經(jīng)網(wǎng)絡架構(gòu)，“這可能不是受生物啟發(fā)，但是對這個問題理解很深刻才能做到。”徐宥說。

訓練方法則意味著讓機器找到“學習的方法”（learning to learn）。在人們訓練自己家的小狗時，不同訓練的方法會帶來不同的結(jié)果；在訓練機器的時候，這仍然成立。

雖然此刻我們很難預測深度學習乃至人工智能的未來，但是行業(yè)內(nèi)有一個共識——“它會持續(xù)給市場帶來驚喜，而如今以深度學習技術(shù)為主的人工智能創(chuàng)業(yè)生態(tài)也將面臨洗牌。”郭威說道。作為硅谷知名早期投資人，他的成績顯著，在CB Insights剛剛發(fā)布的100家變革人工智能產(chǎn)業(yè)的創(chuàng)業(yè)項目榜單里，他投中的就有Skymind，Mode，Atomwise和TalkIQ。

根據(jù)VentureScanner今年發(fā)布的數(shù)據(jù)，全球范圍內(nèi)的人工智能公司數(shù)量達到1464家，其中有超過三分之一都有關機器學習。

圖片來自Venture Scanner

在任何一個對人類極其重要、競爭又面臨同質(zhì)化的行業(yè)而言，這個未來并不難以想象：在某個節(jié)點，巨頭入場，end of story。

“真正對人類有價值的問題就那么多，巨頭一定不會把這類問題讓給大批小公司。”徐宥說，他認為面臨這類競爭時，模型上的優(yōu)勢對于創(chuàng)業(yè)公司來說，幾乎難以構(gòu)成護城河。在巨頭進場以后，專注于技術(shù)的小型AI創(chuàng)業(yè)公司的慘淡未來不難預期。徐宥在創(chuàng)業(yè)一段時間后，寫下了這樣一段博文：

目前宣稱有獨特模型和算法的，是把賭注押在一個特定的方法上，而和全世界的所有研究者競爭。目前來說這注定是無效的——誰也不知道明天 DeepMind 會公開什么黑科技，一下子超越了你的獨特模型?；蛟S在這個賽道上再走幾年，有些公司的確能夠領先其他。

目前大家都在同樣的起跑線上，模型或者算法的領先可以忽略不計。

就像Oriza Venture的合伙人John Yu提到的，面對深度科技時，大眾、乃至有些投資人往往過度關注這項科技聽上去的“先進性”，而忽略了一點：除了極其少數(shù)的顛覆性技術(shù)以外，大部分科技都必須找到與產(chǎn)業(yè)結(jié)合的落腳點，在技術(shù)以外的維度上建立起競爭優(yōu)勢，才能夠真正發(fā)揮其價值，“成為一個擁有商業(yè)前景的項目”。

對于人工智能企業(yè)來說也是一樣，在圖像處理、語音識別等各個AI行業(yè)內(nèi)的問題漸漸都被打上“已解決”的標記之際，也許這才是在越來越激烈的AI賽場上占據(jù)一席之地的機會。（本文首發(fā)鈦媒體，由鈦媒體駐硅谷作者詩貝報道）

760人已贊賞 >

敬原創(chuàng)，有鈦度，得贊賞

贊賞支持

0

4

0

掃描下載App