人工智能成硅谷投資新風(fēng)向

　　硅谷現(xiàn)在流行的新風(fēng)尚，其實已有半個世紀(jì)的歷史之久——人工智能。

　　資金正像熱浪一樣涌入這一行業(yè)里的初創(chuàng)公司們。Context Relevant公司創(chuàng)辦人斯蒂芬·普爾普拉說，“這是目前最火的領(lǐng)域?！逼諣柶绽约旱腁I公司自從2012年建立以來已籌得共超過4400萬美元資金。根據(jù)他的估計，大約有超過170家初創(chuàng)企業(yè)已經(jīng)跳上了人工智能這輛花車。

　　人工智能中新的加入者都樂觀地認為，隨著技術(shù)的發(fā)展，曾經(jīng)的愿景終于到了實現(xiàn)的時刻——人類與機器以一種前所未有的新方式實現(xiàn)互動，機器則將以意想不到的方式介入人類世界。

　　初創(chuàng)公司蜂擁而上

　　“從技術(shù)上講，這是向電腦輸入代碼來發(fā)布命令的模式，向電腦通過觀察人類行為來學(xué)習(xí)模式的轉(zhuǎn)變”，另一個人工智能創(chuàng)業(yè)者丹尼爾·納德勒說。

　　納德勒的公司Kensho最近募集到1500萬美元以實現(xiàn)一個頗具雄心的目標(biāo)：讓計算機取代那些高薪職位，比如金融分析師。 “我們不再將之稱為是人工智能，而是把它叫做‘將人力密集型的知識處理工作自動化’的過程”，他說。投資者的從眾心理能夠在一定程度上解釋，為什么自從上一輪“大數(shù)據(jù)”熱潮之后，針對人工智能領(lǐng)域初創(chuàng)公司的投資又成為了現(xiàn)在最熱門的趨勢。

　　當(dāng)然，大多數(shù)投資的資金規(guī)模還不算大，這也反映了大多數(shù)初創(chuàng)企業(yè)自身還處于早期階段。但是投資者和籌得資金初創(chuàng)企業(yè)的數(shù)量都證明了資本對這個領(lǐng)域目前的極度青睞。 硅谷許多著名風(fēng)險投資公司，包括 Khosla和Greylock公司，還有伊隆·馬斯克和彼得·泰爾等科技名人，都是這個領(lǐng)域最活躍的支持者。還有一些公司出于對自己日常使用技術(shù)的需要也非常感興趣，比如高盛。

　　現(xiàn)在每一家風(fēng)險投資公司都要在投資組合里加上一部分人工智能領(lǐng)域的投資項目，納德勒說，所有投資者都希望在科技領(lǐng)域“下一件大事”爆發(fā)前現(xiàn)擁有一些相關(guān)的股權(quán)。

　　盈利模式存疑

　　人工智能這幾年的進展在很大程度上都要歸功于新的編程技術(shù)。其中最重要的就是“機器學(xué)習(xí)”，包括訓(xùn)練機器進行識別和通過運算大量數(shù)據(jù)做出預(yù)測等。這些技術(shù)雖然激發(fā)了許多初創(chuàng)公司投身于此，但如何給這些看上去很有前途的技術(shù)找到一個可靠的商業(yè)模式依然是個問題。

　　“多數(shù)人工智能公司都像瑞士軍刀”，Expect Lab公司的CEO蒂姆·塔特爾，最近融到了1300萬美元?！斑@些技術(shù)可以做很多事情，但還沒人知道什么才是最有價值的服務(wù)。” 結(jié)果就像是所有人都在拓荒，塔特爾說，創(chuàng)業(yè)者們爭相把這些技術(shù)嘗試應(yīng)用到他們能想到的所有領(lǐng)域。

　　普爾普拉則認為機器學(xué)習(xí)無法作為一個獨立的商業(yè)模式而存在，更像是應(yīng)該被收購來改善其他服務(wù)的一種技術(shù)。 支持者們則認為，正是因為人工智能和大數(shù)據(jù)一樣不是一項單一的應(yīng)用，所以能夠廣泛應(yīng)用于各項服務(wù)。

　　比如機器學(xué)習(xí)可以更好地追蹤消費者心理變化，通過對消費者行為的識別，公司可以時刻推送給消費者他最想看到的東西，在消費者最需要的時刻聯(lián)系他們，甚至能覺察到消費者心生厭倦并及時改變這個情況。初創(chuàng)企業(yè)之中的激烈競爭，其實也發(fā)生在很多大型科技巨頭公司之間。比如谷歌、IBM和Facebook都已經(jīng)在該領(lǐng)域投入巨資。

　　這些公司對目前的進展幾乎諱莫如深，但通過它們發(fā)布的一些產(chǎn)品，專家認為有很多技術(shù)已經(jīng)走在了前面。比如谷歌的一項技術(shù)可以從YouTube視頻里識別出貓;Facebook則已經(jīng)有了對照片里的人進行面部識別的功能;IBM沃森這樣幾乎具有一定認知能力的系統(tǒng)。

　　“大集團正在試圖建立一種可以解決一切的技術(shù)，我們則試圖解決不同的問題”，塔特爾說。人工智能技術(shù)目前最常見的基本用途有以下三個：第一，得益于越來越精確機器識別能力，計算機一直以來的困擾——圖像識別，如今已變得容易得多。 第二，同樣的技術(shù)也被用于幫助計算機進行語音識別，比如IBM沃森系統(tǒng)所使用到的技術(shù)。 第三個則是相關(guān)性識別，這可以幫助公司向客戶提供更個性化的在線內(nèi)容，或者更有效地定位線上廣告。