國外媒體發(fā)表文章稱，一股新的趨勢正風(fēng)靡硅谷�？纯磩�(chuàng)業(yè)公司們最近的融資情況，就會發(fā)現(xiàn)有一已有超過半個世紀(jì)歷史的概念備受追捧：人工智能。

“這是時下的熱點投資領(lǐng)域�！比斯ぶ悄芄�司Context Relevant的史蒂芬·普爾普拉（Stephen Purpura）指出。Context Relevant自2012年創(chuàng)立以來已累計融資超過4400萬美元。據(jù)普爾普拉稱，已有超過1700家創(chuàng)業(yè)公司加入人工智能浪潮。

人工智能的新晉者以為，該技術(shù)終于遇上人類對它的期望了，它將給計算機帶來更高的智能程度。它們想要給人類帶來新的人機互動方式，想要使得機器能夠以預(yù)想不到的方式“入侵”人類世界。

另一家新興人工智能創(chuàng)業(yè)公司Kensho的丹尼爾·納德勒（Daniel Nadler）表示，“從技術(shù)上說，從給機器輸入指令到讓計算機自動觀察學(xué)習(xí)是一種范式轉(zhuǎn)變�！盞ensho最近獲得了1500萬美元的融資，它正追一一個雄心勃勃的目標(biāo)：練習(xí)計算機使得它們能夠取代金融分析師等白領(lǐng)崗位。

“我們并沒有將我們在做的事情稱作人工智能，而是稱之為‘自動化人為干涉干與型的知識性工作�！�”納德勒指出。

投資者的羊群效應(yīng)，一定程度上解釋了為什么人工智能在“大數(shù)據(jù)”口號燃起了千千萬萬創(chuàng)業(yè)夢想以后成為了最熱點的創(chuàng)業(yè)投資趨勢之一。那些融資的規(guī)模還相對較小，說明那些創(chuàng)業(yè)公司大多處于初期階段。不外，獲得融資的公司之多，投資者背景之廣泛，充分說明了投資者對人工智能的濃厚愛好。

除了硅谷的部門著名風(fēng)投公司（其中包括Khosla Ventures和Greylock Partners）以及伊隆·馬斯克（Elon Musk）、彼得·泰爾（Peter Thiel）等科技大佬之外，人工智能創(chuàng)業(yè)公司的部門活躍投資方還包括以為該類技術(shù)在其行業(yè)大有用處的企業(yè)，如高盛。

納德勒說，各家風(fēng)投公司現(xiàn)在都需要介入投資該領(lǐng)域：有限合伙人們都但愿在科技行業(yè)最新的“下一個大熱點”分得一杯羹。

價值應(yīng)用題目

最新的人工智能高潮很大程度上得益于針對近乎“智能”的機器的新編程技術(shù)。首當(dāng)其沖的是機器學(xué)習(xí)技術(shù)，它涉及練習(xí)機器通過挖掘大量的數(shù)據(jù)來識別模式和作出猜測。但跟其它催生一眾創(chuàng)業(yè)公司的新熱點概念一樣，涉足其中的公司良多將面對著難以給其技術(shù)找到有利可圖的應(yīng)用的風(fēng)險。

“良多的人工智能平臺都像是瑞士軍刀，”最近獲投1300萬美元的Expect Labs的CEO蒂姆·塔特爾（Tim Tuttle）說道，“它們能夠做良多的事情，但哪些才是高價值的應(yīng)用并不明朗。”

他說，結(jié)果是該行業(yè)彷如狂熱的西部，創(chuàng)業(yè)者們都爭相將人工智能應(yīng)用到他們能夠想到的任何一個計算題目。

普爾普拉增補道，“我不以為機器學(xué)習(xí)作為獨立的技術(shù)會造就一項富有價值的業(yè)務(wù)。良多的相關(guān)公司都將以被收購收場�！�

人們之所以覺得人工智能將不僅僅是另一股只是一時流行的高潮，是出于對其廣泛潛力的考慮。跟“大數(shù)據(jù)”一樣，人工智能指代的不僅僅是單一的技術(shù)或者用途，而是可能有廣泛用途的一種解決方案。

西雅圖風(fēng)投公司Madrona合伙人麥特·麥克韋恩（Matt McIlwain）表示，深度學(xué)習(xí)等技術(shù)會有助于企業(yè)在客戶情況上獲得更加智能的推斷。他增補道，它們將能夠識別客戶的偏好并作出猜測，如客戶最想在什么時候被接洽，哪些客戶最有可能不續(xù)約。

涌入該領(lǐng)域的創(chuàng)業(yè)公司面對著巨大的競爭。人工智能最大的進展悉數(shù)來自谷歌、IBM、Facebook等投入巨大的科技巨頭。這些公司并沒有透露它們詳細(xì)投入了多少資源去研發(fā)該項技術(shù)，倒是進行了一些公然演示來向大眾證實它們處于領(lǐng)先位置：谷歌旨在從YouTube視頻識別出貓的一項測試，F(xiàn)acebook用以識別人臉的Deep Face系統(tǒng)，以及IBM的沃森（Watson）問答系統(tǒng)。

然而，塔特爾等創(chuàng)業(yè)者將但愿更多地寄托在將現(xiàn)有技術(shù)打包應(yīng)用于針對性很強的用途，而不是寄托在新技術(shù)的前沿開發(fā)上。例如，Expect Labs致力于打造聲控服務(wù)，使得企業(yè)能夠通過其服務(wù)讓客戶可以進行在線對話檢索等操縱。

塔特爾表示，“至公司在試圖開發(fā)這種技術(shù)來解決一切題目，而我們則是嘗試解決不同的題目�！彼�特爾說。

三大熱點用途

該技術(shù)的基本用途可分成幾個不同的領(lǐng)域。得益于模式識別功能的提高，圖像識別變得比以往輕易了。涉足這一領(lǐng)域的創(chuàng)業(yè)公司Vicarious最近完成融資7200萬美元。它能夠解決驗證碼題目。

同樣的技術(shù)也用于匡助計算機“理解”語言——天然語言識別題目。這是IBM沃森等系統(tǒng)背后的技術(shù)之一。人工智能的第三個熱點用途是找出聯(lián)系關(guān)系性——用于個性化在線內(nèi)容和其它的推薦服務(wù)，或者進步廣告定向效率。

跟遠(yuǎn)景可期的新概念一樣，人工智能的部門早期應(yīng)用也是用于金融市場，不外考慮到所涉的利益題目，介入者并不敢公然宣講它們的技術(shù)。

“假如你的金融應(yīng)用可行的話，為什么要將它公諸于眾呢？”Sentient Technologies首席科學(xué)家巴巴克·霍賈特（Babak Hodjat）指出。他的公司致力于從數(shù)據(jù)中央獲得大量的運算能力來對金融市場進行全面的模擬：通過運用嘗試學(xué)習(xí)市場對不同情況的反應(yīng)的“進化算法”，它但愿能夠開發(fā)出模型來猜測市場未來的演變。

將像這樣的想法主意在各個領(lǐng)域付諸實踐，需要作出巨大的投入來開發(fā)人工智能技術(shù)。例如，Sentient最近融資超過1億美元來將它的技術(shù)應(yīng)用于更多的領(lǐng)域，說明招攬“練習(xí)”人工智能系統(tǒng)應(yīng)用于多個不同領(lǐng)域所需的行業(yè)專家等事項的本錢相稱高昂。

Sentient以為，最有吸引力的行業(yè)是那些需要挖掘海量數(shù)據(jù)來解決高價值題目的行業(yè)，如醫(yī)療保健、保險和電商。計算機安全和詐騙檢測也屬于諸多人工智能公司最想涉足的那部門領(lǐng)域。

Context Relevant的普爾普拉說，讓人工智能技術(shù)能夠真正用于現(xiàn)實用途也需要付出其它的本錢�！皹屑~的爭奪跟底層的機器學(xué)習(xí)技術(shù)無關(guān)，而是關(guān)乎建造支撐系統(tǒng)讓它變得可用�！彼�稱，這些輔助技術(shù)包括傳輸大量信息所需的數(shù)據(jù)“管道”，以及用以確保人工智能技術(shù)在可接受的業(yè)務(wù)參數(shù)內(nèi)運行的控制系統(tǒng)。

鑒于諸多創(chuàng)業(yè)公司面對著證實其技術(shù)不僅僅是令人驚艷的展品的壓力，能否從投資者那里搶得融資，可能會決定它們在無可避免的人工智能行業(yè)洗牌中的生死存亡。

機器學(xué)習(xí)

金融時報專欄作家理查德·沃特斯（Richard Waters）寫道，人工智能、機器學(xué)習(xí)、深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)，關(guān)乎開發(fā)機器來解決之前被以為只有人腦才能解決的題目，它們催生了一系列的技術(shù)和專門術(shù)語。

跟其它技術(shù)分支一樣，公司在最佳方案上的差異有時候就像是宗教信奉上的差異�！澳闼�使用的名稱表示你所屬的部族。”普爾普拉說道。

人工智能承載著實現(xiàn)完全人類式的計算機“思維”的夢想。但以計算機邏輯解碼人類思維的嘗試并不順利。

業(yè)界對人工智能重燃愛好，很大程度上是由于機器學(xué)習(xí)——一種有意跟人類思維類比劃清界限的方案。機器學(xué)習(xí)是信息處理本錢下降的產(chǎn)物，涉及海量如今能夠進行收集并傳輸?shù)骄W(wǎng)上的數(shù)字?jǐn)?shù)據(jù)。

作為機器學(xué)習(xí)的子集，深度學(xué)習(xí)是人工智能趨勢泛起的重要原因。深度學(xué)習(xí)基于人工智能歷史的另一個概念：神經(jīng)網(wǎng)絡(luò)，即尋求模擬人腦運作加快“學(xué)習(xí)”的軟件。

Nara Logics的CEO亞娜·艾格斯（Jana Eggers）表示，神經(jīng)科學(xué)的提高為這種生物模擬帶來了新思路。她增補道，模擬的目的是“看看人腦是如何進行決議計劃的，如何使得計算性能夠做得更好�！�