在Kaggle上，你甚至可以通過解決現(xiàn)實(shí)世界的項(xiàng)目賺到可觀的收益?？偠灾?，這工作不錯(cuò)，但光憑它是否足以讓你創(chuàng)辦一家企業(yè)？畢竟，你不可能改變市場機(jī)制。從商業(yè)角度來看，人工智能只是現(xiàn)有問題的另一種實(shí)施方式。客戶并不關(guān)心采取怎樣的實(shí)施方式，他們只關(guān)心結(jié)果。這意味著你不能僅僅通過人工智能來坐享其成。蜜月期結(jié)束后，你必須要?jiǎng)?chuàng)造價(jià)值。從長遠(yuǎn)來看，只有客戶才最重要。

 

　　雖然你的客戶可能并不關(guān)心人工智能，但風(fēng)投對此很關(guān)心。新聞媒體也同樣關(guān)注。很多行業(yè)都是如此。這種關(guān)注度上的差異可能會(huì)給創(chuàng)業(yè)公司制造一個(gè)危險(xiǎn)的現(xiàn)實(shí)扭曲力常但你不要被騙了：除非你創(chuàng)造了通用的多用途人工智能，否則就沒有免費(fèi)的午餐。即使你是風(fēng)投的寵兒，你也必須為你的客戶走到終點(diǎn)。因此，讓我們也當(dāng)一回駕駛員，看看我們?nèi)绾螢槲磥淼膱鼍白鰷?zhǔn)備。

 

 

　　人工智能似乎與其他大趨勢不同，比如區(qū)塊鏈、物聯(lián)網(wǎng)、金融科技等。當(dāng)然，它的未來是不可預(yù)測的。但幾乎所有技術(shù)都是如此。不同之處在于，我們作為一個(gè)人的價(jià)值主張似乎正處于危險(xiǎn)之中——不只是其他行業(yè)。我們作為決策者和創(chuàng)意者的價(jià)值正在被重新評估。這引起了人們的情感反應(yīng)。我們不知道如何定位自己。

 

　　基礎(chǔ)技術(shù)的數(shù)量非常有限，大部分都可以歸類為“深度學(xué)習(xí)”，這構(gòu)成了幾乎所有應(yīng)用的基礎(chǔ)：卷積神經(jīng)網(wǎng)絡(luò)、長短時(shí)記憶網(wǎng)絡(luò)、自動(dòng)編碼器、隨機(jī)森林、梯度增強(qiáng)技術(shù)，以及少數(shù)其他應(yīng)用。

 

　　人工智能還提供了許多其他的方法，但這些核心機(jī)制最近已經(jīng)取得了壓倒性的成功。大多數(shù)研究人員認(rèn)為，人工智能技術(shù)的進(jìn)步將來自于這些技術(shù)的改進(jìn)（而不是那些與之有本質(zhì)區(qū)別的方法）。出于以上原因，我們可以把這稱為“主流人工智能研究”。

 

　　任何真實(shí)的世界解決方案都由這些核心算法和非人工智能外形組成，來準(zhǔn)備和處理數(shù)據(jù)（例如數(shù)據(jù)準(zhǔn)備、功能工程、環(huán)境建模）。人工智能這一部分的改進(jìn)往往會(huì)讓非人工智能的部分變得多余。這是人工智能的本質(zhì)，也幾乎是它的定義——讓解決特定問題的方法過時(shí)。但是，這種非人工智能的部分通常是以人工智能為驅(qū)動(dòng)的公司真正的盈利來源。這是他們的秘密武器。

 

　　人工智能的每一個(gè)改進(jìn)，都使得這種競爭優(yōu)勢更有可能開源，而且每個(gè)人都可以使用。但也會(huì)帶來災(zāi)難性的后果。就像弗雷德里克？耶利內(nèi)克曾經(jīng)說過的：“每次我解雇一位語言學(xué)家，語音識(shí)別器的性能就會(huì)提升。”

 

　　機(jī)器學(xué)習(xí)基本上已經(jīng)引入了下一階段的裁員：代碼被簡化為數(shù)據(jù)。幾乎所有基于模型、概率和規(guī)則的識(shí)別技術(shù)都是在2010年被深度學(xué)習(xí)算法淘汰。

 

　　現(xiàn)在只要用幾百行腳本（加上相當(dāng)數(shù)量的數(shù)據(jù)）就能打敗領(lǐng)域?qū)I(yè)知識(shí)、功能建模以及成千上萬行代碼。正如上面所提到的：這意味著，在主流人工智能列車的軌道上，專有代碼不再是一種可防御的資產(chǎn)。

 

　　重大貢獻(xiàn)極其罕見。真正的突破或新進(jìn)展，甚至是基本組成部分的新組合，這些只有非常有限的研究人員才有可能做到。正如你可能想到的那樣，這個(gè)內(nèi)部圈子的規(guī)模要小得多（開發(fā)者人數(shù)肯定少于100）。

 

　　這是為什么呢？也許這根植于它的核心算法：反向傳播。幾乎每一個(gè)神經(jīng)網(wǎng)絡(luò)都是通過這種方法訓(xùn)練的。最簡單的反向傳播形式可以在第一個(gè)學(xué)期的微積分課程中學(xué)到，完全不復(fù)雜（——但也不是小學(xué)水平的知識(shí)）。雖然這似乎很簡單——或者可能是出于這個(gè)原因——在50多年豐富多彩的歷史中，只有少數(shù)人能看到難點(diǎn)所在并質(zhì)疑其主要架構(gòu)。

　　如果反向傳播能像今天這樣具有可見性，我們的成就可能會(huì)比現(xiàn)在的階段領(lǐng)先10年（計(jì)算能力除外）。

 

　　從70年代的普通神經(jīng)網(wǎng)絡(luò)到再循環(huán)網(wǎng)絡(luò)，到今天的長短期記憶網(wǎng)絡(luò)，都震動(dòng)了人工智能領(lǐng)域。并且，它還只需要幾十行代碼！數(shù)代學(xué)生和研究人員經(jīng)過數(shù)學(xué)計(jì)算，計(jì)算出了梯度下降法，證明了它的正確性。但最后，大多數(shù)人點(diǎn)了點(diǎn)頭，說“這只是一種優(yōu)化形式”便繼續(xù)努力。分析理解是不夠的。你需要某種形式的“發(fā)明家直覺”來使之與眾不同。

 

　　要想擁有業(yè)界頂級研究水平絕非易事，因此99.9%的公司只是搭上主流人工智能列車，還無法成為業(yè)內(nèi)大佬。核心技術(shù)是由業(yè)界主要的開源工具集和框架提供的。為了達(dá)到最新的水平，專有方法會(huì)隨著時(shí)間的流逝而消失。從這個(gè)意義上說，絕大多數(shù)人工智能公司都是這些核心產(chǎn)品和技術(shù)的消費(fèi)者。

 

 

　　人工智能（以及所需的數(shù)據(jù)）被拿來與許多東西進(jìn)行比較：電、煤、黃金。這顯示出科技界有多迫切想要找到規(guī)律或趨勢。這是因?yàn)椋@種知識(shí)對于規(guī)避一個(gè)簡單的事實(shí)所能對你的業(yè)務(wù)或投資造成的風(fēng)險(xiǎn)至關(guān)重要。如果你把你的事業(yè)建立在人工智能列車的軌道上，沒有什么能拯救你。

 

　　因?yàn)榱熊囶^已向商業(yè)領(lǐng)域飛奔而去，只有少數(shù)情況值得考慮。

 

　　第一種情況，主流人工智能研究列車的運(yùn)行速度將明顯放緩，甚至已經(jīng)停止運(yùn)行。這意味著更多的問題類別無法解決。這也意味著我們下車后，必須為我們的客戶走到終點(diǎn)。這對創(chuàng)業(yè)公司來說是一個(gè)很大的機(jī)會(huì)，因?yàn)樗麄冇袡C(jī)會(huì)開發(fā)專有技術(shù)，并有機(jī)會(huì)創(chuàng)建一個(gè)可持續(xù)發(fā)展的業(yè)務(wù)。

 

　　第二種情況是，主流列車在當(dāng)前時(shí)期呼嘯前行。那就更不容易躲開它的前進(jìn)勢頭或下火車了。人工智能高速發(fā)展階段中，個(gè)人方法的領(lǐng)域知識(shí)很可能被大公司“開源”。那么過去你所有的努力可能都變得一文不值。目前，像AlphaGo link這樣的系統(tǒng)，除了由開源框架提供的標(biāo)準(zhǔn)（“vanilla”）功能外，還需要很高比例的專利技術(shù)。如果我們在不久的將來看到具有相同功能的基本腳本，我不會(huì)覺得驚訝。但“未知的未知”是一類問題，下一波人工智能的發(fā)展浪潮便能解決。自動(dòng)編碼和基于注意力的系統(tǒng)在解決這類問題上勝算很大。沒有人能想象出，哪個(gè)垂直領(lǐng)域可以通過這個(gè)解決。幾率：可能。

 

　　第四種情況，火車的速度更快。最后，“奇點(diǎn)已近”?，F(xiàn)在已經(jīng)有關(guān)于這方面的書了。億萬富翁們一直在為之奮斗。我可能會(huì)再寫一篇關(guān)于它的文章。這里的終極游戲是人工通用智能。如果我們做到了這一點(diǎn)，一切賭注都結(jié)束了。

 

　　最后，還有“黑天鵝”事件的情況（“黑天鵝”指非常難以預(yù)測，且不尋常的事件，通常會(huì)引起市場連鎖負(fù)面反應(yīng)甚至顛覆）。在車庫里的某個(gè)人發(fā)現(xiàn)了遠(yuǎn)離了主流算法的新一代算法。如果這位獨(dú)行俠可以自己使用這種算法，我們可能會(huì)看到第一個(gè)自制的億萬富翁。但這種情況又從何而來呢？我不相信這種事可能會(huì)突然發(fā)生。它可能是主流技術(shù)和被拋棄的基于模型的算法的結(jié)合。2010年神經(jīng)網(wǎng)絡(luò)的興起，一些曾經(jīng)大有希望的方法（象征方法等）便失去了部分研究基矗目前在人工智能領(lǐng)域的研究也復(fù)興了其他相關(guān)研究領(lǐng)域。要找到一種“不受歡迎”且還未涌入大量研究人員的技術(shù)或算法已經(jīng)變得越來越困難。然而，可能會(huì)有一個(gè)局外人找到或復(fù)活一種改變游戲規(guī)則的方法。

 

 

　　讓我們把所有這些都放在一起，最后問一個(gè)價(jià)值百萬美元的問題。答案不僅取決于以上種種情況，最重要的是在于你是誰。在這個(gè)等式中，業(yè)務(wù)的起始位置是一個(gè)關(guān)鍵因素，因?yàn)樗馁Y源和現(xiàn)有資產(chǎn)是他們部署策略的關(guān)鍵。

 

　　在人工智能聯(lián)賽中，有幾家財(cái)力雄厚、能夠吸引關(guān)鍵人才的公司。由于這是一個(gè)相當(dāng)燒錢的過程，所以你需要其他的收入來源。這就限制了選手們進(jìn)入著名的谷歌、Facebook、微軟和IBM俱樂部。除了現(xiàn)有條件之外，他們還建立了龐大的專有系統(tǒng)，以及開放源代碼的堆棧，來到達(dá)新的問題類。過了一段時(shí)間之后，你就會(huì)把這些東西放進(jìn)下一代的開源框架中，以建立一個(gè)活躍的社區(qū)。

　　這些玩家也有自己的平臺(tái)，可以用來訓(xùn)練更好的算法。人工智能可能是一個(gè)巨大的市場，但它對于企業(yè)和企業(yè)在日常業(yè)務(wù)中的應(yīng)用也對企業(yè)的成功至關(guān)重要。這些平臺(tái)包括亞馬遜、Facebook、Google Apps、Netflix，甚至Quora，他們都使用人工智能來捍衛(wèi)和加強(qiáng)其核心業(yè)務(wù)模式。他們想辦法更好地為自己的客戶服務(wù)，但他們意識(shí)到要保持自己的核心業(yè)務(wù)與他們用人工智能處理的工作截然不同（至少是公開的）。

 

　　一些新興平臺(tái)已經(jīng)為他們自己的工具集找到了采用這一策略的方法。這些公司發(fā)現(xiàn)了一個(gè)人工智能起初只是有可能實(shí)現(xiàn)，或者是可以使之獲利的想法。一個(gè)例子是語法檢查程序語法。

 

　　乍一看，你可以把它看作是一個(gè)很好的插件，現(xiàn)有的供應(yīng)商可以輕松地自己構(gòu)建這種語法檢查程序語法。但事情遠(yuǎn)不止如此。他們在這里建立了兩項(xiàng)資產(chǎn)：一個(gè)社區(qū)生成的數(shù)據(jù)集，以進(jìn)一步提高質(zhì)量，并以更可持續(xù)的方式，為廣告合作伙伴提供一個(gè)非常個(gè)性化的市常

 

　　然后是工具制造者。就像馬克？吐溫說的那樣——讓別人挖金子，站在一旁，把鏟子賣給他們。這在過去也行得通，在這里也行得通。提供數(shù)據(jù)，舉辦比賽，人才交易，人類教育。這一設(shè)想的藍(lán)圖是找到每一個(gè)人工智能野心家都需要（或想要）的東西，然后明碼標(biāo)價(jià)。

 

　　Udemy教授AI課程，而Kaggle則發(fā)起了人工智能競賽，幫助其他公司走出自己的小圈子，讓數(shù)據(jù)科學(xué)家們打造自己的技能。這兩家公司都不需要在人工智能領(lǐng)域建立核心競爭力。企業(yè)還需要大量的數(shù)據(jù)才能取得成功。他們中的大多數(shù)人使用的是監(jiān)督學(xué)習(xí)，所以必須有人監(jiān)督。

 

　　最后，還有一些公司在人工智能咨詢領(lǐng)域找到了自己的定位。因?yàn)榧词故窃诰奕说拈_源框架的肩膀上，仍然有很多工作要做。

 

　　像Element AI這樣的公司能夠?qū)⑦@些額外工作的一部分產(chǎn)品化，并將其轉(zhuǎn)化為一項(xiàng)服務(wù)。事實(shí)上，最近的1.02億美元投資確保了他們成功所需的雄厚財(cái)力。

 

　　還有其他一些公司正在蓄勢待發(fā)，那些鼓吹自己有針對性的人工智能解決方案的公司，正在取代現(xiàn)有的商業(yè)流程。然而，這些公司在兩個(gè)方面面臨挑戰(zhàn)?？梢蚤_發(fā)開源項(xiàng)目來解決同樣的問題，而現(xiàn)有的供應(yīng)商正在大量投資于更自動(dòng)化的解決方案，以解決同樣的問題。該行業(yè)最重要的因素是主流人工智能研究的速度，這種研究只在一小群研究人員中進(jìn)行。他們的測試結(jié)果會(huì)在第一時(shí)間使用人工智能冠軍玩家開發(fā)的框架開源。其余的人要么是想在人工智能領(lǐng)域分一杯羹，要么要阻礙其發(fā)展。最終，定位是一切，而決定了自己位置、并記住以上所說情況的公司，也能到達(dá)他們想要的目的地。