分析稱99%的公司在接觸AI, 誰能跑贏穀歌、微軟們?

編者按：本文來自網易智能，36氪經授權發布。

即便有了TensorFlow或OpenAI等人工智能框架的支持，相比主流網頁開發人員，人工智能仍然需要深層知識和理解。

如果你已經建立了一個工作原型，你就可能是這個房間裏最聰明的人。恭喜你，你成了高級俱樂部的成員。在Kaggle上，你甚至可以通過解決現實世界的項目賺到可觀的收益。

總而言之，這工作不錯，但光憑它是否足以讓你創辦一家企業？畢竟，你不可能改變市場機製。從商業角度來看，人工智能隻是現有問題的另一種實施方式。客戶並不關心采取怎樣的實施方式，他們隻關心結果。這意味著你不能僅僅通過人工智能來坐享其成。蜜月期結束後，你必須要創造價值。從長遠來看，隻有客戶才最重要。

雖然你的客戶可能並不關心人工智能，但風投對此很關心。新聞媒體也同樣關注。很多行業都是如此。這種關注度上的差異可能會給創業公司製造一個危險的現實扭曲力場。但你不要被騙了：除非你創造了通用的多用途人工智能，否則就沒有免費的午餐。即使你是風投的寵兒，你也必須為你的客戶走到終點。因此，讓我們也當一回駕駛員，看看我們如何為未來的場景做準備。

“主流人工智能列車”

人工智能似乎與其他大趨勢不同，比如區塊鏈、物聯網、金融科技等。當然，它的未來是不可預測的。但幾乎所有技術都是如此。不同之處在於，我們作為一個人的價值主張似乎正處於危險之中——不隻是其他行業。我們作為決策者和創意者的價值正在被重新評估。這引起了人們的情感反應。我們不知道如何定位自己。

基礎技術的數量非常有限，大部分都可以歸類為“深度學習”，這構成了幾乎所有應用的基礎：卷積神經網絡、長短時記憶網絡、自動編碼器、隨機森林、梯度增強技術，以及少數其他應用。

人工智能還提供了許多其他的方法，但這些核心機製最近已經取得了壓倒性的成功。大多數研究人員認為，人工智能技術的進步將來自於這些技術的改進（而不是那些與之有本質區別的方法）。出於以上原因，我們可以把這稱為“主流人工智能研究”。

任何真實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，來準備和處理數據（例如數據準備、功能工程、環境建模）。人工智能這一部分的改進往往會讓非人工智能的部分變得多餘。這是人工智能的本質，也幾乎是它的定義——讓解決特定問題的方法過時。但是，這種非人工智能的部分通常是以人工智能為驅動的公司真正的盈利來源。這是他們的秘密武器。

人工智能的每一個改進，都使得這種競爭優勢更有可能開源，而且每個人都可以使用。但也會帶來災難性的後果。就像弗雷德裏克?耶利內克曾經說過的：“每次我解雇一位語言學家，語音識別器的性能就會提升。”

機器學習基本上已經引入了下一階段的裁員：代碼被簡化為數據。幾乎所有基於模型、概率和規則的識別技術都是在2010年被深度學習算法淘汰。

現在隻要用幾百行腳本（加上相當數量的數據）就能打敗領域專業知識、功能建模以及成千上萬行代碼。正如上麵所提到的：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禦的資產。

重大貢獻極其罕見。真正的突破或新進展，甚至是基本組成部分的新組合，這些隻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，這個內部圈子的規模要小得多（開發者人數肯定少於100）。

這是為什麼呢？也許這根植於它的核心算法：反向傳播。幾乎每一個神經網絡都是通過這種方法訓練的。最簡單的反向傳播形式可以在第一個學期的微積分課程中學到，完全不複雜（——但也不是小學水平的知識）。雖然這似乎很簡單——或者可能是出於這個原因——在50多年豐富多彩的曆史中，隻有少數人能看到難點所在並質疑其主要架構。

如果反向傳播能像今天這樣具有可見性，我們的成就可能會比現在的階段領先10年（計算能力除外）。

從70年代的普通神經網絡到再循環網絡，到今天的長短期記憶網絡，都震動了人工智能領域。並且，它還隻需要幾十行代碼！數代學生和研究人員經過數學計算，計算出了梯度下降法，證明了它的正確性。但最後，大多數人點了點頭，說“這隻是一種優化形式”便繼續努力。分析理解是不夠的。你需要某種形式的“發明家直覺”來使之與眾不同。

要想擁有業界頂級研究水平絕非易事，因此99.9%的公司隻是搭上主流人工智能列車，還無法成為業內大佬。核心技術是由業界主要的開源工具集和框架提供的。為了達到最新的水平，專有方法會隨著時間的流逝而消失。從這個意義上說，絕大多數人工智能公司都是這些核心產品和技術的消費者。

列車通往何處？

人工智能（以及所需的數據）被拿來與許多東西進行比較：電、煤、黃金。這顯示出科技界有多迫切想要找到規律或趨勢。這是因為，這種知識對於規避一個簡單的事實所能對你的業務或投資造成的風險至關重要。如果你把你的事業建立在人工智能列車的軌道上，沒有什麼能拯救你。

因為列車頭已向商業領域飛奔而去，隻有少數情況值得考慮。

第一種情況，主流人工智能研究列車的運行速度將明顯放緩，甚至已經停止運行。這意味著更多的問題類別無法解決。這也意味著我們下車後，必須為我們的客戶走到終點。這對創業公司來說是一個很大的機會，因為他們有機會開發專有技術，並有機會創建一個可持續發展的業務。

第二種情況是，主流列車在當前時期呼嘯前行。那就更不容易躲開它的前進勢頭或下火車了。人工智能高速發展階段中，個人方法的領域知識很可能被大公司“開源”。那麼過去你所有的努力可能都變得一文不值。目前，像AlphaGo LINK這樣的係統，除了由開源框架提供的標準（“vanilla”）功能外，還需要很高比例的專利技術。

如果我們在不久的將來看到具有相同功能的基本腳本，我不會覺得驚訝。但“未知的未知”是一類問題，下一波人工智能的發展浪潮便能解決。自動編碼和基於注意力的係統在解決這類問題上勝算很大。沒有人能想象出，哪個垂直領域可以通過這個解決。幾率：可能。

第四種情況，火車的速度更快。最後，“奇點已近”。現在已經有關於這方麵的書了。億萬富翁們一直在為之奮鬥。我可能會再寫一篇關於它的文章。這裏的終極遊戲是人工通用智能。如果我們做到了這一點，一切賭注都結束了。

最後，還有“黑天鵝”事件的情況（“黑天鵝”指非常難以預測，且不尋常的事件，通常會引起市場連鎖負麵反應甚至顛覆）。在車庫裏的某個人發現了遠離了主流算法的新一代算法。如果這位獨行俠可以自己使用這種算法，我們可能會看到第一個自製的億萬富翁。但這種情況又從何而來呢？我不相信這種事可能會突然發生。它可能是主流技術和被拋棄的基於模型的算法的結合。

2010年神經網絡的興起，一些曾經大有希望的方法（象征方法等）便失去了部分研究基礎。目前在人工智能領域的研究也複興了其他相關研究領域。要找到一種“不受歡迎”且還未湧入大量研究人員的技術或算法已經變得越來越困難。然而，可能會有一個局外人找到或複活一種改變遊戲規則的方法。

誰能贏？

讓我們把所有這些都放在一起，最後問一個價值百萬美元的問題。答案不僅取決於以上種種情況，最重要的是在於你是誰。在這個等式中，業務的起始位置是一個關鍵因素，因為它的資源和現有資產是他們部署策略的關鍵。

在人工智能聯賽中，有幾家財力雄厚、能夠吸引關鍵人才的公司。由於這是一個相當燒錢的過程，所以你需要其他的收入來源。這就限製了選手們進入著名的穀歌、Facebook、微軟和IBM俱樂部。除了現有條件之外，他們還建立了龐大的專有係統，以及開放源代碼的堆棧，來到達新的問題類。過了一段時間之後，你就會把這些東西放進下一代的開源框架中，以建立一個活躍的社區。

這些玩家也有自己的平台，可以用來訓練更好的算法。人工智能可能是一個巨大的市場，但它對於企業和企業在日常業務中的應用也對企業的成功至關重要。這些平台包括亞馬遜、Facebook、Google Apps、Netflix，甚至Quora，他們都使用人工智能來捍衛和加強其核心業務模式。他們想辦法更好地為自己的客戶服務，但他們意識到要保持自己的核心業務與他們用人工智能處理的工作截然不同（至少是公開的）。

一些新興平台已經為他們自己的工具集找到了采用這一策略的方法。這些公司發現了一個人工智能起初隻是有可能實現，或者是可以使之獲利的想法。一個例子是語法檢查程序語法。

乍一看，你可以把它看作是一個很好的插件，現有的供應商可以輕鬆地自己構建這種語法檢查程序語法。但事情遠不止如此。他們在這裏建立了兩項資產：一個社區生成的數據集，以進一步提高質量，並以更可持續的方式，為廣告合作夥伴提供一個非常個性化的市場。

然後是工具製造者。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，在這裏也行得通。提供數據，舉辦比賽，人才交易，人類教育。這一設想的藍圖是找到每一個人工智能野心家都需要（或想要）的東西，然後明碼標價。

Udemy教授AI課程，而Kaggle則發起了人工智能競賽，幫助其他公司走出自己的小圈子，讓數據科學家們打造自己的技能。這兩家公司都不需要在人工智能領域建立核心競爭力。企業還需要大量的數據才能取得成功。他們中的大多數人使用的是監督學習，所以必須有人監督。

最後，還有一些公司在人工智能谘詢領域找到了自己的定位。因為即使是在巨人的開源框架的肩膀上，仍然有很多工作要做。

像Element AI這樣的公司能夠將這些額外工作的一部分產品化，並將其轉化為一項服務。事實上，最近的1.02億美元投資確保了他們成功所需的雄厚財力。

還有其他一些公司正在蓄勢待發，那些鼓吹自己有針對性的人工智能解決方案的公司，正在取代現有的商業流程。然而，這些公司在兩個方麵麵臨挑戰。可以開發開源項目來解決同樣的問題，而現有的供應商正在大量投資於更自動化的解決方案，以解決同樣的問題。

該行業最重要的因素是主流人工智能研究的速度，這種研究隻在一小群研究人員中進行。他們的測試結果會在第一時間使用人工智能冠軍玩家開發的框架開源。其餘的人要麼是想在人工智能領域分一杯羹，要麼要阻礙其發展。最終，定位是一切，而決定了自己位置、並記住以上所說情況的公司，也能到達他們想要的目的地。