本文作者Shivon Zilis是彭博社旗下初创基金Bloomberg Beta的合伙人，毕业于耶鲁大学，主要聚焦数据和机器智能的早期投资，尤其对智能工具和产业应用感兴趣。
Shivon Zilis
一年前，我曾率先试着勾勒出机器智能生态系统。因此，过去一年做了很多事情。我花了十二个月梳理每一家公司，每一点信息，和数百名机器智能领域的研究人员，企业家和投资者有过交流。今年，我将注意力放在了重要的创新领域，而不是搞综述。图1就是2016年机器智能新面貌：
尽管不乏嘈杂炒作，有时会分散注意力，但是，机器智能已被用于几个重要领域。包括帮助我们更快获取所需重要商业信息，监测关键系统，更有效地养育人口，降低医疗保健成本，更早发现疾病，等等。 自去年做了这个分析以来，我注意到了两个大变化：(1) 物理和虚拟世界出现了自动化系统；(2) 创业公司从打造广阔的技术平台转向了关注解决具体商业问题 。
反思现状
随着焦点从魔术盒一样的机器智能转移到迅速提供真实价值，我们就有更多的办法让市场出现更多的机器智能创业公司。（进入市场的办法和需要解决的问题一样多。我在这里列了很多选项）绝大多数机器智能创业公司使用的是旧机器智能技术，有的是十年前的技术了。尽管创业公司正在寻找市场入口，但是，大公司拥有海量数据和用户合同，它们还是有内在优势的。
实现自动化
去年综述的焦点几乎完全是虚拟世界中的机器智能。如今，我们在真实世界看到了许多化身自动化系统的机器智能：自动驾驶汽车，无人机，无需每个动作都被复杂编程就能完成活动任务的机器人。不过，它们仍处在早期：所有这些系统基本上没用，尽管我们期待现状能迅速改变。 由于采用了机器智能领域许多正在成熟的研究办法，这些物理系统正不断涌现出来。计算机视觉，它使用了深度学习和加强学习，自然语言界面以及Q&A系统，这些技术都在帮助物理系统实现自动化和交互性。如今，打造这些自动系统和创造新的差不多，都是在整合这些技术。
人类接触上的新进展
虚拟世界正变得日趋自动化。视觉机器人采用了对话式界面(想想电影《HER》，毫无魅力可言)。部分视觉机器人完全实现了自动化，其他的还需要「人工介入」，这些系统的算法执行「机器似的」子任务，人工负责创造力和执行。(有些系统，人会在工作时训练机器人)用户通过输入自然语言或语音方式与系统交流，系统会以同样方式回答用户。 有时，这些服务会让用户有真假难辨之感，我就有这方面的体验，当时我联系客服反映手机的情况。那时，我不想和任何人说话，所以就选择了在线咨询。那是我见过的最具人性化的客服，完美得近乎诡异，我都怀疑自己到底 在和谁交流，人？机器人？还是两者的混合物？然后，我又想，这有关系吗！体验太妙了，问题也解决了。无论和我交流的是什么，我都心存感谢，哪怕是个机器人。 一方面，这些机器人的服务非常专业，为用户提供支持，也为研究，项目管理，日程安排以及电子交易提供了帮助。另一方面，他们也非常个性化，或许我们正在接近《HER》一样的机器智能，比如微软聊天机器人小冰，我们已有自动化情感服务。 这些技术还处在热身阶段，它们会颠覆一些新领域，比如教育，精神病人和老人护理，与人类一起，弥合学生，病人以及老年人护理之间存在的巨大差异。
五十度灰的市场
这标题把我自己逗乐了：） 许多机器智能技术将会改变商业领域，首当其冲的就是受到管制的灰色领域。还包括:健康保健(自动诊断，基于基因组的早期疾病监测，算法支持的药品研发)；农业(传感器和视觉化智能系统，自动农业工具)；交通运输和后勤(无人驾驶汽车，无人机，基于传感器的车队管理)；以及金融服务(先进的信贷决策)。 为了克服进入灰色领域的障碍，我们要想出不同寻常的策略：
创业公司正在全世界捞好处，（比如医疗保健公司打算涉足新兴市场，无人机公司在监管最少的国家进行试验）。
「躲过雷达」策略。有些创业公司正小心翼翼地站在灰色领域最安全地带，保持低调，尽可能避免管制方面的争议。
巨头们，比如谷歌，苹果和IBM，正在等待机会，他们也有资本保持耐心，最有可能对法律制度施加影响，这也是他们最大优势之一。
创业公司正在考虑尽可能早点增强资金实力，应对不可避免的法律争议和即将到来监管障碍。
你的商业难题是什么？
一年前，企业们正挣扎着想搞懂机器智能服务到底是什么新玩意（其中最令人困惑的就是「平台」这一部分）。当我和一些有潜力的企业客户们交流的时候，我经常会听到这几句话：「这些公司想卖给我蛇油」或者「他们甚至都没法解释清楚他们到底是做什么的」。 公司们想要知道这些科技究竟能够解决哪些现在的商业难题。他们不在乎科技本身。反之，机器智能公司则只想大谈特谈他们的算法，还有他们的平台可以解决上百的问题（通常是真的，但是这不是关键啊！）。 不过，有两件已经发生的事情可以帮助创造一个有利的中间地带：
第一，为了不成为机器智能领域的文盲，许多企业已经开始投入巨资。大约有一百多家公司已经开始向我咨询该如何看待机器智能这一发展。他们的问题都是深思熟虑而提出的，他们在改变自己，开始利用这些新的科技。从CEO到产品经理，公司里的每个阶层都已经开始在意这个问题。
其次，许多机器智能公司已经意识到他们需要入乡随俗，解决商业问题。他们正在着手例如分类产品与打印标签这样的商业难题的解决方法，与一家公司一起合作，提出一个独特的方法，而不是仅仅售卖科技本身，他们既是指导者，也是执行者。一旦商业公司知晓了哪些问题可以由机器智能所解决，这些创业公司就能够以更加传统的方式售出科技。
伟大的变革
我记得在读《谁说大象不会跳舞》（Who Says Elephants Can’t Dance）这本书的时候，为IBM这样的科技公司敢于冒险的能力所折服（这正是我离开大学为之工作的原因之一）。现在IBM看起来又要开始经历另一个冒险式变革——从横向科技提供商直接转化为纵向。并且，Watson 为什么不能做个医生或者一个看门人呢？这是一个勇敢的尝试。 不仅仅是IBM：仅仅是从谷歌的项目，你就可以纵览整个机器智能的前景（PS：如果有人愿意试一试，我很想知道结果！）。
你的钱很好，但是还是多告诉我一些你的数据吧
在机器智能的世界里，创始人正在销售他们的公司，就像我在去年所说的——但是这并不仅仅有关钱的问题。我从创始人那里了解到，他们只在收购者有着合适的数据以支持他们的工作时才会对此感兴趣。我们听到的话都是这样的：「通常我不会理他们，但是鉴于我们的产品，如果X来邀请，我们很难拒绝。」X，可以是 Slack、谷歌、Facebook。Twitter 这些科技大亨等等——他们的确有合适的数据。 加拿大 直到最近，机器智能领域人才中流传着一个秘密传说：加拿大！ 在AI的凛冬，机器智能于80年代与90年代这段时间内备受冷落，正是加拿大，几个仅剩的机构之一，出资资助AI的研究。加拿大的支持造就了如今深度学习的三教父——Geoffrey Hinton, Yoshua Bengio与Yann LeCun。 加拿大一直都是机器智能研究前线的中心。作为一个自豪的加拿大人，能够与 AICML 这样的伙伴一起商业化前沿的研究，与机器学习创造性解构实验室一起支持创业者，并能够在这样的场合将机器智能世界融合在一起，是一件非常令人快乐的事情。
那么现在呢？
在大型公司与创业公司，机器智能不再是去年那样一个玄乎的理论了。明年，这些科技的使用性能将会涌现出来。大部分的新公司会避免一个通用技术方案，而是去提出一个具体商业目标，并利用机器智能科技。 我对于见证更多实用性与新奇性的组合已经迫不及待了。 在几年前，一家像 Orbital Insight 的公司会看起来遥不可及——等等，你是要告诉我用卫星与计算机视觉算法来计算中国的建筑增长率吗？ 现在，这个看起来已经不能再平常了。 所以，现在的研究员总在做一些让我们「什么鬼？真的吗？」的研究。他们正在跟踪最艰难的问题，我们甚至从未设想过的问题，例如创造一个仙女教母无人机（...）去照顾老人，可以检测 PTSD 最细微的征兆的计算机视觉能力，可以移除癌性病变的自动外科手术机器人，还有固定飞机的 WiFi（开玩笑，机器智能也没法做到这个）。 总之，代理商会更加野心勃勃，自动化系统会更加普遍，机器智能会更加......智能。而我，期待着明年会有更多的魔法降临。
参与：微胖，Chen Xiaoqing。
