任何一家風(fēng)險投資公司現在都需要參與到人工智能這一領(lǐng)域：作為風(fēng)險投資基金的資金提供者，合伙人們都希望把錢(qián)投向最具前景的熱門(mén)領(lǐng)域。

硅谷向來(lái)喜歡跟風(fēng)。從最近幾周的創(chuàng )業(yè)公司融資情況來(lái)看，科技行業(yè)的新寵輪到了一項有著(zhù)半個(gè)世紀歷史的技術(shù)：人工智能。

資金大舉涌入

“這是當下的熱門(mén)領(lǐng)域。”史蒂芬·普爾普拉（Stephen Purpura）說(shuō)，自從2012年創(chuàng )立以來(lái)，他的人工智能公司ContextRelevant已經(jīng)累計融資逾4400萬(wàn)美元。他認為，目前約有170多家創(chuàng )業(yè)公司投身人工智能領(lǐng)域。

人工智能領(lǐng)域的新生力量們相信，這項技術(shù)終于迎來(lái)了曙光，將把計算機智能推向新的高度。他們承諾將開(kāi)發(fā)全新的人機交互模式——讓機器以前所未有的方式入侵人類(lèi)的世界。

“從技術(shù)上講，原先的使用方式是由人類(lèi)向機器輸入指令，今后則是讓電腦觀(guān)察人類(lèi)，并主動(dòng)學(xué)習。”另外一名人工智能創(chuàng )業(yè)者丹尼爾·納德勒（DanielNadler）說(shuō)。他的公司Kensho最近剛剛融資1500萬(wàn)美元，他們的目標頗具野心：訓練電腦代替財務(wù)分析師等高薪白領(lǐng)。

“我們并不把自己的工作稱(chēng)作人工智能，我們稱(chēng)之為‘自動(dòng)化人員密集型知識工作’。”他說(shuō)。

從眾心理可以從一定程度上解釋人工智能何以成為當今最為熱門(mén)的創(chuàng )投領(lǐng)域。這是在大數據趨勢興起之后，涌現出的數千個(gè)創(chuàng )業(yè)夢(mèng)想之一。不過(guò)，人工智能領(lǐng)域當前的投資規模依然很小，主要是因為多數創(chuàng )業(yè)公司仍處于發(fā)展初期。但已經(jīng)有大量企業(yè)獲得了融資，而參與投資的投資者也來(lái)源甚廣。

除了一些硅谷頂尖風(fēng)投（例如Khosla Ventures和Greylock Partner）和科技大亨【例如伊隆·馬斯克（ElonMusk）和彼得·賽爾（Peter Thiel）】外，人工智能領(lǐng)域最活躍的支持者還包括有望從這類(lèi)技術(shù)中獲益的企業(yè)，高盛便是其中之一。

納德勒表示，任何一家風(fēng)險投資公司現在都需要參與這一領(lǐng)域：作為風(fēng)險投資基金的資金提供者，合伙人們都希望把錢(qián)投向最具前景的熱門(mén)領(lǐng)域。

模式有待探索

最新的人工智能趨勢很大程度上源自可以在機器中模擬人類(lèi)智能的編程技術(shù)。其中最為顯著(zhù)的是機器學(xué)習，這種技術(shù)可以通過(guò)訓練讓機器識別各種形態(tài)，并通過(guò)對海量數據的分析預測未來(lái)。但與其他引發(fā)創(chuàng )業(yè)浪潮的新技術(shù)一樣，這一領(lǐng)域同樣存在風(fēng)險：很多企業(yè)或許難以真正利用這項技術(shù)實(shí)現盈利。

“很多人工智能平臺都像瑞士軍刀一樣，” 蒂姆·圖特爾（Tim Tuttle）說(shuō)，他的人工智能公司ExpectLabs最近融資1300萬(wàn)美元，“它們可以做很多事情，但真正突出的價(jià)值在哪里卻并不明確。”

他說(shuō)，結果就造成了整個(gè)行業(yè)出現了“西大荒心態(tài)”，企業(yè)家爭相將人工智能技術(shù)應用到他們所能想到的所有計算問(wèn)題中。

“我認為，機器學(xué)習作為一項獨立技術(shù)并沒(méi)有多大的商業(yè)價(jià)值。”普爾普拉說(shuō)，“現在的很多企業(yè)都會(huì )被收購。”

業(yè)界希望人工智能不要成為又一項曇花一現的技術(shù)。與大數據一樣，這個(gè)名詞所指的并非單一技術(shù)或使用方案，而是一套擁有廣泛應用前景的方法。

西雅圖風(fēng)險投資公司Madrona合伙人麥特·麥克維恩（MattMcllwain）表示，深度學(xué)習等技術(shù)可以幫助企業(yè)更加深入地分析客戶(hù)。這些技術(shù)可以判斷客戶(hù)的偏好，并對客戶(hù)的行為進(jìn)行預測，例如客戶(hù)什么時(shí)候最有可能愿意接收商家的信息，以及哪些客戶(hù)最有可能不再續約。

由于大批創(chuàng )業(yè)公司涌入這一領(lǐng)域，導致競爭日益激烈。人工智能的最大優(yōu)勢體現在谷歌、IBM和Facebook等科技公司內部，這些企業(yè)也都對該技術(shù)展開(kāi)了大舉投資。他們對于具體的投資額度諱莫如深，但其公開(kāi)展示的成果已經(jīng)得到了專(zhuān)家的認可：谷歌的一項測試可以從YouTube中識別出貓咪，Facebook的DeepFace系統可以認出人類(lèi)的圖片，IBM更是擁有名噪一時(shí)的問(wèn)答系統沃森（Watson）。

集合現有技術(shù)

不過(guò)，圖特爾等企業(yè)家并沒(méi)有投入過(guò)多精力開(kāi)發(fā)最新的尖端技術(shù)，而是努力集合現有技術(shù)，瞄準具體的應用模式。具體到ExpectLabs，他們可以使用語(yǔ)音識別服務(wù)增強在線(xiàn)目錄搜索的便利性。

他表示，“大型企業(yè)正在通過(guò)這項技術(shù)解決所有事情，我們則在嘗試解決不同的問(wèn)題。”

這項技術(shù)的基本使用方式來(lái)自幾個(gè)不同領(lǐng)域。得益于形態(tài)識別能力，圖片識別（這曾經(jīng)被視作計算機的一大難點(diǎn)）的難度已經(jīng)大幅降低。作為該領(lǐng)域最具野心的企業(yè)之一，剛剛融資7200萬(wàn)美元的Vicarious最近就展示了一項能夠解決CAPTCHA的技術(shù)——CAPTCHA是一個(gè)視覺(jué)謎題項目，其目的是幫助網(wǎng)站自動(dòng)區分人類(lèi)和計算機。

同樣的技術(shù)還可以幫助計算機“理解”人類(lèi)的語(yǔ)言，也就是所謂的“自然語(yǔ)言識別技術(shù)”。IBM沃森等系統就采用了這項技術(shù)，它通過(guò)對海量信息的分析給出最有可能的答案。第三熱門(mén)的使用方式則是相關(guān)性識別——包括提升網(wǎng)絡(luò )內容和推薦的相關(guān)性，以及改進(jìn)定向廣告的效果。

與很多前景廣闊的新創(chuàng )意一樣，一些人工智能技術(shù)已經(jīng)初步應用于金融市場(chǎng)，但由于牽扯的資金巨大，導致相關(guān)金融企業(yè)對此避而不談。

“如果金融應用果真有效，為什么要對外披露，降低自己的套利空間呢？”Sentient Technologies公司首席科學(xué)家巴巴克·霍加特（BabakHodjat）說(shuō)。他的公司通過(guò)數據中心獲取龐大的計算能力，然后全面模擬金融市場(chǎng)的運行狀況：借助“革命性的算法”來(lái)了解市場(chǎng)對不同情況的反應，他們希望開(kāi)發(fā)出各種模型來(lái)預測市場(chǎng)的未來(lái)走向。

要將這樣的想法大范圍付諸實(shí)踐，需要對人工智能領(lǐng)域展開(kāi)大量投資。例如，SentientTechnologies最近就融資1億多美元將它的技術(shù)應用到更多領(lǐng)域，這也反映出將人工智能系統部署到更多行業(yè)所需付出的高昂成本。

SentientTechnologies認為，最有吸引力的是那些擁有大量數據可供利用，而且潛在問(wèn)題擁有極高價(jià)值的行業(yè)，例如醫療、保險和電子商務(wù)。電腦安全和欺詐探測也有著(zhù)不俗的前景。

ContextRelevant的普爾普拉認為，要將這些技術(shù)付諸實(shí)踐還需要付出其他成本：“真正的挑戰并不是開(kāi)發(fā)底層的機器學(xué)習技術(shù)，而是建造一套使之真正發(fā)揮作用的支持系統。”這些附屬技術(shù)包括輸送海量信息的數據“管道”，以及確保人工智能在可以接受的商業(yè)參數內運行的控制系統。

由于很多創(chuàng )業(yè)公司都面臨巨大的壓力，必須向外界證明自己的技術(shù)擁有更加廣闊的前景，因此投資額的多少將會(huì )決定最終的贏(yíng)家。

技術(shù)不斷進(jìn)步

人工智能、機器學(xué)習、深度學(xué)習、神經(jīng)網(wǎng)絡(luò )，這一系列專(zhuān)業(yè)術(shù)語(yǔ)都源自一個(gè)共同的趨勢：很多企業(yè)都希望開(kāi)發(fā)各種設備，以期解決原本似乎只有人腦才能解決的廣泛?jiǎn)?wèn)題。

與其他科技分支領(lǐng)域相同，業(yè)內人士在最佳模式上的分歧，有時(shí)就像是一種宗教派別之爭：“你使用什么詞匯，透露出你來(lái)自什么陣營(yíng)。”普爾普拉說(shuō)。

自從創(chuàng )立以來(lái)，人工智能使用被用于定義這個(gè)廣闊的領(lǐng)域，它的夢(mèng)想是為計算機賦予與人類(lèi)完全相同的“思維”。不過(guò)，要以計算機的邏輯來(lái)解碼人類(lèi)的思維卻并非易事，這也是人工智能直到最近才剛剛有所突破的重要原因。

業(yè)界之所以重新對這項技術(shù)燃起興趣，主要歸功于機器學(xué)習，這是一種有意模仿人類(lèi)思維方式的技術(shù)。機器學(xué)習之所以能夠實(shí)現，是因為信息處理成本大幅降低，加之數字化數據急劇增加。在機器篩選這些數據時(shí)，可以借助概率技術(shù)對其進(jìn)行“訓練”，直到它們能夠識別出某些起初并未編入程序的形態(tài)。

作為機器學(xué)習的一個(gè)分支，深度學(xué)習最近引發(fā)了巨大的關(guān)注。深度學(xué)習源自人工智能歷史上的另一個(gè)想法：神經(jīng)網(wǎng)絡(luò )，也就是通過(guò)模擬人類(lèi)大腦來(lái)加快“學(xué)習”速度的軟件。

Nara Logics CEO賈納·艾格斯（JanaEggers）表示，神經(jīng)科學(xué)的進(jìn)步也對這種技術(shù)的發(fā)展做出了貢獻。他補充說(shuō)，這項技術(shù)的目標是了解人類(lèi)的大腦如何決定某些事情，并讓電腦在這方面做得更好。