對於人工智能，目前有兩種態度。一種是擔心，Elon Musk等人擔心先進的人工智能會對人類造成威脅，Nicholas Carr擔心自動化會搶人飯碗、讓人變蠢；一種是放心，Google 主席 Eric Schmidt認為先進的技術智慧讓人類變得越來越好，況且現在的人工智能還非常原始。
那麼，現在的機器智能現狀到底是怎樣的呢？
Bloomberg Beta 的 VC Shivon Zilis 歷時 3 個月，分析了 2529 家人工智能、機器學習及數據相關的初創企業後為我們做出解讀。
- 什麼是機器智能？
所謂機器智能，是機器學習與人工智能的統稱。計算機正在學習如何思考以及讀寫。也正在獲得人類的感覺功能，包括視覺、聽覺，以及觸覺、味覺和嗅覺（對後三者的關注略少）。機器智能技術涉及多種不同的問題類型（分類、聚類、自然語言處理、計算機視覺等）和方法（支持向量機、深度信念網絡等）。這些都包含在機器智能版圖當中。
機器智能離不開大數據，數據是機器學習和人工智能的基礎。儘管如此，出於篇幅和專注於人工智能方法的原因，這份版圖並沒有把大數據放進去。
- 公司分類
從事機器智能的公司很多，但是版圖幅面有限。所以機器智能方法被當作關鍵技術的公司才可以列入。然後入選的公司再分為三大類，一類是專注於機器智能核心技術創新的核心技術類公司；一類就是應用型公司，應用型按照應用對象又可以分為面向企業、面向行業以及面向人 / 人機交互（HCI）這三類；第三類則是支撐技術，包括硬件、數據準備、數據採集等。
如果你打算開一家相關的公司，可以利用這張圖找出合適的核心技術和支持技術，然後打包成新穎的行業應用。儘管人人都想解決一些吸引人的問題，但是在許多不那麼性感的行業還存在著大量的商機值得挖掘（如通過 Watson Developer Cloud、AlchemyAPI 等），所以未必要緊緊盯住熱門的領域。
- 版圖思考
Kevin Kelly（KK）認為，廉價的並行計算、大型的數據集，以及更好的算法推動了機器智能的發展，從而給企業、產業和人類帶來了變革。這張版圖的應用劃分正是受到了這種觀點的啟發。正如 KK 所言，「接下來的 10000 個初創企業的商業計劃很容易預測，做 X 然後增加 AI。」有時候甚至連 X 都可以不要，因為機器智能本身就有可能創造出全新的行業。
機器智能的前景非常可觀。目前這個領域的初創企業被收購率已達到有 10%，Zilis 認為到 2015 年年底可能還會有另 10% 被收購掉。買家共有 15 個，其中 Google 是機器智能領域的頭號買家。
大公司具有壓倒性優勢，尤其是開發有消費者產品的那些。搜索（Google、百度）、社交網絡（Facebook、LinkedIn、Pinterest）、內容（Netflix、Yahoo！）、移動（蘋果）及電子商務巨頭（Amazon）處在非常領先的位置。因為這些公司擁有大量的數據，且可以通過不斷與消費者交互，從而形成算法調整的反饋回環，再加上網絡效應，所以是最容易從中收穫機器智能成效的公司。
一流的個性化和推薦算法促進了這些公司的成功。在移動的新戰場上，機器智能也不可或缺：如自然語言接口（蘋果 Siri）、可視化搜索（Amazon 的 FireFly）、直接提供答案而非鏈接的動態問題回答。而 IBM 和微軟在這個領域也取得了很大進展，但是主要集中在面向大型行業數據集的知識表徵任務（因為缺乏上述公司類似的面向人的需求），比方說 IBM 的 Watson 就用到了輔助醫生診斷上面。
- 人才壟斷
過去 20 年裡，人工智能領域最好的人才都在學術界。這些人發明了許多新的機器智能方法，但是能帶來商業價值的卻沒幾個。但現在像深度信念網（deep belief nets）和階層式神經網絡（hierarchical neural network）這樣複雜的機器智能方法開始解決一些現實問題了。而像牙塔上的那些學者也開始走進企業。比方說Facebook 招了紐約大學的 Yann LeCun 教授和 Rob Fergus，Google聘了多倫多大學的 Geoffrey Hinton，而百度則有吳恩達（Andrew Ng），這些都是機器智能領域教父級的任務。不過這些人並不是完全跟學術脫離了關係，不少的時間和精力還是要貢獻給學校的。
高薪和好設施當然是吸引這些頂尖學術人才的因素之一，但是最重要的卻是另一個東西：數據。Facebook、Google、百度等擁有龐大的計算資源，還壟斷了海量的數據，必然會吸引越來越多的人才加入，這就是大公司形成壓倒性優勢的原因。
- 和平紅利
如上所述，大公司擁有固有優勢，而贏得機器智能戰者未來還會更加強大。幸運的是，對於其他公司來說，大公司開發出來的核心技術會迅速湧入到其他領域—通過大公司離職人員以及公開發表的研究的方式。
此外，跟大數據革命類似，技術巨頭也會把一些突破性的技術貢獻給社區，然後由其他人來做應用層面的創新。
- 創業機遇
我的公司從事 X 的深度學習
要想讓你的公司明年火紅，可以用上面這句話做廣告詞。當然，前提是你的確是。
深度學習是機器智能的熱門方法。雖然可能有點炒作過頭，但 Google、Facebook、百度這樣的巨頭，以及 Enlitic 等很初創企業，在視覺和語言處理方面採用這種辦法的確取得了不俗的成績。
深度學習最令人興奮的是，如果處置得當的話，其自動學習功能可以替代部分領域專家的直覺。在很多情況下，這有望改寫許多領域的解決方案。
- 人才收購作為商業模式
我們在討論大數據的時候往往提到數據科學家的短缺。但是由於此前機器智能僅限於學術研究，機器智能專家更是短缺中的短缺。這一現狀並不會很快改變。
這種短缺對於真正理解機器智能的創始人來說卻是一種福利。這一領域的許多初創企業能夠獲得種子輪融資，往往就因為一個原因—機器智能人才收購的價格是一般技術人才收購價格的 5 倍以上（比方說 Deep Mind 人均收購價格為 500 到 1000 萬美元） 。作為有悟性的創始人，你甚至可以網羅一批機器智能人才然後就成立公司，說不定就有人會收購你了—好吧，這是個玩笑，但是這的確反映出人工智能的價值。
延伸閱讀：Google 讓人工智慧更強大，靠的就是天才神童 Hassabis
（本文載自合作媒體36 氪，未經許可不得轉載）
