Zi 字媒體

編譯：長歌，來源：AI世代（ID：tencentai）紅點創投合伙人梅達·阿加瓦爾（Medha Agarwal）近日撰文，從投資者的角度分析了當今人工智慧領域的幾大創業機遇。以下是編譯整理的原文內容：機器學習是如今當之無愧的流行話題。它很有潛力改變各種市場和各個行業。但圍繞這種技術也出現了許多炒作。作為投資者，我找出了能夠成功發展機器學習技術的領域所共有的幾大關鍵特徵。01 大市場的里的具體用例成功的機器學習創業公司應該瞄準有明確技術需求的垂直應用。預包裝消費品行業就是個好例子。機器學習可以更加準確地預測庫存水平，從而更好地管理供應鏈，降低庫存成本，儘可能降低產能過剩，消除缺貨狀態。根據埃森哲的最新報告，機器學習可以將配送時效提升4.25倍，將供應鏈效率改進2.6倍。02 關注涉及重複性人力勞動的領域大量的人力干涉表明複雜的預測演算法有很大的優化機會。同樣以供應鏈為例，當今的分析師預測庫存需求時不僅使用歷史數據，還在很大程度上依賴直覺。藉助生產時間、售罄率等數據，及其學習模型便可更加精準地預測未來的需求。03 有大量數據可供預測分析之用創業公司需要藉助大量數據才能有效訓練機器學習模型。企業既可以與老牌大型公司合作，利用他們的數據來學習，也可以自己開發產品，然後吸引用戶貢獻數據。這兩種模式都可以成功。04 網路效應和防禦性演算法的開源趨勢將會延續，因此專有數據變成了關鍵。為系統提供數據和反饋可以提升精確度，並形成自己的護城河。因此，一款產品應該吸引用戶針對系統的預測和推薦提供反饋。例如，Facebook的照片標記演算法可以通過用戶的糾錯達到這一目的。可投資的領域我認為機器學習在以下垂直領域最有潛力：醫療診斷和生物信息學機器學習將在整個醫療價值鏈上提高產出、降低成本。機器學習有望提升診斷效果、降低出錯率，還能簡化藥物發現流程，這都令人頗感振奮。病人的數據可以用於早期的疾病診斷，並藉此提供個性化治療方案。醫藥和生物科技公司也可以使用計算方法快速而有效地發現效果更好的新葯。供應鏈機器學習可以改進供應鏈的多個方面，包括需求預測、市場趨勢、交易促進和新品設計。當今的企業很難評估市場模式和市場波動，因此難以幫助企業制定決策，並精確做出預測。製造工業物聯網的市場規模約為120億美元，但目前仍處於普及初期。根據簡柏特對173位企業高管進行的調查，只有25%制定了物聯網戰略，而其中對執行效果真正滿意的只有24%。這些高管都希望藉助機器學習解決方案來提高收益率，同時降低庫存和成品率，以此降低成本，尋找新的獲利機會。合規金融機構的合規是個巨大的市場。自2008年以來，僅摩根大通一家公司就花費360億美元支付和解和罰款，並且聘請了8000名員工從事合規性評估。機器學習可以幫助銀行和其他面臨嚴格監管的企業改進這一流程。企業語音由於語音分析非常複雜，因此雖然這是企業工作流程中的重要元素，但從企業人工智慧角度來講，目前只處在在邊緣地帶。NewVoiceMedia 2013年的一份報告顯示，呼叫中心的低下效率每年造成約410億美元的損失。每年約有240萬內部銷售代表與客戶展開數百萬小時的對話。所以這其中明顯蘊含巨大的機會，可以通過自動化流程改進呼叫中心、會議、銷售和營銷活動的效率。保險保險是個規模巨大、範圍廣泛的領域，機器學習可以幫助保險公司以更低的費用推出更精準的產品。例如，汽車保險公司可以使用駕駛和其他行為數據進行單獨定價，或者使用更好的欺詐探測系統來降低整體的成本結構。諮詢公司畢馬威認為，機器學習將「徹底改變」保險行業。個人金融新的數據和分割模式令「千禧一代」享受到很多之前難以享受的金融產品（例如信用產品）。另外，自動化智能系統也在降低個性化建議的成本，因為它可以追蹤用戶的行為，並根據其偏好和目標提供建議。TechCrunch曾經寫過一篇不錯的文章，分析了人工智慧將如何通過個性化推薦對金融行業產生影響。個性化教育傳統教育的一大局限在於，老師必須面向整個班級傳授一套標準課程。但實際上，不同學生的理解水平和學習風格各有不同。企業能否利用數據幫助父母和學校為每個學生確定有問題的領域，並制定個性化課程，然後給出單獨定價，同時根據每個學生的問題和風格定製計劃？這不僅可以改變美國教育現狀，還蘊含著巨大的經濟機會。截至2013年，美國每年在公共教育上投入的開支達到6200億美元，約有5000萬學生入讀公立學校。對哪些領域不感興趣雖然我對上述領域很感興趣，但還有很多公司所從事的業務是我並不認同的。單純的人工智慧公司人工智慧和機器學習從來都不是終極目標，關鍵是將這些技術應用於實踐。聊天機器人這種技術還不夠先進，無法通過廣義的聊天機器人為我們提供積極體驗。更多原創精品，點擊關鍵詞獲取從VC視角解讀互聯網新動向深挖商業本質與前瞻影響VC互聯網分析頻道（ID：qianhaoapp)微博2016年度十大影響力科技觀察大V克勞銳2016年度科技自媒體轉載、內容覆蓋30多個平台，冬粉超百萬；閱讀量累計過10億，歡迎關注！