作為一個創業者，我所看到的AI創業的真正機會在哪裡？

人工智慧今天是一個全社會的大熱話題，各行各業都在關注是因為它有巨大的潛力轉變整個市場和行業。

作為AI領域的創業者，我認為2個爆發性機會是AI創業者需要好好把握的：

瞄準巨大市場特別是傳統行業智能化。成功的創業公司可以將人工智慧有效的優化現有的行業。比如Citrine Informatics通過利用人工智能預測材料和化學的變化，有效幫助工業生產和新材料研發過程有效節約至少一半的時間和費用。高盛已經用自動化軟體進行貨幣交易，發現可以用一個計算機工程師代替四個交易員，麥肯錫全球研究院在今年1月的報告中稱，金融和保險領域的工作，有43%的可能會被自動化取代。

關注重複性勞動和重度人工參與的領域，特別是後台部門（back office）。 人工干預多的行業正意味著存在利用複雜預測演算法進行優化和自動化的機會。 比如公司里的法務、會計、美工等都會成為最早被人工智慧改變的行業。以色列公司LawGeex利用人工智慧複核合同，JP Morgan也開發了智能法務軟體，可在數秒內處理普通律師在360，000小時內處理的文件。最近我們還看到了可以輔助美工設計和音樂創作的人工智慧工具出現。

具體來說，在下面這幾個垂直領域，我相信機器學習可以有最大的潛力：

基於物聯網等新的計算平台的機會。過去幾年，以物聯網和VR/AR為核心的下一代的計算平台得到了非常快速的發展，隨之而來新的數據採集和應用場景，也創造了人工智慧應用的巨大機會。比如德國慕尼黑的智能感測器和數據分析平台公司KONUX，正在為全球最大的德國聯邦鐵路公司有效節省超過1/3的基建維護費用。

金融領域的合規和反欺詐。 在所有金融企業服務裡面，合規和反欺詐常常被看做是一個費力不討好的後台部門。一方面如果出現任何漏洞都會給公司造成巨大損失，另一方面要公司想通過嚴酷的政策審查標準，必須要持續進行大量的人工審查和規則系統更新。比如反洗錢就是一個非常好的例子，每年全球各大型銀行都會有大約10億美金的反洗錢相關支出。即便這樣也無法做到萬無一失，自2008年以來，僅摩根大通因為合規問題先後已向監管部門支付了超過360億美元罰款，2017年以來，先後有西聯匯款和德意志銀行，分別因為反洗錢疏漏被罰款近6億美金和逾4億美金。

語音和圖像在企業當中的應用。語義和視覺的理解是人工智慧領域發展速度最快的兩個領域，這主要得益於深度神經網路(DNN)的應用普及和生成對抗網路（GAN）的快速發展。這兩個語義和視覺的理解領域在企業上的垂直應用，我認為也會是人工智慧最先出現的垂直應用機會。比如Chorus平台利用語音辨識、自然語言處理和人工智慧技術來轉錄並分析銷售電話的內容，提升公司銷售能力。

HyperScience基於計算機視覺技術，實現文檔管理的自動化，幫助大型企業和政府組織加快後台處理的進程。

另外，在醫療、金融和教育三大領域，人工智慧的機會自不必說，但我想說除了演算法之外要關注數據的網路效應所建立起的競爭壁壘。演算法未來將越來越多將會是開源的，這使得擁有數據積累出的網路效應成為公司成敗的核心關鍵，創業公司要通過對系統的輸入和反饋提高模型的精度並且創建護城河。

註：本文作者Wally王英驍目前是矽谷的人工智慧反欺詐公司DataVisor的商務拓展主管，此前在智能硬體領域兩家公司Pebble 和 Misfit任職，分別負責過數據團隊和亞洲市場的拓展。在紐約大學斯特恩商學院攻讀博士期間，曾幫助過多家紐約的初創企業的進行數據建模的工作。