从投资角度看人工智能投资
发布时间:2017-08-18 报送来源:上海国际人才网微信公众号

人工智能如今也许已经是“过热”的话题,尤其是在阿尔法狗一次次虐遍各国高手和自动驾驶汽车浪潮的当下,投资人自然也是不愿意错过这波机会。这篇文章虽然写于2015年,其中不少观点仍然可在今天被借鉴,作者Nathan Benaich是Ravelin Technology的董事、科技行业投资人以及创业者,这篇文章是其在2015年伦敦的深度学习投资晚宴上所做的presentation,以下是我们的翻译,enjoy~

2015年12月1号,我在伦敦Re.Work深度学习投资晚宴上做了一个presentation,下面是我的谈话要点。

a. 为什么是现在?

我相信人工智能是我们当代最激动人心而又具改革能力的发展机遇之一。原因有不少:世界各地的消费者对智能手机的消费达20亿部,并且越来越依赖于这些设备,世界上40%的人都处于在线状态。这就意味着我们正在创造前所未有的数据资产(包括用户行为、偏好、兴趣、知识以及人脉)。

现在,计算机和存储器的价格正在大幅度下降,而处理器的计算功能却在不断提升。我们已经在学习方式、体系结构和软件基础设施方面有所提高,也因此加快了我们创新的步伐。的确我们也可能不会真的感谢未来会变成什么样。

人工智能驱动的产品已经发展起来,并且提高了搜索引擎、推荐系统(例如电子商务和音乐)、广告服务以及金融交易(相对于其他领域)的能力。一些公司已经将资源投资于人工智能,这种行为促使其他公司或跟风投资或为避风险退出该领域。同时,社区对人工智能有了一个更好的理解,并配备了更强的工具,有了这些工具就能为大量愈发复杂的任务建立起一个学习体系。

b. 如何将人工智能运用于今天的市场

纵观大量的公司以及由不同数据库(网页或本地)提供的开放数据,将这些联系起来就能对复杂的问题树立一个全面的认识,从而发展出新的观点并作出预测。例如:私人公司研究工具DueDil、Premise和Enigma就是以这种方式打入市场的。

人工智能利用你的专业知识以及一系列的人工智能技术来解决集中的、高价值的、往复出现的问题。例如网络欺诈检测(Sift Science, Ravelin)和个人贷款(ZestFinance, Kreditech)。基于新的欺诈模式以及文件信息不足的申请所做出的预测,都很快成为了手工解决方案的难题。

你们是否开发了一种新的、适用于解决各种不同商业问题的ML/DL软件构架(特征工程、数据处理、演算法、模型训练和部署)?你们是否利用额外的工具来发展现存的构架,为消费者提供打包的解决方案?而现在H2O.ai, Seldon and Prediction.io正致力于解决这些问题。

知识型工作者每天研究那些重复的、普遍的,容易出错的缓慢进程。想想看,对于有可衡量的参数和结果,自动使用情境决策可以帮助一个结构化的工作流程。Gluru, x.ai和SwiftKey运用的就是这种方式。

在物质世界自主代理之间的相互交流依赖于联系的传感器输入(洞察力)、逻辑和智能。Tesla, Matternet和SkyCatch正好致力于实现这一愿景。

对研究和发展要有长远目光,不然就可能被降格到学术界(现在因为严格的预算,已经不存在了)。DNN Research, DeepMind和Vicarious正在进行这场刺激而又冒险的博弈。

进一步讨论的话,我认为关键因素就是由大企业(如:Google, Microsoft, Intel, IBM)提供的开源技术以及其他一系列的公司,这些公司的技术,使得技术壁垒不断被侵蚀,最终结果就是产生了专门的数据访问和创造、有经验的人才以及让人产生依赖性的产品。

c. 经营者和投资者正面临哪些挑战呢?

操作方面:

你是选择长远的研发路线还是短期的盈利路线?虽然很多的元件库和构架已经开放了,但要使产品性能得到大众的接受,还得加大投资力度。用户总是以一个人产生的结果为标准,所以这就是你的竞争对手。

贫乏的人才资源,但很难找到既有能力又有经验的人才,所以你将如何寻找并留住人才呢?

应尽早平衡产品的研究和设计,否则事后再考虑美学和经验就好比给猪涂口红,毫无意义。

大多数人工智能系统需要数据来支持,所以早期数据缺乏时你又将用什么来引导你的系统呢?

营业方面:

人工智能是新兴市场,所以买家大都不了解这方面的知识(甚至都没有足够的知识储备来理解你正在做什么)。但他们也有可能成为购买你产品的新顾客,所以你必须认真分析销售的战略和障碍。

怎样输出产品?通过软件服务、运用程序编程接口还是开放源代码?

是否包括收费咨询、安装或是后勤服务?

你是否有能力将来源于客户数据的高水平知识运用于其他方面?

财务方面:

哪些投资者会对你的商业感兴趣?

哪些方面具有投资的价值?模型-视图-表示器、出版还是用户的开源社区?

你是应该关注核心产品的发展还是始终致力于与客户在定制计划方面的密切合作?

筹措资金时要考虑缓冲,以保证每次进入市场都能成为一个重要的里程碑。

d. 与核心用户创建联系

在人工智能驱动的产品中,涉及到用户的有两方面重要因素。1)机器目前还不能涵盖人类所有的认知,所以为了弥补软件这方面的弱点,我们需要用户的帮助。2)与之前相比,软件产品的购买者和用户现在面临更多的选择,就他们本身而言,他们总是反复无常。(通常,app保留期为90天的产品占35%)。返还即时可用的期望值是树立良好习惯的关键所在(超级参数的优化将对此有所帮助)。下面是一些成功产品的例子,它们证实了与核心用户创建联系有助于提高产品性能。

调查:Google利用自动完成控件来理解和消除语言和查询目的歧义。

愿景:Google翻译和Mapillary 交通标示检测使用户能够自己订正结果。

翻译:在线翻译公司Unbabel的社区翻译完善了机器译本。

垃圾邮件过滤:这一方面又是Google做出了贡献。

我认为,通过解释机器是如何产生结果的过程,我们还能再向前进一步。例如,在肿瘤诊所里,IBM最新的电脑系统会提供相关文献以帮助诊断病情。这种方式提高了用户的满意度,增强了对系统的信心,促进了长期使用和投资。记住,只有被大众理解,才能被大众信任。

e. 目前人工智能的投资环境怎么样?

讨论这一问题之前,让我们先来看看全球的风险投资市场。2015年第一季度到第三季度的投资额为472亿美元,这个数据相较于过去20年,超过了其中17年每年的全年总量(数据来源美国风险投资协会NVCA)。今年年底之前有望突破550亿美元。人工智能领域大约有900家公司,大多数都是从事于商业智能、金融和证券。2014年第四季度见证了人工智能公司的一系列交易,初建时受到好评,之后的发展渐趋专业化,如人工智能公司Vicarious、Scaled Inference, MetaMind和Sentient Technologies.

目前,我们已经见证了人工智能公司300多笔交易(他们被定义为商业,可以用下列关键词描述他们:人工智能、机器学习、机械视角、自然语言处理、数据科学、神经网络和深度学习,来源:CB Insights2015年1月1号到2015年12月1号)。在英国,像Ravelin, Signal和Gluru这些公司筹集了种子轮。虽然获得了大约20亿美元的投资,但却因顾客或商业贷款提供者的大规模风险债务或信用额度而有所膨胀:Avant(3.39亿美元的债务和贷款),ZestFinance (1.5亿美元债务), LiftForward (2.5亿美元贷款) 以及Argon Credit (0.75亿美元贷款)。重要的是,80%的交易交易额都少于500万美元,90%的现金投向了美国公司,13%投向了欧洲。75%的投资轮都在美国。

退出市场已经出现33次企业并购和1次首次公开募股(IPO)(来自于伦敦证券交易所的算法)。其中,欧洲的公司出现6次,亚洲出现1次,其他都发生在美国公司。其中最大规模的并购有:市场营销技术供应商TellApart与Twitter (5.32亿美元; 提高了1700万美元), 网络平台Elastica和运用交付网络技术厂商Blue Coat Systems (2.8亿美元; 提高了4500万美元) 、游戏内广告商 SupersonicAds和网络巨头IronSource (1.50亿美元; 提高了2100万美元),这些并购获得的利益是投资额的几倍。考虑到并购时期中位数团队规模是7ppl中位值,所以剩下的交易大多是人才的竞争。

2013年,人工智能投资的总额大约占2013年风险资本投资总额的2%,该数据2015年有所提高,占5%,但还是远远落后于像高新技术企业公司、手机和商务智能软件这样的竞争行业。有两个关键点:1)从小轮融资和低交易量可以看出,人工智能的金融市场和退出市场依然处于起步阶段;2)大量的交易发生在美国,所以公司必须与市场相结合。

f. 还有哪些问题没解决?有两个问题

1、医疗保健

很多个暑假我都待在大学里,我还在研究生院待了3年,主要是研究控制癌细胞扩散的遗传因素。我得出了一个关键性结论:医疗的发展极具挑战性,不仅消耗时间和金钱,还受到管制,最终只能为疾病治疗提供短暂的解决方案。相反,我认为为了改善医疗保健,我们真正需要做的是对生理和生活方式进行细致长期的关注。这有助于实时监测身体健康状况,减少病人的医疗开支,同时还能有很好的治疗效果。

我们现在的生活与电子设备密切相关,我们日常使用的一些设备能够记录我们的行动、生命体征、运动、睡眠甚至是生殖健康。比起我们在线的时间,我们休息的时间要少得多。对于将不同资源储存在云端(在得到许可后,第三方可以获取资源),我们也没有之前那么忧虑了。当然,新闻可能各有说辞,但事实是我们依然在使用网页以及它丰富的产品。

因此,就人口水平而言,我们有机会查询之前未出现的数据集。这样,我们就能收集关于先天基因和后天培育是如何影响疾病的产生、发展的各种观点。这将产生大量的资料。现在的临床模式是:病人在感到身体不适时才去医院,医生对他进行一系列的检查以帮忙诊断病情。这些检查都只能查出片面的问题(一般都是晚期),而这个时候已经于事无补了(比如说:癌症)。现在想象一下未来,通过对身体和生活方式进行不断且无创的监察,我们可以预测疾病的开始和结果,了解病人将会遭遇的情形以及对于不同的治疗方式有怎样的反应。人工智能有很多不同的应用程序:智能传感器、信号处理、异常检查、多元分类器以及分子间相互作用的深度研究。

比如以下这些公司:

· Sano:利用传感器和软件检测血液中的生命标记。

· Enlitic/MetaMind/Zebra Medical:视觉系统的决策支持(核磁共振和计算机断层扫描)。

· Deep Genomics/Atomwise:研究、模仿、预测基因变异是如何影响健康和疾病的,以及药物又是如何根据病情的变化而变化的。

· Flatiron Health:诊所和医院用来传输研究得来的肿瘤学数据所用的常见技术基础设施。

· Google:为无针采血技术的发明申请专利。这使我们向可穿戴式取样设备发展又靠近了一小步。

值得注意的一点是:英国在数据读取方面率先有所涉猎。创始性公司如:UK Biobank(50万条病人记录)、Genomics England(10万组基因组测序)、HipSci(干细胞)、NHS care.data programme在为公众健康和治疗研究采集集中数据方面起了引导作用。尤其是Hari Arul。

2、企业自动化

商业能否自行运作呢?基于人工智能的知识工作的方面将在2020年达到雇佣费用降低9万亿美元。同时出现的还有价值1.9万亿由机器人进行的工作,我认为这是对将来核心的、重复性的商业机能进行完全自动化的一个契机。想想所有商品化的软件及服务途径,这些途径可直接应用于客户关系管理、市场、记账\支付、后勤、网页开发、客户互动、金融、雇佣和商业智能方面。然后再想想像是Zapier 或Tray.io这样能帮助连接应用和商业逻辑项目的途径。这些途径接下来的发展方向可能是联系背景数据重点,为做决定提供信息。也许我们最后能够构想一个新的e-Bay,这个新eBay在存货采购、定价、列清单、协调、推荐介绍、交易事项、客户交流、打包和航运方面实现完全自动化。当然,这些也可能无法实现。

g. 展望

不管是个人生活还是职业生涯,我都看好人工智能在这两方面的价值。我认为目前这个部分的投资风险较低,尤其是给出对即将创造的价值的短期投资前景之后。公司应该对长期革新投入提供更多支持,尤其是在一些大学中已经出现这种革新的时候。风险投资者天生就爱投资那些疯狂的想法。

我们必须记住,对科技的使用将被商品化。这是一把钥匙,帮助你了解自己的使用实例、用户、你所带来的价值以及对你的产品的使用感受及评价。这是找到策略以建立可持续优势的重点,比如让其他人很难找到代替品。这种策略的各个方面从本质上讲可能并非人工智能,也没有什么技术可言(比如说用户体验层面)。同样,核心原则方面的核心就变为:为长期以来困扰客户或商家的未得到解决或解决不善的问题找到高质量的解决方案。

最后,你一定要对创造和释放最大价值的美国市场有所了解。我们有机会推动欧洲市场人工智能的发展,但如果我们不能很好地掌握什么有用什么没用的话,我们就无法做到这一点。

end-

*本文由上海国际人才网和微信号“硅发布”达成版权协议后经“硅发布”授权转载,禁止二次转载。

*文章仅代表作者立场,不代表本账号立场。