別上當！大部分AI企業都是蹭人工智能熱點的！

　　眾所周知，人工智能的火爆吸引了無數投資人的目光，北京市經信委最新的一組數據顯示，截至2018年5月8日，全國人工智能企業數量達到4040家，其中獲得過風險投資的公司達1237家。通過這組數據，有些人認為國內人工智能的發展前景似乎很是樂觀，而有些人則表示，獲得投資的企業數量多不能代表什么，更重要的是盈利情況。

　　不同的人自然有不同的看法。但在小智君看來，對于人工智能的發展，我們不能太過樂觀，因為在這些企業中，不乏有一些試圖通過“渾水摸魚”來獲取利潤的。

　　喜歡玩撲克的人都知道，在這個游戲里，根本不存在“必贏”一說。但如果我們選取100家科技領域的初創企業，勢必每一家都會大肆強調，自身業務與AI技術有多么緊密的結合。在人工智能發展愈演愈烈的今天，這樣的營銷炒作蹭熱點已不足為奇。

　　不管是愛奇藝通過AI選取觀眾喜愛的明星進行綜藝制作，今日頭條根據用戶的喜好進行新聞精準推薦，還是谷歌根據網民的點擊結果進行搜索優化，以及亞馬遜Echo或阿里天貓精靈等智能音箱是逐漸進入尋常百姓家，這都說明AI已經慢慢滲入了人們的生活。與此同時，大多數消費者沒有注意到的是，商業領域現在也已經開始利用AI來解決一些列的問題了。

　　正如我們此前已在《“偽人工智能”三大特征新鮮出爐，對號入座閱讀》一文中，討論過人工智能熱點概念之下的虛假繁榮。如今搭乘熱點的順風車進行自我宣傳，也成為一個很普遍的現象。這并不陌生，諸如大數據、云計算、軟件及服務(SaaS)，包括現在火熱的區塊鏈，也都經歷了一個這樣的過程。但是在人工智能領域，AI這一術語頻繁被各種初創企業使用，似乎已有“泛濫成災”之勢。

　　如果標榜自己是人工智能公司的企業都能在獲得投資之后，取得一定的研究成果，還算正常;最可怕的是那些與AI進行強行捆綁，卻拿不出任何真正的人工智能技術作為證據的企業。它們的存在，只會讓AI市場變得“雜亂無章”。

　　能做數據和算法的，不一定是AI公司

　　一個典型的例子，便是做基礎數據分析的公司。這些公司的技術，不過是通過數據進行篩選來實現特定目的結果。比如，根據與設定的規則識別發送營銷信息郵件的最佳時機。當然，這種根據上下文來整理數據的做法，讓這些公司也具備了一定的價值，但是從本質上說，它們不屬于人工智能。

　　這里有一個關鍵的區別，即人工智能系統具有迭代性——隨著分析的數據越來越多，這個系統會變得越來越智能，越來越能干甚至越來越自主化。特斯拉的自動駕駛系統便是一個很好的例子，它可以根據所在車輛在路上行駛的每一英里來不斷進行自我完善。要知道，真正的人工智能是有可能徹底顛覆一個市場的。

　　除此以外，不少的軟件即服務(SaaS)或者自動化企業也都打起了人工智能公司的旗號。但實際上，這些企業所做的，只不過是通過數據分析來進行應用程序和工作流程的編排而已。進一步說，這個技術并不會隨著時間的推移變得越來越智能，更重要的是，它永遠也無法達到人工智能可以做到的自主水平，所以，這樣的企業，也算是“偽人工智能公司”的一員。

　　在一些公司里，存在一個這樣的錯誤認知：只要其工作與數據或者工作流程相關，便可以自稱人工智能。另外，他們還傾向于隨便拋出與人工智能緊密相關的“算法”一詞。要知道，即使一個系統擁有能夠驅動某些結果的算法，也并不意味著它就是人工智能。

　　機器學習被寄予厚望

　　在谷歌看來，人工智能是一個使事物變得智能的科學領域，是計算機科學技術的多樣化組合。其中一個重要組成部分，便是機器學習，這是一項通過舉例來進行系統訓練的技術，比如，通過展示標記為“貓”的圖片讓系統學會識別貓，而不用逐一下指令。

　　目前，機器學習已經深深浸透到了谷歌幾乎所有的產品中，包括搜索、Gamil、Youtube、地圖、硬件或者Android系統中。舉個例子，人們可以用一種自然的方式與谷歌助理進行交談來完成一項工作。在該助理中就結合了谷歌多年來一直開發的所有智能技術，從語音識別到自然語言處理。

　　而利用谷歌翻譯，可以讓一個人完成上百種語言的交談、寫作或者閱讀。這一過程便是神經網絡的作用。通過神經機器翻譯，用戶可以使用端到端的機器學習系統來翻譯整個語句，同時，計算機視覺技術更是可以通過手機拍照指向文本來完成即時翻譯。除此以外，為了幫助企業或者開發人員進行創新，谷歌還提供了許多相應的AI外部工具，比如，其靈活的機器學習系統TensorFlow(可以讓任何人編寫自己的模型的開源軟件)和Cloud AI Platform。

　　最重要的是，很多機器學習已經被用于解決人類面臨的一些嚴峻挑戰了，如醫療健康、環境保護和能源消耗等等。舉個例子，谷歌的健康研究團隊正在與印度、泰國和美國的醫院合作，開發一種可以通過機器學習幫助診斷糖尿病、眼病的工具;新西蘭的研究員在使用機器學習保護當地的鳥類;DeepMind開發的一種智能算法可以幫助其數據中心冷卻系統的能源使用量降低15%。

　　這些都是人工智能的真實使用案例。

　　辨別偽人工智能，不妨多問幾個問題

　　全球著名的計算機博弈專家吳韌認為，人工智能能夠取得進步主要有三個方面的原因：大數據的積累、計算能力的提升、以及大數據與計算力的結合。

　　從這幾個角度出發，投資人在面對高舉人工智能旗幟的初創企業的時候，不妨多問幾個問題：公司的業務是都超過了基礎數據分析的范圍?公司的算法模型從何而來，如果是自己訓練的，那么其計算能力有多強?以及它們是否擁有能夠降低流程中人類干預需求的迭代技術(像機器學習或深度學習)。

　　當然，也不乏有企業會抗議表示，自己的公司對使用人工智能技術很有經驗，這時候就要換問題進行咨詢了，公司里所謂的AI專家有沒有應對人工智能挑戰的經驗呢?是否了解公司自主打造的系統所需要的復雜技術細節呢?等等。

　　不過，在小智君(ID：Aiobservation)看來，所謂的人工智能，是一項可以真的為現實問題提供一些突破性的解決方案的，如果在蹭人工智能熱點的初創公司中，有些企業的確可以做到如此，那么它們蹭一些熱點，也未嘗不可。