信息來(lái)源：CB Insights

人工智能正在改變各行各業(yè)的基礎結構，其覆蓋面之廣囊括農業(yè)、網(wǎng)絡(luò )安全到商業(yè)、醫療等多個(gè)不同領(lǐng)域。同樣，我們與科技互動(dòng)的方式也與以往大不相同，例如， 人們可以用語(yǔ)音控制洗衣烘干機或是玩動(dòng)作控制類(lèi)的視頻游戲。

與此同時(shí)，各國政府也在競相展開(kāi)先進(jìn)的人工智能研究，將人工智能視為實(shí)現更大經(jīng)濟影響、成為經(jīng)濟強國的一種手段。

我們正處于勞動(dòng)力市場(chǎng)急劇轉變的早期階段。機器學(xué)習方面的炒作可能開(kāi)始逐漸消退——這是因為機器學(xué)習事實(shí)上已經(jīng)滲透軟件行業(yè)的各大主要領(lǐng)域，從簡(jiǎn)單的日程應用到搜索引擎再到銷(xiāo)售管理軟件都可以見(jiàn)到機器學(xué)習的身影。

人工智能現在甚至已經(jīng)可以擊敗世界冠軍。類(lèi)人機器人還能完成完美的后空翻并成功著(zhù)陸。盡管如此，人工智能算法在一些對人類(lèi)來(lái)說(shuō)輕而易舉的基本任務(wù)上還遠不能達到完美，比如理解圖像中的場(chǎng)景，或是識別對話(huà)的上下文等。

同時(shí)，通用人工智能的前景——或者說(shuō)無(wú)監督快速學(xué)習新任務(wù)的人工智能——仍然是一片未知。盡管包含 Vicarious、System 和 Kindred 在內的少數公司還在增加開(kāi)發(fā)通用人工智能的投入資金，卻幾乎沒(méi)有任何細節或真正的證據。

如今的人工智能應用只關(guān)注于非常狹窄的任務(wù)范圍。但正是這些由人工智能驅動(dòng)，范圍狹小的任務(wù)重塑了商業(yè)、市場(chǎng)和行業(yè)。

為了幫助人們掌握全球數以千計人工智能公司的現狀和發(fā)展軌跡，近日，CB Insights 發(fā)布 AI 報告，對 2018 年將會(huì )出現的 13 種人工智能趨勢展開(kāi)預測，以期為人工智能領(lǐng)域內的相關(guān)人士帶來(lái)啟發(fā)。

一、新型藍領(lǐng)工作的出現——機器人保姆

在美國，工業(yè)機器人和制造業(yè)的就業(yè)機會(huì )都在增加。

制造業(yè)崗位由于經(jīng)常外包給勞動(dòng)力廉價(jià)的發(fā)展中國家而為人所詬病。為了降低工業(yè)機器人的成本，有時(shí)也需要讓制造基地更接近產(chǎn)品的需求地點(diǎn)。

近期，中國 T 恤制造商天源服裝公司與美國阿肯色州政府簽署了諒解備忘錄（MoU），天源公司在阿肯色設立新的服裝廠(chǎng)，以時(shí)薪 14 美元的價(jià)格雇傭了約 400 名工人。該行動(dòng)計劃于 2017 年底開(kāi)展。

天源公司在阿肯色州小石城新建立的工廠(chǎng)將會(huì )使用由佐治亞人工智能初創(chuàng )公司 SoftWare Automation 的縫紉機器人，這款機器人是 SoftWare Automation 為阿迪達斯生產(chǎn)服裝而開(kāi)發(fā)。許多看起來(lái)十分繁重的工作將由機器人完成，而人類(lèi)工人則接管包括機器人維護和運行之類(lèi)的高端工作。這意味著(zhù)制造業(yè)工作崗位的數量和性質(zhì)將會(huì )與 2008 年截然不同。

勞動(dòng)統計局對制造業(yè)內不同工作進(jìn)行了定義及分析。比如，由于自動(dòng)化的影響，統計局并不看好質(zhì)量控制檢查員、裝配工和制造員等崗位的前景。

2012 年，美國國防部高級計劃研究局與 SoftWear Automation 簽署的合約明確表示「最終目標是實(shí)現生產(chǎn)服裝直接人工為零的完整生產(chǎn)設施?！?/p>

但消費者不斷變化的喜好和無(wú)法適應劇烈過(guò)程變化的機器人仍然是完全自動(dòng)化上的障礙。

即使在亞馬遜高度自動(dòng)化的倉庫中，這一點(diǎn)也反應的很明顯。

亞馬遜的協(xié)作倉庫機器人承擔了大多數繁重的工作，人類(lèi)工人則專(zhuān)注于細致的工作，比如從貨架上挑選貨物再插入到單獨的訂單中。

不過(guò)，機器人在非結構化環(huán)境中的抓取、挑選和處理物品方面仍然差強人意。亞馬遜已經(jīng)在各種倉庫中使用了超過(guò) 10 萬(wàn)臺機器人，但是同時(shí)在新的配送中心也為人類(lèi)創(chuàng )造了數以千計的新崗位。

二、人工智能的應用滲入各行各業(yè)

人工智能的發(fā)展趨勢不可阻擋，從釀造啤酒到大麻產(chǎn)業(yè)，機器學(xué)習似乎無(wú)所不能。

人工智能無(wú)處不在。說(shuō)的具體一點(diǎn)，機器學(xué)習無(wú)處不在。機器學(xué)習是指在大規模數據集上訓練算法，讓機器學(xué)習如何識別并生成所需的模式。隨著(zhù)時(shí)間推移，算法——由人類(lèi)創(chuàng )造者提供正確的參數——在它們的任務(wù)中的表現會(huì )更加出色。

只要有能夠訓練軟件的數據并且腦海中有期待的輸出，這項技術(shù)基本上可以被應用到任何事情中。

因此，你會(huì )看到：

英國 IntelligentX 公司想要推出世界上第一款人工智能釀造的啤酒。

俄羅斯的 DeepFish 則使用神經(jīng)網(wǎng)絡(luò )識別各種魚(yú)類(lèi)，將雷達技術(shù)與人工智能相結合以區分雷達圖像中的魚(yú)群和噪聲。

瑞典的 Hoofstep 則籌集了風(fēng)投資金，實(shí)現了基于深度學(xué)習的馬匹行為分析。

你是素食主義者？無(wú)麩質(zhì)主義者？或是你對大豆過(guò)敏？紐約的 Prose 想要在定制的護發(fā)產(chǎn)品中使用人工智能。該公司從 Forerunner Ventures、Lerer Hippeau Ventures 和 Maveron 等著(zhù)名的風(fēng)投公司處籌得了 757 萬(wàn)美元的資金。

此外，人工智能還被用于大麻技術(shù)中。DeepGreen 使用計算機視覺(jué)辨別大麻類(lèi)植物的性屬和健康狀況。Weedguide 則為實(shí)現人工智能個(gè)性化大麻推薦籌得了 170 萬(wàn)美元的資金。

從業(yè)余愛(ài)好再到實(shí)現創(chuàng )收的想法，這之間的區別僅僅在于是否從長(cháng)遠來(lái)看待一件事情。2018 年，我們期望看到更多開(kāi)箱即用的「AI for X」。這種趨勢的盛行和想法愈發(fā)新奇的例子表明人工智能不是一項稀有技術(shù)。相反，它是現代軟件和應用的基石之一。

三、中國與美國爭奪全球人工智能領(lǐng)導者

盡管在全球范圍內，中國人工智能創(chuàng )業(yè)公司僅握有 9 % 的交易份額，但是在 2017 年，全球人工智能初創(chuàng )公司融資資金有近 50% 流向了中國，首次超越美國。

中國正在積極執行一個(gè)精心設計的人工智能愿景。在人工智能的部分領(lǐng)域，中國已經(jīng)擊敗美國。

中國政府也在推動(dòng)未來(lái)的人工智能計劃，計劃涵蓋智能農業(yè)、智能物流到軍事應用、人工智能帶來(lái)的就業(yè)機會(huì )等方方面面。

部分資源將用于在各行業(yè)中開(kāi)發(fā)人工智能的創(chuàng )新型中國初創(chuàng )公司，范圍包括從醫療到媒體等不同領(lǐng)域。

事實(shí)上，中國僅占全球人工智能初創(chuàng )公司交易額的 9%。但是 2017 年，全球人工智能初創(chuàng )公司融資流向中國的投資資金總數占 48 %，首次以美元份額超過(guò)美國。要知道，2016 年中國僅占全球資金的 11.3%。

從人工智能初創(chuàng )企業(yè)的數量的資產(chǎn)份額來(lái)看，美國在全球仍占據著(zhù)主導地位，但其全球交易份額正逐漸減少。

此外，中國企業(yè)的專(zhuān)利申請也反映了研發(fā)的能力。

在專(zhuān)利申請方面，中國的企業(yè)大有趕超美國之勢?；跇祟}和摘要的關(guān)鍵詞搜索，中國與人工智能相關(guān)的專(zhuān)利公布遠遠超過(guò)美國專(zhuān)利商標局公布的專(zhuān)利數量。

以深度學(xué)習為例，中國在這方面公布的專(zhuān)利數量是美國的 6 倍。（注：在專(zhuān)利應用公布之前，專(zhuān)利備案流程需要很長(cháng)的時(shí)間跨度。）

面部識別和人工智能芯片也是助推中國人工智能發(fā)展的兩大技術(shù)。前者迎合了政府在全國范圍內實(shí)施監控的計劃，后者對美國制造的芯片產(chǎn)生了直接的挑戰。

中國的獨角獸公司曠視科技（Face++）、商湯科技以及初創(chuàng )公司云從科技是這一領(lǐng)域的三個(gè)主要玩家（后者獲得了廣州市政府 3.01 億美元的資助）。

2017 年，中國有近 50 個(gè)城市都加入了「雪亮工程」。公共區域以及私人區域安裝的監控攝像頭將進(jìn)行集中處理用于監控人員以及各種情況。媒體報道稱(chēng)，這一行動(dòng)將會(huì )助力中國的社會(huì )信用系統，對公民的「信用」進(jìn)行考量。

曠視科技獲得了中國保險公司（陽(yáng)光保險集團）、政府組織（俄中投資集團）以及企業(yè)巨擘（富士康、螞蟻金服）的支持，公司已經(jīng)獲得 13 億中國公民的面部數據。

阿里巴巴（通過(guò)螞蟻金服進(jìn)行操作）和富士康作為兩個(gè)投資者，在2016年與杭州達成合作，共同開(kāi)展“城市大腦”項目，利用人工智能分析監控攝攝像頭和社交媒體上的數據。

螞蟻金服在阿里巴巴擁有的零售商店獨立運用面部識別技術(shù)進(jìn)行支付。

美國和中國也在爭奪人工智能芯片技術(shù)的主導地位。

2017年6月，中國政府表示，到2020年，人工智能水平將趕上美國，到2030年，超過(guò)美國成為人工智能的世界領(lǐng)導者。一個(gè)政府支持的項目是為了創(chuàng )造一個(gè)在運行和節能方面遠超英偉達GPU20倍的芯片。中國公司寒武紀承諾未來(lái)三年將研發(fā)擁有十億處理單位的芯片，該公司正在研發(fā)專(zhuān)門(mén)用于深度學(xué)習的芯片。

中國的科技巨頭如百度、京東也在對海外的人工智能公司進(jìn)行投資，包括美國。

最近，百度和京東投資了美國金融科技公司ZestFinance，騰訊投資了位于紐約的人工智能公司ObEN。明碼生物科技和Pony.ai等初創(chuàng )公司在中美兩國都開(kāi)展了業(yè)務(wù)，進(jìn)一步拉近了兩國之間的競爭差距。

盡管中國公司正積極在美國尋找合作或者投資，但相比較來(lái)說(shuō)，在美國的人工智能初創(chuàng )企業(yè)有更多的中國投資，而在中國的人工智能企業(yè)獲得的美國投資相對較少。

四、依賴(lài)人工智能防御的未來(lái)

人工智能網(wǎng)絡(luò )安全市場(chǎng)越來(lái)越火爆。一些初創(chuàng )公司甚至擁有政府客戶(hù)的名冊，希望能比黑客搶先一步。

數據中心正成為新的戰場(chǎng)。

2014 年，亞馬遜為 CIA 搭建了一個(gè)客戶(hù)云計算服務(wù)，滿(mǎn)足了敏感數據嚴格的合規和監管要求。

在 2017 年第四季度，AWS 將這些工具向情報機構以外的政府客戶(hù)開(kāi)放。

亞馬遜也收購了兩家人工智能網(wǎng)絡(luò )安全公司——Harvest.ai 和 Sqrrl, 保證云端敏感數據的安全。

無(wú)論亞馬遜或者其他一眾初創(chuàng )公司是否刻意迎合政府客戶(hù)，人工智能正在成為政府支持的維護網(wǎng)絡(luò )安全的中堅力量。

冷戰時(shí)期，政府討論的是與競爭對手之間的「導彈的差距」或者核彈頭的優(yōu)劣地位。如今，政府日益關(guān)注的是他們在網(wǎng)絡(luò )能力方面的差距。結果導致了網(wǎng)絡(luò )安全和傳統國防的不斷融合。

數據泄露所帶來(lái)的危險令人矚目：從美國信用評級機構 Equifax 數百萬(wàn)社會(huì )安全碼的泄露，到 WannaCry 勒索病毒再到俄羅斯干預美國大選等事件。

2017 年，SecurityScorecard（一家由因特爾投資和穆迪以及其它公司投資的位于紐約的公司）的分析報告稱(chēng)，美國政府組織在網(wǎng)絡(luò )安全方面獲得了最低的評分。該分析報告包含共「552 個(gè)地方、州和聯(lián)邦政府機構。每個(gè)機構擁有超過(guò) 100 個(gè)面向公眾的 IP 地址?！?/p>

網(wǎng)絡(luò )安全為人工智能算法提供了一個(gè)真實(shí)的應用機會(huì )，因為網(wǎng)絡(luò )攻擊會(huì )不斷演化，防護也在不斷面臨各種前所未聞的惡性軟件。人工智能可以大范圍的應用，在對數百萬(wàn)事件進(jìn)行篩選后識別異常、危險以及可能產(chǎn)生威脅的信號。

目前，該市場(chǎng)擁有大量新興的網(wǎng)絡(luò )安全公司，都在試圖將機器學(xué)習推到下一個(gè)高度。

過(guò)去 5 年，134 家初創(chuàng )公司共獲得 36.5 億美元的融資。去年，約 34 家公司是首次獲得融資。目前，這個(gè)市場(chǎng)有更大的公司如，Cybereason、CrowdStrike、Cylance 以及 Tanium 占據，每個(gè)公司的市值都超過(guò)了 9 億美元。

甚至如 Accenture 這樣的傳統咨詢(xún)公司也在不斷研發(fā)人工智能網(wǎng)絡(luò )安全的技術(shù)，以便更好的服務(wù)聯(lián)邦政府客戶(hù)。擁有美國空軍等客戶(hù)的初創(chuàng )公司 Endgame 將其政府服務(wù)業(yè)務(wù)出售給了 Accenture, 這一交易引起了廣泛的關(guān)注。

2016年，情報機構的投資部門(mén) In-Q-Tel 投資了 Anomali、Interset 和 Cylance。英國公司 Darktrace 聲稱(chēng)，它的系統在全世界部署了 3000 份，包括政府機構。位于科羅拉多州的 Logrhythm 也與美國空軍、NASA 以及國防承包商 Raytheon 達成了合作。

其它頂級的國防承包商也在不斷進(jìn)行投資。

洛克希德·馬丁是 Cybereason （目前市值9億美元）早期的投資者。 2017 年，波音公司通過(guò)其投資部門(mén) Horizon X 投資了特克薩斯州一家網(wǎng)絡(luò )安全公司 SparkCognition。

五、你好嗎，Alexa？

亞馬遜 Echo 和谷歌 Home 主宰了智能家居音箱市場(chǎng)，但巨頭對非英語(yǔ)市場(chǎng)的服務(wù)卻并不周到。

Alexa 開(kāi)啟了一場(chǎng)語(yǔ)音的革命。

在 2018CES 展上，語(yǔ)音賦能的計算成為了熱潮。沒(méi)有接入亞馬遜 Alexa 或者谷歌 Home 的物聯(lián)網(wǎng)設備幾乎不存在。

三星正在研發(fā)自己的語(yǔ)音助手 Bixby. 公司希望到 2020 年，公司的所有產(chǎn)品全都實(shí)現網(wǎng)絡(luò )連接，通過(guò) Bixby 實(shí)現智能化。2017 年，LG 實(shí)現了其所有應用都能通過(guò) WiFi 連接。目前，超過(guò) 80 個(gè) LG 的產(chǎn)品實(shí)現了對谷歌 Home 的對接。

亞馬遜雖然在初期是語(yǔ)音計算的領(lǐng)導者，但目前在語(yǔ)言支持上卻落后一步。

上個(gè)季度，亞馬遜宣布它將在大約 80 個(gè)國家發(fā)售 Alexa 賦能的音箱。但不利的方面是，它希望全球的用戶(hù)能通過(guò)英語(yǔ)、德語(yǔ)或者日語(yǔ)與音箱進(jìn)行互動(dòng)。

谷歌 Home 支持英語(yǔ)、德語(yǔ)、法語(yǔ)和日語(yǔ)。蘋(píng)果的 HomePod 目前僅支持英語(yǔ)。但它計劃不久將可以支持德語(yǔ)和法語(yǔ)。

在這方面，谷歌比亞馬遜擁有更大的優(yōu)勢。安卓手機上的谷歌助手支持英語(yǔ)、法語(yǔ)、德語(yǔ)、意大利語(yǔ)、韓語(yǔ)、西班牙語(yǔ)以及葡萄牙語(yǔ)。它的語(yǔ)音識別能力——用于進(jìn)行語(yǔ)音-文本轉換以及語(yǔ)音搜索，可以支持 119 種語(yǔ)言。

目前，西班牙語(yǔ)智能家居市場(chǎng)并沒(méi)有被科技巨頭們給予足夠的關(guān)注，盡管它是實(shí)際上僅次于漢語(yǔ)的應用范圍最廣的語(yǔ)言之一。

在中國，阿里巴巴稱(chēng)，中文語(yǔ)音音箱 Tmall Genie 自 2017 年 6 月發(fā)售以來(lái)賣(mài)出了超過(guò) 100 萬(wàn)臺。

2018 年，語(yǔ)音助手將繼續在非英語(yǔ)語(yǔ)音市場(chǎng)為爭奪市場(chǎng)主導地位而展開(kāi)競爭。

六、白領(lǐng)工作自動(dòng)化進(jìn)程在加速

此處的白領(lǐng)包括律師、顧問(wèn)、金融分析師、記者、貿易人員等，人工智能對這些人帶來(lái)的沖擊和給藍領(lǐng)帶來(lái)的沖擊一樣大。

越來(lái)越多由人工智能加持的專(zhuān)家級自動(dòng)化及效果增強軟件正將人類(lèi)帶入人工智能輔助生產(chǎn)或人工智能優(yōu)化生產(chǎn)的新紀元。這些能夠優(yōu)化生產(chǎn)的人工智能工具正在威脅白領(lǐng)工作中的案頭部分。

下圖展示了專(zhuān)家級自動(dòng)化及效果增強軟件（EAAS）市場(chǎng)的情況。從圖中你能夠看到，AI EAAS 初創(chuàng )公司的足跡遍布各行各業(yè)。具體說(shuō)來(lái)，不論是律師、記者、健康管理人員、貿易人員還是咨詢(xún)行業(yè)從業(yè)者，都有相應的 AI EAAS 軟件可以使用。

例如，在法律工作中，人工智能在節約時(shí)間、提升效率方面有很大的潛能可以挖掘。在訴訟流程中，自然語(yǔ)言處理和文本分析技術(shù)能夠在幾分鐘之內總結上千頁(yè)的法律文件，這在曾經(jīng)需要耗費一個(gè)人幾天的時(shí)間才能完成。不僅如此，人工智能的使用也讓工作的準確率得到了很大的提升。

由于人工智能平臺正變得越來(lái)越高效和商業(yè)化，曾經(jīng)按小時(shí)收費的第三方律所的收費模式也將受到?jīng)_擊。

程序員也不能幸免于難，很多早期的人工智能項目正著(zhù)眼于基于 AI 的軟件測試、Debug、以及基礎的前端開(kāi)發(fā)等工作。位于英國的 DiffBlue 去年得到了大額融資，這家公司的業(yè)務(wù)就是將 AI 技術(shù)用于日常編碼工作中的錯誤修復、客戶(hù)端代碼編寫(xiě)、將某一編程語(yǔ)言編寫(xiě)的代碼翻譯至另一種語(yǔ)言等任務(wù)。

健康及教育行業(yè)被認為是受人工智能沖擊最小的行業(yè)，因為這兩個(gè)行業(yè)包含大量的動(dòng)態(tài)任務(wù)，且這兩個(gè)行業(yè)的從業(yè)者通常需要較高的情商。不過(guò)，人工智能依然正在這兩個(gè)行業(yè)中滲透，以教育為例，初創(chuàng )公司們正致力于提供人工智能輔助服務(wù)，例如閱卷、語(yǔ)言教學(xué)、作文批改等。

七、人工智能向端的遷移

2017 這一年，人工智能行業(yè)表現出了很明顯的向終端遷移的趨勢。例如，將人工智能嵌入至更小的設備以及傳感器中，并且在計算網(wǎng)絡(luò )的邊緣運行。換句話(huà)說(shuō)，人工智能將離開(kāi)云端，甚至離開(kāi)手機，轉而存在于你的耳機中。

人工智能正越來(lái)越分散。

設備智能，例如智能手機、汽車(chē)、甚至無(wú)線(xiàn)設備上的智能，由于無(wú)需與云端或服務(wù)器通信，因此能夠實(shí)現更迅速、本地化、場(chǎng)景化的信息處理。

例如，自動(dòng)駕駛汽車(chē)需要針對路況作出實(shí)時(shí)反應，其決策過(guò)程對時(shí)間非常敏感，信號延遲將危及生命安全。又如，在本地設備中訓練私人的人工智能助手，這類(lèi)助手將能夠識別你特有的口音以及你的個(gè)人面部特征。

2017 年，由于科技巨頭們的大力投入，終端智能已經(jīng)取得質(zhì)的飛躍。

蘋(píng)果發(fā)布了搭載神經(jīng)引擎的 A11 芯片，這款芯片將被用在 iPhone 8 和 iPhone X 上。蘋(píng)果稱(chēng)，這款芯片能夠以最多每秒 600B 次計算的速度運行機器學(xué)習任務(wù)。它驅動(dòng)了如 FaceID 等 iPhone 手機的新功能。在 FaceID 功能的使用過(guò)程中，手機通過(guò)向用戶(hù)面部發(fā)射不可見(jiàn)光掃描人臉，無(wú)需向云端上傳及存儲任何用戶(hù)數據。

作為大部分數據中心的主流處理器制造商，英特爾不得不通過(guò)收購的方式追趕終端智能的潮流。最近，英特爾推出設備端的視覺(jué)計算芯片 Myriad X，這是一款最初由英特爾在 2016 年收購的名為 Movidius 的公司所研發(fā)的芯片。

英特爾表示，Myriad X 能夠勝任從智能手機到孩童監控設備到無(wú)人機等各種終端設備上運行的深度學(xué)習任務(wù)。

谷歌提出了一個(gè)與其 Federated Learning 相似的概念。不同的是，其中部分的機器學(xué)習任務(wù)能夠在終端設備上運行。目前，這一概念正在谷歌鍵盤(pán) Gboard 上進(jìn)行測試。

盡管終端人工智能減弱了信息延遲問(wèn)題，但與云端相比，終端智能存在存儲空間及計算能力方面的限制。

此外，為了讓不同的終端之間以及終端與云端之間更好地合作，更多的混合深度學(xué)習模型將會(huì )涌現。

八、膠囊網(wǎng)絡(luò )的興起

深度學(xué)習是當前大多數人工智能應用程序的驅動(dòng)因子，多虧了膠囊網(wǎng)絡(luò )，現在深度學(xué)習得以改頭換面了。

不同的神經(jīng)網(wǎng)絡(luò )具有不同的結構。當今深度學(xué)習領(lǐng)域最著(zhù)名的網(wǎng)絡(luò )結構為卷積神經(jīng)網(wǎng)絡(luò )（CNN）?，F在，一個(gè)新的網(wǎng)絡(luò )結構——膠囊網(wǎng)絡(luò )——流行了起來(lái)，并且在多方面擁有趕超 CNN 的能力。

盡管 CNN 在近年來(lái)取得了成功，我們仍舊不能忽視它存在的短板，在很多時(shí)候，CNN 表現不佳并且可能存在安全漏洞。一直以來(lái)，研究人員都在努力提升人工智能算法，試圖克服這些問(wèn)題。

下面我們舉一個(gè)最常見(jiàn)的例子。在人臉識別的過(guò)程中，CNN 通過(guò)學(xué)習了解到人臉上的各個(gè)要素（眼睛鼻子嘴巴），但卻記不住每一個(gè)要素的具體位置，導致以下兩張圖都能夠被認作一張人臉。

深度學(xué)習領(lǐng)域的領(lǐng)先研究者之一 Geoffrey Hinton 在 2017 年發(fā)布了一篇研究論文，介紹了膠囊網(wǎng)絡(luò )，也就是 CapsNet 的概念。

這篇論文尚處評審階段，且缺乏在實(shí)際場(chǎng)景中的充分測驗，但其擁有的強大能力在媒體以及科技圈內引起了不小的反響。

具體技術(shù)細節我們在此不多贅述，簡(jiǎn)而言之，膠囊網(wǎng)絡(luò )從更高維度的特征識別事物，所需訓練數據更少，且錯誤率更小。比如上面的例子中，嘴巴長(cháng)在眉毛上面的臉將被輕松鑒別出來(lái)，而 CNN 卻沒(méi)有辦法做到這一點(diǎn)。

CNN 的另一個(gè)問(wèn)題在于，它不能處理輸入數據的多種變換形式。比如，你需要用同一個(gè)物體不同角度的很多張照片作為輸入數據，才能訓練一個(gè)卷積神經(jīng)網(wǎng)絡(luò )識別該物體。因此，要識別很多種物體，就需要龐大的訓練數據。

在這一點(diǎn)上，膠囊網(wǎng)絡(luò )被認為比 CNN 表現更佳。膠囊網(wǎng)絡(luò )需要更少的訓練數據，并且能夠通過(guò)一個(gè)物體的幾種狀態(tài)推斷出另外的狀態(tài)，在訓練中不需要輸入每一種狀態(tài)的數據。

Hinton 在他的論文中還提到，膠囊網(wǎng)絡(luò )已經(jīng)經(jīng)歷過(guò)一些復雜的對抗攻擊測試（用一些不合格的照片迷惑算法），且得出了性能超越卷積神經(jīng)網(wǎng)絡(luò )的結論。

僅需一些簡(jiǎn)單的處理，黑客便能愚弄卷積神經(jīng)網(wǎng)絡(luò )。來(lái)自谷歌和 OpenAI 的研究人員已經(jīng)用一些例子充分證明了這一點(diǎn)。

其中最著(zhù)名的例子要數在 2015 年的一篇論文中，研究人員對一張大熊貓照片進(jìn)行了人眼不可見(jiàn)的處理，系統便將其識別為長(cháng)臂猿，且置信度為 99.3%。

九、六位數薪水的人工智能人才大戰

人工智能人才供不應求，領(lǐng)域內的頂尖研究員的薪水可以達到數百萬(wàn)。

中國正在招募人工智能領(lǐng)域的專(zhuān)家。

寶馬中國列出的一些高級機器學(xué)習研究員的薪水大約為 56.7 到 62.4 萬(wàn)美元，其他不同公司也對機器學(xué)習專(zhuān)家一職給出了 31.5 到 41 萬(wàn)美元。這些職位招聘信息來(lái)源于中國的招聘平臺獵聘網(wǎng)站。

根據騰訊最近的報告顯示，目前在人工智能領(lǐng)域具備相應資質(zhì)的研究人員預估有 30 萬(wàn)人，其中包括相關(guān)研究領(lǐng)域的學(xué)生。與此同時(shí)，各家公司可能需要一百萬(wàn)或更多的人工智能專(zhuān)家來(lái)滿(mǎn)足他們的工程需要。

在美國，如果在職場(chǎng)社區 Glassdoor 上搜索「人工智能」則會(huì )顯示出超過(guò) 32000 個(gè)就業(yè)機會(huì )，其中不少職位的工資達到六位數。

大型公司為了挖到最優(yōu)秀的人工智能人才，自然會(huì )給出最具競爭力的薪資待遇。

2014 年被谷歌收購的 DeepMind 在其財務(wù)報告中表示，去年的「員工成本及其他相關(guān)費用」為 1.048 億英鎊。在 LinkedIn 上快速搜索到的公司員工人數為 415 人。假設這是 2016 年團隊的規模，扣除其他費用，那么團隊員工的平均工資為 25.2 萬(wàn)英鎊（約 35 萬(wàn)美元）。

此外，大型科技公司的人工智能研究人員也紛紛離開(kāi)，并著(zhù)手創(chuàng )辦自己的公司。

吳恩達離開(kāi)百度后就成立了人工智能基金，并募資到了 1.75 億美元。人工智能芯片創(chuàng )業(yè)公司 Groq 的首席技術(shù)官就曾在谷歌硬件工程部門(mén)研發(fā) TPU，后來(lái)在 Google X 部門(mén)工作。

國內創(chuàng )業(yè)公司地平線(xiàn)機器人的首席技術(shù)官兼聯(lián)合創(chuàng )始人余凱也曾在百度工作，任百度深度學(xué)習研究院負責人，領(lǐng)導圖像識別團隊。

無(wú)疑，隨著(zhù)優(yōu)秀人才不斷流向初創(chuàng )公司，人才爭奪戰將變得更加激烈。

十、機器學(xué)習的炒作將平息

機器學(xué)習將很快「走下神壇」。2016 年之后出現的 1100 多家新型 AI 初創(chuàng )公司需要穩健的商業(yè)模式來(lái)保持活力。

先是大數據，然后是云，現在是機器學(xué)習，技術(shù)熱潮一波接著(zhù)一波來(lái)襲。

2017 年，機器學(xué)習的熱度迎來(lái)了波峰。

這一年，孵化器孕育了超過(guò) 300 家人工智能初創(chuàng )公司，是 2016 年的三倍。這一年，投資者在各領(lǐng)域人工智能初創(chuàng )公司上共計投資超過(guò) 15.2 億美元資金，是 2016 年籌集資金的 141%。

自 2016 以來(lái)，有超過(guò) 1100 家的新興人工智能公司完成了第一輪融資。從這個(gè)角度來(lái)看，這是超過(guò)一半的歷史上曾經(jīng)有過(guò)股權融資的人工智能初創(chuàng )公司。從這個(gè)角度出發(fā)，有一半以上的歷史上的人工智能初創(chuàng )公司完成過(guò)融資。

不過(guò)，這波炒作很快就壞平息。

機器學(xué)習的常規化會(huì )使投資者對他們資助的人工智能公司變得吹毛求疵。

正如著(zhù)名風(fēng)投公司 a16z 的 Frank Chen 所言，「幾年后將沒(méi)有投資者會(huì )去找人工智能創(chuàng )業(yè)公司?！钩鮿?chuàng )公司使用必要的人工智能算法為他們的產(chǎn)品提供動(dòng)力一種「假設」。

事實(shí)上，我們已經(jīng)在許多行業(yè)里看到了這種情況。

機器學(xué)習離不開(kāi) IIoT。我們需要人工智能理解機器和傳感器中采集收集到的大量數據，并對它們進(jìn)行實(shí)時(shí)處理。幾乎所有的網(wǎng)絡(luò )安全公司都在某種程度上使用了機器學(xué)習技術(shù)。除此之外，大型科技公司還會(huì )為企業(yè)提供一套機器學(xué)習解決方案。

頂級投資者正在認真評估使用人工智能技術(shù)的初創(chuàng )公司。例如，液體活檢診斷公司 freenome 就在獲得 a16z 投資意向之前，收到了 5 份未標記的血液樣本，并用人工智能算法展開(kāi)分析。

十一、亞馬遜、谷歌、微軟主導了企業(yè) AI

五年內，投資者在專(zhuān)注于企業(yè) AI 服務(wù)的創(chuàng )業(yè)公司上累積投入 1.8 億美元，現在，亞馬遜、谷歌、微軟可能會(huì )讓小公司面臨淘汰。

越來(lái)越多的公司致力于將機器學(xué)習融入他們的產(chǎn)品中的同時(shí)，初創(chuàng )企業(yè)也開(kāi)始提供 ML-as-a-service。

目前，谷歌、亞馬遜、微軟和 Salesforce 等大型科技企業(yè)都在努力改善企業(yè)的人工智能產(chǎn)品，讓小公司和基金空間淘汰。

谷歌推出 Cloud AutoML，用戶(hù)可以用他們自己的數據來(lái)訓練算法進(jìn)而滿(mǎn)足特定的需求。

亞馬遜則在 AWS 旗幟下打出 Amazon AI 口號，開(kāi)始銷(xiāo)售 AI-as-a-service。Amazon AI 的目標是為那些需要人工智能技術(shù)的大型或小型開(kāi)發(fā)者提供服務(wù)，而無(wú)需預付費用或是卷入更多的麻煩。亞馬遜推出的產(chǎn)品類(lèi)似 API，允許開(kāi)發(fā)者訪(fǎng)問(wèn) Amazon Lex（亞馬遜的 NLP 能力）、Amazon Polly（亞馬遜的語(yǔ)音合成能力）以及 Amazon Rekognition（亞馬遜的圖像分析能力）

在 2017 年的第四季度，亞馬遜擴展其業(yè)務(wù)范圍，包括視頻識別、音頻轉錄以及情感分析。AWS 的前進(jìn)歷程留下了深刻的足跡，僅第四季度的收入為 50 億美元，同比增長(cháng) 44%。

此外，微軟與亞馬遜的競爭也十分激烈，Salesforces 和 Oracle 等公司也緊跟其后。

十二、人工智能診斷得到監管機構的首肯

機器學(xué)習將很快成為醫療影像和診斷領(lǐng)域中的一個(gè)常規操作。

美國的監管機構正在考慮批準讓人工智能技術(shù)應用于臨床。

人工智能在診斷中的價(jià)值主要體現在及早發(fā)現病情以及提高準確性的方面。

機器學(xué)習算法可以通過(guò)對數百萬(wàn)其他患者的醫療圖像進(jìn)行比較，從而獲取人類(lèi)肉眼可能忽略的細微差別。算法完成這件事情只需幾秒鐘，但人類(lèi)卻可能需要花上幾個(gè)小時(shí)的時(shí)間。

針對消費者的人工智能監測工具也不在少數，例如使用計算機視覺(jué)技術(shù)監測可疑皮膚病的 SkinVision。而新一波人工智能醫療應用也將入駐醫院和診所。

近日，全球生物制藥企業(yè) AstraZeneca 就宣布與阿里巴巴旗下阿里健康展開(kāi)合作，在中國攜手開(kāi)發(fā)人工智能輔助診斷及篩查等應用程序。

在此之前，通用電氣聯(lián)手英偉達嘗試把深度學(xué)習技術(shù)帶入醫療領(lǐng)域，谷歌 DeepMind 也嘗試利用人工智能技術(shù)發(fā)現眼部疾病。

谷歌 DeepMind、IBM、通用電氣以及阿里巴巴等巨頭的進(jìn)入使得初創(chuàng )企業(yè)瓜分這塊市場(chǎng)蛋糕的腳步愈發(fā)艱難。但這并沒(méi)有阻止新興公司冒險的腳步。

醫療依舊是人工智能創(chuàng )投最熱門(mén)的領(lǐng)域之一，許多專(zhuān)注于醫療影像及診斷的公司的不斷成長(cháng)促成了這一結果。

醫療影像初創(chuàng )公司 Arterys 獲得了 FDA 的首批。據報道，經(jīng)過(guò)一系列準確性及診斷速度的測試之后，該公司的云計算平臺被批準用于分析心臟圖像。目前，Arterys 正在申請 FDA 批準 AI 在腫瘤學(xué)中的應用。

另一家名為 MedyMatch 的以色列初創(chuàng )公司則是利用深度學(xué)習技術(shù)分析 CT 掃描結果檢測顱內出血情況。最近，FDA 給予其突破性設備資格，進(jìn)而加速產(chǎn)品推向市場(chǎng)的進(jìn)程。

在醫療這類(lèi)高風(fēng)險產(chǎn)業(yè)中，存在最大爭議的地方在于，誰(shuí)來(lái)承擔人工智能系統誤診的責任。目前的應用程序都是在輔助放射科醫生和內科醫生，而不會(huì )成為診斷的最終裁決者。

十三、人工智能走向 DIY

讓你的語(yǔ)音助手聽(tīng)起來(lái)像影視劇人物，或者自己打造 AI 相機。

無(wú)需擁有計算機科學(xué)或是數學(xué)專(zhuān)業(yè)的博士學(xué)位，你就可以自己打造出一套人工智能系統。

目前市面上存在的大量開(kāi)源軟件、海量 API 和 SDK 以及極易上手裝配的亞馬遜或谷歌套件，都大幅度降低了人們進(jìn)入人工智能領(lǐng)域的門(mén)檻。

谷歌曾推出 AIY（artificial intelligence yourself）計劃，旨在讓每一個(gè)年齡層的用戶(hù)都可以 DIY 自己的人工智能產(chǎn)品。

基于 AIY 項目誕生的首個(gè)產(chǎn)品名為 AIY Voice Kit，是一款結合樹(shù)莓派的語(yǔ)音識別工具包。為了讓語(yǔ)音助手可以像 BBC 科幻電視劇《神秘博士》中的人物一樣，要用 80 年代的交流方式與智能助手進(jìn)行交互。（劇中，自稱(chēng)為「博士」的時(shí)間領(lǐng)主用他偽裝成 20 世紀 50 年代英國警亭的時(shí)間機器塔迪斯與其搭檔在時(shí)間、空間探索悠游、懲惡揚善、拯救文明、幫助弱小。）不難發(fā)現，用戶(hù)們正在基于人工智能技術(shù)創(chuàng )造出更多的新發(fā)明。

此外，谷歌還推出了 AIY Vision Kit，它支持神經(jīng)網(wǎng)絡(luò )模型，可以利用算法識別出貓和狗，還能匹配出人物的面部表情與心情。

亞馬遜也曾推出 DeepLense，這是一款價(jià)值 249 美元的深度學(xué)習相機。亞馬遜為首屆 DeepLense 黑客馬拉松的獲勝者提供 7500 美元的獎金。