分析：為什么初創(chuàng)公司將主導(dǎo)人工智能驅(qū)動(dòng)的應(yīng)用程序？

最近，我和一位非常質(zhì)疑人工智能初創(chuàng)公司生存能力的人士進(jìn)行了一次有趣的談話。他認(rèn)為，憑借巨額預(yù)算和研發(fā)資源，大型科技公司(例如IBM)正致力于開發(fā)通用平臺——這些平臺會(huì)填滿每個(gè)應(yīng)用創(chuàng)業(yè)公司努力開拓的利基市場，例如安排會(huì)議或回復(fù)常見客服問題。我想反駁這一觀點(diǎn)。初創(chuàng)公司設(shè)計(jì)的人工智能驅(qū)動(dòng)的App必定會(huì)勝出人工智能驅(qū)動(dòng)的應(yīng)用程序意在消除阻礙商業(yè)化的數(shù)據(jù)鴻溝。人工智能系統(tǒng)需要高度相關(guān)、擁有豐富語義、可資訓(xùn)練的數(shù)據(jù)集。初創(chuàng)公司通過扮演現(xiàn)有云商業(yè)App(例如Gmail、GoogleAnalytics、Salesforce和LinkedIn等)插件的方式來解決這個(gè)問題。例如，X.ai使用Gmail的郵件內(nèi)容開發(fā)了個(gè)性化日程助手；DigitalGenius使用Salesforce服務(wù)云的API來自動(dòng)處理常見的客戶服務(wù)請求。一般說來，云服務(wù)應(yīng)用的公共API接口可以為創(chuàng)造者提供AI驅(qū)動(dòng)的應(yīng)用程序：豐富的語義創(chuàng)建更智能的人工智能系統(tǒng)。通過高度結(jié)構(gòu)化的數(shù)據(jù)集和大量元數(shù)據(jù)，商業(yè)應(yīng)用程序API使得數(shù)據(jù)科學(xué)家更輕松地構(gòu)建深度學(xué)習(xí)中所需的數(shù)據(jù)層，正如在《經(jīng)濟(jì)學(xué)家》雜志中曾經(jīng)描述的神經(jīng)網(wǎng)絡(luò)(一個(gè)旨在模擬溯因推理的人工智能構(gòu)造)中，深度學(xué)習(xí)算法可以沿著分層數(shù)據(jù)集傳輸，就像大腦信號沿著神經(jīng)元傳輸一樣。分層結(jié)構(gòu)中的數(shù)據(jù)層(由云服務(wù)應(yīng)用程序中圍繞工作流程的元數(shù)據(jù)提供)越多，人工智能系統(tǒng)在推理中所能達(dá)到的抽象層次就越高。精確數(shù)據(jù)集可縮短訓(xùn)練周期，從而更快進(jìn)入市場。人工智能系統(tǒng)因?qū)Υ髷?shù)據(jù)的野蠻統(tǒng)計(jì)分析獲得了長足進(jìn)展。但就像青少年一樣，他們需要有人為他們指明正確發(fā)展方向。云服務(wù)應(yīng)用程序是一個(gè)足夠精確的領(lǐng)域，有助于剛剛起步的人工智能蓬勃發(fā)展。特定領(lǐng)域的數(shù)據(jù)就像是高中學(xué)校籃球隊(duì)的教練，可以幫助未經(jīng)訓(xùn)練的人工智能辨別輸入和理想輸出之間的關(guān)系，縮短走向成功所需的訓(xùn)練周期。RainforestQA團(tuán)隊(duì)提到，由于他們沒有一個(gè)精確且高度結(jié)構(gòu)化的數(shù)據(jù)集來訓(xùn)練機(jī)器學(xué)習(xí)算法，因此他們必須要付出雙倍的努力才能建立令人印象深刻的人工智能特性。相反，曾被用于打造專有人工智能系統(tǒng)的通用人工智能平臺，并沒有被設(shè)計(jì)用來以同樣程度充分利用預(yù)構(gòu)建的開放API和函數(shù)庫的語義分析及分類。這推遲了進(jìn)入市場的時(shí)間。通過使用私有企業(yè)案例以及在其數(shù)據(jù)集上進(jìn)行訓(xùn)練，IBM的沃森可以解決企業(yè)的具體問題，但是，這需要嚴(yán)格的人工數(shù)據(jù)管理和訓(xùn)練，而IBM全球業(yè)務(wù)服務(wù)部門也樂于收取大量服務(wù)費(fèi)來承擔(dān)這樣的管理和訓(xùn)練。建立人工智能驅(qū)動(dòng)應(yīng)用程序的個(gè)人初創(chuàng)公司將會(huì)是接下來五年攪動(dòng)勞動(dòng)力市場的主要力量。IBM正在努力讓沃森更加規(guī)模化，但是，如今的國內(nèi)人工智能項(xiàng)目看起來和上世紀(jì)90年代末的企業(yè)資源計(jì)劃(EnterpriseResourcePlanning，ERP)的實(shí)施驚人相似——14個(gè)月、150名顧問和并不理想的成功率。其中一些項(xiàng)目將產(chǎn)生非常有前途人、會(huì)重新設(shè)定整個(gè)行業(yè)競爭優(yōu)勢的人工智能系統(tǒng)，但是，他們需要很多年才能達(dá)到這一范式下的臨界規(guī)模。什么才會(huì)改善通用人工智能平臺的境況？企業(yè)間的數(shù)據(jù)交換與通用行業(yè)規(guī)范知識資源庫結(jié)合是個(gè)很好的開端。很快就會(huì)成為現(xiàn)實(shí)嗎？全速前進(jìn)：人工智能領(lǐng)域的整合不會(huì)很快發(fā)生人們可以利用我之前提及的ERP類比提出這一主張：在我們知道之前，人工智能驅(qū)動(dòng)的應(yīng)用程序就會(huì)整合進(jìn)標(biāo)準(zhǔn)應(yīng)用程序套件中。上世紀(jì)90年代中期，商業(yè)流程再造(BPR)以ERP軟件套件方式達(dá)到頂峰后不久，就宣告失敗，ERP以開箱即用軟件的形式標(biāo)準(zhǔn)化了商業(yè)流程再造(BPR)，也成為桌面上的籌碼。但是，如今情況完全不同，原因之一是人工智能驅(qū)動(dòng)的應(yīng)用程序變化非常快。沒有任何一家公司，無論它多么有活力，可以輕易并行不悖地打造這些程序，因?yàn)槊恳粋€(gè)應(yīng)用程序都是一個(gè)精確調(diào)節(jié)系統(tǒng)，需要人工智能領(lǐng)域的專家和專門的培訓(xùn)團(tuán)隊(duì)來維護(hù)。人工智能驅(qū)動(dòng)的應(yīng)用程序最終會(huì)進(jìn)行整合，但是是通過收購而不是企業(yè)巨頭內(nèi)部開發(fā)的方式。這意味著，雖然一些更廣泛的平臺(例如IBM沃森)對于解決公司相關(guān)的具體問題(例如醫(yī)院診斷患者)非常關(guān)