語音識別、圖像分類、人工智能和蛋白質(zhì)折疊算法等深科技領(lǐng)域的初創(chuàng)企業(yè)一直受到投資者的追捧。但Tractable的創(chuàng)始人Alex Dalyac認為，如果這些公司不能賺錢，那么它們的寒冬就要來了。

人工智能的世界從來都是喜憂參半。一方面，機器學習已經(jīng)取得不可思議的成就，從深藍（Deep Blue）到ImageNet和AlphaGo，從擊敗最優(yōu)秀的棋手，在圖像內(nèi)容識別上超越人類。

然而，這種進步是有代價的。研究上的突破進展吸引了大量的投資，但這種巨額投入往往只能產(chǎn)生少量的商業(yè)回報。最終的結(jié)果只能是資金減少，科研進展停滯不前，“AI凜冬將至”。

這種跡象如今正在慢慢顯露出來。目前，投資者所青睞的最新學術(shù)成就，諸如語音識別和圖像分類，以及那些社會影響深遠的挑戰(zhàn)：城市自動駕駛、機器人操作、自然語言理解。但這些投資要想具有可持續(xù)性，就必須在合理的時間范圍內(nèi)實現(xiàn)盈利。許多人工智能開發(fā)公司目前都處于嚴重虧損狀態(tài)，但他們認為總有一天會有人想出辦法扭虧為盈。

但倘若盈利實現(xiàn)不了呢？

那么投資者就會撤資。除非科技企業(yè)能夠為投資者、科學進步和社會創(chuàng)造回報，否則所有在研究、新芯片和平臺上的投入都將付之東流。

那么，是否有AI企業(yè)可以持續(xù)地從客戶那里賺到錢呢？我們又能從這些企業(yè)身上學到什么呢？

人工智能公司亟需賺錢

幸運的是，人工智能的進步的確在某些領(lǐng)域讓世界變得更好、更快、更實惠。

比如Aurora公司利用深度學習來實現(xiàn)機場安檢的人臉識別，而Zebra Medical和Enlitic公司利用人工智能來進行癌癥的早期檢測，以便協(xié)助放療醫(yī)生更快地介入治療。這些挑戰(zhàn)在現(xiàn)實世界中與我們息息相關(guān)，但以前卻從未用計算機來解決。因此，正是在這些領(lǐng)域，人工智能能夠產(chǎn)生立竿見日的效果，不但解決了客戶和消費者的問題，還能將所有投資轉(zhuǎn)化為實際利潤，而不是理論上的未來回報。

比如說，智能視覺評估也使得車禍理賠得到了發(fā)展。

Tractable（車險定損AI公司）正試圖改變某些全球最大的保險公司評估汽車受損程度的方式——利用計算機視覺方面的先進技術(shù)，確保理賠過程比以前更快、更準確、更經(jīng)濟。

這些技術(shù)提高了現(xiàn)有產(chǎn)品的質(zhì)量，同時也開發(fā)出一些新的具有現(xiàn)實商業(yè)應用價值的產(chǎn)品。其中最關(guān)鍵的是：對于人工智能開發(fā)而言，技術(shù)突破并不代表成功，客戶認同才是。除非你能將這些突破轉(zhuǎn)化為對最終用戶產(chǎn)生影響的實際收益，否則即使你可以解決世界上最困難的理論問題也沒什么用。

AI企業(yè)的責任：賺錢就夠了嗎？

但是，過度關(guān)注現(xiàn)實世界的商業(yè)應用及其回報，是否限制了人工智能的適用范圍？

答案是并非如此，比如Tractable使用人工智能同時處理多幅圖像，以便確定一輛車的損壞程度，這有助于更好地為客戶服務。然而，將這種專業(yè)技術(shù)和類似的科技突破應用到其他地方，也并不很難想象的事。例如，通過使用類似的技術(shù)，或許再結(jié)合無人機，也許可以快速確定颶風或洪水等自然災害造成的財產(chǎn)損失程度。

換句話說，今天的商用人工智能為未來的科技突破奠定了基礎(chǔ)，并最終幫助更多的人，解決更具挑戰(zhàn)性的問題。然而，我們能否做到這一點，取決于我們能否實現(xiàn)商用人工智能的可持續(xù)發(fā)展。如果能，公司將得到收益，投資者將得到回報，而一個能夠持續(xù)將技術(shù)進步轉(zhuǎn)化為有價產(chǎn)品的行業(yè)模式也會存在下去。

或許，如同對1910年代發(fā)明的汽車和1880年代出現(xiàn)的電力設(shè)施一樣，未來的歷史學家也會為這個2010年代產(chǎn)生的全新產(chǎn)業(yè)而歡呼。但如果有太多的AI企業(yè)未能實現(xiàn)商業(yè)可持續(xù)化會怎樣呢？

最壞的情況，人工智能供應鏈上的大部分企業(yè)可能會崩潰，就像本世紀初互聯(lián)網(wǎng)泡沫破滅一般。

所以當今的科技公司有責任持續(xù)盈利以保證AI的可持續(xù)發(fā)展，確保崩潰不會發(fā)生。

來源：搜狐