業界 | 彭博發布2016機器智能圖譜：競爭進入白熱化
文章推薦指數： 80 %
選自哈佛商業評論
作者：Shivon Zilis、James Cham
機器之心編譯
參與：杜夏德、李澤南
當地時間 10 月 27 日，Creative Destruction Lab 在多倫多舉辦了 2016 機器學習與智能市場（2016 Machine Learning and the Market for Intelligence）會議。
會議雲集了人工智慧投資及科研界眾多世界級明星。
在機器之心報導（《獨家 | Hinton、Bengio、Sutton 等巨頭聚首多倫多：通過不同路徑實現人工智慧的下一個目標》）中，我們介紹了科研領域的大會內容。
作為投資領域的代表，彭博社旗下基金 Bloomberg Beta 的合伙人 Shivon Zilis 和 James Cham 也在大會上宣布將發布機器智能報告的 3.0 版本（2.0 版本參見：業界 | 彭博社風投合伙人：2016 年機器智能 2.0 的新面貌）。
這篇文章是 Shivon Zilis 和 James Cham 在哈佛商業評論發表的一篇文章，介紹了機器智能 3.0。
三年前，我們的風險投資公司開始研究人工智慧初創企業。
科幻小說對人工智慧的描述誤導了大眾對這項技術的看法。
最近兩年，我們一直在嘗試尋找最重要的創業公司，匯集成一張概覽圖。
（比起人工智慧，我們更傾向於一個中性的詞彙「機器智能」來描述這項技術。
）
過去幾年中，我們總是從創業公司創始人和學界中關注這一領域較早的人那裡聽聞技術行業中的大趨勢。
但是今年不同，很多關於機器智能的話題都是出自《財富》世界 500 強公司高層之口。
這些管理人員在不斷自我反思：自己要做什麼。
在過去的一年中，機器智能爆發了，風險投資總額達到 50 億美元，幾宗大收購，數十萬人閱讀了我們早期的研究。
上世紀九十年代的網際網路，管理人員正在意識到這項新技術有可能改變一切，但是沒人知道怎麼改變以及何時改變。
-
高清PDF下載連結：https://hbr.org/resources/pdfs/hbr-articles/2016/11/the_state_of_machine_intelligence.pdf
今年的這張的創業公司競爭概覽圖展示了機器智能眼下的影響力。
從農業到交通運輸，智能幾乎觸及到了所有領域。
每一個員工都能通過現有的工具用上機器智能，提升工作效率。
各大公司也第一次開始在他們的業務中配套配入機器智能技術。
與網際網路不同，即便是最早進入市場的大佬公司也常常被機器智能技術打的束手無策，只有那些能迅速引入機器智能技術的公司持續占有優勢。
世界 500 強和其他公司該從哪裡找到切入點呢？
讓人才更有生產力
一種能迅速獲得機器智能價值的方法是為你的人才配備機器智能工具。
使用該技術的最早的贏家們一直在根據知識工作的特定領域不斷調試這些機器智能生產力工具。
在我們的概覽圖中我們稱之為「企業功能（Enterprise Functions）」。
有了這些工具，每一名員工都能之前只有 CEO 們才有能力。
這些工具能夠幫助監控和預測（比如，像Clari這樣的公司一個一個地預測客戶銷售來幫助優化交易）也有助於指導和訓練（Textio的預測文本編輯平台幫助員工提高寫文檔的效率）
發現全新的數據來源
下一步是使用機器智能實現新數據源的價值，也就是我們在概覽圖的「企業功能」部分強調的內容。
機器智能軟體能夠快速查看海量的數據，因此也開闢了一些原來無法獲取的數據資源。
人工太貴，想像一下你能負擔得起讓某人聽銷售人員的每一條銷售記錄並據此預測他們的銷售表現，或者讓一個團隊檢查所有的衛星圖像，決定需要收集哪個宏觀經濟指標的數據嗎。
而這些數據也許你的公司就有（例如，客戶服務對話記錄、傳感器數據預測中斷需要維護），或者這些數據可以從外部新的數據源中獲取。
重新思考如何開發軟體
你已經嘗試了一些新的生產力工具並開始挖掘新的數據源尋找洞見。
實現機器智能價值的下一步是在新軟體的基礎上建立起持續的競爭優勢。
但是機器智能是一門管理者需要學習的新學科分支，需要一組新的軟體人才和新的組織結構。
大多數 IT 集團公司想到的都是應用和數據方面的人才。
而新的機器智能 IT 公司會考慮應用、數據和模型，把軟體看成是代碼、數據和模型的結合。
這裡的「模型」指的是業務規則，就像批准貸款和調試數據中心功耗的規則一樣。
對於傳統的軟體，程式設計師需要手動開發這些規則。
今天機器智能可以用數據和新的算法生成一個人類程式設計師無法做到的非常複雜的模型，
傳統軟體中的模型只能通過程式設計師手寫代碼來做出改變。
有了機器智能後，公司就能開發出自己定期進化的模型，模型擁有了學習能力，公司的競爭力也就能維持下去。
把這些傳統的模型想成那些擁有海量記憶但不善社交的員工——白痴專家。
他們可以預測如何讓業務獲得最佳增長，讓客戶更加滿意，或者削減成本。
但如果你試圖將它們應用到新的東西，往往會失敗，甚至更差。
當你的業務和數據改變時，這些傳統軟體就更不上了。
所有這些都意味著開發機器智能軟體完全不同於傳統的軟體，因此公司需要進行相應的員工結構調整。
幸運的是，雖然找到適合的人才很難，開發這些軟體的工具已經有了。
©本文由機器之心編譯，轉載請聯繫本公眾號獲得授權。
✄------------------------------------------------
加入機器之心（全職記者/實習生）：[email protected]
投稿或尋求報導：[email protected]
廣告&商務合作：[email protected]
