企业怎样应对AI的凛冬

语音识别、图像分类、人工智能和蛋白质折叠算法等深科技领域的初创企业一直受到投资者的追捧。但Tractable的创始人Alex Dalyac认为，如果这些公司不能赚钱，那么它们的寒冬就要来了。

人工智能的世界从来都是喜忧参半。一方面，机器学习已经取得不可思议的成就，从深蓝（Deep Blue）到ImageNet和AlphaGo，从击败最优秀的棋手，在图像内容识别上超越人类。

然而，这种进步是有代价的。研究上的突破进展吸引了大量的投资，但这种巨额投入往往只能产生少量的商业回报。最终的结果只能是资金减少，科研进展停滞不前，“AI凛冬将至”。

这种迹象如今正在慢慢显露出来。目前，投资者所青睐的最新学术成就，诸如语音识别和图像分类，以及那些社会影响深远的挑战：城市自动驾驶、机器人操作、自然语言理解。但这些投资要想具有可持续性，就必须在合理的时间范围内实现盈利。许多人工智能开发公司目前都处于严重亏损状态，但他们认为总有一天会有人想出办法扭亏为盈。

但倘若盈利实现不了呢？

那么投资者就会撤资。除非科技企业能够为投资者、科学进步和社会创造回报，否则所有在研究、新芯片和平台上的投入都将付之东流。

那么，是否有AI企业可以持续地从客户那里赚到钱呢？我们又能从这些企业身上学到什么呢？

人工智能公司亟需赚钱

幸运的是，人工智能的进步的确在某些领域让世界变得更好、更快、更实惠。

比如Aurora公司利用深度学习来实现机场安检的人脸识别，而Zebra Medical和Enlitic公司利用人工智能来进行癌症的早期检测，以便协助放疗医生更快地介入治疗。这些挑战在现实世界中与我们息息相关，但以前却从未用计算机来解决。因此，正是在这些领域，人工智能能够产生立竿见日的效果，不但解决了客户和消费者的问题，还能将所有投资转化为实际利润，而不是理论上的未来回报。

比如说，智能视觉评估也使得车祸理赔得到了发展。

Tractable（车险定损AI公司）正试图改变某些全球最大的保险公司评估汽车受损程度的方式——利用计算机视觉方面的先进技术，确保理赔过程比以前更快、更准确、更经济。

这些技术提高了现有产品的质量，同时也开发出一些新的具有现实商业应用价值的产品。其中最关键的是：对于人工智能开发而言，技术突破并不代表成功，客户认同才是。除非你能将这些突破转化为对最终用户产生影响的实际收益，否则即使你可以解决世界上最困难的理论问题也没什么用。

AI企业的责任：赚钱就够了吗？

但是，过度关注现实世界的商业应用及其回报，是否限制了人工智能的适用范围？

答案是并非如此，比如Tractable使用人工智能同时处理多幅图像，以便确定一辆车的损坏程度，这有助于更好地为客户服务。然而，将这种专业技术和类似的科技突破应用到其他地方，也并不很难想象的事。例如，通过使用类似的技术，或许再结合无人机，也许可以快速确定飓风或洪水等自然灾害造成的财产损失程度。

换句话说，今天的商用人工智能为未来的科技突破奠定了基础，并最终帮助更多的人，解决更具挑战性的问题。然而，我们能否做到这一点，取决于我们能否实现商用人工智能的可持续发展。如果能，公司将得到收益，投资者将得到回报，而一个能够持续将技术进步转化为有价产品的行业模式也会存在下去。

或许，如同对1910年代发明的汽车和1880年代出现的电力设施一样，未来的历史学家也会为这个2010年代产生的全新产业而欢呼。但如果有太多的AI企业未能实现商业可持续化会怎样呢？

最坏的情况，人工智能供应链上的大部分企业可能会崩溃，就像本世纪初互联网泡沫破灭一般。

所以当今的科技公司有责任持续盈利以保证AI的可持续发展，确保崩溃不会发生。

来源：搜狐