2018年人工智能投资方向：智能语音机器人

2018年，这是数据世界中令人兴奋但复杂的一年。

就像去年一样，数据技术生态系统继续“开足火力”。如果不出意外，在商业和个人对话中，在2018年数据可能更加重要。然而，一些原因已经发生改变。

一方面，数据技术(大数据，数据科学，机器学习，人工智能)继续前进，变得越来越高效，并且在全球企业中得到广泛的应用。到目前为止，2018年企业界的一个关键主题是“ 数字化转型” ，这绝非偶然。这个术语可能会让一些人感到古怪(“这不是过去25年来发生的事情吗?”)，但它反映出许多的传统行业和公司现在已经完全投入到他们成为真正数据驱动的过程中。

另一方面，更广泛的公众面已经意识到数据的缺陷。无论是通过关于AI风险的公开辩论，剑桥Analytica丑闻，大规模Equifax数据泄露，GDPR相关隐私讨论还是中国日益增长的政府监控报告，数据世界已经开始暴露出一些更黑暗，更可怕的暗示。

两者都是同一现象的另一面，这种现象已经酝酿多年，但现在已经全面展示：几乎所有东西(无论是个人的还是专业的)都在快速数字化 ，数据技术比以往更加娴熟的去处理和分析这种大量的数据消耗，同时实时性在不断增加，由此可能导致魔术和滥用。关于如何将这种强大力量与必要的责任感结合起来的辩论变得至关重要。

让我们重点介绍2018年的一些主要趋势和事件。

基础设施与分析

从行业角度来看，数据生态系统仍然像以往一样令人兴奋和充满活力，拥有丰富的创新创业公司，成熟的“规模扩张”以及许多积极的公共技术供应商 。最重要的是，许多大小客户正在大规模部署这些技术，并从他们的努力中获得不可否认的价值。

随着用更现代化的数据产品取代旧IT技术的循环仍在继续，大数据市场(基础设施，分析)似乎在早期大多数买家中循环，并转变为传统采用曲线的后期大部分。

此外，数据世界继续向云端发展。实际上，看到大型公共云提供商(AWS，Azure，Google云平台，IBM)的发展速度有多快，实际上是惊人的，因为他们每个季度都会产生数十亿美元的收入。这一趋势引发了对供应商锁定的持续关注，这可能为初创公司提供提供多云解决方案的机会。但是，到目前为止，即使采用多云策略的公司仍倾向于依赖一家供应商作为其主要提供商。

随着他们不断发展，大型云提供商通过其平台(例如，亚马逊海王星，Google AutoML等)提供各种大数据，数据工程和机器学习工具，并且通常以积极的价格提供，从而越来越多地相互竞争。吸引更多开发人员，因为他们真正的商业模式是数据存储 。随着这些工具的范围和复杂程度不断增长，这对数据技术领域产生了巨大影响，使初创公司竞争起来更加困难，至少对于广泛的横向机会而言。

机器学习和AI

在人工智能研究领域，这当然是一个疯狂的一年，从AlphaZero的实力到新发展的惊人速度 - 新型生成对抗网络，Vicarious'新的递归皮层网络，Geoff Hinton的新胶囊网络。像NIPS这样的人工智能会议已经发展到吸引了8000人，每天都有数以千计的学术论文被提交。

与此同时，对AGI的追求仍然难以捉摸，也许幸运的是。人工智能目前的兴奋(和恐惧)大部分源于2012年以来令人印象深刻的深度学习表现，但是，在人工智能研究界，人们越来越感觉到“现在是什么?”，因为有人质疑深度学习的基础(反向传播)和其他人希望超越他们认为的“蛮力”方法(大量数据，大量计算能力)，或许有利于更多基于神经科学的方法。

人工智能研究界的许多人都不担心机器人世界的统治，他们担心这个领域的持续过度膨胀可能最终会令人失望并导致另一个AI核冬天。

然而，在人工智能研究之外，我们刚刚开始在不同行业中涉及语音识别，图像分类，对象识别和语言等各种问题的现实世界中深度学习的部署和应用浪潮的开始。如果生态系统的基础架构和分析部分已经达到了大多数，那么我们仍然处于企业和垂直AI应用程序的早期采用者领域 。

尽管人工智能创业市场(可以说)显示出最终降温的迹象，但一年或两年前开始的寒冷学习初创公司的寒武纪大爆炸仍然有增无减。整体规模和估值的期望仍然很高，但我们肯定已经过了大型互联网公司为了人才而以高价购买早期人工智能初创公司的阶段。与其他一些正在利用炒作的公司相比，空气也在清理一些并揭示“真正的”人工智能创业公司。在2014-2016时间框架内成立的一些人工智能创业公司开始进入早期规模，许多人正在跨行业和垂直行业提供越来越有趣的产品包括健康，金融，“工业4.0”和后台办公自动化。深度学习将在未来几年继续为现实世界的应用程序带来很多价值，而垂直专注的AI初创公司在他们面前有很多很好的机会 。

这种持续的爆炸是一个全球现象，加拿大，法国，德国，英国和以色列特别活跃。然而，中国似乎在人工智能方面处于完全不同的水平，报告称政府主导的数据汇集规模令人难以置信（跨越互联网公司和市政当局），面部识别和AI芯片等领域的快速发展，以及为其初创公司提供巨额融资：根据CB Insights的数据，中国仅占全球人工智能交易份额的9％，但2017年全球人工智能资金的比例接近48％，高于2016年的11％ 。

同样，数据隐私(以及所有权和安全性)问题正在成为全世界关注的主要问题。在互联网发展的早期，数据隐私是关于保护我们在网上做的事情，这是我们活动中相对较小的一部分。相应地，只有少数人(虽然声音和热情)少数人真正关心。由于我们个人和职业生活的各个方面现在都通过不断增加的连接设备连接到互联网，因此风险正在发生变化。由于能够发现大量数据集中的异常，预测结果并识别面孔，AI正在加剧数据隐私问题。

一个单独但相关的问题是，大量此类数据归大型互联网公司(GAFA)所有。像Facebook这样的一些人已被证明是一个不太完美的管家。尽管如此，这些数据为他们在制造更强大的人工智能的竞争中提供了不公平的优势。

针对这些问题，一个新兴的主题是将区块链视为可能影响人工智能风险的方法，以及为GAFA以外的其他人制定出色AI的方法。加密经济学被视为激励个人提供个人数据的方式，也是机器学习工程师通过匿名处理这些数据来建立模型的一种方式。这一切仍然是非常实验性的，但一些早期的市场和网络正在出现。

不用多说，这是我们2018年的风景。它现在被称为“大数据与人工智能”景观 !