本文作者Shivon Zilis为投资机构Bloomberg Beta的投资人

在过去的12个月里，我一直在观察每一个专注于机器智能生态系统领域的企业，收集着所有的信息，与数百位研究人员、创业者和投资人就机器智能进行了深入的对话。今年，机器智能技术突飞猛进，我开始更加关注这个领域的创新，而不是再观察它的整体发展。在即将来临的2016年，机器智能将会迎来更多的创新。

虽然有的时候人们对于机器智能的过分关注，导致了一些该领域内企业出现了分心的情况，但是机器智能依然已经被运用在许多领域之中了，而且这个技术正在发挥着巨大的价值。

当我们在获取所需的商业信息的时候，机器智能可以帮我们提高信息获取的速度。除此之外，它还在许多其他的领域发挥着重要的作用，例如它还能够帮我们检测重要的系统、更有效的统计人口数量、减低医疗成本、更早的发现疾病等等。

自从去年我对机器智能进行了分析之后，我看到了两个重大的改变，他们分别是：第一，自主系统的出现，它在实体和虚拟世界中均发挥着巨大的作用；其次，初创企业的工作重心发生了变化，从打造宽泛的技术平台变成了专注于某个具体的商业问题。

创业环境的改变

当机器智能刚刚诞生的时候，人们还将其视为一个新鲜的玩具。而如今，人们已经要求它为我们提供真正的价值，而且速度要快。因此，机器智能初创企业进入市场的方式也发生了改变。这些企业进入市场的方式，与现存商业问题的数量一样多。大多数初创企业都采取了较为传统的机器智能技术，将它们用在新的数据和工作流中。有一点从未改变，那就是大型企业有着更海量的数据，与他们的客户也有着更紧密的联系，因此在机器智能方面，他们有着天然的优势。然而尽管如此，初创企业依然找到了进入市场的新路径。

自主系统的实现

在去年的总结中，我主要关注的是机器智能在虚拟世界中的运用。而这一次，我们看到了它在真实世界中的作用，而且它的自主程度更高了，许多当前非常火热的项目都用上了机器智能，例如无人驾驶汽车、自主值守无人机、无需大量编程就能够完成动态任务的机器人等。当然，机器智能仍然处于发展的初期阶段——大多数这些系统仅仅是能用而已，但是我认为这一状况很快就会出现改变，自主系统将从能用变成好用。

随着机器智能研究逐渐走向成熟，这些实体系统正在快速的发展。深度学习、增强学习、问答系统和自然语义界面交互在一起，形成了计算机视觉技术，这让实体机器智能系统变得更加自主，互动性也更强。如今，在尝试打造这些自动化系统的时候，人们想的总是将这些手段整合在一起，从而创造出一个新的技术。

越来越接近人类的使用体验

如今的虚拟世界也在逐渐变得更加自主化。虚拟代理，也就是我们常说的在线机器人，使用的是交谈式的界面。一些虚拟代理为完全自主化，而另一些则需要人类用户的参与。也就是说，在算法处理任务的时候，人类需要输入指令。系统的用户界面要求用户输入自然语言，或是直接对着设备说话，然后系统做出响应。

有的时候，这些系统会给用户造成某种错觉，让用户不知道自己究竟是在和人类进行沟通，还是和在线机器人沟通。有一天我的手机出现了问题，在我联系客服的时候，就遇到了这样的问题。当时我并不想和任何人说话，因此我选择了在线聊天客服。这个机器人客服对我的回应是如此的真实，我甚至一度以为自己在和另一个真实的人在进行沟通。之后我意识到，为我提供服务的究竟是机器人还是真实的人类其实并不重要。我获得了最好的帮助体验，我面临的问题也得到了完美的解决。即使对方是一个机器人，我也不在意。

从一方面看，这些在线机器人可以为人们提供完美的支持，还能为我们提供其他方面的协助，例如研究、项目管理、日程安排和电子商务转账等。而从另一方面看，它还可以给我们提供非常个人化的体验，让我们越来越移开这种技术，例如微软的浪漫聊天机器人Xiaoice。可以说，自动化的情感支持已经来临了。

随着这些技术不断升温，他们将会开始渗透进其他的领域，例如教育、精神病治疗学和老年人关怀等。这些技术将和人类一起协作，为学生、患者和老年人提供更多的帮助。

50度灰市场

我不知道你怎么想，反正我自己被这个标题逗笑了。

许多机器智能将会改变商业世界，他们将会开始对一些灰色领域进行监管。举几个简单的例子：医疗健康领域（自动诊断、基于基因组学的早期疾病探测、药物使用等）；农业（自动农业器具）；通勤与物流（无人驾驶汽车、无人机系统，基于探测器的交通管理）；以及金融服务（高级信用决策）。

进入这些灰色市场的时候，机器智能将会面临一些困难。要想克服这些困难，我们将会使用一些不寻常的策略：

初创企业制造了一些全球性的通则（例如，医疗健康企业尝试进入发展中国家市场发展，无人机企业在监管力度最小的国家内进行试验）。

简单来说，他们采取了一种“避开监管”的策略。一些企业在这个方面显得小心翼翼。他们尽可能长的在灰色区域内进行发展，尽可能长时间的避免监管方面的讨论。

谷歌、苹果和IBM等大型企业也希望在这些地带发展，因为他们拥有足够多的资源和耐心，他们也是最有可能影响当地监管规则的企业——事实上，他们对监管制定的影响，也是他们的优势之一。

初创企业开始早早的进行融资，远远早于他们的实际需要，他们的这个举动，就是为了打赢法务战争，并且用最快的速度跨越监管方面的障碍。

你面临着哪些商业问题？

一年以前，许多大型企业都还不知机器智能为何物，许多企业在是否接受这种技术的问题上，都显得予取予求。我曾经与许多潜在企业客户进行过对话，他们经常对我说：“这些机器智能企业想卖给我的，都是一些骗人的东西。他们甚至都解释不清楚自己的公司到底是干什么的。”

事实上，这些潜在企业客户只是想知道一件事：机器智能技术究竟能帮助他们解决哪些商务问题。他们关心的并不是这项技术本身。对于机器智能企业来说，他们总是在谈论自己的算法，以及他们的平台可能会帮助客户解决许多的问题。这样说当然没错，但是企业客户并不买账。

但是，在刚刚过去的这一年中，事情发生了变化。企业客户和机器智能提供商似乎达成了一些共识：

如今的企业开始对机器智能加大了投资力度。我接触了大概100家企业，他们都希望透彻的对这种技术进行分析，并且想要改变自己对机器智能的看法。他们想的问题变得越来越全面，甚至开始尝试改变自己的组织机构，从而开始使用这种新出现的技术。企业中越来越多的角色开始意识到了机器智能的重要性，并且开始谈论这项技术，从CEO到技术领导再到产品经理。

许多机器智能企业也终于意识到，他们需要改变自己的策略，着重向潜在客户介绍自己的技术能帮助他们真正的解决哪些商业问题。他们开始将自己的服务进行拆分和营销，针对具体的商业问题提供解决方式。他们经常会与企业客户进行深度合作，帮助客户量身定制一个特别的机器智能服务，解决特定客户的特定问题。一旦企业客户看到了机器智能的作用，看到了实实在在的效果，这些提供服务的初创企业就可以更加顺畅的销售自己的解决方案。

伟大的垂直化

我记得自己很早以前曾经读到了一篇名为《谁说大象不能跳舞》的文章，文章介绍了IBM等大型企业的技术能力，以及敢于冒险的精神，这篇文章可以说让我大开眼界。这篇文章也是我从大学毕业后加入IBM这家公司的原因之一。如今，IBM似乎又开始了另一次冒险，他们从一个横向的科技提供商，变成了一个垂直的科技提供商。谁说大型企业就不能改变前进方向？这是一次非常勇敢的尝试。

这样做的不仅仅只有IBM一家企业：你会发现许多机器智能企业正在经历这样的转变。

钱不是万能的，对于机器智能企业来说，他们更注重的是数据。我去年曾经建议机器智能企业创始人寻求被收购，而在过去的一年中，很多创始人确实是这么做的——然而他们出售企业为的并不是钱。许多创始人都曾经对我说，要想收购他们，收购方的钱并不能打动他们。能打动他们的，是收购方是否拥有足够多、足够好的数据，以及这些数据是否能够让他们的产品变得更好。在他们看来，真正能让他们无法拒绝的收购方，一定要是Slack、谷歌、Facebook和Twitter这样的企业，因为他们拥有足够多的数据。

最近一段时间，机器智能企业们发现了一个新的人才储备地：加拿大。在“AI寒冬”阶段，也就是上世纪80-90年代，加拿大政府是少数几个继续为AI研究提供资金的政府之一。这种支持让加拿大在那几年内人才辈出，并且诞生了许多深度学习的教父，例如Geoffrey Hinton、Yoshua Bengio和Yann LeCun等。

未来会如何？

机器智能相比去年有了长足的进步，无论是大企业还是初创企业，人们都在推进这项技术的发展。在接下来的一年，这些技术的实际应用将会继续兴旺。大多数新进来的企业将会避开泛泛的解决方案，转而针对具体的商业问题提供解决方案。

我已经等不急想要看到明年的情况。几年之前，Orbital Insight这样的公司被很多人所不看好，而如今一切已经变得不一样。

同样，研究人员也在进行重要的研究，他们的研究成果将会为我们的商业活动创造更多的可能性，例如创造出能为老年人提供帮助的无人机、帮助我们检测创伤后应激障碍的计算机视觉、能够实施肿瘤切除手术的自动化机器人等。

总体来说，在线机器人将会变得更加实用，自动化系统将会变得更加普遍，机器智能将会变得更加……智能。在未来的几年内，我期待着这个新技术变得无处不在。

（编辑：Zoey）