【CONNECT to Change】聊天機器人風光不再,如果你對 AI 有興趣該怎麼切入?

【我們為什麼挑選這篇文章】2016 是人工智慧相當火紅的一年,AI 成為創投眼中的閃亮之星,白花花的銀子迅速湧向 AI 新創。然而,這些在投資熱潮中趁勢而起的 AI 公司,2017 年即將面臨泡沫化的考驗。

哪些新創會存活下來?哪些可能會在泡沫中隱沒?本文用五大趨勢分析給你聽。(責任編輯:曾宜婷)

AI(人工智慧)是今年創投領域的一大熱門,但熱門也容易引發泡沫擔憂,有些細分賽道可能已經出現疲弱的跡象,而另外一些領域則可能會迎來較大的發展。為此,雷鋒網編譯了知名人工智慧創投機構 DCVC 的創始合夥人 Bradford Cross 發表的 2017 年 AI 行業五大預測。

去年,人工智慧市場的熱度被完全點燃,今年整個市場則將進入清算之年 ,那些沒有金剛鑽,純靠炒作興起的潮流很快就會被遺忘。當然,也不要太悲觀,畢竟污泥濁水被清除後留下的都是清流,而這股清流將帶來突破性的成功,大突破的驅動力量來自那些垂直 AI 新創公司,它們憑藉專業技能、特殊的資料解決了全棧產業問題,並利用 AI 驅動的產品實現了核心價值主張。下面我們來共同認識這五大預測:

聊天機器人(Bots)風光不再

去年,聊天機器人突然異軍突起,各家公司一擁而上,生怕錯過了機會。

在科技界,人們所說的聊天機器人其實是「擁有四個關鍵概念的軟體代理,它們與那些任意程式不同,可以自動、持續且有目標的對周邊環境做出反應。」

不過在各家公司眼中,「Bots」這個名詞現在代表著「任何形式的業務流程自動化」,同時它們還創造了「RPA」這個新名詞,即機器人自動化。

人工智慧是台灣 CONNECT 世界的新方式
7/22 參加 TechOrange 派對,我們一起連結世界!

雖然業務流程自動化未來十年內會逐漸消亡,但當下以語音和聊天會話介面為主要形態的聊天機器人恐怕今年就會死翹翹。 其原因如下:

  1. 要解釋這個原因,只需關注此前的社交與個性化之爭,從個性化角度來看,這場戰爭的勝利者是 Facebook,但同時它也是最終勝出的社交平臺,因此兩個特性缺一不可。眼下,人們依然喜歡與真人交流,而聊天機器人則會沿襲非社交媒體平臺那一套,突出個性化但卻缺乏社交屬性。 多數公司在聊天機器人的開發商都過於功利,它們忽視了人的需要,因此即使聊天機器人前期能聚攏人氣,後期也很難留住用戶。
  1. 在全世界資訊應用熱潮高漲的背景下,業內出現了許多誤導信號,許多人缺乏辨別能力,將寶都壓在了 AI 驅動的數位助手上。誠然,這些社交平臺滿足了功利主義和情感需求,但我們並不能從中推出聊天機器人崛起的信號。
  1. 與其他視覺解決方案相比,會話介面在完成任務上效率並不高。 不過,這種方式較為有趣,因此在人機互動領域已經流行了數十年。在某些情況下,會話介面確實效率挺高,但在大多數應用場景下它還是無法與其他方式相比擬。
  1. 當然,以上提到的原因並不涉及「AI 技術還不夠好」這個點,我們確實可以用現有技術做出許多有趣的聊天機器人,但最終用戶想不想用就是另一回事了。

深度學習不再高不可攀

深度學習現在也熱度頗高。對於這個名詞,恐怕有許多人根本不清楚它到底什麼意思,其實深度學習包含在機器學習之內,而機器學習則包含在 AI 之內。簡單來說,它能為許多重要問題提供自己的解答供用戶參考。

從 5 年前開始,大公司對收購深度學習新創公司的興趣開始超過收購 iOS 行動應用公司。隨後,一場針對深度學習,特別是計算視覺公司的收購大潮席捲而來,Google、Facebook、Twitter、Uber、微軟和 Salesforce 等公司為了爭奪先機,都打開了錢袋子瘋狂撒錢。

那麼既然深度學習技術這樣炙手可熱,為什麼要說它不再高不可攀呢?其實原因很簡單,因為市場供應量變大了。從 NIPS 2016 和會議數量來看, 深度學習已經不是什麼顯學,大家都在這方面有了大力投入,許多畢業生也都掌握了這一技能 ,而在四年前這是不可想像的。

當然,更為平價的只是深度學習,機器學習今年依舊奇貨可居,站在塔尖的機器學習人才依然是大公司高薪爭奪的焦點。2017 年,隨著二線科技公司和非科技公司(如底特律汽車公司)收購工作逐漸收尾,過去針對深度學習新創公司的收購大潮將平息下來。 今年還沒完成佈局的公司未來恐怕也不會花大價錢買買買了。

AI 成為創投眼中的清潔技術 2.0

根據 Wired 報導,曾經受捧的清潔技術(編按:泛指用於保護自然資源和環境的各項技術)最近經歷了泡沫破裂,AI 也在複製這條道路。

其實,清潔技術根本算不上一個市場,它更像一個橫切關注點。隨著氣候變化和可持續發展議題的火熱,自然會有公司想在這一領域幹出一番大事,橫切關注點不屬於商業思維,因為擁有商業思維的人更專注將產品或服務賣給那些有需求的顧客。特斯拉和 SolarCity 都是清潔技術催生的成功公司,但它們能獲得現在的地位是因為兩者都是全棧企業,它們不但有技術,還能拿出實實在在的產品供給實體市場。

不過,那些為了蹭清潔技術熱點的公司恐怕就沒那麼幸運了,因為它們並沒有從用戶需求出發,一家只負擔社會責任卻沒有用戶為中心思維的企業最多只能算一家慈善組織。簡單來說,不把用戶需求放在第一位,做什麼都是白費力。

同時,綠色能源也算不上市場,能源才是。太陽能現在最火熱,而且增長迅速。當巴菲特和馬斯克都在同一個市場爭食時,就意味著這裡有錢可掙。眼下,兩位億萬富翁都將可持續發展看作重大的任務,但同時他們也意識到 光投錢和喊口號是不管用的,想把這個市場做大,就必須把用戶放在第一位。 一個懷著可持續發展理想卻走著不可持續道路的公司不是很可笑嗎?

過去幾年裡,AI 行業也出現了許多理想主義者,他們不是用心去為 AI 尋找未來,而是天天擔心著機器人奪權後人類該怎麼辦。大家被濃霧遮住了眼睛,沒人管用戶需求和研究能否變現,只是開足了馬力狂奔。這種妄自尊大的人越多,AI 行業未來的出路就越窄。

清潔技術和 AI 都是技術密集型產業,對於新創公司和創投來說,判斷從事這兩個行業的公司是否有前途正變得越來越難。 因此,有的人看了幾篇論文,學了幾個術語,就能成為短暫的專家出門招搖撞騙了。

那麼這個問題為什麼會出現呢?

筆者認為,經濟資訊時代的來臨從根本上改變了我們在人類歷史上經歷的狂熱—恐怖的迴圈週期。閱讀了有關金融歷史和市場心理學的名著後,筆者發現新時代背景下, 社交活動和線上資訊擴展的加速創造了一種 self-heisenberging 效應,即在一個商業週期還沒正式開始前就將其提前釋放。 消費互聯網就是最典型的例子,與其配套的實體經濟還沒跟上時整個市場就發動了起來,這也是 90 年代互聯網泡沫的罪魁禍首。2002 年,Google(1998 年成立)殺了回來,它趁著經濟低谷拉來了大量人才,並重新定義了消費互聯網隱憂的商業週期。

《連線》雜誌給清潔技術判死刑後的四年裡,太陽能都是最清潔且最經濟的能源,馬斯克和巴菲特都非常看好它。收購了 SolarCity 的特斯拉現在也成了一個名副其實的全棧清潔技術帝國。

因此,筆者認為 AI 新創公司們也正在走上清潔技術的老路,它們眼中只有 AI,沒有用戶需求。

眼下,人工智慧新創公司大多數成了尋找釘子的大錘,這一趨勢未來 1-2 年內將越發明顯,大公司會不堪重負並開始減少對人工智慧人才的需求,就像現在移動應用開發商不受待見一樣。也許不久之後,一些創始人和風投就會開始意識到這一點。在領英上,那些要甩開膀子在 AI 領域大幹一場的新創公司會越來越少。

機器學習即服務(MLaaS)將迎來二次衰敗

把機器學習變成一項服務是個十年前就有的想法,不過,這個好想法卻一直不順。

究其原因,是因為知道機器學習在幹什麼的人都在使用開原始程式碼,而不知道的人怎麼卻不知道到底怎麼玩轉這項技術,即使是用了 API。

許多很聰明的人都被困在了這裡,因此許多人轉行進了大公司的機器學習團隊(包括 IBM 的 Alchemy API、英特爾的 Saffron、Salesforce 的 Metamind 等)。不過,在各路熱錢的吸引下,依然有大量開發者源源不斷的湧入。

亞馬遜、Google 和微軟在制定雲戰略時,則將 MLaaS 層當成了重要一環。不過,根據筆者的見聞,新創公司或大公司卻很少有人使用此類 API。

無論雲服務是來自大公司還是新創企業,其結局都不會有太大差別,今年它們都會變得搖擺不定。雲服務提供者會繼續保全這項業務,但從上面掙大錢肯定不太可能了。MLaaS 新創公司今年也會開始走下坡路,因為增長不再穩定 ,恐怕沒人願意在它們身上花大錢了。

MLaaS 新創公司面臨的問題很實際,它們的解決方案沒有進行客戶細分,無論客戶有沒有競爭力它們都一視同仁的服務。

對有機器學習能力的客戶來說,你需要機器學習人員幫忙打造成熟的機器學習模型,因為想完成良好的訓練和調試很困難。此外,這也需要理論和實踐相結合。這些機器學習人員趨於使用由 MLaaS 服務商提供的相同開源工具。因此,有機器學習能力的客戶就被自動排除在外了。

對於無機器學習能力的客戶,它們不會使用 API 來驅動機器學習,因此更傾向於直接購買應用來解決更高層次的問題,機器學習只是其中一個選項而已。畢竟只靠某個公司的實力,機器學習的技術水準很難有提升,而且想找到「資料產品」人才幫你找到問題根源並提供機器學習解決方案更難。

無機器學習能力的客戶細分需要建立強大的機器學習與資料產品團隊。是的,這意味著全球所有的產業都被包含在內。如果你認同「軟體正在吞噬世界」的理論,就意味著全球所有的公司或多或少都能自稱為科技公司。在成為資料公司的道路上,這一理論同樣適用。但事實上,類似 Google 和 Facebook 這樣的頂級科技公司在技術競爭力上已經將其他行業的頂級公司遠遠甩開。在用資料競爭的時代,這個差距會越來越大。

全棧型垂直 AI 新創公司走上正軌

筆者在 AI 領域工作已經快 20 年了,在我手中誕生的矽谷 AI 新創公司也有差不多 10 家了。同時,我還是 DCVC 風投公司的合作夥伴,這些經驗讓我能專注于全棧型垂直 AI 新創公司。

筆者對於自己的工作一直滿懷信心,因為我認為未來每個行業都會被 AI 所改變。其中,一些低水準的、基於任務的會被 AI 快速商品化。 如果你不能解決一個高級別的全堆疊問題,恐怕只能在低級別的 AI 服務市場混了,隨後等待你的命運就是被收購或倒閉。

垂直 AI 新創公司解決了需要專業知識、特殊的資料解決了全棧產業問題,並利用 AI 驅動的產品實現了核心價值主張。

雖然大多數機器學習人才在消費互聯網巨頭和其相關技術公司工作,大規模和時間緊迫的問題潛伏在科技行業外的每個主要公司中。如果你認同「軟體正在吞噬世界」的理論,就意味著全球所有的公司或多或少都需要成為科技公司。

當你將目光集中在垂直產業,就會找到高級別的用戶需求,這絕對是極好的商業機會,不過想抓住這些機會你必須有足夠的商業智慧和專業技能。 一般的 AI 新創公司很難做到,而且它們往往意識不到自己要做什麼業務和「提升堆疊」或「全棧」方面的專業知識。

新的全棧型垂直 AI 新創公司正在金融服務、生命科學、醫療保健、能源、交通運輸、重工業、農業和材料等產業不斷湧現出來。這些公司將解決由專有資料和機器學習模型驅動的高級別難題,成為擁有特斯拉和 SolarCity 地位的全棧型 AI 新創公司。

延伸閱讀

【CONNECT to Change】台灣工業 4.0 轉不動,如果企業經營者不丟棄成本思維
 【CONNECT to Change】台灣 FinTech 最大突破!台大 G-Coin 為台灣尋找下一產業契機 

【下一波創業浪潮:人工智慧】走過發展黑暗期,人工智慧新創團隊五年暴增 10 倍
2017 年 6 大科技趨勢預測:人工智慧、雲端平台、區塊鏈是發展關鍵
AI 不再只是大企業的玩具,李飛飛要用 Google Cloud 把人工智慧送進千家萬戶

(本文經合作夥伴雷鋒網授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈今年什麼樣的 AI 新創公司值得關注?讓這五大預測給你答案 〉。首圖來源:Pixabay,CC Licensed)


確保台灣半導體優勢!

掌握世界變局下的半導體創新商機 馬上報名 12/8《2019 未來科技展 , 台積電、ARM 講者同步分享!

點關鍵字看更多相關文章: