機器學習領域的創業機會有哪些？投資人帶你一文看盡

編者按：Medha Agarwal是Redpoint Ventures的一位投資人。 在本文中， 他首先列舉了判定機器學習行業創業者是否成功的四個因素， 接著介紹了未來機器學習迅猛發展的幾大領域， 最後講出了自己對於機器學習行業的顧慮。 一篇文章， 涵蓋了機器學習在各領域發展的全部趨勢。 以下是正文。

最近機器學習成了熱門話題。 我們熱捧這個話題的理由很充分， 因為它有改變整個行業市場的潛力。 但是， 現在也有很多關於機器學習的炒作。 作為投資人， 我將從四個角度來劃定誰才是機器學習行業的成功創業者：

1.大型市場的具體用例。

成功的機器學習創業公司， 將把目標放在明確需要技術的縱向應用上。 消費性包裝品產業是一個很好的例子。 機器學習可以更準確地預告庫存情況， 從而可以更好地管理供應鏈、降低庫存成本、最大限度地減少過剩產能需求， 且並不會讓缺貨的情況再發生。 根據埃森哲（Accenture）的研究， 機器學習可以使交付時間提高4.25倍， 供應鏈效率提高2.6倍。

2.關注人類重複性勞動的區域。 明顯的人工干預， 意味著這裡存在利用複雜預測演算法進行優化的真正機會。 在上面所說的供應鏈示例中， 今天的分析師會根據一些歷史資料和直覺來預估庫存需求。 但是， 利用生產時間、銷售率和其他的一些資料， 機器學習可以更準確地預測未來的需求。

3.可用于預測的大量資料。 創業公司需要訪問大量的資料來有效地訓練機器學習模型。 有兩類創業公司可以取勝。 一種是能夠與大型、穩定的公司合作以利用他們的資料來學習的公司。 另一種是能夠創建一個吸引使用者輸入使用者資料的產品的公司。

4.網路效應和防禦性。 演算法是開源的， 這使得專利資料具有任務獨特性。 對系統的輸入和回饋提高將提高機器學習的精確性並能使其獨自操作。 例如， Facebook的照片標記演算法就可以使照片中的人接受或拒絕被選中。 因此， 應該鼓勵人們對產品進行預測並提出建議。

可投資領域

這裡有一些類似的領域， 我相信機器學習能延伸到到以下領域：

醫學診斷和計算生物學。

機器學習將改善整個醫療價值鏈的成果、並降低其成本。 它改善診斷方式， 減少錯誤和簡化藥物開發過程的潛力是非常令人興奮的。 患者資料可用于疾病的早期診斷和個性化的治療。 製藥和生物技術公司可以使用計算方法快速有效地發現比目前市場上更有效的新藥。

供應鏈。 機器學習可以改善供應鏈的幾個方面， 包括需求預測、市場趨勢、貿易促銷和新產品。 現在的公司很難評估不斷變化的市場模式和波動趨勢， 因而不能為業務決策提供有效資訊， 也無法準確預測未來趨勢。

製造業。 工業物聯網是一個擁有大約120億美元的市場， 目前還沒有開始運用機器學習。 Genpact對全球173位元高管的調查結果顯示， 只有25％的人擁有物聯網戰略，

並且只有24％的人對戰略執行的結果感到滿意。 這些高管正在尋找機器學習解決方案， 以減少庫存、提高產量和成品級別， 達到節約成本及獲得利潤的目標。

合規性。 管理金融機構的合規性， 這裡存在著一個巨大的市場。 自2008年以來， 僅摩根大通就已經支付了360億美元的結算金額和罰金， 並雇用了8000名員工來管理和控制。 對於那些必須遵守審計與合規性法規的銀行或類似的公司而言， 機器學習可以加強客戶和員工間的聯繫。

語音在企業。 雖然語音服務是業務流程的關鍵組成部分， 但是語音分析的複雜性使得語音處於機器學習趨勢的週邊。 來自NewVoiceMedia的2013年研究報告稱， 由於呼叫中心效率低下導致的年損失金額為410億美元。

每年有240萬內部銷售代表進行著數百萬小時的對話。 所以很明顯， 在呼叫中心、會議、銷售和行銷方向的自動化流程中， 機器學習有很大的機會佔領市場。

保險。 保險是一個龐大且範圍廣泛的類別。 機器學習可以幫助保險公司以更低的成本提供更有針對性的產品。 例如， 汽車保險公司可以使用駕駛經歷及其他行為資料來單獨收取額外費用或使用更好的欺詐檢測產品來降低其總體成本結構。 諮詢公司KPMG將機器學習描述為保險業的“重要的政策改變者”。

個人財務。 新資料和分段模型使得以前千禧一代不可用或不期望的金融產品（例如信用產品）變得可用。 此外， 智慧自動化系統通過追蹤行為， 降低了產品為消費者提供個性化建議的成本。並能根據客戶的偏好和目標，為其提供建議。 Erin Shipley和TX Zhou在Techcrunch撰寫了一篇關於人工智慧對財務的影響的偉大作品。文章指出，通過基於用戶行為得出的個性化推薦，人工智慧可以對個人財務產生影響，如改善用戶財務狀況，提高用戶財務知識水準等。

個性化教育。傳統教育的弊端是，教師必須為整個班級制定一個標準課程，儘管學生有著不同的理解水準和不同的學習風格。如果公司利用資料説明家長和學校發現問題領域，為每個學生制定個性化課程和學習節奏，並根據每個學生不同的問題和風格提供量身定制的學習計畫，這樣下去會發生什麼呢？這不僅會改變美國的教育狀況，它也提供了一個重要的經濟機遇。截至2013年，美國每年用於公共教育的花費為620億美元，有5000萬學生在公立學校就讀。

我不感興趣的公司是什麼樣的？

雖然我對上述機會領域很有興趣，但我對很多湧現出的公司沒有興趣。

只搞“人工智慧”得公司。人工智慧和機器學習永遠不是最終目標。它只是通過技術來實現人類最終目標的具體例子。

聊天機器人。目前技術還不夠先進，聊天機器人無法為我們提供普通聊天所帶來的愉悅。

翻譯來自：蟲洞翻翻 譯者ID：王煒 編輯：郝鵬程

降低了產品為消費者提供個性化建議的成本。並能根據客戶的偏好和目標，為其提供建議。 Erin Shipley和TX Zhou在Techcrunch撰寫了一篇關於人工智慧對財務的影響的偉大作品。文章指出，通過基於用戶行為得出的個性化推薦，人工智慧可以對個人財務產生影響，如改善用戶財務狀況，提高用戶財務知識水準等。

個性化教育。傳統教育的弊端是，教師必須為整個班級制定一個標準課程，儘管學生有著不同的理解水準和不同的學習風格。如果公司利用資料説明家長和學校發現問題領域，為每個學生制定個性化課程和學習節奏，並根據每個學生不同的問題和風格提供量身定制的學習計畫，這樣下去會發生什麼呢？這不僅會改變美國的教育狀況，它也提供了一個重要的經濟機遇。截至2013年，美國每年用於公共教育的花費為620億美元，有5000萬學生在公立學校就讀。

我不感興趣的公司是什麼樣的？

雖然我對上述機會領域很有興趣，但我對很多湧現出的公司沒有興趣。

只搞“人工智慧”得公司。人工智慧和機器學習永遠不是最終目標。它只是通過技術來實現人類最終目標的具體例子。

聊天機器人。目前技術還不夠先進，聊天機器人無法為我們提供普通聊天所帶來的愉悅。

翻譯來自：蟲洞翻翻 譯者ID：王煒 編輯：郝鵬程