编译/扣扣
编者注：作者Nathan Benaich就职于早期风投Playfair Capital。本文是他在伦敦Re.Work大会深度学习讨论时的发言，由猎云网精选编译。
为什么现在出现 人工智能 的投资热潮
我坚信， 人工智能 是如今最激动人心和最具变革性的机遇，我这么说并非空穴来风。
根据KPCB的报告，全球范围内约有20亿手机用户，其中有40%的手机联网。这意味着我们现在正创造出前所未有的 大数据 。
随着计算和存储的成本大幅下降，数据处理器的计算能力显著增长。我们已经看到了在学习方法、架构、软件基础设施等方面的进步。创新的步伐不断加速，以至于我们无法准确预测未来的发展态势。
如今各种 人工智能 驱动产品琳琅满目，在搜索引擎、电商/音乐推荐系统、在线广告以及金融服务等方面表现抢眼。研发 人工智能 的企业给其他人提供了跟风以及冒险争夺 人工智能 行业一席之地的动力。因此，研发团队对于 人工智能 有了更好的理解，并配备了更好的工具，为大范围日益复杂的任务建立学习系统。
人工智能 技术在市场上的表现
数量庞大的信息被禁锢在企业内部无数的“数据孤岛（data silos）”中。
试想，如果有办法让这些数据之间建立起某种联系，就能找到一个全盘观察复杂问题的角度，从该角度出发的洞察力可以实时判断并作出更多预测。
利用企业所在领域的专长，用 人工智能 科技 的帮助提供专注、高附加值和可复制的解决方案，这将会弥补人类的短板。比如，在线欺诈检测公司SiftScience和Ravelin、个人贷款创业公司ZestFinance和Kreditech解决了人类社会中存在的棘手问题，在分析新的欺诈手段和贷款申请文件时用 人工智能 做出正确的判断。
你是否开发出过满足更广泛市场需求的新型 机器学习 或深度学习架构呢？
你是否可以将新的工具和技术移植到市场上现有的成熟产品中，并提供给终端客户呢？
据调查，知识工作者因重复机械工作，导致低效率和出错。因此，可以通过结构化的工作流（可量化的工作产出），自动化利用情景决策来帮助他们。
关注长远发展和专注研究需要面临一定的风险，可能只能在学术上有所作为（受到严格预算限制）。
但我认为大家更需要关注大公司相继发布的开源技术，例如谷歌、IBM、微软等推出的大量低价产品，这表明技术壁垒正在被快速消除。
从投资人的角度看： 人工智能 领域的创业者面临哪些困难
运营
你是想采用长期的研发计划还是短期的盈利策略呢？
尽管越来越多的产品类型和产品框架正在发布，但投资人仍然会关注产品性能的实用性。记住，用户才是产品的最终评判者，是公司真正的竞争对手。
复合型人才过于缺乏。那么你该如何招募更多优质人才并让他们安心工作呢？
你需要在早期就思考如何平衡产品研发和设计间的关系。如果事后才考虑如何增加美感，就好像给一头猪涂口红，涂了之后猪还是猪。瞎折腾！
大多数 人工智能 系统需要有用数据，早期你又该怎样引导这些数据呢？
商业化
人工智能 产品在市场上还是新鲜事物。你所面临的客户，可能是什么都不懂的 科技 小白，所以，你必须精心设计整个销售循环里的步骤。
问自己：你要通过什么方式销售你的产品？
财务
哪种类型的投资者能最客观评价你的业务呢？
你觉得什么是有价值的？MVP？媒体报道？还是开源社区的用户？
是应该专注核心产品开发还是根据客户需求变化不断调整产品呢？
融资时要有一个缓冲期来确保在上市前已达到一个至关重要的里程碑。
以用户在环（user-in-the-loop）为基础
在 人工智能 的产品中，有两个重要因素使得用户需参与进来：
1. 机器不能概括人类认知。我们需要用户调试，进一步完善机器；
2. 用户有很多同类软件产品可供选择。因此，他们往往是善变的（平均90天保留同一款应用的用户只占35%）。满足用户预期值关键是要形成用户习惯。
我认为通过解释机器生成结果的方式，我们可以更进一步发展。这些互动能提升系统性能，鼓励用户长期使用和投资。但切记，对于不了解的事物，我们不能完全信任。
人工智能 领域的投资现状
为了搞清楚这个问题，首先，我们先审视一下全球投资市常
在2015年前三个季度，共有472亿美元的投资，预计年底会达到550亿美元。大约900家公司致力于 人工智能 领域，其中大部分是为了解决商业智能问题和金融 安全 。
从2015年1月1日到2015年12月1日，我们预计约有300笔 人工智能 公司的投资，其产品或技术涉及到 人工智能 、 机器学习 、计算机视觉、 自然语言 处理、数据科学、 神经网络 、深度学习等方面。
值得一提的是：80%的投资少于500万美元；90%的现金投资发生在美国，欧洲只占13%；75%的多轮融资发生在美国。
