人們很可能認為AI的應(yīng)用受限于AI技術(shù)本身的發(fā)展。如今，機器人醫(yī)生，技術(shù)奇點等話題占據(jù)各大新聞頭條，這使我們心中忐忑不安，對AI充滿了恐懼和懷疑。然而，實際上，有著幾十年發(fā)展歷史的AI技術(shù)可以釋放出巨大的價值，但許多公司還沒有采用這些技術(shù)。因為在應(yīng)用AI技術(shù)之前需要考慮AI是否可信和使用過程中存在的風(fēng)險。仔細考慮這些問題，初創(chuàng)公司才能找準AI的發(fā)展方向，把握住AI帶來的機遇。

日常生活中或者工作流程中微不足道的AI應(yīng)用讓我們建立起對AI的信任。例如，機器學(xué)習(xí)算法督促我們每天都要重新訪問被遺忘的購物車。AI軟件將銷售和營銷工作變得更加容易。此外，有位核電廠經(jīng)理還曾構(gòu)想，如何在沒有嚴格監(jiān)控的情況下，利用巢恒溫器技術(shù)安全地自動運作發(fā)電廠的風(fēng)險管理程序。

這條曲線預(yù)測AI在消費領(lǐng)域中的應(yīng)用將發(fā)展成AI增強應(yīng)用程序，然后是應(yīng)用程序，最后是AI驅(qū)動應(yīng)用程序。

消費領(lǐng)域中的AI

十多年來，我們在消費領(lǐng)域中體驗了大量AI應(yīng)用程序。AI帶來的好處很多，并且預(yù)測錯誤的概率很低。一些知名的AI消費應(yīng)用程序包括Google的PageRank和推薦搜索，亞馬遜的產(chǎn)品推薦以及Netflix的內(nèi)容推薦。及時向消費者推薦合適的產(chǎn)品會給公司來豐厚的利益。就算推薦的產(chǎn)品不合消費者的心意，消費者頂多一笑而過。

AI增強的工作流解決方案

企業(yè)主要將AI應(yīng)用于低風(fēng)險，高回報的領(lǐng)域并且收效頗豐。產(chǎn)品本身具有架構(gòu)，因此可以將AI應(yīng)用于工作流的上層應(yīng)用程序。這些程序沒有AI也能運行良好。因此，我們稱這些應(yīng)用程序為“AI增強”。

Zetta的合作伙伴Constructor.io是一家AI增強公司。Constructor用機器學(xué)習(xí)自動填充搜索框和搜索結(jié)果。該算法可以總結(jié)出網(wǎng)站訪問者最常點擊的搜索結(jié)果，并對搜索結(jié)果的點擊量進行排名。這個動態(tài)排名將Constructor的電子商務(wù)客戶的轉(zhuǎn)化率從2％增加到20％。如果機器學(xué)習(xí)完全罷工，網(wǎng)站的搜索功能仍然可以正常運行。

其他AI增強工作流公司包括InsideSales（AI增強CRM），Lilt（AI增強企業(yè)翻譯）和Teem（AI增強辦公室管理）。

以AI為中心的應(yīng)用程序

AI生態(tài)系統(tǒng)正在轉(zhuǎn)變成以AI為中心而構(gòu)建的應(yīng)用程序。我們稱之為“以AI為中心的應(yīng)用程序”。

Zetta的合作伙伴公司Tractable就是一個很好的例子。Tractable使用基于深度學(xué)習(xí)的計算機視覺來檢查車禍后車輛的損毀情況。像人類檢查員一樣，該系統(tǒng)能夠評估車輛損壞程度，并確定損壞部分是否應(yīng)該修理或更換。計算機視覺元素是這個應(yīng)用程序的核心，如果AI不起作用，該系統(tǒng)將為其客戶提供有限的服務(wù)。也就是說，如果該系統(tǒng)的評估出錯，不會造成人身傷害，因為修理師可能會直接無視該系統(tǒng)給予的建議。

其他以AI為中心的公司包括x.ai（通過電子郵件自動預(yù)約），F(xiàn)alkonry（預(yù)測工業(yè)設(shè)備的維護和修理情況）以及FocalSystems（零售庫存跟蹤和補貨）。

AI驅(qū)動的應(yīng)用程序

我們現(xiàn)在處于風(fēng)險曲線下一個階段的開始階段。我們稱之為“AI驅(qū)動的應(yīng)用程序”。

例如，Invenia是因為AI才能實現(xiàn)。該公司建立的模型可以預(yù)測電力需求和供應(yīng)的關(guān)系。Invenia收集了大量的有關(guān)電網(wǎng)運行，能源使用，天氣等的數(shù)據(jù)，并進行電力系統(tǒng)的物理模擬，建立能源使用的預(yù)測模型。這也是該公司的盈利模式。這種模型可以幫助獨立系統(tǒng)運營商（ISO）防止停電和耗費過多的能源。能源系統(tǒng)非常復(fù)雜，我們需要機器學(xué)習(xí)來創(chuàng)建精確的模型。

道德規(guī)范可以用來保證全世界所有人的生活質(zhì)量。隨著人口的增加和資源的減少，這是不夠的。但是，機器學(xué)習(xí)在解決復(fù)雜的優(yōu)化問題上十分有效。但利用概率法來解決諸如能量分配，醫(yī)療保健系統(tǒng)或食品生產(chǎn)等社會問題也有很大的風(fēng)險。然而，只要我們能建立起可信的AI系統(tǒng)，隨著機器學(xué)習(xí)技術(shù)的進步，這一點終將實現(xiàn)。