80电影天堂网,欢乐斗地主经典老版,精品人妻无码一区二区三区三级,中国xxxxxl19免费视频

　　在人工智能領域內的一系列突破點燃了無限商機，大公司希望抓住機遇來加強現有職位，小公司希望借助新技術來提升市場領先地位。作為FirstMark的投資者，Matt Turck已經看到機器學習領域內的初創正在躍躍欲試。Matt Turck曾任Bloomberg Ventures常務董事，現為FirstMark Capital合伙人。

　　以下是Matt Turck對于機器學習型初創公司發展模式的討論，哪些是推動生態系統發展的原因，以及為什么它們看起來與之前的SaaS初創公司不同。

　　Matt：我是紐約風投公司FirstMark的合伙人，FirstMakr管理著61億美元的資金，已經成為紐約市最大的早期投資創業公司。作為投資者，我雖然對很多事情感興趣，但我重點關注的領域有兩個。
　　第一個是“數據領域”，包括大數據、機器學習和人工智能公司，以及將大數據視為護城河的初創公司，如ActionIQ、Dataiku、x.ai、Sense360和HyperScience這樣的公司，我很熱衷于投資于這樣的企業，并時常在博客上討論這些話題。與此同時，我還運營著一個有著14000名大數據和AI愛好者的社區——Data Driven NYC。
　　第二是“前沿科技領域”，包括新型計算平臺、VR/AR、物聯網以及你所能想到的所有流行新事物。同樣地，我也會在個人博客上討論，并運營著一個超過5000人的社區Hardwired NYC。
1、現在確實是投資AI的最佳時機
　　我是以數據分析師這個角色進入科技行業的。我是一家搜索引擎初創公司的聯合創始人，我們用貝葉斯理論（一種機器學習方法）來進行問題搜索和檢索。
　　實際上，機器學習已經存在于創投領域很多年了。但近年來，因為大數據的出現這個領域變得有趣了許多。大數據技術以合理的成本和速度捕獲和處理大量數據。另一方面，它同時加快了機器學習的發展速度，特別是需要大量數據工作的領域，如神經網絡。

　　現在正是投資該領域的最佳時機。在我看來，人工智能確實很熱。

2、營銷蓋過現實：IBM可能在兌現承諾方面做得最差
　　很大程度上，正是因為他們的營銷機制和雄心勃勃讓他們陷入了一個尷尬的境地：承諾太多，同時間投入在多個領域難以得到市場的滿意回饋。據說，只要你愿意花幾個月的時間和大量的金錢去訓練IBM Waston，你就能用它來實現有趣的事情。但是，很明顯，這有些言過其實了。
　　他們會發現，在每個垂直領域的競爭上都十分激烈。據我了解，他們正在損失大量交易，通常是敗給那些更為專注、靈活的小公司。
3、人才是核心，而創業公司距離人才更近

　　創業生態系統的導向和市場收購動作有著直接聯系。因為創業公司距離機器學習領域的人才更近，而目前來看，這個因素是該行業的決定性條件。

4、沒有大數據對創業公司的影響并沒有想象中大
　　行業里最敏銳的人正在致力于減少神經網絡對大數據的依賴，這是未來的一個方向
　　眾所周知，專有數據是模型訓練的關鍵，這使得創業公司和大公司相比會處于劣勢，但是這同時也會讓他們具備更多創造性，讓資源變得豐富。
　　從技術角度來說，當下該行業中最敏銳的人（不僅僅是初創公司里的人）正在致力于讓神經網絡在數據量較少的情況下發揮作用。在可以看得到的未來里，這將是這個行業前進的方向。
　　幾家我很熟悉創業公司已經取得了一些真正的進展，并在遷移學習方面做了一些有趣的事情。話雖如此，這似乎還是一個特別棘手的問題，所以還需要些時間。
　　同時，創業公司也正在尋找多種的方法獲得他們所需要的大型數據集。例如醫學成像領域的人工智能公司，他們中的一些人在與特定醫院建立了合作后，能安全地訪問一些特定的放射影像數據庫。在保險、工業機械、農業等領域也同樣如此。
　　另外，獲取數據只是挑戰的中一部分，你還需要給它貼上標簽，以便深入學習。一些創業公司在世界各地雇傭了一大批人，用Mechanical Turk（Amazon旗下的公司，網絡交易平臺）的套路來給他們的數據貼上標簽。

　　我還看到其他一些創企聘請了一些行業專家來給特定類型的數據貼上標簽，比如一個外科醫生精英組給最復雜的醫療圖像數據集貼標簽。

5、理論上，任何人都能收集到足夠多的數據，形成馬太效應
　　理論上，任何人都能從多個用戶那里收集到足夠多的數據，在集合數據集上運行算法，并將學習反饋給每個客戶的機器學習企業這些都可以從數據網絡效應中受益。
　　以x.ai項目為例，人工智能助手安排的會議越多，得到的數據也就越多，算法隨即變得越聰明。算法越智能，體驗也就越好。反過來，體驗越好，人們也就會更愿意使用x.ai來安排會議，從而x.ai就能獲得更多的數據。如此良性循環下去。這便是數據網絡效應。
　　這種效應的奇妙之處適用于很多創業公司，從像x.ai幫助人們安排會議的公司，再到像Phosphorous幫助醫院經營基因檢測實驗室的公司都能適用。
　　在B2B模式背景下，通常不會輕易受到數據聚集帶來的馬太效應影響，因為企業都很注重對數據的保護，比較抗拒把自家數據和所在行業其他公司的數據摻糅在一起。

　　另一方面，數據集造成的門檻問題也將在一定程度上得到解決。谷歌搜索在幾個月前發表了一份關于聯合學習的文章，文章的想法是：在不實際收集數據的情況下支持協作式機器學習。這就可以解決所有關于數據隱私的擔心，充分利用各類數據網絡效應了。

　　不管怎樣，數據網絡效應的影響要幾年才能發揮出來。創企要建立客戶基礎來收集足夠的數據，這才能讓他們的模型進行學習。不過，一旦完成，企業就會形成較強的競爭力。
6、人工智能創業不是簡簡單單4、5個人就能搞定的事
　　我認為，大多數的人工智能創企最終都會趨同。例如，由于不同行業的特點、客戶規模、價格等，面臨著多種不同的市場策略供創業者選擇，然而這些公司最后將會變得和軟件或SaaS公司類似。但是，我們還遠未達到那種程度。現在，建立機器學習產品還需要大量的研發，訓練算法需要大量的時間、精力、技術資源以及數據。
　　比較常見的情況是，AI創業團隊以大額預算來追求大體量客戶，自上而下銷售產品，基本上遵循合作策略。即在早期，與少數客戶建立緊密合作的基礎上，盡可能多地迭代產品。基于大量服務來解決客戶問題的模式，以達到在工作中構建軟件的目的，積累可重復使用的案例，再將其服務轉化為產品。模式穩固，但銷售周期比較長。
　　但這個階段只是暫時的。隨著機器學習的大眾化和開源化，我們能得到更多的開源數據集和算法、更多訓練有素的工程師。未來，機器學習的初創企業會像其他領域的公司一樣變得多元化。
7、AI型創業公司必須提供10倍產能
　　投資人是否會將人工智能創業公司視為收購標的，或者是否看好這些創業企業發展為大型獨立公司？

　　考慮到風險投資的經濟效益，后者的可能性更大。近年來，大公司收購各種小型AI公司的確形成了一股潮流。但這種現象背后的原因在于，人們堅信AI的美好未來，并且機器學習領域的人才稀缺。所以，有機會近距離接觸研究實驗室的公司可能獲得相當可觀的投資。不過，這種情況正在減少。

　　這就是為什么像我這樣的投資者對垂直人工智能創企會如此感興趣。在垂直領域方面，創企的專注度更高，而且他們的服務和產品能夠有別于大公司。當大公司嗅到商業氣味的時候，創企已經能取得不小的成就。
　　只要找準定位，人工智能可以成為真正的差異化因素。AI技術確實會對產品性能產生巨大影響，能夠提供比現有質量好上10倍的產品。

　　不論你是創業者還是投資人，目的都是利用下一個市場拐點來獲得發展。幾年前，這個拐點是SaaS，現在是人工智能。當然，這個時間窗口終究會結束。但是，現在很多的人工智能企業都有機會成為這一行業的領軍人。

　　【新零售行業峰會來襲！】2016年馬云在云棲大會上首提“新零售”，自此“新零售”已成為當下電商界最熱詞，各電商大佬反復提到“線上線下融合”。如今，無人便利店、無人貨架等模式也上升至新的風口，入局者蜂擁而至……

　　從舊到新，從傳統到智能，零售經歷著種種變化。對于企業來說，如何做到真正的落地執行？怎樣借力實現銷量和渠道的裂變？現場演講嘉賓將在峰會上碰撞出精彩的火花，這將是一場新零售思想的盛宴。