企業(yè)工作需要的不僅僅是技術(shù)。事實(shí)上，除了管理該組織的人類之外，最寶貴的資源之一是為增長提供資金的資本。在創(chuàng)新邊緣的領(lǐng)域，尤其是人工智能領(lǐng)域，這一資本被用來證明現(xiàn)有技術(shù)能夠推動(dòng)真正的商業(yè)回報(bào)，并推動(dòng)最先進(jìn)的技術(shù)，以現(xiàn)在不可能的方式推動(dòng)技術(shù)發(fā)展。

因此，毫不奇怪，技術(shù)，制造和資本交叉的主要公司正在看到人工智能的重要可能性，并投入時(shí)間和資源來推動(dòng)AI的能力。在最近的AI Today播客采訪中，BMW iVentures的Sam Huang分享了該公司如何接近人工智能以及它在哪里看到投資AI未來的可能性。

人工智能投資

BMW iVentures專注于投資那些處于創(chuàng)造滿足現(xiàn)有業(yè)務(wù)需求的新技術(shù)和有趣技術(shù)前沿的公司。具體而言，風(fēng)險(xiǎn)基金專注于投資那些直接或間接支持汽車生態(tài)系統(tǒng)發(fā)展的技術(shù)的公司。該基金積極投資于為自動(dòng)駕駛汽車設(shè)計(jì)AI功能的初創(chuàng)公司，可以幫助提供服務(wù)的智能系統(tǒng)，或者可能以某種方式創(chuàng)新汽車行業(yè)流程，以及與運(yùn)輸相關(guān)的各種技術(shù)。該基金甚至投資智能系統(tǒng)，旨在幫助尋找汽車保險(xiǎn)，幫助客戶找到他們的夢(mèng)想汽車，以及基本上任何適合行業(yè)需求的有趣系統(tǒng)。

在評(píng)估如何投資AI公司時(shí)，該基金基本上會(huì)看到兩類AI相關(guān)公司。第一類是通用AI公司，它們是具有有趣的AI技術(shù)的公司，可以滿足多種需求和環(huán)境，無論是否與汽車行業(yè)相關(guān)。這些一般關(guān)注的人工智能公司是一項(xiàng)很好的投資，因?yàn)樗鼈兘鉀Q了大多數(shù)尋求解決人工智能需求的公司所面臨的一般挑戰(zhàn)，并且還提供了特定領(lǐng)域解決方這些產(chǎn)品專注于適應(yīng)各種AI需求的自適應(yīng)技術(shù)。

第二類AI投資是應(yīng)用AI公司，這些公司是提供與特定應(yīng)用需求相關(guān)的行業(yè)或領(lǐng)域特定AI解決方案的公司。應(yīng)用AI公司是最多樣化的投資機(jī)會(huì)之一，可以提供顯著的回報(bào)，因?yàn)樗麄円呀?jīng)知道他們將要解決的問題并且擁有一個(gè)專注的市場(chǎng)。其中一些解決方案專注于汽車和運(yùn)輸行業(yè)，而其他解決方案則專注于保險(xiǎn)或金融方面。其他針對(duì)特定領(lǐng)域的AI公司正在應(yīng)用他們的解決方案來識(shí)別欺詐實(shí)例或簡(jiǎn)化可由軟件或硬件機(jī)器人處理的流程。

這些應(yīng)用AI公司的一次性拍攝是創(chuàng)業(yè)公司，它們不一定將公司建立為AI公司，而是利用AI技術(shù)使其特定領(lǐng)域的解決方案更強(qiáng)大，更快速，更智能，更高效。其中一些創(chuàng)業(yè)公司正在利用機(jī)器學(xué)習(xí)和人工智能的其他方面來分析大數(shù)據(jù)，從信息中提取更多價(jià)值。這些人工智能系統(tǒng)可以處理大量數(shù)據(jù)，并提供更深入的洞察力和價(jià)值，而不僅僅是簡(jiǎn)單的信息分析。

觀察AI采用的模式

在采訪中，黃女士講述了她在人工智能采用方面觀察到的一些有趣模式。BMW iVentures所看到和投資的公司主要使用人工智能專注于簡(jiǎn)化工作流程，優(yōu)化流程和降低總體成本。由于AI具有分析復(fù)雜數(shù)據(jù)集和快速識(shí)別數(shù)據(jù)模式的能力，因此它可以提供快速結(jié)果并識(shí)別非常具體的需求或環(huán)境，而不必依賴于需要嘗試處理超出其可靠依賴性的人員團(tuán)隊(duì)。AI已經(jīng)設(shè)法通過提供定制的客戶互動(dòng)和確定客戶需求來確定有助于創(chuàng)新公司業(yè)務(wù)方式的趨勢(shì)。與數(shù)據(jù)最大的斗爭(zhēng)，特別是在汽車行業(yè)中，獲取客戶反饋并將其轉(zhuǎn)化為未來產(chǎn)品的實(shí)際過程可能需要數(shù)年時(shí)間才能確保所引用的數(shù)據(jù)仍然相關(guān)。人工智能技術(shù)旨在提高分析數(shù)據(jù)的速度，從而使未來的設(shè)計(jì)比以前更早開始。

人工智能設(shè)計(jì)和大數(shù)據(jù)分析最大的問題是必須教授系統(tǒng)。機(jī)器學(xué)習(xí)系統(tǒng)，特別是那些使用監(jiān)督學(xué)習(xí)方法的系統(tǒng)，依賴于來自可靠數(shù)據(jù)集的干凈，標(biāo)記良好的數(shù)據(jù)提供有價(jià)值和可預(yù)測(cè)的學(xué)習(xí)成果。雖然人類具有識(shí)別數(shù)據(jù)中的模式或異常的認(rèn)知能力，但機(jī)器學(xué)習(xí)算法完全依賴于數(shù)據(jù)的質(zhì)量來創(chuàng)建可用于未來未知數(shù)據(jù)的可靠模型。這意味著如果機(jī)器學(xué)習(xí)系統(tǒng)輸入錯(cuò)誤或不正確的數(shù)據(jù)，則生成的輸出模型本身就存在缺陷。在數(shù)據(jù)源有限或數(shù)據(jù)收集不良且數(shù)據(jù)錯(cuò)誤，不一致，不準(zhǔn)確或數(shù)據(jù)丟失的情況下，這可能會(huì)出現(xiàn)問題。

這種對(duì)可靠，清潔數(shù)據(jù)的需求對(duì)于自動(dòng)駕駛汽車和自動(dòng)駕駛汽車尤其重要且依賴于這些模型能夠在沒有人類交互的情況下成功運(yùn)行。在自動(dòng)駕駛汽車的情況下，必須在系統(tǒng)產(chǎn)生準(zhǔn)確輸出之前必須輸入的數(shù)據(jù)量是廣泛的，并且收集，清潔和標(biāo)記可能非常耗時(shí)。這種對(duì)質(zhì)量培訓(xùn)數(shù)據(jù)的前期需求減緩了自動(dòng)駕駛系統(tǒng)的開發(fā)，測(cè)試和質(zhì)量控制工作。BMW iVentures認(rèn)為有必要繼續(xù)投資技術(shù)和解決方案，以滿足數(shù)據(jù)質(zhì)量需求和進(jìn)一步優(yōu)化培訓(xùn)流程的方法。

無論您從事什么行業(yè)，未來都將充滿人工智能技術(shù)，專注于實(shí)施積極變革并取得更好的成果。系統(tǒng)學(xué)習(xí)流程和分析復(fù)雜數(shù)據(jù)源的能力只會(huì)隨著時(shí)間的推移繼續(xù)創(chuàng)造更好，更相關(guān)的結(jié)果。人工智能可以適應(yīng)各個(gè)行業(yè)的需求，無論是以機(jī)器人的形式幫助組織滿足其客戶服務(wù)需求，自動(dòng)駕駛車輛還是提供下一級(jí)生產(chǎn)力和性能所需的智能自動(dòng)化應(yīng)用程序進(jìn)入下一級(jí)數(shù)字化轉(zhuǎn)型。作為一個(gè)投資領(lǐng)域，人工智能繼續(xù)充滿機(jī)遇。