<address id="lh97b"></address><address id="lh97b"></address>
        <sub id="lh97b"></sub>

                    永利娛樂

                    時間:2019-09-29 13:32:47 作者:admin 熱度:99℃

                    永利娛樂本文轉自 融中財經作者 | 斐典

                    如此巨大的“風口”,資本當然不可錯過——以2012年為起點,各路投資人開始蜂擁涌入AI賽道。 ? 首先進場的是互聯網巨頭。Google、Facebook等公司開始大舉掃貨,不惜重金購入深度學習領域的頭部學者——比如那個來自多倫多大學的獲獎團隊很快注冊了一家公司,2013年就被Google斥資5000萬美金收購;半年之后Google 相冊就有了搜索能力,緊接著Google就可以從自家拍攝的街景圖像中識別每家每戶的門牌號碼了。 ? 另一方面,VCPE們也不甘示弱,熱錢洶涌之下,大批深度學習領域中的專家開始在風險資本的支持下自主創業,而這其中也不乏一些卓越的華人科學家。 ? 2012 年,正在 MIT 實驗室擔任博士后研究員的朱瓏,在UCLA 視覺識別與機器學習中心主任、導師Alan Yuille教授的支持下回國,并拉上自己的好友、ACM全球大學生程序設計競賽冠軍林晨曦,共同創辦了依圖科技。2年之后,在香港中文大學任教的湯曉鷗教授扔下教鞭,與自己的得意門生徐立一起成立了商湯科技。 ? 同樣是在那一年,自稱“環顧四周,沒看到一個對手”的格靈深瞳開始登上各大媒體的頭版;據說其投資人徐小平和沈南鵬曾就格靈深瞳未來的市值應該是“1000億美元還是5000億美元”展開過激烈爭論——最后雙方“妥協在3000億美元這個中間數上。” ? 據烏鎮智庫發布的《全球人工智能發展報告》顯示,僅2012年到2016年,全球人工智能企業就新增5154家,融資規模達224億美元,占2000到2016年累積融資規模的;其中,光2016一年的融資規模就達到了億美元,是2012年的近6倍,相當于2000年到2013年13年間總融資額之和。 ? 在大批投資人看來,人工智能是繼蒸汽機、內燃機和互聯網之后的第四次生產力革命。 ? 然而烈火烹油般的融資熱潮,也讓我們很容易忽略一個事實: ? 作為一項起初并不被廣泛看好的技術,神經網絡能夠完美“逆襲”,其實非常偶然。 ? 正如《浪潮之巔》作者、硅谷風險投資人吳軍所言: “人工智能技術20年內恐怕很難再有重大突破,因為今天的人工智能已經用光了40年來所積累的技術紅利。” ? 在吳軍看來,通常20年后能產生巨大加速的事情,大都可以在當下的學術界預測出來——“但當下學術界所做的人工智能領域研究并沒有太多新的課題”,“縱使科學家們比較努力,人數眾多,大概也要20年才能積累出讓人感覺非常興奮、非常驚喜的理論基礎。” ? 事實上,這個判斷也絕非危言聳聽。 ? 以機器視覺為例,經過了5年發展,神經網絡算法在這一領域的潛力基本已經被開發殆盡,而雷同的技術也讓其漸成紅海。 ? “現在每年這個領域的比賽很多很多,每家公司都是拿自己最好的一次成績說事兒,但其實技術都是大同小異,很難形成差異化”,一位人工智能行業的從業者對融中財經表示。 ? “同樣兩家做機器視覺的企業,一家說自己的識別準確率是97%,另一家說自己是98%,你覺得在甲方眼里,他們的差距能有多少?”上述人士表示,“最后還是要拼價格、看關系。” ? “目前機器視覺最大的應用場景是安防,主要是政府采購,這里面最大的問題就是回款”,莫濤告訴融中財經,“公司96%的訂單來自于政府項目,遇到關鍵人員離職,或者領導改選換屆,項目很容易就會爛尾,抗風險能力很差。” ? 然而初代人工智能企業們的最大危機還不在于此。 ? 相比于大家在機器視覺與語音識別領域殺得刺刀見紅,深度學習模型在新領域突破的舉步維艱似乎才是真正的麻煩。 ? 事實上,過去一年業界對人工智能有一個共同的評價:2018年,人工智能的進展就是沒有進展。 ? 經過了數年的發展,目前深度神經網絡算法仍處于“黑箱階段”,輕微擾動導致的嚴重的對抗識別的范例尚無法得到有效解釋和解決。 對此,圖靈獎得主、清華大學姚期智院士曾公開表示稱:深度神經網絡能產生的“價值有限”,即使未來實現了算法的透明化,其結果也很可能“令人失望”; 在他看來,與其對現有的神經網絡模型小修小補,不如另起爐灶,“探索新路徑,尋求突破。” ? 然而“探索新路徑”這事兒過于看臉,畢竟砸下去的真金白銀,并沒有20年可以等。 ? 一個殘酷現實是,這其中大部分投資的前景并不樂觀。 ? 據IT桔子等數據源顯示,2014年至2018年,中國人工智能領域共發生126起退出事件,數量僅為同時期的投資事件的1/20。其中,IPO退出占四成,回報僅為倍。 ? 而另一個數據則顯示,2018年全年有將近90%的人工智能公司處于虧損狀態。 ? 早在2017年9月,李開復就曾預言:“人工智能創業有泡沫,(融資熱)是今年上半年開始的,融資差不多夠18個月花,明年底估計有一批公司倒掉。” ? 陽光之下無新事,2010年前后,石墨烯的美好前景同樣曾經迷住了大把投資人,至今七年過去了,全國能量產出三層以下高品質石墨烯的企業還幾乎沒有,無數熱錢全部打了水漂。 ? 前期用力過猛,后期落地太慢,一熱一冷間,2019年的AI行業已如石墨烯一樣,盡顯疲態。 誰在賺錢?誰在接盤?? 2016年曾被稱為“人工智能元年”。 ? 這一年的春天,一場AlphaGo與世界頂級圍棋選手李世乭的世紀對戰,讓“人工智能”這一概念幾乎一夜之間火遍全球。像科幻小說或電影描述得那樣,吃瓜群眾們第一次意識到被“天網”支配的恐懼已經距離自己如此之近;各大科技論壇之上,人們談論的話題也變成了是“奇點已來”和機器人三定律。 ? 然而人工智能這個走入大眾視野的所謂“新概念”,誕生至今卻早已經超過了50年。 ? 早在上世紀50年代,就已經有研究人員開始嘗試通過模擬人腦的方式,賦予計算機“智能”。 ? 在他們看來,人腦識別物體并不是基于明確的規則,而是憑直覺判斷。比如我們看到一只狗,我們很明確的知道這是一只狗,但卻無法說清楚為什么會知道;事實上,相比于準確定義物體的特征,人腦識別更像是一種特征匹配,而這也是“神經網絡學派”的最初思想。 ? 到上世紀70年代,計算機科學家開始研究神經網絡在推進人工智能上的可行性, 但當時的主流學界普遍認為,神經網絡在數學上有局限性,沒有前途;因此神經網絡學派一直到九十年代都視為邊緣地帶的“異類”,拿經費、發論文都很困難。 ? 2010年,斯坦福大學一個叫李飛飛的華裔計算機科學家,組織了一個叫做ImageNet的機器學習圖形識別比賽,從2010年開始每年舉行一次。 ? 這個比賽的有趣之處,在于它每年都為參賽者提供一百萬張圖片作為訓練素材,其中每一張圖都由人工標記了圖中有什么物體。 ? 比賽規則是選手用這一百萬張訓練圖片練好自己的程序,然后讓程序識別一些新的圖片。每張新圖片有一個事先設定的標準答案,而參賽的程序可以猜五個答案,只要其中有一個判斷跟標準答案相符合,就算正確。 ? 從2010到2011年的兩年里,ImageNet比賽中最好成績的判斷錯誤率都在26%以上, 但是到了2012年,錯誤率一下子下降到了16%,從此之后就是直線下降。 ? 到2017年,機器識別的錯誤率已經降到了——這個水平已經超過了人類。 ? 那么2012年到底發生過什么,讓人工智能技術突然出現了一次質的飛躍? ? 答案是“卷積網絡”被發明出來了。 ? 那一年ImageNet大賽的冠軍,是一個來自多倫多大學的研究組,他們創造性的在傳統的“輸入層”和“輸出層”之間加入了幾個邏輯層 —— 也就是所謂的“卷積層”。 ? 這個研究團隊讓每一個卷積層只識別一種特定規模的圖形模式,然后后面一層只需要在前面一層的基礎上進行識別;這樣做的好處是每一個神經元只需要處理一個很小區域的數據,且參數可以重復使用,這就大大減少了運算量。 ? 在這個新模型中,那些只有一層卷積的結構被稱為簡單神經網絡(左圖);而那些有多層卷積的,就叫做“深度學習”神經網絡(右圖)。 ? 這個新算法是如此成功,以至于幾乎是一夜之間,以深度學習為代表的神經網絡派“咸魚翻身,當家做主”,從邊緣“社會人”一下成為了正統主流派—— 今天幾乎所有人工智能企業的底層技術構架,全部是繼承于神經網絡派的衣缽。 ? 總的來說,這是一個來自社會邊緣的“革命者”砸爛舊世界的勵志故事。 ? 而“卷積網絡”和“深度學習”的橫空出世,也讓新技術的曙光照進現實,人類文明似乎踏上一條全新的進化之路。 紅利透支:沒有進展的2018

                    如此巨大的“風口”,資本當然不可錯過——以2012年為起點,各路投資人開始蜂擁涌入AI賽道。 ? 首先進場的是互聯網巨頭。Google、Facebook等公司開始大舉掃貨,不惜重金購入深度學習領域的頭部學者——比如那個來自多倫多大學的獲獎團隊很快注冊了一家公司,2013年就被Google斥資5000萬美金收購;半年之后Google 相冊就有了搜索能力,緊接著Google就可以從自家拍攝的街景圖像中識別每家每戶的門牌號碼了。 ? 另一方面,VCPE們也不甘示弱,熱錢洶涌之下,大批深度學習領域中的專家開始在風險資本的支持下自主創業,而這其中也不乏一些卓越的華人科學家。 ? 2012 年,正在 MIT 實驗室擔任博士后研究員的朱瓏,在UCLA 視覺識別與機器學習中心主任、導師Alan Yuille教授的支持下回國,并拉上自己的好友、ACM全球大學生程序設計競賽冠軍林晨曦,共同創辦了依圖科技。2年之后,在香港中文大學任教的湯曉鷗教授扔下教鞭,與自己的得意門生徐立一起成立了商湯科技。 ? 同樣是在那一年,自稱“環顧四周,沒看到一個對手”的格靈深瞳開始登上各大媒體的頭版;據說其投資人徐小平和沈南鵬曾就格靈深瞳未來的市值應該是“1000億美元還是5000億美元”展開過激烈爭論——最后雙方“妥協在3000億美元這個中間數上。” ? 據烏鎮智庫發布的《全球人工智能發展報告》顯示,僅2012年到2016年,全球人工智能企業就新增5154家,融資規模達224億美元,占2000到2016年累積融資規模的;其中,光2016一年的融資規模就達到了億美元,是2012年的近6倍,相當于2000年到2013年13年間總融資額之和。 ? 在大批投資人看來,人工智能是繼蒸汽機、內燃機和互聯網之后的第四次生產力革命。 ? 然而烈火烹油般的融資熱潮,也讓我們很容易忽略一個事實: ? 作為一項起初并不被廣泛看好的技術,神經網絡能夠完美“逆襲”,其實非常偶然。 ? 正如《浪潮之巔》作者、硅谷風險投資人吳軍所言: “人工智能技術20年內恐怕很難再有重大突破,因為今天的人工智能已經用光了40年來所積累的技術紅利。” ? 在吳軍看來,通常20年后能產生巨大加速的事情,大都可以在當下的學術界預測出來——“但當下學術界所做的人工智能領域研究并沒有太多新的課題”,“縱使科學家們比較努力,人數眾多,大概也要20年才能積累出讓人感覺非常興奮、非常驚喜的理論基礎。” ? 事實上,這個判斷也絕非危言聳聽。 ? 以機器視覺為例,經過了5年發展,神經網絡算法在這一領域的潛力基本已經被開發殆盡,而雷同的技術也讓其漸成紅海。 ? “現在每年這個領域的比賽很多很多,每家公司都是拿自己最好的一次成績說事兒,但其實技術都是大同小異,很難形成差異化”,一位人工智能行業的從業者對融中財經表示。 ? “同樣兩家做機器視覺的企業,一家說自己的識別準確率是97%,另一家說自己是98%,你覺得在甲方眼里,他們的差距能有多少?”上述人士表示,“最后還是要拼價格、看關系。” ? “目前機器視覺最大的應用場景是安防,主要是政府采購,這里面最大的問題就是回款”,莫濤告訴融中財經,“公司96%的訂單來自于政府項目,遇到關鍵人員離職,或者領導改選換屆,項目很容易就會爛尾,抗風險能力很差。” ? 然而初代人工智能企業們的最大危機還不在于此。 ? 相比于大家在機器視覺與語音識別領域殺得刺刀見紅,深度學習模型在新領域突破的舉步維艱似乎才是真正的麻煩。 ? 事實上,過去一年業界對人工智能有一個共同的評價:2018年,人工智能的進展就是沒有進展。 ? 經過了數年的發展,目前深度神經網絡算法仍處于“黑箱階段”,輕微擾動導致的嚴重的對抗識別的范例尚無法得到有效解釋和解決。 對此,圖靈獎得主、清華大學姚期智院士曾公開表示稱:深度神經網絡能產生的“價值有限”,即使未來實現了算法的透明化,其結果也很可能“令人失望”; 在他看來,與其對現有的神經網絡模型小修小補,不如另起爐灶,“探索新路徑,尋求突破。” ? 然而“探索新路徑”這事兒過于看臉,畢竟砸下去的真金白銀,并沒有20年可以等。 ? 一個殘酷現實是,這其中大部分投資的前景并不樂觀。 ? 據IT桔子等數據源顯示,2014年至2018年,中國人工智能領域共發生126起退出事件,數量僅為同時期的投資事件的1/20。其中,IPO退出占四成,回報僅為倍。 ? 而另一個數據則顯示,2018年全年有將近90%的人工智能公司處于虧損狀態。 ? 早在2017年9月,李開復就曾預言:“人工智能創業有泡沫,(融資熱)是今年上半年開始的,融資差不多夠18個月花,明年底估計有一批公司倒掉。” ? 陽光之下無新事,2010年前后,石墨烯的美好前景同樣曾經迷住了大把投資人,至今七年過去了,全國能量產出三層以下高品質石墨烯的企業還幾乎沒有,無數熱錢全部打了水漂。 ? 前期用力過猛,后期落地太慢,一熱一冷間,2019年的AI行業已如石墨烯一樣,盡顯疲態。 誰在賺錢?誰在接盤?本文轉自 融中財經如此巨大的“風口”,資本當然不可錯過——以2012年為起點,各路投資人開始蜂擁涌入AI賽道。 ? 首先進場的是互聯網巨頭。Google、Facebook等公司開始大舉掃貨,不惜重金購入深度學習領域的頭部學者——比如那個來自多倫多大學的獲獎團隊很快注冊了一家公司,2013年就被Google斥資5000萬美金收購;半年之后Google 相冊就有了搜索能力,緊接著Google就可以從自家拍攝的街景圖像中識別每家每戶的門牌號碼了。 ? 另一方面,VCPE們也不甘示弱,熱錢洶涌之下,大批深度學習領域中的專家開始在風險資本的支持下自主創業,而這其中也不乏一些卓越的華人科學家。 ? 2012 年,正在 MIT 實驗室擔任博士后研究員的朱瓏,在UCLA 視覺識別與機器學習中心主任、導師Alan Yuille教授的支持下回國,并拉上自己的好友、ACM全球大學生程序設計競賽冠軍林晨曦,共同創辦了依圖科技。2年之后,在香港中文大學任教的湯曉鷗教授扔下教鞭,與自己的得意門生徐立一起成立了商湯科技。 ? 同樣是在那一年,自稱“環顧四周,沒看到一個對手”的格靈深瞳開始登上各大媒體的頭版;據說其投資人徐小平和沈南鵬曾就格靈深瞳未來的市值應該是“1000億美元還是5000億美元”展開過激烈爭論——最后雙方“妥協在3000億美元這個中間數上。” ? 據烏鎮智庫發布的《全球人工智能發展報告》顯示,僅2012年到2016年,全球人工智能企業就新增5154家,融資規模達224億美元,占2000到2016年累積融資規模的;其中,光2016一年的融資規模就達到了億美元,是2012年的近6倍,相當于2000年到2013年13年間總融資額之和。 ? 在大批投資人看來,人工智能是繼蒸汽機、內燃機和互聯網之后的第四次生產力革命。 ? 然而烈火烹油般的融資熱潮,也讓我們很容易忽略一個事實: ? 作為一項起初并不被廣泛看好的技術,神經網絡能夠完美“逆襲”,其實非常偶然。 ? 正如《浪潮之巔》作者、硅谷風險投資人吳軍所言: “人工智能技術20年內恐怕很難再有重大突破,因為今天的人工智能已經用光了40年來所積累的技術紅利。” ? 在吳軍看來,通常20年后能產生巨大加速的事情,大都可以在當下的學術界預測出來——“但當下學術界所做的人工智能領域研究并沒有太多新的課題”,“縱使科學家們比較努力,人數眾多,大概也要20年才能積累出讓人感覺非常興奮、非常驚喜的理論基礎。” ? 事實上,這個判斷也絕非危言聳聽。 ? 以機器視覺為例,經過了5年發展,神經網絡算法在這一領域的潛力基本已經被開發殆盡,而雷同的技術也讓其漸成紅海。 ? “現在每年這個領域的比賽很多很多,每家公司都是拿自己最好的一次成績說事兒,但其實技術都是大同小異,很難形成差異化”,一位人工智能行業的從業者對融中財經表示。 ? “同樣兩家做機器視覺的企業,一家說自己的識別準確率是97%,另一家說自己是98%,你覺得在甲方眼里,他們的差距能有多少?”上述人士表示,“最后還是要拼價格、看關系。” ? “目前機器視覺最大的應用場景是安防,主要是政府采購,這里面最大的問題就是回款”,莫濤告訴融中財經,“公司96%的訂單來自于政府項目,遇到關鍵人員離職,或者領導改選換屆,項目很容易就會爛尾,抗風險能力很差。” ? 然而初代人工智能企業們的最大危機還不在于此。 ? 相比于大家在機器視覺與語音識別領域殺得刺刀見紅,深度學習模型在新領域突破的舉步維艱似乎才是真正的麻煩。 ? 事實上,過去一年業界對人工智能有一個共同的評價:2018年,人工智能的進展就是沒有進展。 ? 經過了數年的發展,目前深度神經網絡算法仍處于“黑箱階段”,輕微擾動導致的嚴重的對抗識別的范例尚無法得到有效解釋和解決。 對此,圖靈獎得主、清華大學姚期智院士曾公開表示稱:深度神經網絡能產生的“價值有限”,即使未來實現了算法的透明化,其結果也很可能“令人失望”; 在他看來,與其對現有的神經網絡模型小修小補,不如另起爐灶,“探索新路徑,尋求突破。” ? 然而“探索新路徑”這事兒過于看臉,畢竟砸下去的真金白銀,并沒有20年可以等。 ? 一個殘酷現實是,這其中大部分投資的前景并不樂觀。 ? 據IT桔子等數據源顯示,2014年至2018年,中國人工智能領域共發生126起退出事件,數量僅為同時期的投資事件的1/20。其中,IPO退出占四成,回報僅為倍。 ? 而另一個數據則顯示,2018年全年有將近90%的人工智能公司處于虧損狀態。 ? 早在2017年9月,李開復就曾預言:“人工智能創業有泡沫,(融資熱)是今年上半年開始的,融資差不多夠18個月花,明年底估計有一批公司倒掉。” ? 陽光之下無新事,2010年前后,石墨烯的美好前景同樣曾經迷住了大把投資人,至今七年過去了,全國能量產出三層以下高品質石墨烯的企業還幾乎沒有,無數熱錢全部打了水漂。 ? 前期用力過猛,后期落地太慢,一熱一冷間,2019年的AI行業已如石墨烯一樣,盡顯疲態。 誰在賺錢?誰在接盤?

                    作者 | 斐典如此巨大的“風口”,資本當然不可錯過——以2012年為起點,各路投資人開始蜂擁涌入AI賽道。 ? 首先進場的是互聯網巨頭。Google、Facebook等公司開始大舉掃貨,不惜重金購入深度學習領域的頭部學者——比如那個來自多倫多大學的獲獎團隊很快注冊了一家公司,2013年就被Google斥資5000萬美金收購;半年之后Google 相冊就有了搜索能力,緊接著Google就可以從自家拍攝的街景圖像中識別每家每戶的門牌號碼了。 ? 另一方面,VCPE們也不甘示弱,熱錢洶涌之下,大批深度學習領域中的專家開始在風險資本的支持下自主創業,而這其中也不乏一些卓越的華人科學家。 ? 2012 年,正在 MIT 實驗室擔任博士后研究員的朱瓏,在UCLA 視覺識別與機器學習中心主任、導師Alan Yuille教授的支持下回國,并拉上自己的好友、ACM全球大學生程序設計競賽冠軍林晨曦,共同創辦了依圖科技。2年之后,在香港中文大學任教的湯曉鷗教授扔下教鞭,與自己的得意門生徐立一起成立了商湯科技。 ? 同樣是在那一年,自稱“環顧四周,沒看到一個對手”的格靈深瞳開始登上各大媒體的頭版;據說其投資人徐小平和沈南鵬曾就格靈深瞳未來的市值應該是“1000億美元還是5000億美元”展開過激烈爭論——最后雙方“妥協在3000億美元這個中間數上。” ? 據烏鎮智庫發布的《全球人工智能發展報告》顯示,僅2012年到2016年,全球人工智能企業就新增5154家,融資規模達224億美元,占2000到2016年累積融資規模的;其中,光2016一年的融資規模就達到了億美元,是2012年的近6倍,相當于2000年到2013年13年間總融資額之和。 ? 在大批投資人看來,人工智能是繼蒸汽機、內燃機和互聯網之后的第四次生產力革命。 ? 然而烈火烹油般的融資熱潮,也讓我們很容易忽略一個事實: ? 作為一項起初并不被廣泛看好的技術,神經網絡能夠完美“逆襲”,其實非常偶然。 ? 正如《浪潮之巔》作者、硅谷風險投資人吳軍所言: “人工智能技術20年內恐怕很難再有重大突破,因為今天的人工智能已經用光了40年來所積累的技術紅利。” ? 在吳軍看來,通常20年后能產生巨大加速的事情,大都可以在當下的學術界預測出來——“但當下學術界所做的人工智能領域研究并沒有太多新的課題”,“縱使科學家們比較努力,人數眾多,大概也要20年才能積累出讓人感覺非常興奮、非常驚喜的理論基礎。” ? 事實上,這個判斷也絕非危言聳聽。 ? 以機器視覺為例,經過了5年發展,神經網絡算法在這一領域的潛力基本已經被開發殆盡,而雷同的技術也讓其漸成紅海。 ? “現在每年這個領域的比賽很多很多,每家公司都是拿自己最好的一次成績說事兒,但其實技術都是大同小異,很難形成差異化”,一位人工智能行業的從業者對融中財經表示。 ? “同樣兩家做機器視覺的企業,一家說自己的識別準確率是97%,另一家說自己是98%,你覺得在甲方眼里,他們的差距能有多少?”上述人士表示,“最后還是要拼價格、看關系。” ? “目前機器視覺最大的應用場景是安防,主要是政府采購,這里面最大的問題就是回款”,莫濤告訴融中財經,“公司96%的訂單來自于政府項目,遇到關鍵人員離職,或者領導改選換屆,項目很容易就會爛尾,抗風險能力很差。” ? 然而初代人工智能企業們的最大危機還不在于此。 ? 相比于大家在機器視覺與語音識別領域殺得刺刀見紅,深度學習模型在新領域突破的舉步維艱似乎才是真正的麻煩。 ? 事實上,過去一年業界對人工智能有一個共同的評價:2018年,人工智能的進展就是沒有進展。 ? 經過了數年的發展,目前深度神經網絡算法仍處于“黑箱階段”,輕微擾動導致的嚴重的對抗識別的范例尚無法得到有效解釋和解決。 對此,圖靈獎得主、清華大學姚期智院士曾公開表示稱:深度神經網絡能產生的“價值有限”,即使未來實現了算法的透明化,其結果也很可能“令人失望”; 在他看來,與其對現有的神經網絡模型小修小補,不如另起爐灶,“探索新路徑,尋求突破。” ? 然而“探索新路徑”這事兒過于看臉,畢竟砸下去的真金白銀,并沒有20年可以等。 ? 一個殘酷現實是,這其中大部分投資的前景并不樂觀。 ? 據IT桔子等數據源顯示,2014年至2018年,中國人工智能領域共發生126起退出事件,數量僅為同時期的投資事件的1/20。其中,IPO退出占四成,回報僅為倍。 ? 而另一個數據則顯示,2018年全年有將近90%的人工智能公司處于虧損狀態。 ? 早在2017年9月,李開復就曾預言:“人工智能創業有泡沫,(融資熱)是今年上半年開始的,融資差不多夠18個月花,明年底估計有一批公司倒掉。” ? 陽光之下無新事,2010年前后,石墨烯的美好前景同樣曾經迷住了大把投資人,至今七年過去了,全國能量產出三層以下高品質石墨烯的企業還幾乎沒有,無數熱錢全部打了水漂。 ? 前期用力過猛,后期落地太慢,一熱一冷間,2019年的AI行業已如石墨烯一樣,盡顯疲態。 誰在賺錢?誰在接盤?

                    導?讀“這個月我已經見了30家投資機構,下個月至少還會再見30家” ,2019年7月的一個下午,莫濤對融中財經表示。 ? 莫濤是一家人工智能“千里馬”企業的董秘,這個月前剛剛上任, 老板招他來的目的也非常明確,那就是找融資。 ? “同一家投資機構,會有好幾個FA同時給我對接,有的推過來的是VP,有的是合伙人”,由于需要對接的FA實在太多,莫濤甚至記不清這些人的名字。 ? “我的態度很簡單,誰先領人過來,單子就是誰的,一切以最終見面為準。” ? 莫濤所供職的企業,以一家人臉識別技術的AI初創公司,創始團隊由知名科學家組成,在2017和2018年連續獲得A、B兩輪億元級別風險投資,還曾入選某三方服務機構評選出的《2018中國人工智能創新成長企業50強》榜單。 ? “他們的融資并不順利”,一位曾幫助該企業找融資的投行人士劉維告訴融中財經。 ? “這家公司2018年實際營收是6000萬,但實際到賬只有2000多萬,主營業務大部分都是政府項目,回款非常困難,但是估值卻一點不便宜。” ? “他們上一輪投前是估值億,這輪需要融3億,投前26億,投后29億,這種價格今年沒人會接”,劉維坦言。 ? “最近這種情況很普遍,前兩年太多AI企業的估值虛高,泡沫快撐不住了。” ? 事實上,莫濤的表態也側面印證了這種說法。 ? “現在我們的態度很開放,投資人覺得估值高不要緊,你可以先開價,具體怎么算都可以坐下來談”,莫濤表示。 AI革命與“社會人”的逆襲? 2016年曾被稱為“人工智能元年”。 ? 這一年的春天,一場AlphaGo與世界頂級圍棋選手李世乭的世紀對戰,讓“人工智能”這一概念幾乎一夜之間火遍全球。像科幻小說或電影描述得那樣,吃瓜群眾們第一次意識到被“天網”支配的恐懼已經距離自己如此之近;各大科技論壇之上,人們談論的話題也變成了是“奇點已來”和機器人三定律。 ? 然而人工智能這個走入大眾視野的所謂“新概念”,誕生至今卻早已經超過了50年。 ? 早在上世紀50年代,就已經有研究人員開始嘗試通過模擬人腦的方式,賦予計算機“智能”。 ? 在他們看來,人腦識別物體并不是基于明確的規則,而是憑直覺判斷。比如我們看到一只狗,我們很明確的知道這是一只狗,但卻無法說清楚為什么會知道;事實上,相比于準確定義物體的特征,人腦識別更像是一種特征匹配,而這也是“神經網絡學派”的最初思想。 ? 到上世紀70年代,計算機科學家開始研究神經網絡在推進人工智能上的可行性, 但當時的主流學界普遍認為,神經網絡在數學上有局限性,沒有前途;因此神經網絡學派一直到九十年代都視為邊緣地帶的“異類”,拿經費、發論文都很困難。 ? 2010年,斯坦福大學一個叫李飛飛的華裔計算機科學家,組織了一個叫做ImageNet的機器學習圖形識別比賽,從2010年開始每年舉行一次。 ? 這個比賽的有趣之處,在于它每年都為參賽者提供一百萬張圖片作為訓練素材,其中每一張圖都由人工標記了圖中有什么物體。 ? 比賽規則是選手用這一百萬張訓練圖片練好自己的程序,然后讓程序識別一些新的圖片。每張新圖片有一個事先設定的標準答案,而參賽的程序可以猜五個答案,只要其中有一個判斷跟標準答案相符合,就算正確。 ? 從2010到2011年的兩年里,ImageNet比賽中最好成績的判斷錯誤率都在26%以上, 但是到了2012年,錯誤率一下子下降到了16%,從此之后就是直線下降。 ? 到2017年,機器識別的錯誤率已經降到了——這個水平已經超過了人類。 ? 那么2012年到底發生過什么,讓人工智能技術突然出現了一次質的飛躍? ? 答案是“卷積網絡”被發明出來了。 ? 那一年ImageNet大賽的冠軍,是一個來自多倫多大學的研究組,他們創造性的在傳統的“輸入層”和“輸出層”之間加入了幾個邏輯層 —— 也就是所謂的“卷積層”。 ? 這個研究團隊讓每一個卷積層只識別一種特定規模的圖形模式,然后后面一層只需要在前面一層的基礎上進行識別;這樣做的好處是每一個神經元只需要處理一個很小區域的數據,且參數可以重復使用,這就大大減少了運算量。 ? 在這個新模型中,那些只有一層卷積的結構被稱為簡單神經網絡(左圖);而那些有多層卷積的,就叫做“深度學習”神經網絡(右圖)。 ? 這個新算法是如此成功,以至于幾乎是一夜之間,以深度學習為代表的神經網絡派“咸魚翻身,當家做主”,從邊緣“社會人”一下成為了正統主流派—— 今天幾乎所有人工智能企業的底層技術構架,全部是繼承于神經網絡派的衣缽。 ? 總的來說,這是一個來自社會邊緣的“革命者”砸爛舊世界的勵志故事。 ? 而“卷積網絡”和“深度學習”的橫空出世,也讓新技術的曙光照進現實,人類文明似乎踏上一條全新的進化之路。 紅利透支:沒有進展的2018

                    本文轉自 融中財經

                    如此巨大的“風口”,資本當然不可錯過——以2012年為起點,各路投資人開始蜂擁涌入AI賽道。 ? 首先進場的是互聯網巨頭。Google、Facebook等公司開始大舉掃貨,不惜重金購入深度學習領域的頭部學者——比如那個來自多倫多大學的獲獎團隊很快注冊了一家公司,2013年就被Google斥資5000萬美金收購;半年之后Google 相冊就有了搜索能力,緊接著Google就可以從自家拍攝的街景圖像中識別每家每戶的門牌號碼了。 ? 另一方面,VCPE們也不甘示弱,熱錢洶涌之下,大批深度學習領域中的專家開始在風險資本的支持下自主創業,而這其中也不乏一些卓越的華人科學家。 ? 2012 年,正在 MIT 實驗室擔任博士后研究員的朱瓏,在UCLA 視覺識別與機器學習中心主任、導師Alan Yuille教授的支持下回國,并拉上自己的好友、ACM全球大學生程序設計競賽冠軍林晨曦,共同創辦了依圖科技。2年之后,在香港中文大學任教的湯曉鷗教授扔下教鞭,與自己的得意門生徐立一起成立了商湯科技。 ? 同樣是在那一年,自稱“環顧四周,沒看到一個對手”的格靈深瞳開始登上各大媒體的頭版;據說其投資人徐小平和沈南鵬曾就格靈深瞳未來的市值應該是“1000億美元還是5000億美元”展開過激烈爭論——最后雙方“妥協在3000億美元這個中間數上。” ? 據烏鎮智庫發布的《全球人工智能發展報告》顯示,僅2012年到2016年,全球人工智能企業就新增5154家,融資規模達224億美元,占2000到2016年累積融資規模的;其中,光2016一年的融資規模就達到了億美元,是2012年的近6倍,相當于2000年到2013年13年間總融資額之和。 ? 在大批投資人看來,人工智能是繼蒸汽機、內燃機和互聯網之后的第四次生產力革命。 ? 然而烈火烹油般的融資熱潮,也讓我們很容易忽略一個事實: ? 作為一項起初并不被廣泛看好的技術,神經網絡能夠完美“逆襲”,其實非常偶然。 ? 正如《浪潮之巔》作者、硅谷風險投資人吳軍所言: “人工智能技術20年內恐怕很難再有重大突破,因為今天的人工智能已經用光了40年來所積累的技術紅利。” ? 在吳軍看來,通常20年后能產生巨大加速的事情,大都可以在當下的學術界預測出來——“但當下學術界所做的人工智能領域研究并沒有太多新的課題”,“縱使科學家們比較努力,人數眾多,大概也要20年才能積累出讓人感覺非常興奮、非常驚喜的理論基礎。” ? 事實上,這個判斷也絕非危言聳聽。 ? 以機器視覺為例,經過了5年發展,神經網絡算法在這一領域的潛力基本已經被開發殆盡,而雷同的技術也讓其漸成紅海。 ? “現在每年這個領域的比賽很多很多,每家公司都是拿自己最好的一次成績說事兒,但其實技術都是大同小異,很難形成差異化”,一位人工智能行業的從業者對融中財經表示。 ? “同樣兩家做機器視覺的企業,一家說自己的識別準確率是97%,另一家說自己是98%,你覺得在甲方眼里,他們的差距能有多少?”上述人士表示,“最后還是要拼價格、看關系。” ? “目前機器視覺最大的應用場景是安防,主要是政府采購,這里面最大的問題就是回款”,莫濤告訴融中財經,“公司96%的訂單來自于政府項目,遇到關鍵人員離職,或者領導改選換屆,項目很容易就會爛尾,抗風險能力很差。” ? 然而初代人工智能企業們的最大危機還不在于此。 ? 相比于大家在機器視覺與語音識別領域殺得刺刀見紅,深度學習模型在新領域突破的舉步維艱似乎才是真正的麻煩。 ? 事實上,過去一年業界對人工智能有一個共同的評價:2018年,人工智能的進展就是沒有進展。 ? 經過了數年的發展,目前深度神經網絡算法仍處于“黑箱階段”,輕微擾動導致的嚴重的對抗識別的范例尚無法得到有效解釋和解決。 對此,圖靈獎得主、清華大學姚期智院士曾公開表示稱:深度神經網絡能產生的“價值有限”,即使未來實現了算法的透明化,其結果也很可能“令人失望”; 在他看來,與其對現有的神經網絡模型小修小補,不如另起爐灶,“探索新路徑,尋求突破。” ? 然而“探索新路徑”這事兒過于看臉,畢竟砸下去的真金白銀,并沒有20年可以等。 ? 一個殘酷現實是,這其中大部分投資的前景并不樂觀。 ? 據IT桔子等數據源顯示,2014年至2018年,中國人工智能領域共發生126起退出事件,數量僅為同時期的投資事件的1/20。其中,IPO退出占四成,回報僅為倍。 ? 而另一個數據則顯示,2018年全年有將近90%的人工智能公司處于虧損狀態。 ? 早在2017年9月,李開復就曾預言:“人工智能創業有泡沫,(融資熱)是今年上半年開始的,融資差不多夠18個月花,明年底估計有一批公司倒掉。” ? 陽光之下無新事,2010年前后,石墨烯的美好前景同樣曾經迷住了大把投資人,至今七年過去了,全國能量產出三層以下高品質石墨烯的企業還幾乎沒有,無數熱錢全部打了水漂。 ? 前期用力過猛,后期落地太慢,一熱一冷間,2019年的AI行業已如石墨烯一樣,盡顯疲態。 誰在賺錢?誰在接盤??“這個月我已經見了30家投資機構,下個月至少還會再見30家” ,2019年7月的一個下午,莫濤對融中財經表示。 ? 莫濤是一家人工智能“千里馬”企業的董秘,這個月前剛剛上任, 老板招他來的目的也非常明確,那就是找融資。 ? “同一家投資機構,會有好幾個FA同時給我對接,有的推過來的是VP,有的是合伙人”,由于需要對接的FA實在太多,莫濤甚至記不清這些人的名字。 ? “我的態度很簡單,誰先領人過來,單子就是誰的,一切以最終見面為準。” ? 莫濤所供職的企業,以一家人臉識別技術的AI初創公司,創始團隊由知名科學家組成,在2017和2018年連續獲得A、B兩輪億元級別風險投資,還曾入選某三方服務機構評選出的《2018中國人工智能創新成長企業50強》榜單。 ? “他們的融資并不順利”,一位曾幫助該企業找融資的投行人士劉維告訴融中財經。 ? “這家公司2018年實際營收是6000萬,但實際到賬只有2000多萬,主營業務大部分都是政府項目,回款非常困難,但是估值卻一點不便宜。” ? “他們上一輪投前是估值億,這輪需要融3億,投前26億,投后29億,這種價格今年沒人會接”,劉維坦言。 ? “最近這種情況很普遍,前兩年太多AI企業的估值虛高,泡沫快撐不住了。” ? 事實上,莫濤的表態也側面印證了這種說法。 ? “現在我們的態度很開放,投資人覺得估值高不要緊,你可以先開價,具體怎么算都可以坐下來談”,莫濤表示。 AI革命與“社會人”的逆襲

                    關于永利娛樂跟永利娛樂的相關文章以及介紹內容永利娛樂有小編來給大家講解,
                    聲明:本文內容由互聯網用戶自發貢獻自行上傳,本網站不擁有所有權,未作人工編輯處理,也不承擔相關法律責任。如果您發現有涉嫌版權的內容,請聯系本站進行舉報,并提供相關證據,工作人員會在5個工作日內聯系你,一經查實,本站將立刻刪除涉嫌侵權內容。
                    金福彩票 00rr8332.com | www.9685.com | www.hgbet22.com | www.8967q.com | www.16878w.com | www.598074.com | 1077zz.com | 4960077.com | www.9405511.com | www.46876.com | www.199207.com | 78782325.com | www.yh8007.com | www.00772h.com | www.1035r.com | 20774466.com | sha161.com | www.4512x.com | www.5086z.com | feicai0870.com | 83378c.com | www.811sunbet.com | www.97655s.com | 5004e.com | 8294s.com | www.dzj0404.com | www.659477.com | 39199i.com | www.0wdgj.com | www.bxcp3.com | 316.cc | www.8124q.com | www.30350k.com | www.355205.com | 26119g.com | www.19652.com | www.173383.com | 7334r.com | www.hgw0088.me | www.588714.com | www.29277e.com | 033j.net | www.575001.com | www.lqc5.com | 3807z.com | www.1594k.com | www.34788p.com | 3522q.vip | www.hxcp3.com | www.862455.com | 3568xx.com | www.88837b.com | www.44gpc.com | 4466303.com | www.bmw9968.com | www.375699.com | w88u65.com | www.xpj6.net | 56988n.com | www.22288806.com | www.97994c.com | 1665m.com | www.ag9655.com | www.26163c.com | x111888.com | www.jl708.com | www.903117.com | 35252y.com | www.xj7006.com |