作者：周素云、蒋宝尚

“The future is already here – it’s just unevenly distributed”

——William Gibson

近几年，随着人工智能的发展， 各国、各行业都在积极展开对该领域的探索，谁都不想输在起跑线。

谁说人工智能就没有泡沫了， 下面这篇报告中就指出“欧洲40%的AI初创企业并不智能”。

这一数据让很多人始料不及，但也有学者称，40%还是说少了。

这份报告由巴克莱银行赞助，MMC的风险投资机构撰写，报告一共有99页，总体分为4个部分，包括：人工智能发展史、人工智能的发展现状、人工智能革新者、以及人工智能的未来。

报告显示：在2830家标榜为人工智能的欧洲公司中，其中1580家符合人工智能公司的定义。MMC研究主管David Kelnar表示：他们对每家公司的产品、网站、生产材料、生产日志进行调查发现，有40%的公司没有任何人工智能的“痕迹”。

他还表示，如果一家公司被标榜为人工智能企业，那么这家企业就会比一般的公司多融资15%~50%。一些公司并不急于把自己转型为以人工智能为主导，只是第三方网站在评估的时候会把他们这么分类而已。

根据该调查，每12个创业公司中就有一个把AI作为其产品或服务的一部分。除此之外，约有12％的大公司在其业务中使用AI应用程序，而去年这一数字仅为4％。  

最受欢迎的AI产品是聊天机器人，自动化的流程工具排在第二位，其在处理保险索赔和欺诈检测等简单的管理任务发挥着重要的作用。

当公司部署AI产品时，最常用的场景是利用视觉识别以及语音合成做出预测和决策。虽然这会大大吸引风险投资的眼光，但对大多数人来说人工智能如何运作或定义尚不清楚。当然，这对于一些创业公司来说是一个优势。

以下是文摘菌从报告中摘抄出来的几个重要的观点，请欣赏！

AI时代：在各种业务中部署AI是一种趋势

AI是一个通用术语，指的是表现出智能行为的硬件或软件。Basic AI自20世纪50年代以来就已经存在了，它通过基于规则的程序在有限的上下文中显示智能。

基于规则的系统在现实世界中有许多的挑战，从医学诊断到目标检测，都过于复杂或微妙，无法通过人们所写规则的程序来解决。·

深度学习将特征提取和优化整合到了一块

机器学习是人工智能的一个子集，所有机器学习都是人工智能，但并不是所有人工智能都是机器学习。机器学习使程序能够通过训练来学习，而不是按照规则进行编程。

机器学习现有超过15种方法。流行的方法包括随机森林、贝叶斯网络和支持向量机。深度学习是机器学习的一个子集，它在计算机视觉领域取得了突破性成果。同样所有的深度学习都是机器学习，但并非所有机器学习都是深度学习。

深度学习模拟大脑，而不是世界。人工神经元网络处理输入数据，提取与问题相关的特征和变量，通过训练提高结果。

由于大多数业务流程和消费者应用程序涉及知识管理，推理，规划，沟通或感知，因此AI的进步带来了许多重要的新功能。

企业转型AI

AI采用量在12个月内增加了两倍，有1/7的大公司布局了AI。两年内，会有2/3的大公司将会实施AI计划。

人工智能将成为科技史上最快的范式转变。在三年内，有AI业务的企业比例将从1/4增加到1/3。企业正在向云计算模式转变，全球技术供应商提供即插即用的人工智能服务。

七分之一大公司布局AI

在全球范围内，由于政府参与、数据优势等等原因，中国在人工智能应用方面处于领先地位。亚洲采用人工智能的企业数量是北美企业的两倍。

金融服务和高科技公司在AI应用中保持领先地位，零售、医疗和媒体等正在积极引进，政府机构、教育公司和慈善机构也正在接受人工智能。

AI在各部门的运用百分比

AI在企业中的运用范围也从最初的IT部门跨越到人力、 销售、供应链等部门，企业开始采用多种AI应用程序， 有1/10企业使用十种或十种以上的AI应用。

两年前， 公司的最高决策层在AI项目的启动方案、技术决策和资金批准方面占用重要地位， 现在相关决策已可以移交到IT项目部。

AI人才也成为企业转型的关键，近一半的公司倾向于从第三方购买人工智能解决方案，而1/3的公司则愿意在内部建立人工智能解决方案。只有1/10的公司愿意等待适用于他们的AI产品出现。随着人工智能的发展，企业的关注点也从利用AI提高收入转向降低成本。

人才竞争

开发者学历对比

仅仅两年， 人工智能人才的需求增加了一倍， 虽然人才需求和供给均在增长，但AI人才库仍然很小，缺乏可用的人才是他们面临的重要挑战。

AI人才需有较高的数学， 统计和编程能力， 拥有博士学位的AI开发者要比其他开发人员的程度高。

高工资也成为促进AI人才供给增加的强大动力， 45%的AI从业者的平均工资在过去三年均增长了20%以上。 技术和金融服务业吸收60%的AI人才，赢得人才争夺战才是真正的赢家。

AI技术现状：我们正处于后GPU时代

谷歌的第二代TPU减少了训练图像所需的时间

当前自定义芯片正在集成到人工智能硬件当中，具有“tensor 体系结构”的硬件正在加速深入学习人工智能。为了支持使用流行的深度学习框架。包括英伟达和Google在内的供应商正在优化或定制硬件。

我们正在进入后GPU时代。一些大的硬件制造商正在创造新的计算机处理器，自定义芯片赋予更多的性能和用途。

随着量子计算的成熟，它将为人工智能的进步创造更深远的机会，并使人类能够解决以前难以解决的问题。量子计算虽然刚刚起步，但却在迅速发展。目前，研究人员在量子计算机上已经开发了性能更佳的神经网络。

仅训练40天，AlphaGO Zero全面取代AlphaGO，成为世界上最好的围棋玩家。

强化学习(RL)是人工智能的另一种研究方法，RL系统不是从训练数据中学习，而是通过奖励来实现特定目标的进展。例如DeepMind开发的Alpha系列的强化学习系统，在与人类对决的过程中展现出了无与伦比的能力。在2019年，RL的发展目标会是智能协作。

迁移学习（TL）能够提供非常强的初始性能以及快速的迭代和良好的长期结果。

生成性对抗网络（GAN）将重新定义内容创建。作为一种新兴的人工智能软件技术，GAN能够以极高的保真度生成包括图片和视频在内的“人工媒体”。

欧洲AI初创企业：3/5的AI创业公司处于天使轮

     

欧洲AI企业融资现状

欧洲孵化了将近1600多家AI软件公司， 在2013年， 50个创业公司才有一家采用AI，而今天， 每12家中就有一家将AI技术作为公司核心，整个欧洲的创业生态也是如此。

欧洲有约3/5的AI创业公司处于天使和种子阶段，约1/6的公司已经从天使轮进入成长阶段。 尤其在英国、德国、法国这样拥有大量人工智能公司的地区，1/5已成为成长型公司。

欧洲AI创业公司数量

英国拥有的AI创业公司数量分别为德国和法国的两倍，成为欧洲AI技术发展核心基地，带动了整个欧洲AI技术的发展。德国、法国及其他国家有望在未来十年扩大其AI的影响力。

AI企业中各行业占比情况

这些创业公司涉及医疗、金融服务、媒体、娱乐等行业，其中医疗成为众多创业公司的焦点。 英国成为欧洲医疗AI创业的核心地区，总数占欧洲大陆的2/3。

AI的未来影响力

人工智能的基本特征可概括为四点， 创新(新产品和服务)、效能(更有效地执行任务)、速度(更快地完成任务)、和可伸缩性(不受人类能力的限制)。

这些特征将会对社会，经济，就业和消费产生重要影响。

AI可以通过其优势对市场和公司造成多方面的影响

AI企业的出现， 创造出了新的市场参与者；新的商业模式及其新的商业成功的因素；转变部门价值链；公司竞争定价；同时带来组织设计和技能的转变；加速创新周期；对传统企业造成较大的威胁 。

在AI创造出良好机遇的同时，AI的发展所带来的威胁也不容忽视。人工智能的发展将会取代部分工作岗位；有偏见的制度可能会增加不平等；人造媒体会破坏信任；自主武器可能会加剧冲突。

声明：本文来自大数据文摘，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。