【AI星球（微信ID：ai_xingqiu） 北京】8月11日报道（编译：福尔摩望）
最近，猎云网（微信：ilieyun
）报道了马斯克和扎克伯格之间的AI争论，以及Facebook的AI系统用自己的语言进行交流。虽然有关AI的议论一直不休止，但是AI正处于高增长的模式。分析公司Research and Markets预测，到2025年，全球AI市场将增长至234亿美元。
2017年7月，来自英国的创企Graphcore获得了Niklas Zennstrom旗下风投公司Atomico的3000万美元投资。Zennstrom是Skype的联合创始人之一。Graphcore主要生产用于AI应用的芯片。此次融资中，其他投资者还有Draper Esprit、Robert Bosch Venture Capital、Amadeus Capital、C4 Ventures、Foundation Capital、Pitango以及企业投资者Dell Technologies Capital和三星Catalyst Fund。个人投资者包括DeepMind首席执行官Demis Hassabis。此次融资总额达到6200万美元。
全球AI市场在最近迎来了两个里程碑。第一，中国最近公布了其AI战略计划，希望能够到2030年的时候成为世界AI领域的领导者。全球AI创企加速器TechCode的总经理Luke Tang表示，AI现在就是创新的代名词。
“现在大多数人的想法是将AI和机器学习应用到某种技术上，就可以得到一些具有革命性的东西。但是从根本上来说，每一个由AI驱动的技术都依赖于芯片处理器。虽然现在从事AI的公司非常多，但是目前并没有那么多的芯片能够支持AI的密集计算处理。正是这一点，让一些科技巨头和投资者开始将目光投向芯片制造商，希望能够掌握现在及未来的主动性。”
Tang表示，目前的芯片（例如英特尔的CPU）并不适合AI，因为它们主要被设计用作串行计算，而不是机器学习所需的并行计算。
“NVIDIA的芯片由于主要用于游戏和图像处理，可以支持并行计算，所以很多公司为了加速深度学习的应用而开始转向NVIDIA的CPU。很快，我们就会看到NVIDIA的股票价格开始飙升，这也是AI趋势对芯片行业的影响体现。但即使是NVIDIA的GPU也还不够好，毕竟它并不是专门用于机器学习的，也容易受到传统架构的限制。”
Tang认为，新一代的芯片将能够处理更困难、数据更密集的AI问题。
“Graphcore就是试图进行挑战的新玩家，它所设计的芯片将运行机器学习的速度提高了至少100倍，成本也更低。我相信，像英特尔这样的公司也会密切关注Graphcore的成功。事实上，如果Graphcore真的成功了，那么各大科技巨头将会争相收购，毕竟留给大家的选择并不多。此外，也会极大的推动未来几年各行业垂直应用AI的进程。”
回到未来
IEEE协会在2017年7月的时候做了一项调查，询问千禧一代对于技术、AI和抚养孩子之间关系的看法。数据显示，63%受访的千禧一代认为AI将会帮助他们独立的养老，而只有37%的人选择依靠孩子养老。80%的千禧一代认为由于AI，他们的孩子会比相同年龄时的他们学习的更快。
随着政府不断加大对科学技术的资金支持，像TechCode和MassChallenge这样的孵化器和加速器正在挑选和培养AI和机器学习创企。
位于波士顿的MassChallenge最近宣布了其2017级的项目，其中机器学习和AI创企的数量增加了两倍。在总共128家初创公司中，从事医疗保健和生命科学的有30%，而清洁技术和能源的只有6%。
MassChallenge Boston分站的总经理Kiki Millis Johnston说：“每年我们都会看到申请我们加速器项目的机器学习创企数量在不断增长。随着我们的社会产生了越来越多的数据，这些年轻且充满活力的公司将会逐步扮演重要的角色，能够提出自己的见解并提取出真正的价值所在。”如今，创企正在推动着机器学习的应用，并做出了一些令人惊叹的事情，比如识别淡水水源，改善视觉交流，甚至是现代化疾病诊断。”
在只占据6%名额的清洁技术和能源公司中，也有应用机器学习的创企，例如Upstream Tech。这些创企使用机器学习和卫星图像从太空中监测和测量淡水水源。他们的目标是通过智能水资源管理技术实现对淡水的保护。
Upstream的联合创始人Marshall Moutenot表示：“水资源市场拥有非常高的交易成本，这导致了该领域的低参与度。我们希望通过降低这些成本，来推动市场的参与度，将水资源重新分配给具有高经济价值的领域，并经济性的激励水资源保护。”
Moutenot说，自然河流栖息地和淡水物种并没有被分配给足够的水资源。
Moutenot补充说：“单方面保护组织通过购买或租赁水权进行保护，要么就用于农业或水运。确定水权的过程包含重新分配、监测和跟踪对环境的影响，而目前这一涉及个人访问、昂贵传感器和耗时工作的过程完全依赖于人工。我们结合卫星图像通过机器学习将监测和测量淡水资源自动化，帮助保护组织降低这些过程的成本。”
在生命科学创企中，Day Zero Diagnostics将全基因组测序和机器学习相结合，加快了诊断速度，并数小时内迅速鉴定出细菌感染的菌株和抗生素的耐药性。Day Zero Diagnostics希望能够改变医生对严重感染的病人进行分诊的方式，并通过医院微生物实验室大规模生成基因组数据，用于临床诊断。
Day Zero Diagnostics的创始人Jong Lee说：“我们正在开发一个可以在数小时内鉴定细菌感染并提供抗生素敏感度报告的诊断方法。”我们使用高通量测序技术对病原体的基因组进行排序，然后使用我们的机器学习算法解析基因组数据。我们的机器学习方法能够让我们预测药物的敏感性，即使是在抵抗机制还没有完全了解的情况下也可以实现。我们使用大量病原体数据库对算法进行了训练，该算法已经能够全面精确的鉴定出菌株品种、预测出耐药性。”
位于德克萨斯州的KinTrans正在尝试使用AI进行教育培训。这个MassChallenge孵化的创企正在使用机器学习进行直观实时的手语翻译，这也为那些雇佣或者服务聋人的公司提供了新机会。KinTrans的联合创始人Catherine Bentley表示，目前还没有能够识别出手势含义的平台。
“手语是聋人进行交流使用时非常重要的身体动作。由于大多数从事手语翻译的公司都将重点防砸识别手语本身而不是手势上，导致自动识别手语无法达到预期的效果。我们正在申请专利的机器学习引擎会结合具有三维深度的摄像头拍摄的手势数据，识别手势模型，并对应上相关联的含义。”
