文章|一源“懒”是人类进步的阶梯。
这句话用在AI（人工智能，人工智能）领域或许非常合适。
人工智能对于本世纪来说并不新鲜。
自20世纪50年代以来，科学家们开始研究能够自我学习的“人造大脑”，以帮助人类过上更好的生活。
与人脑相比，AI拥有无限的存储空间，非常强的逻辑计算和分析能力，可以检测出最细微的错误，还可以完成很多人脑无法完成的任务。
这只是人类的缺陷。
最强大的补偿神器。
许多科技公司也看中了人工智能的巨大潜力，纷纷投资或收购人工智能公司。
你还记得去年围棋比赛中与李世石交手的AlphaGo吗？这可能是我们科技巨头在AI领域最引人注目的成就了。
此后，巨头之间的购物大戏愈演愈烈。
据CB Insights统计，2018年AI初创企业仅有70家，但这一数字已超过3万家，增长了近6倍。
今年第一季度风险投资融资显示，超过10家人工智能相关初创公司融资额超过15亿美元，创历史新高。
不仅国外科技巨头，国内各大企业也纷纷抓住机遇。
阿里云ET去年成功预测了《我是歌手》总决赛冠军；腾讯还斥巨资投资了一家人工智能初创公司。
人工智能已经成为不可避免的趋势。
与其担心AI控制人类，不如看看目前科技巨头在AI领域的布局，以及它能帮助我们过上更好生活的领域。
科技巨头都买了什么？谷歌和苹果等慷慨的科技巨头都有众多的商业计划。
他们会在同一类型的领域展开竞争，当然也会关注不同的应用领域。
从下面CB Insights的统计图来看，从年末到年末，越来越多的企业投入收购，而且越来越密集。
这些被大佬收购的名字背后的价值是什么？谷歌：哪里有人工智能，哪里就有人工智能。
说到AI收购，谷歌肯定是第一个谈及的，因为从年底开始，谷歌已经收购了9家AI公司。
从时间表来看，乍一看都是丰富多彩的。
被谷歌收购的九家公司包括 Cleversense、DNNresearch、DeepMind、Emu、Jetpac、Dark Blue Labs、Vision Factory、Timeful 和 Granata Decision Systems。
其中，Dark Blue Labs 和 Vision Factory 被 DeepMind 收购作为独立实验室谷歌的业务范围非常广泛，这9家AI公司的属性也各不相同。
我们看一个简单的描述：Cleversense是一款利用AI和机器学习根据个人喜好推荐附近的餐馆、咖啡馆、酒吧和夜店的APP。
从上图来看，这其实是最早的收购。
这种根据喜好推荐餐厅的方法虽然在今天看来很简单，但在2018年应该是相当前沿的方法了。
谷歌有一款和Siri类似的产品叫Google Now语音助手，它收购的Emu也是类似的APP，但它更聪明的是它可以主动提供一些信息。
当您预约某人在某个地点见面时，它会自动提供地址，提醒您航班的起飞时间，并提供到达交通和当时的交通环境。
被谷歌收购的Jetpac也是一款以“城市指南”为口号的APP。
它可以识别用户上传到 Instagram 和其他网站的照片中的背景，并精确定位照片中的位置。
例如，如果你在Instagram上看到一张非常大气的咖啡馆的照片，你可以将照片上传到Jetpac，然后咖啡馆的位置就会以地图坐标的形式标记出来。
Timeful是一款时间规划APP，利用行为科学帮助专业人士在繁忙的工作中保持时间去做一件重要的事情。
与半日计划APP不同的是，你只需要告诉它你在做什么、你的习惯，告诉它你想做什么，比如每周跑步3次。
没有具体时间要求。
Timeful会根据您的需要进行调整。
习惯会自动帮助您规划适当的时间表。
多次时，它会根据您的习惯自动帮助您选择优先级。
最有可能使用此功能的人是 Google 日历。
Google Mail APP 和 Docs 也适用。
DNNresearch 是由多伦多大学 Geoffrey Hinton 教授领导的两名研究生领导的项目。
他们被收购时没有任何产品。
事实上，谷歌花钱买了这支球队。
Geoffrey Hinton 是业界公认的神经网络专家，尤其是计算机科学领域的语音识别、计算机视觉和语言理解方面。
今年年初，Granata Decision Systems 被 Google 收购。
它是一个帮助企业进行分析和决策的数据分析平台。
DeepMind已经非常有名了。
DeepMind 收购的两家 AI 公司，Dark Blue Labs 研究机器学习，Vision Factory 研究计算机视觉。
深蓝实验室专注于深度学习自然语言，该技术已经在谷歌的一些产品中使用。
谷歌的语音搜索内置于Android智能手机和平板电脑中，用户还可以在网络上进行语音搜索。
Vision Factory 在视觉上为 Google 提供帮助，包括搜索中的对象识别、基于摄像头的搜索应用程序以及自动驾驶汽车的数据处理。
谷歌不再是一家传统的科技公司。
除了最初的搜索引擎、地图、邮箱和浏览器之外，谷歌还通过收购YouTube建立了视频平台，开发了Android操作系统，收购了摩托罗拉，并推出了自己的手机。
近年来，它已将发展触角延伸至智能可穿戴设备、自动驾驶汽车等高科技领域。
谷歌的基础非常扎实。
产品开发日益形成闭环。
软件应该相互支持、逐步发展。
每当新趋势出现时，谷歌总能抓住机遇，利用新技术来改进自己的产品和服务。
在收购了如此多的人工智能初创公司后，谷歌的语音和图像识别、地图服务、日历规划和自动驾驶汽车都将得到快速发展。
苹果：取得新成果，照片可文字搜索。
从去年开始，苹果开始收购人工智能公司，包括语音智能初创公司VocalIQ和Perceptio。
通过利用机器学习来实现语音助手与用户之间的真实对话，苹果让 Siri、iOS 和 Mac OS、tvOS 和 CarPlay 的性能都得到了提升。
今年年初收购的Emotient利用人工智能技术来识别和响应面部表情。
最近收购的Turi可以帮助开发者构建推荐引擎、识别欺诈、分析消费者使用习惯、更好地定位潜在用户等开发和管理服务。
苹果在此前的一份收购声明中表示，“当我们收购小公司时，我们一般不会考虑收购的目的和计划”。
不过，我们还是能看出苹果在AI领域发力的目的。
在收购了如此多的初创公司后，苹果发布的新系统iOS10将AI应用到了新的照片搜索方法中，可以使用文本来搜索图像。
例如，如果您想在数千张照片中查找某天午餐吃的寿司，您可以直接输入“寿司”，就会找到带有“寿司”的图片。
还有报道称，苹果正在为 iMessage 添加一项新功能，可以将文本转换为 emoji 表情。
该功能可能会在今年秋季更新。
Twitter：想通过AI脱颖而出 Twitter作为社交网站，从去年开始就开始投资AI。
到目前为止，Twitter已经收购了四家AI相关公司：Madbits、TellApart、Whetlab和Magic Pony。
Madbits 是一家图像搜索公司，可以自动识别图像并理解其内容。
它们通过深度学习处理简单的数据，并可以分层识别图像信息。
Twitter收购Madbits意义重大，因为这家社交网站一直在打造自己的形象。
例如，它最近推出了一项支持添加标签的新功能。
该功能是Instagram的核心功能，现在Twitter也加入了该功能来与Facebook竞争。
此外，每条推文还可以附加多个图像和 GIF。
TellApart是一家广告技术公司，能够更有针对性地投放广告，并在APP版和网页版之间无缝切换，这将帮助Twitter从广告中获得更多收入。
Whetlab正在开发一个类似人工智能的平台，可以帮助企业更好地将机器学习应用到产品中。
就Twitter而言，它可以识别用户发布的内容，更好地了解用户的想法；它还可用于检测垃圾邮件或广告定位；此外，它还可以应用于Twitter的数据存储，提供个性化推荐。
今年收购的Magic Pony是一款利用神经网络处理图像的APP。
它通过类似于人脑反应的处理方法来增强图像，尤其是提高手机拍摄的照片质量。
在被收购之前，Magic Pony还进行了VR/AR图像处理的研发。
雅虎：专注图像 雅虎的三项重大收购都发生在下半年。
收购的项目包括 IQ Engines、LookFlow 和 SkyPhrase。
据外媒报道，三家公司花费约1.6亿美元。
雅虎拥有自己的图像团队，名为 Flickr，这是一个在线照片管理和共享工具。
此次收购中的两家公司 ImageCorp 加入了 Flickr 团队。
IQ Engines的主营业务是图像识别，可以识别并标注图像中的信息。
这家公司曾经做了一个名为Glow的图像识别平台，可以识别图片中的风景、物体、地标、文字和人脸，可以在网页和移动端使用。
LookFlow也是一家与图像相关的公司，他们采取了一些措施将AI、图像信息和界面设计结合起来。
SkyPhrase 使用深度学习来处理自然语言。
雅虎想要收购它主要是因为它想在自己的产品中更好地了解用户意图。
英特尔：PC芯片发力 英特尔的芯片一直占据PC芯片市场第一的位置，但近年来PC市场的下滑，迫使英特尔考虑开拓新业务。
在英特尔8月初发布的未来发展战略文件中可以看到，未来的重点不再是PC电脑芯片业务，而是数据中心和网络设备芯片。
今年以来，英特尔先后收购了Indisys、Saffron、Itseez以及最近的Nirvana Systems，提升了自然语言处理、认知计算、计算机视觉模式识别等方面的计算机处理能力。
IBM：它不是一家传统的计算机公司。
IBM也是一家老牌计算机公司。
今年以来，其先后收购了Cogenea、Explorys、AlchemyAPI这3家公司，分别从事基于AI的虚拟助手、医疗数据分析和云平台、关键词提取等业务。
除了提供资金全面收购AI公司之外，一些来自巨头公司的风险投资公司也会提供资金投资这些公司。
CB Insights 也分析了这部分数据：Intel Ventures 最为活跃，投资了超过 10 家 AI 公司。
在这一领域布局的还有不少知名风险投资公司，包括谷歌、通用汽车、三星、诺基亚、微软、高通以及我国的腾讯。
最有价值的人工智能初创公司在哪些领域？风险投资分析公司CB Insights的数据显示，被收购的AI初创企业中，超过60%具有风险投资背景；近五年来，已有超过30家研究人工智能的科技公司被科技巨头收购，其中包括谷歌、IBM、雅虎、苹果等。
除了这些被巨头收购的AI新秀外，还有一些公司投资了人工智能。
大量资金用于研究和开发。
CB Insights根据总融资额对2018年人工智能公司进行了排名。
名单如下： 这些公司的具体研究方向如下： 很多公司专注于通用人工智能，而不是某些特定领域的公司。
应用人工智能算法。
比如排名第一的Sentient Technologies，是一个跨平台的AI服务平台，包括电子商务、医学分析、金融服务等，他们最近开发了一个可以诊断脓毒症的功能。
另一部分与研究数据有关。
一方面，人工智能在数据方面比人脑具有更好的计算和逻辑分析能力，其数据捕捉、关联性、因果分析能力要强得多。
人工智能的数据分析比软件的大数据分析更深入；另一方面，大数据是人工智能发展的基础，也是大数据的主要应用场所。
图像识别和自动驾驶都是基于大量的数据分析。
首先它具有识别的功能，深度学习也是基于大数据的分析能力。
也许应用最广泛的就是图像分析能力，可以用于社交媒体、移动应用、医学图像识别等。
淘宝基于图像的商品搜索就是利用这种技术来识别图像中的商品和商标文字，从而达到搜索的目的。
搜索。
人工智能会让人类变得更好还是更坏？人工智能究竟会让人们的生活变得更加美好，还是让人们生活提心吊胆，目前还没有答案。
包括霍金在内的很多人都担心人工智能机器人有一天会统治世界，导致核武器、全球变暖等全球性问题失去人类控制，变得更加可怕。
不过，大多数人对人工智能仍然抱有良好的看法。
期望。
在李世石对阵Alpha Go之前，樊麾已经连续输给了Alpha Go 5局。
此后，范辉成为 DeepMind 的员工，每月花一半的时间与 Alpha Go 一起担任其“教练”。
《连线》在6月份的封面报道中，该杂志称，他在训练AlphaGo的同时，自己也在被AlphaGo“训练”。
被AlphaGo击败后的几个月内，二级职业棋手范麾的棋艺大幅提升，能够击败顶级职业棋手。
也许人工智能并没有那么“聪明”，但与人类相比，它最大的特点就是可以利用自己的程序算法来减少错误的数量，从而获得更好的性能。
运用到现实中，利用人工智能算法来训练驾驶员，将减少驾驶员对驾驶条件的误判，在保证安全的同时提高技能。
人工智能比人类更有效率，并以不同于人类规范的方式解决问题。
随着人工智能变得更加聪明，它们不仅会解决我们人类无法解决的问题，还会训练我们如何处理这些问题。
目前许多初创公司正在研究人工智能的图像处理。
图像识别是一种可扩展性很强的算法。
除了在手机上使用文本搜索图像之外，人工智能图像识别还可以分析图像与文本语义之间的关系。
一些社交媒体正在使用人工智能来分析工作中的性别和种族歧视。
他们利用人工智能来分析年轻用户档案中的照片、性别、肤色、体重等与其就业之间的联系。
这种分析有助于提高认识并消除社会偏见。
互联网一直都是鱼龙混杂的地方，人工智能也能很好的净化网络环境。
约会应用程序可以通过删除裸露和攻击性照片来帮助规范用户行为。
也有一些网络黑市在销售毒品、枪支等违禁品时上传真实图片，但避免真实文字介绍，以防被抓。
图像识别还可以预防此类网络犯罪事件。
这些例子证明人工智能不仅仅存在于游戏竞赛或科学研究中，而是会让人们的现实生活变得更加美好。
最后：剩下的挑战是什么？从上述越来越多的投资收购来看，人工智能的未来应用前景一定非常光明。
它可以在很多领域替代人类，完成人类无法完成的任务，将人们从繁琐的工作中解放出来。
然而，在未来几年的发展中，仍然存在诸多挑战： 1、避免人工智能的“狭隘”形式。
这些形式意味着使用非常广泛的机器学习方法（机器学习）。
例如Apache Flink和Amazon提供的，可以借鉴很多在线图书馆下载数据的功能。
如果您能找到改进产品并使其从众多分析工具中脱颖而出的特定方法，那么这种格式也是可能的。
2.避免挖掘独特的数据作为训练数据。
构建新的人工智能产品通常基于优化的训练数据。
高质量数据的主要标准是：数量大、种类多。
只有这样，才能兼顾所有可能的结果，才能让更多的用户满意。
3.设计一个灵活的数据模型，可以合成新数据。
高质量、有竞争力的数据模型需要更高的灵活性和更准确的算法。
灵活性是指可扩展性以及在多个领域应用的可能性。
任何解决方案都应该是可扩展的，并且能够在未来根据用户反馈和不断变化的市场需求开发新业务。
最理想的选择是赋予机器自我改进的能力。
即使它最初专注于一个相对狭窄的领域，也值得开发一个数据学习功能，以便它可以处理来自任何运行脚本和主要领域的数据。
4、聚集了一批能力突出的专家队伍。
要解决这些问题，您需要与聪明的人合作。
因此，我们需要考虑这些可能存在的潜在问题，然后吸引来自世界各地的开发者。
他们需要有不同的专业背景来解决这些创新问题。