防偽/打假
假貨越來越難以識別，而在線購物又讓賣假貨變得空前的便利。為此，品牌商正在開始利用AI來打假。
拼多多在18年Q3財(cái)報(bào)會(huì)上提了11次“假貨”，稱“打擊假貨和不誠信商家非常困難。”
品牌正在兩條戰(zhàn)線上對抗假貨的沖擊：
在線上，需要識別并讓侵權(quán)商品下架。
在線下，需要識別宰客的假貨（如高級手包）。
阿里巴巴正在利用深度學(xué)習(xí)持續(xù)掃描自家平臺(tái)以發(fā)現(xiàn)IP侵權(quán)的情況。它利用了圖像識別來確認(rèn)圖片的特征，再加上語義識別，從而監(jiān)控上架商品圖片中是否有品牌名稱或者口號。
造假者會(huì)利用跟品牌十分類似的關(guān)鍵字和圖片來銷售假貨。而且他們就像牛皮蘚一樣，一旦假貨下架之后，他們又會(huì)換一組關(guān)鍵詞重新發(fā)布同樣的假貨。
初創(chuàng)企業(yè)Red Points正在利用機(jī)器學(xué)習(xí)掃描網(wǎng)站潛在的侵權(quán)情況，并且找出造假者使用的關(guān)鍵字選擇模式。
線下打假就更加棘手了，而且需要更大的人力。
賣家賣或者典當(dāng)二手奢侈品手包時(shí)，驗(yàn)證過程通常需要鑒定專家親自檢查手包的工藝、材料及縫線模式。
但是一些A貨已經(jīng)逼真到肉眼無法辨別的地步。
初創(chuàng)企業(yè)Entrupy跟鑒定專家合作建立真品、贗品數(shù)據(jù)庫來訓(xùn)練算法已有2年時(shí)間。他們利用一種可以連接智能手機(jī)的便攜式顯微鏡讓用戶拍照上傳物件圖片，算法再分析是否具備真品獨(dú)有的微觀特征。不過這種辦法也有局限性。因?yàn)榇蠖鄶?shù)按照標(biāo)準(zhǔn)規(guī)定制造的產(chǎn)品都有類似的特征（造假者也運(yùn)用了這些工藝）。而且像芯片、納米材料這樣的東西并不適用。
Cypheme采用的是另一種辦法�；谌斯ぶ悄艿姆纻嗡菰醇夹g(shù)，通過使用特種紙張作為媒介制作標(biāo)簽，并可進(jìn)行產(chǎn)品溯源。公司宣稱這種標(biāo)簽使用了獨(dú)家技術(shù)，是無法仿造的。而且即便標(biāo)簽是原件，如果不在數(shù)據(jù)庫中有記錄，產(chǎn)品也會(huì)被識別為假貨。
免收銀零售
進(jìn)店、拿貨、出門，這幾乎給人感覺就是入店行竊。AI可以讓過去被視為盜竊的事情及免收銀零售變得更加常見。
Amazon Go就徹底取消了收銀流程，讓顧客進(jìn)店取貨即走。但是Amazon并沒有詳細(xì)介紹過未來的運(yùn)營和商業(yè)計(jì)劃，只是說實(shí)現(xiàn)利用了傳感器、攝像頭、計(jì)算機(jī)視覺及深度學(xué)習(xí)算法但否認(rèn)使用了人臉識別技術(shù)。
像Standard Cognition和AiFi這樣的初創(chuàng)企業(yè)則抓住了機(jī)會(huì)，將Amazon Go的方案普及到零售商。免收銀商店的一大挑戰(zhàn)是如何向適當(dāng)?shù)念櫩褪杖≌_的費(fèi)用。
迄今為止Amazon Go是唯一成功的商業(yè)案例，但是這個(gè)案例有很多因素是受控的。只有Prime會(huì)員才能進(jìn)店。其他人要想效仿，必須先建立起自己的會(huì)員制。
AiFi的方案是如果下載其app就可以拿貨走人，不愿意下載的可以單獨(dú)開辟收銀臺(tái)。但是商店的基礎(chǔ)設(shè)施應(yīng)如何支持這兩種方案尚不清楚。
另一大問題是銷售點(diǎn)存貨損耗問題，比如算錯(cuò)錢或者偷盜。依圖與東芝的智能收銀攝像頭是其中一些解決方案。但是防偷盜問題與運(yùn)營范圍和規(guī)模相關(guān)。Amazon Go只有1800到3000平方英尺，但使用的攝像頭就達(dá)到了數(shù)百個(gè)。幾乎把每一寸地方都覆蓋到了。但傳統(tǒng)的超市一般都有40000平方英尺或以上，需要解決攝像頭如何布局才能高效的問題。
此外，由于商品種類繁多，如何才能識別哪位購物者取走了哪件商品呢？這些需要重量傳感器、攝像頭以及計(jì)算機(jī)視覺算法足夠強(qiáng)大。
Standard Cognition跟日本最大的CPG批發(fā)商百陸達(dá)合作，宣稱要在2020年東京奧運(yùn)會(huì)前改造3000家店鋪。AiFi據(jù)報(bào)道已有20個(gè)零售商客戶。
近期而言，這項(xiàng)技術(shù)的發(fā)展要取決于部署成本及存貨損失成本，以及零售商能否承擔(dān)這些成本和風(fēng)險(xiǎn)。
后端辦公自動(dòng)化
AI正在對事務(wù)性工作進(jìn)行自動(dòng)化，但是數(shù)據(jù)的不同屬性和格式會(huì)對這項(xiàng)工作構(gòu)成挑戰(zhàn)。
不同的行業(yè)和應(yīng)用都有其獨(dú)特的挑戰(zhàn)。
比方說臨床試驗(yàn)里面很多試驗(yàn)都是手寫記錄然后數(shù)字化的。但是這種格式往往難以搜索，而手寫的臨床記錄又會(huì)對自然語言處理構(gòu)成獨(dú)特挑戰(zhàn)。車險(xiǎn)索賠自動(dòng)處理中評估損傷和追溯事故根源時(shí)也會(huì)遇到麻煩。
不過不同的板塊都在開始不同程度地采用基于機(jī)器學(xué)習(xí)的工作流解決方案。
機(jī)器人流程自動(dòng)化（Robotic Process Automation，RPA）泛指任何重復(fù)性的后端事務(wù)性工作的自動(dòng)化，最近是炒作的主題之一。但就像AI一樣，這個(gè)詞涉及內(nèi)容也是包羅萬象，從數(shù)據(jù)錄入到合規(guī)性檢查、交易處理、客戶培訓(xùn)不等。
很多ML解決方案已經(jīng)開始將圖像識別與語言處理整合到一起。
比如WorkFusion就把了解客戶與反洗錢這樣的后端運(yùn)營工作自動(dòng)化了。
獨(dú)角獸UiPath的服務(wù)已擁有700多家企業(yè)客戶，包括DHL、NASA、HP等。
Automation Anywhere是另一家獨(dú)角獸。該公司有一個(gè)案例是跟一家全球銀行合作，用機(jī)器學(xué)習(xí)進(jìn)行自動(dòng)化人力資源管理。“IQ機(jī)器人”會(huì)從多個(gè)國家多種語言提交的表格中提取信息、清洗數(shù)據(jù)，然后自動(dòng)錄入到人力資源管理系統(tǒng)內(nèi)。
不過RPA在很多行業(yè)尚處在起步階段，有的在疊加預(yù)測性分析曾之前還得閑解決數(shù)字化的問題。
語言翻譯
語言翻譯的NLP既是挑戰(zhàn)也是有待發(fā)掘的市場機(jī)遇。大公司正在挑戰(zhàn)極限。
機(jī)器翻譯在后端辦公自動(dòng)化存在著巨大商機(jī)，在跨國組織、客戶支持、新聞&媒體等領(lǐng)域均有應(yīng)用機(jī)會(huì)。
百度的耳機(jī)翻譯器跟Google Pixel buds類似，據(jù)稱能完成40種語言的實(shí)時(shí)互譯。
有的初創(chuàng)企業(yè)比如Unbabel則引入了人參與到記憶翻譯系統(tǒng)當(dāng)中，目標(biāo)是用反饋回環(huán)來訓(xùn)練算法改進(jìn)。
1年前，Yoshua Bengio提出了用神經(jīng)網(wǎng)絡(luò)架構(gòu)來取代傳統(tǒng)統(tǒng)計(jì)法的翻譯方案，后來Google就升級了Google Translate Tool的算法。Google原先采用的是基于短語的機(jī)器翻譯（PBMT），其新的工具采用了神經(jīng)機(jī)器翻譯（GNMT）方案，并且提出了解決訓(xùn)練模型時(shí)遇到的時(shí)間和計(jì)算資源問題的解決方案。
不過最近的突破卻是來自Facebook的。據(jù)稱其突破在于過去的方法只有在資源豐富的語種互譯時(shí)比較有效，但對少數(shù)語種的翻譯就比較有局限性。Facebook提出了一種可學(xué)習(xí)93種語言的聯(lián)合多語言句子表征架構(gòu)。該架構(gòu)僅使用一個(gè)編碼器，且可在不做任何修改的情況下實(shí)現(xiàn)跨語言遷移。
隨著大公司不斷投入資源到改進(jìn)翻譯框架之中，翻譯效率和語言能力也將得到改善，預(yù)計(jì)機(jī)器翻譯將會(huì)在更多行業(yè)得到采用。
合成訓(xùn)練數(shù)據(jù)
訓(xùn)練AI算法離不開大規(guī)模的標(biāo)簽數(shù)據(jù)集。而逼真的仿造數(shù)據(jù)有望解決這個(gè)瓶頸問題。
AI算法的表現(xiàn)取決于獲得的數(shù)據(jù)，但是為不同應(yīng)用獲取數(shù)據(jù)并給數(shù)據(jù)打上標(biāo)簽卻是耗時(shí)耗錢的活兒，甚至沒有可行性（不妨設(shè)想無人車需要的危險(xiǎn)情況數(shù)據(jù)）。
合成數(shù)據(jù)集可以解決這個(gè)問題。
2018年3月，英偉達(dá)推出了NVIDIA推出DRIVE Constellation仿真系統(tǒng)，稱可以在虛擬現(xiàn)實(shí)環(huán)境中測試自動(dòng)駕駛汽車安全行駛數(shù)十億英里。
比方說設(shè)想無人車行駛過程中遇到雷暴。英偉達(dá)的解決方案會(huì)模擬這種情況下車載傳感器（攝像頭或LiDAR）會(huì)生成什么樣的數(shù)據(jù)。合成的傳感器數(shù)據(jù)再提供給計(jì)算機(jī)進(jìn)行決策，就好像自己真的在開車一樣，然后把命令回傳給虛擬汽車。
一個(gè)有趣的新興趨勢是利用AI本身幫助生成更“逼真”的合成圖像來訓(xùn)練AI。比方說英偉達(dá)就用GAN來生成假的腦瘤MRI圖像。
GAN可用來“增強(qiáng)”現(xiàn)實(shí)世界數(shù)據(jù)，意味著AI可以用混合現(xiàn)實(shí)世界和模擬數(shù)據(jù)來進(jìn)行訓(xùn)練，從而形成更大規(guī)模更多樣化的數(shù)據(jù)集。
機(jī)器人是另一個(gè)極大受益于高精度合成數(shù)據(jù)的領(lǐng)域之一。
類似AI.Reverie這樣的早期階段初創(chuàng)企業(yè)正在開發(fā)仿真平臺(tái)為不同行業(yè)和場景生成數(shù)據(jù)集。
隨著技術(shù)的發(fā)展以及合成數(shù)據(jù)能夠更精確地模擬現(xiàn)實(shí)場景，預(yù)計(jì)這會(huì)成為無法獲取大規(guī)模數(shù)據(jù)集的小公司的催化劑。
威脅
強(qiáng)化學(xué)習(xí)
從訓(xùn)練算法擊敗棋類游戲的世界冠軍，到教AI耍雜技，研究人員正在用強(qiáng)化學(xué)習(xí)挑戰(zhàn)極限。但對大規(guī)模數(shù)據(jù)集的需求目前限制了實(shí)際應(yīng)用。
強(qiáng)化學(xué)習(xí)因?yàn)镈eepMind的AlphaGo而引起了媒體的大量關(guān)注。
簡而言之，強(qiáng)化學(xué)習(xí)的要點(diǎn)就是為了實(shí)現(xiàn)目標(biāo)獲得最大回報(bào)你需要干什么？
也正因?yàn)榇�，�?qiáng)化學(xué)習(xí)在游戲和機(jī)器人仿真方面的發(fā)展最好。
DeepMind的AlphaGo一開始是利用率有監(jiān)督學(xué)習(xí)（用其他人類玩家數(shù)據(jù)訓(xùn)練算法）和強(qiáng)化學(xué)習(xí)（AI跟自己下）的。
不過后來的AlphaGo Zero就完全是用強(qiáng)化學(xué)習(xí)來實(shí)現(xiàn)超人的表現(xiàn)了。
最近加州大學(xué)伯克利分校的研究人員開始用計(jì)算機(jī)視覺和強(qiáng)化學(xué)習(xí)教算法學(xué)習(xí)YouTube視頻上的雜耍視頻。在無需人工標(biāo)記姿勢的情況下，計(jì)算機(jī)仿真角色就能重復(fù)視頻里面的動(dòng)作。而且還能在新環(huán)境中應(yīng)用學(xué)到的技能。
不過強(qiáng)化學(xué)習(xí)的采用情況跟目前最普遍的有監(jiān)督學(xué)習(xí)完全不能同日而語。但強(qiáng)化學(xué)習(xí)的專利申請情況卻是在不斷增長的。
網(wǎng)絡(luò)優(yōu)化
從促進(jìn)頻譜共享到資產(chǎn)監(jiān)控乃至于天線的優(yōu)化設(shè)計(jì)，AI正在開始改變電信。
電信網(wǎng)絡(luò)優(yōu)化是一組改進(jìn)延時(shí)、貸款、設(shè)計(jì)或者架構(gòu)的技術(shù)，任何以有利的方式增強(qiáng)數(shù)據(jù)流的東西都算。對通信服務(wù)提供商來說，優(yōu)化會(huì)直接轉(zhuǎn)化為更好的客戶體驗(yàn)。
除了帶寬限制之外，通信面臨的最大挑戰(zhàn)之一是網(wǎng)絡(luò)時(shí)延。類似手機(jī)AR/VR這樣的應(yīng)用只有在時(shí)延極低的情況下才好用。
蘋果最近被授予了一項(xiàng)專利，就是用機(jī)器學(xué)習(xí)來組建“預(yù)期網(wǎng)絡(luò)”，預(yù)計(jì)像智能手機(jī)這樣的無線設(shè)備在未來可能會(huì)執(zhí)行什么樣的操作，從而提前下載數(shù)據(jù)包以降低時(shí)延。
機(jī)器學(xué)習(xí)的另一項(xiàng)新興應(yīng)用是頻譜共享。
頻譜共享是解決頻率資源短缺的必然之道。FCC（美國聯(lián)邦通信委員會(huì)）要求，3.5到3.7GHz頻段必須由不同用戶共享。也就是說運(yùn)營商可基于可用性動(dòng)態(tài)訪問共享的頻譜，從而可以根據(jù)網(wǎng)絡(luò)需求對帶寬進(jìn)行調(diào)整。而沒有獲得專用頻譜許可的較小商業(yè)用戶也可以訪問。
像Federated Wireless這樣的公司提供了Secure Spectrum Access（SAS，安全頻譜訪問）來動(dòng)態(tài)分配頻譜給不同等級的用戶，確保不會(huì)造成干擾。
2018年，F(xiàn)ederated Wireless被授予了一項(xiàng)專利，該專利運(yùn)用了機(jī)器學(xué)習(xí)技術(shù)來對無線信號進(jìn)行分類，同時(shí)又隱藏了聯(lián)邦信號的特征，從而避免被黑客利用。
DARPA則希望最終能從SAS轉(zhuǎn)到完全基于ML的自動(dòng)化系統(tǒng)。為此它在2016年推出了鼓勵(lì)參賽者想出自主協(xié)作動(dòng)態(tài)分配頻譜辦法的Spectrum Collaboration Challenge。并在2017年推出了Radio Frequency Machine Learning Systems，跟Federated Wireless的方案類似，DARPA也是希望用ML區(qū)分不同類型的信號。
電信玩家也準(zhǔn)備將基于AI的解決方案整合進(jìn)下一代無線通信技術(shù)，也就是5G當(dāng)中。
三星為了應(yīng)對5G時(shí)代的到來而收購了基于AI的網(wǎng)絡(luò)與服務(wù)分析初創(chuàng)企業(yè)Zhilabs，稱其軟件將用于分析用戶流量，對應(yīng)用進(jìn)行分類，改善整體服務(wù)質(zhì)量。
高通則把AI邊緣計(jì)算看作其5G計(jì)劃的關(guān)鍵部分。
還有一些研究論文開始探索用神經(jīng)網(wǎng)絡(luò)來設(shè)計(jì)最優(yōu)化的天線。
無人車
盡管無人車市場商機(jī)無限，但何時(shí)實(shí)現(xiàn)全自動(dòng)尚不明朗。
大量技術(shù)巨頭和初創(chuàng)企業(yè)正在這個(gè)領(lǐng)域拼得頭破血流。
這個(gè)領(lǐng)域最富盛名的是Google。其Waymo已經(jīng)在率先部署了無人車商業(yè)車隊(duì)。
投資者的投資熱度依然沒有消退。去年GM的Cruise Automation就拿到了10多億美元的融資，Zoox也融了5億美元。其他的初創(chuàng)企業(yè)還包括Drive.ai、Pony.ai與Nuro等。
中國在無人車方面尤其加大了投入。2017年，百度發(fā)布了無人駕駛開放平臺(tái)阿波羅，旨在將全球合作伙伴捆綁到一起，通過生態(tài)體系其他玩家的貢獻(xiàn)來加速AI和無人駕駛的研究。阿里巴巴也改變了懷疑態(tài)度，最近也對其無人車進(jìn)行了試駕。
而盡管對這項(xiàng)技術(shù)的未來仍有懷疑，車企還是開足了馬力。預(yù)計(jì)到2025年該市場將達(dá)到800億美元。
一些行業(yè)有望成為無人車的第一個(gè)吃螃蟹者，比如物流和履約中心。
自動(dòng)化物流——尤其是最后一公里的送貨——是零售商和履約公司的頭號關(guān)切，也是有望率先實(shí)現(xiàn)全自動(dòng)的領(lǐng)域。無人車可以幫助應(yīng)對費(fèi)錢費(fèi)力的最后一公里送貨問題（成本將近配送成本的1/3）。
像美國亞利桑那州這樣的地方對無人車部署比較友好，從而成為了熱門的試驗(yàn)場。2018年6月，機(jī)器人初創(chuàng)企業(yè)Nuro開始跟美國最大百貨商Kroger合作配送百貨。跟其他配送機(jī)器人不同，它的配送機(jī)器不僅在人行道行走，而且還會(huì)在社區(qū)道路行駛。
在飯店業(yè)，Domino’s和必勝客是試驗(yàn)無人車的先驅(qū)。福特正在邁阿密試驗(yàn)配送比薩、百貨等商品。包括Domino’s在內(nèi)，其合作伙伴已經(jīng)超過了70家企業(yè)。
作物監(jiān)控
三種類型的作物監(jiān)控正在農(nóng)業(yè)領(lǐng)域取得發(fā)展：地面、空中及地理空間。
精準(zhǔn)農(nóng)業(yè)無人機(jī)市場到2021年預(yù)計(jì)將達(dá)到29億美元。
無人機(jī)可以進(jìn)行土地映射、利用熱成像監(jiān)控含水量，識別蟲患以及噴灑農(nóng)藥。
初創(chuàng)企業(yè)則關(guān)注于在第三方無人機(jī)捕捉到的數(shù)據(jù)之上增加一個(gè)分析層。
比方說Taranis就用第三方的Cessna飛機(jī)來做這件事情。去年aranis還收購了農(nóng)業(yè)AI技術(shù)初創(chuàng)企業(yè)Mavrx Imaging，后者開發(fā)了超高清影像技術(shù)來巡視和監(jiān)控土地。Taranis還利用AI技術(shù)來拼接土地成像，并且來幫助識別潛在的作物問題。
農(nóng)機(jī)設(shè)備制造商John Deere也在利用AI來重塑自己。它收購了農(nóng)機(jī)設(shè)備公司Blue River Technology。后者有利用計(jì)算機(jī)視覺來進(jìn)行智能除草與噴灑解決方案。
此類個(gè)體作物監(jiān)控有望成為精準(zhǔn)農(nóng)業(yè)的主要顛覆者。如果地面農(nóng)機(jī)設(shè)備靠計(jì)算機(jī)視覺而變得更加智能，并且只噴灑有需求的作物的話，就可以減少對消滅附近一切的除草劑的需求。精準(zhǔn)噴灑也意味著除草劑、殺蟲劑使用量的減少。
除了田地以外，計(jì)算機(jī)視覺還可以對衛(wèi)星影像進(jìn)行分析，從而為農(nóng)業(yè)耕作提供宏觀層面的理解。比如嘉吉公司就投資了Descartes Labs，后者利用衛(wèi)星數(shù)據(jù)為大豆、玉米等作物建立了一個(gè)預(yù)測模型。DARPA也在跟Descartes合作來預(yù)測作物安全。
暫時(shí)
網(wǎng)絡(luò)威脅追捕
對網(wǎng)絡(luò)攻擊做出反應(yīng)已經(jīng)不夠了。利用機(jī)器學(xué)習(xí)主動(dòng)“搜尋”威脅正在網(wǎng)絡(luò)安全取得良好的發(fā)展勢頭。
計(jì)算能力與算法的進(jìn)步正在把以前只有理論上可行的破解變成了真正的安全問題。2018年全球共有4.5PB的數(shù)據(jù)被盜用。相比之下，2017年為2.6PB。
跟AI的其他行業(yè)應(yīng)用不一樣，網(wǎng)絡(luò)防御是黑客與安全人士之間的一場貓捉老鼠的游戲，雙方均利用機(jī)器學(xué)習(xí)的進(jìn)步來獲取優(yōu)勢。
威脅搜尋是主動(dòng)尋找惡意活動(dòng)而不是對告警或者破壞情況發(fā)生后再被動(dòng)反應(yīng)。
搜尋從假設(shè)網(wǎng)絡(luò)存在潛在缺陷開始，然后利用手工或者自動(dòng)化工具來測試該假設(shè)，這是一個(gè)持續(xù)的、不斷迭代的過程。不過網(wǎng)絡(luò)安全所涉及的數(shù)據(jù)量使得機(jī)器學(xué)習(xí)成為該過程不可或缺的一部分。
不過盡管不同業(yè)務(wù)對威脅捕捉均有需求，但目前仍屬于較為小眾化的方向。擁有大量數(shù)據(jù)資源的大型企業(yè)會(huì)更加關(guān)切這個(gè)東西。
比方說，Amazon就收購了威脅追捕初創(chuàng)企業(yè)Sqrrl來開發(fā)產(chǎn)品，抓捕AWS客戶賬號上的黑客。
另一家AI初創(chuàng)企業(yè)Cylance的關(guān)注點(diǎn)也是威脅追捕，去年也已被黑莓收購。
網(wǎng)絡(luò)的覆蓋面越廣就越容易受到攻擊。威脅追捕有可能會(huì)有更大的發(fā)展勢頭，但是這個(gè)東西本身也有挑戰(zhàn)性，比如如何應(yīng)對不斷變化的動(dòng)態(tài)環(huán)境以及減少誤報(bào)問題。
對話式AI
對于很多企業(yè)來說，聊天機(jī)器人已成AI的同義詞——但是希望跟不上現(xiàn)實(shí)。
Google的會(huì)話式AI功能Duplex遇到了麻煩。
Duplex可以替用戶打電話和進(jìn)行預(yù)訂，而且溝通方式就像人一樣。但是這引發(fā)了道德?lián)鷳n，大家質(zhì)疑Duplex跟人對話時(shí)是否應(yīng)該表明自己的身份。
Google還把Duplex集成到了自己的新手機(jī)Pixel 3里面。這讓這部智能手機(jī)成為了AI的動(dòng)力室，里面還有一個(gè)“來電篩選”的選項(xiàng)，可以讓Google Assistant篩選掉垃圾來電。
美國的FAMGA和中國的BAT均在該領(lǐng)域投入了大量資源，但會(huì)話式AI暫時(shí)只在某些應(yīng)用領(lǐng)域具備一定的可行性。
其中最廣泛的應(yīng)用之一是客戶服務(wù)。聊天機(jī)器人（注：并非所有機(jī)器人都采用自然語言處理）形成了跟用戶交互的第一層，然后根據(jù)復(fù)雜性程度再把查詢交給人處理。
但是醫(yī)療保健和保險(xiǎn)的應(yīng)用就比較有挑戰(zhàn)性，因?yàn)檫@些領(lǐng)域的分類（測定情況的緊急程度）很復(fù)雜。
類似地，基于語音的對話式購物者沒有視覺線索的情況下也很有挑戰(zhàn)。
盡管分析師和CPG品牌均談到了語音購物可能是零售的下一個(gè)大事物，但這個(gè)東西還是沒有做起來。除了記錄特別物品外，它未能提供可帶動(dòng)在線貿(mào)易的關(guān)鍵客戶體驗(yàn)。
心理保健是聊天機(jī)器人有望成為顛覆性力量的另一個(gè)領(lǐng)域。
心理保健的高成本與全天候服務(wù)的吸引力導(dǎo)致了基于AI的心理保健機(jī)器人新時(shí)代的崛起。
早期階段初創(chuàng)企業(yè)的關(guān)注點(diǎn)是利用認(rèn)知行為療法來作為許多情緒跟蹤和數(shù)字健康日記app的會(huì)話式擴(kuò)展。
但是心理健康的范圍也很大，不同心理疾病在癥狀、分析主觀性上各異，而且需要高級的情緒認(rèn)知和人際互動(dòng)。
所以盡管會(huì)話式AI具備成本和便利性的優(yōu)勢，但在像心理保健這樣的領(lǐng)域應(yīng)用會(huì)面臨很大的困難。
藥物發(fā)現(xiàn)
隨著AI生物技術(shù)初創(chuàng)企業(yè)的出現(xiàn)，傳統(tǒng)制藥公司正在尋求通過AI SaaS初創(chuàng)企業(yè)來獲得長周期的藥物發(fā)現(xiàn)的創(chuàng)新性解決方案。
2018年，輝瑞跟AI初創(chuàng)企業(yè)XtalPi達(dá)成了一項(xiàng)戰(zhàn)略合作關(guān)系，雙方一起合作來預(yù)測小分子的制藥屬性，并開發(fā)“基于計(jì)算的合理藥物設(shè)計(jì)”。
頂級制藥公司像諾華、賽諾菲、葛蘭素史克、安進(jìn)以及默克等均在最近宣布了跟AI初創(chuàng)企業(yè)的合作關(guān)系，以便為從腫瘤到心臟病等疾病發(fā)現(xiàn)新的候選藥物。
對本領(lǐng)域的興趣也推動(dòng)了AI藥物發(fā)現(xiàn)初創(chuàng)企業(yè)股權(quán)交易的發(fā)展，2018年Q2的交易數(shù)達(dá)到了20樁，相當(dāng)于2017年全年。
像Recursion Pharmaceuticals這樣的生物技術(shù)AI公司在AI與藥物研發(fā)方面均有投入，而傳統(tǒng)制藥公司主要是跟AI SaaS初創(chuàng)企業(yè)合作。
盡管許多這樣的初創(chuàng)企業(yè)仍然處在融資的早期階段，但是均聲稱已有制藥公司客戶。
雖然藥物配方階段的成功指標(biāo)寥寥無幾，但制藥公司正在押注數(shù)百萬美元到AI算法身上，希望能發(fā)現(xiàn)新穎的治療候選方案，并且改變?nèi)唛L的藥物發(fā)現(xiàn)流程。
來源: 36氪 郝鵬程
共2 上一頁 [1] [2] 第1頁 第2頁
搜索更多: 人工智能
