我坚信，人工智能是如今最激动人心和*变革性的机遇，我这么说并非空穴来风。
根据KPCB的报告，全球范围内约有20亿手机用户，其中有40%的手机联网。这意味着我们现在正创造出前所未有的大数据。
随着计算和存储的成本大幅下降，数据处理器的计算能力显著增长。我们已经看到了在学习方法、架构、软件基础设施等方面的进步。创新的步伐不断加速，以至于我们无法准确预测未来的发展态势。
如今各种人工智能驱动产品琳琅满目，在搜索引擎、电商/音乐推荐系统、在线广告以及金融服务等方面表现抢眼。研发人工智能的企业给其他人提供了跟风以及冒险争夺人工智能行业一席之地的动力。因此，研发团队对于人工智能有了更好的理解，并配备了更好的工具，为大范围日益复杂的任务建立学习系统。
数量庞大的信息被禁锢在企业内部无数的“数据孤岛（data silos）”中。
试想，如果有办法让这些数据之间建立起某种联系，就能找到一个全盘观察复杂问题的角度，从该角度出发的洞察力可以实时判断并作出更多预测。
利用企业所在领域的专长，用人工智能科技的帮助提供专注、高附加值和可复制的解决方案，这将会弥补人类的短板。比如，在线欺诈检测公司SiftScience和Ravelin、个人贷款创业公司ZestFinance和Kreditech解决了人类社会中存在的棘手问题，在分析新的欺诈手段和贷款申请文件时用人工智能做出正确的判断。
你是否开发出过满足更广泛市场需求的新型机器学习或深度学习架构呢？
你是否可以将新的工具和技术移植到市场上现有的成熟产品中，并提供给终端客户呢？
据调查，知识工作者因重复机械工作，导致低效率和出错。因此，可以通过结构化的工作流（可量化的工作产出），自动化利用情景决策来帮助他们。
关注长远发展和专注研究需要面临一定的风险，可能只能在学术上有所作为（受到严格预算限制）。
但我认为大家更需要关注大公司相继发布的开源技术，例如谷歌、IBM、微软等推出的大量低价产品，这表明技术壁垒正在被快速消除。
你是想采用长期的研发计划还是短期的盈利策略呢？
尽管越来越多的产品类型和产品框架正在发布，但投资人仍然会关注产品性能的实用性。记住，用户才是产品的最终评判者，是公司真正的竞争对手。
复合型人才过于缺乏。那么你该如何招募更多优质人才并让他们安心工作呢？
你需要在早期就思考如何平衡产品研发和设计间的关系。如果事后才考虑如何增加美感，就好像给一头猪涂口红，涂了之后猪还是猪。瞎折腾！
大多数人工智能系统需要有用数据，早期你又该怎样引导这些数据呢？
人工智能产品在市场上还是新鲜事物。你所面临的客户，可能是什么都不懂的科技小白，所以，你必须精心设计整个销售循环里的步骤。
问自己：你要通过什么方式销售你的产品？
哪种类型的投资者能最客观评价你的业务呢？
你觉得什么是有价值的？MVP？媒体报道？还是开源社区的用户？
是应该专注核心产品开发还是根据客户需求变化不断调整产品呢？
融资时要有一个缓冲期来确保在上市前已达到一个至关重要的里程碑。
在人工智能的产品中，有两个重要因素使得用户需参与进来：
1. 机器不能概括人类认知。我们需要用户调试，进一步完善机器；
2. 用户有很多同类软件产品可供选择。因此，他们往往是善变的（平均90天保留同一款应用的用户只占35%）。满足用户预期值关键是要形成用户习惯。
我认为通过解释机器生成结果的方式，我们可以更进一步发展。这些互动能提升系统性能，鼓励用户长期使用和投资。但切记，对于不了解的事物，我们不能完全信任。
为了搞清楚这个问题，首先，我们先审视一下全球投资市场。
在2015年前三个季度，共有472亿美元的投资，预计年底会达到550亿美元。大约900家公司致力于人工智能领域，其中大部分是为了解决商业智能问题和金融安全。
从2015年1月1日到2015年12月1日，我们预计约有300笔人工智能公司的投资，其产品或技术涉及到人工智能、机器学习、计算机视觉、自然语言处理、数据科学、神经网络、深度学习等方面。
值得一提的是：80%的投资少于500万美元；90%的现金投资发生在美国，欧洲只占13%；75%的多轮融资发生在美国。
该市场上已经出现33笔企业并购交易以及1家首次公开募股公司Adgorithms。这些交易中，除了6家欧洲公司及1家亚洲公司外，其他都是美国公司。比较大的三笔交易是：Twitter以5.32亿美元收购TellApart（该公司之前融资1700万美元）、BlueCoat以2.8亿美元收购Elastica（该公司融资4500万美元）、IronSource以1.5亿美元收购SupersonicAds（该公司融资2100万美元）。
总体来看，人工智能的投资约占2015年风投的5%，虽高于2013年的2%，但仍远远低于广告、移动以及商务智能软件的投资。
这里有两点值得指出：
1. 人工智能公司的投资收益刚刚有所起色；
2. 大部分投资发生在美国。
我曾经花费大量时间研究基因对于癌细胞扩散的作用。
总结如下：癌症治疗的发展是一个非常具有挑战性且昂贵漫长的正规化过程，最终会提供了一个短暂的解决方案来治疗疾病。
我认为，我们需要实时检测身体状况和生活方式，来提高医疗效果。这有利于实时查看健康状态，降低医疗费用，同时提高治愈几率。
现在，我们甚至可以通过搜集数据认识到先天和后天环境是如何影响疾病的起因和发展的。这是一个质的飞跃！
从如今的临床经验上看，患者总是感觉不舒服之后才会到医院，而医生必须通过大量设备来做出诊断。而这些检验反而会加重病情（比如癌症晚期患者）。
未来将变成一个实时连接并追踪健康状况的时代，我们可以预测到某个人可能会患上什么疾病，并提前采取措施。这需要大量基于人工智能的应用程序，如智能传感器、信号处理器、深度学习等等。
值得注意的一点是，UK Biobank（50万份病历）、Genomics England（10万组基因组测序）、HipSci（干细胞）和NHS care.data正在计划创建中心数据存储库，有利于公众健康和研究治疗。
未来的企业会不会自动运行，无需人为干涉呢？
到2020年，人工智能驱动的知识性工作将减少9万亿美元的雇佣成本，机器人所带来的效率收益可达1.9万亿美元。我认为全自动企业的前景已经近在咫尺。
我非常看好人工智能对于我们生活和工作所带来的价值。我认为该领域存在一些低风险的投资机会，特别是短期内就能盈利的项目。
随着时间的推移，我们需要记住一点——技术将会商业化。因此这要求创业者必须理解你的产品、你的客户以及你给客户带来的价值。你得寻求一个战略，以建立一个可持续发展的优势，使得别人很难复制你的产品。
因此，有一个需要重新关注的核心原则：找出一个解决方案，解决长期存在的问题，并实现高价值的服务。
