编者注：本文作者Ken Elefant于2017年加入Sorenson Capital，并开始指导公司的早期技术实践。在Sorenson Capital工作之前，Ken在硅谷的风险投资公司任职了18年，还在技术公司担任过6年以上的运营职务。
ML和AI的出现恰恰激发了公众的想象力。据麦肯锡全球研究所（一家全球*的私营咨询机构）估计，2016年，投资于AI技术的投资额为260亿至390亿美元。这个达到三年前三倍的数字，得归功于创业活动和技术进步。
成千上万的风投公司疯狂地涌入ML领域，毕竟ML和AI是有实际意义的，而不是像未来的自驾车和家庭自动化的时间表那样虚无缥缈的东西。真正睿智的投资者应该考虑正在解决下列这五个问题的公司。
1.可以消除无用的任务
我们总有必须繁忙工作的时候：枯燥乏味的工作，可能是必要但不重要的。幸运的是，ML和AI正在通过人机交互技术解决其中的一些问题。虚拟助理，如Siri，Cortana和Google Assistant可以执行基本任务，通过自然语言与用户对话。
在Dialogflow这样的公司中，可以发现更多这种技术的应用实例。Dialogflow是谷歌旗下的一个公司，以前被称为Api.ai。这些公司构建了对话接口，通过使用ML来了解并满足客户需求。你是想要发送5000个日历邀请，还是预订从旧金山飞往巴黎的航班？是不是需要一种可靠的方法来在线回答基本的客户问题？ Dialogflow提供的解决方案轻松化解了这些需要几个小时时间的枯燥工作。
2.聚焦分散性问题
数据可以显示现代公司运营的各个层面。即使是小型企业也有大量的材料需要分析，因此一个大型企业所需要消耗的大量信息更是惊人。
可获得的数据已经超出了人类能够合成的能力，这使它成为ML和AI的*辅助。例如，Elucify可帮助销售团队自动更新联系人。只需轻轻单击，就可以从众多的公共和私人数据源中获取信息。Elucify将所有这些扩散数据进行比较，并在必要时进行更改。
3.将数据分类
现代的网络安全问题需要将海量的内部数据与相当数量的外部数据进行比较。这是一个很难解决的问题，但是ML和AI是这项工作的*工具。
在我在英特尔投资公司任职期间，我是Vectra Networks的一名投资者，它是一家使用AI来阻止网络攻击的安全公司。通过将外部网络数据与企业内部的日志进行比较，Vectra Networks可以自动化检测攻击的过程。人类工作人员根本无法围绕如此广泛的信息分布做出分析。
一家类似的公司是RiskSense，它开创了主动的网络风险管理，并利用ML和AI来实现数据流程的自动化。随着网络安全问题的改变和增加，这些组织对解决分布式数据的问题来说至关重要。
4.解决动态数据障碍
在过去的50年里，每一本商业书籍都有关于提高效率的章节；这是一个宝贵的特征。在这种追求中，一个主要的障碍是解决员工的个人素质问题。现在，一些具备前瞻性的公司正在采用AI来解决人类行为的动态问题。
一家名为GitPrime的初创公司利用代码数据来确定软件工程师最高效的工作模式。这些复杂的模式有助于组织更快地行动，并对不断变化的需求做出更积极的响应。在过去，发现人类对数百万行代码的影响是不可能的，但是ML和AI可以帮助我们发现它们。
5.可预防潜在危险
尖端的工业系统结合了AI动力机器人，3D打印和传统的人力监督。公司不仅可以通过这些系统节省数十亿美元，而且还可以挽救生命。
工业自动化*Rethink Robotics构建了由AI驱动的交互式机器人系统。这一过程不仅降低了成本，提高了公司的效率，而且为员工创造了更为安全的环境。制造业工作中的危险因素被机器取代，而它们背后的大脑仍然是安全和人性化的。
未来，在ML和AI领域，引人注目的投资肯定是有一席之地的——我已经看到很多风险投资资金都花在了这个方向上。但凭借我在风险投资行业18年的工作经验，还是需要寻找能产生有影响力和现实的解决方案的公司。ML和AI为解决许多这些无聊、分散、动态和危险的问题提供了极好的方法。我希望投资团体能慎重考虑。
