機器學習是如今當之無愧的流行話題。它很有潛力改變各種市場和各個行業(yè)。但圍繞這種技術也出現(xiàn)了許多炒作。作為投資者，我找出了能夠成功發(fā)展機器學習技術的領域所共有的幾大關鍵特征。

　　1、大市場的里的具體用例
　　成功的機器學習創(chuàng)業(yè)公司應該瞄準有明確技術需求的垂直應用。預包裝消費品行業(yè)就是個好例子。機器學習可以更加準確地預測庫存水平，從而更好地管理供應鏈，降低庫存成本，盡可能降低產能過剩，消除缺貨狀態(tài)。根據(jù)埃森哲的最新報告，機器學習可以將配送時效提升4.25倍，將供應鏈效率改進2.6倍。

　　2、關注涉及重復性人力勞動的領域
　　大量的人力干涉表明復雜的預測算法有很大的優(yōu)化機會。同樣以供應鏈為例，當今的分析師預測庫存需求時不僅使用歷史數(shù)據(jù)，還在很大程度上依賴直覺。借助生產時間、售罄率等數(shù)據(jù)，及其學習模型便可更加精準地預測未來的需求。

　　3、有大量數(shù)據(jù)可供預測分析之用
　　創(chuàng)業(yè)公司需要借助大量數(shù)據(jù)才能有效訓練機器學習模型。企業(yè)既可以與老牌大型公司合作，利用他們的數(shù)據(jù)來學習，也可以自己開發(fā)產品，然后吸引用戶貢獻數(shù)據(jù)。這兩種模式都可以成功。

　　4、網(wǎng)絡效應和防御性
　　算法的開源趨勢將會延續(xù)，因此專有數(shù)據(jù)變成了關鍵。為系統(tǒng)提供數(shù)據(jù)和反饋可以提升精確度，并形成自己的護城河。因此，一款產品應該吸引用戶針對系統(tǒng)的預測和推薦提供反饋。例如，F(xiàn)acebook的照片標記算法可以通過用戶的糾錯達到這一目的。

　　可投資的領域：我認為機器學習在以下垂直領域最有潛力：

　　醫(yī)療診斷和生物信息學
　　機器學習將在整個醫(yī)療價值鏈上提高產出、降低成本。機器學習有望提升診斷效果、降低出錯率，還能簡化藥物發(fā)現(xiàn)流程，這都令人頗感振奮。病人的數(shù)據(jù)可以用于早期的疾病診斷，并借此提供個性化治療方案。醫(yī)藥和生物科技公司也可以使用計算方法快速而有效地發(fā)現(xiàn)效果更好的新藥。

　　供應鏈
　　機器學習可以改進供應鏈的多個方面，包括需求預測、市場趨勢、交易促進和新品設計。當今的企業(yè)很難評估市場模式和市場波動，因此難以幫助企業(yè)制定決策，并精確做出預測。

　　制造
　　工業(yè)物聯(lián)網(wǎng)的市場規(guī)模約為120億美元，但目前仍處于普及初期。根據(jù)簡柏特對173位企業(yè)高管進行的調查，只有25%制定了物聯(lián)網(wǎng)戰(zhàn)略，而其中對執(zhí)行效果真正滿意的只有24%。這些高管都希望借助機器學習解決方案來提高收益率，同時降低庫存和成品率，以此降低成本，尋找新的獲利機會。

　　合規(guī)
　　金融機構的合規(guī)是個巨大的市場。自2008年以來，僅摩根大通一家公司就花費360億美元支付和解和罰款，并且聘請了8000名員工從事合規(guī)性評估。機器學習可以幫助銀行和其他面臨嚴格監(jiān)管的企業(yè)改進這一流程。

　　企業(yè)語音
　　由于語音分析非常復雜，因此雖然這是企業(yè)工作流程中的重要元素，但從企業(yè)人工智能角度來講，目前只處在在邊緣地帶。NewVoiceMedia 2013年的一份報告顯示，呼叫中心的低下效率每年造成約410億美元的損失。每年約有240萬內部銷售代表與客戶展開數(shù)百萬小時的對話。所以這其中明顯蘊含巨大的機會，可以通過自動化流程改進呼叫中心、會議、銷售和營銷活動的效率。

　　保險
　　保險是個規(guī)模巨大、范圍廣泛的領域，機器學習可以幫助保險公司以更低的費用推出更精準的產品。例如，汽車保險公司可以使用駕駛和其他行為數(shù)據(jù)進行單獨定價，或者使用更好的欺詐探測系統(tǒng)來降低整體的成本結構。咨詢公司畢馬威認為，機器學習將“徹底改變”保險行業(yè)。

　　個人金融
　　新的數(shù)據(jù)和分割模式令“千禧一代”享受到很多之前難以享受的金融產品（例如信用產品）。另外，自動化智能系統(tǒng)也在降低個性化建議的成本，因為它可以追蹤用戶的行為，并根據(jù)其偏好和目標提供建議。TechCrunch曾經寫過一篇不錯的文章，分析了人工智能將如何通過個性化推薦對金融行業(yè)產生影響。

　　個性化教育
　　傳統(tǒng)教育的一大局限在于，老師必須面向整個班級傳授一套標準課程。但實際上，不同學生的理解水平和學習風格各有不同。企業(yè)能否利用數(shù)據(jù)幫助父母和學校為每個學生確定有問題的領域，并制定個性化課程，然后給出單獨定價，同時根據(jù)每個學生的問題和風格定制計劃？這不僅可以改變美國教育現(xiàn)狀，還蘊含著巨大的經濟機會。截至2013年，美國每年在公共教育上投入的開支達到6200億美元，約有5000萬學生入讀公立學校。

　　對哪些領域不感興趣
　　雖然我對上述領域很感興趣，但還有很多公司所從事的業(yè)務是我并不認同的。

　　單純的人工智能公司
　　人工智能和機器學習從來都不是終極目標，關鍵是將這些技術應用于實踐。

　　聊天機器人
　　這種技術還不夠先進，無法通過廣義的聊天機器人為我們提供積極體驗。