下一个DeepMind？人工智能创业公司应该具备什么条件？

绝大多人的人都发现，在一个很宽的时间范围内等着接收包裹很麻烦，比如说从早上8点一直到下午5点之间，所以当快递创业企业Paack提供了一项服务，任何人都可以将送货的窗口时间缩短到一个小时，而且不需要支付额外的费用，它就面临着一项挑战。这家创业企业的路由引擎表现不错，但是需要变得更加高效。

进入Prowler．io——这是一家位于英国剑桥的机器学习创业企业，它将自己定位针对任何有复杂问题需要解决的公司的决策平台。

Paack在2018年2月，联系伦敦的风险投资公司Balderton，为其介绍了Prowler，并且在几个月里，就开始通过智能数字模拟调度该公司的货车和卡车。

在beta测试结束后，Paack公司的首席执行官Fernando Benito认为该项目对该公司的盈利有潜在的好处。他对福布斯表示，他的创业企业的交付效率有一些提高了15％。

他在西班牙巴塞罗那的公司总部接受电话采访时补充表示：“如果我们能够有更好的预测，我们就应该改进我们的资源分配。”他表示：“这样的话，利润也应该会增加。”

Prowler表示，和大多数依赖深度学习的人工智能方法相比，它可以更好地预见未来。机器学习的想法经常会让人联想到人类的大脑，但是Prowler的创始人Vishal Chatrath认为，这是一种愚蠢的构建人工智能的方式。

他认为未来的决策不是由中央枢纽做出的，而是由许多智能代理在模拟中共同工作和思考。

例如，为了协调自动驾驶的出租车车队，计算机不应该决定每辆出租车应该去哪里。相反，它应该模拟整个环境并将智能附加到每辆出租车的数字化身之上。该过程被称为多代理模拟。

这个想法有点像通过视频游戏看世界，让游戏及其角色形成现实世界中应该发生什么的决定。

Prowler一直在与另一家客户Mandatum Life——一家位于芬兰赫尔辛基的人寿保险公司——一起测试其平台，而且Chatrath表示早期的结果表明它也帮助该公司提高了其股票交易业绩。

Andreessen Horowitz的分析师Benedict Evans表示，像Salesforce和SAP这样的企业软件公司使得数据库能够相互交流，并成为帮助苹果和星巴克等公司建立成功的供应链的关键。

但下一代企业软件巨头可能会专注于机器学习。他们将提供系统，让客户全面审视并协调他们的内部流程，而又无需过多的人力投入。

这类创业企业面临的挑战是，要在服务方面展现出非常明显的投资回报，这些服务通常需要技术水平很高的工程师来完成，并且价格昂贵。而且这些领域也已经变得过于夸张。

尽管谷歌的DeepMind部门已经成为人工智能研究领域的顶级公司之一，但是除了使其数据中心变得更加高效之外，它对谷歌业务的商业贡献仍然不明朗。

但是，在2015年就把语音技术创业公司VocalIQ卖给了苹果公司的Chatrath声称他的情况并不是这样。他预测，在2019年的收入将稳步增长到500万欧元（580万美元），到2020年收入将达到2000万欧元（2340万美元），这是根据他现有的潜在客户做出的预测。

迄今为止，他从投资者那里筹集了1460万美元，其中包括Hermann Hauser的Amadeus Capital和Eileen Burbidge的Passion Capital，并于2016年创立了Prowler．io。该公司拥有约80名员工，总部位于英国剑桥。

所谓的神经网络是谷歌DeepMind等人工智能公司机器学习的最热门方法的基础，经过培训后可以进行决策，并且受到我们大脑的灰质结构的启发。我们对人工智能的顽固拟人化是其变得如此迷人的原因之一。

Chatrath认为这种做法是错误的。他指出：“我们不会制造能够拍打翅膀的飞机。” 他表示：“几百年来，人们一直在试图拍打他们的翅膀，可是他们都死了。”那么，既然科学家们还无法完全理解大脑的内部工作机制，他们为什么还要去制作数字化的复制品呢？

Chatrath认为，对于商业或现实世界的应用程序，谷歌和微软正在构建的深层神经网络“并不适用”。

据估计仅2018年就有一亿美元投资在了人工智能领域，其中绝大部分都集中在深度学习这个方法上，考虑到这种情况，不得不说这是一个非常大胆的立场。

一些人认为像谷歌之类的公司在人工智能领域采用的深度学习的方法现在看起来已经开始过时了，因为企业已经开始尝试根据不断运动并变化的数据进行自动化决策了。

机器学习企业家Nagendra Nagaraj表示，像奈非（Netflix）和亚马逊之类的企业经常处理的数据是静止的。他在印度班加罗尔的创业企业AlphaIC正在开发一种芯片，可以为可移动或外出的物理设备处理机器学习算法，而不仅仅是依靠在数据中心之中的服务器。

与Prowler合作的Nagaraj更喜欢后者在模拟中复制像汽车或无人机机群这样的移动设备的方法。他说，这样做需要的整体数据更少，需要的处理能力也更低。模拟代理本身就像视频游戏中的化身一样，不需要那么多数据，因为它们“通过交互来学习”。

他怀疑谷歌一直在推动人工智能的深度学习方法，因为它需要庞大的网络和大量数据，可能会被谷歌的广告业务和云平台所利用。然而，DeepMind最近对AlphaZero的研究工作也使用了没有人类训练数据的模拟。

谷歌DeepMind的一位发言人拒绝对此发表评论。

Chatrath的上一家创业企业是VocalIQ，这是一家位于剑桥的公司，该公司的软件能够理解用日常用语提出的问题。该公司于2015年10月被出售给了苹果公司，并被整合进入了Siri，此事引发了广泛的报道。

Prowler的Borg式决策方法比他上一次的创业公司提供了更广泛的应用程序。它还伴随着向分散式或“边缘计算”的逐渐转变，便宜的智能手机处理器也可以进入设备，让它们变得更聪明。

Prowler面临的挑战是向更多客户证明其系统不仅仅是一种花哨的噱头。根据Rethink Research上周发布的关于人工智能创业企业投资泡沫的报告，在2018年第一季度，美国人工智能创业企业获得的风险投资增加了29％，达到19亿美元。报告称，“泡沫仍在继续发酵。”

来自谷歌、亚马逊和阿里巴巴等大型科技公司的资金不断涌入人工智能领域，在2018年全球已经达到1000亿美元左右，但Rethink Research表示，“在预测期内，这些投资无法产生投资回报。”