機(jī)器學(xué)習(xí)（Machine Learning）在當(dāng)下是個(gè)熱門的話題蛋铆。它有巨大的改變整個(gè)市場(chǎng)和行業(yè)的潛力愉适，然而現(xiàn)在的言論中也有許多摻雜著炒作的成分啸盏。

Redpoint Ventures的投資人什湘，Medha Agarwal，寫(xiě)了一篇長(zhǎng)文赎离，以投資人的角度告訴大家機(jī)器學(xué)習(xí)的潛力股逛犹。他表示，作為投資者他相信一下四個(gè)關(guān)鍵特征梁剔，是區(qū)分機(jī)器學(xué)習(xí)中的贏家：

1. 在廣大市場(chǎng)中有具體的用途虽画。成功的機(jī)器學(xué)習(xí)創(chuàng)業(yè)公司應(yīng)成為有針對(duì)垂直應(yīng)用的、有明確需求的技術(shù)荣病。消費(fèi)者包裝產(chǎn)業(yè)就是個(gè)很好的例子码撰，機(jī)器學(xué)習(xí)可以更準(zhǔn)確地預(yù)測(cè)庫(kù)存水平，以更好地管理供應(yīng)鏈个盆，降低庫(kù)存成本灸拍，最大限度地減少過(guò)剩產(chǎn)能需求，并消除缺貨這種情況砾省。根據(jù)埃森哲的研究數(shù)據(jù)表明，機(jī)器學(xué)習(xí)可以使交付時(shí)間提高4.5倍混槐，供應(yīng)鏈效率提高2.6倍编兄。

2. 關(guān)注重復(fù)人工參與的領(lǐng)域。強(qiáng)烈的人工干預(yù)意味著存在利用復(fù)雜預(yù)測(cè)算法進(jìn)行優(yōu)化的機(jī)會(huì)声登。在同樣的供應(yīng)鏈?zhǔn)纠泻菰ВF(xiàn)在的分析師們會(huì)根據(jù)一些歷史數(shù)據(jù)來(lái)估計(jì)庫(kù)存需求，但很多時(shí)候也是憑直覺(jué)悯嗓。通過(guò)利用生產(chǎn)時(shí)間件舵、銷售率和其他數(shù)據(jù)，學(xué)習(xí)模型可以更準(zhǔn)確地預(yù)測(cè)未來(lái)的需求脯厨。

3. 大量的可預(yù)測(cè)數(shù)據(jù)铅祸。創(chuàng)業(yè)公司需要大量的數(shù)據(jù)來(lái)有效地訓(xùn)練機(jī)器學(xué)習(xí)模型。他們可以和更大更成熟的公司合作合武，利用別人的數(shù)據(jù)學(xué)習(xí)临梗，或者建立一個(gè)吸引用戶輸入自己的數(shù)據(jù)的產(chǎn)品，如果能做到這一點(diǎn)稼跳，這個(gè)創(chuàng)業(yè)公司很有可能成功盟庞。

4. 網(wǎng)絡(luò)效應(yīng)和防御性。算法將繼續(xù)是開(kāi)源的汤善，這使得專有數(shù)據(jù)特別重要什猖。而反饋和系統(tǒng)輸入則提高了其準(zhǔn)確性票彪。因此產(chǎn)品應(yīng)該鼓勵(lì)人們對(duì)其預(yù)測(cè)和建議提供反饋。

可投資的類別

Medha覺(jué)得以下垂直領(lǐng)域不狮，機(jī)器學(xué)習(xí)是有很大潛力的：

醫(yī)學(xué)診斷和計(jì)算機(jī)生物學(xué)降铸。機(jī)器學(xué)習(xí)將改善整個(gè)醫(yī)療保健價(jià)值鏈，并降低成本荤傲。改善診斷垮耳，減少錯(cuò)誤，簡(jiǎn)化藥物發(fā)現(xiàn)過(guò)程遂黍，這個(gè)潛力是讓人灰常興奮的终佛。患者數(shù)據(jù)可用于早期檢測(cè)疾病和個(gè)性化治療計(jì)劃雾家。制藥的生物技術(shù)公司可以使用計(jì)算方法快速有效地發(fā)現(xiàn)比目前市場(chǎng)上更有效的新藥铃彰。

供應(yīng)鏈。機(jī)器學(xué)習(xí)可以改善供應(yīng)鏈的幾個(gè)方面芯咧，包括需求預(yù)測(cè)牙捉、市場(chǎng)趨勢(shì)、貿(mào)易促銷和新產(chǎn)品【挫現(xiàn)在的公司很難估計(jì)不斷變化的市場(chǎng)模式和波動(dòng)情況邪铲，而機(jī)器學(xué)習(xí)可以為業(yè)務(wù)決策者提供信息，并進(jìn)行準(zhǔn)確的預(yù)測(cè)无拗。

制造業(yè)带到。工業(yè)物聯(lián)網(wǎng)是一個(gè)價(jià)值高達(dá)120億美元的市場(chǎng)。根據(jù)Genpact對(duì)173名高管的全球調(diào)查英染，只有25%的人有物聯(lián)網(wǎng)戰(zhàn)略揽惹，只有24%的人對(duì)執(zhí)行感到滿意。這些高管正在尋找機(jī)器學(xué)習(xí)的解決方案四康，來(lái)提高產(chǎn)量搪搏，減少庫(kù)存和成品水平，推動(dòng)真正的成本節(jié)約和利潤(rùn)機(jī)會(huì)闪金。

合規(guī)性疯溺。金融機(jī)構(gòu)的合規(guī)部分是一個(gè)巨大的市場(chǎng)。自2008年以來(lái)哎垦，僅僅JPMorgan一家公司喝检，就已經(jīng)支付了360億美元的定居點(diǎn)和罰款，并雇傭了8000多名做合規(guī)和控制的員工撼泛。機(jī)器學(xué)習(xí)可以改善客戶和員工遵守銀行和其他公司必須遵守的審計(jì)和合規(guī)性法規(guī)的過(guò)程挠说。

企業(yè)級(jí)語(yǔ)音服務(wù)。盡管分析語(yǔ)音是業(yè)務(wù)工作流的關(guān)鍵組成部分愿题，但它的復(fù)雜性使得語(yǔ)音處于機(jī)器學(xué)習(xí)趨勢(shì)的邊緣损俭。來(lái)自NewVoiceMedia的2013年的研究報(bào)告稱蛙奖，由于呼叫中心效率低下，每年的損失在410億美元左右杆兵。每年有240萬(wàn)內(nèi)部銷售代表雁仲，每年花數(shù)百萬(wàn)個(gè)小時(shí)在與用戶溝通交流上。因此琐脏，很明顯攒砖，在呼叫中心、銷售日裙、營(yíng)銷方面的自動(dòng)化流程中存在很大的機(jī)會(huì)吹艇。

保險(xiǎn)。保險(xiǎn)是一個(gè)龐大且范圍廣泛的類別昂拂，機(jī)器學(xué)習(xí)可以幫助保險(xiǎn)公司以更低的成本提供針對(duì)性的產(chǎn)品受神。比如，汽車保險(xiǎn)公司可以使用駕駛和其他行為數(shù)據(jù)單獨(dú)定價(jià)格侯、溢價(jià)鼻听，或使用更好的欺詐檢測(cè)，來(lái)降低其總體成本結(jié)構(gòu)联四。咨詢公司KPMG將機(jī)器學(xué)習(xí)描述為保險(xiǎn)業(yè)的“制勝法寶”撑碴。

個(gè)人財(cái)務(wù)。新的數(shù)據(jù)和分析模型解鎖（比如信用產(chǎn)品）以前是對(duì)千禧一代來(lái)說(shuō)是不可用或不期望的金融產(chǎn)品朝墩。此外灰羽，智能自動(dòng)化系統(tǒng)通過(guò)追蹤行為并根據(jù)偏好和目標(biāo)提供建議，降低了為消費(fèi)者提供個(gè)性化建議的成本鱼辙。Erin Shipley和TX Zhou在科技媒體Techcrunch上寫(xiě)過(guò)一篇關(guān)于人工智能對(duì)財(cái)務(wù)影響的文章，包括通過(guò)基于用戶行為的個(gè)性化推薦來(lái)推動(dòng)財(cái)務(wù)健康玫镐。

個(gè)性化教育倒戏。傳統(tǒng)教育的一個(gè)主要局限在于，盡管學(xué)生的理解水平和學(xué)習(xí)風(fēng)格不同恐似，教師必須為整個(gè)班級(jí)教授標(biāo)準(zhǔn)化的課程杜跷。如果有公司能利用數(shù)據(jù)幫助家長(zhǎng)和學(xué)校識(shí)別問(wèn)題領(lǐng)域，為每個(gè)學(xué)生提供個(gè)性化的課程矫夷，根據(jù)他們的問(wèn)題和風(fēng)格提供量身定制的計(jì)劃葛闷，會(huì)怎樣？這不僅能改變教育狀況双藕，而且提供了一個(gè)重要的經(jīng)濟(jì)機(jī)會(huì)淑趾。截至2013年，美國(guó)每年花費(fèi)在公共教育上的資金為620億美元忧陪。

以下領(lǐng)域是Medha并不感興趣的：

只是“人工智能”的公司扣泊。人工智能和機(jī)器學(xué)習(xí)永遠(yuǎn)不是最終目標(biāo)近范，而是需要讓它們?cè)诂F(xiàn)實(shí)生活中為人所用，為人服務(wù)延蟹。

Chatbots评矩。Medha覺(jué)得這項(xiàng)技術(shù)根本不夠先進(jìn)，還不足以通過(guò)廣義聊天及為用戶提供積極的體驗(yàn)阱飘。