作者Tomasz Tunguz，红点创投合伙人

　　机器学习有四个大的应用方向：

　　优化（Optimize） – 比如今天早上，从Sand Hill Road到旧金山South Park最快的路线是101号高速路。某个网站的客户经理招聘需求使用了太多的陈词滥调，可以使用招聘文本分析创企Textio的工具进行优化。另一个例子是Chorus.ai，该公司采用内部开发的语音识别、自然语言处理，以及人工智能技术对销售电话进行转录、分析以及实时反馈，进而提高销售代表的业绩，并帮助公司分析为什么一些交易没有成功。

　　识别物体（Identify objects）– 比如识别一张照片里的一只猫、找出一个电商当中所有的红色格子羊毛短裤、通过新型的CT扫描预测帕金森病的可能性。

　　检测异常（Detect anomalies） – 你的信用卡显示从内罗毕一家商店买了一架10000美元的钢琴。你的服务器正在历史最高CPU使用率下运作。本周销售线索邮件客户回复率比上周高25%。

　　数据分段（Segment data）– 通过移动app store使用我们产品的客户的参与度比其他客户高15%。

　　这些单独的应用都带来了巨大的进步，但是如果把这些应用组合起来，将带来更加不可思

　　议的事物。物体识别+异常检测+机器人=自动驾驶汽车。或者比人类砌砖速度快三倍的建

　　筑机器人。

　　我以前写过机器学习带来的巨大创新。亚马逊、谷歌和微软都在快速创新，推出突破性的

　　成果，并通过这些新的研究推出各种API。因此，所有的初创公司都能以很低的费用使用

　　这些技术。

　　但仅仅靠这些API，注册.ai的域名、并把机器学习/人工智能这些词汇塞到你的销售演讲当

　　中并不能带来成功。与其鼓吹机器学习概念，不如让科技消失在产品当中，让用户感觉不

　　到技术的存在。

　　最好的销售和融资演讲应该描述一家公司的价值主张，而不需要提及机器学习。应该专注

　　于产品如何增加收入，降低成本，赢得买家。

　　我们红点创投投资了20多家机器学习领域的公司，包括Stripe、RelateIQ、Chorus、Caspida。

　　在作投资决策，我们关注以下5个公司属性：

　　专有的数据访问（Proprietary access to data） –算法是所有人都可以使用的，专有的数据来源才是关键，通过产品使用创造专有数据，也许是通过事件驱动型SaaS产品，或者是通过关键的合作伙伴获取数据，以创造持续的竞争优势。

　　端到端的应用，而不是平台（End to end applications, not platforms） – 科技巨头也许能够靠机器学习服务（ML-as-Service）开辟业务。他们的研究人员更多，基础设施成本更低，拥有远超创业公司的营销预算。端到端的应用更容易带来收入、更容易降低成本，对于创业公司来说是更好的进入市场的路径。

　　机器学习带来的强通用模型（Strong GTM enabled by ML）– 机器学习具有科技创新的潜力，能够成为进入市场的优势。通过改变买方评估软件的方式、降低客户获取成本，机器学习是颠覆性的。但是仅仅有科技创新是不够的。

　　行业专家（Experts in the field） – 你可以使用大公司的API，但是这些系统主要是用于更加广泛的应用，为了提供特殊的经验，一家创业公司需要在语音识别、自然语言处理或者其他核心学科的专家。

　　算法优势（Algorithmic advances） – 我们偶尔会投资算法不太可能被其他公司复制的公司。

　　就像之前的数据库和图形用户界面一样，机器学习是一种新技术，它将改变我们构建和销售

　　软件的方式，虽然这可能已经成为企业的陈词滥调，但是机器学习技术的影响才刚刚开始发

　　生和被理解。