人工智能发展到今天，还有哪些创业机遇？
文库划重点：1.人工智能支持的商业模式可能直接或间接地与你的价值主张竞争。2.无论所处行业的性质如何，你都可以使用人工智能来增强你的价值主张或提高运营效率。
ChatGPT以及它的最新版本GPT-4的发布再次引起了人们对人工智能的关注。在本文中，我提出了一个框架，供企业家思考人工智能。
鉴于目前的形势，我们不将人工智能纳入创业计划中将是一种疏忽。即使创业项目与技术无关，出于以下三种原因，创业者也应该对人工智能有基本的了解。
1.人工智能支持的商业模式可能直接或间接地与你的价值主张竞争。
2.无论所处行业的性质如何，你都可以使用人工智能来增强你的价值主张或提高运营效率。
3.创新技术代表着社会的变革，这开辟了全新的无人问津的领域，随着技术变革带来的社会变革，创业者甚至可能会使用早期的技术来解决新的需求。
人工智能重在智能
人工智能中的关键词是智能，人工这个词只是暗示了我们人类是其创造者，而自然智能则是与生俱来的。什么是智能？学者们普遍认为智能指的是一个智能体感知事物、推断、记忆信息并将其用于适应环境的能力。尽管这种观点并无不准确的地方，但它并未考虑认识到智能过程中自我反馈的方面。让我们先讨论这个过程的组成部分。
1、感知。所谓感知，涵盖了从环境实体中感受到的每一个刺激，这些实体可以是其他人类、动物和植物，机器、我们创造的工具、无生命的物体以及水、火和土地等自然元素。例如，我们的视觉涉及对光的感知，而相机、光度计或激光传感器亦可以感知光影。如果感知能力被扼杀在萌芽状态，智能过程就无法开始。
2、学习。当我们触摸某物时，我们可以感受到温度。然而，只有当我们将这种感觉与先前的经验进行比较时，我们才能推断出物体是冷还是热。如果没有比较学习，感知的效用仍然是微弱的。保留储存先前感知到的信息是学习的基础，在口语中，我们称之为记忆。学习中对信息的不断积累构成了知识库。
3、自适应学习。这涉及学习过程本身的变化。更多的数据点可能使智能体能够得出更精细的推断，然而，在自适应学习中，智能体可能会从感知中获得完全不同类型的信息，或者完全使用不同类型的感知来获得相同的信息，它甚至可以发展出新的感知能力，并学会获得全新类型的信息。
4、适应。这是指一个智能体为了保护自己和促进自身利益，会通过学习来改变自身和利用各种环境，适应包括增强现有的感知能力或开发新的能力。智能体可以策略性地行动，以较少的迭代次数实现其目标，从而更好地适应环境。
图“人类的智能过程”的具体解释是，新生儿具有尚未发育完全的感官，并具有天生的学习和适应能力（即人类智能）。儿童的天生智能使其能够保留一些初级知觉以启动智能过程，这种保留是构建知识库或者说经验库的基础。在此之后，当儿童接触到另一种刺激时，他/她将有机会通过将当前刺激与之前经验中保留的刺激进行比较来从中提取信息，这是学习的基础。随着孩子不断丰富自己的知识库，其天生智能使其能够分析、识别样式，并从不断积累的学习中得出更多的推论。儿童会调整自己的行为，以改善其感知能力、增强其学习能力。
我们通常会绕过图“人类的智能过程”中箭头1所示的保留阶段，只是本能地分析信息并对其做出反应。有时，我们也只是会短暂地保留信息，即所谓的短期记忆。当然，一些被保留下来的信息也会找到通往长期记忆的途径。这两种记忆都通过实时比较新感知与先前的感知来增强学习（箭头2），这使我们能够从相同的感官和感知中推断出更多的信息。在其他情况下，我们会从我们的知识库中分析信息，以识别更好的推断信息的方法（箭头3），我之前提到过这个叫作适应性学习。为了实现从当前和先前的经验中分析信息，以适应外部环境，我们还要调整从各种感知中提取信息的类型和质量（箭头4），例如，当我们努力在恶劣的环境中求生存时，即使在之前的同一景象中无法从感知中推断出这些信息，现在也能够通过察觉变化从中推断动态信息。
我们的策略有时可能会涉及全新的感知类别工具和能力的开发。无论如何，情报过程都会继续重复并自我补充，图“人类的智能过程”中连接感知、推断、保留、分析和适应的大循环的完成也证明了这一点。
人工智能现状
我们的感觉器官与大脑相连，大脑可以从感知中实时推断信息，并将这些信息储存在记忆中，因此在图“人类的智能过程”中，保留阶段遵循推断。然而，尽管一些机械传感器能够实时推断信息的处理单元，但大多数传感器只能感知和测量，因此，图“当前人工智能过程”中的第二阶段只是将测量值保留为一个数据点。
当今的企业谈论使用人工智能时，通常指的是实时的语音和人脸识别能力。尽管这些系统取得了有意义的进展，但它们目前仍有着难以接受的高错误率。我们人类应该使用能够从信号、图像或声音中推断出信息的数据库来训练人工智能系统，然后，人工智能系统在训练数据库的过程中寻找模式并学习推断，对于错误的推断进行有目的的分析，展现了用于改进训练模块的见解（图“当前人工智能过程”中的箭头1）。其中，箭头中的虚线表示人类参与，训练模块有效地将人类积累了数千年的学习积累转移给人工智能系统。
有些公司开发了软件代码，使系统在初始训练模块之外不需要人类参与就能提高准确性。这样的系统可以：判断其先前的推断是否正确；修正其进行推断的过程；通过从实时信号中推断信息，迭代地测试其过程（箭头2）。连接保留、学习、推断和分析的循环代表了人工智能的当前状态，它允许系统实时测试推断并更新过程以提高质量，类似于自适应学习，并能充分描述人工智能的当前局限。ChatGPT正是处于这一方向的前沿，它不仅能识别对话中的语境和单词的含义，还能从先前的陈述中得出推论，以维持对话。
实际上，这就像我们自己的学习能力一样。打个比方，父亲根据自己的知识和经验教育孩子，然后，孩子在自己独自生活的过程中，他会利用自己与生俱来的智慧，并在父亲教导的基础之上，与父亲所处的不同环境中的事物进行互动，并且学习新的知识。同样，计算机系统根据它从训练模块中学到的内容推断出特定的信息，然后查看其他相关或不相关的数据点，分析推断出的信息是否正确，如果不正确，它就修正对模式的理解，重新制定一个新的推断路径，从而使系统变得智能化。
我们还分析存储数据，以提高现有传感器的测量精度，并识别新型传感器的需求（箭头3）。例如，摄像头已经变得更高清晰度，能够捕捉更细致的细节，而且正在用于开发自动驾驶汽车的新型摄像头。（箭头3的虚线仍然代表人类的参与。）
目前，除了软件代码中的特定指令之外，人工智能系统不能适应外部环境或对外部环境做出反应，我们所拥有的最先进的软件可以帮助系统自己添加或删除代码以提高性能或效率。如今，我们分析数据并根据目标采取行动，自适应组件仅限于提高推理的质量。由测量、保留、推断和分析组成的人工智能回路是一个明显比人类智能回路小得多的子集。注意，适应和反应战略是智能过程中的一个关键步骤，不会反馈到图“当前人工智能过程”中的人工智能循环中。
通用人工智能
通用人工智能是一个可以与人类智慧相媲美的完全成熟的系统。
图“通用人工智能过程”描述了这样一个系统，它明显缺少虚线箭头，因为这样的系统不依赖于人类。虽然它没有代表先天智能的新生儿，但在适应阶段展示的机器人意味着所有人类知识都存储在数据库中，机器已经接受了适应性学习的训练。此外，与图“当前人工智能过程”不同的是，保留在推断阶段之后，这意味着增强的计算能力和经过训练的系统允许实时推断，并且图“通用人工智能过程”中的智能回路是完整的，这样的系统能够制定行动策略以适应或对其环境做出反应。
未来四大机遇
目前，人工智能公司正在努力通过增强培训模块和自适应学习软件来提高特定领域人工智能的准确性。未来的努力可能会集中在扩大人工智能系统的领域，以利用从一个环境到另一个环境的学习。连接性是这一努力的核心，它使系统对于来自不同领域和环境的传感器的输入拥有更高的访问权限，它还允许系统对计算能力进行更高级的访问，并扩大了系统影响环境的范围。因此，未来的开发工作将侧重于增强不同系统的连接性，之后，随着人工智能的成熟，努力的重点可能是有选择性地限制人工智能的影响范围，以平衡效率与安全和其他需求。
然而，在人工智能达到成熟之前，人类将不得不面对这样一种可能性：即在一个目标不明确的流氓系统的指挥下，相互连接的机器会强大到足以压倒人类的意志和资源，从而威胁到我们的自由。到目前为止，我们一直在假设，当机器（以机器人为例）实现通用人工智能时，我们仍然会定义机器的目标函数，但这个假设可能不成立。如今我们的环境包括了机器、机器人和计算机系统，我们根据自己的喜好使用它们作为工具来改变环境。在未来，人工智能系统可能会利用它对人类行为的了解，把我们当作工具来操纵它们的环境，而这个环境也将包括我们。
对于没有直接参与人工智能开发的企业家来说，机会存在于以下4个方面：
1、在过去的十年里，尽管数据的产生量增长了近5000%，但在未来几年里，数据的产生量可能会使人类历史上创建的所有数据都相形见绌，这为数据存储、数据管理和数据分析等领域提供了机遇。
2、尽管我们的计算能力得到了前所未有的提高，但其仍然是有限的。我们需要新的硬件技术来跟上数据增长的步伐，量子计算很可能是这一努力的核心。一旦开发出来，这种新的模式将催生出一系列我们今天甚至无法理解的产品和机遇。
3、大多数创业机会都需要应用人工智能来满足特定领域的特定需求。例如，有些公司可能会创建人工智能设备来诊断健康问题，寻找治疗方法，帮助残疾人以及提供医疗服务。还有些公司可能会利用人工智能通过运动或饮食维持健康、训练运动员，或者协助物理治疗来恢复受伤的部位。即使在像农业这样古老的领域，也有公司使用人工智能来识别杂草，并用除草剂选择性地处理它们。你甚至可以想象使用人工智能来根据土壤成分、日照、降雨、地形、天气等因素来识别每一株植物的个体输入需求，甚至识别每一颗果实的最佳采摘时间。
4、为人工智能系统的创建者和用户提供支持服务的公司将会有很大的需求。例如，那些专门从事管理工作变动相关的公共关系问题的公司，处理涉及伤害或死亡的人工智能失败的异常情况的公司，遵守法规要求的公司，或是开发工具来捕捉和衡量人工智能对公司和社会好处的公司。
潘卡基·马斯卡拉（Pankaj Maskara）| 文
潘卡基·马斯卡拉是全球领军加速器Educators Park创始人&CEO，美国诺瓦东南大学商学院教授。
陈耿宣 黄雨萱 | 译 李全伟 | 编辑
收录于哈希力量，手机站省略本文固定网址
