科技猎机器学习崭露头角，投资人看好其应用的九大方向
【编者按】机器学习的主要性能是专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身。它也是 人工智能 的核心，机器学习在今天是一个热门话题，并且机器学习具有变革整个市场和行业的巨大潜力。作为成功的投资者，他们必定有共同的特征，与看好机器学习应用的领域。
本文转自“新智元”，作者Medha Agarwal；经亿欧编辑，供业内人士阅读。
成功者的四个特征
机器学习在今天是一个热门话题，而且其热门并非没有道理。机器学习具有变革整个市场和行业的巨大潜力。但是，这里面也有很多围绕着技术的炒作。作为投资者，我发现成功利用机器学习的赢家具有以下四个关键特征：
1、在大型市场上的具体使用案例
成功的机器学习创业公司多数是针对垂直应用的，这些应用对技术有明确的需求。商品包装消费品行业是一个很好的例子。机器学习能够更准确地预测库存水平，以便更好地管理 供应链 ，降低库存成本，最大限度减少产能过剩，并补充缺货。根据埃森哲的研究报告，机器学习可以使交货时间提高4.25倍，使供应链效率提高2.6倍。
2、关注需要重复性人类劳动的领域
需要大量人工干预意味着这里面存在利用复杂的预测算法进行优化的机会。同样用供应链作为例子，现在的分析师基本上是根据历史数据估计库存的，但有些时候也依靠直觉。利用生产时间、售出率以及其他数据，学习模型可以更准确地预测未来的供应需求。
3、可用于预测的大量数据
初创公司为了有效训练机器学习模型，需要访问大量数据。可以与大型公司合作以利用它们的数据学习，或者推出一个能诱使用户输入自己的数据的产品。这样的公司将能取胜。
4、网络效应和可防御性
算法将继续是开源的，这令专有数据至关重要。系统得到的输入和反馈提高了其精度，并筑起护城河。因此，产品应该鼓励用户对它的预测和建议提供反馈。例如，Facebook的照片标记算法会让用户接受或拒绝有关“谁在照片里”的问题，并从中学习。
有大机会的领域
医疗诊断 和 计算生物 学
机器学习将改善整个医疗价值链的成果并降低其成本。机器学习在改善诊断、减少误诊和简化药物发现过程等方面的潜力令人兴奋。患者数据可用于早期疾病检测和制定个性化治疗计划。制药和生物技术公司可以利用机器学习计算方法快速有效地发现新药。
供应链
机器学习可以改善供应链的方面包括需求预测、市场趋势监测、贸易促进和新产品推出。现在的公司很难对不断变化的市场模式和市场波动进行评估，这样的评估有助于为商业决策提供信息，并进行准确的预测。
制造业
工业物联网是一个超过120亿美元的市场（据福布斯报道），但其采用仍处于非常早期的阶段。根据简柏特（Genpact）对全球范围的173名高管的调查，受调查的高管中只有25%的人已有物联网战略，其中只有24%对其执行感到满意。这些高管正在寻找机器学习上的解决方案，以提高产量，减少库存和成品水平，真正节省成本，增加获取利润的机会。
合规审查
金融机构中的合规审查是一个巨大的市场。自2008年以来，仅摩根大通已经支付360亿美元清理风险和合规问题，并雇用8000名合规控制员工。银行及其他公司的客户和员工必须遵守审计和合规性法规，机器学习可以改善这个过程。
语音的企业级应用
由于分析语音的复杂性，语音一直处于机器学习趋势的边缘地位，尽管语音是业务工作流程的一个关键组成部分。NewVoiceMedia2013年的一项研究称，由于呼叫中心的效率低下，每年造成的损失达410亿美元。每年有超过240万销售代表需要参与数百万小时的会话。因此，很明显，机器学习在呼叫中心、会议、销售和市场营销等方面的自动化流程中有很多机会。
保险
保险是一个庞大而且涉及业务广泛的行业，机器学习可以帮助保险公司以更低的成本提供更有针对性的产品。例如，汽车保险公司可以利用用户的驾驶行为数据，以及其他行为的数据进行单独定价，或使用更好的欺诈检测系统以降低总体成本。咨询公司毕马威（KPMG）把机器学习描述为保险业的“游戏规则改变者”。
个人金融
新数据和分割模型实现了从前不可能或不理想的一些金融产品（例如信用产品）。此外，自动化智能系统通过跟踪目标用户行为和偏好提供推荐，降低了为消费者提供个性化建议的成本。
个性化教育
传统教育体系的一个主要局限在于，教师必须给一整班的学生以标准的方式教课，尽管学生之间的理解水平参差不齐，学习习惯也不同。假如一家公司能够利用数据帮助家长和学校识别问题的范围，并根据学生的问题和学习习惯提供个性化的课程和学习计划，会怎样呢？这不仅可能改变整个国家的教育状况，而且将带来非常大的经济机会。
这些公司可能没辙
虽然我对上面提到的应用领域感到兴奋，但也有很多公司我认为不行：
只有“ AI ”的公司。AI和机器学习永远不是企业的最终目标，使用实例以及通过这些技术实现其应用才是未来发展的趋势。
