人工智能*发展比我们想象的要快得多。就在上个月，谷歌的Deepmind Ai击败了一个传奇的去参与者，在他自己的游戏中击败了Lee Sedol，在这个行业的定义时刻。启用此胜利是一种相对较新的AI技术，称为深度学习，正在转换AI。
在引入深度学习之前，即使是最好的AI系统也始终高度调整特定问题，并且需要成功运行许多规则。但深度学习改变了这一点，导致许多研究人员放弃了古典的AI方法。深度学习依赖于模拟大型多层虚拟神经元的虚拟神经元，这使得计算机能够学会识别抽象模式（有点类似于人类脑操作的方式）。它可用于解决任何通用模式识别问题，这意味着任何可以访问大量数据的活动都可以找到它很有用。
有一个巨大的投资机会，深入学习 - 不仅因为技术本身，而且还因为它如何利用其他技术变得更加强大：由于在线服务的扩散而提供的数据卷，存储，进步在GPU和计算能力中，丰富的云计算，开发廉价的传感器，以及由互联网产生的新数据的兴起（物联网）。因此，深入学习有机会解决所有类型的行业的挑战。
所有大型软件公司都在大量投资，建立深入的学习能力，并将其纳入其中许多产品。这些公司不仅推动内部使用;他们通过发布他们的软件框架和图书馆来推进整个行业。谷歌最近宣布推出其最新的机器学习系统，Tensorflow; Facebook免费释放，无论是免费的新服务器的设计，旨在运行AI软件; IBM Open-Sourced其机器学习代码，SystemML;和伊隆麝香和其他人成立了Openai，这是一个非营利组织的AI研究组;在许多其他例子中。这些大型软件机构完成的广泛内部研究已经享有初创公司。
自然遵循的是一种新的初创性，它利用AI解决复杂问题，这只几年前就无法解决了。这里可能最有意思的是，这些初创公司几乎是每个行业的目标。第一层是通用AI平台，可让大量数据喂养，并自动发现基于谷的Ayasdi，德国的蓝色Yonder等有趣模式，或以色列的Sparkbeyond。
然后有公司向企业销售基于AI的产品。这些包括基于AI的个性化和营销工具，如半径和动态产量，销售和保留预测工具，如6Sense和Gazeight，以及基于AI的客户支持公司Wise.io。但是AI初创公司不会在企业停止。他们正在扰乱许多传统行业，如地面运输（移动式，巡航），农业（Prospera，Blue River），工业（IMUBIT）和医疗保健（Zebra Medical，Deep Genomics和Flatiron Health）。
在某些方面，深度学习正在遵循与早期大数据相似的课程。当时，作为一个“大数据”公司被认为是一个优势。但从长远来看，它结果几乎每个公司都是一个大数据公司 - 因为他们都需要存储和分析大量数据。从其他公司区分好公司是能够在数据中提取有价值的见解并采取行动。同样，我们看到许多新的初创公司声称他们的优势是深入学习。但随着时间的推移，我相信每个公司都会利用深深的倾斜形状或形式。然后，区分好公司从其余的公司是域名专业知识，数据集的质量，以及找到正确问题的能力。
在我的投资公司，当我们评估这些新的AI初创公司时，我们首先尝试了解哪些团队真正建立了顶级专业知识，并不简单地依靠外部API，以便他们的技术（以色列恰好是此类顶级中心天赋）。我们今天看到了强大的AI团队的大短缺，这就是为什么大型玩家很快收购初创公司以改善自己的AI功能（一个例子是通用汽车最近收购巡航）。
从长远来看，美国最常感兴趣的是投资者的利益是能够利用深度学习建立数据网络效应的公司。这是它的样子：
这种方法使公司能够建立一个独特的专有数据集以更好地培训深入学习算法来提供更好的见解。这些见解应该转化为更多客户愿意分享他们的数据，这将提高数据集的质量和大小，从而导致良性循环。新竞争对手将面对经典的鸡肉和蛋问题：没有客户数据，不可能匹配深层倾斜算法，但没有更好的算法，他们将无法获得客户数据。
初创公司，既是构建顶级缺口AI专业知识，也会利用它以建立一个正数据网络，因为我所描述的随着时间的推移会变得非常有价值。随着AI初创公司的竞争激发，这种良性循环将导致自然垄断，导致未来几年创建巨大的强大，强大，人工智能的公司。
*术语人工智能通常用于真正的机器学习（ML）。我决定坚持在这篇文章中的AI术语，以避免混淆，但承认许多这些能力应该被定义为ML而不是AI。
Amit Karp是Bessemer Venture Partners的副总裁。他从公司的以色列办事处求助，在那里他专注于以色列和欧洲的投资。你可以在推特上关注他：@amitkarp。
