苹果、谷歌和微软以及IBM等大型科技公司最关心的是什么？移动！然而，想要赢得移动之战，需要大量的机器智能。
腾讯数码讯（编译：Newsboy）不管斯蒂芬·霍金或者伊隆·马斯克说了什么，人工智能都将不会在短期内将这个地球摧毁。但是，可以肯定的是，人工智能（也可以称之为“深度学习”和“机器智能”）的实际应用将继续提升。现在，世界各个角落都是大数据的身影，它们为我们提供一种可学习模型，我们使用计算机和算法可以迅速地对其做识别。
人工智能技术的影响将改变几乎所有产业。当机器智能和数据科学人才市场价值在不断迅速增长时，大多数劳动力价值却在骤然下降。这种改变实际上代表了一种“破坏”，蕴含了巨大商机。在诸多深度学习创业公司如雨后春笋般出现的同时，随之而来也需要更多的创造力和投资。
Bloomberg BETA投资者Shivon Zilis历时3个月，分析了2529家人工智能、机器学习及数据相关的公司后做出了这张机器智能版图。该基金的投资主要集中于那些能够改变世界的公司。Zilis解释道：“我们创立机器智能版图目的是将创业公司联系起来。我是一个理性投资者，这张图能够很容易识别出‘拥挤’的领域，以及‘空白’的领域。”
对于那些重新思考企业流程（比如销售、营销、安全或招聘的公司）或者重新思考纵向市场的企业，授权技术是一项常见的做法。这类公司需要更多人力，他们可以创造、重做、调试深度学习和其他机器学习类型模型。此外，他们也需要一个更大规模的开发者和设计者团队，来在用户设备上创造一种“体验”。这类公司中，大型公司比较占据优势，因为他们拥有更多的资源来吸引或者招募这一领域的人才。更为重要的是，大型公司拥有大数据，并维护着与庞大用户群间的关系。在机器智能领域，数据质量和数量通常是限制因素，而不是算法的准确性。
包括苹果、谷歌和微软以及IBM等大型科技公司最关心的是什么？移动！正如Zilis所指出的，想要赢得移动之战，需要大量的机器智能。苹果Siri和谷歌Google Now在移动端能够对关联语言“互动”作出反应。像亚马逊FireFly可视化搜索则基于地理位置识别，也能创造一种吸引人的体验。
之所以市场目前对深度学习持有一种热情，是因为“问题”可以在数分钟或者数天时间内解决，而无需等数年时间。
深度学习强烈支持者之一是杰里米·霍华德(Jeremy Howard)，他现在是医疗诊断创业公司Enlitic的创始人兼CEO。霍华德此前是机器学习开发平台Kaggle总裁兼首席科学家。正如霍华德所说，他自己在医疗产业并没有经验。深度学习一个比较大卖点就是，它是一个通用技术，无需某个专业拓展领域知识来创造解决方案。在接受采访时，霍华德表示，深度学习现在已经能够提供全球发达国家80%的服务。
想想霍华德，其他深度学习实践者简直就是书呆子。促使霍华德进入医疗诊断市场因素之一就是这类服务存在巨大的需求。目前，发展中国家缺乏经过专业培训的医生，而通过现有方法来培训目前所需的医生，需要300年时间。
从广义讲，机器智能是一组能够解决问题和产生问题的技术。Palm Pilot发明者同时也是人工智能公司Numenta 公司CEO 杰夫·霍金斯（Jeff Hawkins）接受采访时表示：“历史告诉我们，企业处理应用程序并非是杀手锏应用软件，真正的杀手锏应用程序是惊人的。”
尽管深度学习使用了一种神经网络，但是霍金斯表示，这家公司采用了一种模拟人脑的方法。区别在于，Numenta公司使用了一种名叫分层式即时记忆（hierarchical temporal memory，HTM）架构，来模仿人的大脑表皮层。这家公司推出的首款商业化产品Grok就使用了这种技术，它能够在服务器中检测异常现象和运行在亚马逊网页服务中的应用程序。
当霍金斯在谈及大脑时，他非常准确地将其技术描述为一种“新皮层”（新皮层是人脑高级功能中枢）。尽管人类已经自上世纪40年代研究神经网络，但是神经网络只跟大脑的工作方式有关，这是两者间的巨大差异。
深度学习擅长于区分和分类人在没有意识状态下遇到问题。这就是深度学习的功能之一，快速思考，也被称之为System1。Numenta人工智能强调的基于时间的异常现象，充当着人脑威胁监测系统，System 2。
尽管近期我们见到了很多机器智能的展示，但是，将这项技术转化为人们可以使用的产品，还有很多工作要做，其中就包括我们需要明白什么可以很容易的完成（快速思考）和什么需要花费更多时间。在图片分类方面，深度学习已经比人脑表现的更准确，但是在语言处理方面，前者还远不如后者。很多预测性算法擅长于一般情绪分析，但是在反语、否定和歧义理解方面还表现不足。
机器智能和深度学习将对明年科技市场产生重要影响。拥有大数据的大型科技公司将具有很强的动机来发掘这些数据价值。
另一方面，应用软件开发者将受到鼓舞，来加强“输入渠道”，迫使人们使用他们的智能手机，产生有价值的数据输出。
机器智能和数据科学人才将继续从学术领域转投到大型科技公司，以此来获得海量的数据。明年对于80%的发达国家来说，在面临机器智能技术侵袭下，可能还不会看到大范围的失业，但是他们必须开始应对这局面的出现。
这些机器智能技术能够帮助我们提升和重新分配人的价值，我们同时需要它们。
