喜欢玩扑克的人都知道，在这个游戏里，根本不存在“必赢”一说。但如果我们选取100家科技领域的初创企业，势必每一家都会大肆强调，自身业务与AI技术有多么紧密的结合。在人工智能发展愈演愈烈的今天，这样的营销炒作蹭热点已不足为奇。
不管是爱奇艺通过AI选取观众喜爱的明星进行综艺制作，今日头条根据用户的喜好进行新闻精准推荐，还是谷歌根据网民的点击结果进行搜索优化，以及亚马逊Echo或阿里天猫精灵等智能音箱是逐渐进入寻常百姓家，这都说明AI已经慢慢渗入了人们的生活。与此同时，大多数消费者没有注意到的是，商业领域现在也已经开始利用AI来解决一些列的问题了。
正如我们此前已在《“伪人工智能”三大特征新鲜出炉，对号入座阅读》一文中，讨论过人工智能热点概念之下的虚假繁荣。如今搭乘热点的顺风车进行自我宣传，也成为一个很普遍的现象。这并不陌生，诸如大数据、云计算、软件及服务（SaaS），包括现在火热的区块链，也都经历了一个这样的过程。但是在人工智能领域，AI这一术语频繁被各种初创企业使用，似乎已有“泛滥成灾”之势。
如果标榜自己是人工智能公司的企业都能在获得投资之后，取得一定的研究成果，还算正常；最可怕的是那些与AI进行强行捆绑，却拿不出任何真正的人工智能技术作为证据的企业。它们的存在，只会让AI市场变得“杂乱无章”。
能做数据和算法的，不一定是AI公司
一个典型的例子，便是做基础数据分析的公司。这些公司的技术，不过是通过数据进行筛选来实现特定目的结果。比如，根据与设定的规则识别发送营销信息邮件的最佳时机。当然，这种根据上下文来整理数据的做法，让这些公司也具备了一定的价值，但是从本质上说，它们不属于人工智能。
这里有一个关键的区别，即人工智能系统具有迭代性——随着分析的数据越来越多，这个系统会变得越来越智能，越来越能干甚至越来越自主化。特斯拉的自动驾驶系统便是一个很好的例子，它可以根据所在车辆在路上行驶的每一英里来不断进行自我完善。要知道，真正的人工智能是有可能彻底颠覆一个市场的。
除此以外，不少的软件即服务（SaaS）或者自动化企业也都打起了人工智能公司的旗号。但实际上，这些企业所做的，只不过是通过数据分析来进行应用程序和工作流程的编排而已。进一步说，这个技术并不会随着时间的推移变得越来越智能，更重要的是，它永远也无法达到人工智能可以做到的自主水平，所以，这样的企业，也算是“伪人工智能公司”的一员。
在一些公司里，存在一个这样的错误认知：只要其工作与数据或者工作流程相关，便可以自称人工智能。另外，他们还倾向于随便抛出与人工智能紧密相关的“算法”一词。要知道，即使一个系统拥有能够驱动某些结果的算法，也并不意味着它就是人工智能。
机器学习被寄予厚望
在谷歌看来，人工智能是一个使事物变得智能的科学领域，是计算机科学技术的多样化组合。其中一个重要组成部分，便是机器学习，这是一项通过举例来进行系统训练的技术，比如，通过展示标记为“猫”的图片让系统学会识别猫，而不用逐一下指令。
目前，机器学习已经深深浸透到了谷歌几乎所有的产品中，包括搜索、Gamil、Youtube、地图、硬件或者Android系统中。举个例子，人们可以用一种自然的方式与谷歌助理进行交谈来完成一项工作。在该助理中就结合了谷歌多年来一直开发的所有智能技术，从语音识别到自然语言处理。
而利用谷歌翻译，可以让一个人完成上百种语言的交谈、写作或者阅读。这一过程便是神经网络的作用。通过神经机器翻译，用户可以使用端到端的机器学习系统来翻译整个语句，同时，计算机视觉技术更是可以通过手机拍照指向文本来完成即时翻译。除此以外，为了帮助企业或者开发人员进行创新，谷歌还提供了许多相应的AI外部工具，比如，其灵活的机器学习系统TensorFlow（可以让任何人编写自己的模型的开源软件）和Cloud AI Platform。
最重要的是，很多机器学习已经被用于解决人类面临的一些严峻挑战了，如医疗健康、环境保护和能源消耗等等。举个例子，谷歌的健康研究团队正在与印度、泰国和美国的医院合作，开发一种可以通过机器学习帮助诊断糖尿病、眼病的工具；新西兰的研究员在使用机器学习保护当地的鸟类；DeepMind开发的一种智能算法可以帮助其数据中心冷却系统的能源使用量降低15％。
这些都是人工智能的真实使用案例。
辨别伪人工智能，不妨多问几个问题
全球著名的计算机博弈专家吴韧认为，人工智能能够取得进步主要有三个方面的原因：大数据的积累、计算能力的提升、以及大数据与计算力的结合。
从这几个角度出发，投资人在面对高举人工智能旗帜的初创企业的时候，不妨多问几个问题：公司的业务是都超过了基础数据分析的范围？公司的算法模型从何而来，如果是自己训练的，那么其计算能力有多强？以及它们是否拥有能够降低流程中人类干预需求的迭代技术（像机器学习或深度学习）。
当然，也不乏有企业会抗议表示，自己的公司对使用人工智能技术很有经验，这时候就要换问题进行咨询了，公司里所谓的AI专家有没有应对人工智能挑战的经验呢？是否了解公司自主打造的系统所需要的复杂技术细节呢？等等。
原文发布时间为：2018-07-16
本文作者：AI小智君
本文来自云栖社区合作伙伴“人工智能观察”，了解相关信息可以关注“人工智能观察”。
