当前位置:首页 > 新闻资讯 > 创业财富 > 新闻
机器学习掀起脑洞大开的创业风暴
  • 2016/2/22 14:10:42
  • 类型:原创
  • 来源:电脑报
  • 报纸编辑:电脑报
  • 作者:
【电脑报在线】2015是大数据分析风生水起的一年,用户消费习惯、行为偏好的数据采集、挖掘、分析、利用,都将成为企业制定实施战略的主要参考标准。而大数据的高级分析,对于机器学习能力提出了更高的要求,特别是2016年热门的人工智能领域,更需要更多技术驱动的创新性企业,奉献出脑洞大开的突破性解决方案,未来也会有更多的投资机构关注支持这类创业公司。


作者简介:麦柯领科集团创始人,LinkerMedia团队主管,致力于"互联网+"创业投资领域研究

2015是大数据分析风生水起的一年,用户消费习惯、行为偏好的数据采集、挖掘、分析、利用,都将成为企业制定实施战略的主要参考标准。而大数据的高级分析,对于机器学习能力提出了更高的要求,特别是2016年热门的人工智能领域,更需要更多技术驱动的创新性企业,奉献出脑洞大开的突破性解决方案,未来也会有更多的投资机构关注支持这类创业公司。下面,我们来具体看几个例子。

 

Enlitic:当科技数学走进现实

该公司于2014年1月成立,总部位于美国加州旧金山,最初员工在 15 人左右。Enlitic采用深度学习和图像分析帮助医生做出诊断并标记出医学图像中的异常,从而让医疗更加精确和更有效率。例如,分析X光、核磁共振成像或CT扫描得到的医学图像,然后找出数据中的趋势或单个图像中的异常情况。

公司创始人Jeremy Howard这家伙来头不小,他同时也是一名黑客和数据科学家。在他看来,数据科学特别性感,但是现在很多数据科学家做的事,却是产品推荐或者广告投放等。太low了。所以,他创办Enlitic希望挖掘数据科学更好的应用,让深度学习变得更加价值。找来找去,他选择了医疗领域。他的基本思考是,创造一个类似星际迷航三录仪一样的系统(便携性值得商榷),搜集有关特定病人的数据——从医疗图片、实验室检测结果到医生的便笺——让深度学习分析这些数据,做出诊断并给出治疗建议。这并非让机器替代医生,而是为其提供让诊断更加便利的工具。公司还将与诊所、医院以及其他医疗单位合作,分析算法,进一步精炼公司的技术。

最终,Howard的想法打动了投资人。Enlitic于2014年10月完成的 200 万美元种子天使融资,之后累计完成 1500 万美元融资。特别是在2015年10月,Capitol Health给Enlitic投了1000万美元。这里要介绍一下Capitol Health,是一家为澳大利亚各地的诊所提供影像诊断服务的上市公司。它看中了Enlitic在深度学习的技术,希望借此来提高其放射科医生的工作效率,并实现亚洲市场的开拓。

点评:从投资者角度看,Capitol Health要的是技术,而Enlitic除了拿到钱,更重要的是拿到案例和数据,更好地改进和完善技术。事实上,从使用者角度,也就是一个放射科医生,它对于计算机辅助检测(CAD)是持保留态度的。因为它虽然可以识别乳房 X 线等影像上斑点的模型,但也经常误报信息。所以,大多数放射科医生都并不会信任机器学习的结果。这对于Enlitic是一个挑战。另外,Enlitic 目前还没有开始产生收入,目前也属于赔本赚吆喝的阶段,它和它的同行们,包括Ersatz Labs, Metamind, Nervana Systems, 以及Skymind。都在不断用投资人的钱来培育市场,改变用户观念的工作可能至少还需要一段时间。正如Howard本人所说,我们所做的不是两年的规划,而是20年的规划。说明他还很清醒。

Clarifai:让图像搜索更近一步

Clarifai是做图像和视频识别的。试想一下,你的iPhone里自拍太多,懒得分类,怎么破?结合GPU加速的深度学习技术,Clarifai的影像识别技术能飞快地对数百万张照片进行分类。而Clarifai最新推出的实时视频分析技术,则可以轻易将一个三分半钟的户外影片,在10秒内完成场景的扫描和识别,并且加上了相应的标签。这feel,是不是倍儿爽?而一切的技术迭代,都来自于天才的引领。

Clarifai公司创始人Matthew Zeiler,是纽约大学计算机科学博士。他曾和深度学习界的两大牛人一——Geoff Hinton和Yann LeCun共事5年。期间,Zeiler发现,最难的就是建立学习模式——处理所有视觉数据的关键算法——能够快速处理各种不同图片。在他看来,训练这些模型与其说是科学工作,不如说是种艺术,需要很多年的经验。这就构成了Clarifai的切入点。

Zieler的想法是,只要用户将照片上传到Clarifai软件,这个软件就会分析出照片里的内容并提供与此类似的更多照片。与传统基于文本的图片搜索截然不同的是,这是真的以视觉为基础的搜索。还记得2013年,Zieler带着Clarifai的第一个图像识别系统,参加了识别图像中的物体的ImageNet比赛,最终他和教授Rob Fergus分享了冠军。不久,Facebook就挖走了Fergus。他们也想聘用他,但他另有打算,并因此成立了Clarifai。

自那以后,Clarifai的深度学习系统不断进化,提高了识别的速度、词典的大小和内存的占用,同时应用范围也超出了图像识别,可以从各种形式的数据中提取知识。Clarifai的技术中枢是高性能深度学习API,它希望让其他开发者接入自己的图像搜索技术。除了面向企业客户,Clarifai也计划推出针对个人用户的应用。Zeiler更看好在电商和广告上的前景。“比如你在街上看到别人穿的衣服挺漂亮,只需拍个照,就能立刻搜索出来。”这些事都是谷歌、Facebook和亚马逊在做的。

点评:投资人应该非常看好Clarifai的前景,甚至也有报道称谷歌投资已经联系了Zeiler,但是他不为所动。事实上,无论2B还是2C,图片、视频的分析盈利模式非常清晰,因为软件可以为付费广告投放选择特定类型或主题的视频。例如,借助Clarifai的技术,每当视频中出现咖啡的场景时,星巴克便可投放自己的广告。所以,这个合作空间很大,值得特别关注。唯一的不确定性,是在于机器学习的成熟度方面还有待验证。
 

Deepomatic:时尚法国人的互联网机会

如果说Clarifai看重的是影像分类的前景,那么Deepomatic则更强调视觉搜索业务。这家成立于2014年的法国创业公司,能够通过视觉识别功能实现图片与数据库信息的精准匹配。创始人 Augustin Marty 表示,作为公司战略的第一步,Deepomatic 想将这项技术应用在时尚领域,给在线时尚杂志中的图片寻找相应的产品链接。从用户角度来说,在浏览杂志时看到心仪的单品,就可以点击查看相应的产品名称和购买信息了。看来时尚的法国人,还是不会放过互联网的好机会。

事实上,移动互联网风潮驱使杂志商向在线阅读转型,而杂志通过广告投放方式变现的时代已经狗带。所以时尚杂志的老板们正在寻求新的盈利模式。而Deepomatic刚好赶在了这个节骨眼上,在不破坏杂志内容和美感的同时,既为用户提供了更多的信息量,又相当于增加了一项导购功能,实现了为电商平台的引流。

Deepomatic 的 CPO Aloïs Brunel强调Deepomatic的技术优势明显,“现在许多图像搜索引擎仅仅通过图案和颜色来进行识别,这其实是很不精准的。比如用户看中的是一款包包,但图像搜索的结果可能会是同款花纹的沙发……”经常淘宝的亲们,是不是都被戳中躺枪啊?为了防止悲剧发生,Deepomatic 将图片元素同时与图案、文字等多样化的信息进行匹配,确保搜索结果的精准性。

同时,Deepomatic 正在开展与Shopstyle等各类时尚电商平台合作,建立更丰富、全面的信息库。并适度拓展业务,比如在假期照片中内置机票等商品链接。2015年9月,Deepomatic宣布获得 140 万美元融资,本轮投资方包括 Alven Capital、PierreValade 和 Jean-Charles Samuelian 等。

点评:据了解,资金将主要用于用户拓展和数据库扩充方面。投资者肯定是看好Deepomatic这种模拟了人类大脑接收视觉信息方式并理解各种概念的技术创新,这个方向正是人工智能从文字层面迈向图片识别的一个开始。当然,如果真想模拟人类,计算机必须拥有自己的视觉。不过,Deepomatic面临的挑战,大都来自巨头领衔的竞争对手。包括2015年5月份谷歌推出的Google Photos及Tensor Flow开源人工智能平台;Facebook真对Messenger的Photo Magic应用;微软基于Azure云平台的ProjectOxford项目;Pinterest仰仗伯克利视觉和学习中心推出的Visual Search功能;Cam Find的Cloud Sight视觉云公共应用平台。如何突出重围,考验智慧用心。

Affectiva:让计算机读懂人类的面部表情

总还是要谈到女性创业者,因为这种柔性的力量一直引导人类上升。像来自波士顿的Rana el Kaliouby,就是这样的天才,她是是面部识别技术领域的专家。今年36岁的Kaliouby也被称为摇滚明星。她出身于尼葛洛庞帝建立的M.I.T媒体实验室,信仰清真教,情商极高,还是两个孩子的妈妈。面对Emotient,Realeyes,和Sension等同行的激烈竞争,Kaliouby显得很坦然。因为情绪反馈正在形成趋势。早在2009 年,她就成立了这个基于云端的面部情绪识别解析服务公司Affectiva。她领导科学团队让计算机读懂人类的面部表情,最终开发出情感引擎 Affdex。它从网络视频中学习,辨识人类面部的细微动作,然后将其与情感或者认知联系起来。看过《别对我说谎》的美剧迷,相信对微表情不会陌生。后来国内的《非常了得》也借用这个概念。片子源于Paul Ekman的研究成果,而Kaliouby继承了前辈的衣钵。

Affectiva通过积攒了大数据,发现了一些有趣的现象。比如,女性的微笑更加持久,并且更加强烈,另外,性别之间的差异也随国家而变化。以微笑的多少来说,美国女性的微笑超出男性 40%,法国则是超出 25%。在英国,两性之间没有什么差别。情感与年龄似乎也有关系,50 岁以上的人更愿意表达自己的感情。

在具体实现方面,Affectiva的技术采用先进的计算机视觉算法来捕捉和识别视觉刺激所激发的情感反应。Affectiva的旗舰产品Affdex简单易用;只要一个摄像头,任何地方都可以,也不需要安装软件。另外Affdex也很简洁低调,没有凌乱的布线或电极。

2012年总统大选的时候,Affedex追踪了两百多人观看奥巴马和罗姆尼辩论时的表情,以73%的正确率预知选民投票结果。之后,Affectiva跟Skype的对手Oovoo合作,将其融入了视频通话,可以通过对话判断对方的商务意图。之后,Affectiva 将面向各个领域的第三方应用开发者推出其 SDK包,如游戏、娱乐、教育及医疗领域。

点评:2012年,Affectiva拿到了李嘉诚私人持有的知名风投公司维港投资和KPCB的1200万美元投资,此后,又融到了Kleiner Perkins和WPP的2100万美元融资。不差钱,但是对手也很强悍。目前,Affectiva的主要竞争对手Emotient——有Ekman坐阵董事会,或许还有比Affectiva更先进的算法。更为重要的是,它已经卖给了苹果,背后蕴藏着巨大的合作机会及拓展空间。当然,好的方面是,巨头关注的行业,势必会引导未来的风潮。那么,借力打力的Affectiva,也能取得相应的回报。而且,将近7年的公司,显然比起初创型企业更具竞争力。

总结:正如Gartner报告所说,先进的机器学习正在成为企业在2016年保持竞争优势的必修课。Facebook正在使用深度学习算法来为盲人描述照片。Yelp最近也通过深度学习提供勾选餐厅菜单。微软还在强化Skype翻译的准确性。IBM的沃森正为Sloan-Kettering癌症中心提供研究支持,并给出食谱和运动建议……甚至有人都开始用机器学习鉴别《红楼梦》前80回和后40回了,这样的未来,我们都还有很多需要学习和准备来迎接这样一个新时代的到来。

 
本文出自2016-02-22出版的《电脑报》2016年第07期 A.新闻周刊
(网站编辑:ChengJY)


我来说两句(0人参与讨论)
发表给力评论!看新闻,说两句。
匿名 ctrl+enter快捷提交
读者活动
48小时点击排行
论坛热帖