6大障礙減緩了人工智能創新的步伐

乍看之下，人工智能行業似乎火上澆油，消費者需求量大，投資者興趣濃厚。事實上，人力資源創業公司的風險投資從2014年的32億美元增加到 2017年前五個月的95億美元。人工智能開發有無數激動人心的前景，包括醫療保健，農業和其他技術領域的應用但是，AI行業還不是一個失控的火車。

最大的障礙

人工智能有很多令人興奮的支持，但是一些重大的障礙使它無法實現更具爆炸性的增長：

1.靈活性

年輕創業公司最大的優勢之一就是他們的靈活性; 大公司經常遭受曠日持久的決策和無法調整，但規模較小，敏捷的公司可以快速 ，有效地應對新環境。然而，人工智能創業公司并不一定享受這種優勢，因為人工智能是如此復雜，并且取決于許多未知變量，在項目中間很難換檔。這可能會讓一些AI創業公司死亡，或者推遲遠遠超過原定時間線的項目。

2.人才短缺

精通機器學習和創新足以創造新功能的專業人員數量非常少。人工智能的人才短缺，對行業的發展速度產生了深遠的影響。

熟練的人工智能開發人員可以要求巨額工資，使初創公司很難負擔得起，即使是有足夠現金的創業公司也可能難以填補他們的人工智能職位。

3.比賽

有數百個有趣的人工智能初創公司即將開發或正處于開發階段。對于希望獲得下一代技術的消費者而言，這聽起來令人興奮，但它也提出了一個重要的問題：競爭。初創公司被迫做出更快的決策，更快地進入市場，并削減功能以擊敗競爭對手。這導致一些初創公司更快地燒毀，而其他初創公司則推出劣質產品。

4.銷售周期不可預測

目前，很少有AI產品具有明確定義的銷售周期。首先，人工智能仍然是一個相對較新的領域，因此其市場尚未明確界定。許多應用程序可以很好地針對個人用戶或公司，并且很難準確預測您的產品在開發周期結束時的樣子 - 即使您有一個有遠見的計劃。這使得AI初創公司難以準確預測其收入來源，甚至更難以確保足夠的收入在其成長的早期階段維持下去。

5.機器學習復雜性

不言而喻，編程高級AI功能非常復雜。如果您遵循現有的公式并依賴我們已有的集體知識，機器學習就變成了復制，粘貼和調整的簡單問題。但要真正在這一領域進行創新，您需要豐富的知識和經驗，以及嘗試新事物的精神。

6.處理能力

大多數人工智能系統需要大量的處理能力才能工作。直到最近，這一直是一個重要的限制因素; 許多創業公司無法訪問完成工作所需的處理單元。現在，像Nvidia這樣的公司正在享受處理人工智能應用芯片的需求，并報告創紀錄的銷售和興趣。然而，總的來說，處理增長還不能完全跟上最新的AI技術，并且這種基本限制可能仍然是開發人員的問題。

AI會看到放緩嗎?

那么我們可能會看到人工智能技術進步的放緩嗎?從短期來看，雖然高水平的消費者興奮和風險投資可能會抵消其中的一些影響，但這是可能的。隨著技術變得越來越容易掌握，該領域的創新者自然會克服許多這些問題。在那之前，他們將繼續使已經復雜的行業復雜化。

Larry Alton是VentureBeat的一名撰稿人，負責人工智能。