從亞馬遜的數(shù)字語(yǔ)音助手Alexa到自動(dòng)駕駛汽車(chē)，越來(lái)越多進(jìn)入市場(chǎng)的新產(chǎn)品都使用了機(jī)器學(xué)習(xí)技術(shù)。機(jī)器學(xué)習(xí)技術(shù)提供的創(chuàng)新是真實(shí)存在的，機(jī)器學(xué)習(xí)也會(huì)改變SaaS世界。但機(jī)器學(xué)習(xí)將如何改變SaaS世界？創(chuàng)業(yè)公司如何利用機(jī)器學(xué)習(xí)的優(yōu)勢(shì)？紅點(diǎn)創(chuàng)投合伙人Tomasz Tunguz在Saastr大會(huì)上分享了他的觀(guān)點(diǎn)，以下是全文：

機(jī)器學(xué)習(xí)有四個(gè)大的應(yīng)用方向

優(yōu)化（Optimize）

比如今天早上，從Sand Hill Road到舊金山South Park最快的路線(xiàn)是101號(hào)高速路。某個(gè)網(wǎng)站的客戶(hù)經(jīng)理招聘需求使用了太多的陳詞濫調(diào)，可以使用招聘文本分析創(chuàng)企Textio的工具進(jìn)行優(yōu)化。另一個(gè)例子是Chorus.ai，該公司采用內(nèi)部開(kāi)發(fā)的語(yǔ)音識(shí)別、自然語(yǔ)言處理，以及人工智能技術(shù)對(duì)銷(xiāo)售電話(huà)進(jìn)行轉(zhuǎn)錄、分析以及實(shí)時(shí)反饋，進(jìn)而提高銷(xiāo)售代表的業(yè)績(jī)，并幫助公司分析為什么一些交易沒(méi)有成功。

識(shí)別物體（Identify objects）

比如識(shí)別一張照片里的一只貓、找出一個(gè)電商當(dāng)中所有的紅色格子羊毛短褲、通過(guò)新型的CT掃描預(yù)測(cè)帕金森病的可能性。

檢測(cè)異常（Detect anomalies）

你的信用卡顯示從內(nèi)羅畢一家商店買(mǎi)了一架10000美元的鋼琴。你的服務(wù)器正在歷史最高CPU使用率下運(yùn)作。本周銷(xiāo)售線(xiàn)索郵件客戶(hù)回復(fù)率比上周高25%。

數(shù)據(jù)分段（Segment data）

通過(guò)移動(dòng)app store使用我們產(chǎn)品的客戶(hù)的參與度比其他客戶(hù)高15%。這些單獨(dú)的應(yīng)用都帶來(lái)了巨大的進(jìn)步，但是如果把這些應(yīng)用組合起來(lái)，將帶來(lái)更加不可思議的事物。物體識(shí)別+異常檢測(cè)+機(jī)器人=自動(dòng)駕駛汽車(chē)?；蛘弑热祟?lèi)砌磚速度快三倍的建筑機(jī)器人。我以前寫(xiě)過(guò)機(jī)器學(xué)習(xí)帶來(lái)的巨大創(chuàng)新。亞馬遜、谷歌和微軟都在快速創(chuàng)新，推出突破性的成果，并通過(guò)這些新的研究推出各種API。因此，所有的初創(chuàng)公司都能以很低的費(fèi)用使用這些技術(shù)。但僅僅靠這些API，注冊(cè).ai的域名、并把機(jī)器學(xué)習(xí)/人工智能這些詞匯塞到你的銷(xiāo)售演講當(dāng)中并不能帶來(lái)成功。與其鼓吹機(jī)器學(xué)習(xí)概念，不如讓科技消失在產(chǎn)品當(dāng)中，讓用戶(hù)感覺(jué)不到技術(shù)的存在。最好的銷(xiāo)售和融資演講應(yīng)該描述一家公司的價(jià)值主張，而不需要提及機(jī)器學(xué)習(xí)。應(yīng)該專(zhuān)注于產(chǎn)品如何增加收入，降低成本，贏(yíng)得買(mǎi)家。我們紅點(diǎn)創(chuàng)投投資了20多家機(jī)器學(xué)習(xí)領(lǐng)域的公司，包括Stripe、RelateIQ、Chorus、Caspida。

做投資決策時(shí)，我們關(guān)注以下5個(gè)公司屬性

專(zhuān)有的數(shù)據(jù)訪(fǎng)問(wèn)（Proprietaryaccess to data）

算法是所有人都可以使用的，專(zhuān)有的數(shù)據(jù)來(lái)源才是關(guān)鍵，通過(guò)產(chǎn)品使用創(chuàng)造專(zhuān)有數(shù)據(jù)，也許是通過(guò)事件驅(qū)動(dòng)型SaaS產(chǎn)品，或者是通過(guò)關(guān)鍵的合作伙伴獲取數(shù)據(jù)，以創(chuàng)造持續(xù)的競(jìng)爭(zhēng)優(yōu)勢(shì)。

端到端的應(yīng)用，而不是平臺(tái)（End to endapplications, not platforms） 

科技巨頭也許能夠靠機(jī)器學(xué)習(xí)服務(wù)（ML-as-Service）開(kāi)辟業(yè)務(wù)。他們的研究人員更多，基礎(chǔ)設(shè)施成本更低，擁有遠(yuǎn)超創(chuàng)業(yè)公司的營(yíng)銷(xiāo)預(yù)算。端到端的應(yīng)用更容易帶來(lái)收入、更容易降低成本，對(duì)于創(chuàng)業(yè)公司來(lái)說(shuō)是更好的進(jìn)入市場(chǎng)的路徑。

機(jī)器學(xué)習(xí)帶來(lái)的強(qiáng)通用模型（Strong GTMenabled by ML）

機(jī)器學(xué)習(xí)具有科技創(chuàng)新的潛力，能夠成為進(jìn)入市場(chǎng)的優(yōu)勢(shì)。通過(guò)改變買(mǎi)方評(píng)估軟件的方式、降低客戶(hù)獲取成本，機(jī)器學(xué)習(xí)是顛覆性的。但是僅僅有科技創(chuàng)新是不夠的。

行業(yè)專(zhuān)家（Experts in thefield）

你可以使用大公司的API，但是這些系統(tǒng)主要是用于更加廣泛的應(yīng)用，為了提供特殊的經(jīng)驗(yàn)，一家創(chuàng)業(yè)公司需要在語(yǔ)音識(shí)別、自然語(yǔ)言處理或者其他核心學(xué)科的專(zhuān)家。

算法優(yōu)勢(shì)（Algorithmicadvances）

我們偶爾會(huì)投資算法不太可能被其他公司復(fù)制的公司。

就像之前的數(shù)據(jù)庫(kù)和圖形用戶(hù)界面一樣，機(jī)器學(xué)習(xí)是一種新技術(shù)，它將改變我們構(gòu)建和銷(xiāo)售軟件的方式，雖然這可能已經(jīng)成為企業(yè)的陳詞濫調(diào)，但是機(jī)器學(xué)習(xí)技術(shù)的影響才剛剛開(kāi)始發(fā)生和被理解。