發佈日期:2018-05-23

從AI 100看全球AI商業化趨勢及發展

作者: 吳悅

前瞻研究 人工智慧 機器學習 深度學習 Artificial Intelligence Machine Learning Deep Learning

文章圖片所有權: https://ppt.cc/fn5Jzx ,Created by sujins
版權適用聲明: CC0 Public Domain-可以做商業用途-不要求署名

2

一、人工智慧的應用範疇

3

人工智慧的發展可以追溯至上世紀40年代,歷經過去數次的挫折,在21世紀終於呈現花開結果的趨勢。從2016年,Google以深度學習方法開發的AlphaGo打敗人類圍棋棋士後,人工智慧突然就走上台前,接受台下眾人的關注。目前,還沒有一個單一標準的人工智慧定義被產學研界所一致認同且普遍接受,因此有的人會認為人工智慧只是一個電腦系統,它可以表現出通常被認為需要智力的行為;或是把人工智慧想像成一個系統,能夠合理的解決複雜的問題,或在實質的現實環境下採取適當的行動來達成預定目標(White House, 2016)。

4

人工智慧技術類別包含自然語言處理與語音辦識、影像處理、專家系統、機器人,而背後支持其應用的演算法包含深度學習、類神經網絡、決策樹、支持向量機、貝葉斯法、強化學習、蟻群演算法等。透過這些技術的逐漸成熟,許多應用也被開發出來而在實驗室或是市場上被測試及使用,包含像是自駕車、語音識別、聊天機器人、遊戲博奕、郵件過濾、影像識別、智慧型機器人(又被稱為自主性機器人)、自動翻譯等,而一些應用已經被消費者廣泛使用,許多應用體驗也回饋開發廠商,以提高及改善其應用品質。各國對人工智慧的技術研發投入或應用服務開發上均做了許多努力,許多投入也逐漸看到成果,像是IBM的Watson系統,Google的自駕車、AlphaGo圍棋系統,這些成功案例也進一步刺激各國加大對人工智慧的投入。由此可見未來人工智慧技術將涵蓋不同的產業,如農林水產、製造建設、電力能源通訊、資訊服務、批發零售、金融保險、房地產、交通運輸、物流、廣告、娛樂、教育、醫療照護、生活服務等。

5

二、最值得關注的100家AI新創公司

6

根據美國調研智庫公司CB Insight所完成的「2017年人工智慧100」報告顯示,人工智慧的商業化腳步已經從實驗室的技術或原型走向市場,大量的新創公司投入此新領域。各類型的應用及服務發展的如火如荼,已有許多應用app、服務及機器人等各類產品上市,同時也有許多新的應用場域被開發出來,如數據科學、物聯網/工業物聯網等。人工智慧也被廣泛應用在協助研究人員進行研究、新藥開發、尋找新材料上。

7

CB Insight是美國知名調研與智庫公司,每年度都會公佈年度AI 100報告並受到各界高度關注,報告中推薦該年度最值得注意的AI企業並簡介說明,是全球AI產業動態觀察的指標性報告。本研究整理2017年報告推薦的全球100間AI企業,並搜尋這些企業的技術應用類型、主要業務內容及其國家分佈 (CB Insight, 2017)。CB Insight所發佈的2017年度《The AI 100 2017》報告書裡的重要的AI企業與其產品或服務,都是已被人們開始使用的。表1依這100間AI企業的產品與服務進行初步分類,可分為下列38種AI技術或應用類型,並各舉一個該類型被推薦的企業為例,與其業務說明和該企業創設的所在國家。

8

表1 CB Insight的AI 100企業分類簡要介紹

AI技術或應用類型 企業名稱 業務說明 國家
核心技術
機器視覺+深度學習
Affectiva Affectiva運用計算機視覺和深度學習,透過情感識別技術將情緒商數融入網路,讓人與系統互動。
https://www.affectiva.com/
美國
核心技術
機器視覺
Clarifai Clarifai的視覺識別技術建立在先進的機器學習系統,讓世界各地的開發人員可以通過一個API簡單操作使用,且價格低廉。
https://clarifai.com/
美國
遊戲逸樂機器人 Anki 將人工智慧和消費機器人普及到人們日常生活中,主要產品是電玩遊戲和實體道具結合的Anki Overdrive。
https://www.anki.com/en-us/
美國
智能生活機器人 Rokid Corporation, Ltd. Rokid擁有先進的人工智慧和深度學習功能,透過主動交付訊息、提供娛樂和通過語音和視覺互動進行家庭活動、豐富生活。
https://www.rokid.com/
中國
人工智慧演算法用於商業情報及客戶行為分析 Appier Appier開發各種人工智慧應用平台,致力於讓企業更容易使用人工智慧並立足於跨螢時代。
http://www.appier.com/en/index.html
台灣
廣告投放 Drawbridge

Drawbridge是領先的匿名數字身份認證公司,構建了專利的跨設備技術,從根本上改變了品牌與人們的聯繫。https://drawbridge.com/ 美國
農業應用 Blue River Technology Blue River Technology使命為農業開發提供先進的技術。利用計算機視覺和機器人技術構建了“使每一個植物計數”的未來 - 每個植物的需求被精確測量且即時回應,進而大幅減少化學和肥料的使用。
http://www.bluerivertechnology.com/
美國
核心技術
自然語言處理
Cortical.io Cortical.io提供基於語義折疊理論的自然語言理解(NLU)解決方案,致力以語言轉換成語義指紋並比對重疊成度來比較文本間的相關性,這種理論為處理大文本數據(Big Text Data.)提供類似大腦處理訊息的新觀點。
http://www.cortical.io/

奧地利
語音識別協助銷售 chorus.ai Chorus.ai以銷售領域中的常用語音識別為基礎,致力於通過AI為銷售團隊提供解決方案。
https://www.chorus.ai/?
美國
人工智慧對話行銷平台 Automat AI操控的對話平台,讓公司能夠與客戶進行客製化的一對一對話。
http://www.automat.ai/

加拿大
自然語言處理用於法律服務 ROSS Intelligence ROSS是一組透過機器學習研讀大量的法律案例與文書,並對一般使用者所提出的法律問題進行自然語意分析,從中找出最合適的法律意見人工智慧服務。http://rossintelligence.com/ 美國
自然語言處理用於召募僱佣 Textio Textio的首要應用領域在召募資訊和求職內容。提供寫作評分,並顯示最重要的資訊、提供明確的指導。
https://textio.com/
美國
自然語言處理用於個人虛擬助理 x.ai 安排會議的人工智慧個人助理。
https://x.ai/
美國
自然語言處理和機器學習算法用於金融資訊搜集 AlphaSense, Inc. 提供專業人員專有研究數據庫資料,包括金融語言的智慧語義搜索和相關性分析,以智慧識別挖掘有價值的隱藏信息。
https://www.alpha-sense.com/

美國
資安應用 Deep Instinct Deep Instinct是第一家將深度學習應用在網絡安全的公司。https://www.deepinstinct.com/ 以色列
語音搜索用於客戶分析 Deepgram Deepgram利用深度學習挖掘並分析語音資料用以協助商業洞察。公司只分析其2%的語音資料,Deepgram可協助預測客戶流失、CSAT、NPS、轉換和搜索數據,就像Google一樣。https://deepgram.com/ 美國
語音搜索用於個人穿戴裝置 Mobvoi

Mobvoi專注於語音搜索的AI公司,特色技術是:語音識別、自然語言理解、垂直搜索和主動搜索。
http://www.chumenwenwen.com/en
/site/index.html
中國
核心技術數據科學 Descartes Labs

開發平台,將機器學習應用於海量數據集,如衛星圖像,並用於不同行業的預測和分析。例如可應用於農業,藉由分析衛星圖像來預測美國的玉米和大豆產量。
https://descarteslabs.com/
美國
核心技術
數據科學
Context Relevant / Versive, Inc. 提供數據分析和預測服務,特色為依據語境相關性來分析數據。
https://www.versive.com/
美國
核心技術
應用軟體
Gigster

藉由人工智慧和數據科學為客戶提供固定價格、一站式的軟體開發與解決方案服務。
https://gigster.com/
美國
教育 Gradescope Gradescope藉由AI幫助教師進行學生評分的工作。
https://gradescope.com/
美國
醫療應用 iCarbonX 基於世界上最專業和指數級增長的健康大數據平台,透過最先進的資料探勘和機器分析技術為健康指數提供客製化的健康分析和預測。https://www.icarbonx.com/ 中國
物聯網/工業物聯網 KONUXGmbH 感應器和大數據分析公司,即時了解機器和基礎設施的使用狀況。https://www.konux.com/ 德國
核心技術
深度學習
Maluuba

Maluuba是一家加拿大深度學習公司,幫助機器思考、理性並與人類交流。
http://www.maluuba.com/
加拿大
居家照護 Nanit

Nanit是第一款使用計算機視覺智能偵測睡眠嬰兒的安全監視器,為父母提供富有科學的協助,幫助他們的嬰兒提升睡眠品質 - 無需穿戴。
https://www.nanit.com/
美國
影像處理分析 Orbital Insight

Orbital Insight致力於利用大數據將空間商業化,是大規模分析衛星和無人機圖像的一大動力。公司開發了演算法,對汽車、道路、飛機、雲、霾、淡水湖泊、農田、建築物和油罐進行計數和測量。
https://orbitalinsight.com/
美國
保險詐欺 Shift Technology Shift Technology為保險公司提供了以改善和規模欺詐檢測為旨的SaaS解決方案。
https://www.shift-technology.com/
法國
保險
環境監控
Cape Analytics Cape Analytics雲端平台運用計算機視覺來即時和大規模地提供關於高價值財產特徵的近乎檢驗質量(near inspection-quality)的資訊,這些數據可在國內使用,容易與保險公司和其他利益相關者整合。
https://capeanalytics.com/
美國
大數據分析平台 SigOpt

成立於2014年的SigOpt是數據分析優化平台,雲端為基礎整合的演算法優化且全面部署,可應用於保險業、信用卡、股票交易和快速消費品業。
https://sigopt.com/
美國
核心技術
機器學習平台
CrowdFlower CrowdFlower是開發人機混合(human-in-the-loop)平台,提供高品質客製化訓練資料(training data)用於機器學習中,或藉由易使用的模型和整合的人機混合工作流自動化商業流程。CrowdFlower平台應用廣泛,包括自駕車、智慧個人助理、醫療圖像標籤、內容分類、CRM數據豐富(CRM data enrichment)和搜索相關性。
https://www.crowdflower.com/
美國
核心技術
聊天平台
Talla

Talla可以讓聊天平台轉變為公司的指揮中心。實現業務流程,如員工登入、技能培訓、投票和客製化體驗。
https://talla.com/
美國
藥物開發 twoXAR twoXAR是一家軟體驅動的藥物發掘公司。該公司利用其計算平台來識別有潛在價值、未被挖掘的藥物,在臨床研究前降低風險,並通過合作夥伴將有潛力的藥物推廣到診所。
http://www.twoxar.com/
美國
機器學習算法商店 Algorithmia 協助開發人員、企業與學者創立、營運、部屬和商業化人工智慧微服務(intelligent microservices),目標在提高算法智能(algorithmic intelligenc)的開發、發現和可利用性。
https://algorithmia.com/

美國
研究
材料科學資料庫
Citrine Informatics Citrine是全球最大的材料數據庫,Citrine使用這個平臺來建構AI軟體,實現更高效的發現、優化、製造和應用材料。
https://citrine.io/
美國
大數據分析用於情報提供 Dataminr Dataminr是社群媒體中提供即時、反饋的最新新聞快訊。全球企業、金融公司、新聞機構和公共部門可最快得到訊息,以便快速給予可能受影響的人員、資產、投資組合等給予適當的反應。https://www.dataminr.com/ 美國
深度學習用於客戶管理 DigitalGenius

將深度學習和人工智慧的實際應用帶入了大公司的客戶服務管理中,核心技術是深度學習法,可對過往客戶服務數據進行訓練,並直接整合到客服中心的現有軟體中。
https://www.digitalgenius.com/
美國
機器學習演算用於金融技術 Numerai

Numerai是由數據科學家建立的一種新型對沖基金金融技術公司。Numerai為其對沖基金中的投資者管理長/短全球股權策略。
https://numer.ai/
美國
自駕車 Chronocam 開發一種獨特的、仿生物和自我調節的方法,以滿足自動駕駛汽車在連接設備、安全和監控系統中的視覺感應和反應需要。
http://www.chronocam.com/
法國
9

               資料來源:CB Insight(2017),本研究整理。
這38種分類可以歸納成7大類別,分別為:人工智慧核心技術、商業服務、工業/產業應用、教育研究、醫療保健、個人消費應用以及安全等(見圖1)。其中以人工智慧核心技術及商業服務為大宗。以核心技術開發為例,就有許多廠商投入在自然語言處理、視覺、數據科學、深度學習以及各類平台開發等不同的技術;而在商業服務上則提供各類協助廠商招募人才、金融應用、客戶行為分析、商業情報分析、市場銷售甚至股票投資等不同的需求。唯此分類並不代表人工智慧技術的分類架構,畢竟CB Insight公司只是選擇了全球100家值得觀察的AI企業,對於目前幾乎每天都有AI新創公司出現、技術取得突破的現況下,不免有遺珠之憾。譬如能源的應用就沒有被收錄在此AI 100報告內。

10

圖1 AI 100企業的應用分類

11

圖2 AI 100公司之國家分佈圖

12

本文亦蒐集與整理這100間AI創設所在國家的分布(如圖2所示),結果顯示100間被推薦的企業中有76%為美國公司,而英國、以色列和中國則分別有4家公司被推薦,台灣也有一家Appier入列。本文進一步查詢美國企業資料發現,美國的公司中許多是從大專院校實驗室或國家實驗室所spin-off的新創企業,譬如Affective (MIT)、Drive.ai(史丹佛大學人工智慧實驗室)、Descartes Labs (洛斯阿拉莫斯國家實驗室)等,這顯示美國不但具備充沛技術開發能量,也有完善的創新育成環境。且美國大專院校的實驗室在開發新技術後,有成熟且健全的體制以及完善的金融資助體系鼓勵技術人員出來創業。相較其他國家,這些是美國AI企業,尤其是新創企業良好發展的最大優勢。此外,日經新聞與Elsevier合作針對全球以人工智慧為主題於2012~2016年發表的論文,分析論文被引用資料,結果顯示AI論文被引用排名第一的為美國微軟、第二名為新加坡的南洋理工大學、第三則為中國科學院。在前十名的排行中,美國學研機構為5家,中國2家,新加坡、法國、加拿大各有1家入列(日經,2017)。而在專利發表量上,同樣由日經新聞所進行的報導,美國2010~2014年的AI專利申請數為15,317,為全球最高,排名第二的則是中國為8,410篇。日本為次於歐洲地區,排名第四為2,071篇。從專利量與論文品質的數據顯示,雖然各國均努力投入在AI研發上,但是成功技術商品化的國家仍以美國表現最優(日經,2017)。

13

由於美國在AI 100所佔據的企業數量遠遠超越其他國家,因此觀測美國在此報告的分類百分比可以瞭解到美國在AI研究的實力與潛力,其它在AI核心技術共有32家、工業產業應用有10家、安全類有2家、教育研究類有6家、商業應用有17家、醫療保健有4家,個人消費應用有5家。由此可見美國在AI研究的類別五花八門,具備既深且廣的優勢,是其他國家很難相比的。

14

三、結論

15

工業4.0時代的到來,人工智慧將是其中最為關鍵的技術。從目前人工智慧商業化成果來看,人工智慧將會扮演一個盡責的輔助者的角色,協助人類提高生活品質、加快生活節奏及加速人類研發的進度。因此如何利用此波人工智慧浪潮,促使我國產業轉型,走出過往過於重視硬體製造的侷限,並提高國人面臨未來智慧社會所需之知識與技術,是我國產官學研各界必須謹慎面對的課題。唯我國要在人工智慧領域與其他國家競爭,在過去偏重硬體製造、代工模式的做法必須調整,但貿然投入純粹軟體業或許風險過高,畢竟過去我國人才及經驗在此領域都是較為薄弱,這是我國各界必須慎思的課題。或許強化軟硬結合,以軟體或服務帶動硬體是我國突破過去代工為主的契機。

16

參考文獻

  1. 中美爭鋒人工智慧研究 日本被甩身後,日經新聞網,2017/11/22,資料擷取自http://zh.cn.nikkei.com/industry/scienceatechnology/27766-2017-11-22-04-50-00.html?start=1
  2. 中國AI專利申請增長率超過美國,日經新聞網,2017/05/09,資料擷取自http://zh.cn.nikkei.com/industry/scienceatechnology/24883-2017-05-09-04-59-59.html
  3. CB Insight, The AI 100 2017, (2017). Retrieved September 17, 2017 from https://s3-us-west-2.amazonaws.com/cbi-content/research-reports/CB-Insights_AI-100-2017.pdf
  4. White House (2016). Artificial Intelligence, Automation, and the Economy. Retrieved September 27, 2017 from: https://obamawhitehouse.archives.gov/sites/whitehouse.gov/files/documents/Artificial-Intelligence-Automation-Economy.PDF
  5. Office of Science and Technology Policy (OSTP) (2016). Preparing for the Future of Artificial Intelligence. Retrieved September 27, 2017 from: https://obamawhitehouse.archives.gov/sites/default/files/whitehouse_files/microsites/ostp/NSTC/preparing_for_the_future_of_ai.pdf