近90%的人工智能公司处于亏损状态 上篇

根据Yiou的报告，2018年人工智能公司亏损近90%，盈利的公司中有10%基本上是技术提供商。基于大数据的人工智能正面临着数据本身带来的挑战，从讨论概念和技术到竞争场景，再到登陆网站。

人工智能公司--数据碎片化使着陆困难

“虽然人们经常提到大数据，但事实上我们并不需要这么多数据。人工智能未来的趋势是小数据的崛起。”在GMIS2019全球数据智能峰会上，斯坦福大学教授Landing AI的创始人兼首席执行官吴恩达教授表示。

在特殊情况下，工厂对手机屏幕进行划痕检查。现在许多人用肉眼检查手机上是否有划痕。如果他们有一百万部手机有划痕，人工智能可以有效识别手机上的划痕。但没有一家工厂有数以百万计的手机擦伤。此时，样本学习，即人工智能，将使用较少的数据得出同样准确的结论，这将有助于促进整个地区的发展。

样本学习的紧迫性在于登录过程中由于数据隐私造成的数据高度和数据碎片。人工智能技术很难充分发挥其价值。

国际人工智能协会主席梁刚表示：“与人工智能不同，人工智能需要数千张图像才能在比赛中进行训练。我们看到，如果数据通常较小且分散，也就是说，没有连接的数据，那么高级人工智能技术就很难使用。”。香港科技大学教授兼韦伯银行首席人工智能官表示。

今年5月，国家网络信息办公室发布了《意见草案》，建议利用互联网在中国开展数据、存储、传输、处理、使用等活动，保护、监测和管理数据安全。

梁刚认为，“GDPR中文版”即将推出，数据保护将变得更加严格和全面，减少企业在实际应用中可以使用的数据级别和范围。增强的隐私保护为AI技术升级提供了机会。

以人工智能公司为例，保险行业需要整合业务数据和用户网络行为数据，制定个性化定价。理想情况下，您可以获得与用户ID紧密匹配的非常丰富的用户配置文件。然而，由于隐私、安全、法规和其他原因，公司可用的数据非常有限。

另一个例子是，在向人工智能公司企业申请贷款时，AI需要账单数据、资产数据、民意数据等。然而，由于数据的碎片化，只有一些政府数据可以用于实际应用。例如，中央银行的信贷报告。然而，这些报告只涵盖不到10%的人口。这个问题在医学领域更为明显。不同医院的医学影像数据难以形成大数据，难以训练医学模型。