ML和AI的呈现恰恰激起了大众的想象力。据麦肯锡全球研讨所（一家全球抢先的私营征询机构）估量，2016年，投资于AI技术的投资额为260亿至390亿美元。这个到达三年前三倍的数字，得归功于创业活动和技术提高。

不计其数的风投公司疯狂地涌入ML范畴，毕竟ML和AI是有实践意义的，而不是像将来的自驾车和家庭自动化的工夫表那样虚无缥缈的东西。真正睿智的投资者应该思索正在处理下列这五个成绩的公司。

1.可以消弭无用的义务

我们总有必需忙碌任务的时分：单调有趣的任务，能够是必要但不重要的。侥幸的是，ML和AI正在经过人机交互技术处理其中的一些成绩。虚拟助理，如Siri，Cortana和Google Assistant可以执行根本义务，经过自然言语与用户对话。

在Dialogflow这样的公司中，可以发现更多这种技术的使用实例。Dialogflow是谷歌旗下的一个公司，以前被称为Api.ai。这些公司构建了对话接口，经过运用ML来理解并满足客户需求。你是想要发送5000个日历约请，还是预订从旧金山飞往巴黎的航班？是不是需求一种牢靠的办法来在线答复根本的客户成绩？ Dialogflow提供的处理方案轻松化解了这些需求几个小时工夫的单调任务。

2.聚焦分散性成绩

数据可以显示古代公司运营的各个层面。即便是小型企业也有少量的资料需求剖析，因而一个大型企业所需求耗费的少量信息更是惊人。

可取得的数据曾经超出了人类可以分解的才能，这使它成为ML和AI的完满辅佐。例如，Elucify可协助销售团队自动更新联络人。只需悄悄单击，就可以从众多的公共和公家数据源中获取信息。Elucify将一切这些分散数据停止比拟，并在必要时停止更改。

3.将数据分类

古代的网络平安成绩需求将海量的外部数据与相当数量的内部数据停止比拟。这是一个很难处理的成绩，但是ML和AI是这项任务的完满工具。

在我在英特尔投资公司任职时期，我是Vectra Networks的一名投资者，它是一家运用AI来阻止网络攻击的平安公司。经过将内部网络数据与企业外部的日志停止比拟，Vectra Networks可以自动化检测攻击的进程。人类任务人员基本无法围绕如此普遍的信息散布做出剖析。

一家相似的公司是RiskSense，它创始了自动的网络风险管理，并应用ML和AI来完成数据流程的自动化。随着网络平安成绩的改动和添加，这些组织对处理散布式数据的成绩来说至关重要。

4.处理静态数据妨碍

在过来的50年里，每一本商业书籍都有关于进步效率的章节；这是一个珍贵的特征。在这种追求中，一个次要的妨碍是处理员工的团体素质成绩。如今，一些具有前瞻性的公司正在采用AI来处理人类行为的静态成绩。

一家名为GitPrime的初创公司应用代码数据来确定软件工程师最高效的任务形式。这些复杂的形式有助于组织更快地举动，并对不时变化的需求做出更积极的呼应。在过来，发现人类对数百万行代码的影响是不能够的，但是ML和AI可以协助我们发现它们。

5.可预防潜在风险

尖端的工业零碎结合了AI动力机器人，3D打印和传统的人力监视。公司不只可以经过这些零碎节省数十亿美元，而且还可以援救生命。

工业自动化指导者Rethink Robotics构建了由AI驱动的交互式机器人零碎。这一进程不只降低了本钱，进步了公司的效率，而且为员工发明了更为平安的环境。制造业任务中的风险要素被机器取代，而它们面前的大脑依然是平安和兽性化的。

将来，在ML和AI范畴，有目共睹的投资一定是有一席之地的——我曾经看到很多风险投资资金都花在了这个方向上。但凭仗我在风险投资行业18年的任务经历，还是需求寻觅能发生有影响力和理想的处理方案的公司。ML和AI为处理许多这些无聊、分散、静态和风险的成绩提供了极好的办法。我希望投资集团能慎重思索。