編者按：機器學習引領認知領域的技術創(chuàng)新。一些機器學習的新產品也在不斷涌現，技術型初創(chuàng)公司在面對巨大的潛在市場已經蠢蠢欲動。紅點投資機構的投資人 Tomasz Tunguz 就機器學習對 SaaS 行業(yè)的益處進行了分析。

從 Amazon Alexas 到無人駕駛，配有機器學習技術的新產品涌入市場。機器學習技術帶來的創(chuàng)新有目共睹，它也將改變 SaaS 行業(yè)。但是它會如何改變呢？創(chuàng)業(yè)公司如何利用機器學習獲得優(yōu)勢呢？

機器學習有四個廣泛的應用：

1.  優(yōu)化——今天早上，從沙山路到舊金山的南公園旅行最快的方式是101高速公路；我們網站對客戶經理這一職位要求已經是老生常談。要達成更多的業(yè)務，就要慢慢說，在談話后半部分再談價格，使用某個案例研究。

2.  識別物體——你剛剛使用智能手機拍攝的照片里包含一只貓；在網店里找到所有紅色格子羊毛短褲；CT掃描顯示高可能性的帕金森病發(fā)病率。

3.  檢測異常——你的信用卡在內羅畢的一家商店購買鋼琴支出了10,000美金；你的服務器群集有較高的CPU使用率；潛在客戶對今天早晨的商務郵件回復速度比上周高25％。

4.  數據細分——通過移動應用商店找到我們產品的客戶顯示出15％參與度。

以上任一應用就可以帶來巨大的進步。但是，這些應用組合在一起做出的事情更令人難以置信。對象識別+異常檢測+機器人=無人駕駛車；或鋪磚機器人搭建直立墻的速度比人類快三倍。

我之前寫過機器學習創(chuàng)新速度驚人的文章。云供應商（亞馬遜、谷歌和微軟）就在快速創(chuàng)新，取得了很多突破性的成果，并提供API，影響著這項新研究的成本。因此，每個初創(chuàng)公司都可以使用這些技術，只需要幾個拉面箱的成本。

但是，只是接入這些API、購買.ai域名并且在商品宣傳中運用語言人工智能是不足以取得成功的。你要做的不是把機器學習當作絕招，而是讓這項技術融入到產品中，與用戶一起見證奇跡的發(fā)生。

最好的銷售和高資金募集都不會將機器學習作為創(chuàng)業(yè)公司的價值主張。相反，他們專注于產品如何增加收入、降低成本、或發(fā)展客戶。

我們已經投資了超過20家機器學習類型的公司，從Stripe到RelateIQ、從Chorus到Caspida。當我們想要投資其他相關公司時，以下五點是我們會考慮的：

1.  對數據的專有訪問——算法是現成的，所有人都可以用。通過產品使用或核心合作創(chuàng)建專有數據，這對于創(chuàng)造可持續(xù)的競爭優(yōu)勢至關重要。

2.  端到端應用程序，而不是平臺—— the monoclouds 更有可能贏得ML-as-a-Service業(yè)務。他們有更多的研究人員，更低的基礎設施成本，比任何創(chuàng)業(yè)公司的營收都高。端到端應用程序更容易做到收入增長和成本降低，并且是初創(chuàng)公司進入市場更好的途徑。

3.  以ML為基礎的強大GTM——ML有可能成為擁有市場優(yōu)勢的創(chuàng)新技術。通過改變購買者評估軟件的方式和降低潛在客戶的獲取成本，基于ML的產品可能會擾亂這種局面。但僅僅技術創(chuàng)新是不夠的。

4.  現場專家——是的，你可以使用monocloud的API。但這些系統(tǒng)被調整得盡可能的更廣泛適用，并產生相當不錯的效果。為了提供特別的體驗，一個創(chuàng)業(yè)公司需要語音識別、自然語言處理或其它核心學科的任何專家。

5.  算法的進步——每隔一段時間，我們可能會投資擁有自己的基本算法且無法從別處復制的公司。

像之前的數據庫和UI一樣，機器學習是一項新技術，它將改變我們設計和銷售軟件的方式。雖然這些術語可能象征著今天的時代精神，也可能迅速成為企業(yè)的陳詞濫調，但是技術的影響才剛剛開始被理解和利用起來。

翻譯來自：蟲洞翻翻  譯者ID：YLS