ML和AI的出現恰恰激發了公眾的想象力。

據麥肯錫全球研究所（一家全球領先的私營咨詢機構）估計，2016年，投資于AI技術的投資額為260億至390億美元。

這個達到三年前三倍的數字，得歸功于創業活動和技術進步。

成千上萬的風投公司瘋狂地涌入ML領域，畢竟ML和AI是有實際意義的，而不是像未來的自駕車和家庭自動化的時間表那樣虛無縹緲的東西。

真正睿智的投資者應該考慮正在解決下列這五個問題的公司。

1.可以消除無用的任務我們總有必須繁忙工作的時候：枯燥乏味的工作，可能是必要但不重要的。

幸運的是，ML和AI正在通過人機交互技術解決其中的一些問題。

虛擬助理，如Siri，Cortana和Google Assistant可以執行基本任務，通過自然語言與用戶對話。

在Dialogflow這樣的公司中，可以發現更多這種技術的應用實例。

Dialogflow是谷歌旗下的一個公司，以前被稱為Api.ai。

這些公司構建了對話接口，通過使用ML來了解并滿足客戶需求。

你是想要發送5000個日歷邀請，還是預訂從舊金山飛往巴黎的航班？是不是需要一種可靠的方法來在線回答基本的客戶問題？ Dialogflow提供的解決方案輕松化解了這些需要幾個小時時間的枯燥工作。

2.聚焦分散性問題數據可以顯示現代公司運營的各個層面。

即使是小型企業也有大量的材料需要分析，因此一個大型企業所需要消耗的大量信息更是驚人。

可獲得的數據已經超出了人類能夠合成的能力，這使它成為ML和AI的完美輔助。

例如，Elucify可幫助銷售團隊自動更新聯系人。

只需輕輕單擊，就可以從眾多的公共和私人數據源中獲取信息。

Elucify將所有這些擴散數據進行比較，并在必要時進行更改。

3.將數據分類現代的網絡安全問題需要將海量的內部數據與相當數量的外部數據進行比較。

這是一個很難解決的問題，但是ML和AI是這項工作的完美工具。

在我在英特爾投資公司任職期間，我是Vectra Networks的一名投資者，它是一家使用AI來阻止網絡攻擊的安全公司。

通過將外部網絡數據與企業內部的日志進行比較，Vectra Networks可以自動化檢測攻擊的過程。

人類工作人員根本無法圍繞如此廣泛的信息分布做出分析。

一家類似的公司是RiskSense，它開創了主動的網絡風險管理，并利用ML和AI來實現數據流程的自動化。

隨著網絡安全問題的改變和增加，這些組織對解決分布式數據的問題來說至關重要。

4.解決動態數據障礙在過去的50年里，每一本商業書籍都有關于提高效率的章節；這是一個寶貴的特征。

在這種追求中，一個主要的障礙是解決員工的個人素質問題。

現在，一些具備前瞻性的公司正在采用AI來解決人類行為的動態問題。

一家名為GitPrime的初創公司利用代碼數據來確定軟件工程師最高效的工作模式。

這些復雜的模式有助于組織更快地行動，并對不斷變化的需求做出更積極的響應。

在過去，發現人類對數百萬行代碼的影響是不可能的，但是ML和AI可以幫助我們發現它們。

5.可預防潛在危險尖端的工業系統結合了AI動力機器人，3D打印和傳統的人力監督。

公司不僅可以通過這些系統節省數十億美元，而且還可以挽救生命。

工業自動化領導者Rethink Robotics構建了由AI驅動的交互式機器人系統。

這一過程不僅降低了成本，提高了公司的效率，而且為員工創造了更為安全的環境。

制造業工作中的危險因素被機器取代，而它們背后的大腦仍然是安全和人性化的。

未來，在ML和AI領域，引人注目的投資肯定是有一席之地的——我已經看到很多風險投資資金都花在了這個方向上。

但憑借我在風險投資行業18年的工作經驗，還是需要尋找能產生有影響力和現實的解決方案的公司。

ML和AI為解決許多這些無聊、分散、動態和危險的問題提供了極好的方法。

我希望投資團體能慎重考慮。