兼職網賺項目,在 NLP 領域創(chuàng)業(yè)，真的很難

摘要： 從 2015 年最先，在 AI 領域創(chuàng)業(yè)的公司如雨后春筍一樣平常林立而起。若是細分的話，可以分為機械學習ML，圖像視覺CV，和自然語言處置NLP。固然，理論上來說，CV 和 NLP...

從 2015 年最先，在 AI 領域創(chuàng)業(yè)的公司如雨后春筍一樣平常林立而起。若是細分的話，可以分為機械學習ML，圖像視覺CV，和自然語言處置NLP。固然，理論上來說，CV 和 NLP 也是屬于 ML 局限的。

市面上，這幾個領域的創(chuàng)業(yè)公司都有不少，相對而言，CV 領域的公司數(shù)目和規(guī)模是較大的。我從事 NLP 行業(yè)，在相關的創(chuàng)業(yè)公司待過一段時間，所以對該領域的公司較為關注。今天，可以來簡樸聊聊 CV 和 NLP 領域創(chuàng)業(yè)公司的情形，重點是要回答一個問題：同樣是 AI 創(chuàng)業(yè)，為什么 NLP 領域顯著弱于 CV 領域。

我們先來看看 CV 領域的創(chuàng)業(yè)公司門。在該領域，頭部的創(chuàng)業(yè)公司有個響亮的名號，叫做 CV 四小龍，分別為：商湯、曠視、依圖、云從，他們的融資金額都異常高。以商湯為例，成立了近六年，融資總額到達 30 億美元，它的估值超過了 75 億美元。

這幾家公司的特點是，在后面幾輪融資，動輒數(shù)億甚至十億美元的巨額融資，在資金逐漸收縮的投資市場，簡直讓許多創(chuàng)業(yè)公司眼紅。

相比之下，NLP 領域的創(chuàng)業(yè)公司的發(fā)展速度和融資規(guī)模，略顯遜色?，F(xiàn)在，與 NLP 有關的創(chuàng)業(yè)公司，發(fā)展勢頭不錯的有：出門問問，追一科技，竹間智能等。列出這些公司的名字，許多讀者可能感受較為生疏，沒有聽過或者不怎么領會。簡直，就名氣上而言，也比 CV 四小龍弱了不少。其中，出門問問在2017 年的 D 輪融資中顯示優(yōu)異，獲得了 1.8 億美元融資，但之后再也沒有新的融資新聞傳出。其他的公司數(shù)萬萬美元融資的情形較多，從融資規(guī)模上來看，和 CV 界相差甚多。

對了，這里多說一句，科大訊飛是一家很成熟的 NLP 公司，已經不算這幾年新興的 AI 創(chuàng)業(yè)公司了。

透過征象看本質，同樣是機械學習領域，同樣是頂著人工智能的創(chuàng)業(yè)光環(huán)，為什么現(xiàn)狀差了這么多，豈非是優(yōu)秀人才都跑到 CV 領域去了嗎？固然不是，接下來，我想從手藝方面和市場方面，來剖析一下背后的緣故原由。

首先，從手藝角度出發(fā)，自然語言處置的手藝難度很大，只管應用場景許多，但做好任何一項都不容易。自然語言處置的義務，基本都脫離不了語義明白，任何事情，涉及到「明白」二字，就變得艱難許多。

圖像處置的義務通常屬于感知智能，所看即所得。例如識別出物體是一只貓，照樣一輛車。但對語言來說，大部分問題是認知智能，需要思量更多明白認知的因素。

由于視覺是人一出生就能夠獲取的，但語言是需要通過不停學習才氣獲得的，它是成千上萬年以來，經由不?？偨Y提煉后的高度抽象化的符號聚集，組合起來可以千變萬化。一段簡樸的文字，其寄義很容易能超過數(shù)張圖片所能承載的信息。舉些簡樸的例子，我們現(xiàn)在還很難通過影片展示出《三體》中遠大的宇宙場景；寥寥幾句唐詩，所涵蓋的意境，可以雄偉至極。

現(xiàn)在許多論文中的研究成果，從實驗室走向現(xiàn)實應用，最大的阻礙是魯棒性。在寬松的實驗條件下，獲得的亮眼分數(shù)，往往在現(xiàn)實應用場景中一觸即潰。其中，現(xiàn)在較為成熟的是文本翻譯，但想必我們還不敢信托模子直接翻譯的效果。

剖析完了手藝角度，既然是創(chuàng)業(yè)，我們再來看看商業(yè)中最終要的市場因素，在一樣平常生涯中，CV 最直接的應用是人臉識別，它已經融入了許多場景，小到手機的刷臉解鎖，大到火車站的視頻監(jiān)控，罪犯查找。這內里是有著許多較為成熟的商機的。CV 四小龍就和許多手機廠商互助，讓刷臉解鎖、支付更為便捷，同時也可以和許多官方部門舉行安防方面的互助。簡而言之，有了較為成熟的市場需求。

若是提到 NLP 呢，生涯中的應用我們對照容易聯(lián)想到手機或者音箱上林林總總的智能語音助手。但我信賴，人人一定很少去打開它們，由于無一例外，它們都太不智能了，與之對話會異常無聊。