NNAISENSE是施米德胡貝教授在德國和瑞士的學(xué)術(shù)實(shí)驗室的一個(gè)成果，這個(gè)名字的含義為：基于神經(jīng)網(wǎng)絡(luò )的通用人工智能（NNAI）的誕生。這個(gè)公司的5位共同創(chuàng )始人相信，目前基于LSTM算法的商業(yè)成功只是開(kāi)始，通過(guò)元學(xué)習、人工好奇心與創(chuàng )造力、優(yōu)化搜索程序和大型的強化學(xué)習神經(jīng)網(wǎng)絡(luò )的新變體，這樣一個(gè)通用人工智能將會(huì )影響到每一個(gè)企業(yè)，最終超越人類(lèi)。
目前這個(gè)公司的商業(yè)模式是：和不同的行業(yè)合作伙伴合作，為他們設計解決方案，在這個(gè)過(guò)程中，NNAISENSE基于神經(jīng)網(wǎng)絡(luò )的人工智能學(xué)到新的技能，從而逐漸成為更加通用的問(wèn)題解決者。最終使命是創(chuàng )造一個(gè)能夠持續在舊技能基礎上學(xué)習的新技能的通用人工智能，最終學(xué)會(huì )更快的學(xué)習新技能。其中一些解決問(wèn)題的技能是被AI自己通過(guò)人工好奇心發(fā)明出來(lái)的（施米德胡貝教授曾在1991年提出關(guān)于人工智能好奇心與創(chuàng )造力的理論）。
NNAISENSE公司與世界最大的鋼鐵制造商安賽樂(lè )米塔爾（Arcelor Mittal）合作，采用深度學(xué)習算法提高了鋼材缺陷的檢測效果。通過(guò)神經(jīng)網(wǎng)絡(luò )學(xué)習的方式分析相機拍攝的鋼產(chǎn)品的照片，比傳統的方法更準確和高效的評估鋼材質(zhì)量。人工智能這種模式識別的能力還可以應用到上千個(gè)產(chǎn)業(yè)中。
Quantenstein是NNAISENSE與德國基金公司Acatis的合資公司。Quantenstein使用機器學(xué)習來(lái)選擇股票和管理投資組合。Quantenstein新基金的目標是，在一定程度的波動(dòng)下，取得高于MSCI世界指數3%的收益率。在從2006年1月開(kāi)始的測試，Quantenstein獲得了高于MSCI世界指數5%的、年化12%的收益。Quantenstein與市場(chǎng)上其他基金的主要區別是：整個(gè)系統由人工智能端到端驅動(dòng)，沒(méi)有人的參與，人工智能得到公司的基本數據以后，系統會(huì )給出投資組合及權重，并且系統會(huì )定期調整投資組合。傳統的長(cháng)期價(jià)值投資系統，通常能夠進(jìn)行價(jià)值投資的第一階段：選股。第二個(gè)階段還是需要用馬科維茨或者其他方法來(lái)確定投資組合中不同的權重。而Quantenstein的投資系統已經(jīng)通過(guò)機器學(xué)習學(xué)會(huì )了第二階段，實(shí)現給定風(fēng)險目標前提下的收益最大化。除了在智能投顧領(lǐng)域，人工智能在金融產(chǎn)品營(yíng)銷(xiāo)以及金融安全保障領(lǐng)域都有應用。
NNAISENSE最近還與大眾奧迪合作，制造了一款能夠自動(dòng)停車(chē)的小型車(chē)。與其他自主駕駛汽車(chē)依賴(lài)激光、雷達等傳感器根據預定參數尋找方向所不同的是，該系統使用攝像機來(lái)學(xué)習如何自行駕駛。
在實(shí)現通用人工智能這一目標的過(guò)程中，NNAISENSE與各行業(yè)合作研究不同的問(wèn)題，以測試在建系統的不同方面，并且為正在進(jìn)行的研究計劃提供必要的洞察。盡管金融行業(yè)和汽車(chē)行業(yè)面臨不同的挑戰，但是，在這些看似不同的領(lǐng)域中，也存在一些共同的基本原則，兩者都需要通過(guò)基于高維度的數據來(lái)學(xué)習預測，并且學(xué)習根據這些預測去做出正確決策。
人工智能并不是一個(gè)獨立的技術(shù)，而是結合各個(gè)行業(yè)的大數據應用到各個(gè)具體任務(wù)中的一系列技術(shù)。短期內，施米德胡貝教授很難確切的預知哪一個(gè)行業(yè)在接下來(lái)會(huì )經(jīng)歷類(lèi)似廣告行業(yè)的變化，也因為在很多領(lǐng)域例如保險、自動(dòng)駕駛和醫療保健以及其他行業(yè)中還存在各種法律和道德方面的障礙。
施米德胡貝教授認為B2B是比較適合現階段商業(yè)人工智能發(fā)展的模式。隨著(zhù)最終目標的實(shí)現，AI可能會(huì )越來(lái)越多的B2C，但是目前階段為了更好的發(fā)展，B2B提供了最大的機會(huì )，因為某些大型公司擁有有趣的專(zhuān)業(yè)方面的大數據和富有挑戰性的課題，有助于令人信服地驗證AI的進(jìn)展。
人工智能與機器人結合的未來(lái)
現階段孩子甚至某些小動(dòng)物比最好的自學(xué)機器人還要聰明。但是施米德胡貝教授認為，不久之后，人類(lèi)將能夠制造出基于神經(jīng)網(wǎng)絡(luò )的AI機器人，通過(guò)逐漸學(xué)習，至少會(huì )像小動(dòng)物一樣聰明，好奇并富有創(chuàng )造性地不斷地學(xué)習、計劃和推理，并將各種各樣的問(wèn)題分解成快速可解決（或已經(jīng)解決）的子問(wèn)題。
一旦動(dòng)物級的人工智能可實(shí)現，距離實(shí)現人類(lèi)AI的進(jìn)程將進(jìn)一步縮短：發(fā)展智力需要數十億年的時(shí)間，但相對的，只要數百萬(wàn)年便發(fā)展出人類(lèi)。技術(shù)演進(jìn)比生物進(jìn)化快得多，因為遭遇死胡同的速度要快得多。也就是說(shuō)，一旦我們有動(dòng)物級的AI，幾年或幾十年后，我們可能會(huì )有人類(lèi)級別的AI，屆時(shí)每個(gè)企業(yè)都會(huì )改變，所有的文明都會(huì )改變，一切都會(huì )改變。
歐洲學(xué)術(shù)實(shí)驗室在人工智能研發(fā)方面仍具優(yōu)勢
談到十年內將出現什么樣的突破性技術(shù)，施米德胡貝教授認為突破性技術(shù)具有不可預測性，目前看來(lái)，關(guān)于人工智能和神經(jīng)網(wǎng)絡(luò )研究的大多數基本突破都是發(fā)生于上世紀規模不大的歐洲實(shí)驗室，而非公司，在未來(lái)，歐洲的小型學(xué)術(shù)實(shí)驗室依然具有科研上的優(yōu)勢。但他同時(shí)認為，美國和中國的互聯(lián)網(wǎng)巨頭在技術(shù)的市場(chǎng)化方面取得了巨大成功，最終使得相關(guān)技術(shù)被數十億用戶(hù)使用。
AI在中國的優(yōu)勢
施米德胡貝教授看到中國相關(guān)產(chǎn)業(yè)正在迅速發(fā)展。中國既有人工智能和深度學(xué)習方面的優(yōu)秀人才，也有相應的投資，因此在進(jìn)一步發(fā)展人工智能方面中國將發(fā)揮非常重要的作用。與此同時(shí)，對于近兩年高速發(fā)展的人工智能行業(yè)，他并不認為行業(yè)存在泡沫，相反的，在他看來(lái)人工智能行業(yè)剛剛開(kāi)始。
