絕大多人的人都發(fā)現(xiàn)，在一個很寬的時間范圍內(nèi)等著接收包裹很麻煩，比如說從早上8點一直到下午5點之間，所以當快遞創(chuàng)業(yè)企業(yè)Paack提供了一項服務(wù)，任何人都可以將送貨的窗口時間縮短到一個小時，而且不需要支付額外的費用，它就面臨著一項挑戰(zhàn)。這家創(chuàng)業(yè)企業(yè)的路由引擎表現(xiàn)不錯，但是需要變得更加高效。

進入Prowler．io——這是一家位于英國劍橋的機器學(xué)習(xí)創(chuàng)業(yè)企業(yè)，它將自己定位針對任何有復(fù)雜問題需要解決的公司的決策平臺。

Paack在2018年2月，聯(lián)系倫敦的風險投資公司Balderton，為其介紹了Prowler，并且在幾個月里，就開始通過智能數(shù)字模擬調(diào)度該公司的貨車和卡車。

在beta測試結(jié)束后，Paack公司的首席執(zhí)行官Fernando Benito認為該項目對該公司的盈利有潛在的好處。他對福布斯表示，他的創(chuàng)業(yè)企業(yè)的交付效率有一些提高了15％。

他在西班牙巴塞羅那的公司總部接受電話采訪時補充表示：“如果我們能夠有更好的預(yù)測，我們就應(yīng)該改進我們的資源分配。”他表示：“這樣的話，利潤也應(yīng)該會增加。”

Prowler表示，和大多數(shù)依賴深度學(xué)習(xí)的人工智能方法相比，它可以更好地預(yù)見未來。機器學(xué)習(xí)的想法經(jīng)常會讓人聯(lián)想到人類的大腦，但是Prowler的創(chuàng)始人Vishal Chatrath認為，這是一種愚蠢的構(gòu)建人工智能的方式。

他認為未來的決策不是由中央樞紐做出的，而是由許多智能代理在模擬中共同工作和思考。

例如，為了協(xié)調(diào)自動駕駛的出租車車隊，計算機不應(yīng)該決定每輛出租車應(yīng)該去哪里。相反，它應(yīng)該模擬整個環(huán)境并將智能附加到每輛出租車的數(shù)字化身之上。該過程被稱為多代理模擬。

這個想法有點像通過視頻游戲看世界，讓游戲及其角色形成現(xiàn)實世界中應(yīng)該發(fā)生什么的決定。

Prowler一直在與另一家客戶Mandatum Life——一家位于芬蘭赫爾辛基的人壽保險公司——一起測試其平臺，而且Chatrath表示早期的結(jié)果表明它也幫助該公司提高了其股票交易業(yè)績。

Andreessen Horowitz的分析師Benedict Evans表示，像Salesforce和SAP這樣的企業(yè)軟件公司使得數(shù)據(jù)庫能夠相互交流，并成為幫助蘋果和星巴克等公司建立成功的供應(yīng)鏈的關(guān)鍵。

但下一代企業(yè)軟件巨頭可能會專注于機器學(xué)習(xí)。他們將提供系統(tǒng)，讓客戶全面審視并協(xié)調(diào)他們的內(nèi)部流程，而又無需過多的人力投入。

這類創(chuàng)業(yè)企業(yè)面臨的挑戰(zhàn)是，要在服務(wù)方面展現(xiàn)出非常明顯的投資回報，這些服務(wù)通常需要技術(shù)水平很高的工程師來完成，并且價格昂貴。而且這些領(lǐng)域也已經(jīng)變得過于夸張。

盡管谷歌的DeepMind部門已經(jīng)成為人工智能研究領(lǐng)域的頂級公司之一，但是除了使其數(shù)據(jù)中心變得更加高效之外，它對谷歌業(yè)務(wù)的商業(yè)貢獻仍然不明朗。

但是，在2015年就把語音技術(shù)創(chuàng)業(yè)公司VocalIQ賣給了蘋果公司的Chatrath聲稱他的情況并不是這樣。他預(yù)測，在2019年的收入將穩(wěn)步增長到500萬歐元（580萬美元），到2020年收入將達到2000萬歐元（2340萬美元），這是根據(jù)他現(xiàn)有的潛在客戶做出的預(yù)測。

迄今為止，他從投資者那里籌集了1460萬美元，其中包括Hermann Hauser的Amadeus Capital和Eileen Burbidge的Passion Capital，并于2016年創(chuàng)立了Prowler．io。該公司擁有約80名員工，總部位于英國劍橋。

所謂的神經(jīng)網(wǎng)絡(luò)是谷歌DeepMind等人工智能公司機器學(xué)習(xí)的最熱門方法的基礎(chǔ)，經(jīng)過培訓(xùn)后可以進行決策，并且受到我們大腦的灰質(zhì)結(jié)構(gòu)的啟發(fā)。我們對人工智能的頑固擬人化是其變得如此迷人的原因之一。

Chatrath認為這種做法是錯誤的。他指出：“我們不會制造能夠拍打翅膀的飛機。” 他表示：“幾百年來，人們一直在試圖拍打他們的翅膀，可是他們都死了。”那么，既然科學(xué)家們還無法完全理解大腦的內(nèi)部工作機制，他們?yōu)槭裁催€要去制作數(shù)字化的復(fù)制品呢？

Chatrath認為，對于商業(yè)或現(xiàn)實世界的應(yīng)用程序，谷歌和微軟正在構(gòu)建的深層神經(jīng)網(wǎng)絡(luò)“并不適用”。

據(jù)估計僅2018年就有一億美元投資在了人工智能領(lǐng)域，其中絕大部分都集中在深度學(xué)習(xí)這個方法上，考慮到這種情況，不得不說這是一個非常大膽的立場。

一些人認為像谷歌之類的公司在人工智能領(lǐng)域采用的深度學(xué)習(xí)的方法現(xiàn)在看起來已經(jīng)開始過時了，因為企業(yè)已經(jīng)開始嘗試根據(jù)不斷運動并變化的數(shù)據(jù)進行自動化決策了。

機器學(xué)習(xí)企業(yè)家Nagendra Nagaraj表示，像奈非（Netflix）和亞馬遜之類的企業(yè)經(jīng)常處理的數(shù)據(jù)是靜止的。他在印度班加羅爾的創(chuàng)業(yè)企業(yè)AlphaIC正在開發(fā)一種芯片，可以為可移動或外出的物理設(shè)備處理機器學(xué)習(xí)算法，而不僅僅是依靠在數(shù)據(jù)中心之中的服務(wù)器。

與Prowler合作的Nagaraj更喜歡后者在模擬中復(fù)制像汽車或無人機機群這樣的移動設(shè)備的方法。他說，這樣做需要的整體數(shù)據(jù)更少，需要的處理能力也更低。模擬代理本身就像視頻游戲中的化身一樣，不需要那么多數(shù)據(jù)，因為它們“通過交互來學(xué)習(xí)”。

他懷疑谷歌一直在推動人工智能的深度學(xué)習(xí)方法，因為它需要龐大的網(wǎng)絡(luò)和大量數(shù)據(jù)，可能會被谷歌的廣告業(yè)務(wù)和云平臺所利用。然而，DeepMind最近對AlphaZero的研究工作也使用了沒有人類訓(xùn)練數(shù)據(jù)的模擬。

谷歌DeepMind的一位發(fā)言人拒絕對此發(fā)表評論。

Chatrath的上一家創(chuàng)業(yè)企業(yè)是VocalIQ，這是一家位于劍橋的公司，該公司的軟件能夠理解用日常用語提出的問題。該公司于2015年10月被出售給了蘋果公司，并被整合進入了Siri，此事引發(fā)了廣泛的報道。

Prowler的Borg式?jīng)Q策方法比他上一次的創(chuàng)業(yè)公司提供了更廣泛的應(yīng)用程序。它還伴隨著向分散式或“邊緣計算”的逐漸轉(zhuǎn)變，便宜的智能手機處理器也可以進入設(shè)備，讓它們變得更聰明。

Prowler面臨的挑戰(zhàn)是向更多客戶證明其系統(tǒng)不僅僅是一種花哨的噱頭。根據(jù)Rethink Research上周發(fā)布的關(guān)于人工智能創(chuàng)業(yè)企業(yè)投資泡沫的報告，在2018年第一季度，美國人工智能創(chuàng)業(yè)企業(yè)獲得的風險投資增加了29％，達到19億美元。報告稱，“泡沫仍在繼續(xù)發(fā)酵。”

來自谷歌、亞馬遜和阿里巴巴等大型科技公司的資金不斷涌入人工智能領(lǐng)域，在2018年全球已經(jīng)達到1000億美元左右，但Rethink Research表示，“在預(yù)測期內(nèi)，這些投資無法產(chǎn)生投資回報。”