AI的應用場景有哪些？除了推薦系統和圖像以外，其他能賺到錢嗎。
核心思想除了Classification還有什麼？對classification的優化？
作者：wood hawk
鏈接：https://www.zhihu.com/question/352212884/answer/871272437
來源：知乎
著作權歸作者所有。商業轉載請聯繫作者獲得授權，非商業轉載請註明出處。
ml一直以來最要命的問題就是怎麼賺錢的問題。賺錢這個東西分兩種，一是做輔助，而是做輸出。推薦系統基本屬於輔助類，相當於互聯網加ai，首先你得有互聯網產品，然後基於產品做改進，這部分目前其實商業化做得還是很成功的，但是既然是輔助，也就決定了他的招聘規模不可能大過sde開發。所以真正能提供大規模崗位招聘的其實是擔任輸出角色的ai，這樣的企業的代表就不是互聯網大廠了。代表的話，海康威視做監控的，圖森科技做高速無人駕駛貨運的，waymo做無人車的等等。這塊商業化做得比較好的我個人認爲是海康威視和圖森，關鍵是很切實得能看到他要怎麼賺錢。海康和有關部門合作，收入來源比較穩定，圖森因爲高速路況簡單，並且不做端到端的系統，不完全依賴於深度學習而是主要靠雷達結合一些人類可以理解的邏輯，取代的是卡車司機的工作，目前在美國一些州也獲得了運營批准，所以盈利也是可以預期的。但是除此以外的話，很多ai公司怎麼賺錢這個問題就是搞不太清，有一個說法說，業務有2b，2c，現在很多startup搞的既不是2b也不是2c，而是2vc，說白了就是騙投資人錢。或者說是賺錢的第三種方式，炒作噱頭，吸引資金。
說一句題外話，創業這個事情，以我自己有限的見識來看，科技公司可能還是要有工程師創業比較靠譜。想法其實是廉價的不值錢的，關鍵是要把想法變成現實的可行計劃，如果科技創業不熟悉技術的話，能不能作出可行的計劃真要打上一個大大的問號。但是投資人又迫切希望看到願景，很多時候願景和可行性是背道而馳的。希望以後投資人砸錢的時候，先花點錢去找個技術團隊，好好對startup做一下全方位的技術論證。技術上不具備可行性光有ppt是賺不到錢的。總結來說，ml其實是很好的技術。但是大家目前還沒有找到很好的把它大規模變現的手段。很多需求看起來很炫，但是賺不到錢的需求都是僞需求。如果ml還是一直變現不了的話，可能未來招聘會越來越嚴峻。然後我個人認爲比較靠譜的幾個企業，互聯網企業做推薦系統的其實都很靠譜，然後純粹做ai和互聯關係不大的話，我個人瞭解的，海康和圖森還是比較靠譜的。可能還有一些其他公司，但是由於我個人眼界限制看不到而已。至於不太靠譜的企業，我就不點名了，總的來說就是能不能看到變現的可能。