12月6日消息，据国外媒体报道，Uber收购了一家名为GeometricIntelligence的神秘创业公司，想要成为一家AI公司，挑战四巨头。

　　该已成立两年的人工智能创业公司立志要在系统领域超过像和Facebook这样的互联网巨头。不过，正当这家小型的AI实验室要被并入Uber日益扩张且雄心勃勃的运营，它对于其技术的实际模样仍旧缄口不言。

　　GeometricIntelligence由纽约大学心理学家加里·马库斯（GaryMarcus）和剑桥大学信息工程教授佐斌·加拉玛尼（ZoubinGhahramani）共同创立，还拥有其它来自各个学术领域的13位研究人员。该创业公司的15名员工中将有14人迁往Uber总部所在的旧金山，充当该打车公司主要的AI实验室。作为负责GeometricIntelligence核心技术的数学家，加拉玛尼将会留守剑桥大学，将花一半的时间放在为Uber供职上。该收购交易的条款并未披露。

　　此前，在从卡耐基梅隆大学挖来40位研究人员和科学家之后，Uber在匹兹堡设立了一个无人驾驶汽车实验室。它最近还收购了旧金山的无人驾驶汽车公司Otto。而GeometricIntelligence则将负责运营综合性的人工智能实验室，致力于探索无人驾驶汽车以外的技术。该中心将会像谷歌大脑（GoogleBrain，负责推动该搜索巨头的AI研究的团队）和Facebook的FAIR实验室那样运营。

　　Uber首席产品官杰夫·霍尔登（JeffHolden）指出，“展望未来，人工智能领域将会出现重大变化，这些变化将会对商业模式和商机产生影响。我们非常希望参与其中。”他负责推进该公司未来技术的发展，对于GeometricIntelligence的收购正是他促成的。

　　艾伦AI研究所CEO、前华盛顿大学人工智能教授奥伦·埃齐奥尼（OrenEtzioni）称有真材实料“有真材实学”。不过，虽然马库斯之前曾居住于艾伦AI研究所，但埃齐奥尼称他对于Geometric的技术完全不知情。整个AI社区的其他成员也是如此。

　　亚马逊式的扩张策略

　　不管Uber看上了GeometricIntelligence什么，该收购都是埃齐奥尼所说的“亚马逊式扩张策略”的一个例子。正如亚马逊一步步从网上书城转变成统治云计算市场的公司（云计算业务有朝一日可能会成为该公司最赚钱的业务），Uber正在从打车服务公司转变成为一家同时涉足无人驾驶汽车、机器学习甚至飞行汽车等多个领域的公司。埃齐奥尼指出，“他们正在将自己重塑成一家AI公司。他们想要加入四巨头的行列。”他所说的四巨头是指谷歌、亚马逊、Facebook和苹果。

　　的确，四巨头都已经建立起了各自的AI部门，基本上都是通过收购拥有机器学习研究人员的创业公司来实现这一点的。2013年，谷歌将DNNresearch和深度学习运动先驱杰夫·辛顿（GeoffHinton）收归门下，次年还以4亿英镑的价格收购了伦敦的DeepMind。Facebook招揽了法国深度学习

　　者雅恩·乐昆（YannLeCun），苹果也通过并购多家机器学习创业公司迎头赶上。此外，包括三星、Salesforce和通用电气在内的多家其它的大型科技公司最近几个月也纷纷收购了AI实验室。该领域显然相当火热，GeometricIntelligence涉足其中是明智的选择。

　　该纽约创业公司拥有被巨头们并购的公司的一切特质。马库斯说道，公司已经申请了至少一项专利。但它还没有发表过研究论文，也没有推出产品。它已做的事情就是，组建了一个由15个对Uber而言会非常有用的研究人员组成的团队，其中包括专门研究认知科学和概率规划的斯坦福大学教授诺阿·古德曼（NoahGoodman），以及怀俄明大学的深度神经网络专家杰夫·柯隆（JeffClune）。柯隆还探索可“自愈”的机器人。

　　马库斯其实并没有一直避谈公司想要打造的技术。深度神经网络——能够通过分析海量数据来学习任务的模式识别系统——快速改变了谷歌、Facebook等公司。它们能够识别照片中的面孔，以及理解你在智能手机上所输入的指令。但马库斯认为深度神经网络是一种非常局限性的技术，因为你不能保证获得足够多的数据来训练机器。他说，GeometricIntelligence正在打造能够用少得多的数据训练机器的技术。

　　“由于语言和无人驾驶汽车领域的问题，在深度学习中你将无法得到足够多的数据去进行暴力破解。”马库斯说，“要么你买不到那些数据，要么那些数据根本就不存在。”他指出，GeometricIntelligence的方案在无人驾驶汽车领域可能会非常重要，因为没有足够多描述会导致事故的罕见情境的数据。他说，公司的技术仍处于研究阶段，但它已经能够利用“比深度学习少一半的数据”去学习特定的任务。

　　他拒绝具体描述该项技术，称那是专有信息。不过，佐斌指出，该技术是深度神经网络和依据特定规则运行的系统的混合产物。“如果将部分基于规则的学习的理念和统计学习及深度学习的理念相融合，那你就能实现两全其美。”他表示，“要是有明显的规则——又或者即使规则不那么明显——那么它们最终也将理解那个规则，它们将会适用于新的情境。但它们也能够从大量的数据得出统计模式。”

　　零散数据

　　其它的公司也在研究类似的技术。旧金山创业公司Vicarious进行过与马库斯一样的宣讲——它也不愿透露实际开发了怎样的产品。与此同时，来自Facebook和其它组织机构的研究人员发表了有关能够从“零散数据”学习的系统的论文。“这是一个非常热门的领域。”埃齐奥尼说道。

　　然而，马库斯和加拉玛尼称，他们对于其它的研究领域同样感兴趣。其团队有研究人员专门研究较为传统的AI形式，其中包括贝叶斯逻辑、进化计算、象征性人工智能、深度学习以及概率规划。“我们并不希望仅仅研究一样东西。”加拉玛尼在描述他和马库斯是如何创立起公司时说道，“要解决AI的各种具有挑战性的问题，我们需要汇聚多个不同领域的专业知识。”

　　该团队将会与Uber位于匹兹堡的无人驾驶汽车部门以及位于旧金山和帕洛阿尔托的交通预测研究部门进行合作。该团队如今被称作UberAI实验室，据两位创始人称，他们将会致力于从机器视觉到自然语言理解的多个领域的研究。像谷歌、Facebook等公司一样，他们的目标是实现真正的人工智能。要是他们能够取得成功，Uber可能会给四巨头带来威胁。
第三十六届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。