日前,uber 已經對 geometric intelligence 進行全資戰略收購。後者是一個由學界 ai 研究人員聯合創立的 公司,它将成為 uber 舊金山總部新設立的 ai 中央實驗室的核心團隊。
衆所周知,打車應用需要大資料分析和人工智能來改善服務。uber 在匹茲堡已經有一支精英彙聚的機器學習團隊。但該團隊專注于自動駕駛的相關研究。以 geometric intelligence 公司成員為核心的新團隊,将開展 ai 的基礎研究。這不會直接帶來産品,但在将來很可能産生一系列的潛在應用,例如行車路線管理。這也是一個重要的信号:uber 想要與谷歌、蘋果、微軟等“傳統”網際網路巨頭,在 ai 基礎研究上競争。這又帶來一個問題:ai 基礎研究的成果往往不會局限在某個領域。網際網路 ai 研究的巨頭們,無一不對 ai 進行“跨界”應用。uber 在将來,是否會成為一家跨界 ai 公司?或者,利用 ai 研究成果進入其他交通行業細分領域?
geometric intelligence 的創始團隊包括:紐約大學認知學家 gary marcus,劍橋大學機器學習教授 zoubin ghahramani,中佛羅裡達大學計算機教授 kenneth stanley 和紐約大學神經語言學博士 douglas bemis。該公司一共有 15 名雇員,包括多名進階資料工程師和人工智能學者。該收購協定的其中一項是:他們必須保持其與學界的紐帶。這意味着 uber 與大學 ai 研究院之間開展合作的前景。
geometric intelligence 的目前研究聚焦于:如何用小規模資料庫訓練 ai 系統和代理。很多公司想方設法提高計算裝置的資料處理能力和運算性能,對海量資料進行處理。uber 的新團隊卻想要從另一個角度解決問題:用有限的資料讓 ai 更智能。這使得在沒有“足夠”資料支援下,快讀提高 uber 基于大資料的産品服務成為可能。
uber cpo jeff holden 在部落格表示,不管公司運作在哪個科技領域,都存在一個共同的挑戰——“如何與現實世界進行交流的高層次智能問題”。提高基礎研究的能力,無疑是面對這類 ai 挑戰最有效的方式。
本文作者:三川