野心很大！Uber收购人工智能公司Geometric Intelligence

 Geometric Intelligence是一家成立了两年的人工智能初创企业，立下誓言要在发展中的深度学习系统上超越谷歌和脸书这些网络巨头公司。但是，当这间小小的AI实验室溜进Uber日渐壮大、野心勃勃的运营团队时，这家初创企业仍然对其科技到底是什么缄口不言。

Geometric Intelligence是纽约大学心理学家Gary Marcus和剑桥大学信息工程教授Zoubin Ghahramani创办，招纳了另外13位挑选自学术界的研究者。在公司的15名员工中，14名将会转移到Uber总部所在地旧金山，作为这个打车公司的AI核心实验室。该初创企业的核心技术基本由数学家Ghahramani负责，他将会继续留在剑桥，同时将一半的时间投入到Uber的工作。交易的条款尚未公布。

Uber从卡内基梅隆大学挖走了40个科研人员后，在匹兹堡已经有一个自动驾驶汽车实验室，也受够了旧金山自动驾驶汽车公司Otto。但Geometric Intelligence将会是一个综合的人工智能实验室，探究大大超越如今自动汽车的科技。这个枢纽将更多地像Google Brain那样运作，这是搜索引擎巨头谷歌推动AI研究的团队，以及脸书的FAIR实验室，也是一个为马克·扎克伯格和他的公司做类似事情的团队。

“如果你放眼未来，人工智能会出现阶梯式的改变，这些改变会影响到业务模型和业务机会，”Uber首席产品官Jeff Holden说，他管理公司推动未来科技的团队，本人也致力于推进对Geometric Intelligence的收购。“我们很希望参与其中。”

Oren Etzion是人工智能公司Allen Institute首席执行官，之前是华盛顿大学专门从事人工智能的教授，他认为Ghahramani是“有真材实料”的。不过，尽管Marcus之前任职于Allen Institute，Oren Etzion说他从不知道Geometric的科技的内幕。人工智能的圈子也同样不知情。

亚马逊战略

无论Uber在Geometric Intelligence中看到什么，这次收购是Etzion所称的“亚马逊战略”。正如亚马逊将自身从一个线上书商转变成一家主导世界云计算的公司——这个转变太大了，以至于云业务可能在某一天变成它盈利最多的业务——Uber也正在转变自己，从一个打车服务的公司变成制造自动驾驶的汽车和卡车、硬件机器学习，甚至是飞行汽车的全方位公司。“他们正在重新打造自己，成为一家人工智能的公司。他们希望加入四大科技公司的行列，”Etzion说，他指的是谷歌、亚马逊、脸书、和苹果。

确实如此，四大科技公司已经建立起他们自己的人工智能系统，在很多情况下是通过连同机器学习的研究人员收购初创企业做到的。2013年，谷歌把DNN研究和Geoff Hinton并入自己的团队，他是其中一个深度学习运动的创始人;下一年，谷歌以4亿英镑的高价买下了伦敦的DeepMind。脸书聘请了另一个创始人Yann LeCun，而苹果则一口气收购了三家机器学习的初创企业，迎头赶上。还有其他很多主要的科技公司没有特别突出，包括三星、Salesforce、通用，都在最近几个月收购了自己的人工智能实验室。现在是十分利于买家的市场，Geometric Intelligence恰好把握了时机。

这家位于纽约的初创企业制定的所有市场营销战略都是为了促成这样的大型收购。Marcus表示，公司至少注册了一个专利，但还没有发表研究或者提供产品。他们做了的事情是聚集了一个15名科研人员的团队，他们对Uber非常有用，包括擅长认知科技和“概率编程”领域的斯坦福大学教授Noah Goodman，怀俄明州大学的Jeff Clune，他是深度神经网络技术的专家，也曾开发过可以“自我治愈”的机器人(23.760, 0.14, 0.59%)。

Marcus也谈到了他的公司专注研究的科技。深度神经网络技术——可以通过分析大量数据来学习任务的模式认识别系统——已经快速地重塑了谷歌和脸书这些公司。它们可以在照片中识别出人脸，理解你输入智能手机的指令。但Marcus吧深度身形网络即时视为极为有限的技术，因为需要巨量的数据才能训练出这些机器，而如此多的数据常常不太容易获得。他说Geometric Intelligence正在设计一种科技，用少得多的数据来训练机器。

“在语言的领域和无人驾驶汽车中有一些问题，因为你从不能得到足够的数据使用深度学习那种蛮力的方法，”Marcus说，“你也不能买数据，或者说这些数据根本不存在。”他表示，Geometric的方法对自动驾驶汽车可能十分重要，因为没有足够的数据描述导致事故发生的少数情况。他表示该公司的科技仍然处于研究阶段，但他说其技术已经可以用“深度学习所需的一半的数据”学习某些任务。

他不愿意更详细地描述这种技术了，称这是专利的信息。但在多伦多大学师从Geoff Hinton的Zoubin Ghahramani表示，这项技术是深度神经网络技术与根据特定规则操作的系统相结合的。“如果你把基于规则学习和数据学习、深度学习的方法结合起来，那么你就可以各取所长，”他说，“如果有一个明显的规则，即使是不那么明显的规则，它们最终也能学会，而且可以一般化至新的情况里。但他们也可以从很多很多的数据中找到数据规律。”

稀少数据

其他公司也在研发一种类似科技。一家旧金山的初创企业Vicarious在耕种与Marcus很相似的田地——同样不太愿意多说他们正在研发的技术。与此同时，来自脸书和其他组织的研究人员发表了一些有关从“稀少数据”中学习的系统的成果。Etzioni说，“这一下子就成为了热门的领域。”

但在90年代初相识于麻省理工的研究生Marcus和Ghahramani表示，他们也同样对其他领域的研究感兴趣。他们的团队中也有专长于更成规模的人工智能形式的研究人员，比如贝叶斯逻辑、进化计算、符号人工智能、深度学习、概率编程方面。“我们不想变得单一发展，”Ghahramani在描述他和Marcus如何建立这家初创企业时这么说，“为了解决我们认为人工智能未来的更有挑战性的问题，我们要把不同领域的专家都聚集起来。”

他们的研究有了进展后，这个团队会和Uber在匹兹堡的自动驾驶汽车团队以及位于旧金山、帕洛阿尔托的交通预测团队一起合作。这个团队叫做“Uber人工智能实验室”现在还是对他们的技术保密，但这不是最终的使命。Marcus和Ghahramani说，他们会解决从机器视觉到自然语言理解的一切问题。像谷歌、脸书和其他公司一样，目标是真正的人工智能。如果她们成功的话，Uber会成为四大科技公司的第五个轮子。