絕大多人的人都發(fā)現(xiàn)，在一個很寬的時間范圍內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，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習創(chuàng)業(yè)企業(yè)，它將自己定位針對任何有復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)字模擬調度該公司的貨車和卡車。

在beta測試結束后，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測，我們就應該改進我們的資源分配。”他表示：“這樣的話，利潤也應該會增加。”

Prowler表示，和大多數(shù)依賴深度學習的人工智能方法相比，它可以更好地預見未來。機器學習的想法經常會讓人聯(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)調自動駕駛的出租車車隊，計算機不應該決定每輛出租車應該去哪里。相反，它應該模擬整個環(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鏈的關鍵。

但下一代企業(yè)軟件巨頭可能會專注于機器學習。他們將提供系統(tǒng)，讓客戶全面審視并協(xié)調他們的內部流程，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，要在服務方面展現(xiàn)出非常明顯的投資回報，這些服務通常需要技術水平很高的工程師來完成，并且價格昂貴。而且這些領域也已經變得過于夸張。

盡管谷歌的DeepMind部門已經成為人工智能研究領域的頂級公司之一，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)務的商業(yè)貢獻仍然不明朗。

但是，在2015年就把語音技術創(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。

所謂的神經網(wǎng)絡是谷歌DeepMind等人工智能公司機器學習的最熱門方法的基礎，經過培訓后可以進行決策，并且受到我們大腦的灰質結構的啟發(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，既然科學家們還無法完全理解大腦的內部工作機制，他們?yōu)槭裁催€要去制作數(shù)字化的復制品呢？

Chatrath認為，對于商業(yè)或現(xiàn)實世界的應用程序，谷歌和微軟正在構建的深層神經網(wǎng)絡“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域，其中絕大部分都集中在深度學習這個方法上，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域采用的深度學習的方法現(xiàn)在看起來已經開始過時了，因為企業(yè)已經開始嘗試根據(jù)不斷運動并變化的數(shù)據(jù)進行自動化決策了。

機器學習企業(yè)家Nagendra Nagaraj表示，像奈非（Netflix）和亞馬遜之類的企業(yè)經常處理的數(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備處理機器學習算法，而不僅僅是依靠在數(shù)據(jù)中心之中的服務器。

與Prowler合作的Nagaraj更喜歡后者在模擬中復制像汽車或無人機機群這樣的移動設備的方法。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“通過交互來學習”。

他懷疑谷歌一直在推動人工智能的深度學習方法，因為它需要龐大的網(wǎng)絡和大量數(shù)據(jù)，可能會被谷歌的廣告業(yè)務和云平臺所利用。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式決策方法比他上一次的創(chuàng)業(yè)公司提供了更廣泛的應用程序。它還伴隨著向分散式或“邊緣計算”的逐漸轉變，便宜的智能手機處理器也可以進入設備，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域，在2018年全球已經達到1000億美元左右，但Rethink Research表示，“在預測期內，這些投資無法產生投資回報。”