受AI投資者青睞的人工智慧領域

Apply Now

初創公司就像商業領域中的科學實驗室一樣。一項技術是否有效並不重要——重要的是證明它能夠大規模發揮作用。基礎科學通常已經得到解決，但能否找到在其上構建可重複的擴張模型的方法嗎?

Zeroth.ai為人工智慧創業公司在發展的最初階段提供資金和指導。有些團隊會被選中，但隨著未來的到來，我們相信會存在一些特定領域機會，並且希望看到更多的團隊項目在特定領域中被應用。Zeroth希望幫助你成功的讓世界變得更美好。

2018年11月26日，我們將正式開始新一輪的投資。你可以直接在這裡申請：https://www.zeroth.ai/apply-now

初創公司解決以下市場中的問題，則適用於申請Zeroth.ai：

污染控制。 人們呼吸什麼，機器釋放什麼粒子，工程過程(粒子、細菌、噪音)產生了什麼副產品?從另一個角度來看:感測器變得越來越好，而且它們是相互連接的。在規模上可以檢測到什麼，這樣做可以獲得什麼優勢，通過擁有這些數據可以得到什麼價值?如何大規模管理?

生存風險。供應鏈相互關聯，我們很少有端到端的可見性及預測事件的二階效應很難。鑒於可以訪問衛星圖像和無人機，我們能否看到世界的大局，並了解我們的變化如何影響地球。可以從中創造什麼價值？怎樣省錢？在某個時間階段可以保存什麼生命？有沒有辦法進行全球模擬？

與自然交流。物理模擬自然物質和能量。但是，是否存在可以模擬自然的更高層次的抽象？AI可以用來理解並且可能與人類以外的事物進行交流嗎？蔬菜世界的語言是否可以被理解？是否可以與鯨目動物或頭足類動物進行雙向通信？如果是這樣可以解決什麼問題？可以創造哪些市場？

可持續發展。 目前存在的各種農業科技解決方案中。什麼是更大的機遇？人類將很快體驗稀缺資源，不僅僅是農業。它是關於構建系統和改進這些系統的組件。在現在和未來的全自動化之間，有哪些中間步驟？如何快速大規模部署技術？可以重用哪些現有硬體？早期的自動駕駛汽車是升級套件，是否能應用於農業？所有這些都需要大量的數據和服務才能運作，哪些技術可以被利用？全球變暖導致消費量如何變化？小團隊可以解決哪些問題？

新型計算架構，QC + ML。需要為量子計算機重寫整個計算堆棧。隨著量子比特每年的增加，如何編寫工具來加速人工智慧的某些領域，特別是在決策制定方面嗎？可逆計算可以克服神經網路的局限嗎？運送給客戶的最小創新單位是什麼？在如此迅速發展的領域，我們正在尋找QC和ML交叉點最早階段的團隊。

對抗網路。GAN非常令人興奮，可是對於用戶可以做些什麼？Photoshop在其存在的30年中幾乎沒有變化。那麼有沒有辦法自動化過濾形狀和工具的低級工作，告訴它你的意圖並自動獲得結果？如Zbrush或Mudbox等3D雕刻工具怎麼樣？什麼行業可以創造自動化？自動化能否實現兩個數量級的生產力提升？如何將其集成到現有引擎中？GAN是否有非創造性的非娛樂用例？如果有的話，可以在沒有做一些基本的長期研發的情況下建立業務嗎？

異構數據的上下文提取和關聯。大數據往往集中在大量具有有限功能的數據上。然而，人類不僅僅關注幾個軸，而是考慮整體選擇及其後果，特別是將時間作為一個軸。目前的趨勢是在特定行動中推動超人的表現，而沒有真正分析人類在行動前後的互動方式，這是可以改進的地方（例如，嘗試向Alexa重複發送同一個單詞三次，或者向Siri解釋為什麼建議是錯的）。通過將異構數據和（表面上）不相關的數據集關聯起來，有什麼驚人的發現？

實時用戶反饋以更新模型。機器學習有一些巨大的缺陷，在過去的幾年裡，在神經網路的基本操作方面沒有任何革命性的創新。更新時間很慢，特別在用戶和模型之間沒有聯繫，只有數據和模型之間的聯繫。可以減少更新時間嗎?可以是實時的嗎?它能否被進一步推進，並首先使用更少的數據?是否有一種方法可以構建一個系統，在這個系統中，企業可以連接一個未定義的數據源，而系統可以在此基礎上可否構建一個模型?是否存在連續部署的神經網路版本?

機器人之間的通訊以及心智理論。目前，代理幾乎不能接受用戶的命令，所以有辦法讓他們理解彼此之間的命令嗎?從本質上講，這都是關於約束協商的。是否有方法共享語義知識來構建代理網路?面向消費者的家庭硬體市場將由Alexa或蘋果(Apple)贏得，是否有辦法通過在機器人之間覆蓋網路基礎設施來打贏這場戰爭?機器人能夠代表其他機器人(或人類)的知識，並採取相應的行動嗎?

硬體加速。堆棧中是否存在計算速度可以顯著提高的部分?我們如何超越摩爾定律? 比如汽車，TPU和視頻加速的市場似乎已經走投無路了，SoC的市場也已經走投無路了。或者是系統的另一部分(內存？）或者是神經網路之外的另一種架構(圖形?)。現階段，只有機器學習使用GPU加速。我們需要弄清楚如何將其擴展到AI的其他部分將會產生巨大的網路效應。

開發者工具。開發和部署的工具鏈仍然處於石器時代。沒有集成包、好的文檔、指向-單擊解決方案。有一個巨大的潛在用戶群，他們不需要了解AI理論就能從中獲益，甚至學習編程。哪些工具可以被打包以使它們變得對?更加友好?可以創建什麼其他工具來更快地讓用戶操作?

計算邊緣。大公司提供的大多數人工智慧服務都是API。出於隱私、連接和速度的原因，有一個邊緣處理的市場。在這個市場中，初創公司能提供產品嗎?如何在不訪問邊緣數據的情況下組建一個模型，使其仍然足夠好?

生物標誌物提取技術。一個全科醫生依靠視覺數據來診斷健康的事實呢?手機，手錶，運動追蹤器？目前有幾種新型的皮膚癌探測器，不過效用有限。那麼網路攝像頭能被用來提取生物標記物嗎，比如心率、溫度、角膜炎症?在電磁波中，還有哪些生物標誌物被人體泄露?是否構建一個可可以承載這些應用程序的伺服器？比如顏色校正，或者顯示/關聯信息。隨著時間的推移，用戶如何與他們的醫療數據交互?

大規模數據建模（多層異構數據的聚合）。目前存在的遊戲引擎和3D編輯器，只模擬靜態物體的外觀，會出現一種新的圖形引擎嗎？像物理模擬可以運行的環境，特別是圍繞加強學習的代理訓練。隨著市場的增長，是否會出現進一步的崩潰嗎?哪些數據集可以作為服務添加，哪些問題可以用它來解決?在大規模部署機器人之前，需要測試許多邊緣情況。

加速知識轉移技術。隨著技術的加速發展，所產生的知識量也在加速。有沒有更好的方法來分享技術文獻、代碼和數據？學術論文可作為知識傳遞手段的概念，是否仍適用於數位化的社會？如何共享代碼和數據集？下一代的 Jupyter 筆記本是什麼？ Github 和 ArXiv 之間是否存在差距？在現今市場中是否存在混合解決方案或聚合的缺口？非開發人員能否更容易接觸到它？用戶可以導入自己的數據嗎？如何為企業建立競爭平台分享數據，特別是圍繞如何最巧妙地使用能為用戶提供價值的數據集的獎勵，平台又能如何協助用戶？

機器人技術 + 強化學習 + 組件。機器人技術已經有了多個失敗的開始，但是一個新的復興即將到來。機器人基本的組成部分以及人工智慧大部分都在那裡。其存在不是為了 AGI (Artificial General Intelligence)，而是為了更專業化的任務。機器人技術正在等待它的定義產品，使其成為主流。這是一個機會，同時也為開發者提供了構建模塊，使之成為現實。隨著人工智慧研發的放緩，機器人技術將加快步伐。

網路安全。計算機並不總是確定性的。每個系統都可能被顛覆，因此軟體是不安全的。當出現漏洞時，是否有方法來幫助管理員理解及提供警告？人工智慧代理人能否在沒有假陽性(False Positive) 和假陰性(False Negative) 的情況下辨別出濫用行為？這些能否隨著時間的推移而減少？這是否可以應用於網路以及現實社會？人工智慧能夠通過場景來理解演員的意圖，預測他們的行動，對他們的威脅進行排序？如何在關鍵任務環境中提供決策支持?模型的建立能否避免過度裝修的風險？每種工具都可以被武器化，AI也不例外。但是，防禦工具是否可以被建立而非攻擊性的工具？系統能夠自我診斷嗎？人工智慧能否保護人類免受其他人工智慧的傷害？

3D幾何重建。現在，3D 工具是工匠們的工具。一切都需要手工構建，自動化和便攜性很少。我們能否重新設想一些工具，它們可以將感官數據並將對象構建到我們的規範中，使內容創建速度提高1,000倍？我們能從視頻中重建其幾何圖形嗎？我們能用細胞自動機做程序生成嗎？人工智慧和計算機圖形學的交匯點大部分未被探索。

娛樂化AI。自動化的影響之一是人類把更多的時間花在娛樂上。我們如何用講故事來編織且創造人工智慧？有沒有方法可以讓我們調節生活中所有新的硬體設備來講同一個故事？我們如何能夠利用人類創造的所有文化，來創造新內容？

未來知識管理。數千年來，學校幾乎沒有改變。有沒有方法可以從教科書開始重塑教育?我們可以使用數據驅動的 Jupyter 教科書嗎？他們會是什麼樣子？在哪個領域，他們會提供更好的結果？我們人文學科和藝術是否可以被數據所抽象，並且仍然能夠激發我們的靈感嗎？文化能否簡化為一套啟發式學習？「無紙化「辦公室失敗了，我們能否嘗試一個「無文檔「的辦公室，在APP之間傳遞原子知識？

業務自動化。政府部門動作緩慢，而且總是落後於目前領先的科技公司10-20年。私營部門能否作出可以為用戶提供最佳自動化體驗的介面解決方案，同時將這些信息以與我們的機構兼容的格式？在醫療保健領域，我們能否自動提交保險、稅收和遺產？我們能把軟體扔給政府機構嗎？