受AI投资者青睐的人工智慧领域

Apply Now

初创公司就像商业领域中的科学实验室一样。一项技术是否有效并不重要——重要的是证明它能够大规模发挥作用。基础科学通常已经得到解决，但能否找到在其上构建可重复的扩张模型的方法吗?

Zeroth.ai为人工智慧创业公司在发展的最初阶段提供资金和指导。有些团队会被选中，但随著未来的到来，我们相信会存在一些特定领域机会，并且希望看到更多的团队项目在特定领域中被应用。Zeroth希望帮助你成功的让世界变得更美好。

2018年11月26日，我们将正式开始新一轮的投资。你可以直接在这里申请：https://www.zeroth.ai/apply-now

初创公司解决以下市场中的问题，则适用于申请Zeroth.ai：

污染控制。 人们呼吸什么，机器释放什么粒子，工程过程(粒子、细菌、噪音)产生了什么副产品?从另一个角度来看:感测器变得越来越好，而且它们是相互连接的。在规模上可以检测到什么，这样做可以获得什么优势，通过拥有这些数据可以得到什么价值?如何大规模管理?

生存风险。供应链相互关联，我们很少有端到端的可见性及预测事件的二阶效应很难。鉴于可以访问卫星图像和无人机，我们能否看到世界的大局，并了解我们的变化如何影响地球。可以从中创造什么价值？怎样省钱？在某个时间阶段可以保存什么生命？有没有办法进行全球模拟？

与自然交流。物理模拟自然物质和能量。但是，是否存在可以模拟自然的更高层次的抽象？AI可以用来理解并且可能与人类以外的事物进行交流吗？蔬菜世界的语言是否可以被理解？是否可以与鲸目动物或头足类动物进行双向通信？如果是这样可以解决什么问题？可以创造哪些市场？

可持续发展。 目前存在的各种农业科技解决方案中。什么是更大的机遇？人类将很快体验稀缺资源，不仅仅是农业。它是关于构建系统和改进这些系统的组件。在现在和未来的全自动化之间，有哪些中间步骤？如何快速大规模部署技术？可以重用哪些现有硬体？早期的自动驾驶汽车是升级套件，是否能应用于农业？所有这些都需要大量的数据和服务才能运作，哪些技术可以被利用？全球变暖导致消费量如何变化？小团队可以解决哪些问题？

新型计算架构，QC + ML。需要为量子计算机重写整个计算堆栈。随著量子比特每年的增加，如何编写工具来加速人工智慧的某些领域，特别是在决策制定方面吗？可逆计算可以克服神经网路的局限吗？运送给客户的最小创新单位是什么？在如此迅速发展的领域，我们正在寻找QC和ML交叉点最早阶段的团队。

对抗网路。GAN非常令人兴奋，可是对于用户可以做些什么？Photoshop在其存在的30年中几乎没有变化。那么有没有办法自动化过滤形状和工具的低级工作，告诉它你的意图并自动获得结果？如Zbrush或Mudbox等3D雕刻工具怎么样？什么行业可以创造自动化？自动化能否实现两个数量级的生产力提升？如何将其集成到现有引擎中？GAN是否有非创造性的非娱乐用例？如果有的话，可以在没有做一些基本的长期研发的情况下建立业务吗？

异构数据的上下文提取和关联。大数据往往集中在大量具有有限功能的数据上。然而，人类不仅仅关注几个轴，而是考虑整体选择及其后果，特别是将时间作为一个轴。目前的趋势是在特定行动中推动超人的表现，而没有真正分析人类在行动前后的互动方式，这是可以改进的地方（例如，尝试向Alexa重复发送同一个单词三次，或者向Siri解释为什么建议是错的）。通过将异构数据和（表面上）不相关的数据集关联起来，有什么惊人的发现？

实时用户反馈以更新模型。机器学习有一些巨大的缺陷，在过去的几年里，在神经网路的基本操作方面没有任何革命性的创新。更新时间很慢，特别在用户和模型之间没有联系，只有数据和模型之间的联系。可以减少更新时间吗?可以是实时的吗?它能否被进一步推进，并首先使用更少的数据?是否有一种方法可以构建一个系统，在这个系统中，企业可以连接一个未定义的数据源，而系统可以在此基础上可否构建一个模型?是否存在连续部署的神经网路版本?

机器人之间的通讯以及心智理论。目前，代理几乎不能接受用户的命令，所以有办法让他们理解彼此之间的命令吗?从本质上讲，这都是关于约束协商的。是否有方法共享语义知识来构建代理网路?面向消费者的家庭硬体市场将由Alexa或苹果(Apple)赢得，是否有办法通过在机器人之间覆盖网路基础设施来打赢这场战争?机器人能够代表其他机器人(或人类)的知识，并采取相应的行动吗?

硬体加速。堆栈中是否存在计算速度可以显著提高的部分?我们如何超越摩尔定律? 比如汽车，TPU和视频加速的市场似乎已经走投无路了，SoC的市场也已经走投无路了。或者是系统的另一部分(内存？）或者是神经网路之外的另一种架构(图形?)。现阶段，只有机器学习使用GPU加速。我们需要弄清楚如何将其扩展到AI的其他部分将会产生巨大的网路效应。

开发者工具。开发和部署的工具链仍然处于石器时代。没有集成包、好的文档、指向-单击解决方案。有一个巨大的潜在用户群，他们不需要了解AI理论就能从中获益，甚至学习编程。哪些工具可以被打包以使它们变得对?更加友好?可以创建什么其他工具来更快地让用户操作?

计算边缘。大公司提供的大多数人工智慧服务都是API。出于隐私、连接和速度的原因，有一个边缘处理的市场。在这个市场中，初创公司能提供产品吗?如何在不访问边缘数据的情况下组建一个模型，使其仍然足够好?

生物标志物提取技术。一个全科医生依靠视觉数据来诊断健康的事实呢?手机，手表，运动追踪器？目前有几种新型的皮肤癌探测器，不过效用有限。那么网路摄像头能被用来提取生物标记物吗，比如心率、温度、角膜炎症?在电磁波中，还有哪些生物标志物被人体泄露?是否构建一个可可以承载这些应用程序的伺服器？比如颜色校正，或者显示/关联信息。随著时间的推移，用户如何与他们的医疗数据交互?

大规模数据建模（多层异构数据的聚合）。目前存在的游戏引擎和3D编辑器，只模拟静态物体的外观，会出现一种新的图形引擎吗？像物理模拟可以运行的环境，特别是围绕加强学习的代理训练。随著市场的增长，是否会出现进一步的崩溃吗?哪些数据集可以作为服务添加，哪些问题可以用它来解决?在大规模部署机器人之前，需要测试许多边缘情况。

加速知识转移技术。随著技术的加速发展，所产生的知识量也在加速。有没有更好的方法来分享技术文献、代码和数据？学术论文可作为知识传递手段的概念，是否仍适用于数位化的社会？如何共享代码和数据集？下一代的 Jupyter 笔记本是什么？ Github 和 ArXiv 之间是否存在差距？在现今市场中是否存在混合解决方案或聚合的缺口？非开发人员能否更容易接触到它？用户可以导入自己的数据吗？如何为企业建立竞争平台分享数据，特别是围绕如何最巧妙地使用能为用户提供价值的数据集的奖励，平台又能如何协助用户？

机器人技术 + 强化学习 + 组件。机器人技术已经有了多个失败的开始，但是一个新的复兴即将到来。机器人基本的组成部分以及人工智慧大部分都在那里。其存在不是为了 AGI (Artificial General Intelligence)，而是为了更专业化的任务。机器人技术正在等待它的定义产品，使其成为主流。这是一个机会，同时也为开发者提供了构建模块，使之成为现实。随著人工智慧研发的放缓，机器人技术将加快步伐。

网路安全。计算机并不总是确定性的。每个系统都可能被颠覆，因此软体是不安全的。当出现漏洞时，是否有方法来帮助管理员理解及提供警告？人工智慧代理人能否在没有假阳性(False Positive) 和假阴性(False Negative) 的情况下辨别出滥用行为？这些能否随著时间的推移而减少？这是否可以应用于网路以及现实社会？人工智慧能够通过场景来理解演员的意图，预测他们的行动，对他们的威胁进行排序？如何在关键任务环境中提供决策支持?模型的建立能否避免过度装修的风险？每种工具都可以被武器化，AI也不例外。但是，防御工具是否可以被建立而非攻击性的工具？系统能够自我诊断吗？人工智慧能否保护人类免受其他人工智慧的伤害？

3D几何重建。现在，3D 工具是工匠们的工具。一切都需要手工构建，自动化和便携性很少。我们能否重新设想一些工具，它们可以将感官数据并将对象构建到我们的规范中，使内容创建速度提高1,000倍？我们能从视频中重建其几何图形吗？我们能用细胞自动机做程序生成吗？人工智慧和计算机图形学的交汇点大部分未被探索。

娱乐化AI。自动化的影响之一是人类把更多的时间花在娱乐上。我们如何用讲故事来编织且创造人工智慧？有没有方法可以让我们调节生活中所有新的硬体设备来讲同一个故事？我们如何能够利用人类创造的所有文化，来创造新内容？

未来知识管理。数千年来，学校几乎没有改变。有没有方法可以从教科书开始重塑教育?我们可以使用数据驱动的 Jupyter 教科书吗？他们会是什么样子？在哪个领域，他们会提供更好的结果？我们人文学科和艺术是否可以被数据所抽象，并且仍然能够激发我们的灵感吗？文化能否简化为一套启发式学习？「无纸化「办公室失败了，我们能否尝试一个「无文档「的办公室，在APP之间传递原子知识？

业务自动化。政府部门动作缓慢，而且总是落后于目前领先的科技公司10-20年。私营部门能否作出可以为用户提供最佳自动化体验的介面解决方案，同时将这些信息以与我们的机构兼容的格式？在医疗保健领域，我们能否自动提交保险、税收和遗产？我们能把软体扔给政府机构吗？