機器學習贏家祕訣

隨著愈來愈多企業運用人工智慧來輔助生產或提供服務，如何靈活運用機器學習，打造長期的競爭優勢，就成為挑戰。該如何打破進入障礙，與已經搶占市場的先行者分庭抗禮？

過去十年間，人工智慧（AI）有一個令人振奮的領域突飛猛進，那就是機器學習（machine learning）。這種技術把輸入的數據資料轉化為各項預測，使亞馬遜（Amazon）、蘋果、臉書、Google等科技巨擘有能力大幅改善產品。它也刺激新創公司推出新產品與平台，有時甚至與大型科技公司競爭。以總部位於多倫多的BenchSci為例。這家公司設法加快藥物開發的流程，目標是讓科學家更容易在大海撈針的過程中找到針，也就是從藥廠內部的資料庫及大量已發表的科學研究中，找到最關鍵的資訊。為了讓候選的新藥進入臨床試驗，科學家必須進行昂貴且耗時的實驗。BenchSci發現，科學家若是能運用已完成的大量實驗中產生的更好見解，就可以少做一些這類實驗，並獲得更大的成果。BenchSci確實發現，機器學習系統可以閱讀、分類科學研究，然後呈現從這些研究中產生的見解；科學家如果善用這樣的機器學習，就可以把藥物進入臨床試驗通常所需的實驗數量減半。更具體地說，他們可以使用這項技術，找到恰當的生物試劑，也就是影響及測量蛋白質表現的必要物質。藉由仔細檢視已發表的文獻來找出這些物質，而不是從頭再發現它們，就可以大幅縮短生產候選新藥所需的時間。這合計每年可以省下超過170億美元，在這個研發報酬率已變得極低的產業裡，如此龐大的成本節約可能轉變整個市場。此外，讓新藥更快上市也可以挽救許多生命。值得注意的是，目前BenchSci在它專精的領域裡所做的事情，其實很像Google在整個網際網路做的事情：使用機器學習在搜尋產業取得領先。Google可以協助你了解如何修理洗碗機，讓你避免大老遠跑一趟圖書館查資料，或者省下昂貴的修理服務費用，同樣的，BenchSci協助科學家找出合適的試劑，而免除了進行大量研究與實驗的麻煩或費用。以前，科學家常用Google或PubMed來搜尋文獻（這過程要花好幾天），然後閱讀文獻（也要花好幾天），之後訂購三到六種試劑並進行測試，接下來從中挑選出一種試劑（需要花數週的時間）。現在，他們在BenchSci搜尋幾分鐘，然後訂購並測試一到三種試劑，接著從中挑選一種試劑（進行較少的測試，花費較少個星期）。許多公司已經開始使用人工智慧來運作，而且知道可以採取哪些實際的做法，把人工智慧整合到本身營運中，善用它的力量。但隨著公司愈來愈熟練這個領域，他們必須考慮一個更廣泛的議題：如何利用機器學習，在企業的周圍打造一道可防禦的護城河，也就是創造出競爭對手無法輕易模仿的東西？以BenchSci為例，它最初的成功是否會吸引Google來競爭？如果會的話，它如何維持領先地位？接下來我們會說明，公司若是以人工智慧賦能的產品或服務進入某個產業，要如何建立可持久的競爭優勢，以及提高進入障礙以阻擋後來者。我們注意到，提早行動通常是一大優勢，但重點不僅止於此。我們會提到，新技術的後期採用者仍然可以藉由找到利基市場而迎頭趕上，或至少縮小一些落差。