2022年11月，初創(chuàng)公司Open AI推出人工智能聊天機(jī)器人程序ChatGPT，引發(fā)了連續(xù)多月的市場熱潮。通過使用深度學(xué)習(xí)和自然語言處理模型來產(chǎn)生新的數(shù)據(jù)，生成式人工智能技術(shù)將對包括互聯(lián)網(wǎng)搜索在內(nèi)的多個(gè)行業(yè)產(chǎn)生重大影響，而這其中也包括私人市場。

(資料圖片僅供參考)

正如風(fēng)險(xiǎn)投資和私人股本公司都尋求支持人工智能領(lǐng)域的下一個(gè)顛覆者一樣，它們自己也將面臨顛覆。人工智能已經(jīng)成為私人市場專業(yè)人士識別新機(jī)會(huì)、簡化后臺(tái)職能和加快交易達(dá)成的寶貴工具。與此同時(shí)，有人擔(dān)心采用人工智能將產(chǎn)生意想不到的后果，因?yàn)樗鼤?huì)造成冗余，并可能放大系統(tǒng)性偏差。

強(qiáng)大的工具

多年來，風(fēng)險(xiǎn)投資者已經(jīng)在尋找交易來源、盡職調(diào)查、會(huì)計(jì)、招聘等多個(gè)環(huán)節(jié)使用了人工智能服務(wù)。早期投資機(jī)構(gòu)SignalFire就是其中之一。這家公司成立于2013年，一直在使用一款名為Beacon的人工智能引擎來幫助其投資和支持其投資組合公司。就在2月15日，SignalFire剛剛獲得了9億美元的資金支持。

創(chuàng)始人兼首席執(zhí)行官Chris Farmer表示，"新的大型語言模型現(xiàn)在能夠理解很多這些東西。因此，與其做一堆粗略的過濾，我們實(shí)際上可以把（數(shù)據(jù)）扔給人工智能。我們正在使用這些語言模型，以更少的流程，非常準(zhǔn)確地理解(公司)之間的聯(lián)系和相似之處。"

除此之外，SignalFire還嘗試將人工智能應(yīng)用于各種后臺(tái)功能，例如將條款清單轉(zhuǎn)換為長格式的法律文件，或者自動(dòng)化公司的外聯(lián)工作，并生成微目標(biāo)營銷內(nèi)容。

SignalFire絕不是唯一一家積極應(yīng)用人工智能的風(fēng)險(xiǎn)投資公司。2013年，總部位于中國香港的Deep Knowledge Venture任命一款名為Vital的人工智能軟件為董事會(huì)成員，讓它可以為該公司的生物技術(shù)投資提供建議。同樣，總部位于倫敦的InReach Ventures將自己標(biāo)榜為"人工智能驅(qū)動(dòng)的風(fēng)險(xiǎn)投資公司"，因?yàn)樵摴臼褂脵C(jī)器學(xué)習(xí)進(jìn)行投資決策。此外，EQT Ventures在2013年開始使用名為Motherbrain的專用人工智能工具來幫助它識別有潛力的初創(chuàng)公司。

促進(jìn)交易達(dá)成

在私募股權(quán)投資領(lǐng)域也可以看到同樣的趨勢。Motherbrain已經(jīng)被推廣到EQT集團(tuán)的其他部門，用于其私募股權(quán)投資，而黑石現(xiàn)在有一個(gè)數(shù)據(jù)科學(xué)團(tuán)隊(duì)，將機(jī)器學(xué)習(xí)應(yīng)用于其投資組合管理和交易決策。

除其他外，人工智能還被私募股權(quán)公司用來加快與交易過程相關(guān)的細(xì)致而又乏味的任務(wù)。

虛擬數(shù)據(jù)室軟件供應(yīng)商Datasite的首席產(chǎn)品和戰(zhàn)略官Doug Cullen解釋說，進(jìn)行收購前通常需要在短時(shí)間內(nèi)進(jìn)行大量的數(shù)據(jù)分析。任何能夠加速這一進(jìn)程、減少人為錯(cuò)誤的工具都是至關(guān)重要的，尤其是在存在競爭性投標(biāo)的情況下。

然而，正如每一項(xiàng)新技術(shù)一樣，人工智能的日益普及將不可避免地讓私募股權(quán)或風(fēng)險(xiǎn)投資公司的許多工作崗位變得過時(shí)。尤其是管理角色最有可能受到影響。Farmer指出，由于使用了人工智能，SignalFire已經(jīng)擁有了一個(gè)顯著精簡但同樣有效的后臺(tái)辦公室。隨著人工智能在整個(gè)行業(yè)的普及，這種簡化的運(yùn)營方式幾乎肯定會(huì)在其他地方得到復(fù)制。

經(jīng)驗(yàn)與教訓(xùn)

另一個(gè)或許更嚴(yán)重的擔(dān)憂是，人工智能的傳播將加劇系統(tǒng)偏差。這種情況發(fā)生的概率將在很大程度上取決于用于訓(xùn)練人工智能系統(tǒng)的數(shù)據(jù)質(zhì)量。

"就像任何其他工具一樣，"Farmer說。"錘子可以用來做好事，也可以用來造成傷害。"他補(bǔ)充說，在具有內(nèi)在偏見的歷史數(shù)據(jù)上訓(xùn)練人工智能的陷阱是，它可能會(huì)使結(jié)構(gòu)性不平等制度化。

人們一直在努力緩解這些問題。例如，SignalFire在其招聘過程中使用人工智能機(jī)制，通過增加最純粹意義上的精英候選人屬性的權(quán)重，例如開源貢獻(xiàn)，來提升候選人的多樣化。

不管怎樣，人工智能偏見都可能是投資者需要克服的一個(gè)重大障礙。人工智能的好壞取決于它所依賴的數(shù)據(jù)，隨著它在范圍和能力上的增長，工程師和用戶需要考量的變量也會(huì)逐步增多。

即使人工智能是懷著最美好的愿望--以及大量的投資--建造的，負(fù)面的結(jié)果仍然是不可預(yù)測的和昂貴的。這是微軟和谷歌目前都在學(xué)習(xí)的一個(gè)教訓(xùn)，私人市場可能也會(huì)逐漸感知到。

本文系未央網(wǎng)專欄作者:高旭 發(fā)表，內(nèi)容屬作者個(gè)人觀點(diǎn)，不代表網(wǎng)站觀點(diǎn)，未經(jīng)許可嚴(yán)禁轉(zhuǎn)載，違者必究！

關(guān)鍵詞： 人工智能