硅谷的独角兽猎人 Erlich Bachman（由 T.J. Miller 饰演），他说他计划退出该剧。（来源：HBO） 在风险投资界，并非每个人都是 Peter Thiel。这位硅谷投资者在 2012 年出售了他在 Facebook 的股票，获得了 10 亿美元，从最初的 50 万美元投资中获得了 2000% 的利润。像 Thiel 这样的故事可能鼓舞人心，但它们远远是例外。每年都有数千家充满希望的公司进入初创企业领域。其中只有一小部分能够盈利。挑选一个赢家，也就是难以捉摸的“独角兽”，运气和硬数字同样重要。当然，创始人经验、工作场所动态、技能水平和产品质量等因素都很重要，但还有无数其他变量可能给有抱负的年轻公司带来心碎。成功的风险投资公司声称知道硅谷成功的秘诀，但它仍然是一场艰苦的游戏。
追逐独角兽
人类并不擅长客观地筛选数千个看似无关的因素，以找出标志着成功公司的细微趋势。然而，这项工作正是机器学习程序所擅长的。麻省理工学院的两名研究人员开发了一种定制算法，旨在做到这一点，并在一份包含 83,000 家初创公司的数据集上进行了训练。这使他们能够筛选出与成功最相关的因素——在这种情况下，公司被收购或进行首次公开募股（IPO），这两种情况都能为投资者带来丰厚的回报。在一篇发布到预印本服务器 arXiv 的论文中，他们表示，他们的算法在 60% 的情况下能够挑选出成功的公司——这是大多数风险投资公司速率的两倍。它通过整合关于创始人本身、高管和顾问的数据，例如教育水平，以及他们是否曾参与过成功的公司，以及关于不同公司在支持初创企业的多个融资轮次中如何发展的相关信息。他们将算法建立在一系列通常用于描述流体中粒子混沌运动（即布朗运动）的方程之上，并试图分离出最相关的变量。
秘密配方是什么？
他们发现，成功最大的预测因素之一是初创企业如何进行融资轮次的。而那些蓬勃发展的公司并不是慢而稳的公司，而是那些波动最剧烈的公司，在某个融资水平停滞不前，然后迅速通过接下来的几轮。目前还不完全清楚这在初创企业成功中起到了什么作用。他们还发现了与更传统因素的相关性，例如创始人高管的经验水平。这些是大多数风险投资公司在选择支持的初创企业时已经考虑到的因素，但似乎该算法比人类更能优化这些因素。这是近年来人工智能在金融领域取得重大进展的另一个领域。算法已经在交易股票并为企业进行市场研究。它很快就会决定哪些公司能够启动。研究人员表示，他们的算法可以应用于比新兴科技公司更多的事物。它挑选出少数赢家而忽略大多数失败者的原理也应该适用于制药行业和电影行业等不同领域，在这些领域，少数几个成功案例可以带来数十亿美元的回报。在这些领域，顶尖的参与者因其发现赢家的能力和获得丰厚回报的能力而备受推崇。就像工厂工人、银行柜员和电话推销员一样，机器人也可能在争夺他们的工作。
