0
雷锋网按：本文作者待字闺中陈老师，主要谈了自己对于如何考量一个好的创业公司的三个标准。
现在，人工智能很火，应该是相当的火，很多创业公司不管是不是真有智能都号称自己是人工智能公司，投资人追逐人工智能拼命的砸钱到这些公司生怕失去赚钱机会，媒体自媒体跟时髦不分青红皂白不追根问底更是火上加油。那么，到底应该怎么去考量一家人工智能创业公司呢？
谈谈个人想法，如何去看一家人工智能创业公司。是的，纯属个人思考良久的看法，希望能有帮助。
第一，看创始人和团队的背景，之前是否有人工智能相关的教育，训练，和从业经验和实践。
人工智能毕竟是高科技，不相信看看几本书，读读几篇文章，参加几次高端会议，就能成为专家，就能打造人工智能产品。
听过一万小时定律吗？它是作家格拉德威尔在《异类》一书中陈述的：“人们眼中的天才之所以卓越非凡，并非天资超人一等，而是付出了持续不断的努力。一万小时的锤炼是任何人从平凡变成超凡的必要条件。”。要成为某个领域的专家，需要10000小时，按比例计算就是：如果每天工作八个小时，一周工作五天，那么成为一个领域的专家至少需要五年。
对于人工智能从业者，一万小时可能有点多，但是没有长时间在人工智能领域锤炼的创始人和团队，号称用人工智能打造产品，应该是不那么现实的。所以，第一个考察点，是创业公司的团队和创始人的相关经历和经验。
第二，看有没有自己IP的人工智能算法，算法有没有说得出的创新点。
用了深度学习，或是其它机器学习算法，不一定就是人工智能吧，必须要有自己的创见，自己的革新，自己的特色。
Google当初发明PageRank的时候，其他搜索公司都在计算链接被引用的次数，并且把次数作为权重来指导排名。但是，PageRank把链接之间的关系抽象成了随机行走（Random Walk）模型，而不是简单的计数。这就是洞见，产品出来就超过了竞品，好评如潮。
AlphaGo和其他棋类算法一样也使用了蒙特卡罗搜索，但是，首创通过引入深度学习算法来指导剪枝和评估棋盘的优劣，从而超过之前任何别的算法，达到新的高度。
算法很重要，但需要理性的看待算法的壁垒。算法一般存在于人脑中，存在着被泄密的风险，开始可能有优势，时间长了，保不准被员工泄露，从而被竞争对手抄袭了，可见算法的风险也高，不是一劳永逸的东西。另外，算法调优中积累的经验也很重要，但有可能随着员工的流失而流失。
第三，看有没有有优势的数据，数据可能是长期积累的行业和通用大量数据，可能是很多的行业专家知识以规则或是知识图谱的形式存在。
没有积累的大量数据，没有专家整理的知识，数据没有很好的清洗结构化甚至标签化，号称自己是人工智能公司，不知道智能能从哪冒出来。
IBM的Watson能做精准医疗，他们在之前买了很多的医疗数据公司，积累和分析了大量的期刊，论文，病例，药品，治疗方案，等等数据，从而能使Watson能利用算法创造奇迹。
Google，如果没有大量的历史用户搜索和点击数据，再清理分析这些点击数据，建立用户点击模型，然后使用模型来提高搜索结果的排序，Google的搜索结果也不会让很多用户满意，眼前一亮。
当一个公司做了很多基础数据收集和积累工作，数据和知识积累得越来越多，才有可能往人工智能迈向一步。而且，这些大量数据，比如，Terabytes，Petabytes，Exabytes，Zettabytes 数据，还怕数据被泄漏，被偷走吗？这种数据的壁垒，将是长期的可持续的竞争优势。而且数据越多，在没有overfit的情形下，模型会越精确，体现出的智能会出人意料。
经验的团队，独特的算法，优越的数据，特别是数据，用这三个准则去看一个号称是人工智能的公司是否真正名符其实。如果这三个东西都没有，都说不清楚，还是别给自己贴个时髦的人工智能标签了吧。当然，最后是不是人工智能不重要，做出有用的让人惊艳的产品才能证明一切。
雷锋网注：本文由待字闺中授权雷锋网发布，如需转载请联系原作者，并注明作者和出处不得删减内容。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
