0
雷锋网 AI 科技评论按，在人工智能如此热门的时代，许多人都开始 AI 创业。不过 AI 创业也并不会就有多么简单，想要能走到最后还是需要注意避免踩雷掉坑。Towards Data Science 上近期的一篇文章就介绍了作者关于 AI 创业的观察。雷锋网 AI 科技评论翻译如下。
那是 1850 年，物理学家法拉第当时自我感觉相当良好，他正忙着鼓捣自己的电磁感应技术呢。一天，英国财政大臣（即英国政府的 CFO）William Gladstone 突然造访了法拉第的试验室，他询问道：「电力这东西到底有哪些好处？」法拉第机智的回应道：「未来有一天您能从它身上收税。」这故事抖机灵能力不错，但事实上却只是又一个编出来的故事罢了。
当下数据科学团体不断寻找「机器学习应用案例」的事让我想起了财政大臣当年的问题。
在 AI 大神吴恩达眼中，「AI 就是新的电力」。他表示：
AI 将为地球上的每个产业带来一场革命。「当年，我们将驱动机器的能源从蒸汽换成了电力，从而改变了交通、制造、农业和医疗卫生等行业。」对了，吴恩达你还忘了个重要的行业，那就是通讯。
AI 将替代人类工作，但它们会创造更多新工作。
天量的数据不但会成为你业务的催化剂，也会成为你业务的防护罩。
在这里我们要先回顾下 1912 年时的电力生态系统。
眼下，AI 行业开发产品（如亚马逊 Alexa）时所走的路简直就是在致敬当年电力的“发迹史”。
如果给电力和 AI 生态分别画个群像，你就会发现，它们的用户、用户需求、基础设施等都有交集（如下图），而最后一栏相对应的赋能者则是电力和数据。那么，我们是否可以断定，数据就是新时代的电力呢？
那么，看起来 AI 好像还真的像是新时代的电力。真的是这样么？
在电力时代，商业产品诞生之前其实发明家就把产品搞出来了，而爱迪生能留名青史就是因为他是搞市场普及的一把好手。
美国能源部就撰文写道：
爱迪生对电灯的贡献如此巨大，不是因为他对灯泡进行持续改进，而是因为他拿出了一整套发明，让普通人使用电灯成为可能。1882 年，他在伦敦展示了现代输电线路的雏形，通过一系列电线和管道，电力就能从位于核心区域的发电机传过来。在解决输电问题的同时，他又不断提升发电技术，在下曼哈顿区建设了当时世界上最早的商业发电站——珍珠街发电站。此外，爱迪生还做了充分的市场调查，他追踪了每个用户的用电量，并以此为基础开发出了电表。
爱迪生确实是个备受争议的角色，不过在推广电力时他却遵循了非常简单的原则：那就是打造用户需要的产品，找到把产品卖给他们的方式，并以此来提升他们的生活质量。其次，你还得打造用户想要的产品。爱迪生不但发明了灯泡，还搭建好了支撑这项技术的基础设施，这样电灯才顺利替代了老式汽灯。
我们公司在制定机器学习产品策略时就会参考下面的文氏图。
上图中，We can execute（我们能执行）= 我们有足够的技术储备且知道如何制造并卖掉产品，同时与对手相比有自己的优势。
Market wants it（市场需要它）= 市场上有用户需求，整个投资和商业环境有助于有争议的活动。
在甜蜜点之外的想法则一般以「如果我们做到某某，肯定相当酷」的形式出现，而这样的点子往往难以成功。
在 AI 领域，有很多理论上看起来很棒的点子，比如用 AI 来替代律师。我们的愿景则是打造一个机器学习驱动的产品设计平台。不过，怎样把自己的梦想变成现实呢？
吴恩达曾提出 AI 产品良性循环概念，这个理想模型模型在打造 AI 产品时相当有用。
鉴于 AI 工作时需要海量数据，因此类似个人助手这样的 AI 产品成败与否与数据量密切相关。
好产品自然会有更多用户捧场，这就意味着更多的数据和不断增强的正反馈循环。在一次演讲中，吴恩达曾表示：「谷歌和百度都有非常完善的数据采集策略，那么小型新创公司呢？它们怎么拿到 AI 产品开发中必要的数据呢？」
从这个角度来看，谷歌聊天工具 Allo 的战略意义就凸显出来了。
当谷歌推出 Allo 时，全世界（包括笔者在内）都在嘲笑它们的即时信息和聊天机器人战略。不过，如果谷歌在用 Allo 帮 Google Home 采集非结构化查询数据，我一点都不吃惊。而有了 Allo 这个数据奶妈，Google Home 想不进步都难。
对于 AI 产品和数据之间的关系，业内有个经典论断：如果你能从产品用户那里采集到海量的数据流，一款 AI 产品就会不断进步。那些不会随数据量增长不断进步的产品只能算平台或者使能技术罢了，算不得 AI 产品。
此外，服务也能成为产品。AI 产品的定义与其交付终端用户的方式或使用的商业模式无关。
对小型 AI 新创公司，尤其是那些搞个人助手的公司来说，自家产品无法接入海量数据确实令人沮丧。
当然，从来没人说这是个容易事，但它并非不可能。Grammarly 公司就在复制谷歌的路线，它们大量搜集了人们的写作范式。还是那句老话，天无绝人之路。
方法1：如果你是一家 AI 产品公司，你的产品战略就要与你的数据采集战略相符。
方法2：如果你在为一款产品打造平台或使能技术，就是在为其他人的产品「做嫁衣」，但你依然要为市场的扩大而心存感激。在行动和做规划时，就要根据市场情况做出灵活调整。
方法3：所有的 AI 产品公司肯定都有某种形式的内部平台。如果要在打造产品和打造平台间做选择，请毫不犹豫选择前者。产品公司的胜算更大，因为相比平台公司，它们能获得更多价值。
去年拿到融资最多的 50 家公司就是市场现实的最好体现，下表就是它们归属的类别。
电表（Electric Meter）= 另一个产品的使能技术，但并非产品本身
方法4：如果你是一家 B2B AI 公司，从长远来看自己得备着杀手锏，这样才能在自行打造和外购的争论中站稳脚跟。从短期来看，「没有专家公司也能崛起」，但这样其实是给自己埋了个定时炸弹。大多数要在 AI 这一行一条道走到黑的公司最后都会掌握自己的核心科技。
方法5：AI 的热潮远没有过去。机器学习和人工智能公司依然是投资人眼中的香饽饽。不过，如果你想赢得这场长跑，还是得仔细想想自家公司在这个生态中的位置。
你是在做产品、平台？还是两者兼做？抑或在搞研发？为产品的普及做支持技术？
你是在做电灯泡？公共事业公司？发明电视或者电表？
无论怎样，从电力的隐喻中你都能学到很多，通用电力、西联公司和其它相关公司在电力时代积累的经验都值得借鉴。
方法6：别创立新创公司玩火，要做就做完整的业务。最近几年，大多数 AI 新创公司辛辛苦苦培养的人才都被大公司搞了卷包会。作为一个新兴行业，我们还没找到如何从零做起，创建一家长期、独立、体量够大且能可持续发展的 AI 公司，这样的现实你不承认也不行。AI 行业还没出现类似谷歌这样对互联网具有统治能力的超级公司。所以说不定你的公司就是未来 AI 行业的新教父。
方法7：创业是场挑战，这里没有剧本、没有方程式、没有走向胜利的模板。我们在做的是以数字数据为基础，搭建一整个产品和平台生态。这是件前无古人的大事，没人知道该如何一帆风顺的前行。
新技术的应用也是文化演进的一个子集，它正在复制我们熟悉的生物进化特性。
进化就是一场分型学。
通过一个视频，我才了解了进化分型学的概念。起初，它看起来完全没前途，而且听起来唠唠叨叨的，总是扯一些爱和意识的「鬼话」。不过，进化分型学的核心却是个相当强大的概念。从缩放级别上来看，数学分型学与它能一一相对，进化过程亦然。
Bruce Lipton 也从生物进化的角度解释了这一概念：
分型的结构性特征其实理解起来相对较容易：分型展示了一环套一环的结构式样。每个更小的结构就是一个缩影，并不一定非要是更大式样的准确版本。数学分型则强调了整体生态中式样和部分生态中式样的关系。举例来说，树上小枝杈的试样就与更大的树枝类似。分型物体能通过「盒子」里的「盒子」表现出来，就像俄罗斯套娃。也就是说，只要某个人获知了第一个「盒子」的参数，那么他就能自动获得可定义其它所有「盒子」的基础式样。
如果你还是看不懂，可以直接参考下面这个简化的总结版：
细胞膜必须决定到底放什么物质进出细胞。它是搞清楚这个混乱环境的传感器。
细胞的一部分就像社会，它运行起来是为了更高的目标。
在生命诞生的前 30 亿年里，地球上都是单细胞的有机体，比如细菌、藻类、原生生物与原核生物等。那么，保持了 30 亿年单细胞状态的有机体，是如何突然就进化出了真核状态的细胞呢？答案还是尺寸问题，单细胞有机体不可能无限变大，它只能进化出更多的组成部分。
学界认同度最高的理论认为，真核状态的细胞是两个单细胞有机体融合而成的，而这种结合体最终适应环境并生存了下来。
进化过程中有大量类似的重复范式，比如计算机芯片的研发。现在的芯片已经高度集成，完全是芯片摞芯片的状态，但即使这样芯片的能力也有限，这就是云计算/分布式计算诞生的原因。
在 Bruce Lipton 看来，人类可能就代表了脊椎动物进化的极限，因此在下一个阶段的进化中，人类必须重走单细胞有机体的进化路径，这样才能登上新的台阶。
也就是说，所有的进化过程都是不断重复的范式，就像分型一样。
如果我们把技术进步和普及的过程当成遵循同样范式的文化进化形式，AI 时代就像是电力时代的缩小版分型。
眼下，我们观察起文化进化的分型已经得心应手，因为在加速回报定律下，技术的转变周期正变得越来越短。未来，技术进化的速度更是会变得更加迅速。
那么，谁能赢得 AI 之战？毕竟在电力时代，并没有出现赢家通吃的情景，这个市场足够大，为每个人都留了位置、当然，你得找到在这个游戏中生存下来的方法。如果 AI 也像电力一样得到广泛应用，会出现超级垄断者吗？
那么在这个故事中，互联网又占据什么地位呢？
虽说 AI 时代将成为电力时代的缩小版，但它们在细节上肯定有所不同。举例来说，Alexa 的输送装置是后端的云计算设施，而它就是电力时代的电线。
在我看来，互联网并非 AI 生态中的一员，就像埋线的土地并非电力系统一份子一样。它只是本来就在那里，你把它当理所当然而已。
跨越大西洋发送信息靠的是电，而跨海光缆只是附属品。如果没有电，即使海底被光缆填满，你照样发不了电报。
虽说 AI 热潮最近几年就没消停过，但事实上我们才刚刚在街上「安了几个灯泡」而已。如果要类比电力时代，我们才刚刚进入 1890 年。后续的电话、收音机、电视、电脑和互联网等产品，在 AI 时代还没有对应产品呢。
Daniel Dennett 在演讲中就提过有史以来最怪异的问题：怎样从白蚁群落的大脑里浓缩出西班牙建筑大师 Gaudi 的想法呢？
总结来讲：
即使是那些根本不知道自己在做什么的笨人，也能培养出复杂的习惯，这就是 7000 万只白蚁能搭出类似 Gaudi 圣家族大教堂的原因。
不过，高迪是个聪明过人的设计师，而对于普通人来说，怎样调动大脑 860 亿个神经元做件大事呢？
我们的大脑也是一种计算机，它能基于输入执行控制指令。不过，与计算机不同的是，大脑就像一碗盛放了 860 亿个神经元的汤，而电脑则每部分都有分工。也许这就是人类大脑创造力的来源。
自下而上的设计比自上而下的要慢，不过它有自己的优势，那就是能创造更大的架构，为未来的进化找到更充足的设计空间。这就是进化（包括文化和生物）的工作方式，而且是解决长期问题的最好方式。
大多数人都不可能成为 Gaudi 那样的天才，我们都是搭教堂的白蚁之一，有些人甚至都不知道自己的工作对通用人工智能（AGI）这个巨大的架构到底起了什么作用。那些刚刚创立的公司和刚刚发布的产品都是我们摸着石头过河的结果，那些真正聪明和领悟了行业内核的产品需要经过无数迭代才能真正诞生。
我相信，真正的通用人工智能会以这种方式诞生，也许它冒出来的那一刻我们根本就感觉不到，就像我们不愿承认自己是离不开手机的电子人那样。
Via. Towards Data Science，雷锋网 AI 科技评论编译
相关文章：
AI Fund 成立！吴恩达集齐三大创业项目，向一个 AI 驱动的社会进发
雷峰网版权文章，未经授权禁止转载。详情见转载须知。
