AI 創業指北：把 AI 真正變成電力還有多遠?

雷鋒網 AI 科技評論按，在人工智慧如此熱門的時代，許多人都開始 AI 創業。不過 AI 創業也並不會就有多麼簡單，想要能走到最後還是需要注意避免踩雷掉坑。Towards Data Science 上近期的一篇文章就介紹了作者關於 AI 創業的觀察。雷鋒網 AI 科技評論翻譯如下。

那是 1850 年，物理學家法拉第當時自我感覺相當良好，他正忙著鼓搗自己的電磁感應技術呢。一天，英國財政大臣（即英國政府的 CFO）William Gladstone 突然造訪了法拉第的試驗室，他詢問道：「電力這東西到底有哪些好處？」法拉第機智的回應道：「未來有一天您能從它身上收稅。」這故事抖機靈能力不錯，但事實上卻只是又一個編出來的故事罷了。

當下數據科學團體不斷尋找「機器學習應用案例」的事讓我想起了財政大臣當年的問題。

在 AI 大神吳恩達眼中，「AI 就是新的電力」。他表示：

1. AI 將為地球上的每個產業帶來一場革命。「當年，我們將驅動機器的能源從蒸汽換成了電力，從而改變了交通、製造、農業和醫療衛生等行業。」對了，吳恩達你還忘了個重要的行業，那就是通訊。

2. AI 將替代人類工作，但它們會創造更多新工作。

3. 天量的數據不但會成為你業務的催化劑，也會成為你業務的防護罩。

在這裡我們要先回顧下 1912 年時的電力生態系統。

眼下，AI 行業開發產品（如亞馬遜 Alexa）時所走的路簡直就是在致敬當年電力的「發跡史」。

如果給電力和 AI 生態分別畫個群像，你就會發現，它們的用戶、用戶需求、基礎設施等都有交集（如下圖），而最後一欄相對應的賦能者則是電力和數據。那麼，我們是否可以斷定，數據就是新時代的電力呢？

那麼，看起來 AI 好像還真的像是新時代的電力。真的是這樣么？

做點用戶想要的

在電力時代，商業產品誕生之前其實發明家就把產品搞出來了，而愛迪生能留名青史就是因為他是搞市場普及的一把好手。

美國能源部就撰文寫道：

愛迪生對電燈的貢獻如此巨大，不是因為他對燈泡進行持續改進，而是因為他拿出了一整套發明，讓普通人使用電燈成為可能。1882 年，他在倫敦展示了現代輸電線路的雛形，通過一系列電線和管道，電力就能從位於核心區域的發電機傳過來。在解決輸電問題的同時，他又不斷提升發電技術，在下曼哈頓區建設了當時世界上最早的商業發電站——珍珠街發電站。此外，愛迪生還做了充分的市場調查，他追蹤了每個用戶的用電量，並以此為基礎開發出了電錶。

愛迪生確實是個備受爭議的角色，不過在推廣電力時他卻遵循了非常簡單的原則：那就是打造用戶需要的產品，找到把產品賣給他們的方式，並以此來提升他們的生活質量。其次，你還得打造用戶想要的產品。愛迪生不但發明了燈泡，還搭建好了支撐這項技術的基礎設施，這樣電燈才順利替代了老式汽燈。

我們公司在制定機器學習產品策略時就會參考下面的文氏圖。

上圖中，We can execute（我們能執行）= 我們有足夠的技術儲備且知道如何製造並賣掉產品，同時與對手相比有自己的優勢。

Market wants it（市場需要它）= 市場上有用戶需求，整個投資和商業環境有助於有爭議的活動。

在甜蜜點之外的想法則一般以「如果我們做到某某，肯定相當酷」的形式出現，而這樣的點子往往難以成功。

在 AI 領域，有很多理論上看起來很棒的點子，比如用 AI 來替代律師。我們的願景則是打造一個機器學習驅動的產品設計平台。不過，怎樣把自己的夢想變成現實呢？

AI 產品

吳恩達曾提出 AI 產品良性循環概念，這個理想模型模型在打造 AI 產品時相當有用。

鑒於 AI 工作時需要海量數據，因此類似個人助手這樣的 AI 產品成敗與否與數據量密切相關。

好產品自然會有更多用戶捧場，這就意味著更多的數據和不斷增強的正反饋循環。在一次演講中，吳恩達曾表示：「谷歌和百度都有非常完善的數據採集策略，那麼小型新創公司呢？它們怎麼拿到 AI 產品開發中必要的數據呢？」

從這個角度來看，谷歌聊天工具 Allo 的戰略意義就凸顯出來了。

當谷歌推出 Allo 時，全世界（包括筆者在內）都在嘲笑它們的即時信息和聊天機器人戰略。不過，如果谷歌在用 Allo 幫 Google Home 採集非結構化查詢數據，我一點都不吃驚。而有了 Allo 這個數據奶媽，Google Home 想不進步都難。

對於 AI 產品和數據之間的關係，業內有個經典論斷：如果你能從產品用戶那裡採集到海量的數據流，一款 AI 產品就會不斷進步。那些不會隨數據量增長不斷進步的產品只能算平台或者使能技術罷了，算不得 AI 產品。

此外，服務也能成為產品。AI 產品的定義與其交付終端用戶的方式或使用的商業模式無關。

對小型 AI 新創公司，尤其是那些搞個人助手的公司來說，自家產品無法接入海量數據確實令人沮喪。

當然，從來沒人說這是個容易事，但它並非不可能。Grammarly 公司就在複製谷歌的路線，它們大量搜集了人們的寫作範式。還是那句老話，天無絕人之路。

方法1：如果你是一家 AI 產品公司，你的產品戰略就要與你的數據採集戰略相符。

方法2：如果你在為一款產品打造平台或使能技術，就是在為其他人的產品「做嫁衣」，但你依然要為市場的擴大而心存感激。在行動和做規劃時，就要根據市場情況做出靈活調整。

方法3：所有的 AI 產品公司肯定都有某種形式的內部平台。如果要在打造產品和打造平台間做選擇，請毫不猶豫選擇前者。產品公司的勝算更大，因為相比平台公司，它們能獲得更多價值。

去年拿到融資最多的 50 家公司就是市場現實的最好體現，下表就是它們歸屬的類別。

電錶（Electric Meter）= 另一個產品的使能技術，但並非產品本身

方法4：如果你是一家 B2B AI 公司，從長遠來看自己得備著殺手鐧，這樣才能在自行打造和外購的爭論中站穩腳跟。從短期來看，「沒有專家公司也能崛起」，但這樣其實是給自己埋了個定時炸彈。大多數要在 AI 這一行一條道走到黑的公司最後都會掌握自己的核心科技。

方法5：AI 的熱潮遠沒有過去。機器學習和人工智慧公司依然是投資人眼中的香餑餑。不過，如果你想贏得這場長跑，還是得仔細想想自家公司在這個生態中的位置。

你是在做產品、平台？還是兩者兼做？抑或在搞研發？為產品的普及做支持技術？

你是在做電燈泡？公共事業公司？發明電視或者電錶？

無論怎樣，從電力的隱喻中你都能學到很多，通用電力、西聯公司和其它相關公司在電力時代積累的經驗都值得借鑒。

方法6：別創立新創公司玩火，要做就做完整的業務。最近幾年，大多數 AI 新創公司辛辛苦苦培養的人才都被大公司搞了卷包會。作為一個新興行業，我們還沒找到如何從零做起，創建一家長期、獨立、體量夠大且能可持續發展的 AI 公司，這樣的現實你不承認也不行。AI 行業還沒出現類似谷歌這樣對互聯網具有統治能力的超級公司。所以說不定你的公司就是未來 AI 行業的新教父。

方法7：創業是場挑戰，這裡沒有劇本、沒有方程式、沒有走向勝利的模板。我們在做的是以數字數據為基礎，搭建一整個產品和平台生態。這是件前無古人的大事，沒人知道該如何一帆風順的前行。

新技術的應用也是文化演進的一個子集，它正在複製我們熟悉的生物進化特性。

進化就是一場分型學。

通過一個視頻，我才了解了進化分型學的概念。起初，它看起來完全沒前途，而且聽起來嘮嘮叨叨的，總是扯一些愛和意識的「鬼話」。不過，進化分型學的核心卻是個相當強大的概念。從縮放級別上來看，數學分型學與它能一一相對，進化過程亦然。

Bruce Lipton 也從生物進化的角度解釋了這一概念：

分型的結構性特徵其實理解起來相對較容易：分型展示了一環套一環的結構式樣。每個更小的結構就是一個縮影，並不一定非要是更大式樣的準確版本。數學分型則強調了整體生態中式樣和部分生態中式樣的關係。舉例來說，樹上小枝杈的試樣就與更大的樹枝類似。分型物體能通過「盒子」里的「盒子」表現出來，就像俄羅斯套娃。也就是說，只要某個人獲知了第一個「盒子」的參數，那麼他就能自動獲得可定義其它所有「盒子」的基礎式樣。

如果你還是看不懂，可以直接參考下面這個簡化的總結版：

1. 細胞膜必須決定到底放什麼物質進出細胞。它是搞清楚這個混亂環境的感測器。

2. 細胞的一部分就像社會，它運行起來是為了更高的目標。

3. 在生命誕生的前 30 億年里，地球上都是單細胞的有機體，比如細菌、藻類、原生生物與原核生物等。那麼，保持了 30 億年單細胞狀態的有機體，是如何突然就進化出了真核狀態的細胞呢？答案還是尺寸問題，單細胞有機體不可能無限變大，它只能進化出更多的組成部分。

4. 學界認同度最高的理論認為，真核狀態的細胞是兩個單細胞有機體融合而成的，而這種結合體最終適應環境並生存了下來。

5. 進化過程中有大量類似的重複範式，比如計算機晶元的研發。現在的晶元已經高度集成，完全是晶元摞晶元的狀態，但即使這樣晶元的能力也有限，這就是雲計算/分散式計算誕生的原因。

在 Bruce Lipton 看來，人類可能就代表了脊椎動物進化的極限，因此在下一個階段的進化中，人類必須重走單細胞有機體的進化路徑，這樣才能登上新的台階。

也就是說，所有的進化過程都是不斷重複的範式，就像分型一樣。

如果我們把技術進步和普及的過程當成遵循同樣範式的文化進化形式，AI 時代就像是電力時代的縮小版分型。

眼下，我們觀察起文化進化的分型已經得心應手，因為在加速回報定律下，技術的轉變周期正變得越來越短。未來，技術進化的速度更是會變得更加迅速。

那麼，誰能贏得 AI 之戰？畢竟在電力時代，並沒有出現贏家通吃的情景，這個市場足夠大，為每個人都留了位置、當然，你得找到在這個遊戲中生存下來的方法。如果 AI 也像電力一樣得到廣泛應用，會出現超級壟斷者嗎？

那麼在這個故事中，互聯網又佔據什麼地位呢？

雖說 AI 時代將成為電力時代的縮小版，但它們在細節上肯定有所不同。舉例來說，Alexa 的輸送裝置是後端的雲計算設施，而它就是電力時代的電線。

在我看來，互聯網並非 AI 生態中的一員，就像埋線的土地並非電力系統一份子一樣。它只是本來就在那裡，你把它當理所當然而已。

跨越大西洋發送信息靠的是電，而跨海光纜只是附屬品。如果沒有電，即使海底被光纜填滿，你照樣發不了電報。

雖說 AI 熱潮最近幾年就沒消停過，但事實上我們才剛剛在街上「安了幾個燈泡」而已。如果要類比電力時代，我們才剛剛進入 1890 年。後續的電話、收音機、電視、電腦和互聯網等產品，在 AI 時代還沒有對應產品呢。

Daniel Dennett 在演講中就提過有史以來最怪異的問題：怎樣從白蟻群落的大腦里濃縮出西班牙建築大師 Gaudi 的想法呢？

總結來講：

1. 即使是那些根本不知道自己在做什麼的笨人，也能培養出複雜的習慣，這就是 7000 萬隻白蟻能搭出類似 Gaudi 聖家族大教堂的原因。

2. 不過，高迪是個聰明過人的設計師，而對於普通人來說，怎樣調動大腦 860 億個神經元做件大事呢？

3. 我們的大腦也是一種計算機，它能基於輸入執行控制指令。不過，與計算機不同的是，大腦就像一碗盛放了 860 億個神經元的湯，而電腦則每部分都有分工。也許這就是人類大腦創造力的來源。

4. 自下而上的設計比自上而下的要慢，不過它有自己的優勢，那就是能創造更大的架構，為未來的進化找到更充足的設計空間。這就是進化（包括文化和生物）的工作方式，而且是解決長期問題的最好方式。

大多數人都不可能成為 Gaudi 那樣的天才，我們都是搭教堂的白蟻之一，有些人甚至都不知道自己的工作對通用人工智慧（AGI）這個巨大的架構到底起了什麼作用。那些剛剛創立的公司和剛剛發布的產品都是我們摸著石頭過河的結果，那些真正聰明和領悟了行業內核的產品需要經過無數迭代才能真正誕生。

我相信，真正的通用人工智慧會以這種方式誕生，也許它冒出來的那一刻我們根本就感覺不到，就像我們不願承認自己是離不開手機的電子人那樣。

Via. Towards Data Science，雷鋒網 AI 科技評論編譯

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！