原作者：Chris Dixon 翻譯：梅晨斐
硅谷知名的科技創(chuàng)業(yè)者和投資人，曾在Bessemer Venture擔任投資經(jīng)理，創(chuàng)辦的Hunch被eBay以大約8000萬美元的價格收購。現(xiàn)硅谷頂尖風投公司Andreessen Horowitz（A16z）合伙人，作為投資人的他曾投資過Foursquare、Kickstarter、Pinterest、Dropbox、Skype等諸多明星公司。
“想法導圖”的意思是，一家創(chuàng)業(yè)公司所涉及的所有重要決策和利益權衡的參考圖譜。
“ 一個好的創(chuàng)始人能夠明確區(qū)分哪條路能通向成功，哪種選擇可能導致失敗。而不合格的創(chuàng)始人只能沉浸在“電影、音樂、文件共享、P2P、圖片社交”等一大推名詞當中，而對整個行業(yè)的歷史一知半解，對這個領域里目前的玩家和已經(jīng)倒閉的玩家都不熟悉，對可能帶來領域變革的技術也不清楚?！? Balaji Srinivasan, Market Research, Wireframing and Design
我覺得整理一份我感興趣領域的“想法導圖”很有意思。下面是我對“人工智能”這個領域的一些想法，之后將逐一詳解每個模塊：
"擁有80-90%準確度的最小可行性產(chǎn)品”。一種傳統(tǒng)的說法是：“機器學習是一種非常有用的技術，能夠解決幾乎所有問題?！?而對大部分我們遇到的問題來說，構建一個能夠達到80-90%精準度的模型也并不復雜。模型構建完成之后，我們獲取反饋、募集資金、獲得數(shù)據(jù)、快速消亡。大部分情況下，構建一個精準度達到八成的模型只需要幾個月，但是如果要繼續(xù)優(yōu)化并且提高精準度的話，可能需要好幾年的時間。（順便提一句，這就是為什么一些大型公司做出類似Watson或自動駕駛汽車的產(chǎn)品原型并沒有花很多時間。但是關鍵是，看他們如何處理那10-20%的邊緣情況。即如何處理在光線不充足的條件下，突然闖出的一條狗。）
面臨這種情況時，你有兩種選擇。1、繼續(xù)提高精準度，企圖接近100%，2、在現(xiàn)有精準度的條件下，馬上開發(fā)產(chǎn)品，產(chǎn)出的是所謂“有錯誤但可接受的用戶體驗”。
蘋果iOS系統(tǒng)上的自動補齊，以及Google搜索引擎上的自動填充推薦，就是剛才提到的第二種選擇的產(chǎn)品代表。當然，你可以質疑Google的搜索引擎自動填充并不是非常典型的代表，因為Google在你輸入搜索關鍵詞的時候，會自動為你提供10個可能相關的搜索建議，而不是直接給你一個相關性最高的結果。但是，構建這個一個并不完美的系統(tǒng)并不意味著妥協(xié)。但是，不同的精準度要求意味著產(chǎn)品在架構選擇上的區(qū)別。（特別是，當你需要人工和機器一起工作的時候，反饋延時是非常重要的，而這點也會影響技術架構的選擇。）
好的，讓我們假設你選擇第一條路，繼續(xù)提高產(chǎn)品的精準度。接下來具體該如何操作呢？你無法通過簡單的算法提高精準度。唯一可操作的方式是，你需要有大量的練習數(shù)據(jù)來幫助你調整產(chǎn)品模型，所以數(shù)據(jù)是這一切的關鍵。因為，一、我們已經(jīng)有了精準的算法和計算資源，數(shù)據(jù)是現(xiàn)在唯一缺失的部分，二、。開放數(shù)據(jù)從某種方面來說，并不是很好的解決方案。最好的數(shù)據(jù)源，要么根本不存在，要么掌握在私人公司手里無法獲取。“
領域細分”。多數(shù)情況下，你需要的數(shù)據(jù)的量與你希望解決問題的寬度是正相關的。所以在你真正著手收集數(shù)據(jù)之前，你需要先弄清楚你的目標領域。與其計劃做一個嘗試解決所有問題的機器人，不如專心完成一個能夠幫助人們安排會議的智能系統(tǒng)。與其做一個嘗試預測所有未來的云端系統(tǒng)，不如完成一個能夠預測欺詐交易的系統(tǒng)。
“繼續(xù)領域細分”。當你已經(jīng)明確細分的領域之后，你要做的就是繼續(xù)不斷往深度上挖。假設你想做的產(chǎn)品是X，那么你要做的不是直接開發(fā)產(chǎn)品X，而是先開發(fā)基于X的最小產(chǎn)品原型。我的建議是，不斷細分深挖你想做的產(chǎn)品，直到不能再細分為止。與其開發(fā)出最后沒有人需要的產(chǎn)品，不如在前期多花一點一時間。擴張的事情，都可以在后面慢慢再做。
“那么具體如何獲取數(shù)據(jù)呢？” 大體上也有兩種獲取途徑。1、自己手動獲取，2、通過眾包的方式獲取。一個典型的案例就是Google地圖與Waze。Google派遣上千人每天開車去獲取道路、建筑和交通的數(shù)據(jù)信息。而Waze則鼓勵他們的百萬用戶自動幫助Waze收集數(shù)據(jù)。如果遵循Google的方式開發(fā)產(chǎn)品，那么你在啟動產(chǎn)品之前就需要一筆至少上億美金的融資支持。
所以作為一家創(chuàng)業(yè)公司，剩下的數(shù)據(jù)獲取途徑只剩兩種，1、從公開渠道獲取，2、眾包。
從公開渠道獲取的典型案例就是：Wikipedia。當然你可以狡辯說，這就像Google早期時候從各種渠道通過爬蟲去爬網(wǎng)頁鏈接，用來優(yōu)化它的搜索算法。不過據(jù)我了解，有很多的創(chuàng)業(yè)公司都嘗試從Wikipedia上爬取大量數(shù)據(jù)，但是沒有幾家公司真正做出什么成績。
最后剩下的切實可行的辦法就是：“眾包”。這種方式的關鍵是，如何設計一套有效的機制，能夠鼓勵普通用戶收集數(shù)據(jù)，最后反饋到產(chǎn)品，幫助進行優(yōu)化。接下來我將以去年我們投資的一家公司W(wǎng)it.ai舉例，Wit想要提供的服務是，幫助開發(fā)人員解決語音轉化文字的功能，以及自然語言處理的問題。1.0版本推出以后達到了部分效果，但是并不很理想。之后，公司推出了一套儀表界面和開放API，使得開發(fā)人員可以自己糾錯來優(yōu)化結果。所有的用戶（開發(fā)人員）可以免費使用這套云端服務，同時用戶會自動幫助整套系統(tǒng)來修復一些算法和數(shù)據(jù)上的問題。Facebook之后收購了Wit。但是他們采取的整套做法值得其他AI創(chuàng)業(yè)公司借鑒。
上面是我對AI領域的一些理解。以下是一些忠告：1、我在上文中提到的一些想法不完全是正確的，初衷是促進交流，而不是為了給大家洗腦，2、就像Balaji所說的，我們相信新的AI開發(fā)技術在未來將會給人們的生活領域帶來非常多革命性的變革。
