這次不忽悠：3個成功案例告訴你，開一家AI公司其實不難

之前拆解了《忽悠VC指南，假裝成一名人工智能專家的正确姿勢》。這次，我們不忽悠 ，玩真的，帶來更新版的“AI公司”速成攻略，并附上3個成功案例，揭露企業開創人工智能領域業務的三大方式。

文/Quentin Hardy

人工智能(AI)的時代即将到來，這是毫無争議的。從我們身邊的事物，自動駕駛汽車、智能手機以及乘坐的飛機等等，未來都将充滿人工智能的影子。不僅如此，人工智能的線上搜尋能力、交談和翻譯功能，以及圖像識别等技術，在我的公司Alphabet，同等重要。

但現在更多的思考是在于，人工智能将以何種方式，在工業和社會領域，有多廣泛的應用。有很多公司，包括微軟和亞馬遜在内的公司都已經提供人工智能工具。像我工作所在的Google Cloud公司，很快會将這些工具進行線上銷售，以便為雲計算提供服務。當然，現在也有很多其他可用于商業的人工智能産品，例如IBM公司的Watson，或是其他來自新興供應商的軟體服務。

AI看上去十分“甜蜜可口”，以至于讓當下很多企業想加入，尤其是那些借機想在人工智能上炒作一番的商人——的确有不少，但這并非玩笑。但凡身處AI行業的參與者都應該用意圖和行動提醒他們，人工智能這一新技術所具有的重要性。

由于人工智能技術對我們來說，既熟悉又陌生，是以這不是簡單的事情。從本質上而言，算法和計算緻力于發掘新的模式，而在人類的曆史中，這是由科學、技術、市場和人文藝術所完成的。

奇怪的地方是，今天的人工智能技術是如何工作的，例如如何構模組化式的子程式和其它模式的模式循環、如何多層次地對自己進行訓練（而這些層必須通過非常大量的計算才能實作）。可能這是第一次，我們發明了一台不容易獲得解釋的機器。

面對這樣的技術進步，視而不見并不是一個很好的政策。那麼，問題就變成：一個沒有參與打造人工智能的公司，應該如何考慮利用人工智能？事實上，在早期階段，部分企業就曾采用人工智能技術，取得成功實踐，并提供以下幾個會有幫助的經驗Tips：

1、Find and own valuable data no one else has. （找到并且擁有其他人沒有的有價值的資料）

2、Take a systemic view of your business, and find data adjacencies. （對您的企業有系統的認知，并且尋找資料連接配接）

3、Package AI for the customer experience.（為您的客戶體驗提供人工智能）

CAMP3是一家僅有26人的公司，總部設在佐治亞州的阿爾法利塔，公司緻力于部署和管理農業無線傳感器網絡。該公司還接受委托，出售Google公司的G Suite電子郵件和合作産品。

創始人兼首席執行官Craig Ganssle是谷歌眼鏡的早期使用者。作為消費者産品，谷歌眼鏡是失敗的，但是，谷歌眼鏡可作為穿戴相機，并且可以在現場收集圖像，這一經驗激發了Ganssle。于是，他有了一個想法。如果将圖像識别為基礎的AI用到農耕作上，那麼農民在早期就可以勘測植物病蟲害。

因為AI在面對非常大量的資料時，通過處理可以比對到報警模式，然後針對尚未處理的類似資料，測試臨時模式。而一旦驗證，通過為其提供更多資料，可加強人工智能的模式查找方法。

最初，CAMP3面臨的挑戰是，如何獲得足夠的視覺資料，來訓練旗下的人工智能産品。事實上，不僅患病害作物和作物害蟲的照片相對較少，而且分散在衆多機構中，也通常沒有經過合适的鑒别。

“找到足夠數量的玉米大斑病（NCLB）的圖像，我們就花了十個月的時間。”Ganssle接着補充說，“在大型的農業大學裡，有很多照片，但是，沒有人把資訊标記清楚。種子公司也有圖檔，但沒有人拍過健康的玉米、患有早期玉米大斑病的玉米和患有嚴重玉米大斑病的玉米。”

盡管艱難，但CAMP3還是從所有可以得到照片的資源裡收集照片，包括私人、教育和政府的資源，然後他們自己也拍攝了很多照片。因為在這種情況下，在最一開始，訓練資料可能比擷取資料更容易。

視覺訓練資料是一種稀缺的商品，也是一種防禦性的商業資産。Ganssle表示，對于玉米大斑病、黃瓜霜黴病或者甜玉米蟲害等預防事物的早期教育訓練，最初需要“數以萬計”的圖像。Ganssle補充說，現在，已經訓練好了的系統，隻需要少之又少的圖像就可以訓練疾病。

CAMP3公司根據TensorFlow上的圖像進行訓練，而該模型首先由Google公司開發，然後進行開源。對于計算方面，Ganssle依靠Amazon Web Services和Google Compute Engine。Ganssle表示：“現在，我們可以在幾個小時内，就把這台機器從‘幼稚園層次’的分析提升到‘博士層次’的分析。”

包括公司和客戶所拍攝的新圖檔标注時間和位置資訊在内，擷取并正确标注資料是一個痛苦的過程，而在Ganssle看來，這帶給CAMP3公司的是關鍵的戰略資産。Ganssle表示：“擷取其他人所沒有的東西，并且，有計劃地把這些東西組織起來，為其他走這條路的使用者提供幫助。”

“有了人工智能，你永遠都不會知道下一步需要解決什麼問題。這可以用于思考土壤或者改變用水需求。當我們看新事物的時候，或者開始進行預測模組化的時候，這些将是我們可以采納并接受的大量資料。”

TalkIQ是一家監控銷售和客戶服務電話的公司，緻力于将話語變成文本，然後實時掃描這些詞彙中的關鍵字和模式，以預測公司是否即将取得成功——一種全新的銷售，一個快樂的客戶。

一位前eBay的執行官和企業家Jack Abraham創立了ZenReach，一家連接配接線上和線下商務的鳳凰公司（部分業務通過廣泛的呼叫中心），而這是該公司的前身。

Abraham表示：“我一直在想，如果我可以聽懂客戶要求的一切，我就可以擷取公司的真正核心。”這就像是“為什麼一個代表能完成電話内容的50%，而另一個則隻能完成25%？”兩者的差別。

他們意識到，這些電話産生的資料可以提高ZenReach的表示，但也可以為其他公司提供新業務教育訓練等服務。TalkIQ公司總部設在舊金山，花了兩年時間才建成。資料科學家檢查了公司五十萬個對話，均來自基于計算機的ZenReach手機系統。

與CAMP3公司一樣，這項挑戰的一部分是正确地标注資訊——例如：在嘈雜的房間中進行的會話，有時通過連接配接不順暢電話進行的會話——并标記産品名稱、功能和競争對手等内容。TalkIQ公司采用可以了解自然語言的自動語音識别和算法，而不是利用其它工具。

該公司首席執行官Dan O'Connell表示，由于産品和人際交往變化比生物學的發展要快得多，是以TalkIQ公司的訓練語料庫幾乎需要不間斷地進行預測。 “每個預測都取決于準确的資訊，”Dan O’Connell表示，“同時，你必須注意‘過度配置’，或者，建立的模型過于複雜，使得噪聲對結果有同資料一樣的影響。”

作為與ZenReach的鄰接，TalkIQ還必須針對個人客戶和垂直行業的需求進行調整。該産品于1月份公開用于商業；而根據Abraham所言，現在已經有27家公司支付該服務費用。“如果我們是對的，這将是未來所有公司的運作模式。”

去年三月，位于丹佛的Blinker公司，在科羅拉多州推出了一款用于汽車買賣的移動APP。客戶需要拍攝車輛的尾部，而在上傳圖像的時間内，車輛的年份、制作和模型以及轉售價值将得以被識别。通過該APP提供汽車、尋求再融資和保險，将會更為簡單。

能夠很容易識别出車輛價值的人工智能看上去像是一場魔術。事實上，該過程利用TensorFlow以及Google Vision API來識别車輛。Blinker公司與提供機動車輛資料的第三方達成協定，一旦識别出車牌号，Blinker公司就可以從檔案擷取其它資訊（如果可能的話，機器還可以檢查可用的圖像資料）。

Blinker公司已經為其部分業務申請了專利權，但該公司的創始人兼首席執行官Rod Buscher認為，他的真正優勢是他自己在汽車經銷商業務方面的44年經曆。“不管你做什麼，你還是在銷售汽車，”Rod Buscher表示，“而人們忘記了這種感覺，但是購買汽車的痛苦依舊存在着。”

他提到Beepi，一種在早期就嘗試了P2P線上銷售汽車的模式。他指出， “憑借一個偉大的概念和聰明的員工，就籌集了1.5億美元。但是，Beepi仍然失去了一切。而Blinker成功的關鍵是掌握知識：我有一個來自汽車銷售行業的專家團隊。”

言下之意，汽車銷售更多需要采取與線上銷售汽車相關聯的廣告和多點過程，并為客戶提供快速響應的行動。如果該車正在銷售，Blinker公司的标志将會覆寫該許可證号碼，進而為賣方保證隐私（Blinker公司利用免費廣告進行覆寫）。

Blinker公司希望在未來幾年内走向國際；他們擁有人工智能領域的專家，他們的系統接受了至少70000張汽車圖像的訓練。甚至這些活動也都有人工參與——結果在亞馬遜公司的Mechanical Turk上進行了驗證。

（Amazon Mechanical Turk是一個Web服務應用程式接口（API），開發商通過它可以将人的智能整合到遠端過程調用（RPC）。Amazon Mechanical Turk利用人的網絡來執行不适合計算機執行的任務。亞馬遜調用那些計算機很難完成但“人工的人工智能”卻能很容易執行的任務。執行人工智能任務（HIT）的人可能會被要求寫産品描述，對移動語音搜尋查詢作出回應或選擇某一主題的最佳照片等等。）

在人工智能工作繼續進行的過程中，Rod Buscher花費了一年多的時間，引導小組關注工作情況，以及觀察買賣雙方如何互動（通常，他們的銷售不經過Blinker公司，而這屬于公司必須解決的其它問題）。

他說：“我從來不屬于技術行業，但是，我逐漸意識到這的确越來越活躍，”Buscher，“你還需要知道的是，好的客戶體驗和壞的客戶體驗各是什麼樣的。”

單獨運用一個工具——即使如人工智能這樣強大的工具——也不能夠決定企業的命運。随着世界的變化，深刻的真理——發掘客戶知識、擷取稀缺商品以及尋找可帶來利潤的鄰接關系——都将非常重要。與以往一樣，技術緻力于幫助其所有者知道可以做什麼，并且了解自己的市場。

原文出處：科技行者

轉載請與作者聯系，同時請務必标明文章原始出處和原文連結及本聲明。