1850 年，迈克尔·法拉第在思考电磁感应。
英国财政大臣（英国政府的CFO） William Gladstone 到他的实验室里问：“电力有什么好处？“法拉第回答说：”师长西席，有一天，你可以对电力征税。
”这个故事虽然是虚构，但很故意思。

数据科学领域探求“机器学习的利用案例”让我想起了英国财政大臣的这个问题。

人工智能领域威信学者吴恩达谈到“人工智能是新的电力”时， 他说：

人工智能将改造我们所知道的每一个行业。
“通过用电力取代蒸汽机，我们改变了运输，制造业，农业，医疗、通信等行业。
”

人工智能将取代人类的事情，但会创造新的事情

大量的数据是企业业务的赋能者和壁垒

我们来看看 1912 年的电力生态系统。

这看起来和我们本日建立一个 AI 产品非常相似，就像亚马逊 Alexa 一样。

以是数据便是新的电力？

电力时期让发明早于商业产品之路出身，爱迪生被认为是市场采纳策略的先驱。

一下引用来自美国能源部：

是什么让爱迪生对电力照明的贡献如此突出，是由于他没有停滞对灯泡的改进，他开拓了一整套发明，使得灯泡的利用成为现实。
爱迪生在已有的燃气照明系统上仿照他的照明技能。
1882年，在伦敦的霍尔本高架桥中，他证明电力可以通过一系列电线和管道（也称为导管）从位于中心的发电机分配。
同时，他专注于提高发电量，开拓曼哈顿下城第一家商业电力公司 Pearl City Station。
为了追踪每个客户利用的电量，爱迪生开拓了第一台电表。

爱迪生是一个有争议的人物，但他遵照了一个大略的规则来采取电力。
构建一个用户须要的产品，并找出如何让人们得到这些产品，以便他们可以利用它来改进他们的生活。

一言以蔽之：做人们想要的东西。
爱迪生生产产品、交付所需的配套技能。
使灯泡成为燃气照明的安全替代品。

人工智能公司应有的“策略”该当因此下三点的交集：

我们可以实行的：我们有建立和发卖它的天赋和技巧。
我们有优于其他公司的上风。

市场须要的：有客户需求，整体成本/商业环境有利。

理论上可行。

此外还须要考虑的是“如果我们做了X？不会很酷吗”。

人工智能领域有很多理论上的好想法。
例如，建立一个人工智能来取代状师。
在我们公司的案例是：构建一个 ML 驱动的产品设计平台。
该当怎么做？

吴恩达的人工智能产品良性循环图是思考建立人工智能产品的一个很好的生理模型。

由于人工智能须要数据才能事情，像个人助理这样的人工智能产品会得到更多的数据。
精良的产品可以得到更多的用户，从而得到更多的数据，从而进一步强化了这种正反馈循环。
在他的演讲中，他说：“Google 和百度拥有如此繁芜的数据采集策略，我不知道小型创业公司如何才能得到 AI 产品所需的数据。

这也便是 Google Allo 的意义了。
当 Google 推出 Allo 时，全天下（包括我）都嗤之以鼻，运用和谈天机器人策略彷佛到处都是。
Google 推出 Allo 如果是为了 Google Home 获取非构造化查询数据，我不会感到惊异。

如果有更多来自产品用户的数据，AI 产品会变得更好。
如果不能用更多数据改进，就不是产品，而是平台或支持技能。

做事也可以是一种产品，AI 产品的定义与其交付给终极用户的办法或所采取的商业模式无关。

须要得到大量的数据来构建一个 AI 产品，对付小型的 AI 创业公司来说，尤其是那些像个人助理那样须要大量数据的产品来说，这是令人沮丧的。

没有人说这会很随意马虎。
Grammarly 正在复制 Google 关于人们写作模式的规模数据。
天无绝人之路。

1、如果你是一个人工智能产品公司，你的产品计策该当和数据采集策略保持同等。

2、如果你正在为产品构建平台或启用技能，则须要启用其他人的产品。

3、所有 AI 产品公司都有某种形式的内部平台。
如果要在产品和平台之间做出选择，选择建立产品。
产品公司有更好的得胜机会，由于他们比平台公司得到更多的代价。

去年过的融资最多的 50 家 AI 公司反应了真实市场，下图是按类别的分类：

Electric meter：本身不是产品，而是为其他产品供应技能支持

4、如果你是一家 B2B 人工智能公司，你须要一些特殊的东西来确定是“自建还是购买”。

在短期内，由于“没有内部的专业知识”，你可能选择购买，但这是一个定时炸弹。
大多数负责对待人工智能的公司都希望在内部拥有自己的核心竞争力。

5、炒作离我们不远。
ML 和 AI 公司仍旧是未来的热点，但是如果要长期得胜，你须要深入思考自己在全体生态系统中的位置。

你在构建产品、平台、产品和平台的组合、还是研究或支持技能？ 你在建造电灯泡，一家公用奇迹公司，还是试图发明电视机或电表？ 用电来类比可以学到很多东西。
学习电力时期的GE，西联等公司。

6、不是创业，而是构建业务。
近几年来，大多数 AI 创业公司都被收购。
让我们面对现实，作为一个行业还没有想出如何从零开始建立一个长期、独立、大型和可持续发展的人工智能公司。
人工智能界的 Google 还没有出身，它可能便是你。

7、没有剧本、 没有公式，没有模板。
我们正在数字数据之上建立一个完全的产品和平台生态系统。
这从来没有人做过，也没有人能见告我们结果。

通过回顾电力时期来理解人工智能的路径，事理可能相同，但细节会有所不同。
后真个云根本举动步伐是 Alexa 的交付机制，就像从变电站到用户家的电线是交付电力的机制一样。

我不认为互联网是 AI 生态系统的一部分。
任何地皮都是电力生态系统的一部分，以是你认为这是天经地义的。
电力和铺设在大泰西底的电缆使跨大洋发送信息成为可能。
如果没有电力，也不可能有电报。
在这样的环境下，我们把互联网视为天经地义。

我们正处于人工智能的低级阶段。
我们现在只安装了几个灯泡。
就像 1890 年电力的发展水平。
电话，广播，电视，电子，电脑和互联网紧随其后，我们还没有看到在AI 时期的这些事物的到来。

Daniel Dennett 曾经有过最奇怪的问题：你如何从白蚁群体的大脑中得到建筑师安东尼奥·高迪一样的大脑？

总结：

繁芜的行为有可能涌如今不知道自己在做什么的屈曲人身上——有能力但不能理解这种能力。
上图是 7000 多万白蚁建造了一座看起来像高迪的教堂的白蚁城堡。

但高迪是一个天才的设计师，他能够理解他的能力。
不知道自己更高目的的人，大脑也有 86 亿个神经元。

大脑是一种打算机，它根据输入进行输入并实行掌握。
但它与数字打算机的观点是不同的，这个数字打算机是集中掌握和高度确定性的，每个部分都有一个专门的角色，没有别的东西。
大脑就像是有 860 亿个神经元的汤，每个人都在做自己的事情，并试图生存。
奇妙的人脑就从中出身。

自下而上的设计比自上而下的设计要慢，但它有结合创建更大构造的能力，因此可以更有成效地探索蜕变设计空间。
这便是文化和生物的蜕变过程，彷佛是办理长期问题的最佳路子。

作为行业从业者，我不知道我的事情如何有助于一个通用人工智能更大的构造，我无法智能地设计这个更大的构造。
每个公司和每一个推出的产品都是盲目的探索，在迭代中逐渐理解智能设计。

我相信通用人工智能会以这种办法涌现，当它发生时，我们可能乃至不会察觉。
就像只管我们拥有天下上所有的信息都可以通过手中的屏幕得到， 我们也不会承认我们是电子人。

编译组出品。
编辑：郝鹏程