编译丨拓扑社 原野

　　回顾我的职场生涯，我认为自己是非常幸运的，能够赶得上人工智能这一波科技浪潮。之前，我一直从事着「推荐算法」的研发工作，后来一家「金融科技」（FinTech）聊天机器人平台找到了我；最后，我进入到了硅谷最知名，或者说世界顶级创业孵化器 Y Combinator，为 Bicycle AI 初创公司工作。

　　在这家公司，我们希望通过将「人工智能」和「人」相结合，给客户提供更加优秀的人工智能服务。

　　这几个月在 Y Combinator 孵化器里的所见所闻让我受益匪浅，我在 AI 和聊天机器人领域上学到了很多东西。湾区真的是一个很神奇的地方，聚集了一大票非常优秀的人才，他们会倾囊相授。而接下来，我会跟大家分享一下在一家人工智能初创公司里得到的收获。噢对了，顺便补充一下我的背景，我还学过心理学。

　　1.如果不是 AI，那么请别叫它 AI。所以到底什么才是 AI 呢？其实就连我们公司内部的人都连这个基本的概念都无法达成共识。我经常听到人们用这样一句话定义 AI：

　　「AI 是一种机器能够模仿人类智能行为的能力。」

　　如果我们要以这句定义作为参考就会出很多问题。就说现在医院通过某些科学技术，能够在人的肺部提前发现潜在的，具有癌变可能的细胞，这应该不是在模仿人类的智能行为吧？

　　再比如，atv，理解客户的问题，再通过超大海量的数据中提取出来准确的答案，这种 AI 同样不是在模仿人类智能行为啊？事实上，它的能力完全超脱出了人脑力的范畴，这符合上面的定义吗？

　　尽管我们现在离「人工衍生智能（AGI）」以及「技术奇点」还很远，但我们现在利用 AI 所能做到的事，却已经让我们自己都吃惊不已了。

　　不可否认，现在「人工智能」已经成为了科技界最为时髦的词汇。在今年召开的 CES 大会上，我们可以看到 AI 这个词出现在各种你所能想象得到的电子设备上，从牙刷到洗衣机无所不包。但是，请不要这么滥用 AI 概念。

　　如果你是一名投资人，或者是一名想要引入人工智能技术的创业者，除了要把那些戴着 AI 帽子的冒牌货剔除出视野之外，我也不推荐你去使用那种面向大众，一个解决方案匹配无数应用情景的服务，就比如说第三方算法（NLP 引擎），云平台上的 API。

　　你要去寻找某些开源的，具有替代性质的解决方案，将它们加以变通，测试，使得它们能够更加精准满足你自身的用户使用诉求。

　　为什么我认为对于创业者来说，目前市面上现成的解决方案并不是理想的选择？

　　首先第一点：它们那种「以一对多」的特点，决定了它们的短板。一个基于你自身的诉求而加以改良，具有专属意味的技术解决方案，其带来的效果将远远胜过它们。来说说我们自身的例子吧。

　　我们一开始是用 IBM 的 Watson 作为技术平台，但是很快就转而去开发我们自己的解决方案，我们不停地去测试它们，一旦发现效果比之前的理想，立刻就转面转投到这个方向上。市面上现有的解决方案很多都是免费的，或者是处在充分竞争市场中，价格特别得低，这固然挺吸引人的，但是你要知道它们想要的是什么，它们想要的是数据，你的数据。我想说的是，一开始你使用第三方服务，这没什么，但是要很快地去开发自己的技术来将其取而代之。如果你的团队没有这个研发实力，那么就聘请有这方面实力的技术人才，而且动作要快！

　　另外，如果你现在就想在 AI 领域开创属于自己的事业，我建议你先去了解一下 Y Combinator 的这篇文章《五个问题，确定你目前所开发的产品是否属于 AI 领域》。这样风投合伙人如果问起你相关问题，你就心里有数了。我向你打保票，他们一定会问的。这五个问题我摘出来，放到了下面，作为你识别、筛选人工智能技术公司的参考和标准：

　　（1） 这家公司是否能针对你来做一次独立的项目演示？

　　为了避免有人在云端篡改你的数据，你要要求对方进行一次独立的演示，确保是真正有实际软件在处理你的数据。如果这家公司只能在云端处理数据，你必须再做很多评估工作，确保能处理这么海量数据的产品是可靠的。

　　（2） 你是否能使用你自己的数据？

　　当公司在演示的时候只是使用它自己的数据，那么整个系统运行得特别好。但这并不意味着把你的数据换上来，系统同样不负众人期待。我的建议是：用你的数据来实时测试系统，保证它在实际情境中的效果如演示中一样。

　　（3） 他们的数据源是什么？数据规模有多大？