原因是「识别」这件事情是哺乳动物的智能，不仅仅限于人类。你家的小猫小狗会识别出你跟别人不一样。深度学习可以在这种自然能力的处理上有很不错的表现。但是语言和文字这种符号思考能力是近几千年历史上发展出来的，跟传统的信号处理能力非常不一样。

　　所以，现在的算法是有局限性的，我们在构建人工智能系统的时候要理解它的局限性。

　　关注路径，而非直奔目标

　　移动时代互联网产品经理培养的直觉是：刚需、极致。但是在人工智能领域，这样直奔主题的直觉未必能成功。人工智能产品由于其复杂性，其设计核心是其中间路径而非最终目标。

　　我们移动互联网时代在制定项目的时候，常会先有一个明确的目标。但是怎么完成一个项目不是由目标所决定的，是路径决定的。

　　一群老鼠开会要做风控，猫来抓老鼠之前做一个预警。怎么做呢？大家定了一个明确的目标，在猫脖子上系铃铛。问题是，哪只老鼠来做这件事呢？怎么做呢？

　　这就是路径。

　　路径有很多层含义。

　　别人的目标不是你应该效仿的终点，别人的路径更不是你要效仿的路径。BAT 的终点不是你的终点。我刚开始创业的时候，特别喜欢看别的架构师的那些架构，认真地做笔记，但当我开始认真搭建自己项目的架构时，我还是不知道这个逻辑是什么，为什么这么搭。因为整个项目的演进过程中，最重要的事情不是最终公布出来的那些，而是没有被公布出来的。你最终学习到的都是一些切片，无论是他的终点、还是所谓的路径，其实都是他 90% 预想的路径被否定之后的一些切片。

　　探索新生事物的过程中，「被否定的痛苦」，才是真正的核心竞争力。

　　痛苦是不可复制的，哪怕是我们在学习别人总结经验、路径形成的方法论。方法论的复制，也是建立在海量的痛苦当中。我们都知道找到实现目标的路径很关键，但是没有人会告诉你路径在哪里，只有靠自己去摸索。即使是「元方法论」（Meta 方法论），也只能帮助我们在海量的不确定因素中，去找到几个确定的点，减少死亡的概率。

　　AI 产品路径设计方法论1. 成本问题

　　我们在设计人工智能产品的时候，会有种种不靠谱的因素在制约产品。我们只有快速的迭代，Lean startup（精益创业） 降低成本，才能提高我们的成活率。尽管互联网产品和 AI 产品不一样，但是快速迭代是一个通用的方法论。

　　2. 不确定性拆分

　　把大的不确定性切成小的，切成小的不确定性。这个方法可以帮助我们在人工智障中寻找到人工智能。

　　3. 必须有业务基础系统

　　像我这种技术出身的人，都会有一个做伟大的人工智能系统的梦想。但实际上数据库系统跟智能系统有什么区别？其实者两者在角色上是非常接近的，他们都是一种支持系统，支持系统是没办法离开基础业务去独立工作的。

　　如果说真正好的产品是一块蛋糕，那里面的精华一定是基础业务系统；人工智能系统可能连一个糖衣都算不上，它可能是蛋糕顶上的那个小樱桃。2016 年某银行花了一年的时间来做出一个大数据系统，系统有丰富AI模块但内部业务部门都不愿意用。这里面只有报表系统，把 Excel 的 Copy、Paste 功能做进去了，真正打中了刚需，然后业务部门才逐渐接受了智能的附加功能。

　　4. 中间节点是在考验所有人的耐心

　　由于人工智能系统不靠谱、周期长，所以一个人工智能系统从投入到产出中间要有很长的周期，直播，内部、外部、包括投资人在内的参与方的耐心很容易耗尽。怎么在耗尽之前达到中间节点？这里面最大的风险，并不是来自于技术，而是怎么做好中期管理。

　　做人工智能的产品，不要直奔主题而去。做金融，就不要直接去做投资研究系统。做医疗，不要直接做诊断系统。做招聘，不要直接做人才匹配系统。直奔主题的失败不是特例，很多大公司都是上来就做一个特别大的系统， 90% 都会失败。

　　AI 产品特性：可演进性