你见过的很多可能都是假的人工智能

本篇文章2040字，读完约5分钟

目前，任何公司谈论人工智能的基础都是大数据+算法，最重要的是首先要有大数据计算能力。

本文由授权的《我是黑马》发表。

今天的推手来自我的弟弟、哈尔滨工业大学机器学习实践者唐嘉生。我希望能和大家分享一些关于人工智能创业的常识。

内容来源于一个小范围的对话:作为投资/调查人工智能相关企业/市场的负责人，如何判断什么样的企业值得投资？人工智能现在非常热门，无数的技术公司会强调他们是一个智能公司。我谈论我们如何使用人工智能技术巴拉巴拉巴拉...所以我想谈谈如何在这样的对话甚至新闻发布中识别相关内容的可靠性。

首先，目前任何公司谈论人工智能的基础都是大数据+算法，最重要的是首先要有大数据计算能力。

随着存储成本的逐渐降低，无论是购买硬盘还是云存储服务，许多公司获取和保存海量数据都不是特别困难。现在声称从事人工智能的公司也将强调他们已经积累了大数据。近年来，拥有大量数据已经成为一件正常的事情。真正的问题是如何使用数据。然后基于这个假设，你可以一步一步地问:

1.你有多少数据？每天生产多少吨？在线收集哪种日志？

2.有多少个集群需要处理，最大的集群中有多少台机器？

3.上线后，哪些业务得到了改善？

4.一个传统的过程(从数据收集到新的在线模型)能实现多少t+？

5.

以上问题大概可以理解该公司在数据收集和数据计算方面的能力。没有相关处理能力的公司/团队可以在这一轮再次见到你。

因为这只是钱的问题。

其次，基于基本的数据处理能力，是算法

许多公司在这个阶段开始变得平庸(他们只能做简单的数据分析)，这也给每个人一个印象，国内公司的数据水平只停留在数据分析上(甚至更糟)。

如果计算能力可以用金钱积累到一个很好的规模，那么算法能力完全取决于人。为了应用相关的人工智能技术(或机器学习技术，几乎是交替进行)，进行深度数据分析是有一定门槛的。仅仅提交报告和统计相关指标，更多的是业务能力的体现。对于公司的算法能力，您可以问以下问题(或按递进顺序):

1.如何根据分析结果建模？

2.如何使用算法解决问题？(这个问题有点太专业了...

3.能够在在线服务中使用非常复杂的算法？(在线服务中可以使用多复杂的算法？(

4.

当试图在这一步与人工智能、神经网络、深度学习等术语共舞时，首先要保持警惕，坚持提出上述问题；此外，如果你开始谈论奇点理论，你可以转身离开。

另一点是业务层面:有必要使用机器学习算法吗？对于初创企业来说，这一点应该特别注意。大公司通常有这种能力，甚至可以让人工智能无处不在。然而，对于初创企业来说，衡量投入、产出、发展周期、效果甚至人力和物力资源的业务底线是至关重要的。如果一家仍处于创业阶段的公司开始考虑强迫不必要的企业使用机器学习，这是一个非常危险的信号；在初创企业中应用机器学习的第一个目的应该是保持主营业务(比如对投资者负责的业务)的增长。

因此，我一直持有这样的观点:除了广告、图像和语音服务，只有相对成熟的公司才有条件(包括足够的人力、良好的数据积累、计算能力、足够的业务规模等)。)评估自己的业务，并依靠算法找到可行的改进点。人工智能应该是计划，而不是追求热点。

最后，在算法之上，是优化

这涉及到问题的本质:为什么我们要谈论任何一家拥抱或计划智能的公司？事实上，这真的不全是因为愚弄(笑)

归根结底，拥抱智能是一个更好的解决方案:使用一种技术为公司提供了无数的可能性。我们看到滴滴在做智能调度和智能路径规划；将阿里视为个性化推荐；看到这一点，deepmind为谷歌的数据中心节省了数亿美元...这种技术本质上是优化技术的具体表现，包括:

1.常见的机器学习算法基于凸优化/非凸优化(深度学习是完全非凸优化)

2.经济学中的主动博弈理论

3.管理科学中的运筹学

4.组合优化(许多参加过计算机比赛的玩家的最爱之一)、在线优化等

优化，这曾经是许多行业的高端商业智能；在这股浪潮中，人工智能实际上是一瓶优化这种醇厚口感的新酒。

如何开始有一定的专业判断？

首先，它应该是一种判断，能够通过沟通、公关草案和媒体报道看到背后的真相。而不是人工智能的一般概念和伦理问题，奇点的逼近等等。

因为我们不想在这里涉及太多深入的领域知识，考虑到人工智能必要性的背景知识，建议大家读一本书——吴俊博士的《数学美》(定位于理解+一点专业)。尽管近年来更新更复杂的技术在本质上并没有脱离数学问题的范畴。(“智能时代”我自己没有看过，但有人推荐)

当前(2017年初)非常可靠的细分方向

与智力相关，从两个角度来判断做事情是否可靠(这个可靠的门槛有点高):

对于人工智能，如果一个团队或公司强调他们正在优化，那么十有八九是可靠的。这是所做事情的视角；对于智能硬件，如果一个创业团队或公司强调他们正在做硬件/终端解决方案，比如gpu、fpga、手机(并且有真实的演示)，那么参与计算能力的未来发展也是可靠的。

最后，我希望这篇文章能为那些想拥有工业判断能力的人提供一个视角。

来源：搜狐微门户