前言

有觀點認為，未來，AI會成為一種基礎服務，同時，這種服務會像電力一樣通過網絡進行傳輸。吳恩達也表達過“人工智能是新的電力”的觀點。本文作者 Avinash Royyuru 是人工智能公司 Product ML 的聯合創始人，他通過將 AI 和電力的類比，討論了 AI 產品未來的發展模式，以及 AI 創業公司應該采取的策略。

1850 年，邁克爾·法拉第在思考電磁感應。 英國財政大臣（英國政府的CFO） William Gladstone 到他的實驗室里問：“電力有什么好處？“法拉第回答說：”先生，有一天，你可以對電力征稅?！边@個故事雖然是虛構，但很有意思。

數據科學領域尋找“機器學習的使用案例”讓我想起了英國財政大臣的這個問題。

人工智能領域權威學者吳恩達談到“人工智能是新的電力”時， 他說：

人工智能將革新我們所知道的每一個行業。 “通過用電力取代蒸汽機，我們改變了運輸，制造業，農業，醫療、通信等行業?！?/p>

人工智能將取代人類的工作，但會創造新的工作

大量的數據是企業業務的賦能者和壁壘

類比

我們來看看 1912 年的電力生態系統。

這看起來和我們今天建立一個 AI 產品非常相似，就像亞馬遜 Alexa 一樣。

所以數據就是新的電力？

做人們想要的東西

電力時代讓發明早于商業產品之路誕生，愛迪生被認為是市場采納策略的先驅。

一下引用來自美國能源部：

是什么讓愛迪生對電力照明的貢獻如此突出，是因為他沒有停止對燈泡的改進，他開發了一整套發明，使得燈泡的使用成為現實。 愛迪生在已有的燃氣照明系統上模擬他的照明技術。 1882年，在倫敦的霍爾本高架橋中，他證明電力可以通過一系列電線和管道（也稱為導管）從位于中央的發電機分配。 同時，他專注于提高發電量，開發曼哈頓下城第一家商業電力公司 Pearl City Station。 為了追蹤每個客戶使用的電量，愛迪生開發了第一臺電表。

愛迪生是一個有爭議的人物，但他遵循了一個簡單的規則來采用電力。構建一個用戶需要的產品，并找出如何讓人們獲得這些產品，以便他們可以使用它來改善他們的生活。

一言以蔽之：做人們想要的東西。愛迪生生產產品、交付所需的配套技術。使燈泡成為燃氣照明的安全替代品。

人工智能公司應有的“策略”應該是以下三點的交集：

我們可以執行的：我們有建立和銷售它的天賦和技巧。我們有優于其他公司的優勢。

市場需要的：有客戶需求，整體資本/商業環境有利。

理論上可行。

此外還需要考慮的是“如果我們做了X？不會很酷嗎”。

人工智能領域有很多理論上的好想法。 例如，建立一個人工智能來取代律師。在我們公司的案例是：構建一個 ML 驅動的產品設計平臺。應該怎么做？

AI 產品

吳恩達的人工智能產品良性循環圖是思考建立人工智能產品的一個很好的心理模型。

由于人工智能需要數據才能工作，像個人助理這樣的人工智能產品會獲得更多的數據。 優秀的產品可以獲得更多的用戶，從而獲得更多的數據，從而進一步強化了這種正反饋循環。 在他的演講中，他說：“Google 和百度擁有如此復雜的數據采集策略，我不知道小型創業公司如何才能獲得 AI 產品所需的數據。

這也就是 Google Allo 的意義了。當 Google 推出 Allo 時，全世界（包括我）都嗤之以鼻，消息應用和聊天機器人策略似乎到處都是。 Google 推出 Allo 如果是為了 Google Home 獲取非結構化查詢數據，我不會感到驚訝。

如果有更多來自產品用戶的數據，AI 產品會變得更好。 如果不能用更多數據改進，就不是產品，而是平臺或支持技術。

服務也可以是一種產品，AI 產品的定義與其交付給最終用戶的方式或所采用的商業模式無關。

AI 創業公司指南

需要獲得大量的數據來構建一個 AI 產品，對于小型的 AI 創業公司來說，尤其是那些像個人助理那樣需要大量數據的產品來說，這是令人沮喪的。

沒有人說這會很容易。Grammarly 正在復制 Google 關于人們寫作模式的規模數據。 天無絕人之路。

1、如果你是一個人工智能產品公司，你的產品戰略應該和數據采集策略保持一致。

2、如果你正在為產品構建平臺或啟用技術，則需要啟用其他人的產品。

3、所有 AI 產品公司都有某種形式的內部平臺。如果要在產品和平臺之間做出選擇，選擇建立產品。產品公司有更好的獲勝機會，因為他們比平臺公司獲得更多的價值。

4、如果你是一家 B2B 人工智能公司，你需要一些特別的東西來確定是“自建還是購買”。

在短期內，因為“沒有內部的專業知識”，你可能選擇購買，但這是一個定時炸彈。 大多數認真對待人工智能的公司都希望在內部擁有自己的核心競爭力。

5、炒作離我們不遠。 ML 和 AI 公司仍然是未來的熱點，但是如果要長期獲勝，你需要深入思考自己在整個生態系統中的位置。

你在構建產品、平臺、產品和平臺的組合、還是研究或支持技術？ 你在建造電燈泡，一家公用事業公司，還是試圖發明電視機或電表？ 用電來類比可以學到很多東西。 學習電力時代的GE，西聯等公司。

6、不是創業，而是構建業務。 近幾年來，大多數 AI 創業公司都被收購。 讓我們面對現實，作為一個行業還沒有想出如何從零開始建立一個長期、獨立、大型和可持續發展的人工智能公司。人工智能界的 Google 還沒有誕生，它可能就是你。

7、沒有劇本、 沒有公式，沒有模板。 我們正在數字數據之上建立一個完整的產品和平臺生態系統。 這從來沒有人做過，也沒有人能告訴我們結果。

互聯網

通過回顧電力時代來理解人工智能的路徑，原理可能相同，但細節會有所不同。后端的云基礎設施是 Alexa 的交付機制，就像從變電站到用戶家的電線是交付電力的機制一樣。

我不認為互聯網是 AI 生態系統的一部分。 任何土地都是電力生態系統的一部分，所以你認為這是理所當然的。電力和鋪設在大西洋底的電纜使跨大洋發送信息成為可能。如果沒有電力，也不可能有電報。在這樣的環境下，我們把互聯網視為理所當然。

通用人工智能

我們正處于人工智能的初級階段。我們現在只安裝了幾個燈泡。 就像 1890 年電力的發展水平。電話，廣播，電視，電子，電腦和互聯網緊隨其后，我們還沒有看到在AI 時代的這些事物的到來。

Daniel Dennett 曾經有過最奇怪的問題：你如何從白蟻群體的大腦中獲得建筑師安東尼奧·高迪一樣的大腦？

總結：

復雜的行為有可能出現在不知道自己在做什么的愚蠢人身上——有能力但不能理解這種能力。上圖是 7000 多萬白蟻建造了一座看起來像高迪的教堂的白蟻城堡。

但高迪是一個天才的設計師，他能夠理解他的能力。不知道自己更高目的的人，大腦也有 86 億個神經元。

大腦是一種計算機，它根據輸入進行輸入并執行控制。但它與數字計算機的概念是不同的，這個數字計算機是集中控制和高度確定性的，每個部分都有一個專門的角色，沒有別的東西。 大腦就像是有 860 億個神經元的湯，每個人都在做自己的事情，并試圖生存。奇妙的人腦就從中誕生。

自下而上的設計比自上而下的設計要慢，但它有結合創建更大結構的能力，因此可以更有成效地探索演化設計空間。 這就是文化和生物的演化過程，似乎是解決長期問題的最佳途徑。

作為行業從業者，我不知道我的工作如何有助于一個通用人工智能更大的結構，我無法智能地設計這個更大的結構。 每個公司和每一個推出的產品都是盲目的探索，在迭代中逐漸理解智能設計。

我相信通用人工智能會以這種方式出現，當它發生時，我們可能甚至不會察覺。就像盡管我們擁有世界上所有的信息都可以通過手中的屏幕獲得， 我們也不會承認我們是電子人。

原文鏈接：https://towardsdatascience.com/ai-vs-electricity-the-ai-startup-playbook-abf223b52547

未來智能實驗室是人工智能學家與科學院相關機構聯合成立的人工智能，互聯網和腦科學交叉研究機構。由互聯網進化論作者，計算機博士劉鋒與中國科學院虛擬經濟與數據科學研究中心石勇、劉穎教授創建。

未來智能實驗室的主要工作包括：建立AI智能系統智商評測體系，開展世界人工智能智商評測；開展互聯網（城市）云腦研究計劃，構建互聯網（城市）云腦技術和企業圖譜，為提升企業，行業與城市的智能水平服務。