How to Build an AI Startup, and Do You Really Need To?
人工智能（AI）现在风靡一时。每个人都有一个观点，这意味着很难通过炒作来切断，并掌握一些实际的脚踏实地问题。像“我可以建立一个利用AI的新业务吗？”和“我从哪里开始？”这样的问题。
在这篇文章中，我将为您提供足够的信息以便开始使用。我将首先简要概述一下AI在概念层面的含义，而不是通过详细的知识进行跟踪，尽管这些知识虽然必不可少，但可能会分散您对业务的影响。之后，我将介绍在开始AI业务时要经历的四个一般步骤。
同样值得注意的是，围绕人工智能的炒作可以让你认为，如果你不以某种形式使用它，你将会落后。然而，在许多方面，人工智能仍然处于早期阶段，而且通常不清楚它何时适合您，以及它何时使事情复杂化。
这并不是说如果您打算建立一家新公司，就不应该使用AI。有许多大而且引人注目的问题，只是等待解决，人工智能技术，即使在今天，也能真正发挥作用。
AI Basics
不知道如何设想AI会让你原谅。是一些机器人在你家附近走动还是手机上的应用程序？也许这是整部手机。关于人工智能的大部分内容都让人难以理解其实际情况。最重要的是，有关于AI与机器学习（ML）和深度学习（DL）等术语的对话。现在我要掩饰这些区别，以便关注更广泛的概念，以及它们如何应用于企业家的挑战。
简而言之，AI是一种软件（可能嵌入或不嵌入到机器人或微芯片中，或类似的软件），与许多其他类型的软件一样，可以获取一些输入信息，并将其转换为其他信息，输出。
与许多其他软件的唯一真正区别在于程序员不必逐步指示如何进行转换，甚至可能不知道这些步骤是什么。
就像任何软件一样，人工智能可以通过多种方式进行包装和打包，可以嵌入应用程序，语音控制设备或网站，以及许多其他选项。那么“什么是AI？”的答案可能是以上任何一种。
为了简单起见，当我谈到AI时，我将指的是需要输入并产生输出的软件。重要的一点是，在很难写下关于如何从输入到输出的明确指令的情况下，它可以从输入到输出。
这些是人类传统上擅长的任务，而计算机传统上也是不好的，至少是单独的。数量巨大，人类对一切都很糟糕。
常见的例子包括在照片中定位面部，从句子中推断出情绪（“情绪”），并扫描医学测试结果，寻找与预期数据的微妙但显着的偏差。
分类AI
从广义上讲，您可以将AI分为两类：在许多不同的环境中执行常见的任务，例如将语音转换为书面语言，以及处理更多独特任务的任务，例如检测一组心跳数据是否显示心脏病改善或恶化的证据。区别很重要，因为常见的问题通常已经解决，您可以使用现有的AI而不是创建自己的AI。
现有AI
AI非常善于解决许多常见问题。例如，照片中的面部检测或语音识别。因为这些是常见的问题，所以已经有很多工作要用于构建AI来解决它们。这意味着您不必完成这些AI的艰苦工作，您可以从其他人已经完成的工作中受益。
大型云提供商已经为许多常见任务创建了AI产品，您可以在“按使用付费”模式中使用这些任务。例如 Amazon’s Rekognition, Microsoft’s Face API and Google’s Vision API.
顺便提一下，如果您使用这些服务是基于AI的，那么这与您无关。你真正关心的是它给你很好的答案。
在您尝试构建自己的AI之前，请查看是否已经创建并以您可以使用的方式打包。
##自定义或定制AI
第二类是自定义或专用的AI。这是有趣的开始。如果您正在尝试解决现有解决方案不常用的问题，则需要创建自己的AI。
在抽象层面，这实际上非常简单，但是像大多数事情一样，一旦你深入细节，它很快就会变得很难。我试图在这里避免编程细节，所以我大部分都会坚持抽象层面。但我需要了解一些细节来解释两个概念，创建一个网络并训练它来创建一个模型。
两种使用AI的方法
A short Detour into AI详细信息
有一些不同的技术方法，但目前最受关注的是神经网络。神经网络是连接在一起的一大堆模拟神经元。信号被发送到第一组神经元，其可能信号或可能不信号通知其他神经元，等等。在网络的另一侧，产生输出信号。例如，输出信号可能是面部在照片中的位置列表。
构建神经网络有两个步骤：创建网络并对其进行训练。要创建网络，您必须选择有多少神经元，以及它们之间的连接类型。
一旦你创建了一个神经网络，你就必须训练它。训练它意味着使用数学函数配置每个节点，该函数告诉它何时传递它接收的信号，何时不传递。幸运的是，你不是手工完成这一点，这是非常不切实际的。
为了实际训练神经网络，您通常使用训练框架为网络提供大量训练数据，最常见的是告诉它该数据的正确输出是什么。训练框架为每个神经元创建数学函数。
神经元的大小和连接以及这些功能的组合称为模型。
拥有模型后，您可以加载许多容器，并且正在出现标准，允许您在基于Web的应用程序，移动应用程序等中加载模型。
从某人试图开发人工智能以在商业环境中使用的角度来看，您将面临的最大问题是：您需要哪些数据以及从哪里获得数据？
##建议基于AI的启动的建议
现在我们已经建立了一些关于AI的内容，我们可以讨论如何构建基于AI的启动。
有四个基本步骤：
- 测试你的问题解决方案
- 玩数据收集/ AI建设游戏
- 构建您的产品
- 开发一种改善AI的方法
##测试你的问题解决方案适合
与几乎所有创业公司一样，如果您没有成功解决客户愿意为您付款的问题，那么您就没有创业公司。
在你走得太远之前，重要的是要测试并确定有人愿意支付你计划建造的东西，并且实际上可以建立你的想法。
您可以通过使用传统精益方法等多种解决方案或使用我们的技术来测试您是否能够找到愿意为您的解决方案付费的人Product Design Sprint.
重要的是，关于AI的一个好处是，通过使用真人或使用现有组件的组合对MVP进行原型设计来创建简单版本的解决方案非常容易。
通常，现有AI服务（例如来自Google / Amazon / Microsoft的服务），现有非AI服务和一些人员进行关键活动的组合可以形成模拟您设想的解决方案的原型，让您在之前运行产品解决方案测试你承诺在AI上建立一个完整的。
这提出了一个问题，你真的需要建立一个AI吗？仅仅因为AI是解决问题的方法，它可能不是唯一的方法。每个案例都不同，但此时，当您使用真人或其他方式来测试您的问题时，请停下来问自己以下问题：“我的问题是什么意味着AI是最好的，或者甚至只有解决方案？“
更难，但也很重要的是要找出你将依赖的人工智能是否可以建立。并非每个问题都可以轻松构建AI。这是一件很难自己做的事情，但是你可以联系那些可以帮助你用你的数据进行测试的人，看看是否可能（我们很乐意帮助你！）
播放Data-Gathering / AI Building游戏
如果您已经达到了解客户存在的程度（以及如何实现这些客户），并且您对自己的人工智能有了信心，那么就该开始构建第一代人工智能了。正如我上面提到的，你需要收集一些数据，策划它以确保它有用，然后设计模型并训练它。
在实践中，值得注意的是，在许多情况下，查找，管理和管理数据所需的工作是问题中最大和最难的部分。培训模型往往要求计算机时间，但它正在收集和理解仍然需要人工智能的数据（至少目前为止），而这应该是您应该花费大量的解决问题的工作。
##构建您的产品
运气好的话，此时你有一个工作的人工智能，但你的用户完成任务并不容易。到目前为止，您可能会对谈论训练有素的模型感到满意，但您的用户不太可能。
我打赌他们想要拿起手机并启动应用程序，或者可能去网站甚至与他们的语音**的家庭助理交谈。
这意味着您需要将AI打包到产品中。具有用户界面的东西，可能除了AI之外还有其他一些东西。
请记住，好的产品可以解决现实问题。人工智能可以只看一张照片并告诉你脸部的位置是不行的。如果你的真实问题是帮助人们从一系列照片中学习名字，你需要做更多的事情。
例如，您希望将AI包装在一个产品中，该产品向用户显示原始照片，并在面部周围使用方框，并可能要求他们在文本字段中写出每个面部的名称。通过这种方式，它可以向他们展示一系列闪存卡，以记住他们去参加婚礼时所遇到的每个人的名字，他们的新约会让他们陪伴他们。
开发一种改善AI的方法
训练时，人工智能可以提供的数据越好，就越好。
一旦你推出了一个伟大的新创业公司，你就会发现你开始收集更多数据。您第一次训练AI时没有的数据。你能用它来改善你的AI并提高它的准确性吗？当然可以。
你可能猜测这并不像听起来那么简单。幸运的是，它也不是超级难的。它只需要一些思考和一些关注。在它的基础上，这是一个迭代过程。当您收集更多数据时，您希望捕获它以构建您的训练数据，然后经常使用该数据来训练更新的模型。
所以你需要考虑的事情是如何收集和存储这些数据？您多久会重新训练一次AI，当您这样做时，您将如何测试新一代是否比旧一代更好？
在大多数情况下，这些是面向细节的问题而不是难题。这里最好的建议是与团队建立AI一起提出这个话题。他们将能够帮助您提供数据捕获的最佳实践，以及有关部署和测试更新的AI模型的最佳实践。
总结
我在这篇文章中的目的是为你提供一本关于人工智能的入门知识，这样你就会觉得有能力继续前进你正在考虑的任何想法。前进可能意味着开始测试并构建自己的AI，或者它可能意味着询问您是否需要沿着AI路线前进。如果是这样，很好，这是一个很好的问题。
无论哪种方式，您的下一步可能是与您的技术团队进行对话。如果您没有技术团队，您可以联系某人以获取更多信息，并获得一些问题的答案。
拥有构建项目，理解数据集和使用AI的经验，我们能够很好地帮助您解决问题。我们很乐意帮助解决您的问题，谁知道，也许我们可以一起工作。请联系我们，我们很高兴收到您的来信。