AI进入下半场，打法上的一些变化

Sunny.Day 发表于 2020-5-18 00:59
是的我要表达的跟你说的一致。至于为什么要提到startup创业，因为这就是这个帖子要讨论的么，ai的一些“打 ...

既然说了跟人打，那我就斗胆分析一下要是想创业有什么优势。结果我的结论是没什么优势。

靠自己的AI技术有个公司这事吧，我认为AI技术可以粗略分为2种

一种是（1）比较成熟而实际的，另一种是（2）有点纯粹研究的意思，离落地还远得很，八字没一撇那种。

其中（2）在变成（1）之前是烧钱的，是没办法带来利润的，而且能否变成落地技术作为一个搞研究的我们都知道这玩意儿我们也不能百分之百肯定。（2）在很多大厂是公关项目+实际落地，就仿佛军备竞赛。“嘿嘿，你看我做了这么多research，是不是很厉害？”

（1）是没有门槛的。不可能形成所谓的“技术垄断”。举个例子，一开始头条买的商汤的服务（记不清了，是别人给我讲的，欢迎指正），但厂子大了人家最后自己in house了。能落地的技术没啥可垄断的，普通scientist engineer都能做。提供服务的一方能做到什么程度是很有限的。


（2）是烧钱的，是要以fan养xi的，deepmind又被我抬出来了，就疯狂烧钱呗，再卖点人力给dm for 狗狗。它的技术是很垄断，然而它的财力算力和招人也很垄断。问题这模式谁现在还能再走一遍吗？

综上所述，想上这趟车我看差不多晚了。既不能扎实做出（1）的品牌效应，也很难在（2）上赶超对手。所以（a)不要跟大厂比拼general服务的提供。其实aws现在也提供consulting service。数据方面的consulting还有麦肯锡的量子黑什么的。（b）然后你就可以思考去细分领域哪个比较容易了。据我被联系过了解过的公司，有制药方面的，ai硬件方面的，卫星数据方面的，医疗影像方面的。没有一个是纯粹ai技术。（c）非要不细分的话，你看borealis ai，带头人都是教授，而且我觉得这公司是加拿大政府扶持的。但他们都不是全职，也没有能靠自己的技术撑起一整个公司。然后我思考了一圈，我想到了andrew ng和他的landing.ai. 个人品牌到了这个程度说不定也还行。但这也不是他的全部事业啊。

普通researcher想创业我建议还是。。。就有个别的职业在前吧。






ps，aws的ml服务现在是在迅速扩张的。




补充内容 (2020-5-18 05:53):
我想说的是，在ai这里很难存在‘一招鲜吃遍天’的情况，背靠技术创业很难保持这个edge，这和其它理工phd出来有一门别人很难迅速快餐转行的那些不一样，你看顶会投稿和技术翻新节奏有多快就知道了。

阿钟 发表于 2020/05/18 01:41:53
既然说了跟人打，那我就斗胆分析一下要是想创业有什么优势。结果我的结论是没什么优势。

靠自己的AI技术有个公司这事吧...

非常同意“这趟车上晚了”这句话，我觉得现在唯一的可能性就是build一些特别domain-specific的AI product然后等着被收购，这样的例子还是不少的

说得好 加米了

我觉得楼主说的这个不错。 转变的原因是，consumer的AI产品基本上是属于给AI练兵的，试错中慢慢发展技术，低风险也低回报。能赚眼球但是赚不了钱。现在基本的技术发展差不多了，该赚钱了。 赚钱的还是要从某个行业里面赚，需要非常深的domain Expertise。

给你点个赞！

传统行业中的数据都有自己的独有的数据结构和关系，然后有自己的domain knowledge。觉得用一个general的AI框架来套用解决问题很很难。需要的还是对各个行业有充分理解，并且有足够能力来customize各种模型来适应不同的行业的人才。同时传统行业的容错率和对模型的解释性要求更高。逼近图片识别错了没关系，但是自动驾驶错了、医疗图像识别错了，或者金融模型预测失败了，很大概率公司内部会有人提出疑问为什么这个模型在这里不行了。这是个时候说这是个模型识别错误是很难过关的。

楼主说得好对！不过任何一个行业开天辟地都是很难的 少看困难多看机遇 加油哈哈哈哈

对于传统企业，会加很多business rule在AI上面。这一点深有体会！但很多时候这些根深蒂固的rule就是解决问题的呀。比fancy的AI技术就是更能满足business的需求。请问这种情况如何推进AI的应用呢？

achromatic 发表于 2020-5-18 10:24
传统行业中的数据都有自己的独有的数据结构和关系，然后有自己的domain knowledge。觉得用一个general的AI ...

嗯是的，而且我想要表达的是，除了难做之外，即使你做出来了，想搞成一个profitable business也蛮困难的

eleven 发表于 2020-5-18 11:51
对于传统企业，会加很多business rule在AI上面。这一点深有体会！但很多时候这些根深蒂固的rule就是解决问 ...

这种情形我见的还真的蛮多的。我给你提一个最基本可以做的AI方向。很多rule一般长成这样：
“high_spend_indicator = 1 if customer_spend > 1000$ and number_of_spend_last_month > 5 else 0”.
那好了，你凭什么用1000和5作为这个rule的threshold？肯定是认为tune出来的么，或者是intution，而且一般都是比较漂亮的整数。这些intuition一般都还蛮好用的，但是不够精确。假如你用一个tree-based method，那可以直接帮你搞出来一个看起来有点丑但更精确的，比如：
“high_spend_indicator = 1 if customer_spend > 1245.6$ and number_of_spend_last_month > 4 else 0”.
这样可能会比原来的rule对于accruacy有提高。这是一种常见的做法