五个问题,帮助你排除掉90%的假AI公司。
AI已经成为热门的新潮流,基本上每一家想要打动VC的科技公司都开口必谈人工智能,在 Future Labs,我们已经接触上百家和人工智能没有任何关系的“AI”公司。虽然我们以前遇到过这种概念炒作,但目前的AI热潮对于投资人做尽职调查,以及其他想要真正了解这一领域的人来说都是一个很困难的问题,即使对于很懂技术的人而言也是这样。麻省理工学院技术评论最近也发表了一篇关于AI的报告,报告中写道:“没有人真的知道最先进的算法是如何实现的。”如果计算机科学家都不太清楚AI如何运作,对于非技术背景出身的天使投资人、VC、企业创新官员试图来理解AI就更难了,什么是真的、什么是假的,什么时候应该投资?
如何对AI公司有一个基础的判断?在本文中,作者提出了五个问题,可以帮助读者排除掉90%的假AI公司。(友情提示:在进行投资之前,你应该始终有技术专家对公司进行尽职调查。)
原文来自Future Labs官方博客,由腾股创投编译,以下是全文:
1、技术是如何构建的
这是一个很复杂的问题,也是最重要的一个问题。这家公司的技术是在内部建立的,外包的还是使用现成的开源AI(wit.ai或api.ai)? 无论是作为投资者,客户或者求职者,这都是你应该了解的。 它将确定公司的未来的走向,扩大规模时将会遇到的问题,以及公司内部员工将扮演怎样的角色。
使用现成的AI解决方案的公司与那些开发专有技术的公司相比更像是一个服务提供商,并且不太可能扩大规模。他们就像是一个从制造商定制汽车的商店。从投资的角度来看,你肯定希望公司能够建造汽车,建造自己的AI,而不是在其他人建造的东西基础上刷上一层油漆。虽然定制商店仍然可以建立业务,但他们永远也赶不上OEM厂商。
最好的情况是公司内部的专家在内部构建核心技术。这样做成本很高,也很少见,所以理解问题、解决方案、市场、价值主张和竞争格局的能力变得非常更重要。
2、是否有一个精通技术的团队?
围绕技术是核心竞争力的主题,了解创始人及创业初期员工的背景。 鉴于人工智能是一个利基(niche)市场,顶尖的AI研究者和从业者都希望和他们能够尊重的人一起工作。与其他更成熟的技术领域不同,找到AI人才很难,AI专家有各种工作的机会供他们挑选。创始团队的技术实力在很大程度上决定了他们在公司成长时招募更多AI人才的能力。
AI创业公司需要AI人才,这是强需求,所以需要用有趣的AI问题和AI领导人来吸引他们。
3、数据在哪里?
AI要产生价值,需要对AI进行训练,这需要数据,通常是大量的数据。此外,这些数据需要结构化才有意义。为了让AI准确地学习,数据应该来自现实世界,而不是来自虚假的样本集。ImageNet是一个很好的例子。它的目标远大,是目前世界上图像识别最大的数据库。但如果你想较低的错误率,你还是需要与你解决的问题相关的真实世界图像。Future Labsf孵化的Clarifai解决了这个问题,帮助用户解决了很大的一个痛点,将照片分类,并给自己的数据打上标签,以确保Clarifai能够更好地识别图像或视频内容。
如果有一家AI公司向你介绍自己,但是不能告诉你他们使用什么样的数据来训练算法,或数据来源是哪里,即使他们有一个AI引擎,他们基本上是给你失忆的大脑。它可能能够“想”,但它没有什么可以处理,是一块空白、无用的石板。
GP需要LP的资金来进行投资,而算法需要现实世界的训练数据,并且是大量的数据、现实世界中的数据。 如果数据有限,则会出现高错误率或通过成本很高的计算能力加强学习。
4、这真的是一个需要AI来解决的问题吗?
使用另一种技术是否可以更容易地解决问题? AI现在非常流行,每个人都希望可以使用到AI技术,即使完全不必要,而且还会产生不必要的复杂性。AI很难,应该用来解决困难和真实存在的问题。不要尝试使用AI来修复不坏的东西,或者解决一个并不存在的问题。比如做什么人工智能榨汁机。
如果不需要AI,那就不是AI公司。作为一个AI公司,业务必须解决一个足够大的问题,以获取可以标注和用于训练的数据。
5、听上去好的让人难以相信?
“风口化”的炒作需要警惕。NIPS(神经信息处理系统大会)的学术研讨会开场就为一个名为RocketAI的假公司举行发布会,意在讽刺很多在学界围绕AI不务实、盲目夸大的现象。花哨的流行概念不会带来任何真实的东西,也不值得投资。人们往往高估了短时间内人工智能带来的影响,又低估了它在长期中产生的影响,这个事情需要冷静客观地看待。
原文链接
更多推荐
动态可扩展的神经网络:一种最近发现的技术,可不断地适应新数据
ATYUN专注人工智能。