AI在多种应用中的有用性创造了许多创业机会。在这里，我想分享一个可能反直觉的最佳实践，这是我从领导AI Fund（一家建立了数十家与杰出企业家合作的初创公司的创业工作室）中学到的。谈到构建AI应用程序时，我们更喜欢处理一个具体的想法，这意味着一个足够详细地设想的特定产品，以便我们可以为特定的目标用户构建它。
有些设计哲学认为你不应该从一开始就设想一个具体的产品。相反，他们建议从要解决的问题开始，然后仔细研究市场，再设计出一个具体的解决方案。这是有原因的：你的产品规格越具体或精确，就越有可能偏离目标。然而，我发现，有一个具体的执行目标可以让你走得更快，并在过程中更迅速地发现和解决问题。如果想法被发现有缺陷，快速执行将让你更早发现这些缺陷，这些知识和经验将帮助你转向另一个具体的想法。
具体性的一个测试是你是否已经详细说明了想法，以便产品/工程团队可以构建一个初步原型。例如，“AI用于牲畜养殖”并不具体；它很模糊。如果你要求一名工程师构建这个，他们会很难知道该构建什么。同样，“AI用于牲畜追踪”仍然模糊。有太多的方法可以实现这一点，以至于大多数理性的工程师不会知道该构建什么。但“应用人脸识别技术来识别个体牛并监控它们在农场的移动”足够具体，以至于一个优秀的工程师可以迅速从可用选项中选择（例如，首先尝试什么算法，使用什么摄像机分辨率等），从而让我们相对高效地评估：
- 技术可行性：例如，为人脸开发的人脸识别算法是否适用于牛？（结果是可以的！）
- 商业可行性：这个想法是否增加了足够的价值，值得构建？（与农民交谈可能会很快揭示像RFID这样的解决方案更简单更便宜。）
阐明一个具体的想法——比一个模糊的想法更可能是错误的——需要更多的勇气。想法越具体，越有可能在细节上有些偏差。AI用于牲畜养殖的总体领域似乎很有前途，而且肯定会有好的方法将AI应用于牲畜。相比之下，指定一个具体的想法，更容易被否定，是令人害怕的。
好处是，具体的产品愿景的清晰性让团队执行得更快。初创公司成功的一个重要预测指标是其完成工作的速度。因此，具有清晰愿景的创始人往往备受青睐；清晰的愿景有助于团队朝一个具体方向前进。当然，愿景必须是好的，总是有高效构建没人想买的东西的风险！但如果初创公司长时间徘徊而没有形成清晰、具体的愿景，是不太可能成功的。
朝着具体的目标构建——如果你能以不伤害他人的方式做到这一点——让你更有效地获得关键反馈，并在必要时更早转向。（《The Batch》之前的一封信也讨论了何时采用“准备、开火、瞄准”的项目方法。）有利于这种方法的一个因素是实验和迭代的低成本。这在许多AI应用中越来越成为现实，但在深度技术AI项目中则较少如此。
我意识到，这些建议与设计思维中的常规做法相悖，后者警告不要过早跳到解决方案，而是提倡花时间了解最终用户，深入了解他们的问题，并集思广益提出广泛的解决方案。如果你从没有任何想法开始，那么这样的延长过程可能是产生好主意的好方法。此外，保持想法开放性可能对好奇心驱动的研究有好处，在这种研究中，投资于只具有模糊方向的深度技术在长期内可能会获得巨大回报。
如果你在考虑开始一个新的AI项目，可以考虑是否能提出一个具体的愿景来执行。即便最初的愿景不完全正确，快速迭代将让你更早发现这一点，并通过学习转向另一个具体的想法。
[原文：https://www.deeplearning.ai/the-batch/issue-259/]
- 复制链接
- 举报
