人工智能商业化如何实现探讨

作为创业者,将如何看待今天的人工智能的发展,如何将人工智能商业化?梳理当今的人工智能行业,有两个比较清晰的潮流。

www.yabo24.app 1

一是在已有的产品中实现人工智能优先战略。今年谷歌就提出了从移动优先(
Mobile
first)转向人工智能优先,并把这个战略贯彻到所有的产品中,比如通过人工智能算法,改进YouTube的分类推荐。除了谷歌,国内的大公司,包括百度、阿里巴巴等也大致是这个思路。

       
原创  文/草因心 GPLP

对于大公司,人工智能优先的策略是很有效的,因为它有海量用户的产品。比如说,谷歌翻译上线任何一个功能都会有成千上万的用户使用,从而可以提供大量的数据,明显提高收益。人工智能在提升效率、提升用户体验等方面的优势,一定是大公司未来可以着力的方向。但是对于小公司来说,人工智能优先战略是不可行的,因为它没有这样的产品。

     2017年,人工智能在中国刮起了好一阵旋风。

www.yabo24.app 2

  投资人见面都会交流,“我们投资人工智能,我们是这么理解XXX,我们投资了XX项目”。

二是将人工智能作为技术应用编程接口提供给第三方,这是世界上很多人工智能创业公司都在做的事情,比如将语音识别、图像识别、人脸识别打包成API,提供给第三方。因为人工智能技术有一定的门槛,并不是每一个公司都有能力做。通过把人工智能开放,人工智能公司自己不用去做产品,而通过提供技术API收费,这是目前绝大部分创业公司正在做的一件事情。

www.yabo24.app,  创业者露相也会说,“我们是某人工智能创业者,主要做XXX方向,有XXX技术”。

但这个模式存在的问题是如何使公司持续性发展壮大?目前市场上看到的技术API,用户付费习惯、意愿和规模都比较小。To
B和To C有他们各自的优势,、而出门问问公司所选择的是天花板更高的To
C模式,就是把人工智能技术承载到具体的To
C产品中,特别是智能硬件,如智能手表和车载产品。

  甚至出现了众多投资机构争夺一个项目,一年就诞生了几个独角兽的怪现象。

  然而,人工智能真的是投资创业的首选吗?

  人工智能怪现象

  诚然,人工智能的确是未来趋势。

  据Research and
Markets公司的研究,2013年,人工智能的全球市场规模就已经达到了9亿美元。牛津大学也曾发表报告预测在不久的将来,人工智能可能将占据美国近一半的就业机会。

  巨头也看到了其中的机会,纷纷涌入。

  微软晓娜、阿里小蜜,Facebook M、Amazon Echo、Google Assistant、Apple
Siri、IBM
Watson等等,无论在硅谷还是在中国,谷歌、亚马逊还是百度阿里都开始了激烈争夺。

  然而,在短短一年之内,所有企业及投资人都摇身一变为“人工智能创业企业”或者“投资人”,这不禁有点奇怪,这到底是跟风还是真的追逐趋势,或者是为了融资而融资?

  GPLP君见过这样一个真实的场景:

  某个投资人面前站着这样一个创业者,创业三年,变幻了三个跑道,2015年创业搞O2O,2016年搞消费升级,2017年,不用说,他也开始了人工智能创业。

  其速度变化之快让人惊讶。

  我们不能评价说创业者及时调整方向是个错误,但是就方向而言,这个方向及跑道是否适合自己是个问题。

  投资机构同样亦然。

  某些投资机构去年看消费,今年升级为人工智能也令人纳闷,您的技术积累及门槛到底是如何跨越的?

  如果说需要跨界思考可以理解,但是如何在一个高度竞争的市场获取自己的优势,GPLP君表示看不懂。

  人工智能的前哨 智能助理

  客观来说,2017年,GPLP君也学习了关于人工智能的N多知识,对此,GPLP君普遍认为,真正的人工智能离我们的生活相对遥远,眼前,或许智能助理才更贴近我们的生活。

  每天早上,对着智能音箱说句,请演唱,舒缓中放出一段愉快的音乐,很多人开始了一天的工作。

  智能音箱,更确切的说智能助理,作为人工智能的前哨,正在走进我们的生活。

  而在硅谷,智能助理也正在成为创业投资的新战场。

  在硅谷,自从2015年智能助理热潮掀起来之后就引发了创业者的热情,2014年,在硅谷才有42个项目出现,而在2015年则有129个,2016年则是几百家。

  因为一个客观现实是,当人机交互不能完全实现的时候,智能助理则是其中的第一步,迈向人工智能战场的必然路径。

  但智能助理到底是怎么回事儿呢?

  智能助理,公开资料显示,是帮助用户完成任务或实现服务的虚拟助理。从输入上,智能助理有语音输入和文字输入,技术上的区别是语音输入要做语音识别,将语音信号转换成文字。在相对安静的环境下,语音识别的字准确率可以到达97%以上。产品场景上的主要区别是语音对话输入并不需要打字,在识别准确的情况下输入速度更快,并可以解放双手和双眼,所以各个智能助理都有语音识别功能。智能助理在输出上分文字输出、图像输出、语音输出。目前智能助理产品最主要的方式是语音对话交互。

  简单来说,智能音箱是人机交互的第一阶段,主要面向普通的大众(所谓的C端用户)。

  然而,目前,鉴于微软小娜的结果并不是很好,也就是说,其语言识别能力一般,因此,如果智能音箱及智能助理实质能力想要更进一步,自然语言处理技术就必须有大的突破,这样基于自然语言处理技术的智能助理才能更好地解决人们的需求,也就是所谓的人机交互第二阶段。

  而这个阶段的现状,从技术上来说,基于先进自然语言处理技术的智能助理服务行业仍处于起步阶段,特别是To
B的行业智能助理还处于一片蓝海,若能抓住这个机遇,AI行业将再度诞生多家独角兽企业。

  于是,无论是京东还是阿里,包括小米都开始拼了命的做智能音箱。

  然而,这注定是一个巨头的游戏,尽管巨头的付出不一定有回报。

  历史的经验证明,智能助理利用自然语言处理技术去直接服务C端用户已有尝试但效果不佳。

  首先由于C端用户的需求极其发散,不具备收敛性。智能助理很难覆盖众多个性化服务和长尾服务,需要人工助理协助,这样智能助理就并不智能,反而显得有点“智障”,带来很高的人力成本,从长远来看并不可持续。

  或许,聚焦于标准化服务才是To C
的更好选择,比如,因为在订票、购买礼物、约车、定咖啡、日程提醒、查询等标准化服务上,To
C的体验更佳,可执行度高,就像让智能助理查询天气很容易,但如果问它这个天气会不会造成航班延误可能任何智能助理就无能为力了。

  毕竟任何一个巨头都无法回避的一个客观事实是,语义的歧义和多义是短期内很难解决的问题,说到底就是现在的智能助理没有具备逻辑推理的能力,这就使得To
C的服务很难做到极致。

  其次To
C服务过程中往往会涉及到大量的线下环节,比如定外卖、送鲜花等都会涉及大量第三方线下服务,一旦第三方服务质量无法保证,将极大损害用户体验。比如你定的鲜花中途出现了意外该如何对用户进行解释,这是个问题,毕竟线上AI智能助理公司很难解决由线下O2O体系导致的用户体验问题。线下环节的加入让业务流程更加复杂。