让我们不要建立一个人工智能泡沫！
让我们不要建立一个人工智能泡沫！
原文：https://medium.com/hackernoon/let-s-not-build-an-ai-bubble-9f37c828e050
我们应该和不应该从人工智能公司那里期待什么，以及我们如何避免建立另一个科技泡沫？
上周我在看《T2》《T3》《T4》这部大短片(旁注——一部精彩的电影！该片从一些意识到泡沫即将破裂的人的角度，描述了导致全球金融危机的事件。
令我感兴趣的是，最终导致金融体系崩溃的许多金融工具，实际上并不是被创造为邪恶的。但是通过抄近路，没有知识或动力去做作业的人最终会成为定时炸弹。这是一种复合效应，当时的小选择看起来并不重要，但随着时间的推移，会呈指数增长，成为一笔巨大的资本(或债务)。
股市泡沫不会凭空产生。他们在现实中有坚实的基础，但现实被误解扭曲了。
乔治·索罗斯
我还意识到，我们的初创公司首席向导正处于一个日益热门的领域，即人工智能领域。这本身并不是一件坏事。这意味着投资者、竞争对手和潜在的合作伙伴会认真对待我们，从而为我们带来资本和机遇，否则我们可能会一无所获。这意味着我们相对容易获得媒体报道或 SEO 流量。
但是也有不好的一面……随着围绕人工智能的讨论变得越来越主流，我们会在这个问题上看到很多没有根据的、不完整的或错误的“事实”。因此，在这篇文章中，我想解决我遇到的一些误解，并展示“人工智能”的真正含义，并确保我们不会基于人工智能公司能做什么和不能做什么的错误想法，过度夸大人工智能公司的承诺。
在关于这个主题的下一篇文章中，我想诚实地看看许多人工智能公司(包括我们的公司)的幕后，以及他们的“假装直到你成功”文化如何帮助人工智能创业公司长期繁荣。
但是让我们从一些人工智能的误解开始。
你说人工智能，但你的意思是…
首先，我们不要再用 AI 这个词来形容一切了！“好莱坞”人工智能或人工智能是一个真正的运行在硅上的超级人脑。一个能够思考、推理、梦想，最重要的是能够自我完善的大脑。使用这个术语经常会描绘出错误的画面。因为我们今天在身边看到的大部分“AI”其实都是机器学习。对数据进行运算以获得“统计”见解的数学表达式…没什么可怕的！
甚至像赢得《危险边缘》的 IBM 沃森机器这样的先进系统也不是真正的人工智能。如果我们在 IBM 网站上查看，我们会看到以下对他们实际工作的描述:
“IBM Watson 是一个技术平台，它使用自然语言处理和机器学习来揭示来自大量非结构化数据的见解”
换句话说，它们是一套算法，其参数经过训练，可以从一大块非结构化文本中获得结构化数据(因此，可以考虑检测年份、姓名和名词，并将它们放入数据库，并将这些概念链接在一起)。现在，在一些机器学习领域，如神经网络，确实从大脑的实际工作方式中汲取了很多灵感。但是称之为人工智能和称飞机为鸟是一样的。是的，这架飞机已经过优化，在飞行和运输负载方面非常出色，事实上比鸟还要好。然而，如果我们要求它独立生存，它将会悲惨地失败(事实上，它甚至不会注册请求:P)然而，这里需要注意的重要一点是，如果人和机器之间存在共生关系，就可以实现伟大的事情！通过利用我们的机器朋友的可扩展、持续和无感情的品质，并将它们与我们的情感、想象力和多功能性相结合。
现在我们正飞速向真 AI 迈进！这是好事还是坏事完全是另一个讨论，但埃隆·马斯克已经涉足人工智能研究领域的事实应该会给我们面前的巨大变化提供一些指示。但是要记住；还没有！仅仅因为有人经营一家“人工智能”公司并不意味着他们会毁灭世界。也不意味着它们能帮你点石成金，这就引出了我的下一个误解…
有一个人工智能！
现在，我听到的另一个误解是“我们已经保存数据多年，现在已经在我们的大数据上使用了这个伟大的机器学习算法，我们已经得出结论
这个句子有两个错误。首先，这是一个概念，仅仅因为你有很多数据，就有有用的数据。您可能收集了错误的数据、有偏见的数据或高度随机的数据。如果不了解数据包含什么，如何获得，以及挖掘有用的信号，就很容易使用错误的算法并得出错误的结论。
第二个错误是相信只有这个简单的算法或人工智能系统可以使用。我认为，特别是随着“泡沫人工智能创业公司”的崛起，这种说法将会越来越多。是的，有很好的工具包和算法，但它们需要与性能基准和 AB 分割测试(ML 术语中的交叉验证)以及对 pro 的 en con 和应用领域的良好理解相结合，才能真正实现价值。它们不仅仅是你运行一次的算法，而是你不断优化和改进新的数据。这就是为什么除了你的“数据”之外，你还必须建立一个验证循环。我将在下一篇文章中详细阐述这一点，但这与你如何验证你的核心指标非常相似，正如汉普斯·雅各布松的这篇文章所描述的
最后但同样重要的是，第三个误解…
我们是一家人工智能公司
我认为这是我们会越来越多地听到的事情。如果投资者(或者更糟糕的创始人)缺乏对他们如何使用机器学习来实际交付价值的理解，他们将开始简化和概括，以至于每个人工智能公司都被扔在一个大堆上。
当然，现在的问题是大多数人工智能公司实际上并不完全一样。有些可能专注于自然语言处理，有些则专注于数据聚类。在这些公司如何传递价值以及如何实现盈利和增长方面，也有很大的不同。 Shivon Zilis 写了一篇关于不同类型的机器学习公司的伟大文章，随着空间的发展，我们应该开始看到更多的刻板印象，而不是更少！
但是未来是光明的…
如果你对人工智能公司感兴趣或者正在考虑投资它们，请确保做好你的功课。即使你不是技术专家，也有好书(像这本书)可以帮助你至少理解足够多的东西，让你感觉到什么时候事情不对劲(或者当然不对劲！).我真的相信，我们将会看到一些令人惊叹的新公司以独特和令人兴奋的方式创造价值。当然，我们也在努力让首席巫师成为他们中的一员！
在下一篇文章中，我将更多地谈论许多人工智能公司是如何选择起步的，以及这个看似欺骗性的过程是如何对理解问题和提供长期真正价值至关重要的。
— Rik Nauta ，首席执行官首席向导
