一个好的创始人能够明确区分哪条路能通向成功，哪种选择可能导致失败

崎岖创业路

原作者：Chris Dixon 翻译：梅晨斐
硅谷知名的科技创业者和投资人，曾在Bessemer Venture担任投资经理，创办的Hunch被eBay以大约8000万美元的价格收购。现硅谷顶尖风投公司Andreessen Horowitz（A16z）合伙人，作为投资人的他曾投资过Foursquare、Kickstarter、Pinterest、Dropbox、Skype等诸多明星公司。

Chris Dixon

“想法导图”的意思是，一家创业公司所涉及的所有重要决策和利益权衡的参考图谱。

“ 一个好的创始人能够明确区分哪条路能通向成功，哪种选择可能导致失败。而不合格的创始人只能沉浸在“电影、音乐、文件共享、P2P、图片社交”等一大推名词当中，而对整个行业的历史一知半解，对这个领域里目前的玩家和已经倒闭的玩家都不熟悉，对可能带来领域变革的技术也不清楚。”- Balaji Srinivasan, Market Research, Wireframing and Design

我觉得整理一份我感兴趣领域的“想法导图”很有意思。下面是我对“人工智能”这个领域的一些想法，之后将逐一详解每个模块：

想法导图

"拥有80-90%准确度的最小可行性产品”。一种传统的说法是：“机器学习是一种非常有用的技术，能够解决几乎所有问题。” 而对大部分我们遇到的问题来说，构建一个能够达到80-90%精准度的模型也并不复杂。模型构建完成之后，我们获取反馈、募集资金、获得数据、快速消亡。大部分情况下，构建一个精准度达到八成的模型只需要几个月，但是如果要继续优化并且提高精准度的话，可能需要好几年的时间。（顺便提一句，这就是为什么一些大型公司做出类似Watson或自动驾驶汽车的产品原型并没有花很多时间。但是关键是，看他们如何处理那10-20%的边缘情况。即如何处理在光线不充足的条件下，突然闯出的一条狗。）

面临这种情况时，你有两种选择。1、继续提高精准度，企图接近100%，2、在现有精准度的条件下，马上开发产品，产出的是所谓“有错误但可接受的用户体验”。

苹果iOS系统上的自动补齐，以及Google搜索引擎上的自动填充推荐，就是刚才提到的第二种选择的产品代表。当然，你可以质疑Google的搜索引擎自动填充并不是非常典型的代表，因为Google在你输入搜索关键词的时候，会自动为你提供10个可能相关的搜索建议，而不是直接给你一个相关性最高的结果。但是，构建这个一个并不完美的系统并不意味着妥协。但是，不同的精准度要求意味着产品在架构选择上的区别。（特别是，当你需要人工和机器一起工作的时候，反馈延时是非常重要的，而这点也会影响技术架构的选择。）

好的，让我们假设你选择第一条路，继续提高产品的精准度。接下来具体该如何操作呢？你无法通过简单的算法提高精准度。唯一可操作的方式是，你需要有大量的练习数据来帮助你调整产品模型，所以数据是这一切的关键。因为，一、我们已经有了精准的算法和计算资源，数据是现在唯一缺失的部分，二、。开放数据从某种方面来说，并不是很好的解决方案。最好的数据源，要么根本不存在，要么掌握在私人公司手里无法获取。“

领域细分”。多数情况下，你需要的数据的量与你希望解决问题的宽度是正相关的。所以在你真正着手收集数据之前，你需要先弄清楚你的目标领域。与其计划做一个尝试解决所有问题的机器人，不如专心完成一个能够帮助人们安排会议的智能系统。与其做一个尝试预测所有未来的云端系统，不如完成一个能够预测欺诈交易的系统。

“继续领域细分”。当你已经明确细分的领域之后，你要做的就是继续不断往深度上挖。假设你想做的产品是X，那么你要做的不是直接开发产品X，而是先开发基于X的最小产品原型。我的建议是，不断细分深挖你想做的产品，直到不能再细分为止。与其开发出最后没有人需要的产品，不如在前期多花一点一时间。扩张的事情，都可以在后面慢慢再做。

“那么具体如何获取数据呢？” 大体上也有两种获取途径。1、自己手动获取，2、通过众包的方式获取。一个典型的案例就是Google地图与Waze。Google派遣上千人每天开车去获取道路、建筑和交通的数据信息。而Waze则鼓励他们的百万用户自动帮助Waze收集数据。如果遵循Google的方式开发产品，那么你在启动产品之前就需要一笔至少上亿美金的融资支持。

所以作为一家创业公司，剩下的数据获取途径只剩两种，1、从公开渠道获取，2、众包。

从公开渠道获取的典型案例就是：Wikipedia。当然你可以狡辩说，这就像Google早期时候从各种渠道通过爬虫去爬网页链接，用来优化它的搜索算法。不过据我了解，有很多的创业公司都尝试从Wikipedia上爬取大量数据，但是没有几家公司真正做出什么成绩。

最后剩下的切实可行的办法就是：“众包”。这种方式的关键是，如何设计一套有效的机制，能够鼓励普通用户收集数据，最后反馈到产品，帮助进行优化。接下来我将以去年我们投资的一家公司Wit.ai举例，Wit想要提供的服务是，帮助开发人员解决语音转化文字的功能，以及自然语言处理的问题。1.0版本推出以后达到了部分效果，但是并不很理想。之后，公司推出了一套仪表界面和开放API，使得开发人员可以自己纠错来优化结果。所有的用户（开发人员）可以免费使用这套云端服务，同时用户会自动帮助整套系统来修复一些算法和数据上的问题。Facebook之后收购了Wit。但是他们采取的整套做法值得其他AI创业公司借鉴。

上面是我对AI领域的一些理解。以下是一些忠告：1、我在上文中提到的一些想法不完全是正确的，初衷是促进交流，而不是为了给大家洗脑，2、就像Balaji所说的，我们相信新的AI开发技术在未来将会给人们的生活领域带来非常多革命性的变革。