本文转载自大众号“读芯术”(ID：AI_Discovery)。

我是一家人工智能草创公司的技能联合开创人，可是咱们并未取得成功。Pharma Foresight着眼于医药商业智能范畴，下面是咱们的电梯广告：

咱们有一个很强壮的团队，并选用精益创业战略进行快速迭代;咱们与各种不同的利益相关者进行了挨近100次的访谈，以确认前期的产品购买者并验证了他们对咱们产品的需求;仅仅4个月后，咱们就与一家大型制药公司的全球出资组合办理办公室协作，该公司支付了咱们构建模型的费用，咱们也保存了一切的知识产权。

可是，虽然遵从了许多草创公司的成功阅历，PharmaForesight仍是失利了。由于时运不济和判别失误，咱们终究并没有成功。

这次失利让我更明晰地清晰了一个道理：人工智能草创公司与SaaS草创公司选用的战略和办法是有奇妙的差异的——但这并没有得到广泛认可。这篇文章的意图便是叙述咱们曾犯的过错，防止更多的AI草创公司重蹈覆辙。

首要，什么是人工智能草创公司?

有许多草创公司宣称他们运用人工智能，但实际上，他们运用的仅仅外包的人工劳动力或是根本的计算技能。伦敦MMC Ventures的一项研讨发现，40%的所谓人工智能草创公司实际上并没有运用人工智能。

而本文的观念是，假如没有相对现代的机器学习技能，人工智能草创公司是不或许存在的。比方，Poly.AI假如没有深度的学习算法就不或许存在。

这与那些只要部分产品运用了AI的公司形成了鲜明对比。例如，Spotify就在机器学习上投入了许多资金，并且机器学习现在已成为其战略的中心。可是，Spotify在以一种和谐的办法运用机器学习之前就现已存在了。对我来说，它更像是一个SaaS公司。

从这个视点动身，我将向你介绍我在兴办人工智能草创公司中学到的一些阅历。

1. 专有数据是要害

图源：unsplash

在商业情形中，考虑人工智能的最佳办法是将其视为一种底层的支撑技能，就像20世纪80年代呈现的SQL数据库相同。SQL发明了价值数十亿美元的职业，比方客户关系办理。相同，人工智能将发明新的职业，并在许多商业用例中完结改进。

与SQL数据库相同，人工智能也依赖于数据。数据远比算法重要，这一点是公认的。高质量的专有数据对人工智能草创公司来说至关重要。

过后看来，咱们的数据战略是过错的。开端，咱们选择了更快更简略的办法——在揭露的数据上构建东西的第一个版别。清洗和转化数据为机器学习做好预备，这花费了许多的时刻，而其时的咱们认为这其中有必定的牢靠性。咱们还认为，一旦咱们取得了必定的可信度，那么拜访更风趣、更牢靠的专有数据集就要简略得多了。

事实证明，这些假定中有许多都是过错的。当开端构建模型时，咱们找不到任何人来处理这个问题，但当咱们完结模型构建时，又呈现了许多竞赛对手。即便咱们的算法更准确，也难以与更老练的竞赛对手区别开来，尤其是好像咱们都运用了相似的数据。

构建模型好像并没有让拜访专有职业的数据集变得更简略(虽然咱们其时资金竭尽，不然咱们无疑能够对此进行更彻底的测验)。对人工智能公司来说，拜访专有数据集肯定是要害。

一般来说，有三种获取专有数据集的办法，并且它们不会彼此排挤：

• 经过创建初始产品或服务的办法来搜集数据，当用户与之交互时，该产品或服务会生成数据，这些数据随后能够用于改进产品或服务。例如Facebook、谷歌、Spotify和其他许多相似的网站都是这样。
• 经过手动搜集一个小型专有数据集的办法来搜集数据。这种办法能够用来练习初始的机器学习模型，此刻模型需求体现得满足好，才干至少满意一些前期购买者的需求。随后的协作关系将使数据搜集的规划得以扩展，然后能够改进模型等。Hoxton Analytics便是选用这种办法的公司之一。
• 与数据持有者(一般是大公司或公共组织)进行买卖。例如，Sensyne Health现已与英国的几个国民医疗服务联合体(NHS Trusts)达成了一项买卖。

在这三种选择中，我引荐第三种，原因如下：

• 假如你选择第一种，阐明你并不是一家人工智能草创公司。由于你能够在没有人工智能的情况下供给服务，所人工智能关于你所能做的工作明显不是必要的。当然，人工智能或许会极大地改进你的产品或服务，但它有必要满足优异才干够搜集到许多的用户数据。
• 假如选择第二种，仍是很有或许创建一个人工智能草创公司的，可是为了能让成功几率最大化，初始数据集需求满足的利基商场，或许与现有的处理方案比较，你的办法需求满足立异。遵从这种办法的危险在于，在开展协作伙伴以搜集许多数据之前，你的主意和数据集很简略被竞赛对手仿制，特别是当你处理一个广为人知的用例时。

这么看来，创建人工智能草创公司的要害途径就剩余第三种了——与大的数据持有者进行买卖，以获取他们的数据。这便是绝大多数人工智能草创公司都是B2B的原因。

大型组织和公司一般行动迟缓，与他们买卖一般需求必定的时刻。是否答应另一家公司拜访数据或许存在道德或商业上的顾忌，这个问题也有待处理。但总的来说，公司会越来越意识到他们所持有数据的价值。

当然，还有一些人工智能草创公司并没有遵从上述任何一项选择，而是凭仗本身算法的优势取得了不错的成绩，例如DeepMind(2014年被谷歌以5亿美元收买)和MagicPony(2016年被Twitter以1.5亿美元收买)。但这条路是很困难的，在没有专有数据集的情况下，要坚持竞赛优势要困难得多。

2. 为人工智能草创公司筹措资金十分困难

筹措资金是创业进程中最困难的部分之一。这一进程中其实包括许多技巧：讲好故事、推销、商业脑筋、法令等等。为一家人工智能草创公司筹措资金则分外有挑战性。

图源：unsplash

咱们本来认为，假如创业的主意和团队满足强壮，并且有满足的吸引力，那么咱们就能够筹措到资金。可是，咱们大错特错了。

创业之初时就考虑或许的资金投入至关重要。不同的赞助者有不同的方针和约束，从一开端就认识到这些是很重要的。前期创业的两大出资人是：

• 技能危险出资(VC)——对前期公司的组织出资者。在创业初期，他们首要注重三个方面——强壮的团队、巨大的商场规划和杰出的初始吸引力。

巨大的商场规划至关重要。由于风投一般会将许多资金投入危险极高的企业，他们会估计自己的大部分出资都会破产。所认为了出资成功，他们不只需求看到超越10倍的报答，还需求看到时刻周期在5年之内的报答。这意味着现在风投支撑的公司一般是专心于推翻大型职业的SaaS草创公司。

假如你接受了风投，那么开创团队一般对公司的控制权较小。大多数风投者坚持持有优先股(假如公司以低于他们出资价值的价格出售，那么你能够回收股权)和脱节开创团队的才干(虽然这一点很少饯别)。

• 天使出资者——天使出资者的方法和规划各不相同。有的期望与风投一同出资，有的则期望能供给更安稳的资金。天使出资一般意味着你保存对自己的企业具有更多控制权。在英国，除非你有杰出的人脉，或许之前有过成功的创业阅历，不然很难筹措到超越50万英镑的天使出资。大多数天使出资者会在10年左右之内退出。

依据上述的约束，为人工智能草创公司寻觅出资分外有挑战性。

首要，人工智能草创公司比起SaaS草创公司一般需求更长的起步时刻。人工智能算法依赖于数据，而大的数据持有者一般是大公司，而经过任何办法获取获取大公司持有的数据都是很耗时。即便你能够拜访数据，你不只需求注重事务开发和软件渠道(和在SaaS草创公司相同)，还需求注重人工智能算法。

考虑到你需求更专业的技能，加之更长的起步时刻，这意味着一般需求更多的资金来发动一家人工智能草创公司，这些资金需求是“安稳本钱”。对大多数开创人来说，这就排除了长时间天使出资的或许性(除非你人脉十分广)——由于所需的资金数额实在是太大了。

但当你向风投推销时，便是在与传统的SaaS公司竞赛。假如一切顺畅的话，这些SaaS公司或许会取得更快的报答。SaaS是一种很有吸引力的商业形式，它有定时的常常性收入，并且即运用户不常常运用该服务，他们也会忘掉撤销订阅。

在曩昔的十年里，SaaS商业形式对风投来说是十分成功，许多风投都陷入了这种思想形式中，但这种思想形式并不适用于许多人工智能草创公司。许多人说对咱们说：“有了订阅收入后再来找咱们。”

大多数人工智能草创公司会发现，至少在开端几年，你很难发生订阅收入，你需求选用一种彻底不同的商业形式。你的提议需求更有说服力，才干筹措更多的资金。

3. 依据用例，可解说性是要害

即便你有专有的数据集和超卓的产品，也并不必定意味着你的产品会取得成功。假如你正在兴办一家人工智能草创公司，必定要对人工智能和机器学习有必定的了解。可是，一般人并不了解这些论题，他们还或许会置疑自己的潜力。

简略来说，你需求令人信服的依据来证明你的模型能顺畅运转。现场演示或许有用。假如还不足认为信的话，那就测验运用详细的、精心选择的比如，而不是高准确度的数字。这听起来或许有悖常理，假如你有数学布景的话会更有领会。

能够解说模型的猜测将添加人们对模型的信赖。依据你的用例，能清楚地解说你模型的每一种猜测一般与准确度相同重要。可解说性是一个很广泛的论题，但总的来说，你的解说要尽或许得让人简略了解。

阅历法则是，每个个别的猜测越重要，其可解说性就越重要。

图源：unsplash

人工智能是一项令人惊叹的赋能技能，毫无疑问，它将在未来几年对咱们的日子发生难以置信的影响。但这并不意味着创建一家人工智能草创公司很简略——其实困难远非如此。

我逐步了解到创建人工智能草创公司有许多独有的困难，有许多方面没有得到充沛的注重。在创建了PharmForesight之后，我深信亨利·福特(Henry Ford)的名言：“真实的过错是咱们没能从过错中学到阅历。”

前车之鉴后事之师，咱们犯过的上述过错，期望各位能够引认为戒。