AI路还很长，真正变电力还需要这些努力

正文

请到「今天看啥」查看全文

爱迪生确实是个备受争议的角色，不过在推广电力时他却遵循了非常简单的原则：那就是打造用户需要的产品，找到把产品卖给他们的方式，并以此来提升他们的生活质量。其次，你还得打造用户想要的产品。爱迪生不但发明了灯泡，还搭建好了支撑这项技术的基础设施，这样电灯才顺利替代了老式汽灯。

【宽客网络课堂】量化投资核心技术——入门篇

1.掌握金融行业和二级市场的基础业务常识

2.掌握量化交易系统搭建的技术基础要点
3.具备进一步学习更高级课程的认知基础
4.具备跨界融合能力的认知基础

报名电话/微信：18516600808

我们公司在制定机器学习产品策略时就会参考下面的文氏图。

上图中，We can execute（我们能执行）= 我们有足够的技术储备且知道如何制造并卖掉产品，同时与对手相比有自己的优势。

Market wants it（市场需要它）= 市场上有用户需求，整个投资和商业环境有助于有争议的活动。

在甜蜜点之外的想法则一般以“如果我们做到某某，肯定相当酷”的形式出现，而这样的点子往往难以成功。

在 AI 领域，有很多理论上看起来很棒的点子，比如用 AI 来替代律师。我们的愿景则是打造一个机器学习驱动的产品设计平台。不过，怎样把自己的梦想变成现实呢？

AI 产品

吴恩达曾提出 AI 产品良性循环概念，这个理想模型模型在打造 AI 产品时相当有用。

鉴于 AI 工作时需要海量数据，因此类似个人助手这样的 AI 产品成败与否与数据量密切相关。

好产品自然会有更多用户捧场，这就意味着更多的数据和不断增强的正反馈循环。在一次演讲中，吴恩达曾表示：“谷歌和百度都有非常完善的数据采集策略，那么小型新创公司呢？它们怎么拿到 AI 产品开发中必要的数据呢？”

从这个角度来看，谷歌聊天工具 Allo 的战略意义就凸显出来了。

当谷歌推出 Allo 时，全世界（包括笔者在内）都在嘲笑它们的即时信息和聊天机器人战略。不过，如果谷歌在用 Allo 帮 Google Home 采集非结构化查询数据，我一点都不吃惊。而有了 Allo 这个数据奶妈，Google Home 想不进步都难。

对于 AI 产品和数据之间的关系，业内有个经典论断：如果你能从产品用户那里采集到海量的数据流，一款 AI 产品就会不断进步。那些不会随数据量增长不断进步的产品只能算平台或者使能技术罢了，算不得 AI 产品。

请到「今天看啥」查看全文