如果你想成立一家人工智能公司

机器并没有"思考"。但是，计算机确实具有一台等效于"思维"的有用机器，这就是数学。人类思考的一种方式是数学，而计算机思考的唯一方式是数学。是二进制的，汇编语言是基于数学逻辑的，从回归到神经网络的所有内容都基于数学基础。所有计算机科学都是应用数学，人工智能也不例外。一种特殊类型的数学（统计）是所有现代AI的基础。

由于数学是AI的基础，因此大多数AI解决方案都遵循特定的模式。因为计算机在数学中"思考"，所以如果我们想让AI解决现实世界中的问题，我们必须首先将其转化为数学。如果我们可以提出将人的问题"转化"为机器问题的公式，那么该问题非常适合用AI解决。如果您想建立一家AI公司，则应定义AI的"目标"，并有量化的方法来实现该目标。定量地解决问题后，您将能够训练一个AI来解决给定数据的问题。在评估一家人工智能公司时，我总是尝试看看它如何适合这个框架。如果没有，我会怀疑。

为了说明该框架，小编将使用Netflix推荐引擎的简化版本（该引擎会建议您喜欢的电影）。该框架的第一部分是明确定义的质量目标。对于Netflix，该目标是向用户推荐相关电影。接下来，也许对AI问题最重要的是将定性目标转换为定量近似值。在Netflix推荐引擎的情况下，一种简化的方法是最小化预测的星数的平方和减去实际给出的星数。

例如，如果Netflix预测您将The Crown评为3星，而您实际上将其评为5星，而Netflix也认为您会给予Arrested Development5星，但您给它4星，则分数将是（5-3）^ 2 +（5-4）^ 2 =5。此函数称为"目标函数"（在这种情况下，它可能是称为"错误函数"），而Netflix希望将其最小化，以便可以最佳地预测客户的口味。接下来，我们将模型公式化为自然可能存在的结构的"猜测"。对于Netflix，该模型会考虑其他类似用户对电影的评分，并使用这些评分来预测您的喜好。然后，为了追求最小化（或最大化）目标函数而对模型进行优化。最后，我们需要数据，对于Netflix，这是所有用户的星级。

许多伟大的AI公司都遵循这种模式。以Google ，原始的的定性目标是根据相关性对全球网站进行排名（首先是对学术论文进行排名）。更定量地讲，Google通过查看互联网的超链接结构创建了一个目标函数和模型。与网站的链接越多，它就越被认为与之相关。在最早的化身中，该算法已针对收敛进行了优化。输入的数据是互联网的所有超链接。Google在以后的迭代中添加了功能，例如用户实际点击的结果。

深度学习也有类似的模式。如果您有明确的目标，则深度学习会很好地发挥作用。例如，如果要确定图像是否是狗，则具有非常清晰的可量化目标函数：如果是狗，则为" 1"，否则为" 0"。

当某人想成立一家人工智能公司时，首先要问的是该公司将朝着哪个目标优化。第二个问题是该目标的定量替代："目标函数是什么？"在确定目标函数之后，有必要讨论模型，优化策略以及公司如何获取必要的数据。尽管此框架无法解决AI问题，但它以有条理的方式解决了问题。工程师倾向于将重点放在算法和优化上，而不是定性和定量的目标。非工程师经常会高估AI的功能，而无需严格量化他们要实现的目标。

人工智能的每个利益相关者都可以从基于此框架的问题中受益。如果我是一名AI工程师，在我有一个可以量化的明确业务目标之前，我不会努力创建一家公司。如果我是非工程企业家，我将与一名工程师一起严格考虑目标函数，模型和优化方法。如果我是买家，我将确保组织对交付的内容以及如何量化成功具有特定的意义。

如果您要使用AI构建东西，请量化。

喜欢本文和喜欢小编的亲们别忘了点赞，评论和关注哦！鼓励一下小编吧