Как создать ИИ-стартап и действительно ли это нужно?
Искусственный интеллект (ИИ) сейчас в моде. У каждого есть свое мнение, а это значит, что может быть трудно преодолеть шумиху и разобраться с некоторыми практическими приземленными вопросами. Такие вопросы, как «Могу ли я построить новый бизнес с использованием ИИ?» и «С чего начать?».
В этом посте я дам вам достаточно информации для начала. Я начну с краткого изложения того, что такое ИИ на концептуальном уровне, не отвлекаясь на подробные знания, которые, хотя и необходимы, могут отвлечь от размышлений о вашем бизнесе. После этого я представлю четыре основных шага, которые необходимо пройти при запуске бизнеса в области ИИ.
Также стоит помнить, что шумиха вокруг ИИ может заставить вас думать, что если вы не используете его в той или иной форме, вы останетесь позади. Однако во многих отношениях ИИ все еще находится в зачаточном состоянии, и часто неясно, когда он вам подходит, а когда слишком усложняет ситуацию.
Это не значит, что вы не должны использовать ИИ, если собираетесь создать новую компанию. Есть много больших и неотложных проблем, которые ждут своего решения, и технология ИИ, даже в ее сегодняшнем виде, действительно может помочь.
Основы ИИ
Вас простят за то, что вы не знаете, как представить себе ИИ. Это какой-то робот, который ходит по вашему дому, или приложение на вашем телефоне? Возможно, это весь телефон. Многое из того, что было написано об ИИ, затрудняет понимание того, чем он является на самом деле. Кроме того, ведутся разговоры об искусственном интеллекте и машинном обучении (ML) и таких терминах, как глубокое обучение (DL). Сейчас я собираюсь затушевать различия, чтобы сосредоточиться на более широких понятиях и на том, как они применимы к задачам предпринимателей.
Проще говоря, ИИ — это часть программного обеспечения (которое может быть встроено или не встроено в робота, микрочип или что-то подобное), которое, как и многие другие типы программного обеспечения, может принимать некоторую входную информацию и преобразовывать ее в другую информацию. выход.
Единственное реальное отличие от многих других частей программного обеспечения заключается в том, что программисту не нужно давать ему пошаговые инструкции о том, как выполнить это преобразование, и он может даже не знать, что это за шаги.
Как и любое программное обеспечение, ИИ можно упаковать и упаковать несколькими способами, он может быть встроен в приложение, устройство с голосовым управлением или веб-сайт, а также во многих других вариантах. Итак, ответ на вопрос «что такое ИИ?» может быть что-то из вышеперечисленного.
Для простоты, когда я буду говорить об ИИ, я буду иметь в виду ту часть программного обеспечения, которая принимает входные данные и производит выходные данные. Важным моментом является то, что он может переходить от ввода к выводу в тех случаях, когда трудно записать четкие подробные инструкции о том, как перейти от ввода к выводу.
Это те задачи, с которыми люди традиционно хорошо справляются, а компьютеры традиционно плохо справляются, по крайней мере, индивидуально. При огромных объемах люди плохи во всем.
Общие примеры включают поиск лиц на фотографии, вывод эмоций («чувств») из предложения и сканирование результатов медицинских тестов в поисках незначительных, но значительных отклонений от ожидаемых данных.
Классификация ИИ
Вообще говоря, вы можете разделить ИИ на две категории: те, которые выполняют задачи, настолько распространенные, что они необходимы в самых разных контекстах, например, преобразование устной речи в письменные слова, и те, которые решают более уникальные задачи, такие как определение того, показывает ли набор данных о сердцебиении. признаки улучшения или ухудшения состояния сердца. Различие важно, потому что общие проблемы часто уже решены, и вы можете использовать существующий ИИ, а не создавать свой собственный.
Существующие ИИ
Есть ряд общих проблем, которые ИИ действительно хорошо решает.Например, распознавание лиц на фотографиях или распознавание речи. Поскольку это общие проблемы, уже проделана большая работа по созданию ИИ для их решения. Это означает, что вам не нужно выполнять тяжелую работу этих ИИ, вы можете извлечь выгоду из работы, которую уже проделал кто-то другой.
Крупные поставщики облачных услуг создали продукты ИИ для ряда распространенных задач, которые вы можете использовать по модели «плати по мере использования». Например, Rekognition от Amazon, Face API от Microsoft и Vision API от Google.
Между прочим, тот факт, что эти сервисы основаны на искусственном интеллекте, не имеет для вас значения, если вы их используете. Все, о чем вы заботитесь, на самом деле, это то, что это дает вам хорошие ответы.
Прежде чем приступить к созданию собственного ИИ, посмотрите, есть ли уже созданный и упакованный таким образом, чтобы вы могли его использовать.
Пользовательские или индивидуальные ИИ
Вторая категория — это настраиваемые или специально созданные ИИ. Здесь начинается самое интересное. Если вы пытаетесь решить проблему, которая недостаточно распространена, чтобы существующие решения были легко доступны, вам необходимо создать свой собственный ИИ.
На абстрактном уровне это на самом деле довольно просто, но, как и в большинстве других вещей, очень быстро становится сложно, когда вы углубляетесь в детали. Я пытаюсь избежать здесь программных деталей, поэтому в основном буду придерживаться абстрактного уровня. Но мне нужно немного углубиться в детали, чтобы объяснить две концепции: создание сети и обучение ее созданию модели.
Короткий экскурс в детали ИИ
Существует несколько различных технических подходов, но на данный момент наибольшее внимание уделяется нейронным сетям. Нейронная сеть — это целый набор смоделированных нейронов, соединенных между собой. Сигнал отправляется на первый набор нейронов, который может сигнализировать или не сигнализировать другим нейронам, и так далее. На другой стороне сети формируется выходной сигнал. Например, выходным сигналом может быть список лиц на фотографии.
Создание нейронной сети состоит из двух шагов: создание сети и ее обучение.Чтобы создать сеть, вы должны выбрать, сколько в ней нейронов и какие связи между ними.
После того, как вы создали нейронную сеть, вы должны ее обучить. Его обучение означает настройку каждого узла с помощью математической функции, которая сообщает ему, когда передавать полученный сигнал, а когда нет. К счастью, вы не делаете это вручную, что было бы крайне непрактично.
Чтобы на самом деле обучить нейронную сеть, вы обычно используете обучающую среду, чтобы передать вашей сети большое количество обучающих данных, чаще всего сообщая ей, каков правильный вывод для этих данных. Структура обучения создает математические функции для каждого нейрона.
Сочетание размера и связи нейронов с этими функциями называется моделью.
Когда у вас есть модель, вы можете загрузить ее в несколько контейнеров, и появляются стандарты, которые позволяют загружать вашу модель в веб-приложения, мобильные приложения и так далее.
Если вы хотите узнать больше о технической стороне искусственного интеллекта, ознакомьтесь с разделом «Что такое машинное обучение?», а если вы хотите начать программировать самостоятельно, лучше всего начать с 10 шагов на пути к глубокому обучению.
С точки зрения того, кто пытается разработать ИИ для использования в бизнес-контексте, самая большая проблема, с которой вы столкнетесь: какие данные вам нужны и где их можно получить?
Совет для тех, кто создает стартап на основе ИИ
Теперь, когда мы немного разобрались с тем, что такое ИИ, мы можем поговорить о том, как создать стартап на основе ИИ.
Есть четыре основных шага:
- Проверьте соответствие решения проблемы
- Сыграйте в игру по сбору данных / созданию ИИ
- Создайте свой продукт
- Разработайте средства для улучшения вашего ИИ
Проверьте соответствие решения проблемы
Как и в случае любого стартапа, если вы не решаете проблему, за которую клиенты готовы платить вам, у вас нет стартапа.
Прежде чем зайти слишком далеко, важно проверить и убедиться, что есть люди, готовые платить за то, что вы планируете построить, и что действительно возможно построить то, что вы задумали.
Вы можете проверить, сможете ли вы найти людей, готовых платить за ваше решение, используя ряд решений, таких как традиционный подход к бережливому производству или метод, подобный нашему спринту по дизайну продукта. Важно отметить, что одна из приятных особенностей ИИ заключается в том, что довольно легко создать простую версию вашего решения, используя реальных людей или прототипируя MVP с комбинацией существующих компонентов.
Очень часто комбинация существующих сервисов искусственного интеллекта (например, от Google/Amazon/Microsoft), существующих сервисов, не связанных с искусственным интеллектом, и нескольких человек, выполняющих ключевые действия, может сформировать прототип, имитирующий задуманное вами решение, что позволит вам протестировать решение продукта до вы берете на себя обязательство построить полностью на ИИ.
Это поднимает вопрос, действительно ли вам нужно создавать ИИ? Просто потому, что ИИ — это подход к решению вашей проблемы, он может быть не единственным способом сделать это. Каждый случай индивидуален, но на этом этапе, когда вы используете реальных людей или какой-либо другой способ проверить свою проблему, остановитесь и задайте себе следующий вопрос: «Что такого в моей проблеме, что означает, что ИИ лучше, или даже единственное решение?»
Это сложнее, но также важно выяснить, можно ли создать ИИ, от которого вы будете зависеть. Не для каждой проблемы можно легко создать ИИ. Самостоятельно это сделать сложно, но вы можете обратиться к тому, кто может помочь вам провести несколько тестов с вашими данными, чтобы проверить, возможно ли это (мы будем рады помочь вам!)
Сыграйте в игру «Сбор данных/Создание ИИ»
Если вы достигли точки, когда вы знаете, что ваши клиенты существуют (и как с ними связаться), и у вас есть некоторая уверенность в том, что ваш ИИ может быть создан, пришло время приступить к созданию первого поколения вашего ИИ.Как я упоминал выше, вам нужно собрать некоторые данные, проверить их, чтобы убедиться, что они полезны, а затем спроектировать модель и обучить ее.
На практике стоит осознавать, что во многих случаях работа, необходимая для поиска, обработки и управления данными, является самой большой и сложной частью проблемы. Обучение модели часто требует компьютерного времени, но для сбора и понимания данных по-прежнему требуется человеческий интеллект (по крайней мере, на данный момент), и именно на это вы должны рассчитывать потратить большую часть своих усилий по решению проблем.
Создайте свой продукт
Если повезет, на данный момент у вас есть работающий ИИ, но вашим пользователям не так-то просто добиться своей цели. К настоящему моменту вы, вероятно, привыкли говорить об обученных моделях, но вряд ли это сделают ваши пользователи.
Бьюсь об заклад, они хотят взять свой телефон и запустить приложение, или, может быть, перейти на веб-сайт или даже поговорить со своим домашним помощником, активируемым голосом.
Это означает, что вам нужно упаковать свой ИИ в продукт. Что-то, что имеет пользовательский интерфейс и, вероятно, делает несколько других вещей помимо того, что делает ИИ.
Помните, хороший продукт решает реальную проблему. Бесполезно иметь ИИ, который может просто посмотреть на фотографию и сказать вам, где находятся лица. Если ваша реальная проблема состоит в том, чтобы помочь людям узнать имена по коллекции фотографий, вам нужно сделать немного больше.
Например, вы хотели бы внедрить этот ИИ в продукт, который показывает вашим пользователям исходную фотографию с рамками вокруг лиц и, возможно, просит их написать имя каждого лица в текстовом поле. Таким образом, он может показать им серию карточек, чтобы запомнить имена всех, с кем они собираются встретиться, когда они идут на свадьбу, на которую их новый парень только что попросил их сопровождать.
Разработайте средства для улучшения вашего ИИ
Чем лучше данные вы можете предоставить ИИ при его обучении, тем он лучше.
После того, как вы запустите свой замечательный новый стартап, вы обнаружите, что начинаете собирать гораздо больше данных.Данные, которых у вас не было, когда вы впервые обучали свой ИИ. Можете ли вы использовать это, чтобы улучшить свой ИИ и повысить его точность? Конечно вы можете.
Вы, наверное, догадываетесь, что это не так просто, как кажется. К счастью, это тоже не суперсложно. Это просто требует некоторого размышления и некоторого внимания. По своей сути это итеративный процесс. По мере того, как вы собираете больше данных, вы хотите захватить их для создания своих обучающих данных, а затем время от времени использовать эти данные для обучения обновленной модели.
Итак, вам нужно подумать о том, как вы собираетесь собирать и хранить эти данные? Как часто вы собираетесь переобучать свой ИИ, и когда вы это сделаете, как вы собираетесь проверять, лучше ли новое поколение, чем старое?
По большей части это вопросы, ориентированные на детали, а не сложные вопросы. Лучший совет здесь — поднять эту тему с командой, создающей ваш ИИ. Они смогут помочь вам разработать передовые методы сбора данных, а также передовые методы развертывания и тестирования обновленных моделей ИИ.
Резюме
Моя цель в этом посте состояла в том, чтобы дать вам основы ИИ, чтобы вы чувствовали себя способными продвигаться вперед по любой идее, которую вы рассматриваете. Двигаться вперед может означать начать тестирование и создание собственного ИИ, или это может означать вопрос, нужно ли вам вообще идти по пути ИИ. Если да, отлично, это отличный вопрос.
В любом случае, вашим следующим шагом, вероятно, будет разговор с вашей технической командой. Если у вас нет технической команды, вы можете обратиться к кому-нибудь за дополнительной информацией и получить ответы на свои вопросы.
Имея опыт создания проектов, понимания наборов данных и работы с ИИ, мы можем помочь вам с вашими вопросами. Мы будем рады помочь с вашими вопросами, и кто знает, может быть, мы сможем работать вместе. Свяжитесь с нами, мы будем рады услышать от вас.
Если вам понравился этот пост, вам также могут понравиться:
- Пользовательское тестирование сошло с ума: руководство по корректировке курса
- Учись меньше, делай больше
- Как лучше проводить интервью с пользователями
Сделаем ваш продукт и команду успешными
Независимо от того, являетесь ли вы новым основателем, крупным предприятием или кем-то средним, мы будем сотрудничать с вами, чтобы довести цифровые продукты от проверки до успеха и научим вас, как это сделать.
© 2022 thinkbot, Inc. Дизайн робота и мыслебота являются зарегистрированными товарными знаками Thoughtbot, Inc. Политика конфиденциальности
