这里是油管 Artificial Intelligence Education 专栏，原作者 Siraj Raval 受权雷锋字幕组编译。
原标题 How to Start an AI Startup
大众号/AI研习社 翻译 | 李振 J叔 余杭 字幕 | 凡江 整理 | 廖颖
我们正处在一个AI大反动的末尾，每周都有新的创新呈现。例如 Tetra 应用语音辨认技术，从你的手机中生成详细的笔记；Hyper Science 经过应用 OCR 从表单中轻松提取数据；Jet Lore 应用消费者行为作为一个模型的输出，输入构造化数据。在本期视频中，我将结合本人的创业经历，通知你们如何启动一个 AI 的创业项目。
引荐的学习资料
如今是 2018 年，假如你希望往年参加创业大军的话，首先就要学习 AI。假如你本人不理解这个神奇的技术是怎样任务的话，你不能够发明出 AI 处理方案。假如你刚刚开端看教程，记得依照这个顺序——先学习面向数据迷信的 python，接着是 Tensorflow 的引见，接着是 Deep Learning 的引见，最初是关于人工智能的数学知识。
另外 ，Andrew Ng 的最新 Deep Learning 课程是必选项，Jeremy Howard 的Fast.Ai 课程也十分棒。我最喜欢的关于深度学习的书是 lan Goodfellow 著的 Deep Learning。这本书的电子版是收费的，它对你了解关于 Deep Learning 的数学知识十分有协助。Deep Learning 被证明在普遍的范围内，可以协助每一个其他的机器学习模型。
所以，关于 AI 的炒作是有道理的。但是你需求确切地晓得，其他机器学习模型是怎样任务的。在无法获取少量数据的状况下，你只能树立一个复杂的预测模型。这种状况下，支持向量机，甚至一个复杂的决策树，都比深度神经网络更有用。
晓得什么时分用什么模型的独一办法是，树立关于 AI 的直觉——这种直觉在学习和掌握少量 AI 知识资源后才干失掉。当掌握了构建 AI 算法的全貌时，你需求找到一个激起你浓重兴味的成绩去研讨——世界上大少数成功的公司都是从处理成绩开端的。
记载遇到的成绩
记载你和你冤家面临的成绩，以及在生活中亟待处理的成绩吧，这会是十分好的选择。这些成绩困扰着你关怀的人，于是你就会有处理它的热情。
假如没有好的想法，你可以运用社交网络自动寻觅想要寻觅处理方案的人。应用关键字或关键词，找到人们发布的遭遇很大挫败感的话题，例如我该怎样做，寻觅成绩处理方案，或许关于这个任务做的不好等。你可以在 Reddit 或 Twitter 等社交媒体上找到这些信息。
读万卷书，行万里路
我以为最好发现成绩的办法是游览，和不同人接触。我在前几年曾历时三个月周游欧洲，在伦敦偶尔碰到了 Alex macaw，他给了我启示，让我在大学前几年的主修方向，从商学转为计算机迷信。这是我这终身最重要的改动，才干让我成立了机器人创业公司 Lucid Robotics。
我在剑桥读三年级的时分，在南亚和西北亚游览了四个月。这次游览协助我以不同的角度对待同一个事物。分开硅谷当前，我会亲身去发现人们面对的成绩，他们日常的生活成绩，关系到根底设备、商业活动，当然还有教育，对我的影响十分大。外地人停止许多复杂的交流，最终构成了我本人的想法，构成了一个大的方案——即关于AI的教育。
后期调研
像马斯克说过：“创业就像披荆斩棘，筚路蓝缕”。假如你对处理一个成绩没有热情，你就无法坚持。当遇到不管多少负面的评论。我总持保存意见，由于这不是针对我的，而是针对处理 AI 成绩的。一旦你有了待处理的目的成绩，就该做一些市场调查，包括你的客户，他们在哪里购置，他们的接受才能，这是产品还是效劳，配置的花销，市场的历史怎样样等等。
这方面的内容可以参考 dot.com （ 互联网 ）和大数据剖析公司。依据发布的关于普通 AI 创业公司的报告，AI 型创业公司大致分为两类：第一类是程度方向的 AI 创业公司，次要针对效劳于不同行业的根底成绩，比方自然言语处置；第二类是垂直方向的创业公司，针对十分详细的客户群体，为他们处理成绩，属于一类详细的行业。
每个主流的技术公司都十分注重 AI，他们雇佣 AI 方面的大牛，从 Hinton 到 LeCun 都是天赋。他们多年来从用户那搜集了少量数据，而这些只对他们本人的研发团队开放，因而这些迷信巨人拥有宏大的优势。他们树立程度方向的产品，可以被用在很多行业，例如图像辨认，言语翻译或许其他的根底设备。
而你所拥有的优势，是可以依据一个独立的成绩，针对垂直方向的范畴展开疾速的举动。他们没有工夫去处置复杂的小成绩，但是你有。
总的来说， 他们关注客户多过于关注企业，你可以协助企业，树立团体主页，描绘你的产品，注册取得发布版本，在社交网络上发布它。一个提升你产品认知度的办法，是提升你本人的抽象，把本人包装成一个 AI 思想首领，树立博客或许其他方式答复 AI 的根底成绩。当你注册时，让观众看到，假如你做的十分好，你产品的价钱也会跟着增长——它和你可以提供的成反比，这至关重要。
寻觅数据
假如你将 AI 从公司剥离，但假如在正确的轨道上的话，它仍是一个有价值的产品。假如 AI 是你独一的东西，没有消费者或许投资者会称心的。当你开端市场调研，就是树立你产品的最佳机遇。树立模型的时分，你需求尽能够地组织和标注你的数据——高质量的数据常常是机器学习流水线中最重要的局部，重要水平甚至超越模型构造——在渣滓中剖析渣滓什么也得不到。
最复杂的办法是寻觅发布的数据，Github 上有十分棒的数据库，California Irvine 有宏大的 ML 数据资源库，Kaggle 也有很多很棒的数据。假如这些都不论用，用你已有的数据树立本人的数据库，例如当你尝试着对手写字体停止分类，你可以经过添加噪声的办法，从曾经存在的数据中生成新的数据。假如你有未标注数据，经过 Amazon 的 Mechanical Turk 停止众包是一个好的选择。你可以找人来标注他们。另外还有像 data circle 这样的数据市场，你可以直接从其别人手中购置或许交流数据。
最初，假如你够有创意，可以应用 scrapy 库或许 web service 来编写 python 脚完成自动抓取数据，就像在 diggernaut.com 上一样。当你开端树立模型，Tensorflow 依然是最能禁受考验的机器学习框架。Tensorflow 的生态圈有一大堆的工具，比方 产品化的 Tensorflow Serving。建议一个模型，用你的数据经过 AWS google cloud 或许 FloydHub 来训练这个模型。应用你的模型停止预测——这就是你的产品。数据越多意味着算法越智能，同时也意味着产品AI已经渗透到了生活中的方方面面。在智能交通领域，人工智能技术也正在发挥作用。更优秀，用户更多以及数据越多，这个环状后果往复循环。
融资
融资是一个减速拓展业务的办法，或许 ICO 圈子如今十分抢手，但假如你长工夫处身其中，能够发生法律成绩，这里就不谈了。我的一个冤家—— Aetherium 的第一个设计者，他不希望给他的公司做 ICO，于是采用众筹的办法筹钱。
我们可以发现他的做法很具有启示性，我有一篇文章，详细地描绘了这件事。风险投资（VC）是另一选项，经过反复运用一些盛行语来使 VC 投资人置信你的产品很棒。其中，最好的 VC 投资人可以很好天文解你的产品，所以你需求预备好向他们解释其中的技术。
假如你可以在一些高档的中央和 VC 投资人交流，阐明你曾经取得了一些现金流；假如没有，就不必。这就是我在纽约被那么多 VC 投资人回绝的缘由——我还没证明我的机器人可以有很好的销售市场，因而我并没有失掉很多的投资，我所做的是树立一个受众群体。我可以承受被挑剔，但是我如今不关注融资。
招聘
接上去是招聘。极多数的天赋散布在全球各地，所以从 kaggle 的全球排行榜招人是有道理的，即最招最有用的人 —— 我很难找到合适协助我编辑视频的人。假如你真心喜欢一件事情， 是很难保持的。假如你找到适宜的人，事情变得复杂了。
Steve Jobs 说过，最快乐的事情是你拥有一个中心团队——能够是 10 个优秀的人。它是可以自控的，某种水平上，你可以选择加入。不管之后是被 Aqua 或其他的大型技术公司雇佣，还是被 IPO 雇佣，假如都没有，可以走征询公司这条路，只是没有开发产品那么具有引诱力，但是找几个冤家开一家征询公司总能填饱肚子，失掉一些初始用户，渐渐做好品牌，证明本人。
视频旧址 https://www.youtube.com/watch?v=9bbS-trc8ys