吳恩達出品：如何選擇你的第一個AI專案？
公眾號/AI前線
作者 | 吳恩達
譯者 | Sambodhi
編輯 | Natalie
AI 前線導讀： 吳恩達相信大家都不陌生了，這位大佬曾擔任百度副總裁和首席科學家，創立了 Google Brain 專案，還是 Coursera 的聯合主席和聯合創始人。前幾天，吳恩達 親筆撰寫了一篇博文《How to Choose Your First AI Project》，分享了他的心得：在傳統企業轉型為人工智慧企業之前，如何挑選第一個人工智慧專案？為什麼要這麼重視第一個專案呢？AI 前線將該文章進行了翻譯整理，以饗讀者。
人工智慧技術有望改變每一個行業，就像 100 年前的電力一樣。據 McKinsey 稱，預計到 2030 年，人工智慧將創造 13 萬億美元的 GDP 增長，其中大部分將在製造業、農業、能源、物流和教育等非網際網路領域。人工智慧的崛起，為各行各業的高管提供了一個機會，讓他們能夠區分和捍衛自己的業務。但是，在整個公司範圍內實施人工智慧戰略還是具有挑戰性的，對於傳統企業而言，尤為如此。
我給任何行業的高管的建議都是從小型專案做起。根據《人工智慧轉型指南》（AI Transformation Playbook），構建人工智慧戰略的第一步是選擇一兩個公司級別的人工智慧試點專案。這些試點專案將有助於為你的公司蓄勢，並獲得構建人工智慧產品所需的第一手知識。
強人工智慧試點專案的 5 個要點
要挖掘人工智慧技術的強大功能，需要根據你的業務環境對其進行定製。你的一兩個試點專案的目的只是部分為了創造價值；更重要的是，這些首批專案的成功將有助於說服利益相關者投資於構建公司的人工智慧能力。
當你考慮人工智慧試點專案時，請問自己以下幾個問題。
該專案是否能夠帶來立竿見影的效果？
使用你的第一個人工智慧試點專案，儘快執行。選擇那些可以快速完成的專案（最好是能夠在 6~12 個月內完成的那種），並且有很高的成功機率。與其只做一個試點專案，不如選擇兩三個試點專案，以增加至少一個重大成功的機率。
該專案的規模是否過於細小還是過於龐大？
你的試點專案未必是最有價值的人工智慧應用程式，只要它能夠帶來快速的成功即可。但是這個試點專案還應該具有足夠的意義，能夠成功說服其他公司領導投資更多的人工智慧專案。
在帶領 Google Brain 團隊的早期，我在 Google 內部曾面臨著對深度學習潛力的廣泛質疑。當時對 Google 來說，語音識別遠不如網路搜尋和廣告來得重要，因此，我讓我的團隊將語音識別作為我們的第一個內部專案。通過幫助語音識別團隊構建更為準確的識別系統，我們說服了其他團隊對 Google Brain 要有信心。在我們的第二個專案中，我們使用 Google 地圖來提高資料質量。每個專案的成功，都極大鼓舞了士氣，Google 之所以能夠成為今天偉大的人工智慧公司，Google Brain 功不可沒。
該專案是否針對你所在的行業？
通過選擇公司的特定專案，你的內部利益相關者就能夠直接理解這個專案的價值。舉個例子，如果你經營一家醫療裝置公司，那麼建立 AI+Recruiting（人工智慧招聘）專案來篩選簡歷並不是什麼一個好主意，原因有二：
（1）其他人很有可能也會建立人工智慧招聘平臺，為更大的使用者群提供服務，並將會比你在內部所做的專案更好，或者削弱你的優勢。
（2）如果你的試點專案是將人工智慧應用於醫療裝置的話，那麼這個專案不太可能讓你的公司其他人相信人工智慧值得投資。
構建一個專門針對於醫療保健的人工智慧系統更有價值：從使用人工智慧協助醫生制定治療計劃，到通過自動化來簡化醫院登記流程，再到提供個性化的健康建議。
你是否正與可靠的合作伙伴一起加速試點專案？
如果你仍在建立人工智慧團隊（見《人工智慧轉型指南》第二步），請考慮與外部合作伙伴進行合作，以快速引進人工智慧專業知識。最終，你可能會想擁有自己的內部人工智慧團隊；然而，與人工智慧的崛起速度相比，在執行之前等待組建團隊的話，步伐可能過於緩慢。
該專案是否創造價值？
大多數人工智慧專案創造價值的方式不外乎三種：降低成本（自動化為幾乎所有行業降低成本創造了機會）、增加收入（推薦和預測系統提高了銷售和效率）、或者啟動新的業務線（人工智慧使以前不可能的新專案成為可能）。
即使沒有 “大資料”，你也可以創造價值，而 “大資料” 往往被誇大了。一些企業，例如網路搜尋，其查詢往往有 “長尾效應”，因此資料越多的搜尋引擎，表現確實會更好。然而，不是所有的企業都有如此海量的資料，並且，也許有可能建立一個有價值的人工智慧系統，可能只有 100~1000 條資料記錄（儘管更多的資料記錄並沒有壞處）。不要僅僅因為你在 X 行業有用大量資料就選擇某個專案，要相信人工智慧團隊會找到將這些資料轉化為價值的方法。像這樣的專案往往會失敗。重要的是要提前就人工智慧如何具體創造價值撰寫一篇論文。
AI 前線注：長尾（英語：The Long Tail），或譯長尾效應，最初由《連線》的總編輯 Chris Anderson 於 2004 年發表於自家的雜誌中，用來描述諸如 Amazon、Netflix 和 Real.com/Rhapsody 之類的網站之商業和經濟模式。是指那些原來不受到重視的銷量小但種類多的產品或服務由於總量巨大，累積起來的總收益超過主流產品的現象。在網際網路領域，長尾效應尤為顯著。長尾這一術語也在統計學中被使用，通常應用在財產的分佈和詞彙。
構建成功的人工智慧專案
那麼，上述這些要點在實踐中是什麼樣子的呢？
打個比方說，人工智慧就是打了類固醇的自動化。人工智慧專案的很大靈感來源於使用一種稱為“監督學習”（Supervised Learning）的技術，這項技術將人類目前正在做的任務變成自動化。你會發現，人工智慧擅長自動化任務，而不是作業。你可以嘗試確定人們正在做的具體任務，並檢查是否有可以自動化的任務。例如，放射科醫生的工作涉及的任務可能包括讀片、操作成像裝置、諮詢同事以及手術計劃。與其試圖自動化整個工作，不如考慮是否可以通過部分自動化來實現其中某項任務的自動化或者更快地完成。
在執行人工智慧試點專案之前，我建議要明確說明該專案期望的時間表和結果，併為團隊分配合理的預算。
任命負責人： 選擇一個能夠跨職能工作的人，在人工智慧和你所在行業的領域專家之間架起一座橋樑。這一做法，將確保當專案成功時，能夠影響組織的其他部分。他們的目標並不是建立一家人工智慧初創公司，而是建立一個成功的專案，作為構建未來專案的第一步，這個專案將影響公司其他部門對人工智慧的信念和知識狀態。
進行業務價值和技術盡職調查： 確保專案如果成功執行，業務負責人同意該專案將為業務創造足夠的價值，但也要確保該專案是可行的。技術盡職調查可能需要數週的時間，需要技術團隊檢查你所擁有的資料，甚至還可能會進行小規模的實驗。
組建一支小型團隊： 我見過很多試點方案，都是 5~15 個人一起執行的。每個專案的確切資源水平差別很大，但是可以通過小團隊完成的專案範圍確定確保每個人都可以瞭解其他人並進行跨職能工作，也可能使資源分配更加輕鬆。雖然現在有些專案需要 100 多名（甚至 1000 多名）工程師才能做好，但對於你的人工智慧試點專案來說，可能並不需要如此高水平的資源。
溝通機制： 當試點專案達到關鍵的里程碑時，特別是當它取得成功的結果時，一定要給團隊一個內部平臺：從談話到獎勵，甚至外部公關 —— 讓他們所做的工作在公司內部為人所知。確保專案團隊得到 CEO 的認可，並取得明顯的成功，將是建立勢頭的關鍵部分。如果你的人工智慧技術團隊和業務團隊合作，也要確保業務團隊因成功而得到足夠的榮譽和獎勵。這一做法也將會鼓勵其他業務團隊加入人工智慧。
我曾經帶領過 Google Brain 和百度人工智慧團隊，它們都是將 Google 和百度打造成偉大的人工智慧公司的中堅力量，我認為，大多數公司都能夠並且也應該能夠成為擅長人工智慧的公司。你的目標不應該是與領先的網際網路公司展開競爭，而是為你所在的垂直行業掌握人工智慧技術。請記住：第一步就是選擇合適的試點專案並執行他們。
原文連結：
https://hbr.org/2019/02/how-to-choose-your-first-ai-project