以用户为核心，构建人工智能学习与应用体系_

人工智能是为了学习而设计的，所以开始让它学习吧

花费数年时间在真空中构建完美的人工智能系统是件很诱人的事，但要发现为什么让你的人工智能一开始就“愚蠢”是可以的。

尤其是在人工智能 (AI) 和机器学习方面，我们设计软件的方式正在发生根本性的变化。传统工程师不必考虑软件需要“学习”才能发挥作用的想法。我们定义了我们想要考虑的“规则”，将它们硬编码到正在构建和发布的应用程序中。然后，我们以连续的循环对它们进行迭代和改进。

人工智能则不同。人工智能产品不是将规则硬编码到应用程序中，而是依靠训练数据来工作。例如，当 GPS 应用程序首次问世时，它们改变了一切——告别纸质地图！大约十年后，导航软件应用程序 Waze 再次重新定义了这种体验。Waze 发现，通过汇总所有用户的数据，他们不仅可以告诉用户下一步要去哪里，还可以告诉用户最快的到达方式，并实时更新这些建议。

随着我们在构建软件应用程序方面变得越来越聪明，我们了解到像瀑布模型这样的开发实践行不通，因为它们在软件开发生命周期中几乎没有充分考虑用户。到最后，用户可能会有新的要求。因此，我们转向了新的方法，例如《精益创业》等书中所介绍的方法。虽然今天的人们质疑“最小可行产品”等概念，但这些想法是绝对正确的：从小处做起，尽快将产品交到用户手中，这样您就可以获得他们的反馈并在此过程中改进产品。

人工智能也应该以同样的方式对待。花费数年时间构建完美的人工智能系统，用大量完美的数据集进行训练，这很诱人。但是，当你将产品推向世界时，如果产品已经完全过时且不再重要，也不要感到惊讶。

也许你的数据集反映了不再有意义的旧做法，或者你的算法从未接触过某种特定的习语。又或者你认为会使用你的产品的人最终并没有使用它。在真空中训练的人工智能只能对它接触到的东西做出反应。我坚信，让你的算法走出去，让它学习、适应和改进。这就是为什么让你的人工智能一开始很“愚蠢”是可以的。

找到你的焦点

我们已经知道，人工智能工具还无法取代人类，我们也不指望它们在不久的将来能够做到这一点。在设计解决方案时，请记住这一点。让您的用户成为算法的焦点，并有意缩小并仔细研究该用户关心的一个用例。

一个例子是 Textio，这是一个基于人工智能的辅导网络，专注于帮助人才专业人士撰写更好的职位描述。这是一项非常具体的任务。他们并不专注于让每个人都成为更好的作家。他们选择了一个专业领域——职位描述——并深入研究。我们所见过的最伟大的人工智能成就都是从一个离散任务开始的，然后不断扩展。解决方案越是聚焦于某个领域，人工智能学习的速度就越快。

不要把鬼魂置于机器之前

找到重点后，不要太兴奋于改变世界。光是考虑让 AI 系统（即使是愚蠢的系统）发挥作用需要做的事情，就是一个紧张而详尽的过程，其中包括：

设置技术环境
设置存储所有训练数据的系统
设置最重要的算法来训练数据并给出建议

虽然云使这些步骤变得更容易，但它们仍然是一项苦差事。这就是为什么你最终应该把大部分精力集中在建立和稳定上述流程上，这将使你在开始与潜在客户测试产品时比花大部分时间训练数据更快。如果你在理论世界中工作并试图在没有真实客户输入的情况下收集训练数据，那么你就是在真空中工作，这会将你预先存在的假设反馈给你。