为什么说「扎克伯格的 AI」是写给创业公司的？
扎克伯格一个人完成了 Jarvis （电影『钢铁侠
』
机器人管家的名字）的制作。这非常 Cool，很快在社交媒体引发热议。
他的讲述目的显然不是炫技，而是行业趋势以及大公司战略的一部分，受众则是小公司。
在这一轮 AI 浪潮中，小公司似乎并没有机会。最新的核心理论是神经网络和机器学习，它们要求「学习
」
大量数据，然后才能更智能。数据意味着强大的计算能力以及算法，这些都不是小公司玩得起的。
不过，当大公司们在云平台上开源各种 AI 服务、工具乃至代码、系统等等，越来越多的 AI 技术成为可随时调用的 API，就像水电一样方便。
这正是小公司们的机会。他们可以不用考虑底层编码，快速将 AI 转化为应用，拓展消费市场。
大公司们之所以玩命地在自己的云平台上开源，是希望吸引细分领域的玩家进入。一方面，细分领域的 AI 应用有市场前景，但掌握数据以及消费习惯的不是 AI 巨头，而是细分领域的小公司。另一方面，一旦你选择使用某家大公司的 AI，你上传的数据就将令它更加智能。
按照『创新者的窘境
』
，大公司们其实挺无奈，他们的确财大气粗，但只能抓住看得见的机会。不论是互联网浪潮还是 AI 浪潮，巨头们做的都是基础设施，小公司才是将技术转化为应用的最佳玩家。对于消费者而言，技术不重要，他们愿意付费的只有应用。
所以，看这篇文章时，视角不是扎克伯格做了什么，而是小公司存在哪些机会：AI 有哪些技术可以被快速应用，应用过程中有什么难题有待解决，以及我们应该选择的交互方式有哪些？
第一步：链接万物
• 小扎可以自制的前提是：很多 AI 技术已经可以像 API 一样被调用。小公司的机会是：将 AI 转化为应用更方便。前段时间有个应用很火，「将照片改为梵高风格的图片
」
，它就是调用了图片处理的 API。
• 但在不同系统、编程语言间切换很复杂。BTW，真有一家小公司已经从事这个领域，一个 19 岁少年创立了 RapidAPI，专门集中存储各个巨头的 API。
• 硬件需要修改。细分领域的传统制造商也存在机会。
第二步：交互方式
1.自然语言处理
• 自然语言是人与机器「最
」
自然的交互方式。the nextstep was making it so I could talk to my computer and home the way I'd talk toanyone else. 所以，一方面巨头们在 ChatBot 的竞争非常激烈，另一方面小公司可以轻松调用它们。
• 这一轮人工智能的技术底色是「学习
」
，所以处理的数据越多，越智能。
2.图像和人脸识别
• 紧随其后的是图像识别。About one-third of the human brain is dedicated to vision。
3. 文字机器人
• 这其实是扎克伯格自己的偏爱。小道消息说，在 Facebook，如果同事有事找小扎，即使坐在对面，也需要在 Facebook 上使用文字交流。
• 当然，小
扎
选择这种交互方式也有数据支撑。在 Messenger 和 WhatsApp 上, the volume of text messaging around the world is growing muchfaster than the volume of voice communication.
第三步：人工智能技术
1. 声音和语音识别将如何推进？
2. 小
扎
介绍说 Facebook 有一套开源系统。那么，对于小公司来说，忽略编程吧，将 AI 应用于产品时，尽管调用它们的技术，move fast 是个好策略。
总之，AI 比我们想象得更近也更远，它可以在细分领域快速成长，在细分领域有数据和消费洞察力的创业公司可以快速进入。但细分领域的学习成果无法被移植，我们距离通用 AI 系统还很远。
你可以长按二维码，阅读这篇文章。
AI 在技术和商业上是如何展开的？
对于想要进入 AI 细分领域的玩家而言，小扎的文章充其量只能算是导读。如果你想投资或者将 AI 应用在自己的产品上，有两件事不能绕开：AI 的技术底色以及它的商业价值链条。
这篇科普文章胜在全面，详细陈述了这一轮 AI 变革的技术力量，以及支撑商业的元素。
1.技术上，它重点陈述了 3 个概念：
• 人工智能是什么？
• 新一轮人工智能的主导力量——机器学习——是什么？
• 在机器学习里，深度学习是如何工作的？
2.商业上，AI 是如何一步步成为风口的？
• 改进的算法
• 硬件——保证了计算能力
• 大量数据
• 云服务。前 3 个因素保证了这一轮技术的可行性，大公司进入后，基于云平台，将各种 AI 技术变为方便调用的 API。
• 创业与投资。对于创业公司而言，现在吸引投资并不是一件难事。BTW，他们唯一需要做的事是面向市场思考：应用，应用，应用。
当然，如果你已经清楚这些概念，可以直接跳过不看。
你可以长按二维码，阅读这篇文章。
当我们聚焦 AI 交互，不能忽略的重要玩家是谁？
扎
克伯格将「自然语言处理
」
这种交互方式放在第一位不是没有道理。目前，已经有观点认为「声音
」
将是下一个大平台。
这并不是本文作者一个人的看法。现如今 ChatBot （聊天机器人）的竞争越来越激烈。很多巨头认为，声音是 AI 的重要入口，苹果有 Siri，Facebook 有 M。
当然，在声音交互领域产品化做的最好的非亚马逊莫属。它在 Echo 上推出了 Alexa。
这篇文章探讨了一些关于 Alexa 成功的经验。1）它和Siri 不同，消费者预期管理做得很好；2）和手机相比，它在 Echo 上的应用大幅消减了使用阻力；3）它拥有一个开放的生态系统，为消费者提供的用例正在不断增多。
你可以长按二维码，阅读这篇文章。
谷歌大脑简史：大公司如何推进 AI ？
扎克伯格在讲述声音和语音识别如何推进时，浅尝则止。毕竟受众那些细分领域的小公司，而不是 AI 从业者。如果你想更深入的了解 AI 技术，不妨看看这篇文章。
现在已经至少有 6 家公司进入了 AI 人才争夺战。哪怕其他人没像谷歌那样提出 AI First，对 AI 仍是同样重视。不过，他们对于 AI 技术的理解并不相同。这一点体现在他们推进的方式上。
谷歌的做法是，不仅成立一个部门（Google Brain 谷歌大脑）负责核心人工智能的研发，还需要有一个部门（Cloud Machine Learning Group）将人工智能推广给其他部门。
这篇文章讲述的主角是谷歌的研发部分——谷歌大脑。当 AI 理论从顶层（规则）学习转向底层（数据）学习，谷歌先开始了致命的「猫脸识别
