面向MVP的思維對(duì)于任何類型的系統(tǒng)都非常重要，AI也不例外，無(wú)論該技術(shù)看起來(lái)多么令人興奮。用戶可以采用一種MVP的AI產(chǎn)品，而無(wú)需花費(fèi)大量時(shí)間或金錢，并且可以通過(guò)早期客戶的反饋加以改進(jìn)。就AI產(chǎn)品來(lái)說(shuō)，其MVP產(chǎn)品也有一些特殊要求和特點(diǎn)。
文章作者Thomas H. Davenport是巴布森學(xué)院（Babson College）總統(tǒng)的信息技術(shù)與管理學(xué)杰出教授，牛津大學(xué)賽德商學(xué)院的客座教授，麻省理工學(xué)院數(shù)字經(jīng)濟(jì)倡議的研究員，德勤（Deloitte）人工智能分析實(shí)踐方面的高級(jí)顧問(wèn)，還是Glasswing Ventures的顧問(wèn)。Rudina Seseri是Glasswing Ventures的創(chuàng)始人和管理合伙人，領(lǐng)導(dǎo)該公司從事AI企業(yè)軟件即服務(wù)，云，IT軟件和垂直市場(chǎng)的投資。
作者 | Thomas H. Davenport 、Rudina Seseri
編譯 | 機(jī)器之能
什么是最小可行性產(chǎn)品（MVP，Minimum Viable Product）？
MVP最初由技術(shù)專家Frank Robinson定義，也是 Eric Ries 在《精益創(chuàng)業(yè)》的核心思想，意思是用最快、最簡(jiǎn)明的方式建立一個(gè)可用的產(chǎn)品原型，通過(guò)這個(gè)最簡(jiǎn)單的原型來(lái)測(cè)試產(chǎn)品是否符合市場(chǎng)預(yù)期，并通過(guò)不斷的快速迭代來(lái)修正產(chǎn)品，最終適應(yīng)市場(chǎng)需求。
簡(jiǎn)單說(shuō)，做新產(chǎn)品不要一開始就追求「盡善盡美」，先花最小代價(jià)做出「可用」的產(chǎn)品原型，驗(yàn)證其是否有價(jià)值、是否可行，再通過(guò)迭代完善細(xì)節(jié)。
那么，MVP的概念對(duì)AI意味著什么？這個(gè)問(wèn)題不僅與初創(chuàng)企業(yè)有關(guān)，而且與大型企業(yè)有關(guān)。許多公司正在其業(yè)務(wù)的不同領(lǐng)域開發(fā)AI試點(diǎn)項(xiàng)目，他們希望這些試點(diǎn)項(xiàng)目展示AI的潛在價(jià)值并最終走向規(guī)�；渴稹４笮徒M織的MVP概念與試驗(yàn)或概念證明，有很多相似之處。
對(duì)于任何追求人工智能的組織來(lái)說(shuō)，了解成功的MVP是由什么組成是很重要的。對(duì)于一家主要投資人工智能公司的風(fēng)投來(lái)說(shuō)（比如Glasswing Ventures，我們都參與了這家公司 ），理解什么是AI產(chǎn)品的 MVP以及如何改善他們同樣重要。我們認(rèn)為，盡管一些IT產(chǎn)品的某些屬性是必須的，特別是在其早期階段更是如此，但是，它們可以經(jīng)濟(jì)而且快速地迭代和演化。而就AI產(chǎn)品來(lái)說(shuō)，其早期MVP產(chǎn)品也有一些特殊的要求和特點(diǎn)。
一 數(shù)據(jù)和MVP
機(jī)器學(xué)習(xí)是一種常見的AI基礎(chǔ)技術(shù)，通過(guò)大量數(shù)據(jù)得以改進(jìn)。到目前為止，監(jiān)督學(xué)習(xí)是業(yè)務(wù)中最常見的類型，需要標(biāo)記數(shù)據(jù)。因此，數(shù)據(jù)可能是AI產(chǎn)品最重要的單一資源，即使在MVP階段，數(shù)據(jù)也是必要的。沒有數(shù)據(jù)，就沒有訓(xùn)練有素的機(jī)器學(xué)習(xí)算法。
任何嘗試創(chuàng)建AI MVP的人都應(yīng)該能夠回答下述問(wèn)題（投資者或企業(yè)發(fā)起人應(yīng)該向他們提問(wèn)）：
訓(xùn)練主要模型需要哪些數(shù)據(jù)資產(chǎn)？
是否已經(jīng)有足夠數(shù)據(jù)來(lái)訓(xùn)練某種有效的模型？
訓(xùn)練模型的數(shù)據(jù)專有性（ proprietary）如何？
能用于訓(xùn)練模型之前，還需要對(duì)這些數(shù)據(jù)進(jìn)行多少數(shù)據(jù)集成，清理和其他活動(dòng)？
某些時(shí)候，是否可以使用其他數(shù)據(jù)來(lái)改進(jìn)模型？
機(jī)器學(xué)習(xí)算法或模型本身已變得商品化。自動(dòng)化機(jī)器學(xué)習(xí)軟件的提供者之一DataRobot宣傳說(shuō)，它已經(jīng)創(chuàng)建了十億多個(gè)模型（當(dāng)然，并不是所有模型都在使用中）。但是，數(shù)據(jù)仍然是更具挑戰(zhàn)性的資源，可能需要大量的精力來(lái)清理，集成并將其轉(zhuǎn)換為可用的格式。如果AI的MVP所使用的數(shù)據(jù)源廣泛可用（例如ImageNet數(shù)據(jù)庫(kù)），則不可能提供很大的競(jìng)爭(zhēng)優(yōu)勢(shì)。
Glasswing投資的一家初創(chuàng)公司Armored Things擁有的數(shù)據(jù)就具有專屬性，非常有價(jià)值。Armored Things的客戶主要包括活動(dòng)場(chǎng)所和校園，幫助提高這些場(chǎng)所的人身安全以及設(shè)施和運(yùn)營(yíng)管理。該公司將來(lái)自現(xiàn)有視頻、Wi-Fi、智能門鎖和其他傳感器的數(shù)據(jù)組合到「空間情報(bào)層」中，構(gòu)建實(shí)時(shí)人群情報(bào)AI平臺(tái)。對(duì)于提高人們?nèi)绾问褂煤鸵苿?dòng)物理空間的可見性來(lái)說(shuō)，這套獨(dú)特、專有的數(shù)據(jù)集至關(guān)重要，也有助于將這家年輕公司的產(chǎn)品推向MVP階段。
洛杉磯足球俱樂(lè)部(Los Angeles Football Club)的職業(yè)足球隊(duì)正在使用這家初創(chuàng)公司的產(chǎn)品實(shí)時(shí)了解球迷流量，并對(duì)該俱樂(lè)部22,000個(gè)座位的場(chǎng)館的人群密度、衛(wèi)生和安全做出更明智的決定。該場(chǎng)館是職業(yè)體育運(yùn)動(dòng)中最高科技的設(shè)施之一。在COVID-19造成中斷后，球迷開始重返體育賽事之際，此類技術(shù)至關(guān)重要， 快速的數(shù)據(jù)分析和行動(dòng)對(duì)于建立信任和優(yōu)化安全體驗(yàn)是不可或缺的。
二 數(shù)據(jù)和算法之外，MVP還需要什么？
即便有干凈的專有數(shù)據(jù)，僅憑機(jī)器學(xué)習(xí)（尤其是深度學(xué)習(xí)）通常也不足以創(chuàng)建有效的AI。對(duì)于涉及到感知（語(yǔ)音、視覺），控制（機(jī)器人）和預(yù)測(cè)（客戶需求計(jì)劃）的問(wèn)題，機(jī)器學(xué)習(xí)解決方案的可處理性和復(fù)雜性差異很大。
要實(shí)現(xiàn)MVP，早期的AI產(chǎn)品需要關(guān)注如下四個(gè)問(wèn)題：
1. 復(fù)雜的混合模型
在處理模擬人類對(duì)話等復(fù)雜問(wèn)題時(shí)，由于可用信息數(shù)量有限會(huì)產(chǎn)生數(shù)據(jù)稀疏的問(wèn)題，不可能用大量的數(shù)據(jù)去處理。
在這種情況下，在構(gòu)建MVP時(shí)，將深度學(xué)習(xí)與先驗(yàn)知識(shí)建模和基于一定規(guī)則的邏輯推理結(jié)合起來(lái)，可能會(huì)更加實(shí)際。
這些人工智能解決方案不像深度學(xué)習(xí)那么復(fù)雜，需要的數(shù)據(jù)也更少，透明度更大。不過(guò)，這樣的混合算法很少是現(xiàn)成的，研究人員必須要自己去探索。
比如情緒檢測(cè)公司Cogito使用AI檢測(cè)呼叫中心約200種言語(yǔ)和非言語(yǔ)特征，以改善服務(wù)質(zhì)量，包括人聲的音量、強(qiáng)度、一致性、音調(diào)、語(yǔ)氣、張力等。
這種軟件會(huì)實(shí)時(shí)向工作人員報(bào)告檢測(cè)結(jié)果，引導(dǎo)他們進(jìn)行更加自信和富有同情心的對(duì)話，以更高水平的完成工作。
正如Cogito首席執(zhí)行官Joshua Feast所說(shuō)，該軟件「幫助人們?cè)诮徽勚凶兊酶绪攘Α�，這意味著更高的凈推薦人分?jǐn)?shù)(據(jù)一項(xiàng)研究，高出28%)，更短的平均通話時(shí)間，以及更少的客戶升級(jí)致電經(jīng)理的情況。
機(jī)器學(xué)習(xí)結(jié)合自然語(yǔ)言處理和社會(huì)信號(hào)探測(cè)，可以比單獨(dú)使用這兩種技術(shù)提供更好的推薦。
2.要對(duì)業(yè)務(wù)進(jìn)行整合
大多數(shù)企業(yè)不想使用單獨(dú)的AI應(yīng)用程序，所以很多解決方案都是提供接口，讓AI程序可以插入現(xiàn)有數(shù)據(jù)記錄中，并與系統(tǒng)結(jié)合，使用更方便。
Glasswing投資的另一家公司Zylotech將這一原理應(yīng)用于其可自主學(xué)習(xí)的B2B客戶數(shù)據(jù)平臺(tái)。該公司整合了跨現(xiàn)有平臺(tái)的客戶數(shù)據(jù)，包括客戶在其他地方瀏覽和購(gòu)買記錄。為市嘗銷售等團(tuán)隊(duì)制定政策提出針對(duì)性意見。它是專門為直接補(bǔ)充客戶現(xiàn)有的軟件套件而設(shè)計(jì)的，最大限度地減少采用摩擦。
另一個(gè)案例是庫(kù)存管理企業(yè)Verusen，考慮到市場(chǎng)上存在著大型的企業(yè)資源規(guī)劃參與者，平臺(tái)必須與這樣的系統(tǒng)集成。它收集現(xiàn)有的庫(kù)存數(shù)據(jù)，并在用戶行為沒有顯著改變的情況下，用AI對(duì)如何連接數(shù)據(jù)和如何預(yù)測(cè)庫(kù)存提出建議。
3. 必須有領(lǐng)域知識(shí)
AI解決方案和行業(yè)知識(shí)結(jié)合是絕對(duì)關(guān)鍵的。比如，在很多情況下，一些不錯(cuò)的醫(yī)療AI應(yīng)用(如診斷助手)最終都被束之高閣，因?yàn)樗鼈儫o(wú)法與醫(yī)生的日常工作配合。
MVP需要解決特定的業(yè)務(wù)或消費(fèi)者問(wèn)題，因此擁有相關(guān)領(lǐng)域知識(shí)非常重要。氣象情報(bào)中心ClimaCell是一個(gè)典型案例。
ClimaCell的團(tuán)隊(duì)已經(jīng)從衛(wèi)星、無(wú)線信號(hào)、飛機(jī)、街頭攝像頭、聯(lián)網(wǎng)汽車、無(wú)人機(jī)和其他電子資源中獲取信息，可以提前6個(gè)小時(shí)逐街逐分鐘地提供天氣預(yù)報(bào)(或者提前6天提供時(shí)間上不太明確的天氣預(yù)報(bào))。
它的按需「微型天氣預(yù)報(bào)」已經(jīng)為Uber，F(xiàn)ord，National Grid和New England Patriots足球隊(duì)等各種客戶提供了服務(wù)。
4.從「第0天」開始交付價(jià)值
AI應(yīng)用程序通常需要不斷更新數(shù)據(jù)以迭代自身。然而，在開發(fā)AI MVP時(shí)，重要的是要考慮第一個(gè)客戶以及如何從一開始（第0天）起就交付價(jià)值。
這可能需要一開始就專注于清理客戶數(shù)據(jù)，以構(gòu)建可提供給AI產(chǎn)品的數(shù)據(jù)集，并在早期使用公共數(shù)據(jù)集來(lái)訓(xùn)練模型，采用人為套環(huán)的方法來(lái)以較低的置信度來(lái)驗(yàn)證早期響應(yīng)，或者采用基于規(guī)則的技術(shù)。MVP開發(fā)人員需要確保最初的客戶將成為公司的最大擁護(hù)者。
三 MVP的目標(biāo)：最低可行性
同樣重要的是要考慮到另一個(gè)MVP最小可行性。給定目標(biāo)任務(wù)，產(chǎn)品必須執(zhí)行得多好才能算有用?
答案取決于相關(guān)業(yè)務(wù)標(biāo)準(zhǔn)和所需性能水平。在某些應(yīng)用中，如果在第一天就取得80%的成功，就意味著能大幅提高成本，但在一些其他應(yīng)用中可能完全不夠，比如語(yǔ)音識(shí)別系統(tǒng)。
MVP的目標(biāo)是超越最低的標(biāo)準(zhǔn)，而不是打敗全世界。衡量AI的作用只需要一個(gè)簡(jiǎn)單的問(wèn)題，「一個(gè)最小可行的AI產(chǎn)品是否能改進(jìn)現(xiàn)狀?」
即使是大型軟件公司也需要問(wèn)這個(gè)問(wèn)題。Salesforce的AI產(chǎn)品開發(fā)的首批工具之一是預(yù)測(cè)客戶的銷售傾向模型。這種工具很簡(jiǎn)單，因?yàn)樗袛?shù)據(jù)都在Salesforce云里，銷售人員對(duì)預(yù)測(cè)性機(jī)器學(xué)習(xí)模型也比較熟悉。即便預(yù)測(cè)結(jié)果不太完美，可能也比銷售人員憑直覺做事更好。
對(duì)于AI MVP來(lái)說(shuō)，從最容易實(shí)現(xiàn)的目標(biāo)（low-hanging fruit）開始做起或許是不錯(cuò)的選擇。在Verusen的案例中，AI主要用于零部件庫(kù)存管理。通過(guò)構(gòu)建和改進(jìn)這一流程，Verusen能夠?yàn)槊總�(gè)早期客戶節(jié)省數(shù)百萬(wàn)美元。
以MVP為導(dǎo)向的思維對(duì)任何類型的系統(tǒng)都很重要，AI也不例外不管這項(xiàng)技術(shù)本身看起來(lái)多么令人興奮。用戶無(wú)需花費(fèi)大量時(shí)間或金錢就可以使用最低限度可行的AI產(chǎn)品，并通過(guò)早期客戶的反饋進(jìn)行改進(jìn)。
有了這種思想，產(chǎn)品和內(nèi)部應(yīng)用程序可以順利地從有用的基礎(chǔ)性功能進(jìn)行轉(zhuǎn)型。
參考鏈接：
https://sloanreview.mit.edu/article/what-is-a-minimum-viable-ai-product/?use_credit=8e9ad9bcfb35ee3c8f13e524dc7d8e98
