建模杂谈系列44- 机器学习/人工智能变现思路与方法_机器学习如何变现

说明

人工智能一定是未来的大产业，是第四次工业革命的核心。这里要讨论的是，对于个人而言，现在整个产业的进程，以及能做什么来变现？（总不能干等到风起吧）

现状

整体上处于后IT阶段，局部有热点

我们的信息化起步稍晚，但是还是赶上了末班车，大约记得90年代网吧开始火热起来，2000年左右ERP的概念也火了一阵子。2010年以后网游、深度学习啥的也火了起来。总体来说，我们的信息化起步晚，但是速度非常快，这造成了一些概念上的时空错乱：有时候我们觉得已经自己很厉害了，有时候又觉得很落后，我觉得这是发展快的必然现象。

因为上面提到的时代发展大背景，所以目前人工智能的应用场景发展也是既快又慢。

慢: 整个产业链里，习惯性的还是依赖人。

人与人工智能在很多点上是冲突的，最本质的区别是，人去做事都是个性化的，不太要求抽象，但可交互性特别好（想想老板生气时还是可以骂人的）。用人工智能去做都是要求高度抽象的，错了就是错了，骂的人是自己。

以人为主的产业里，最多只能实现基本的数据存储、检索和简单的数据分析。模型当然也可以用，但是意义并不大，和拍脑袋出来的规则也差不多。在这类企业里，最叫好的是类似数据湖、BI可视这些工具和软件，对人工智能来说并没有什么意思。

目前是后IT时代：数据很多也很乱，有BI工具分析，但总觉得按了葫芦起了瓢。这个时代搞一些基础性的数据清洗、分析可视化等工作可以赚点小钱，但不是长久之道。不建议在这个领域找出路，这会浪费宝贵的专业小时

快：有了故事和情节冲击，就有了想象力，然后就变成了资本游戏。

2016年alphago战胜柯洁。在这之后，深度学习由于其不可解释性，以及在传统人类的擅长区域展现出特别好的效果，所以变得特别受资本吹捧。（怎么说深度学习还是比郁金香好一些，就算项目毁了机器还是真实的。）但这种过度的资本包装最终逃不过时间，所以在最近几年深度学习应用的热度淡了一些。但客观结果是把人工智能的商业应用往前推进了一大步，如果按这个思路去假设，那么就容易高估实际的形式。

能做什么？

假设：人工智能时代是知识、技能的高度集成时代，就像当前的集成电路替代晶体管一样。

首先看人工智能的四大支撑：算力、存储、网络和算法。前三者已经得到了极大的拓展，我们愁的不是没资源算，而是去算什么，怎么算。也就是算法的研究。

算法的研究必然走满天星的路线，像传统大厂聚集几万人已经没有太大的意义。

那么问题就是个体如何能在产业中找到出路，并茁壮成长起来。以下提供三条思路：

1 个体科研能力强：Kaggle竞赛

kaggle提供了一种非常好的模式，也许未来的人工智能产业化也可以参考这种模式：企业出钱，把问题归纳成kaggle竞赛的模式，提供训练和测试集，让各路英雄来建模比赛。
所以个体如果科研能力强，就尝试Kaggle竞赛，一个竞赛几万美金的也有，算是来钱“容易”又干净。

2 商业数据分析/建模服务

这点还是得向欧美企业学习。他们习惯了数据分析、工程师的思想，至少很能接受这种服务。所以另一种思路就是以顾问的形式向他们提供专业的服务。这个难点是如何向对方证明你自己，然后要多问人。（所以如果你拿了几个kaggle金牌，本身就可以打通这层）

3 自媒体与培训

这两者通常也是结合在一起的。通过自媒体进行宣传，线上可以录播（或直播）；对应的线下也可以搞搞兼职啥的。

4 提供saas产品

自己构建一套体系，寻找有用的应用，作为标准接口向外出售。这种方式难度最高，技术开发不容易，寻找商机不容易，推广也不容易。但是如果做好的话，那么就是一劳永逸的事了。