聊天機器人購物應用Mezi聯合創始人斯奈哈爾·辛德（Snehal Shinde）近日撰文，分享了人工智能創業公司的心得體會。辛德創建的人工智能公司Mezi已獲得A輪融資，其創業經驗很有參考價值。
關于Mezi
Mezi將人工智能與機器智能相結合，了解用戶購物喜好，來創造無縫、個性化的購物體驗。公司為用戶提供一款免費應用程序，通過智能、人性化的聊天對話模擬用戶與最好的朋友一起購物的體驗。這款應用扮演了用戶購物的助理角色，主要是面向沒有時間購物的消費者。
在需要購物時，用戶只需給 Mezi 發一條短信，然后 Mezi 就能根據用戶的目標價格、偏好及購物習慣，在成千上萬個商品選項中進行篩選，幫助用戶下單，簡化了用戶的整個購物過程。此外，Mezi 機器人能夠接受并理解廣泛的用戶需求，甚至能夠應用有意識設計及人工智能手段學習用戶的會話風格，進而模擬用戶的說話方式。
Mezi創立于2015年，總部位于加利福尼亞州，2016年7月，Mezi宣布完成900萬美元 A 輪融資，投資者包括 Nexus Venture Partners、Saama Capital、美國運通風投公司及天使投資人Amit Singhal 和 Gokul Rajaram。
Mezi聯合創始人斯奈哈爾·辛德
以下為AI世代（微信號：tencentai）編譯整理的原文內容：
人工智能迎來了爆發期。雖然曾經只是科幻小說中的場景，但如今，所有明智的創業者似乎都在追逐這項技術。正如著名編輯、未來學家凱文·凱利（Kevin Kelly）所說：“未來的1萬家創業公司的商業計劃很容易預測：把X跟人工智能整合?！?/p>
然而，雖然圍繞人工智能存在很多顛覆性的機會，但這項技術仍要面臨不少挑戰。任何試圖訓練一套新型人工智能系統的人都會告訴你，如何從中剔除人的因素是其中的一大關鍵障礙。
眾所周知，大規模的人工智能系統往往需要配備專人作為安全網，他們負責在后臺隨時待命，一旦系統出現故障就要負責接管控制權。就連人工智能和智能聊天機器人的先驅Facebook也要偶爾配備人手來確保高質量的用戶體驗。
雖然這種模式有效地幫助人工智能實現發展，但自動化的人工智能系統才是最終目標。如何才能達到這一目標？通過我們親自開發Mezi的經驗來看，應該首先要找到合適的垂直領域，然后還要把握推進節奏。
選擇正確的垂直領域
很多人對人工智能都存在很大的誤解，認為可以開發一種“全能人工智能”。但實際上，人工智能行業更有可能分散著數不清的高度專業化的人工智能系統，而不太可能被一種通用人工智能主導。
正因如此，選擇合適的垂直領域才是最重要的。當我們最初發布Mezi時，就把重點放在購物上，并針對服裝、禮物和旅行等少數垂直領域展開測試。我們很快發現，旅行行業擁有關鍵的資料來訓練人工智能系統，并擴大它的規模。
首先，旅行行業高度碎片化。沒有一款應用可以兼顧票務和全方位的旅行體驗。該行業還高度商品化，因為關于航班、酒店、汽車、旅行的元數據已經通過結構化方式陳列出來，可以方便人工智能學習。
人工智能可以在這樣的環境中發展起來。通過部署自然語言處理、深度學習和神經網絡技術，我們便可更加輕易地理解用戶的意圖、行動、位置和其他特征，而且精度很高。這種結構化的環境也方便我們了解用戶偏好，并運行一系列機器學習算法來提供高度個性化的推薦。
在為人工智能選擇垂直領域時，需要考慮的另外一項屬性是商業用例。具體到旅行行業，相當一部分市場都是由商務旅行者驅動的。這不僅創造了反復使用的機會——這是任何一款軟件應用的關鍵目標——而且已經有個人助手這樣一個先例。商業旅行者已經依賴個人助手幫助他們訂機票，這也使之更容易適應那些能夠提供更好體驗的技術方案。
把握推進節奏
必須要牢記，從人類支持的機器過渡到全自動機器并非一日之功，而是需要循序漸進。
當第一次推出Mezi時，幾乎所有的用戶活動都要在后臺融入人的因素。我們聘請了冷靜且經驗豐富的專家，之后開發一套人工智能來觀察和學習他們與用戶的互動，包括他們的語調、選擇、表情符號等方方面面。
不久之后，我們可以將其中一些任務交給Mezi來處理——起初是簡單的任務，之后逐步過渡到復雜任務。人工智能每負責一項新任務，人類都可以得到解放，從而關注更加復雜的挑戰，確定新的領域供人工智能來學習。
當我們在2017年初與一家全球頂尖金融服務開展合作試點時，便經歷了流量的大幅上漲，而我們原本表現不錯的人工智能也開始出現問題。我們的自然語言處理系統沒有為如此多樣化的請求做好準備。幸運的是，我們手頭有很多人來應對這一狀況，同時還能訓練自然語言處理系統。我們每個小時都在不斷迭代，讓人工智能系統更加智能。
最后，那次試點成了一次有用的壓力測試，幫助我們找到了未來的戰略領域和改進方向。這也給我們上了重要一課：應該先從小開始，然后逐步擴大規模。
在擴大人工智能的應用范圍時，不要從一開始就針對所有互動編寫代碼，而是應該用人類進行引導，然后循序漸進地實現自動化。這種模式可以為你的人工智能系統提供重要的腳手架，使之學會自己發展，并創造一套編碼化的系統實現快速迭代。之后，隨著人工智能系統規模擴大，智能性提升，只需要撤下一套輔助設施，然后進入下一階段即可。
