Posts Tagged ‘Deep Learning’

沒趕上 Mobile 創業大浪?別錯過 Chat、AI、Smart Car、Blockchain 的起飛

October 27th, 2016

global-smrt-shipments-forecast

過去 9 年,隨著 iPhone、Android 熱銷,拉動了巨大的 Mobile Internet 浪潮,不僅方方面面改寫我們的生活,也讓 Uber、WhatsApp、滴滴、Snap、LINE、Kakao、Lyft、Ola、Square、Grab、InMobi、Instacart、Go-Jek、Instagram 等眾多原生於行動的新創,達到了 10 億美金以上的市場價值,其中 LINE、Kakao、Sqaure 已經成功 IPO,而 WhatsApp、Instagram 則被 Facebook 高價買下。

時至今日,Mobile First / Mobile Only 已是主流創業策略,App 也已成為所有網路公司、傳統企業的標配。但與此同時,大約從去年中開始,隨著智慧型手機出貨量的成長停滯,Mobile Internet 也出現飽和現象。因此過去 18 個月,我們幾乎沒有看到新的 Mobile 服務,能像他們的前輩一樣,出現猛暴成長的軌跡。

當然,人們花在 App 上的時間與預算還在成長,但隨著空間的擁擠、成本的增加,在 Mobile Internet 領域創業所需的資源較先前成長許多,但成功率恐怕下降不少。

所以,如果你今天要創業,有沒有哪些新領域,是成長快、開闊、機會多、更適合缺乏資源的創業者?在我看來,以下四個新興平台是你可考慮的:

1. Chat Internet

WeChat、FB Messenger、WhatsApp、Snap、LINE 等超高活躍率的即時通訊服務普及後,紛紛開始往平台化的方向推進。WeChat 在這件事情走得是最快的,透過公眾號可以完成的事情,已經幾乎可以媲美整個 Internet。只可惜 WeChat 在中國以外的普及度很低,但好消息是 FB Messenger 的用量正快速在台灣及亞洲各地崛起,也是剩餘四個聊天體系中,平台化進度最快的。

我稱這一波大勢為 Chat Internet,與 App Internet 相比,同樣是數十億月活躍用戶基礎,目前為止,Chat 還擁有許多相對優勢 (請參考下方我整理的表格)。我尤其鼓勵思考 Chat-Only 的題目,換言之,在這樣用戶非常活躍的新興平台上,有什麼原生服務可以提供,是之前 App、Web 做不到的。

App Internet vs Chat Internet

2. AI / Machine Learning

與另外三個用戶規模快速成長的新興通路平台相比,機器學習比較是技術的突破,因此雖然殺手應用非常多,但要能建構可規模化、有防禦性的商業模式,相對比較難。但如果你對於這個領域有興趣、有研究,還是一個相當值得奔跑的寬闊草原。短期內,AI 應用中時機比較對的,應該是面對企業的解決方案,尤其是幫中小企業取代基礎白領工作、增加效率、優化生產力的 SaaS 類型服務。透過 Chat Internet 提供面對消費者的服務是另外一種,不過由於聊天內容比較容易發散,我認為難度更高、需要更長的時間醞釀。在發展 AI 的時候,我建議早期從 Hybrid 模式開始,也就是高比例「工人」智慧、小比例人工智慧。等到累積足夠資料、訓練出夠厲害的機器,再慢慢減少工人的比例。

3. Smart Car

Smart Car

在 Tesla 的刺激下,全球主要車廠都已投入車子的智能化、自動化,可以預期在 5 年內,世界上主要的新車,都將是 Smart Car。換言之,一年銷售量 5,000 – 8,000 萬台的汽車,多數將成為上網裝置,能讓開發者在其上佈署加值服務,建構新商業模式。雖然 Smart Car 較 Smartphone 少兩個數量級,但車主是高消費族群、每次待的時間短則十分鐘、長則數小時,比 Mobile 長上許多,再加上可能有多位乘客,所以總體來說,每個活躍 Session 的價值可以遠遠高過 App。而在這樣的新連網環境中,有什麼原生服務可以提供給人們,創造什麼樣新型態的商業模式,是未來 3-5 年,非常值得創業者探索的領域。

4. Blockchain

如果說 Internet 是「資料」儲存的分散化、去中心化,那麼 Blockchain 就是「價值」儲存的分散化,去中心化。因此 Internet 在過去 20 年對人類社會的資料取得,產生了多麼大的顛覆,Blockchain 就可能在未來 20 年,對人類社會的價值交換,產生多麼大的顛覆。在 Internet 普及的現代,圖書館、文件中心等實體資料儲存重鎮,雖然也有連上 Internet,但已經不是重點。在 Blockchain 普及的 20 年後,銀行、交易所、外幣結算中心,雖然也會使用 Blockchain,但恐怕也已不是重點。所以重點是,在現在與 20 年後中間,創業者可以透過 Blockchain,如何重新發明人們境內境外支付、交易、儲蓄、借貸、保險、締約、履約等行為,並且建構新的商業模式,就有可能成為從這波 Blockchain 大浪中,成功誕生的新金融巨獸。

以上,四個新興平台與各位分享,希望看到更多台灣與東南亞創業者,用力抓住其中機會,建立成功、偉大,值得人們景仰的新企業,一起努力。

___

正基於 Chat、AI、Smart Car、Blockchain 等開發新產品、建構新商業模式?歡迎加入 AppWorks Accelerator,讓我們幫助你

(Graphs from BI, BI)

創業 CEO / 深度學習對企業營運的顛覆,應該會超越工業革命

April 28th, 2016

Astro Boy

在「創業 CEO」系列,我們探討創業者如何教會自己,成為偉大的 CEO,因為世界上最偉大的網路公司,往往是由這樣的人在領導

20 世紀工業革命只是生產的自動化,21 世紀資訊革命是企業營運的全面自動化

這個禮拜在北京出席獵豹 CONNECT 與長城會 GMIC 兩個年度盛會,會前獵豹很貼心的安排我們參觀包括騰訊、京東、小米、滴滴、格林深瞳,以及獵豹本身等中國具代表性網路公司的校園,並且聆聽他們高層分享近況、發展策略,和他們交流討論。

與美國同步,且幾乎是異口同聲的,這些中國頂尖科技公司都在積極思考投入人工智能 (AI) 與機器人 (Robotics)。[1]

在我看來,這個發展有兩個最主要的面象。第一,更聰明的消費性產品,例如自動駕駛車、個人語音助理如 Siri 等等。另一方面,更自動化的企業營運系統,如智慧製造、無人運輸、自動規模化伺服器、程式自動廣告交易,以及客服聊天機器人等等。

身為創業 CEO,你當然必須去思考如果你的產品更聰明,能不能在類似價格下,提供給用戶更大的價值。但這不是我今天想討論的題目,因為現在 AI & Robotics 的發展還在相當早期階段,能夠在控制成本前提下給用戶好體驗的機會,其實不多。

我今天想展開的,也是這一趟最大的領悟,是第二個題目,也就是企業營運的自動化。我在思考未來 5-10 年,這個大浪對企業的競爭力,應該會帶來比工業革命更大、數量級的顛覆。因此透過今天文章,我想放下一個陀螺,讓所有 CEO 開始思考。

深度學習對演算法的顛覆

要討論這個題目,首先我們得先聊聊深度學習,也就是 AlphaGo 的核心。大體上來說,要讓電腦變得聰明,也就是擁有 AI,有兩種方法,一種是人類事先把自己的思考邏輯都一個個淬煉出來、變成程式,也就是所謂的演算法,注入電腦。演算法的好處是它黑白分明,沒有模糊地帶,但缺點就是人類必須事先把邏輯想出來,還要有工程師把這些邏輯變成程式。

這個流程說起來容易,做起來非常困難。參與過內部軟體專案的人都知道,需求方往往沒辦法把自己業務的邏輯講得完整清楚,而開發人員也往往沒辦法把用戶的邏輯 100% 翻譯成演算法,所以最後做出來的軟體通常只能幫用戶省下少部分時間,有時候還甚至會造成更多額外的負擔。

基於演算邏輯的系統要修改,也非常麻煩。用戶必須提出需求,接著要花費工程師昂貴的機會成本去執行、佈署,不僅週期緩慢,也經常因為人員流動而無法持續有效的推進。

因此,現代網路公司給消費者用的或許是最尖端、最與時俱進的軟體產品,但事實是他們內部的資訊系統,往往非常老舊難用。

然而第二種讓電腦變聰明的方法,也就是深度學習,過去這 10 年來的突飛猛進,有機會打破這個僵局。教電腦深度學習,就像教育小孩一樣,是一個模糊邏輯,沒辦法有一個明確可預測的結果。但另一方面,深度學習的好處,是教育電腦的過程,不一定要有工程師參與。

而也正是這一個好處,我認為,會帶來企業內部資訊系統發展的一個超大革命。當你導入深度學習為基礎的自動化系統,那麼這個系統進步多快、能夠發揮多大作用,將不再是看你投入的工程師數量與品質,也不再被用戶與開發部門間的溝通不良所牽制。隨著軟體人才荒日益嚴重,工程師薪水持續水漲船高,深度學習的這個好處將會越來越顯著。

重點變成教練與教材

所以就像訓練小孩一樣,一個深度學習為基礎的營運、行銷、銷售、客服自動化系統,能夠進步得多快,端看你投入的訓練時間、頻次,以及教練與教材的素質、數量。

深度學習的教練,應該會像員工的教練一樣,必須是對某個領域有深厚經驗的人才,能夠不斷在機器練習判斷的過程中,持續給它好的回饋。換言之,未來自動化企業的同仁,會更像指導員,而不是作業員。

另一方面,教材,也就是 (大) 數據的取得,也是一個很大的門檻。如果是面對消費者的銷售、服務系統,那麼就要透過產品策略去大量收集需要的訓練數據。如果是純粹內部系統,那麼數據的積累恐怕很慢,這裡或許會有新型態的數據服務公司出現,橫向幫助企業交換數據。

換言之,深度學習會讓網路公司的內部自動化的推進,不再那麼依賴工程團隊的開發能量。甚至有可能,不同的企業可以使用同一套第三方開發的自動化系統,但由於訓練的內容不一樣,產生出天差地遠的自動化效果。

與機器人整合

當然企業的營運自動化工作,軟體只能解決部分問題,而更多物理性的需求,像是製造、搬運、維修等,就必須靠與機器人科技整合來完成。除了重複性、變化需求少的活動之外,我們可以預期的,未來的機器人自動化,背後將越來越以深度學習為基礎,而不是以預先設計的演算法為基礎。

未來三年的殺手應用

當然深度學習全面進駐企業的營運自動化系統,是個 10 年,甚至 20 年的大勢。但如果我們著眼未來 3 年,有幾個業務應該會搶先被顛覆,換言之,沒跟上的企業恐將喪失競爭力。

第一是廣告投放的自動化,這個領域其實已經在發生,像是 AppierTagtoo 等廣告技術公司,早已導入深度學習來快速優化他們的投放效果。

第二是線上客服的自動化,隨著 WeChat、Facebook Messenger、LINE 等聊天服務的平台化,企業將會開始在上面佈署自動化客服系統,可以預期的,許多這些聊天機器人,將會基於深度學習引擎,來加快服務品質、範圍、個人化的進步速度。

第三則是顧客風險評估系統的自動化,隨著網路帶來越來越大的資料量,像是客戶的信用額度、保險金額等數據評估,也會很快轉移到深度學習為基礎的系統。

第四是網路零售服務的定價系統,這點 Amazon 早已在做,因此我們可以預期很快會普及到多數電商。

最後則是 HR,也就是招聘與員工評估的自動化,同樣道理,當網路提供了大量的數據,則在篩選面試人員、追蹤同仁表現,並且對於聘用、加薪、升級做出建議等業務上,基於深度學習的自動化引擎,能夠大大提昇企業的 HR 效率,這點 Google 等先進科技公司已經證明,因此我也預期,會很快的被更多 Internet 公司投入。

___

創業 CEO,歡迎加入 AppWorks Accelerator,跟我們一起打造更自動化、競爭力更高的未來網路公司

[1] 我覺得比起人工智慧,人工智能是比較好的翻譯,智慧比較偏向做人處世的大道理,而智能比較偏向大腦運算的能力,現在發展的 AI,更像後者

(Photo via provenio, CC License)

©2017 MR JAMIE ─ 創業者需要的啟發,新鮮供應.
網站由 Allen Hsu 設計 | Logo 動畫由 Wen Chen 完成