Posts Tagged ‘Deep Learning’

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。

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

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)

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 Appier、Tagtoo 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)