【猎云网（微信号：ilieyun
）】3月17日报道 （编译：Yilia）
编者注：Snehal Shinde是旅行和购物应用Mezi的首席技术官兼联合创始人。在下文中，Shinde将以Mezi为例，向大家分享关于AI技术发展的经验教训。以下以第一人称叙述。
人工智能正在迎来新一轮的突破。曾经被局限于科幻小说中的AI技术，已经逐渐被有远见的企业家们所发掘。早在2014年，著名作家、编辑兼未来主义者凯文·凯利（Kevin Kelly）就预测，创企的未来公式显而易见，那就是：服务/产品+AI技术。
AI领域充满着机遇，但是艰巨的挑战总是如影随形。任何一个曾亲手调试新开发的AI技术的人都心知肚明，突破的道路上一直有个难以克服的障碍：现在的技术还很难做到完全自主。
这在业界是个公开的秘密，规模化的AI应用通常需要人类代理作为安全信息网，在后台工作，随时准备应对出现的各类问题。即使是AI技术和智能聊天机器人研发先驱的Facebook，偶尔也需要人类代理来确保高品质的用户体验。
虽然对于刚刚起步的AI技术来说，这确实是一个行之有效的方法，但是我们的最终目标是做到完全自主。那么企业家们该如何达到这个目标呢？在这里可以学习Mezi的做法，它先从正确的纵向结构入手，然后再各个击破结构中的一系列任务。
选择正确的纵向结构
关于人工智能领域最大的误解之一就是，AI是全能的。事实上，我们更有可能看到无数高度专业的AI，而不是一个人工总体智能（AGI）。
因此，选择正确的纵向结构，也就是正确的专业方向是相当重要的。当我们首次推出Mezi时，我们专注于用户的购物体验，并在诸如时尚、礼品馈赠、旅行等数个垂直领域进行测试。很快，我们就意识到旅游业具有发展和规模化AI所需的一切关键要素。
一方面，旅游业高度分散。市面上没有单一的应用程序，可以包揽从酒店预约、门票预定到行程制定的全方位服务。同时，旅游业高度商业化。在元数据已经较为完善的情况下，在这个结构化的产业中，航班、酒店、汽车、旅行等方面的不同属性是很容易解析的，AI也可以轻松获取并利用这些数据。
可以说，AI在旅游业中的应用前景非常广阔。通过采用自然语言处理技术（NLP），深度学习和神经网络，我们可以更加深入、精准地获取用户的意图、行为、位置和其他信息。AI在这种结构化的环境中，能够更轻松地分析用户偏好并运行一系列计算机学习算法，以提供高度个性化的建议。
在为AI选择合适的纵向结构时，需要考虑的另一个因素则是市场中商业用例的范围。旅游业的发展，有相当一部分市场是由商务旅行者驱动的。商务旅行创造了重复使用和信息交互的机会，这是每个软件应用的关键目标，而且它开创了AI作为私人助理的先例。商务旅客的旅行计划通常由助理制定，但他们更倾向于采用技术解决问题，以便更好更快地完成工作。
各个击破
同样要记住的是，从半自主化的机器到完全自主的人性化机器的跳跃并不是最重要的，这样的转变是一次次小的进步的积累，是从量变达到了质变。
当我们第一次发布Mezi时，几乎每一个用户的交互都有一个人在幕后操作。我们聘请了那些冷静且经验丰富的客户专家来负责这项工作。然后，我们开始构建AI程序，从客户专家与客户的互动中观察并学习，包括语气、词语和emoji表情的选择等。
不久之后，我们开始将这些任务逐渐交付给Mezi AI。一开始Mezi AI要负责人类代理工作流程中较为简单的部分，然后开始执行更为复杂的工作任务。当AI能够胜任一项新任务时，人类就能够专注于更复杂的挑战，并确定AI学习的新领域。
例如，2017年年初，我们与世界最大的金融服务公司之一合作开展试点项目，当时我们的通信量激增，而一度表现良好的AI却开始出现问题。我们的NLP系统无法应对多样性的请求。不过，幸运的是，我们人手充足，这为我们在训练NLP系统时节省了很多时间。为了使我们的AI更加智能，我们几乎每个小时都会进行迭代计算。
最后，该项目作为一个有效的压力测试，帮助我们确定新领域的未来战略以及改进措施。由此，我们得出一个重要结论，量变产生质变，AI技术可以从简单的任务做起，随着时间发展，逐渐适应复杂的任务。
在AI的规模化过程中，不可一蹴而就，不要一开始就着手编写完整的交互系统代码。相反，引导它与人类进行交互，在进一步的学习中，逐渐取代人类在这些步骤中的作用。这种方法能够为AI搭建一个支架，使它能够自我学习，并创建一个快速迭代的编码系统。然后，随着AI规模的扩大已经更加智能的操作，只需要删除原有的训练任务，并交给它们新一轮的任务，它就能再次学习并完成任务了。
