聊天机器人购物应用 Mezi 联合创始人斯奈哈尔·辛德（Snehal Shinde）近日撰文，分享了人工智能创业公司的心得体会。辛德创建的人工智能公司 Mezi 已获得A轮融资，其创业经验很有参考价值。
关于 Mezi
Mezi 将人工智能与机器智能相结合，了解用户购物喜好，来创造无缝、个性化的购物体验。公司为用户提供一款免费应用程序，通过智能、人性化的聊天对话模拟用户与最好的朋友一起购物的体验。这款应用扮演了用户购物的助理角色，主要是面向没有时间购物的消费者。
在需要购物时，用户只需给 Mezi 发一条短信，然后 Mezi 就能根据用户的目标价格、偏好及购物习惯，在成千上万个商品选项中进行筛选，帮助用户下单，简化了用户的整个购物过程。此外，Mezi 机器人能够接受并理解广泛的用户需求，甚至能够应用有意识设计及人工智能手段学习用户的会话风格，进而模拟用户的说话方式。
Mezi 创立于 2015 年，总部位于加利福尼亚州，2016 年 7 月，Mezi 宣布完成 900 万美元 A 轮融资，投资者包括 Nexus Venture Partners、Saama Capital、美国运通风投公司及天使投资人 Amit Singhal 和 Gokul Rajaram。
Mezi 联合创始人斯奈哈尔·辛德
以下为 AI 世代编译整理的原文内容：
人工智能迎来了爆发期。虽然曾经只是科幻小说中的场景，但如今，所有明智的创业者似乎都在追逐这项技术。正如著名编辑、未来学家凯文·凯利（Kevin Kelly）所说：“未来的 1 万家创业公司的商业计划很容易预测：把X跟人工智能整合。”
然而，虽然围绕人工智能存在很多颠覆性的机会，但这项技术仍要面临不少挑战。任何试图训练一套新型人工智能系统的人都会告诉你，如何从中剔除人的因素是其中的一大关键障碍。
众所周知，大规模的人工智能系统往往需要配备专人作为安全网，他们负责在后台随时待命，一旦系统出现故障就要负责接管控制权。就连人工智能和智能聊天机器人的先驱 Facebook 也要偶尔配备人手来确保高质量的用户体验。
虽然这种模式有效地帮助人工智能实现发展，但自动化的人工智能系统才是最终目标。如何才能达到这一目标？通过我们亲自开发 Mezi 的经验来看，应该首先要找到合适的垂直领域，然后还要把握推进节奏。
选择正确的垂直领域
很多人对人工智能都存在很大的误解，认为可以开发一种“全能人工智能”。但实际上，人工智能行业更有可能分散着数不清的高度专业化的人工智能系统，而不太可能被一种通用人工智能主导。
正因如此，选择合适的垂直领域才是最重要的。当我们最初发布 Mezi 时，就把重点放在购物上，并针对服装、礼物和旅行等少数垂直领域展开测试。我们很快发现，旅行行业拥有关键的资料来训练人工智能系统，并扩大它的规模。
首先，旅行行业高度碎片化。没有一款应用可以兼顾票务和全方位的旅行体验。该行业还高度商品化，因为关于航班、酒店、汽车、旅行的元数据已经通过结构化方式陈列出来，可以方便人工智能学习。
人工智能可以在这样的环境中发展起来。通过部署自然语言处理、深度学习和神经网络技术，我们便可更加轻易地理解用户的意图、行动、位置和其他特征，而且精度很高。这种结构化的环境也方便我们了解用户偏好，并运行一系列机器学习算法来提供高度个性化的推荐。
在为人工智能选择垂直领域时，需要考虑的另外一项属性是商业用例。具体到旅行行业，相当一部分市场都是由商务旅行者驱动的。这不仅创造了反复使用的机会——这是任何一款软件应用的关键目标——而且已经有个人助手这样一个先例。商业旅行者已经依赖个人助手帮助他们订机票，这也使之更容易适应那些能够提供更好体验的技术方案。
把握推进节奏
必须要牢记，从人类支持的机器过渡到全自动机器并非一日之功，而是需要循序渐进。
当第一次推出 Mezi 时，几乎所有的用户活动都要在后台融入人的因素。我们聘请了冷静且经验丰富的专家，之后开发一套人工智能来观察和学习他们与用户的互动，包括他们的语调、选择、表情符号等方方面面。
不久之后，我们可以将其中一些任务交给 Mezi 来处理——起初是简单的任务，之后逐步过渡到复杂任务。人工智能每负责一项新任务，人类都可以得到解放，从而关注更加复杂的挑战，确定新的领域供人工智能来学习。
当我们在 2017 年初与一家全球顶尖金融服务开展合作试点时，便经历了流量的大幅上涨，而我们原本表现不错的人工智能也开始出现问题。我们的自然语言处理系统没有为如此多样化的请求做好准备。幸运的是，我们手头有很多人来应对这一状况，同时还能训练自然语言处理系统。我们每个小时都在不断迭代，让人工智能系统更加智能。
最后，那次试点成了一次有用的压力测试，帮助我们找到了未来的战略领域和改进方向。这也给我们上了重要一课：应该先从小开始，然后逐步扩大规模。
在扩大人工智能的应用范围时，不要从一开始就针对所有互动编写代码，而是应该用人类进行引导，然后循序渐进地实现自动化。这种模式可以为你的人工智能系统提供重要的脚手架，使之学会自己发展，并创造一套编码化的系统实现快速迭代。之后，随着人工智能系统规模扩大，智能性提升，只需要撤下一套辅助设施，然后进入下一阶段即可。