增哥导读：本文讲了做出正确率80%－90%的mvp（最简化可实行产品），并建立容错ux使得用户和机器共同协作完成任务，以及后期获取数据的方法。获取数据重要的是对用户有用或者有趣。比如一些语音厂商把核心技术预装到手机厂商（用户）这是有用，比如微软小冰这是刷爆微信群这是有趣。人工智能创业公司围绕着有用和有趣就能获取更多的数据。
思维迷宫，是一张标注了创业公司在特定时期要做的所有重大决定和权衡的地图。
Balaji Srinivasan 在他的“Market Research, Wireframing and Design”中这样说到：
一个好的创始人可以预见什么样的决定会为公司带来好处，什么样的决定会导致公司的灭亡；而一个糟糕的创始人只会带领大家走进一个电影 / 音乐 / 文件共享 /P2P/ 照片分享的迷宫，而对那些有助于拨开迷雾，改变假设的行业历史，竞争对手，曾发生过的重大事件，现有科技水平缺乏认识。
我认为如果举一个我感兴趣的领域的例子会更加生动：AI 创业公司。下图是一幅针对人工智能创业的迷宫草图，接下来我会详细的解释这张图。
正确率80%-90%的MVP
(Minimum Viable Product，最简化可实行产品)
在机器学习界，有一句老话说“机器学习对几乎任何问题都可以给出很好的部分解答。”对于大多数问题，要建立出一个 80-90% 情况下都正确的模型并不难。在模型建立之后，随着时间，金钱，脑力和数据的不断投入，获得回报的速度却越来越慢。大概来说，要达到 80% 的正确率只需要几个月，但是为了获得最后的 20%，你不得不花上好几年，甚至永远达不到（这就是为什么你会在 Watson 和自动驾驶的部分演示中看到极端场景的原因，比如一只狗以闪电般的速度突然跳到车前。演示本身并没有什么意义，但是你要看到的是，他们是如何应对 10%-20% 的边缘情况的）。
在迷宫的这个阶段，你可以选择 1）试图把正确率提高到近乎 100%，或者 2）打造一个部分正确但是可用的产品。我把这个过程称为构建“容错的 UX(user experience, 客户体验)”。
建立容错的UX
关于用户体验的容错性有一些好的例子，比如 iOS 的自动改正，还有 Google 搜索的“did you mean X?”。你也可以说 Google 搜索本身就是一个容错的客户体验：每次搜索显示 10 条结果，而不是直接转到第一条连接，这样一来即使机器出错了，用户也可以手动控制。建立容错的用户体验并不代表投降，但它却是意味着一套不同的产品需求。（比如说如果你希望人机可以一起工作，那么间隔时间（latency）就变得很重要，它甚至可以影响你的技术框架）。
然而，如果你打算使精确度达到 100%，你又应该怎么做呢？算法是不会帮你拿到那剩下的 10-20% 的，你只能通过更多的数据训练你的模型。对于 AI 来说，数据是关键，这是因为 1）我们已经有了很好的算法和无尽的计算资源，数据唯一缺失的一环，2）数据又是最关键的一环。算法对于研究界来说是共享的资源，而公用数据集又难以达到很好的效果，好的数据集不是私有的，就是还没出现。
进一步细分领域
哪怕你已经处于一个细分领域中，尝试进一步地细分。即使的的目标是建立 X，有时候先打造一个细分领域下的 MVP，实现部分的 X，可能是最终做出 X 的最好方法。我的建议是，在保证用户的前提下，尽可能的细分你的产品, 因为将来以总可以扩大你的领域。
如何获取数据
方法大致分为两类：建立自己的数据集或者是众包。
我们可以对比 Google Maps 和 Waze，Google 雇佣了上千人四处绘制道路，建筑和交通；而 Waze 则想出了一个让数百万人为它这么做的方法。如果你要采取 Google 的方法，你需要的巨大资金量是一般小创业公司无法承受的。
