Forestil dig, at du er 60 år og tager flere recepter hver dag . Blå pille, rød pille, et par hvide piller, hver på en anden time. Patienter, især ældre, undlader ofte at tage deres medicin - det er et alvorligt helbredsproblem. Ville det ikke være fantastisk at bare tage et billede og få hver pille identificeret automatisk (for at sikre, at du tager den rigtige) og logget (for at sikre, at du tager den på det rigtige tidspunkt)?
Dette er en idé, vi havde ved min opstart, Jod . Faktisk mere end en idé. Vi hyrede faktisk en computer-vision PhD og rekrutterede et par andre ingeniører for at gøre dette til en realitet. Vi brugte cirka et år på at finde ud af dette. Men vi begik den fejl at være for tidligt. Selvom vi gjorde nogle fremskridt - det er en virkelig hård udfordring - kunne vi ikke komme mere end 80 procent af vejen derhen. Og i software tager de sidste 20 procent 80 procent af din indsats.
Vi var blevet fanget i en svømning - optaget af en skinnende ny teknologi uden at forstå, at det for vores firma på kun otte eller ni mennesker var uden for vores kapacitet, tangentielt for vores mission og distraherende for vores team. Det er lidt pinligt at indrømme dette, men jeg er næppe alene. I Silicon Valley er svømmende startups omtrent lige så almindelige som Teslas. Her, hvis du ikke er i en svømning, prøver du ikke rigtig.
Alle taler om virtual reality og augmented reality og kunstig intelligens og dyb læring (bruger ikke disse faktiske ord, men snarere 'VR' og 'AR' og 'AI' og 'DL'). Én regnskab sætter antallet af AI-startups i sundhedsvæsenet, hvor jeg konkurrerer, på mere end 100. AI er også overalt. Det ser ud til, at hvis du ikke har en chatbotstrategi i 2017, er du så flip-telefon.
Hvorfor er så mange startups i en AI-svømning? Timing. Det er usædvanligt svært at få timing korrekt, især for et lille firma med et tikkende ur og faldende kapital. For et par år siden jagte alle de seje børn VR - at skaffe penge, bygge prototyper og vente på, at milliarderne skulle rulle ind. I dag er mange af disse startups gået i 'kakerlakstilstand', da de venter på en god bona fide-forbruger efterspørgsel efter deres legetøj.
Teknisk fremskridt bevæger sig normalt langs en vej fra videnskab til teknologi til industri til kultur. Det starter typisk med en laboratorieopdagelse: halvlederen, en algoritme. Derfra bliver det til en teknologi - et værktøj, der kan testes og udvikles. Dernæst bevæger det sig til industrielle applikationer, og når det først er forbrugernes nytte, når det kulturen som helhed. Computere tog 40 år at flytte fra laboratorium til hjem; robotik har dog hidtil kun haft industriel indvirkning. (Nej, Roomba tæller ikke.)
I teorien er det muligt for en opstart at udnytte en innovation på ethvert tidspunkt langs denne bue, så længe du ved, hvad du søger efter. Men for startups, der jagter denne drage, er det bare så let at blive overgået og overgået. I vores tilfælde elskede vi ideen om at tilbyde foto-identifikation, at vi ikke rigtig tænkte gennem konsekvenserne. I betragtning af vores størrelse kunne vi enten opbygge et forbrugerwebsted eller en dyb læringsvirksomhed, men ikke begge dele. Og hvis vi ønskede at gøre sidstnævnte, skulle vi ikke kun have startet med et andet team, men også valgt forskellige investorer, en anden forretningsmodel osv. Heldigvis lagde vi computersynsprojektet på hold - og så lagde vi det helt.
Når vi ryste svømningen af, fokuserede vi på en gennemprøvet teknologi kaldet et websted. Meget mindre sexet, men det viser sig, at det er her vores marked er: millioner af mennesker, der bare vil have bedre information om deres medicin på det rigtige tidspunkt. En superintelligent computervisionsteknologi med maskinlæringsfunktioner? Det lyder som en god idé. Det hele er dit.
