故事是這樣的，Salesforce 是一家非常賺錢的線上軟體公司，創辦人甚至出了一本書《我如何在雲端創業》談他如何運用網際網路創業。Salesforce 從 2010 年、2011 年這兩年間開始非常闊綽的併購了好幾家公司，包括最凱的一次是用 2.1 億美金併購了雲端服務提供商 Heroku（你沒看錯，是 2 億美金，$212 million），併購 Heroku 是該年度的第五次出手，隔沒多久，2011 年初又併購了 Etacts、Manymoon 等團隊。

其中 Manymoon 是我今天想談的主角，Salesforce 在 2011 年二月份宣布併購 Manymoon 之後，將其服務重新包裝，在年底推出了 Do.com 這個號稱什麼都可以管、有什麼功能都不奇怪的生產力工具，提供給上班族或是任何形式的團隊進行專案管理、檔案管理、筆記管理、待辦事項管理、簡單的客戶關係管理、團隊群組功能、聊天功能、即時動態（類似 Facebook 的 feeds 動態牆）、行事曆同步功能、Gmail 跟 Google Drive 整合功能。

你沒看錯，這個 Do.com 幾乎就等於 Dropbox + Evernote + HipChat + Yammer + Asana + Things（或任何一套你愛的待辦事項管理、GTD 軟體），兩年不到的時間，猜猜看 Do.com 如何了？

是的，Do.com 如今變成過去完成式了。矽谷工程師不改其幽默本色，宣布服務終結的頁面網址居然是 http://do.com/done，我無法想像如果我在三年內打造了一個 EPIC FAIL 的服務之後還能這麼幽默，尤其是當初 Salesforce 併購 Manymoon 的金額是至少 2,500 萬美金（根據官方說法是個介於 $25 million 到 $35 million 的數字），也就是新台幣 7 億。

新台幣 7 億是怎樣的概念呢？相當於當年的無名小站，儘管無名小站也要跟我們說再見了，但是無名小站至少走了更長的一段路，而且不知道為雅虎奇摩賺進了多少現金、創造了多少網友的回憶、滿足了多少上網族的期待、造就了多少素人明星。

一個什麼都有的服務，花了大把銀子買進來的服務，開發、營運的人員理論上也是能力一流的一時之選，給力的超短網址（Do.com 這網址本身就值錢了），結果不到三年的時間，揮手跟大家說再見。說是大家，也沒多少人，或許就是幾百個團隊，反正這些團隊一定有用 Dropbox、Evernote、Asana 或其他更多的替代品，感傷的人肯定不多。例如，繁體中文部落格裡面，絕對是只有我這篇文章用這麼長的篇幅來哀悼 Do.com 的離開。

一場 2,500 萬美金的笑話，儘管這樣的笑話應該從第一次網路泡沫就一再出現，但歷史的軌跡依然提醒我們幾件事情：

1. 專注、取捨，並不是把所有好的人事物湊在一起就能成就完美，而且，減法比加法困難。
2. 差異化，行銷課本在大二的時候就告訴我們要差異化，雖然說把一堆好功能加在一起本身是一種差異化，但卻失去了特色，人們根本找不到買單的理由，人們也根本記不住你在幹嘛。你的點子肯定不是獨一無二的，所以你一定要做得比別人更好，比別人有特色。
3. 有錢不代表什麼，花錢的方向、方法、效率才是決定成敗的關鍵。幾年前我曾經在另一篇文章提過郭台銘先生講的一句話：

在現今世界上，沒有「大」的打敗「小」的，只有「快」的打敗「慢」的

Saleforce 資本雄厚，沒錯，HTC 資本也很雄厚，但君不見當年從 A 到 A+ 一書中所列舉的標竿企業後來也有許多都撐不住的，這些在短短不到 10 年的時間，紛紛宣告聲請破產的公司，也確實告訴我們，沒有什麼真正的基業長青。資本雄厚不代表什麼，這個年代，速度才是面對競爭最好的方法。

Do.com 變成 Done 這個昂貴的笑話故事，我認為對於我們這種沒什麼資本的創業者是個很好的激勵，儘管我們沒辦法聘請最貴的開發者、提供最好的開發工具、打造最棒的辦公環境，但我們的熱情、堅持與持續的累積，相較於擁有雄厚資本的團隊，我們不見得是輸的。Never try, never know.

註：Yammer 是被微軟併購的一家企業用社群服務軟體提供商，Salesforce 底下也有個類似服務叫做 Chatter。

微軟共同創辦人 Paul Allen 在他小時候就已經沉浸在人工智慧的世界裡了：在上世紀 60 年代晚期，到處可見神奇的智慧電腦——嗯，是在虛擬的世界裡。例如《2001 太空漫遊》裡面的HAL，又例如《星際迷航》中進取號上無所不能的飛船電腦。Paul Allen 回憶到：「人們第一次看到機器能像人一樣行動，這真是相當令人激動！這些機器人絕對是風靡一時。」因為父親在圖書館工作的原因，他得以在那裡搜尋到很多關於人工智慧的訊息，並且天天幻想著「宇宙裡存在著某些即將滅絕的文明，藉由領悟到了某種真理而拯救了自己。請試想，以下這樣的情況如果真的出現了，會發生什麼呢？ ——你能夠收集到世界上所有的知識，然後把它們都存在一台智慧電腦裡，並且這台電腦還能夠藉由簡單的自然語言和人類溝通。」

40 年之後，對於已經是 90 億美金身價的Paul Allen來說，上述的東西可不僅僅只是奇思妙想了。今非昔比，很多當時電影中的技術已經變成了現實。每天我們都會藉由語音向手機發出指令，然後收到它給予的回應。搜尋引擎藉由對訊息結構的語意理解，可以回答幾乎所有問題。但是，這些工具實際上並不強大。Siri 只能理解一小部分的問題，她不能進行任何方式的思考，比如推理。甚至是在 Jeopardy!（美國著名益智節目長青樹）中獲得冠軍的 IBM 的 Watson，都只能處理一些語義清晰的簡單問題。Google 已經把《星際迷航》中的飛船電腦看做他們開發語音搜尋的目標 ——但是依然長路漫漫。如果要將它變為現實，機器本身要更擅長溝通輸出，並且——最重要的是，要具備思維能力。

讓機器學課本

雖然聽起來困難，Paul Allen 卻正在致力於解決這個問題。在數年的思考之後，他投資成立了一家致力於完整解決人工智慧問題的公司——Paul Allen Institute for Artificial Intelligence，簡稱 AI2。像 Paul Allen 早期在空間飛行和腦波圖方面的投資一樣，這家公司野心勃勃，但是它的初始目標卻很簡單。在華盛頓大學教授 Oren Etzioni 的帶領下，AI2 想要製造出一台能夠通過高中生物課程的電腦。團隊給這台電腦輸入教科書上的內容，之後對它進行考試。到目前為止，雖然這些測試都失敗了，但是每次這台電腦都會比上次表現得更好一些。

在這個專案中，最關鍵的問題就是知識的呈現：怎樣在教科書中呈現所有的知識，以讓機器能夠讀取、理解並運用這些知識。通常，機器更擅長運行流程性質的程式（比如，把磅轉換為千克），但即使當前他們開始知道什麼時候該去運行對應的程式（例如，當你在搜尋引擎中輸入「32 磅等於多少千克」，你會直接得到轉換結果），他們也是在把所得訊息僵硬的按照設計好的方式運行，而不是我們任何情況下使用的事實和原則。

AI2 的這個專案可以為建立新一代的人工智慧學習和思維方式打下基礎。Etzioni 提出：「為了讓機器具有這兩個能力，如何設計知識的呈現？如何藉由越來越複雜的語言描述越來越複雜的事物？我們能把在學習生物上的經驗運用到到化學、數學中嗎？」

如何藉由越來越複雜的語言描述越來越複雜的事物？

上述問題表示，科學家們要把握語言本身具備的複雜性。大多數語言本身並不提供那種電腦可以進行拼接的非連續性訊息，自然語言的特點是模糊，並且邏輯複雜。Etzioni 構想著在未來的世界，你可以這樣問 Siri：「我能把電視搬回家嗎？還是是我需要叫輛計程車？」——要回答這個問題，除了需要計算電視的重量，還需要計算到家的距離，並且建立空間模擬出電視笨重的​​程度。Siri 會主動搞清楚電視是否可以放進出租車的後車箱中。她會了解到你所說的「電視」僅僅是指你剛剛在網上看到的那台，把它「搬回家」的意思是說從附近的店裡搬到你家。Siri 會像正常人一樣理解這個問題，搞清楚問題的重點，不會理解成我們是在問從商店到家這條路能不能走通。

如果能實現上述的設想，人工智慧會對我們現有的世界造成巨大的影響。Etzioni 說道：「我們認為語音互動是最自然的互動方式，我們需要做的只是建設足夠的後端力量去啓動它。假如人們正在進入語音互動的世界，需要面對的則是語言處理和知識呈現這樣棘手的問題。幸運的話，10 年之內我們可以搞定它們。假如我們真的有所突破，這些技術會相當程度地啓動下一代的智慧和去螢幕化的科技革新。」

超越圖靈測試

如果我們解決了這些問題，他們的附帶效應可能會非常有意思。語音溝通、推理和創造性思維之間共同的問題，在過去是電腦思維能力提升的瓶頸。Paul Allen 和 Etzioni都是奇點論的懷疑者，但是他們都把 AI2 正在做的專案（讓機器通過高中生物考試）看作是正在解決人工智慧的根本問題。

AI2 把他們的生物考試看作是 AI2 版本的圖靈測試——圖靈測試一直被認為是判斷一台機器是否智慧的黃金法則（可以點擊這裡嘗試一下）。但是最近幾年，它的地位已經被其他一些測試動搖了。在AI2的專案裡，電腦所面臨的測試和高中生面對的一樣，假如他們的電腦可以通過高中生物考試的話，就會被認為是能夠閱讀教科書並且理解裡面的知識——它「理解」了生物學，至少是以高中生的水準。

但是，Etzioni 卻提醒我：「如果你正在與研究人工智慧的科學家交流，必須要謹慎使用「理解」這個詞。專業角度來說，『理解』這個詞是指一個人內在的心理狀態，對於其他人來說是不可能真正感知到的。所以圖靈測試只是在判斷外部的行為是否達到了某個特定的期望值。科學需要的是能夠確定結果的測試，而不只是猜想，所以對我們來說，像圖靈測試或生物考試這樣的測試是最好的檢驗方法，雖然它們目前還不完美。不過如果一台電腦處理知識的能力和一個高中生相當的話，我們就能夠確定它正在進行『思考』，以及它的電路能夠在一定程度上模擬人類大腦的運作。」

AI2 設計的機器運作的方式和人類大腦不一樣

我們不禁會想，如果這台電腦真的能藉由考試，會代表他和人類一樣也有了「感知」外界的能力了嗎？對於 Etzioni 來說，這不是重點。他把人工智慧的發展和航空器的發明做比較：「當他們在製作能飛起來的機器時，有些人會說『我們得把這些東西做的像鳥，因為鳥就會飛』。另外一些人，比如萊特兄弟，認識到鳥類有著非常特殊的體重比例和身體結構，飛行器以當時的科技水準根本做不到這點，所以他們的機器會採用完全不同的設計——最終達到了相同的目標。」噴氣式飛機無論從長相或者飛行的原理來看，都不像鳥類，但是如果你想坐著它來一個橫渡大西洋的旅行，誰又會在乎它長的像不像鳥呢？

因此，AI2 設計的機器運作的方式也同樣和人類大腦不一樣，但是他們都能做相同的事情——處理知識，進行推理，然後回答問題。這些機器「思考」的方式和以往所有的電腦都完全不同。只要電腦大腦的輸入和輸出和人類大腦是一樣的，AI2 才不會關心機箱裡面是什麼樣子呢，這不是他們要考慮的事情。

「他聰明嗎？」

目前，Etzioni 的電腦還在糾結於相當於四年級水平的生物知識，而且沒法搞定那種答案沒有固定形式的題目。理解圖形尤其困難，需要程式很難塑造的空間想像與聯想能力。他預計會花大概 3 到 5 年的時間去為這台機器構建一個能夠通過測試的思維框架。在那之後，還需要很長時間才能完成框架的執行，並且開始把成果推廣到實用領域。對於一家科技公司來言，這個過程過於長久——但是，對於一個研究者來說，只有這樣才能站在尖端取得突破。

最後，Etzioni 還補充道，當你真正開始投入到人工智慧的研發工作中，就很難從外界甚至是上升到哲學的角度來審視它了。人工智慧這種東西不太可能藉由什麼外部特徵來分析它：「就像人類的大腦一樣」他坏笑著說：「想像你雙手捧著一堆黏糊糊的東西，你絕不會覺得這玩意能跟「智慧」兩個字沾上邊……你只會覺得它是一碗不知道從哪搞來的噁心的濃湯。」

附：人工智慧面臨的挑戰

因果關係：人類可以吸收新的訊息來持續更新他們對於過去和現在的認識，這比 Siri 和 Wolfram Alpha 處理訊息的方式要複雜得多，但是科學家們表示不久後將會實踐這項技術。

知識的不確定性：布爾運算只能告訴我們「真」還是「假」，但是大部分人類的知識都並不精確，比如「較大汽車通常具有較高的每公里油耗」。未來的電腦將會能夠處理不確定性。目前，IBM 的Watson 已經開始能夠做一些簡單地識別。

矛盾處理：從網上扒取訊息意味著有可能會從不同的訊息源接收到完全不同的內容。人們的大腦知道如何求同存異，基於更高的框架提取有用的訊息，但目前機器還無法做到這點。

理解語義和隱性知識：例如，當我們聽別人說到「能穿多少穿多少」，如果當時是夏天，我們會知道他的意思是盡量少穿。但別說機器人了，剛學習中文的外國朋友可能都分不清前後兩個「多少」的意思。很難確定有效的規則，讓電腦在不同情況下做出正確的判斷。

「Freelancer（中文即自由工作者或自由職業者）」這個詞在中文裡的意思總讓人與「無正式工作」或者「不可靠」聯想在一起。但是在美國，目前 Freelancer 以及遠距離辦公等更加自由的工作方式已經變得很平常。尤其是圍繞自由工作者生態圈的各種網站，如 Elance、Freelancer、Guru、oDesk 的快速發展，讓就業有更多不同的選擇。

以 oDesk 網站為例，成立於 2005 年，至今已經透過網路協助自由工作者賺取超過 10 億美元。網站的 450 萬註冊使用者遍布全球 50 個國家和地區，註冊的自由工作者已經工作超過 3500 萬小時、服務超過 90 萬名雇主。2012 年，雇主在 oDesk 上支付給自由工作者們的工資實現突破性成長，達到 3.5 億美元。oDesk 最近還接到不少企業的單，希望能在他們的網站進行自由工作者團隊招募、管理，甚至是支付薪水。

機會所在：東歐、亞洲

oDesk 的 CEO Cooper 發現，他們的使用者，無論是雇主還是自由工作者都在烏克蘭、俄羅斯等東歐國家。不僅 oDesk，Elane、Freelancer 等線上工作機會網站也正在將俄羅斯等東歐國家設定為目標市場。不久前，oDesk 團隊還到俄羅斯等地舉行程式開發比賽，擴大網站對這些地區的自由工作者的影響力。

而在未來兩年，oDesk 預測將會有更多亞洲和東歐國家成為「自由工作者」的大國，中國也是其一。目前， Freelancer 數量最多的地區還是印度。

條件合適的年輕人最喜歡的工作？

遠距離辦公、自由職業等方式目前在美國並不罕見，根據 oDesk 的數據，目前最受歡迎的工作種很多都與科技相關：SEO、網站開發、app 開發、網站文案撰寫…… 科技類佔總工作數量的 60%。下圖是 oDesk 網站工種類別的比例圖標，網站開發佔了很高的比例。

oDesk 對未來前景十分樂觀，他們認為新一代年輕人都是「網路人」，更具備自由職業的技能以及靈活就業的心態。只要有技術、有一台電腦，就可以在任何地方自由靈活地支配工作，這樣的生活對年輕人的吸引力確實不小。但社會保障（例如勞、健保）、其他工作津貼等依然是「自由」的最大代價，想做 Freelancer？有一份正式工作再兼職也許更為妥當。

Anki Drive 彷彿誕生於一場艷遇，沒有 Boris Sofman 之類矽谷工程師，它沒有速度；沒有 Harald Belker 這樣威風凜凜的設計師，它也不夠激情。

儘管拿了頂尖大學的學歷證書，儘管在機器人和人工智慧領域頗有造詣，但 Anki Drive 的三位創辦人 Boris Sofman、Hanns Tappeiner和 Mark Palatucci 在遭遇設計問題時——Anki 第一輛人工智慧玩具汽車，仍是十分迷惘。「我自己新手設計過一款，看起來酷似 Mini Cooper，真慶 ​​幸沒被人看見過。」Tappeiner如是坦白。

偉大的工程師們摒棄了自己的設計方案，轉而求助於一系列概念車手冊，並細心地將每個車型分為 1、2、3 三等。他們很快意識到自己選出的佼佼者皆出自一人之手——Harald Belker，聞名好萊塢的賽車設計師，他曾為不少大片如 Minority Report（《關鍵報告》和Tron: Legacy（《創：光速戰記》）設計過許多頗具未來色彩的車型。沒過幾天，這三位技術人才就跨上自己現實版的 Mini Cooper 直奔洛杉磯拜求 Belker 加入 Anki 團隊去了。

該團隊把 Anki Drive 稱為「首款現實版電子遊戲」。說到工程技術艷遇設計，Anki Drive 的誕生實為典範。在矽谷，新創公司的主流趨勢為駭客驅動，設計不過是區區陪襯而已。但 Anki 的創始人們深知自己不是賽車設計的魔法師，尤其在這個工程師想要掌控一切的時代——從 app 圖標到 UI 設計概莫能外——Anki 團隊能找來Belker 實為明智之舉。

反過來講，Anki 團隊的真誠相邀則讓 Belker 感到頗為欣慰，畢竟，身在好萊塢外行人的指手畫腳他見得多了。「我常說，凡有駕照的人都是一個隱性的汽車設計師——從他們身上能學到很多；尤其在娛樂圈，我跟很多有技術 know-how 的人打過交道。」Belker 如是說。

手握 Andreessen Horowitz 領投的5000 萬美元資金，Anki 有 5000 萬個理由相信自己能把事情搞定。但在合作中，Belker 並沒有遇過 Hollywood 式的自負。「彌足珍貴的一點在於，Hanns 和他的團隊明明對整個專案的技術部分瞭如指掌，卻給予充分信任讓我盡情施展設計才華，而不是做微觀上的修飾工作。」

開始時，Belker 和整個團隊通過腦力激盪探索相關方案：汽車主題、風格特點、擾流板的用處和輪胎的大小等等。但一量他們達成共識，Belker 就會被全權委託，原因很簡單，如 Tappeiner 所言，「廚師多了燒壞湯，人多手雜反壞事。我們不會讓五個人去研究一個設計細節，一開始會搞清楚宏觀上的任務，對Belker 的設計成果，我們會給出『yes』或『no』的判決。我真地不喜歡評價細節，直截了當的選擇方式或許會有更好的最終結果。」

雖然這種鬥士風格的決策過程讓有些人感到無所適從，不過 Belker 覺得還是明顯好過被那些不懂設計的人指指點點。「那會把我逼瘋。」他說道。

Belker 覺得最後設計出來的賽車就算「紋風不動」也能讓人感受到一種「蓄勢待發」的氣場。換句話說，快。每個車型都被賦予了一種獨特的性格，線條和體型都透露出一種戰鬥力。

從 3-D 模型到拿出賽車原型過程中，設計和工程團隊協作變得更加緊密了。在人工智慧產品的開發上，軟硬體結合特點比其它產品更顯著。Tappeiner 說，「如果任何一輛車的重量分佈錯了1 克，那麼它根本就無法運行了。」

對 Belker 而言，設計 Anki Drive 是一次新奇的挑戰，在好萊塢他是那麼不習慣屈就於物理學。不過 Belker 最難能可貴的地方也在於其孩子般的想像力。當被問及開發一款人們永遠也坐不進去的微型賽車是不是很難時，Anki CEO Boris Sofman 笑道：「Harald 瘋狂於創造，於是他也威力無邊。」Belker 身高 1.98 公尺，他總也坐不進自己設計的車裡。他補充道。

「我自己設計的車永遠容不下我，甚至長8 米多的蝙蝠車都不行。」Belker 如是說。

SOURCE: fastcodesign.com