# [Ch12: 人與機器](http://maker4ever.com/2015/02/ch12/ "Ch12:人與機器")
**歡迎關注我們的微信公眾號:makerlog**
finished this chapter @ the flight from Boston to Hong Kong
**Ch12 Man and Machine**
隨著成熟的的工業已經陷入了停止階段,信息技術的發展如此迅猛以至于它本身成為了“技術”的代名詞。今天,有超過15億的人利用手持設備連接到網絡中,獲取知識。如今人們的手機的運算能力是當年登月計劃所用的計算機的計算能力的上千倍。如果摩爾定律能持續的話,以后的計算能力會更加強大。
計算機的運算能力在某些領域已經超過了人類。在1997年的時候,IBM的深藍打敗了世界級象棋大師Garry Kasparov。2011年,智力競賽節目Jeopardy的最佳選手Ken Jennings也敗給了IBM的Watson。現如今,Google的自動駕駛車也開在了加利福尼亞的道路上了。Dale Earnhardt Jr. (賽車手)可能不需要擔心來自它們的威脅,可是英國衛報替司機們擔心,無人駕駛汽車“會帶來下一波失業浪潮”。
Google Driveless Car
每個人都期待計算機未來可以做更多的事情——可以暢想下:三十年之后,還有什么事情是留給人類去做的?Marc Andreessen(譯注:世界上第一款網頁瀏覽器的作者,現在是著名的風險投資家)非常肯定地說“軟件正在吞噬世界。”風投人士Andy Kessler甚至高興地去解釋創造生產力的最佳方式是:“把人類干掉”(to get rid of people)。福布斯雜志在做這一專題的時候,用一種焦慮的語氣問它的讀者們“機器會替代你嗎?”
未來學們似乎希望答案是肯定的。勒德分子(Luddites,反對技術革新的人)如此的擔心他們可能會被替代以至于他們更愿意人類停止發展新的技術。這兩種觀點都沒有去質疑這個假設,即更好的計算機會取代人類。但這個假設是錯的:計算機是人類的補充,而不是替代。下一個世紀最有價值的商業將會被那些致力于“使人類更強而非淘汰”的企業家所創造。
* * *
**替代還是互補?Substitution VS. Complementarity**
15年前,美國的工人曾一度擔心更廉價的墨西哥勞力所帶來的競爭。并且那個擔心是有道理的,因為人類真的是可以彼此替代的。今天的人們認為他們可以再一次聽到Ross Perot的“巨大的吸食聲”的言論(譯注: “巨大的吸食聲”(Giant Sucking Sound)–這一短語在1992年由美國總統候選人羅斯·佩羅(Ross Perot)提出。當時,美國要與墨西哥簽訂《北美自由貿易協定》(NAFTA),克林頓支持北美自由貿易區的建立,而佩羅則認為該協定不會促進美國經濟,反而會造成美國人大量失業。佩羅用“Giant Sucking Sound”來生動形容一旦簽訂NAFTA,墨西哥人將會奪走美國人的飯碗,“吸食”美國的經濟。來源:http://www.21bcr.com/a/shiye/yuwai/2010/1206/2009.html)。但是他們只是追溯到德州的服務器群組,而不是Tijuana(墨西哥的一個城市)的折價工廠。美國人擔憂不遠未來即將到來的新技術,因為他們視之為不遠過去所經歷的全球化的翻版。但是情況變了:人們之間的競爭是為了職業和資源;計算機并不去競爭這些。
* * *
**全球化意味著替代**
當Perot警告來自國外的競爭的時候,喬治布什和比爾克林頓在鼓吹自由貿易的信條:因為每個人在某些職位上都有一定的競爭力,理論上,當人們根據他們的特點來掌握某些專業技能并用這個與他人交換的話,就能最大化我們的經濟效益。其實,至少對很多工人而言,并不是太清楚這種自由貿易效果如何。當相對優勢里存在一個大的差異時,來自貿易所能獲得的收益最大。
人們并不只是去競爭勞動力市場,他們也需要去爭取相同的資源。當美國的消費者們享受著來自中國的便宜玩具和紡織品時,他們的汽油費也越來越高,因為中國新興的摩托車族們的需求把價格給推高了(譯注:其實應該是說汽車族)。無論是住在上海的人吃魚翅或是住在圣地亞哥的人吃魚肉玉米餅卷,他們都需要食物,并且他們也都需要避難所(shelter)。并且這種欲望是不會停止的,隨著全球化的進展,人們要求的會越來越多。現如今,即便中國數百萬的農民們已經可以享受著一個有保障的基本食品鏈,他們也開始想多吃豬肉而不再只是谷物了。在上層的這種欲望的聚合更加的明顯:在Cristal,所有的寡頭們都有著相同的品味:從Petersburg到Pyongyang.
* * *
**技術意味著互補**
現在,想一下計算機的競爭而不是工人們的競爭。在供應(supply)這邊,計算機與人的不同遠大于兩個人之間的不同:人與機器在本質上有不同的優點。人具有意向性(intentionality)——我們在復雜的事情上面做計劃,做決策。但我們不太擅長搞懂龐大的數據。計算機恰好很擅長做這個:它們能夠很有效的去處理數據,但那些人類看來非常簡單的決策對于它們而言是很痛苦的“體驗”。
想理解這種方差(variance)的尺度,回憶下一下谷歌的那臺很厲害的計算機。在2012年的時候,它們的一臺超級計算機搞了個頭條:在掃描完Youtube上的1千萬條視頻之后,它可以以75%左右的精確度來識別一只貓。這看起來讓人印象深刻,不過當你意識到即便是個4歲的小孩都能正確無誤的認識一只貓之后,你會覺得這也沒什么。當你發現一臺廉價的計算機可以在某些事情上打敗最聰明的數學家,但一臺有著16000個cpu的超級計算機卻又不能比一個小孩在某些領域做得更好的話,你就知道計算機和人,并不是誰比誰更厲害,他們從屬著不同的類別。
人與機器之間的顯著差異意味著與機器一起工作可以帶來的收益遠大于跟人做交易所得到的收益。記住這一點,機器是工具,并不是競爭者。
在供應端,這種差異更為深刻。不同于工業化國家里的人們,計算機們并不需要奢侈的食物,或者法拉利跑車。它們所需要的只不過是電力。當我們設計新的計算機技術來幫忙解決問題的時候,我們能得到所有的好處,并且不需要與之去競爭資源。一個更適合的理解方式是,科技可以幫助我們遠離全球化所帶來的競爭(譯注:這個很好理解,想一想硅谷的高科技公司和國內的高科技公司,一方在拼命往前跑,一方在死命拽著衣角;peter是說想,你們(美國)這幫人與其擔心計算機搶你們的飯碗,不如想想印度人中國人搶你們的飯碗)。隨著計算機變得越來越強大,它們只會成為人類的補充,而不會替代人類。
* * *
**補充型的商業**
人與計算機的補充并不僅僅是宏觀(macro-scale)事實。這也是建立一個偉大企業的路徑。我是從創辦貝寶(paypal)的經歷來逐漸理解到這個事情的。在2000年中期,我們在互聯網泡沫破裂中幸存,并且成長的很快,但是我們遇到了一個巨大的問題:我們每個月所遭受的信用卡欺詐帶來的損失高達1千萬美元。因為我們每分鐘要處理成百上千次交易,我們沒辦法去審閱每一筆交易——依靠人工的檢測做不到很快。
所以我們采取了任何一個工程師團隊都會采取的辦法:我們試著使解決方案自動化。首先,Max Levchin(譯注:peter幫的程序大牛,前蘇聯人)組織了一群數學很厲害的技術精英來研究欺詐交易的細節。接著,他們根據得到的識別算法(譯注:例如可以研究欺詐的模式)來編寫程序,可以實時地自動識別并取消欺詐交易。但是很快我們就發現這種辦法也不行:每過幾個小時,“竊賊們”就會意識到這一點,并及時調整他們的策略。我們所面對的是一只可以自適應調整的敵人隊伍,而我們的軟件卻不能做出那樣的變化。
欺詐者們的自適應調整方式可以愚弄我們的自動檢測算法,但是我們發現,他們是沒辦法輕松愚弄我們的分析員的。因此Max和他的工程師隊伍們重寫了軟件,并采用一種混合方式:計算機首先標記出最值得懷疑的交易,并輸出到一個設計好的用戶界面,我們的人工再根據他們自己的判斷做最終決定。多虧了這套混合系統——我們叫它“Igor”,在我們成功地阻止了那個曾自夸我們沒辦法阻止的俄國詐騙犯之后,我們在2002年的第一季度首次實現了季度盈利(之前一年的第一季度我們是2千9百萬美金的虧損)。后來FBI還向我們詢問是否可以借我們的Igor系統來幫他們檢測金融犯罪。Max,坦白講,就是互聯網時代的福爾摩斯。
這套人機系統使得貝寶保證了業務上的穩定,因此成百上千家的小企業接受了我們的這套支付服務。即便大部分的人都沒見過或是聽過我們的系統,但是如果沒有它,就會變得困難重重。
在02年我們把貝寶賣掉之后,我繼續在思考這個問題:如果人類和計算機可以合作在這個領域做得比任何單獨一方都要好的話,基于這個原則還有其他什么有價值的商業可以做?次年,我聯系(pitched)了Alex Karp,他是我在斯坦福的老同學,以及Stephen Cohen,一位計算機工程師,我們有個新的創業計劃:我們可以用來自貝寶的人機混合方法來偵測恐怖組織網絡和金融詐騙。我們意識到FBI對此是有興趣的,在2004年,我們成立了Palantir,一個軟件公司可以幫助人們從海量的信息源中抽取有用信息。我們這家公司在2014年的預定銷售額(book sales)是10億美金,福布斯雜志也把Palantir的軟件譽為殺手應用(killer app)因為有傳言說(rumored role)它幫助過政府來定位本拉登的藏身之處。
我沒辦法講太多的技術細節,但我可以說無論只有人類智慧或是只有計算機都不能讓我們的生活變得安全。美國的兩大間諜結構采取了兩種相反的做法:中央情報局(CIA)靠的是人,國家安全局(NSA)靠的是計算機。CIA的分析員們需要從大量的噪音中去定位那些最具威脅的事情,NSA的計算機可以處理海量數據,但很難判斷某個人是否有恐怖活動的意圖。Palantir的目標就是超越上述的兩項缺陷:采用軟件來分析政府提供的數據(例如也門的激進宗教人士的通話記錄,或者與恐怖活動有關的銀行賬戶),然后標記出可疑的行為,再交由受過訓練的分析員進行審閱。
除了幫助發現恐怖分子以外,分析員們利用Palantir的軟件來預測阿富汗的叛亂分子將會在哪里種植IEDs;搞垮最大的兒童色情犯罪網絡;挽救銀行和政府因為欺詐造成的數百萬美元的經濟損失。
先進的軟件使得這一切成為了可能,但更重要的是如果沒有人類分析員,公訴人(prosecutor),科學家,金融專家的介入,軟件也變得不再有用。
想一想那些專家們如今是怎樣工作的?律師們必須能夠在那些讓人苦惱的問題中用多種不同的方式得到多套解決方案——對話(pitch)會隨著對象的不同而不同,比如委托人,opposing counsel,或是法官。醫生們也需要掌握跟各類非專業的病人進行溝通的技能。好的老師不僅僅是他們領域的專家,他們也應該知道如何針對不同的學生的興趣和學習方式進行指導。計算機們可以做些類似的事情,但是它們沒辦法很有效的去結合。在法律,醫學,和教育上,更好的科技并不會替代那些專家,而是讓專家們做的更多。
領英(LinkedIn)就是在為招聘人員們做這樣的事情。當領英在2003年成立的時候,他們并沒有試圖去編寫軟件來替代招聘人員。招聘是一種部分偵探型,部分銷售型的工作:你要仔細研究應聘者的過去,獲悉他們的動機和能力,并且還要能說服那些最有前途的人加盟你。僅僅用電腦來替代這些工作是不可能的。領英的做法是幫助招聘人員改革他們的工作。今天,超過97%的招聘人員用領英和它的強大的搜索和過濾功能來獲取候選人員,并且這個網絡也幫成百上千萬的專家們管理他們的個人品牌。如果領英僅僅是想用技術來完全替代招聘人員的話,他們不會取得如今的成就。
* * *
**計算機科學的意識形態(Ideology)**
為什么這么多人會無視補充的重要性?這是從學校開始的。軟件工程師們之所以會傾向于做那些可以完全替代人類的項目是因為他們被訓練著做這樣的事情。科研工作者們通過那些特別的研究來建立他們的聲譽:他們的基本目標是發論文,出版物意味著對于一個特別學科的限制的推崇(“publication means respecting the limits of a particular discipline”)。對于計算機科學家而言,這意味著把人的能力限制在某些特殊的技能上面,這樣計算機可以被訓練著一替一個征服。
看看當今時髦的計算機科學。“機器學習”喚醒了對于替代性的憧憬,它的鼓吹者們似乎相信計算機可以被教會幾乎任何一項技能,只要我們給他們足夠多的訓練數據。任何用過Netflix或Amazon服務的人都經歷過機器學習所帶來的好處:這兩家公司都用算法來基于你的瀏覽和購買歷史來推薦產品。給他們越多的數據,推薦的結果就會越好。谷歌翻譯也是做了類似的事情,針對80多種語言提供了粗糙但還不錯的翻譯結果。這并不是因為軟件能“懂”人類的語言,而是因為它通過統計提取出一些模式(pattern)。
另一個泡沫詞匯(buzzword)是大數據。如今的公司對數據有一種貪得無厭的喜好,錯誤的認為更多的數據就能帶來更多的價值。但是大數據通常是蠢數據(dumb data)。計算機可以找到模式來躲避(elude)人類,但它們不知道如何來比較來自不同信息源的模式(pattern),以及如何描述復雜的行為。有效的洞察只能來自人類分析師(或者說人工智能僅僅存在于科幻小說中)。
我們之所以被大數據搞得神魂顛倒,不過是因為我們迷戀科技(exoticize technology)。我們著迷于計算機單獨可以做的那些小事,卻忽視了來自混合型系統的巨大成就。Watson,Deep Blue和更好的機器學習算法很酷。但是在未來最有價值的公司不會是僅僅依靠計算機來解決問題的公司。相反的,他們會問:計算機如何幫助人類解決難題?
* * *
**更加聰明的計算機:朋友還是敵人?**
計算的未來肯定是充滿著未知的。像Siri或是Watson那樣更聰明,更加人格化的機器人智能體會越來越多的出現。一旦計算機可以回答我們的所有問題,或許它們會自問它們為何要臣服于我們?
IBM Watson
這種“替代者”式的思考的邏輯點被稱為“強人工智能”(strong AI):計算機在各個重要的方面都完勝人類。當然,勒德份子Luddites(譯注:反對技術革新的人)是很恐懼這一點的。未來學家們也是有一絲不安的。因為人們并不清楚,這種強人工智能是會拯救人類還是摧毀人類。技術的目的是為了加強我們對自然地掌控,并且降低“概率”所存在的地位(譯注:是指要盡可能做成)。建造比人類聰明的計算機實際上會帶來復仇(vengeance)的可能。強人工智能就像是宇宙級的彩票:如果我們贏了,我們就會獲得烏托邦,如果我們輸了,天網就會取代我們人類的地位(譯注:天網是電影《終結者》中的智能計算機的名稱)
skynet
但是即便強人工智能真的會出現,那也不會出現的很快:被計算機取代對于22世紀而言或許是個擔心。對于遙遠未來的不確定的擔心不應該阻止我們為今天做確定的決定。勒德份子聲稱我們不該造計算機而讓它在某天取代我們人類;瘋狂的未來主義者則辯稱我們應該這么做。這兩種態度是互相排斥的,但是他們并不互斥:還是存在一個空間讓清醒的人們在未來幾十年里來建造一個更好的世界。隨著我們發現更新的方式來使用計算機,它們不僅會讓人們在已經做到的事情做得更好,還會幫我們做一些從未想過的事情。
* * *
**延伸閱讀:**
Elon Musk對于人工智能的擔憂:
[http://www.pingwest.com/ai-vs-humanity/](http://www.pingwest.com/ai-vs-humanity/)
就在他在MIT出席[航天系100年建系慶典](http://webcast.amps.ms.mit.edu/fall2014/AeroAstro/index-Fri-PM.html)的時候發出一番對于人工智能的擔心,他隨后不久就向一個民間科研組織捐贈了1千萬美元,[用于研究人工智能的副作用](http://www.csdn.net/article/2015-01-15/2823564)。
- Zero to One 從0到1 | Tony翻譯版
- Ch1: The Challenge of the Future
- Ch2: Party like it’s 1999
- Ch3: All happy companies are different
- Ch4: The ideology of competition
- Ch6: You are not a lottery ticket
- Ch7: Follow the money
- Ch8: Secrets
- Ch9: Foundations
- Ch10: The Mechanics of Mafia
- Ch11: 如果你把產品做好,顧客們會來嗎?
- Ch12: 人與機器
- Ch13: 展望綠色科技
- Ch14: 創始人的潘多拉魔盒
- YC 創業課 2012 中文筆記
- Ron Conway at Startup School 2012
- Travis Kalanick at Startup School 2012
- Tom Preston Werner at Startup School 2012
- Patrick Collison at Startup School 2012
- Mark Zuckerberg at Startup School 2012
- Joel Spolksy at Startup School 2012
- Jessica Livingston at Startup School 2012
- Hiroshi Mikitani at Startup School 2012
- David Rusenko at Startup School 2012
- Ben Silbermann at Startup School 2012
- 斯坦福 CS183b YC 創業課文字版
- 關于 Y Combinator
- 【創業百道節選】如何正確的閱讀創業雞湯
- YC 創業第一課:你真的愿意創業嗎
- YC 創業第二課:團隊與執行
- YC 創業第三課:與直覺對抗
- YC 創業第四課:如何積累初期用戶
- YC 創業第五課:失敗者才談競爭
- YC 創業第六課:沒有留存率不要談推廣
- YC 創業第七課:與你的用戶談戀愛
- YC 創業第八課:創業要學會吃力不討好
- YC 創業第九課:投資是極端的游戲
- YC 創業第十課:企業文化決定命運
- YC 創業第11課:企業文化需培育
- YC 創業第12課:來開發企業級產品吧
- YC 創業第13課,創業者的條件
- YC 創業第14課:像個編輯一樣去管理
- YC 創業第15課:換位思考
- YC 創業第16課:如何做用戶調研
- YC 創業第17課:Jawbone 不是硬件公司
- YC 創業第18課:劃清個人與公司的界限
- YC 創業第19課(上):銷售如漏斗
- YC 創業第19課(下):與投資人的兩分鐘
- YC 創業第20課:不再打磨產品
- YC 創業課 2013 中文筆記
- Balaji Srinivasan at Startup School 2013
- Chase Adam at Startup School 2013
- Chris Dixon at Startup School 2013
- Dan Siroker at Startup School 2013
- Diane Greene at Startup School 2013
- Jack Dorsey at Startup School 2013
- Mark Zuckerberg at Startup School 2013
- Nate Blecharczyk at Startup School 2013
- Office Hours at Startup School 2013 with Paul Graham and Sam Altman
- Phil Libin at Startup School 2013
- Ron Conway at Startup School 2013
- 斯坦福 CS183c 閃電式擴張中文筆記
- 1: 家庭階段
- 2: Sam Altman
- 3: Michael Dearing
- 4: The hunt of ThunderLizards 尋找閃電蜥蜴
- 5: Tribe
- 6: Code for America
- 7: Minted
- 8: Google
- 9: Village
- 10: SurveyMonkey
- 11: Stripe
- 12: Nextdoor
- 13: YouTube
- 14: Theranos
- 15: VMware
- 16: Netflix
- 17: Yahoo
- 18: Airbnb
- 19: LinkedIn
- YC 創業課 SV 2014 中文筆記
- Andrew Mason at Startup School SV 2014
- Ron Conway at Startup School SV 2014
- Danae Ringelmann at Startup School SV 2014
- Emmett Shear at Startup School SV 2014
- Eric Migicovsky at Startup School SV 2014
- Hosain Rahman at Startup School SV 2014
- Jessica Livingston Introduces Startup School SV 2014
- Jim Goetz and Jan Koum at Startup School SV 2014
- Kevin Systrom at Startup School SV 2014
- Michelle Zatlyn and Matthew Prince at Startup School SV 2014
- Office Hours with Kevin & Qasar at Startup School SV 2014
- Reid Hoffman at Startup School SV 2014
- YC 創業課 NY 2014 中文筆記
- Apoorva Mehta at Startup School NY 2014
- Chase Adam at Startup School NY 2014
- Closing Remarks at Startup School NY 2014
- David Lee at Startup School NY 2014
- Fred Wilson Interview at Startup School NY 2014
- Introduction at Startup School NY 2014
- Kathryn Minshew at Startup School NY 2014
- Office Hours at Startup School NY 2014
- Shana Fisher at Startup School NY 2014
- Zach Sims at Startup School NY 2014
- YC 創業課 EU 2014 中文筆記
- Adora Cheung
- Alfred Lin with Justin Kan
- Hiroki Takeuchi
- Ian Hogarth
- Introduction by Kirsty Nathoo
- Office Hours with Kevin & Qasar
- Patrick Collison
- Paul Buchheit
- Urska Srsen
- Y Combinator Partners Q&A
- YC 創業課 2016 中文筆記
- Ben Silbermann at Startup School SV 2016
- Chad Rigetti at Startup School SV 2016
- MARC Andreessen at Startup School SV 2016
- Office Hours with Kevin Hale and Qasar Younis at Startup School SV 2016
- Ooshma Garg at Startup School SV 2016
- Pitch Practice with Paul Buchheit and Sam Altman at Startup School SV 2016
- Q&A with YC Partners at Startup School SV 2016
- Reham Fagiri and Kalam Dennis at Startup School SV 2016
- Reid Hoffman at Startup School SV 2016
- 斯坦福 CS183f YC 創業課 2017 中文筆記
- How and Why to Start A Startup
- Startup Mechanics
- How to Get Ideas and How to Measure
- How to Build a Product I
- How to Build a Product II
- How to Build a Product III
- How to Build a Product IV
- How to Invent the Future I
- How to Invent the Future II
- How to Find Product Market Fit
- How to Think About PR
- Diversity & Inclusion at Early Stage Startups
- How to Build and Manage Teams
- How to Raise Money, and How to Succeed Long-Term
- YC 創業課 2018 中文筆記
- Sam Altman - 如何成功創業
- Carolynn Levy、Jon Levy 和 Jason Kwon - 初創企業法律機制
- 與 Paul Graham 的對話 - 由 Geoff Ralston 主持
- Michael Seibel - 構建產品
- David Rusenko - 如何找到適合產品市場的產品
- Suhail Doshi - 如何測量產品
- Gustaf Alstromer - 如何獲得用戶和發展
- Garry Tan - 初創企業設計第 2 部分
- Kat Manalac 和 Craig Cannon - 用于增長的公關+內容
- Tyler Bosmeny - 如何銷售
- Ammon Bartram 和 Harj Taggar - 組建工程團隊
- Dalton Caldwell - 如何在 Y Combinator 上申請和成功
- Patrick Collison - 運營你的創業公司
- Geoff Ralston - 籌款基礎
- Kirsty Nathoo - 了解保險箱和定價股票輪
- Aaron Harris - 如何與投資者會面并籌集資金
- Paul Buchheit 的 1000 億美元之路
- PMF 后:人員、客戶、銷售
- 與 Oshma Garg 的對話 - 由 Adora Cheung 主持
- 與 Aileen Lee 的對話 - 由 Geoff Ralston 主持
- Garry Tan - 初創企業設計第 1 部分
- 與 Elizabeth Iorns 的對話 - 生物技術創始人的建議
- 與 Eric Migicovsky 的硬技術對話
- 與 Elad Gil 的對話
- 與 Werner Vogels 的對話
- YC 創業課 2019 中文筆記
- Kevin Hale - 如何評估創業思路:第一部分
- Eric Migicovsky - 如何與用戶交談
- Ali Rowghani - 如何領導
- Kevin Hale 和 Adora Cheung - 數字初創學校 2019
- Geoff Ralston - 拆分建議
- Michael Seibel - 如何計劃 MVP
- Adora Cheung - 如何設定關鍵績效指標和目標
- Ilya Volodarsky - 初創企業分析
- Anu Hariharan - 九種商業模式和投資者想要的指標
- Anu Hariharan 和 Adora Cheung - 投資者如何衡量創業公司 Q&A
- Kat Manalac - 如何啟動(續集)
- Gustaf Alstromer - 新興企業的成長
- Kirsty Nathoo - 創業財務陷阱以及如何避免它們
- Kevin Hale - 如何一起工作
- Tim Brady - 構建文化
- Dalton Caldwell - 關于樞軸的一切
- Kevin Hale - 如何提高轉化率
- Kevin Hale - 創業定價 101
- Adora Cheung - 如何安排時間
- Kevin Hale - 如何評估創業思路 2
- Carolynn Levy - 現代創業融資
- Jared Friedman - 硬技術和生物技術創始人的建議