国产精品 久久久精品动漫网站_欧美日韩久久中文字幕_国产亚洲精品日韩在线tv黄_国产农村一级毛片精品_日本国产中文字幕_任我爽橹在线视频精品583_最近中文字幕mv免费高清视频8_色爽交永久免费视频_国产精品三区第二页_亚洲春色在线观看

“如果說互聯(lián)網(wǎng)是優(yōu)化信息的存儲和傳輸方式，提升生產(chǎn)要素之間的運行效率；人工智能便是對各個生產(chǎn)要素的升級?！?/p>

本人初入職場便從事TOB相關(guān)工作，參與了tbds等大數(shù)據(jù)平臺的產(chǎn)品建設(shè)，近兩年逐漸接觸人工智能；目前主要負(fù)責(zé)TI-ONE機器學(xué)習(xí)平臺，結(jié)合自己工作經(jīng)驗，在這里分享一些關(guān)于ML產(chǎn)品的思考和實踐。

人工智能產(chǎn)品類型

平臺-強調(diào)賦能

基礎(chǔ)支撐/基礎(chǔ)平臺-通用的ML技術(shù)平臺，實現(xiàn)常用的算法,形成通用機器學(xué)習(xí)平臺（Spark/TensorFlow等），對外提供API、SDK等，為業(yè)務(wù)賦能。這類平臺聚焦性能、開發(fā)效率和預(yù)測準(zhǔn)確度。

應(yīng)用-融入場景

突出場景閉環(huán)，如利用人臉識別、自然語言處理(NLP)等技術(shù)構(gòu)建新的交互體驗和用戶場景。

目前市面上看到的人工智能產(chǎn)品都屬于弱人工智能的范疇，它們通常專注于某一特定領(lǐng)域，有一定規(guī)則邊界，是達(dá)成既定目標(biāo)的工具；各個領(lǐng)域的初級崗位最有可能被這類人工智能替代。

人工智能產(chǎn)品流程

數(shù)據(jù)

讓人工智能產(chǎn)品能夠運轉(zhuǎn)起來的前提，首先需要尋找和積累大數(shù)據(jù)，大數(shù)據(jù)是機器學(xué)習(xí)平臺必需的燃料，有足夠大的燃料，平臺所跑出的模型精確率會越高。

通常我們會通過中間件工具（KAFKA/tube）進行流轉(zhuǎn)，將數(shù)據(jù)運輸?shù)紿DFS等存儲平臺，包括文本、圖片、語音等數(shù)據(jù)，并對其做數(shù)據(jù)清洗，特征處理等，便于加載到接下來的神經(jīng)網(wǎng)絡(luò)。

算法、訓(xùn)練模型

訓(xùn)練出一個有效的模型的前提，需要數(shù)據(jù)和算法兩者的雙管齊下；從計算模型的角度，我們通過所獲取并清洗好的一組數(shù)據(jù)，配置好算法相關(guān)的關(guān)鍵參數(shù)來構(gòu)建模型的運行，從而形成了一定的反饋路徑，來達(dá)到預(yù)期的輸出結(jié)果。

通過數(shù)據(jù)的灌輸，建立起輸入-處理-輸出(IPO)的關(guān)系，加載到神經(jīng)網(wǎng)絡(luò)的訓(xùn)練中，學(xué)習(xí)數(shù)據(jù)中的規(guī)律并產(chǎn)生一個最能契合這些數(shù)據(jù)的函數(shù)表達(dá)式。在訓(xùn)練過程中，不斷去試錯和糾正，去推進模型更為精準(zhǔn)的路上。對模型準(zhǔn)確度有足夠信心，便可把訓(xùn)練完成后的模型部署上去，去預(yù)測喂養(yǎng)新數(shù)據(jù)后的結(jié)果是什么。例輸入的是人臉圖片，那么輸出結(jié)果便是人臉識別結(jié)果。

應(yīng)用模型

當(dāng)模型精確度足夠高后，便可上線服務(wù)，實際運用到我們的系統(tǒng)中。典型的例子是電商系統(tǒng)中基于用戶/物品的推薦。

人工智能產(chǎn)品經(jīng)理的思考點

1.明確產(chǎn)品的定位，找到產(chǎn)品能發(fā)揮價值的地方

在做TI-ONE初期，我們的目標(biāo)是做一個通用／易用性高的機器學(xué)習(xí)平臺，讓方便業(yè)務(wù)接入平臺。用戶無需關(guān)注機器學(xué)習(xí)的運行細(xì)節(jié)，如底層用什么計算框架、用多少計算資源、應(yīng)該怎樣配置參數(shù)等，將注意力重點放在核心業(yè)務(wù)，同時也可以享受機器學(xué)習(xí)帶來的便利。

我們把TI-ONE設(shè)定為一個拖拽式建模工具而不是類似于jupyter的交互式工具，雖然jupyter有很好的拓展性，但為了降低機器學(xué)習(xí)使用門檻和釋放用戶大量寫代碼的時間和精力，增加受眾面，我們選擇了把特征處理、算法以模塊化的方式來設(shè)計，讓用戶在拖拽組件中，快速完成模型的搭建。

在產(chǎn)品化機器學(xué)習(xí)的時候，發(fā)現(xiàn)大部分工作不是在研究復(fù)雜的公式理論，而是如何讓用戶在使用機器學(xué)習(xí)的過程中更順暢，讓不同步驟之間的流程如數(shù)據(jù)的準(zhǔn)備、算法參數(shù)的填寫、模型的訓(xùn)練／測試／篩選／部署等，能夠無縫銜接。舉個例子，規(guī)劃及組織平臺所需要的數(shù)據(jù)、用什么方式和工具來統(tǒng)一數(shù)據(jù)的上傳、對數(shù)據(jù)的接入是否需要提供預(yù)覽；如何幫助用戶獲得高質(zhì)量的數(shù)據(jù)集，為提煉優(yōu)質(zhì)模型提供保障、如何高效率低成本地為數(shù)據(jù)打標(biāo)簽、把數(shù)據(jù)價值最大化，這些都是產(chǎn)品經(jīng)理需要重點耗費精力的地方。

在此引用谷歌大腦高級科學(xué)家Martin Zinkevich的一句話“To make great products：do machine learninglike the great engineer you are, not like the great machine learning expert youaren’t”把工程效率提升到極致了，用戶才能真正享受到算法帶來的便利。

2.產(chǎn)品形態(tài)的把握

對于人工智能產(chǎn)品經(jīng)理，所需的技能SET，不僅包括原型能力、功能邏輯、信息路徑、UI設(shè)計，算法模型、數(shù)據(jù)訓(xùn)練等產(chǎn)品背后抽象的邏輯也同樣重要。

比如立項一個人工智能產(chǎn)品，我們不能很寬泛地定位要做一個機器寫作，這個需求的范圍太大，會讓后續(xù)功能的開發(fā)不好收斂。產(chǎn)品經(jīng)理需要盡量參與到算法開發(fā)，了解算法的每個步驟，對涉及的環(huán)節(jié)有個清晰的概念，并在此基礎(chǔ)上尋找和評估是否有產(chǎn)品化的可能性。

再比如我們要做新聞主題分類，首先需要利用網(wǎng)頁抓取去各個網(wǎng)站的新聞，一般情況下，新聞網(wǎng)站都會分好類，可以直接記為標(biāo)簽。這個過程是否便可以做成一個產(chǎn)品化的成果。

過去的互聯(lián)網(wǎng)產(chǎn)品，可能我們偏向埋頭于體驗、需求，不太關(guān)注技術(shù)環(huán)節(jié)；而在AI產(chǎn)品領(lǐng)域，我們必須要深入技術(shù)運轉(zhuǎn)流程，才能提升我們做出一個優(yōu)秀AI產(chǎn)品的可能性。

3.了解用戶指標(biāo)背后的含義

在評估TI-ONE產(chǎn)品用戶數(shù)據(jù)指標(biāo)時，UV/PV/月活/新增用戶數(shù)等都是我們會去關(guān)注的數(shù)據(jù)指標(biāo)。但若只關(guān)注實際數(shù)值，不去深究背后數(shù)據(jù)增長原因的話，有時會陷入一定的盲區(qū)。比如之前查看產(chǎn)品的統(tǒng)計指標(biāo)，用戶數(shù)和日均執(zhí)行任務(wù)數(shù)都是一個穩(wěn)定增長的趨勢，但在用戶調(diào)研中，深入了解了這些在平臺上跑的任務(wù)，發(fā)現(xiàn)有一部分任務(wù)大家只用來做調(diào)度，并沒有去使用平臺上的算法模塊，刨根問底了這部分用戶才知道，因為我們平臺上的算法庫是黑盒子，出了問題不好定位，不如自己寫代碼查原因。通過這次對指標(biāo)的剖析，我們也考慮將目前提供的算法進行開源和引入自定義算法模塊，去補充我們對這塊功能設(shè)計的短板。

4.縱向的業(yè)務(wù)理解能力

很多人工智能產(chǎn)品往往跟某一垂直行業(yè)緊緊掛鉤，去解決某一具體問題；這是要求人工智能產(chǎn)品經(jīng)理去深入整個業(yè)務(wù)流程的鏈條，熟悉每一個涉及到的用戶場景；并且在場景中，提煉出用戶最迫切需求并優(yōu)化需求點，實現(xiàn)產(chǎn)品的變現(xiàn)。

很多不同行業(yè)、領(lǐng)域的人工智能產(chǎn)品其實背后所用到的技術(shù)邏輯都大同小異，如人臉識別技術(shù)，在安防市場，因人臉難以復(fù)制的特性，它代替了門禁卡。在公安領(lǐng)域，警察可以通過人臉識別，在各大重點區(qū)域，關(guān)口進行人臉的抓拍、識別，對可疑人物的信息可實時推送到警務(wù)終端，大大提升破案效率。在銀行領(lǐng)域，人臉識別可以支持遠(yuǎn)程辦理業(yè)務(wù)，刷臉開戶，通過它查驗身份信息，可免去需求親自去網(wǎng)點辦理的麻煩。

技術(shù)是相通，但不同場景的側(cè)重點會有所不同，產(chǎn)品形態(tài)也會有所差異；在銀行領(lǐng)域，人證比對設(shè)備需求會比較強。在公安領(lǐng)域更強調(diào)的是后臺動態(tài)人臉識別系統(tǒng)的使用。

人工智能產(chǎn)品經(jīng)理需要對業(yè)務(wù)場景進行反復(fù)驗證、迭代，從而去判斷結(jié)果概率是否能達(dá)到用戶的標(biāo)準(zhǔn)，依照這些判斷去做不同的投入策略。因此，了解算法的基本原理和落地的業(yè)務(wù)場景尤為重要，可以有一個相對清晰的技術(shù)框架，并且懂得在技術(shù)允許實現(xiàn)的范圍內(nèi)，規(guī)劃出最優(yōu)方案。

5.關(guān)聯(lián)信息的能力

做人工智能產(chǎn)品需要我們加深對機器學(xué)習(xí)相關(guān)技術(shù)和應(yīng)用的理解。理解好機器學(xué)習(xí)的基本邏輯，數(shù)學(xué)是其背后的原理，如微積分、概率論、線性代數(shù)都是機器學(xué)習(xí)的基礎(chǔ)。而這些數(shù)學(xué)概念和模型往往是抽象、非直觀的。

當(dāng)試著去理順這些相對復(fù)雜的邏輯，可以嘗試關(guān)聯(lián)信息的方法，在不熟悉與熟悉的知識之前建立連接，從個人的經(jīng)驗中，去尋找能夠與所有要理解信息類比的部分，把枯燥難懂的知識點，與實際生活的例子相結(jié)合。

比如說我要學(xué)習(xí)線性回歸，關(guān)于線性回歸，提供的數(shù)學(xué)解釋是假設(shè)自變量與因變量是線性關(guān)系,利用最小二乘法擬合自變量權(quán)重的一種分析方法。若單是看這段解釋的話，會不太容易讓人理解線性回歸是在描述什么；試著去聯(lián)想生活中的經(jīng)驗會幫助理解線性回歸的概念。針對線性回歸這個概念，可以通過房價波動和驅(qū)動因素來做聯(lián)想，假設(shè)我們有1000條關(guān)于深圳房子的綜合數(shù)據(jù)，每條數(shù)據(jù)作為一個樣本，內(nèi)含信貸價格、常住人口/戶籍人口、工作人口/常住人口、小學(xué)生在校人數(shù)這些數(shù)據(jù)看作特征變量，房價為目標(biāo)變量。線性回歸解釋的便是這些特征變量對房價波動的影響度。

6.降本提效是推動人工智能發(fā)展的最強動力

人工智能技術(shù)價值的實現(xiàn)，最終需要落地商業(yè)化、為行業(yè)帶來價值和形成真實有效規(guī)?；膭傂鑱眢w現(xiàn)。目前大部分人工智能公司在做的是單一的人工智能驅(qū)動產(chǎn)品，如自動駕駛汽車算法、零售領(lǐng)域的刷臉支付、醫(yī)療領(lǐng)域的人工智能影像分析。所有員工工作中的任務(wù)自動化比例將提升，一部分勞動力也會被人工智能所替代。沖擊較大的工種為人工客服、流水線工人、銀行柜臺職員等。

還有一種AI公司，不是去用某種人工智能的能力去替代某一工種的工作，而是完全重塑整個行業(yè)的的勞動力配置，比如阿里的無人酒店，從接待到打掃的服務(wù)員全都是機器人，他們沒有雇傭人類員工，去利用算法取代某種類型的工種；隨著低本、高效和優(yōu)質(zhì)的服務(wù)模式逐漸鋪開并且占領(lǐng)市場，高昂的人力成本可能會導(dǎo)致對手們重新調(diào)整公司對勞動力配置。

根據(jù)來自普華永道的數(shù)據(jù)：“預(yù)計到2030年，AI將能為世界經(jīng)濟貢獻(xiàn)15.7萬億美元，這相當(dāng)于目前印度加中國的生產(chǎn)總值總和，中國公司在其中將起到非常重要和關(guān)鍵的作用?！毕嘈挪痪玫膶?，會有越來越多的行業(yè)和人工智能結(jié)合在一起。如何去挖掘行業(yè)的切入點、利用AI去重塑應(yīng)用場景，為實體行業(yè)提升運行效率、甚至顛覆當(dāng)前的傳統(tǒng)的商業(yè)模式，提供一套可行的AI解決方案是AI產(chǎn)品經(jīng)理需要掌握的核心技能。

結(jié)語

當(dāng)有了一定積累，面對工作就會得心應(yīng)手，使人的行為處于一個穩(wěn)定的水平，慢慢有了自己的舒適區(qū)，時間久了會不愿離開這樣的狀態(tài)。但若一直沉浸在一個自己非常熟悉的領(lǐng)域，難免被固化了行為，不過是日復(fù)一日發(fā)揮著一個螺絲釘?shù)墓πА?/p>

切換到AI領(lǐng)域發(fā)現(xiàn)，這是個一旦不保持自己技能SET更新狀態(tài)便會被淘汰的領(lǐng)域，包括在一個項目組內(nèi)的算法、開發(fā)童鞋，也是每天不斷在學(xué)習(xí)，了解當(dāng)前最前沿的知識。

世界總是不斷前進變化和充滿著不確定性，保持著自己所積累的技能和可預(yù)見/突破的挑戰(zhàn)的平衡，逐步爬坡，穿透自己的高墻，才能擁有人生更多的可能性。