Loading...


当产品司理遇上人工智能

2021-11-23 17:40:12 | 作者:bob球彩

  本文是我在产品内部做的一次关于人工智能的共享内容后进行总结的文章。由于我在研讨生期间研讨方向是神经网络,而最近的人工智能、深度学习等热门范畴在互联网风生水起,因而产品老迈让我预备做一个关于人工智能的共享。

  说到人工智能,就会说到图灵以及闻名的图灵测验,他在20世纪50年代提出的理论是至今许多关于人工智能的试验中。

  维基百科中关于人工智能的界说如下:人工智能(英语:ArtificialIntelligence,AI)是指由人工制造出来的体系所体现出来的智能,一般人工智能是指经过一般电脑完成的智能。咱们可以把人工智能这样了解,人工智能技能指的是经过模仿人类思维和认识,使机器和体系以人类智能类似的办法做出反响的技能。

  AI的中心问题包含推理、常识、规划、学习、沟通、感知、移动和操作物体的才干等,其详细研讨运用包含机器人、言语辨认、图画辨认、自然言语处理和专家体系等,需求要点去了解的是人工智能并不是指详细的某一项技能,而是一种研讨方向和研讨范畴的总称。

  与人工智能严密相连的关键词:计算机 互联网 神经网络 大数据 自动化操控

  1950年图灵测验 假如电脑能在5分钟内答复由人类测验者提出的一系列问题,且其超越30%的答复让测验者误认为是人类所答,则电脑经过测验。图灵赢得了被称作“人工智能之父”

  1956年夏日,以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见高见的年青科学家在一同集会初次提出了“人工智能”这一术语。

  70年代 由于计算机功能的瓶颈、计算杂乱性的指数级增加、数据量缺失等问题由于多层神经网络难以找到有用算法,神经网络研讨进入低落。

  2011年,一个卷积神经网络赢得了德国交通标志检测比赛。机器正确率99.46%,人类最高分为99.22%。

  2012年6月,吴恩达(Andrew Ng)和杰夫·迪恩(Jeff Dean)做了一份试验报告,他们给一个大型神经网络展现1000万张未符号的网络图画,然后发现神经网络可以辨认出一只猫的形象。

  2016年3月,谷歌DeepMind研制的AlphaGo在围棋人机大战中打败韩国工作九段棋手李世乭。

  机器学习、图画辨认、听音识曲等人工智能技能更是被用到了一般人的实践日子中。咱们可以在 Google Photos 中更快地找到包含猫猫狗狗的图片假如你感兴趣,还可以看以下文章:

  个人助理(智能手机上的语音助理、语音输入、家庭管家和陪护机器人)产品举例:微软小冰、百度度秘、科大讯飞等、Amazon Echo、Google Home等

  自驾范畴(智能轿车、公共交通、快递用车、工业运用)产品举例:Google、Uber、特斯拉、亚马逊、奔跑、京东等

  医疗健康(医疗健康的监测确诊、智能医疗设备)产品举例: Enlitic、Intuitive Sirgical、碳云智能、Promontory等

  金融(智能投顾、智能客服、安防监控、金融监管)产品举例:蚂蚁金服、交通银行、大华股份、kensho

  教育(智能评测、个性化教导、儿童陪同)产品举例:学吧讲堂、科大讯飞、云知声

  以下是我依据个人的阅历,对常见的人工智能的运用进行扼要的剖析,让各位更好了解人工智能技能是怎么运用到现有的范畴的。

  辨认又称为归类和定性,在人工智能范畴,模式辨认(Pattern Recognition)是指对表征事物或现象的各种形式的(数值的、文字的和逻辑联系的)信息进行处理和剖析,以对事物或现象进行描绘、辨认、分类和解说的进程。

  无人车的运用(操控+辨认)无人车的运用实践上不只是辨认算法,还包含操控理论,确保体系安稳运转,这是人工智能技能同各项工程技能的归纳运用,不止停留在计算机范畴。

  特别针对中文文本的关键词提取技能比较于英文是愈加难的。而现在除了关键词提取技能,现在人工智能研讨首要方向和难点在于经过文本提取出人物的爱情。

  监测确诊技能或是猜测技能,实践上运用的是数据拟合技能,由于当时许多数据之间的相相关系是一种弱联系(数据相关剖析),经过历史数据练习模型,然后对当时的输入数据进行反应。

  咱们大多数人所了解的人工智能技能或许还停留在算法自身,但实践上真实的人工智能运用针对不同的范畴,不只有各自的算法,事实上还包含其他范畴常识的运用,如自动化操控理论、电子技能、通讯技能、机械工程等等,因而咱们所了解的人工智能,应该是一个体系工程。网络中有一张图,叙述的是人工智能的深渊,毫不夸大的说,这其间的随意挑一项技能都是科研学者花费许多时间和精力去研讨的,很少有人可以全面了解一切常识范畴。

  一个最简略的了解是,神经网络的实质便是一个多输入多输出的函数,咱们常见的练习算法实践上是经过练习样本进行数据拟合,找到合适这个函数的参数然后进行运用。

  其作用是将数据投影到更高维的数据空间中,包含线性核、多项式核、高斯核函数等。

  神经网络模型好坏的重要评判规范之一。拟合才干指的是神经网络输出的准确度,拟合才干越强,准确度越高;泛化才干指的是神经网络关于新样本的习惯程度。一般来说,拟合才干越强的神经网络,其泛化才干或许较差。

  在神经网络或许大多数机器学习算法中,一般把有标签的数据进行练习学习称为有监督学习;而数据不带有标签,经过特征计算等的算法称为无监督学习,常见的如聚类。

  神经网络的运用举例:太阳黑子猜测,手写字体辨认试验和TE工业体系毛病猜测。

  上图是运用神经网络进行太阳黑子猜测的作用试验,经过改造后的神经网络关于数据猜测的作用愈加好。

  上图是经过神经网络进行辨认手写数字的试验比照图,经过改造的神经网络的辨认准确率高达90%。

  神经网络好用的当地在于黑箱建模的办法,可以协助运用者在即便不了解目标特性的根底上,相同可以得到杰出的运用,因而运用规模广泛。

  神经网络用于杂乱工业体系,如TE进程,是许多智能操控研讨者常见的研讨目标。

  面临杂乱体系,在技能计划设计中考虑了现场数据的滤波、去燥、归一化,关于新数据运用猜测模型进行猜测,运用KPCA办法进行数据特征提取,经过历史数据和新数据进行差错反应和在线更新,构成完好的毛病猜测计划。

  上图为改善后的神经网络图,比较于根底的神经网络,增加了2个反应层,然后使神经网络可以习惯动态数据。

  数据处理的难点其实在于数据特征不明显,如上图中,左图是毛病4和5的数据体现,经过肉眼很难辨认,而经过特征提取,可以将数据的特征扩大,然后提高神经网络的辨认准确度。

  经过以上神经网络计划设计和运用的比如,期望咱们了解人工智能计划在不同的运用范畴和不同的数据,计划不是幻想中运用同一办法建模如此简略。一个有用的计划,需求深化了解这个范畴实践的问题,而产品在其间扮演的人物,假如关于人工智能技能的了解只是停留在表层,注定不会得到最优的计划。

  以我个人的学习阅历来看,真实可以了解人工智能技能是需求时间的,虽然现在有许多文章阐明转型的或许性,但切忌不能由于了解了人工智能的皮裘,就认为可以进行产品设计和运用,许多想当然的决议计划或许带来的是巨大的本钱,乃至或许导致走许多弯路。因而对不了解的事物,不能容易下结论。

  人工智能不是全能的,也不是运用到一切的场景,假如把许多用很简略的办法就能解决问题的办法,生搬硬套运用人工智能,未必便是正确的事,产品需求时间反思,自己正在做的事是不是正确的?

  工作中也需求恰当引导运用新技能,究竟这个国际改变太快,拥抱改变才干具有未来。

  人工智能未必满是好的,要正确对待人工智能带来的优点,也要预见到它或许带来的晦气影响。

  最终引荐一个好玩的产品运用和一部电视剧,协助咱们了解人工智能在咱们日子中的运用。

  《人工智能工业剖析与创业出资盘点:636 起出资事情,吸金 574 亿》

  《人工智能工业剖析与创业出资盘点:636 起出资事情,吸金 574 亿》

  听到许多言论说在我国程序员是吃芳华饭的,那么产品司理呢,也吃芳华饭吗?

  人人都是产品司理()是以产品司理、运营为中心的学习、沟通、共享渠道,集媒体、训练、社群为一体,全方位服务产品人和运营人,建立9年举行在线+期,线+场,产品司理大会、运营大会20+场,掩盖北上广深杭成都等15个城市,在职业有较高的影响力和闻名度。渠道聚集了很多BAT美团京东滴滴360小米网易等闻名互联网公司产品总监和运营总监,他们在这里与你一同生长。



上一篇:人工智能安全典型实践事例出炉
下一篇:“黑科技”首秀!进博会成展现“大健康”全产业链、产品和科技的全球首发渠道

电信与信息服务业务经营许可证:京ICP证161398号信息网络传播视听节目许可证0110552号 广播电视节目制作经营许可证书13223号电话:010-82616677

©2002-2019 www.xcar.com.cn All rights reserved. bob球彩-bob买球靠谱吗-bob买足球 版权所有.