中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

身處人工智能的大浪潮之中，除了算法工程師，其他的角色也都應當對人工智能技術有一定的了解。所以，筆者將針對“什么是人工智能？”“非技術人員對于人工智能的理解存在哪些門檻？”等問題與大家分享自己的見解。

過去一段時間一直在思考：

• 非技術人員(比如產品經理、設計師、市場營銷等)理解人工智能技術存在哪些門檻？
• 有沒有更直觀、門檻更低的方式？
• 人工智能產品的研發(fā)和過去有什么不同？
• 各個角色如何協(xié)同？

為此，我與很多產品經理、UX設計師等非技術人員進行了交流。

下面就為大家分享我對于這些問題的思考。

今天，無論是面向個人的應用還是企業(yè)級軟件，人工智能都在其中發(fā)揮了重要作用。未來更多的產品和服務也一定是數(shù)據(jù)和人工智能技術來驅動。

盡管人工智能技術與微積分、線性代數(shù)、概率論與統(tǒng)計、計算機等多種學科相關，存在較高的理解門檻，但是身處在這個大浪潮中，不清楚內在的奧妙就有點太可惜了。

• 什么是人工智能？
• 經常看到的機器學習和深度學習這些是什么意思？
• 我的業(yè)務問題可以用以上技術解決嗎？
• 由數(shù)據(jù)和人工智能技術驅動的產品，功能設計會和以前有很大不同嗎？
• 我怎么給客戶講清楚產品在人工智能技術上的優(yōu)勢？
• 當這些產品出現(xiàn)問題時，怎么修復和升級優(yōu)化？
• …….

真正能落地，產生業(yè)務價值的產品和服務的，在整個生產鏈條上，除算法工程師外，其他角色也需要了解相應的人工智能技術。

一、人工智能技術無處不在

1992年，明尼蘇達大學的John Riedl和Paul Resnick 創(chuàng)建了基于協(xié)同過濾技術的新聞推薦系統(tǒng)。該系統(tǒng)收集用戶對文章的評分，并預測用戶對其他文章的喜好程度，這是最早的自動化協(xié)同過濾系統(tǒng)推薦引擎之一。

到如今個性化推薦系統(tǒng)已經成為各種網站、APP的標配，比如：淘寶 、今日頭條、網易云音樂等等。

在交通出行領域UBER、滴滴等利用人工智能技術來分配乘客的訂單并幫助司機規(guī)劃路線，提高出行效率。

上述只是大家熟悉的兩個場景。

除了改變個人生活，人工智能在企業(yè)運行方式也產生了根本性的影響。

比如：

產品的采購詢價通常是一個非常耗時的過程，傳統(tǒng)的方式采購人員要提供詢價單給供應商的工作人員獲取價格信息。詢價單一般是word、pfd或者excel格式，可能包含幾百甚至上千種零部件。

當供應商拿到詢價單，需要人工一個一個查詢部件價格，然后反饋給采購方，而且整個過程經常要來回確認，非常耗時。

那么借助人工智能技術，比如：

• OCR識別和信息提取
• 搜索引擎查詢
• RPA(Robotics Process Automation)自動填表

可以將原本耗費幾個小時的事情變成一鍵3秒報價。

如果去審視企業(yè)運行的各個環(huán)節(jié)，會發(fā)現(xiàn)很多適合應用人工智能技術的場景：從市場營銷、財務、銷售服務到產品設計、運營，甚至人力資源管理等等。

可見，除了toC領域，人工智能技術也正在重構企業(yè)的價值鏈。

二、非技術人員理解人工智能技術有哪些門檻

在面對人工智能時，非技術人員的態(tài)度呈現(xiàn)兩極分化的特征：他們要么充滿疑惑，要么過于自信。

下面是我們經常聽到的一些疑問：

產品經理：

• 人工智能、算法、機器學習、深度學習這些到底是什么？
• 它的能力邊界在哪？
• 我怎么把人工智能技術應用到產品？

用戶體驗設計師：

• 人工智能技術會給產品體驗帶來哪些變化？
• 如何設計人工智能產品的用戶體驗？

商業(yè)/市場相關人員：

• 人工智能技術對于企業(yè)而言到底意味著什么？
• 我如何向客戶介紹產品及其應用的人工智能技術？

總結一下，非技術人員理解人工智能技術主要有三大門檻：

1. AI算法到底是怎么得出結果的？
2. 如果我想應用AI技術，要怎么做？
3. 采用人工智能技術后，它的效果如何評估？

1. AI算法到底是怎么得出結果的

在過去，如果想要創(chuàng)建一個產品來識別某些東西，必須要寫邏輯步驟（程序）。

比如：為了識別圖片中的貓，需要用程序來分別識別貓的輪廓、皮毛、腿、眼睛、尖耳朵等等，然后把它們組合在一起進行判斷。

但這在實踐中，就相當于試圖制造一只機械貓?？梢韵胂笤谶壿嬌鲜欠浅碗s的，并且很多時候我們并不能準確描述“識別貓”的所有步驟。

而人工智能算法就不一樣， 它可以借助大量數(shù)據(jù)——比如：你給算法 100000 張有“貓”標簽的照片，機器就能找出區(qū)別。

這里面的核心區(qū)別就在于：傳統(tǒng)方式，人們需要給出識別邏輯，而人工智能算法是從結果出發(fā)。

那機器是怎么自動找到貓的識別邏輯呢？

這就涉及到算法的工作原理。

很顯然，讓非技術人員去理解這些數(shù)學公式并且進而理解人工智能技術是非常不現(xiàn)實的。

這就引入了另外一個問題：如何以一種正確的“心智模式”去理解某項事物？

不同的角色對應的心智模式必然不同，以PCA和神經網絡為例：

工程師要對背后的數(shù)學原理及推導步驟很熟悉，但對產品經理、UX設計師、甚至售前人員而言，知道這些對你了解“什么是PCA？”“它的使用場景是什么？有什么作用？”，并沒有太大的幫助。

2. 如果我要應用AI技術，要怎么做

產品是怎么設計出來的呢？

在SAP工作多年，我們一直在用Design Thinking——設計思維所倡導的設計理念與方法流程，來進行產品研發(fā)。

設計思維最早由IDEO提出，經過多年發(fā)展已經應用于很多行業(yè)的產品研發(fā)過程中。

那人工智能產品可以沿用這種方式來設計嗎？

人工智能技術的結果不確定，準確率也不是100%可保證的。

對比之下，傳統(tǒng)產品出現(xiàn)bug是異常，而人工智能產品bug則是常態(tài)化。

對人工智能算法來說，準確率98%是站在數(shù)據(jù)集的角度考慮的，但真正把模型或產品應用到業(yè)務系統(tǒng)中，用戶面對的是一份一份的數(shù)據(jù)。每一份數(shù)據(jù)都可能出錯，那在這種情況下需要怎么做？

面對這些情況的時候，人工智能產品的設計、研發(fā)過程應該遵循怎樣步驟？

3. 采用人工智能技術后，它的效果如何評估

通過上面識別貓的例子，可以看到：

傳統(tǒng)方式是試圖用程序描述清楚貓的構造，而人工智能技術則直接從結果入手，通過大量的數(shù)據(jù)告訴機器“哪些是貓？”，由算法去自動發(fā)現(xiàn)識別的規(guī)則。

這種區(qū)別導致：評價人工智能技術應用效果的方式與過去不同。

傳統(tǒng)技術遵循因果、業(yè)務邏輯，人工智能依賴數(shù)據(jù)和算法。因此，對于人工智能產品而言，研發(fā)人員需要正確理解算法指標、業(yè)務指標，以及算法指標和業(yè)務指標之間的關系。

其中算法指標主要面向人工智能算法工程師，而業(yè)務指標則主要面向產品經理、運營人員等相關角色的。

• Accuracy升高，會幫助提升用戶活躍數(shù)嗎？
• 研發(fā)工程師告訴我F1 Score很高了，可是它跟用戶的訪問時長什么關系？
• …….

以上這些問題是需要不同角色一起在實踐中探索的。

除了以上三個門檻，對于產品經理、設計師等角色，還面臨另一個挑戰(zhàn)是：如何與AI工程師/數(shù)據(jù)科學家溝通協(xié)作？

傳統(tǒng)產品研發(fā)過程中，通常包含的角色主要有：產品經理、設計師、前端、后端、測試等。

在人工智能產品研發(fā)過程中出現(xiàn)了一些新的角色，比如：數(shù)據(jù)科學家。

根據(jù)在團隊中工作內容的偏重，一般業(yè)界也把數(shù)據(jù)科學家分為A、B兩種類型。

Analysis（分析型）：

一切為數(shù)據(jù)驅動的決策服務。

主要的工作是：清理數(shù)據(jù)、做分析、找 Insight、做 Report 等等。

他們需要了解市場、行業(yè)、業(yè)務。而各種人工智能技術和工具是他們完成工作的手段，發(fā)現(xiàn)正確的問題則是他們的主要任務。

Building（構建型）：

偏 Research & Product，他們的職責是讓算法能夠與產緊密結合，甚至主導算法驅動的產品。

主要的工作是：把算法從 Research 轉化為 Product。

三、人工智能技術不是Magic

1. 非技術人員如何理解人工智能技術

就像前面提到的，讓非技術人員理解數(shù)學公式，進而理解人工智能技術這個路徑是非常不現(xiàn)實的。

那如何以符合非技術人員心智模式的方式去解釋人工智能技術呢？

我們認為要以場景+直觀感知的方式來理解。

場景：

• 當前的業(yè)務問題是什么?
• 面向的用戶是誰，在什么場景下使用該功能?
• 選擇用什么人工智能算法來解決問題？
• 解決問題需要哪些數(shù)據(jù)?
• 評估指標有哪些，通過收集哪些數(shù)據(jù)來獲得反饋并優(yōu)化模型？（數(shù)據(jù)的收集非常重要，數(shù)據(jù)可以分為：用戶行為數(shù)據(jù)和業(yè)務數(shù)據(jù)。業(yè)務數(shù)據(jù)一般都會定好，困難的是行為數(shù)據(jù)的采集。所以，一個產品經理如果說不清楚自己要采集哪些數(shù)據(jù)來優(yōu)化功能，說明對這個功能理解的還不夠透徹。）
• 核心業(yè)務流程是怎樣的？

以上這些問題可以幫助產品團隊定義和理解AI應用的場景。

直觀感知：

通過Demo來和算法/模型進行互動，比如：改變輸入，改變參數(shù)來直觀的感知算法是如何工作的。

2. 基于人工智能產品的設計也有章可循

為了探討人工智能產品的研發(fā)流程和方法，我們還是從傳統(tǒng)產品的設計開始講起。

商業(yè)模式畫布和設計思維是經典的可持續(xù)創(chuàng)新理論，已經在各類產品研發(fā)過程中得到廣泛應用。它們強調以用戶為中心和快速迭代驗證方案。

商業(yè)模式畫布是從戰(zhàn)略層面判斷和定義產品/業(yè)務模式要關注的關鍵要素，它包含如下關鍵因素：

而設計思維是：將戰(zhàn)略轉變?yōu)楝F(xiàn)實的具體步驟和方法，典型的流程是這樣：

作為對比，下面列出了人工智能產品的技術實現(xiàn)過程：

通過三者的有機融合，我們借助AI應用畫布的方式來指導人工智能產品的設計。

AI應用畫布以模型為中心，左側包含：機會、應用對象、策略、流程，強調模型應用的商業(yè)價值/機會。

右側包含：解決方案、數(shù)據(jù)、技能、成功標準，關注模型的技術可行性。

針對每一個要素進行更細粒度的拆分，就可以有章可循地設計人工智能產品，真正在業(yè)務上產生價值。

以上就是：我對于“非技術人員如何理解人工智能技術？”“并且，其如何參與到人工智能產品研發(fā)的過程中“的思考。

人工智能技術雖然有門檻，但是找到合適的切入點就能事半功倍。當你了解了以上這些話題，人工智能技術對你也就不再陌生。

本文由 @凱文 原創(chuàng)發(fā)布于人人都是產品經理，未經許可，禁止轉載

題圖來自 Unsplash，基于 CC0 協(xié)議