對人工智能產品發展的幾點認識
說起人工智能的時候,大家都在說是機器具有了人的思維,可以進行情感表達,決策判斷。并且通過越多的數據和越長的訓練,智能性會越來越高。那么這種智能怎么來評價其可用性,包括怎么訓練,怎么集成,怎么選擇呢?
人工智能的基礎
在這個點上,我們談一下要做到人工智能需要的幾個必備條件。
海量數據
“海量”數據究竟是多少,其實對于不同的學習目標標準是不一樣的。訓練一個具有智能和學習能力的算法,或許不需要海量,但是足量是必須的。只有在大量有效的,多樣的,具有普遍性的數據訓練下,才能使得學習算法的各個參數更加符合“智能”的要求。
大型計算平臺
機器學習算法大部分情況下需要通過分布式計算方式進行訓練,在應用的過程中實現近乎實時的反饋和識別。而這種高并發,大數據的算法執行依賴于一個穩定的,并且代碼優化程度極高的計算平臺,平臺的容錯性,計算效率,以及數據存儲能力都是非常重要的點。
牛逼的算法團隊
算法團隊是人工智能的初期大腦,他們設計了一個智能的最初訓練方式,整體學習模式,在智能訓練的過程中關注著算法的偏差并且不斷進行錯誤糾正。不斷使用新的數據和參數以及維度去使得智能更加自然和符合常規。這種智力勞動是無可替代的,也正是這些瘋狂的智能專家推動著人工智能逐漸從科幻小說中一步一步到了現實,甚至引起一部分人類的恐慌和倫理批判。也許只有歷史才能評說這部分人的意義和價值。
人工智能產品化
人工智能在我看來可以作為一種生產工具,這種工具只有在具體的生產環境中被使用的時候,才能具有價值。試想一下,一個非常厲害的情感分類器,如果沒有將它用于具體的溝通平臺,IM產品中,不斷訓練和計算迭代,這個算法本身是沒有意義的。所以任何人工智能的算法和工具,都必須融入到業務場景,產品體系中進行產品化。具體包括以下步驟:
產品定義
由一個牛逼的算法可以產生一個產品,比如美圖秀秀,本身就是對人臉照片的一些圖像處理的計算,但一個產品卻不僅僅是算法本身。所以人工智能的產品化,首先在于對智能算法的產品定義,定義這個產品的邊界,價值,展示形態,受眾人群乃至操作方式等等。
切入點
切入點是指這個人工智能的產品是如何與真實需求融合的,比如說:智能客服,目前支付寶手機端的“我的客服”背后就有一套智能的邏輯在里面。通過語音識別,與知識庫對接,找到合適的解決問題的答案。這是一個典型的通過智能算法來解放人力的產品。那么對于其它形式的智能產品,就比如說AlphaGo,作為一個具有高水平圍棋技能的智能型產品,找到怎樣的切入點進行產品化呢?有可能后續會作為圍棋陪練,培訓師等等。
智能程度
每個智能算法都是有邊界的,盡管其具有非常強的學習能力。在智能算法產品化的過程中,首先要想到的不是他能做什么,而是不能做什么。漏洞永遠存在,要考慮這種智能缺陷是否是可控的,尤其是在大規模推進的產品和面向大眾的智能服務中,一旦出現bug,怎么進行補救,兜底方案也很重要。
智能產品的平臺應用
再接下來就是在大型平臺中,智能產品怎樣嵌入進去。第一,作為一個獨立的產品功能承擔一部分工作,比如搜索引擎,智能推薦;第二,作為一個參數結果,供大平臺的多維決策;第三:目前大量的服務和判斷平臺仍然基于規則條件,智能產品可以作為與之并列的一個模塊,輸出預測型結果,以支持決策的偏差糾正。這個應用過程肯定是循序漸進的,不要企圖一下子就能做到多么智能,數據準備,算法調優,模型訓練,都是一個長期積累的過程。
人工智能平臺的未來猜想
大公司中起步和發展
鑒于以上所述,我們可以清楚的看出,人工智能的研究成本和運行成本是需要體量很大的公司來進行支撐。目前真正進行人工智能研究的,除了高校之外,就是像Google,百度,阿里,Facebook一類的大型公司,人工智能的概念和起步發展肯定是從大公司開始的。
小產品上落地和普及
大公司承擔了大量的基礎算法研究工作,其成果卻極有可能優先應用于小的產品。第一是人工情感類產品,如聊天機器人等;第二是一些具有共性特性成都小的服務產品,如智能客服;第三是與硬件結合,形成玩具類的人工智能產品。這些產品的出現和發展,讓人們可以近距離感受人工智能,并且逐漸接受這種新型的技術形式對人類生活的改變。
開源的人工智能平臺成為基礎服務
人工智能的平臺開放也是大的趨勢。就像眾多的移動開發者平臺,開源硬件平臺,大型公司提供了平臺的算力,數據共享能力,基礎算法模塊的集成能力。在此基礎上的智能產品化和算法優化成為熱點。
以上是對人工智能的自我認識和簡單猜想。未來一定是智能的時代,不管倫理學家多么反對,不管人的內心是否存在恐懼。技術和數據的發展,帶來的必將是不斷的巔峰和超越。不過我們也應該小心將來有一天被自己制造的機器人鎖在籠子里。
作者:吳海燕,支付寶產品經理。創業者、思考者。歡迎交流,共同成長。
本文由 @吳海燕 原創發布于人人都是產品經理。未經許可,禁止轉載。
- 目前還沒評論,等你發揮!