起點課堂會員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會特權(quán)
個人IP打造特權(quán)
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導(dǎo)直播
12場專業(yè)技能直播
會員專屬社群
榮耀標識從人性交互開啟AI產(chǎn)品發(fā)展之路
數(shù)據(jù)是魚、算法是水，水沒有魚可以存在，但是數(shù)據(jù)沒有算法的話將毫無用處。
本文先從產(chǎn)品觀點算法和數(shù)據(jù)的關(guān)系出發(fā)，講算法和數(shù)據(jù)時下和未來的一段時間是魚和水的關(guān)系，數(shù)據(jù)是魚、算法是水，然后講身邊的算法和具體的產(chǎn)品應(yīng)用的例子，最后點題講算法和故有數(shù)據(jù)之外的AI發(fā)展階段產(chǎn)品與客戶/用戶交互的人性需求。
一、算法和數(shù)據(jù)誰重要
對一款A(yù)I產(chǎn)品來說，算法和數(shù)據(jù)誰重要？
我們都知道AI產(chǎn)品是由數(shù)據(jù)+算法+算力構(gòu)成。
沒有數(shù)據(jù)算法發(fā)揮不了作用，有點空中樓閣，落不了地。沒有算法數(shù)據(jù)是待被開發(fā)的金礦，價值沒有被挖掘出來。
在算法及未知算法的汪洋大海里對算法的發(fā)明就像對大海的探索一樣充滿神秘和魔性。
數(shù)據(jù)是魚，數(shù)據(jù)越豐富代表魚越多。但是一定程度上產(chǎn)品設(shè)計者需要懂算法作為水沒有魚可以單獨生成，但是魚數(shù)據(jù)沒有算法的話將毫無用處。
所以說沒有算法產(chǎn)品可以生產(chǎn)，初期好多的產(chǎn)品是這么走過來的。
例如我們熟知的BAT，阿里巴巴僅僅把商品搬到網(wǎng)上，騰訊僅僅是ICQ發(fā)個MESSAGE。發(fā)展到一定階段開始步入AI階段百度宣布ALLIN AI，阿里有淘寶時尚大腦和各種精準推薦算法。騰訊也有騰訊優(yōu)圖算法。
先不防說在創(chuàng)業(yè)初期可以沒有數(shù)據(jù)，但是不能沒有算法。
有了算法可以使得創(chuàng)業(yè)產(chǎn)品發(fā)展的更快，我們都知道創(chuàng)業(yè)產(chǎn)品初期數(shù)據(jù)稀少，可以考慮靠算法來補充。我在《創(chuàng)新想法：AI賦能新媒體平臺運營》一文中也詮釋了新創(chuàng)AI產(chǎn)品怎么綜合運用AI技術(shù)解決冷啟動。
二、身邊的AI算法和應(yīng)用
1. 神經(jīng)網(wǎng)絡(luò)算法壓縮圖像
AI神經(jīng)網(wǎng)絡(luò)算法是通過對生物神經(jīng)系統(tǒng)的模擬，通過模仿其結(jié)構(gòu)和各個結(jié)構(gòu)的功能來進行非線性的預(yù)測。
神經(jīng)網(wǎng)絡(luò)法可以完成多種數(shù)據(jù)挖掘任務(wù)，例如：分類聚類等。該方法通過對權(quán)值的修改來進行具體的學(xué)習(xí)。
神經(jīng)網(wǎng)絡(luò)法對干擾的抵抗力比較強，并且能夠進行非線性的學(xué)習(xí)，對較為復(fù)雜的情況也具有較良好的處理能力。
但是這種方法的學(xué)習(xí)過程是不可控和不能觀察的，容易出現(xiàn)錯誤和漏洞，對輸出結(jié)構(gòu)的解釋也較為困難，并且整個學(xué)習(xí)過程也需要耗費較多的算力。
我們看使用神經(jīng)網(wǎng)絡(luò)來壓縮圖像可以生成質(zhì)量更高且數(shù)據(jù)量更小的壓縮方案。
當你的產(chǎn)品有大數(shù)量的圖文上傳，且需要前端APP/PC重新展現(xiàn)的時候建議產(chǎn)品方案選擇使用圣經(jīng)網(wǎng)絡(luò)算法。
基于神經(jīng)網(wǎng)絡(luò)的全分辨率有損圖像壓縮方法，產(chǎn)品架構(gòu)使用了門控循環(huán)單元（Gated Recurrent Unit，一種允許單元保存激活和處理序列的 RNN）的一種新變體“殘差門控循環(huán)單元”（Residual GRU: Residual Gated Recurrent Unit）。
該產(chǎn)品架構(gòu) Residual GRU 將已有的 GRU 和論文《Deep Residual Learning for Image Recognition》中介紹的殘差連接（residual connections）結(jié)合了起來，從而在給定的壓縮率下實現(xiàn)了顯著的圖像質(zhì)量增益。
沒有和今天所用的許多壓縮方法一樣使用 DCT 來生成新的位表示（bit representation），而是訓(xùn)練了兩組神經(jīng)網(wǎng)絡(luò)——一組用于創(chuàng)造圖像的編碼（編碼器（encoder）），另一組用于從這些編碼中創(chuàng)造圖像（解碼器（decoder））。
系統(tǒng)可以迭代式地細化原始圖像的重建，其中的編碼器和解碼器都使用了 Residual GRU 層，這使得更多的信息可以從一次迭代傳遞到下一次迭代。每一次迭代都會給編碼增加更多比特，從而可以實現(xiàn)更高質(zhì)量的重建。
在更進一步的每次迭代中，該網(wǎng)絡(luò)都會獲得更多有關(guān)壓縮中所引入的誤差的信息（這些信息可在殘差圖像中獲取）。
如果其可以使用這些信息來預(yù)測殘差，那也能得到更好的重建。該模型可以使用額外的比特，直到達到收益遞減的程度——此時該網(wǎng)絡(luò)的表達力（representational power）就耗盡了。
通過這樣的神經(jīng)網(wǎng)絡(luò)算法圖像數(shù)據(jù)量小25％同時還原質(zhì)量度提升了。
2. 關(guān)聯(lián)規(guī)則算法股市行業(yè)聯(lián)動
關(guān)于這個算法有一個非常有名的故事：“啤酒和尿布”。故事是這樣的：美國的婦女們經(jīng)常會囑咐她們的丈夫下班后為孩子買尿布，而丈夫在買完尿布后又要順手買回自己愛喝的啤酒，因此啤酒和尿布在一起被購買的機會很多。這個舉措使尿布和啤酒的銷量雙雙增加，并一直為眾商家所津津樂道。
關(guān)聯(lián)規(guī)則是描述事物與事物之間的相關(guān)性和依賴性的，該算法的代表算法為 Apriori算法。
Apriori算法由R.AGRAWAl等學(xué)者提出，是一種影響力最大的挖掘布爾關(guān)聯(lián)規(guī)則（非數(shù)值型關(guān)聯(lián)）頻繁項集 ( 全部支持度大于最小支持度 ) 的算法。
該算法較為簡單，對數(shù)據(jù)的要求也不高，但是缺點也比較明顯，如在計算支持度時會對數(shù)據(jù)庫中的全部記錄進行掃描，會增大計算機系統(tǒng)的開銷等。
此算法在商業(yè)領(lǐng)域、移動通信領(lǐng)域等領(lǐng)域的應(yīng)用極其廣泛。
在股市行業(yè)聯(lián)動現(xiàn)象分析上關(guān)聯(lián)規(guī)則算法表現(xiàn)較好。
產(chǎn)品設(shè)計操盤步驟如下：
- 數(shù)據(jù)收集：首先我們利用同花順I(yè)FIND軟件下載AMAC行業(yè)指數(shù)歷史漲跌幅數(shù)據(jù)。
- 數(shù)據(jù)清洗：由于板塊指數(shù)每日漲跌幅度相比個股漲跌幅度小，且集中于-2%至2%之間，將行業(yè)每日漲跌幅分為六個階段，在R語言中處理數(shù)據(jù)。假如在此次建模過程中，主要采取支持度和置信度兩個指標對建模結(jié)果進行分析和優(yōu)化。支持度表示規(guī)則發(fā)生的頻率，置信度表示二者的關(guān)聯(lián)性。
- 數(shù)據(jù)建模：建模并布關(guān)聯(lián)規(guī)則核心代碼。
- 找出規(guī)則。
我們可以從中得出行業(yè)間存在著顯著的行業(yè)聯(lián)動現(xiàn)象，且具有雙向?qū)ΨQ性，并且從中提取出具有強關(guān)聯(lián)性板塊有：
- 在行業(yè)上漲階段，投資者在選擇投資組合時可以同時投資xx行業(yè)、XX行業(yè)等上漲關(guān)聯(lián)類行業(yè)以提高獲得超額收益的概率。
- 在行業(yè)下跌階段，投資者避免同時配置XX行業(yè)、XX設(shè)備、XX設(shè)備等下跌關(guān)聯(lián)類行業(yè)。
根據(jù)實戰(zhàn)經(jīng)驗，在股市行業(yè)聯(lián)動現(xiàn)象分析上關(guān)聯(lián)規(guī)則算法表現(xiàn)較好。
3. 機器學(xué)習(xí)算法情感分析
例子：Dataminr致力于從數(shù)據(jù)爆炸的社交網(wǎng)絡(luò)如 Twitter 及其他公開信息渠道提取精簡且價值的風(fēng)險情報與挖掘關(guān)鍵信息，如:輿情熱點、金融相關(guān)的非交易信息、公共機構(gòu)安全預(yù)警、企業(yè)安全等，并直接向客戶推送。同時提供早期預(yù)警系統(tǒng)，并實時推送警報。
Dataminr 機器學(xué)習(xí)算法綜合考慮了 Twitter 用戶的位置、用戶的口碑、外部新聞源的展現(xiàn)形式、市場交易量以及市場價格等因素，在后端進行計算讓用戶在前端只看到重要的提示信息。
同時 Dataminr 也具有自我修正的能力，會使用算法來及時告知用戶，防止誤報。
此算法產(chǎn)品方案如下圖：
通過機器學(xué)習(xí)算法、深度學(xué)習(xí)算法、和自然語言處理等技術(shù)，自動識別文本所表達的情緒，實時獲取預(yù)警情報和洞悉重要資訊。
可以幫助產(chǎn)品實現(xiàn)，口碑分析、營銷評估與市場調(diào)查，自動分析海量媒體數(shù)據(jù)中用戶所表達的情感傾向，洞察客戶相關(guān)品牌、產(chǎn)品或競品的運營效果與口碑優(yōu)劣，了解用戶偏好及行業(yè)趨勢，為市場推廣、產(chǎn)品研發(fā)、商業(yè)分析和決策提供指導(dǎo)。
全媒體監(jiān)測與危機公關(guān)服務(wù)，可結(jié)合行業(yè)字典熱點話題及事件檢測與追蹤技術(shù)檢測負面情緒與事件，進行近乎實時的情報監(jiān)測、突發(fā)事件預(yù)警、品牌危機跟蹤，幫助用戶及時發(fā)現(xiàn)并了解所關(guān)注話題/事件的發(fā)展動態(tài)，為下一步?jīng)Q策提供有效的指引。
金融市場洞察與風(fēng)險管控：自動偵探全媒體負面財經(jīng)報導(dǎo)，結(jié)合社交媒體分析大眾投資心理，第一時間掌握金融市場動態(tài)、發(fā)掘投資良機、或偵測信貸風(fēng)險。
小結(jié)：常用的AI算法還有很多，像粗糙集算法、決策樹算法、遺傳算法等等。時下最常用的是深度學(xué)習(xí)算法，但是AI自身應(yīng)市場的發(fā)展一直需要創(chuàng)造新的算法。
三、人性
人機協(xié)同從而用戶增長，在AI迅猛發(fā)展的階段我身邊有許多員工對未來感到迷茫，疑慮重重，他們擔心有一天會被機器取代，會失業(yè)。
這種事就是通過同理心感知人性而得，那么產(chǎn)品與客戶/用戶之間更會有這種需求。
在AI被強調(diào)和運用的公司Salesforce.com中，經(jīng)調(diào)研發(fā)現(xiàn)，Salesforce Einstein企業(yè)用戶可以輕松拓展 AI功能，擁有自己的數(shù)據(jù)科學(xué)和機器學(xué)習(xí)團隊的機構(gòu)可以通過平臺上 Predictive Vision 和 Predictive Sentiment Services 等 API 功能來延展基本功能，使公司通過圖像和視頻的方式來了解其產(chǎn)品特性和消費者反饋。
融合所有 Salesforce Cloud 特性和功能的人工智能層，集成了自動化社區(qū)案例與專家系統(tǒng)的「社區(qū)云」平臺，融合了智能數(shù)據(jù)挖掘技術(shù)的「分析云」平臺以及內(nèi)嵌了產(chǎn)品推薦系統(tǒng)「商務(wù)云」平臺。擁有預(yù)測分析、機器學(xué)習(xí)、深度學(xué)習(xí)、自然語言處理和生成等能力。
Salesforce 想利用這一計劃將 AI 部署在自己平臺的各個方面，讓自己的 CRM 系統(tǒng)更加智能化；與此同時，Salesforce 也有意開放自己的 AI 應(yīng)用接口，吸引更多用戶將智能應(yīng)用建立在自己的平臺上。
Salesforce應(yīng)用AI部分如下圖：
重點：Salesforce產(chǎn)品是如何將AI的發(fā)展階段與客戶人性化交互的?
其網(wǎng)站在演示版每個階段，如果需要，登錄網(wǎng)站的人都可以通過不同的渠道獲得方便快捷的人工幫助。
這一點國內(nèi)的BAT的AI客服并沒有做。
在邀請客戶參加晚宴時，一個聰明的做法是即邀請客戶也邀請非客戶參加這樣的晚宴。因為客戶與非客戶交談，前者不可避免的會把對其AI-CRM的使用經(jīng)驗分享給非客戶。
有年輕的讀者會問這跟產(chǎn)品有關(guān)系嗎？
當然有，因為產(chǎn)品本身是給客戶用的，你有一個很好的AI產(chǎn)品，但是在AI發(fā)展階段用戶何以會提早采用呢？
這一招是讓AI產(chǎn)品快速且人性化普及的產(chǎn)品運營策略之一。
我在上一篇《AI產(chǎn)品經(jīng)理的三重門》中強調(diào)AI產(chǎn)品經(jīng)理必將攜帶AI產(chǎn)品設(shè)計能力上山下鄉(xiāng)，因為傳統(tǒng)產(chǎn)品經(jīng)理時代產(chǎn)品經(jīng)理可以只搞流程、原型，行業(yè)經(jīng)驗可以借鑒行業(yè)專家來配合。
但是AI時代行業(yè)經(jīng)驗必須由AI產(chǎn)品經(jīng)理自己習(xí)得方能采用更對的AI技術(shù)切入。
AI產(chǎn)品的人性講求克魯拉克交互定律：即離行業(yè)越近，你的AI產(chǎn)品讓他人觀念產(chǎn)生的影響就越大。
如果你想系統(tǒng)化入門AI產(chǎn)品經(jīng)理，掌握AI產(chǎn)品經(jīng)理的落地工作方法，戳這里>http://996.pm/7bjab
#專欄作家#
連詩路，公眾號：LineLian。人人都是產(chǎn)品經(jīng)理專欄作家，《產(chǎn)品進化論：AI+時代產(chǎn)品經(jīng)理的思維方法》一書作者，前阿里產(chǎn)品專家，希望與創(chuàng)業(yè)者多多交流。
本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。
題圖來自Unsplash，基于CC0協(xié)議
但是一定程度上產(chǎn)品設(shè)計者需要懂算法作為水沒有魚可以單獨生成，但是魚數(shù)據(jù)沒有算法的話將毫無用處。
所以說沒有算法產(chǎn)品可以生產(chǎn)，初期好多的產(chǎn)品是這么走過來的。
先不防說在創(chuàng)業(yè)初期可以沒有數(shù)據(jù)，但是不能沒有算法。
邏輯好混亂