本文是我在產品內部做的一次關于人工智能的分享內容后進行總結的文章。因為我在研究生期間研究方向是神經網絡，而最近的人工智能、深度學習等熱點領域在互聯網風生水起，因此產品老大讓我準備做一個關于人工智能的分享。

這是一篇知識普及式的介紹性的分享，這次分享主要從以下4個方面來講。

1. 什么是人工智能？主要介紹人工智能的定義、人工智能的歷史發展，重點把一些晦澀難懂的詞匯進行口語化的解釋，并對一些誤區進行講解。
2. 人工智能在互聯網中如何應用？主要介紹當前人工智能在互聯網領域中的應用，并簡單介紹一些基本的原理。
3. 人工智能技術中的神經網絡。主要介紹在人工智能領域中的熱點技術神經網絡的原理。
4. 產品經理應該如何理解和應用人工智能。主要給出我個人對于學習人工智能的建議。

1.什么是人工智能？

（1）關于人工智能的定義的解讀

提到人工智能，就會提到圖靈以及著名的圖靈測試，他在20世紀50年代提出的理論是至今很多關于人工智能的實驗中。

維基百科中關于人工智能的定義如下：人工智能（英語：ArtificialIntelligence,AI）是指由人工制造出來的系統所表現出來的智能，通常人工智能是指通過普通電腦實現的智能。我們可以把人工智能這樣理解，人工智能技術指的是通過模擬人類思維和意識，使機器和系統以人類智能相似的方式做出反應的技術。

AI的核心問題包括推理、知識、規劃、學習、交流、感知、移動和操作物體的能力等，其具體研究應用包括機器人、語言識別、圖像識別、自然語言處理和專家系統等，需要重點去理解的是人工智能并不是指具體的某一項技術，而是一種研究方向和研究領域的總稱。

與人工智能緊密相連的關鍵詞：計算機 互聯網 神經網絡 大數據 自動化控制?

（2）人工智能的發展歷史

1943年神經元網絡概念第一次提出

1946年馮·諾依曼體系結構（計算機基礎）

1950年圖靈測試 如果電腦能在5分鐘內回答由人類測試者提出的一系列問題，且其超過30%的回答讓測試者誤認為是人類所答，則電腦通過測試。圖靈贏得了被稱作“人工智能之父”

1956年夏季，以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見卓識的年輕科學家在一起聚會首次提出了“人工智能”這一術語。

1958年 感知機 生物系統感知外界信息的簡化模型。

70年代 由于計算機性能的瓶頸、計算復雜性的指數級增長、數據量缺失等問題由于多層神經網絡難以找到有效算法，神經網絡研究進入低潮。

1982年 hopfield神經網絡 一種反饋網絡，求解最優路徑問題

1986年 BP算法 ?多層前饋網反向傳播算法。

1997 年，IBM 的深藍戰勝國際象棋世界冠軍卡斯帕羅夫；

1999年 google搜索上線；

2005年 被稱作大數據元年；

2006 提出極限學習機 ?深度學習神經網絡（多層神經網絡）

2009年，谷歌開始秘密研發無人駕駛汽車。

2010年 被稱作移動互聯網元年

2011年，一個卷積神經網絡贏得了德國交通標志檢測競賽。機器正確率99.46%，人類最高分為99.22%。

2012年6月，吳恩達（Andrew Ng）和杰夫·迪恩（Jeff Dean）做了一份實驗報告，他們給一個大型神經網絡展示1000萬張未標記的網絡圖像，然后發現神經網絡能夠識別出一只貓的形象。

2016年3月，谷歌DeepMind研發的AlphaGo在圍棋人機大戰中擊敗韓國職業九段棋手李世乭。

機器學習、圖像識別、聽音識曲等人工智能技術更是被用到了普通人的實際生活中。我們可以在 Google Photos 中更快地找到包含貓貓狗狗的圖片如果你感興趣，還可以看以下文章：

2.人工智能與互聯網

2.1 人工智能的主要應用領域

人工智能的發展離不開計算機、互聯網等技術的發展，人工智能技術中對于數據的采集、計算和算法、計算成本，正是得益于計算機和互聯網技術而得到大大降低。下圖是IT行業十年理論的預測：

未來十年，或許是人工智能的10年。

目前我們可以看到人工智能在互聯網方面的應用如下：

• 個人助理（智能手機上的語音助理、語音輸入、家庭管家和陪護機器人）產品舉例：微軟小冰、百度度秘、科大訊飛等、Amazon Echo、Google Home等
• 安防（智能監控、安保機器人）產品舉例：商湯科技、格靈深瞳、神州云海
• 自駕領域（智能汽車、公共交通、快遞用車、工業應用）產品舉例：Google、Uber、特斯拉、亞馬遜、奔馳、京東等
• 醫療健康（醫療健康的監測診斷、智能醫療設備）產品舉例：?Enlitic、Intuitive Sirgical、碳云智能、Promontory等
• 電商零售（倉儲物流、智能導購和客服）產品舉例：阿里、京東、亞馬遜
• 金融（智能投顧、智能客服、安防監控、金融監管）產品舉例：螞蟻金服、交通銀行、大華股份、kensho
• 教育（智能評測、個性化輔導、兒童陪伴）產品舉例：學吧課堂、科大訊飛、云知聲

2.2 人工智能的應用講解

以下是我根據個人的經驗，對常見的人工智能的應用進行簡要的分析，讓各位更好理解人工智能技術是如何應用到現有的領域的。

（1）識別

識別又稱為歸類和定性，在人工智能領域，模式識別(Pattern Recognition)是指對表征事物或現象的各種形式的(數值的、文字的和邏輯關系的)信息進行處理和分析,以對事物或現象進行描述、辨認、分類和解釋的過程。

• 常見應用：識別數字、指紋、頭像、語音，更多研究領域包括虹膜識別、手寫字體識別等。
• 技術的本質：根據數據特征進行分類或聚類，其重點的工作在特征提取。
• 常見的算法：聚類算法、主元特征提取、神經網絡等。

（2）控制

無人車的應用（控制+識別）無人車的應用實際上不僅是識別算法，還包含控制理論，保證系統穩定運行，這是人工智能技術同各項工程技術的綜合應用，不止停留在計算機領域。

舉例：飛思卡爾智能車大賽

（3）語義

智能客服、輿情監測等均有應用語義分析及關鍵詞提取技術。

常見的算法：數據挖掘、文本處理、信息檢索、TF-IDF、余弦相似性

尤其針對中文文本的關鍵詞提取技術相比于英文是更加難的。而目前除了關鍵詞提取技術，目前人工智能研究主要方向和難點在于通過文本提取出人物的感情。

語義提取不僅應用于智能客服，目前在搜索算法中也會運用到。

（4）預測

監測診斷技術或是預測技術，實際上應用的是數據擬合技術，因為當前很多數據之間的關聯關系是一種弱關系（數據關聯分析），通過歷史數據訓練模型，從而對當前的輸入數據進行反饋。

（5）推薦

基于協同過濾的推薦算法，常見的包括基于用戶、基于物品的協同過濾。

我們大多數人所理解的人工智能技術可能還停留在算法本身，但實際上真正的人工智能應用針對不同的領域，不僅有各自的算法，事實上還包括其他領域知識的應用，如自動化控制理論、電子技術、通信技術、機械工程等等，因此我們所理解的人工智能，應該是一個系統工程。網絡中有一張圖，講述的是人工智能的深淵，毫不夸張的說，這其中的隨便挑一項技術都是科研學者花費大量時間和精力去研究的，很少有人能夠全面了解所有知識領域。

3.人工智能中的神經網絡

人工智能技術中提到的最高頻的詞匯就是神經網絡。通過前文的介紹，我們知道實際上人工智能不等同于神經網絡，人工智能是一個廣泛的概念和定義，而神經網絡則是人工智能領域中一種技術，但即使只是一小部分，神經網絡的研究同樣有很多待發掘的領域。

（1）如何理解神經網絡

一個最基本的神經網絡的基本結構是輸入層、隱含層和輸出層，如此簡單的結構就能進行圖像識別了嗎？它是如何運作的呢？

一個最簡單的理解是，神經網絡的本質就是一個多輸入多輸出的函數，我們常見的訓練算法實際上是通過訓練樣本進行數據擬合，找到適合這個函數的參數從而進行應用。

（2）一些難以理解的概念解釋

核函數

其作用是將數據投影到更高維的數據空間中，包括線性核、多項式核、高斯核函數等。

擬合能力與泛化能力

神經網絡模型好壞的重要評判標準之一。擬合能力指的是神經網絡輸出的準確度，擬合能力越強，準確度越高；泛化能力指的是神經網絡對于新樣本的適應程度。一般來說，擬合能力越強的神經網絡，其泛化能力可能較差。

有監督和無監督

在神經網絡或者大多數機器學習算法中，一般把有標簽的數據進行訓練學習稱為有監督學習；而數據不帶有標簽，通過特征統計等的算法稱為無監督學習，常見的如聚類。

（3）神經網絡的優勢

神經網絡是一種黑箱建模方法，以下是神經網絡進行應用的實驗分析。

神經網絡的應用舉例：太陽黑子預測，手寫字體識別實驗和TE工業系統故障預測。

上圖是應用神經網絡進行太陽黑子預測的效果實驗，經過改造后的神經網絡對于數據預測的效果更加好。

上圖是通過神經網絡進行識別手寫數字的實驗對比圖，經過改造的神經網絡的識別準確率高達90%。

神經網絡好用的地方在于黑箱建模的方式，可以幫助使用者在即使不了解對象特性的基礎上，一樣能夠得到良好的運用，因此運用范圍廣泛。

神經網絡用于復雜工業系統，如TE過程，是很多智能控制研究者常見的研究對象。

面對復雜系統，在技術方案設計中考慮了現場數據的濾波、去燥、歸一化，對于新數據使用預測模型進行預測，使用KPCA方法進行數據特征提取，通過歷史數據和新數據進行誤差反饋和在線更新，形成完整的故障預測方案。

上圖為改進后的神經網絡圖，相比于基礎的神經網絡，增加了2個反饋層，從而使神經網絡能夠適應動態數據。

數據處理的難點其實在于數據特征不明顯，如上圖中，左圖是故障4和5的數據表現，通過肉眼很難識別，而經過特征提取，能夠將數據的特征放大，從而提升神經網絡的識別準確度。

通過以上神經網絡方案設計和運用的例子，希望大家明白人工智能方案在不同的應用領域和不同的數據，方案不是想象中使用同一方法建模如此簡單。一個有效的方案，需要深入了解這個領域實際的問題，而產品在其中扮演的角色，如果對于人工智能技術的理解僅僅停留在表層，注定不會得到最優的方案。

4. 產品經理應該如何玩轉人工智能？

產品經理面對新技術時的態度：

（1）對于新的技術應該抱有敬畏之心

以我個人的學習經歷來看，真正能夠理解人工智能技術是需要時間的，盡管現在有很多文章說明轉型的可能性，但切忌不能因為了解了人工智能的皮毛，就以為能夠進行產品設計和應用，很多想當然的決策可能帶來的是巨大的成本，甚至可能導致走很多彎路。因此對不了解的事物，不能輕易下結論。

（2）做正確的事VS正確地做事

人工智能不是萬能的，也不是運用到所有的場景，如果把很多用很簡單的方法就能解決問題的方法，生搬硬套使用人工智能，未必就是正確的事，產品需要時刻反思，自己正在做的事是不是正確的？

（3）理解產品工作的本質，本身是一種面向未來的規劃

工作中也需要適當引導使用新技術，畢竟這個世界變化太快，擁抱變化才能擁有未來。

（4）人工智能本身是一種雙刃劍，學會更好的應用而不是濫用

人工智能未必全是好的，要正確對待人工智能帶來的好處，也要預見到它可能帶來的不利影響。

最后推薦一個好玩的產品應用和一部電視劇，幫助大家了解人工智能在我們生活中的應用。

文章中部分內容摘自網絡，有不到位或錯誤的地方，煩請指出，我會及時更正~

參考文章：

《人工智能發展簡史》

《人工智能產業分析與創業投資盤點：636 起投資事件，吸金 574 億》

《58張PPT，詳解“從互聯網產品經理到AI產品經理”》

《傅盛：深度學習降低技術壁壘，恐慌的應該是大公司》

作者：小T，一個奮斗在一線的互聯網金融產品經理~

本文由 @小T 原創發布于人人都是產品經理。未經許可，禁止轉載。