本文是我在產(chǎn)品內(nèi)部做的一次關(guān)于人工智能的分享內(nèi)容后進行總結(jié)的文章。因為我在研究生期間研究方向是神經(jīng)網(wǎng)絡(luò)，而最近的人工智能、深度學(xué)習(xí)等熱點領(lǐng)域在互聯(lián)網(wǎng)風(fēng)生水起，因此產(chǎn)品老大讓我準(zhǔn)備做一個關(guān)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。
- 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(fā)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(qū)進行講解。
- 人工智能在互聯(lián)網(wǎng)中如何應(yīng)用？主要介紹當(dāng)前人工智能在互聯(lián)網(wǎng)領(lǐng)域中的應(yīng)用，并簡單介紹一些基本的原理。
- 人工智能技術(shù)中的神經(jīng)網(wǎng)絡(luò)。主要介紹在人工智能領(lǐng)域中的熱點技術(shù)神經(jīng)網(wǎng)絡(luò)的原理。
- 產(chǎn)品經(jīng)理應(yīng)該如何理解和應(yīng)用人工智能。主要給出我個人對于學(xué)習(xí)人工智能的建議。
1.什么是人工智能？
（1）關(guān)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(jì)50年代提出的理論是至今很多關(guān)于人工智能的實驗中。
維基百科中關(guān)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(tǒng)所表現(xiàn)出來的智能，通常人工智能是指通過普通電腦實現(xiàn)的智能。我們可以把人工智能這樣理解，人工智能技術(shù)指的是通過模擬人類思維和意識，使機器和系統(tǒng)以人類智能相似的方式做出反應(yīng)的技術(shù)。
AI的核心問題包括推理、知識、規(guī)劃、學(xué)習(xí)、交流、感知、移動和操作物體的能力等，其具體研究應(yīng)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(tǒng)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(shù)，而是一種研究方向和研究領(lǐng)域的總稱。
與人工智能緊密相連的關(guān)鍵詞：計算機 互聯(lián)網(wǎng) 神經(jīng)網(wǎng)絡(luò) 大數(shù)據(jù) 自動化控制?
（2）人工智能的發(fā)展歷史
1943年神經(jīng)元網(wǎng)絡(luò)概念第一次提出
1946年馮·諾依曼體系結(jié)構(gòu)（計算機基礎(chǔ)）
1950年圖靈測試 如果電腦能在5分鐘內(nèi)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(rèn)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(nóng)等為首的一批有遠見卓識的年輕科學(xué)家在一起聚會首次提出了“人工智能”這一術(shù)語。
1958年 感知機 生物系統(tǒng)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(fù)雜性的指數(shù)級增長、數(shù)據(jù)量缺失等問題由于多層神經(jīng)網(wǎng)絡(luò)難以找到有效算法，神經(jīng)網(wǎng)絡(luò)研究進入低潮。
1982年 hopfield神經(jīng)網(wǎng)絡(luò) 一種反饋網(wǎng)絡(luò)，求解最優(yōu)路徑問題
1986年 BP算法 ?多層前饋網(wǎng)反向傳播算法。
1997 年，IBM 的深藍戰(zhàn)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(shù)據(jù)元年；
2006 提出極限學(xué)習(xí)機 ?深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)（多層神經(jīng)網(wǎng)絡(luò)）
2009年，谷歌開始秘密研發(fā)無人駕駛汽車。
2010年 被稱作移動互聯(lián)網(wǎng)元年
2011年，一個卷積神經(jīng)網(wǎng)絡(luò)贏得了德國交通標(biāo)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(jīng)網(wǎng)絡(luò)展示1000萬張未標(biāo)記的網(wǎng)絡(luò)圖像，然后發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)能夠識別出一只貓的形象。
2016年3月，谷歌DeepMind研發(fā)的AlphaGo在圍棋人機大戰(zhàn)中擊敗韓國職業(yè)九段棋手李世乭。
機器學(xué)習(xí)、圖像識別、聽音識曲等人工智能技術(shù)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(lián)網(wǎng)
2.1 人工智能的主要應(yīng)用領(lǐng)域
人工智能的發(fā)展離不開計算機、互聯(lián)網(wǎng)等技術(shù)的發(fā)展，人工智能技術(shù)中對于數(shù)據(jù)的采集、計算和算法、計算成本，正是得益于計算機和互聯(lián)網(wǎng)技術(shù)而得到大大降低。下圖是IT行業(yè)十年理論的預(yù)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(lián)網(wǎng)方面的應(yīng)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(chǎn)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(jiān)控、安保機器人）產(chǎn)品舉例：商湯科技、格靈深瞳、神州云海
- 自駕領(lǐng)域（智能汽車、公共交通、快遞用車、工業(yè)應(yīng)用）產(chǎn)品舉例：Google、Uber、特斯拉、亞馬遜、奔馳、京東等
- 醫(yī)療健康（醫(yī)療健康的監(jiān)測診斷、智能醫(yī)療設(shè)備）產(chǎn)品舉例：?Enlitic、Intuitive Sirgical、碳云智能、Promontory等
- 電商零售（倉儲物流、智能導(dǎo)購和客服）產(chǎn)品舉例：阿里、京東、亞馬遜
- 金融（智能投顧、智能客服、安防監(jiān)控、金融監(jiān)管）產(chǎn)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(dǎo)、兒童陪伴）產(chǎn)品舉例：學(xué)吧課堂、科大訊飛、云知聲
2.2 人工智能的應(yīng)用講解
以下是我根據(jù)個人的經(jīng)驗，對常見的人工智能的應(yīng)用進行簡要的分析，讓各位更好理解人工智能技術(shù)是如何應(yīng)用到現(xiàn)有的領(lǐng)域的。
（1）識別
識別又稱為歸類和定性，在人工智能領(lǐng)域，模式識別(Pattern Recognition)是指對表征事物或現(xiàn)象的各種形式的(數(shù)值的、文字的和邏輯關(guān)系的)信息進行處理和分析,以對事物或現(xiàn)象進行描述、辨認(rèn)、分類和解釋的過程。
- 常見應(yīng)用：識別數(shù)字、指紋、頭像、語音，更多研究領(lǐng)域包括虹膜識別、手寫字體識別等。
- 技術(shù)的本質(zhì)：根據(jù)數(shù)據(jù)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(jīng)網(wǎng)絡(luò)等。
（3）語義
智能客服、輿情監(jiān)測等均有應(yīng)用語義分析及關(guān)鍵詞提取技術(shù)。
常見的算法：數(shù)據(jù)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(guān)鍵詞提取技術(shù)相比于英文是更加難的。而目前除了關(guān)鍵詞提取技術(shù)，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(yīng)用于智能客服，目前在搜索算法中也會運用到。
（4）預(yù)測
監(jiān)測診斷技術(shù)或是預(yù)測技術(shù)，實際上應(yīng)用的是數(shù)據(jù)擬合技術(shù)，因為當(dāng)前很多數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系是一種弱關(guān)系（數(shù)據(jù)關(guān)聯(lián)分析），通過歷史數(shù)據(jù)訓(xùn)練模型，從而對當(dāng)前的輸入數(shù)據(jù)進行反饋。
（5）推薦
基于協(xié)同過濾的推薦算法，常見的包括基于用戶、基于物品的協(xié)同過濾。
我們大多數(shù)人所理解的人工智能技術(shù)可能還停留在算法本身，但實際上真正的人工智能應(yīng)用針對不同的領(lǐng)域，不僅有各自的算法，事實上還包括其他領(lǐng)域知識的應(yīng)用，如自動化控制理論、電子技術(shù)、通信技術(shù)、機械工程等等，因此我們所理解的人工智能，應(yīng)該是一個系統(tǒng)工程。網(wǎng)絡(luò)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(shù)都是科研學(xué)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(lǐng)域。
3.人工智能中的神經(jīng)網(wǎng)絡(luò)
人工智能技術(shù)中提到的最高頻的詞匯就是神經(jīng)網(wǎng)絡(luò)。通過前文的介紹，我們知道實際上人工智能不等同于神經(jīng)網(wǎng)絡(luò)，人工智能是一個廣泛的概念和定義，而神經(jīng)網(wǎng)絡(luò)則是人工智能領(lǐng)域中一種技術(shù)，但即使只是一小部分，神經(jīng)網(wǎng)絡(luò)的研究同樣有很多待發(fā)掘的領(lǐng)域。
（1）如何理解神經(jīng)網(wǎng)絡(luò)
一個最基本的神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)是輸入層、隱含層和輸出層，如此簡單的結(jié)構(gòu)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(jīng)網(wǎng)絡(luò)的本質(zhì)就是一個多輸入多輸出的函數(shù)，我們常見的訓(xùn)練算法實際上是通過訓(xùn)練樣本進行數(shù)據(jù)擬合，找到適合這個函數(shù)的參數(shù)從而進行應(yīng)用。 （2）一些難以理解的概念解釋
核函數(shù)
其作用是將數(shù)據(jù)投影到更高維的數(shù)據(jù)空間中，包括線性核、多項式核、高斯核函數(shù)等。
擬合能力與泛化能力
神經(jīng)網(wǎng)絡(luò)模型好壞的重要評判標(biāo)準(zhǔn)之一。擬合能力指的是神經(jīng)網(wǎng)絡(luò)輸出的準(zhǔn)確度，擬合能力越強，準(zhǔn)確度越高；泛化能力指的是神經(jīng)網(wǎng)絡(luò)對于新樣本的適應(yīng)程度。一般來說，擬合能力越強的神經(jīng)網(wǎng)絡(luò)，其泛化能力可能較差。
有監(jiān)督和無監(jiān)督
在神經(jīng)網(wǎng)絡(luò)或者大多數(shù)機器學(xué)習(xí)算法中，一般把有標(biāo)簽的數(shù)據(jù)進行訓(xùn)練學(xué)習(xí)稱為有監(jiān)督學(xué)習(xí)；而數(shù)據(jù)不帶有標(biāo)簽，通過特征統(tǒng)計等的算法稱為無監(jiān)督學(xué)習(xí)，常見的如聚類。
（3）神經(jīng)網(wǎng)絡(luò)的優(yōu)勢
神經(jīng)網(wǎng)絡(luò)是一種黑箱建模方法，以下是神經(jīng)網(wǎng)絡(luò)進行應(yīng)用的實驗分析。 神經(jīng)網(wǎng)絡(luò)的應(yīng)用舉例：太陽黑子預(yù)測，手寫字體識別實驗和TE工業(yè)系統(tǒng)故障預(yù)測。
上圖是應(yīng)用神經(jīng)網(wǎng)絡(luò)進行太陽黑子預(yù)測的效果實驗，經(jīng)過改造后的神經(jīng)網(wǎng)絡(luò)對于數(shù)據(jù)預(yù)測的效果更加好。
上圖是通過神經(jīng)網(wǎng)絡(luò)進行識別手寫數(shù)字的實驗對比圖，經(jīng)過改造的神經(jīng)網(wǎng)絡(luò)的識別準(zhǔn)確率高達90%。
神經(jīng)網(wǎng)絡(luò)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(chǔ)上，一樣能夠得到良好的運用，因此運用范圍廣泛。
神經(jīng)網(wǎng)絡(luò)用于復(fù)雜工業(yè)系統(tǒng)，如TE過程，是很多智能控制研究者常見的研究對象。
面對復(fù)雜系統(tǒng)，在技術(shù)方案設(shè)計中考慮了現(xiàn)場數(shù)據(jù)的濾波、去燥、歸一化，對于新數(shù)據(jù)使用預(yù)測模型進行預(yù)測，使用KPCA方法進行數(shù)據(jù)特征提取，通過歷史數(shù)據(jù)和新數(shù)據(jù)進行誤差反饋和在線更新，形成完整的故障預(yù)測方案。
上圖為改進后的神經(jīng)網(wǎng)絡(luò)圖，相比于基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)，增加了2個反饋層，從而使神經(jīng)網(wǎng)絡(luò)能夠適應(yīng)動態(tài)數(shù)據(jù)。
數(shù)據(jù)處理的難點其實在于數(shù)據(jù)特征不明顯，如上圖中，左圖是故障4和5的數(shù)據(jù)表現(xiàn)，通過肉眼很難識別，而經(jīng)過特征提取，能夠?qū)?shù)據(jù)的特征放大，從而提升神經(jīng)網(wǎng)絡(luò)的識別準(zhǔn)確度。
通過以上神經(jīng)網(wǎng)絡(luò)方案設(shè)計和運用的例子，希望大家明白人工智能方案在不同的應(yīng)用領(lǐng)域和不同的數(shù)據(jù)，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(lǐng)域?qū)嶋H的問題，而產(chǎn)品在其中扮演的角色，如果對于人工智能技術(shù)的理解僅僅停留在表層，注定不會得到最優(yōu)的方案。
4. 產(chǎn)品經(jīng)理應(yīng)該如何玩轉(zhuǎn)人工智能？
產(chǎn)品經(jīng)理面對新技術(shù)時的態(tài)度： （1）對于新的技術(shù)應(yīng)該抱有敬畏之心 以我個人的學(xué)習(xí)經(jīng)歷來看，真正能夠理解人工智能技術(shù)是需要時間的，盡管現(xiàn)在有很多文章說明轉(zhuǎn)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(chǎn)品設(shè)計和應(yīng)用，很多想當(dāng)然的決策可能帶來的是巨大的成本，甚至可能導(dǎo)致走很多彎路。因此對不了解的事物，不能輕易下結(jié)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(chǎn)品需要時刻反思，自己正在做的事是不是正確的？ （3）理解產(chǎn)品工作的本質(zhì)，本身是一種面向未來的規(guī)劃 工作中也需要適當(dāng)引導(dǎo)使用新技術(shù)，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(xué)會更好的應(yīng)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(yù)見到它可能帶來的不利影響。 最后推薦一個好玩的產(chǎn)品應(yīng)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(yīng)用。
文章中部分內(nèi)容摘自網(wǎng)絡(luò)，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(fā)展簡史》 《人工智能產(chǎn)業(yè)分析與創(chuàng)業(yè)投資盤點：636 起投資事件，吸金 574 億》 《58張PPT，詳解“從互聯(lián)網(wǎng)產(chǎn)品經(jīng)理到AI產(chǎn)品經(jīng)理”》 《傅盛：深度學(xué)習(xí)降低技術(shù)壁壘，恐慌的應(yīng)該是大公司》 作者：小T，一個奮斗在一線的互聯(lián)網(wǎng)金融產(chǎn)品經(jīng)理~ 本文由 @小T 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。 愛盈利-運營小咖秀 始終堅持研究分享移動互聯(lián)網(wǎng)App運營推廣經(jīng)驗、策略、全案、渠道等純干貨知識內(nèi)容；是廣大App運營從業(yè)者的知識啟蒙、成長指導(dǎo)、進階學(xué)習(xí)的集聚平臺；【轉(zhuǎn)載說明】 若上述素材出現(xiàn)侵權(quán)，請及時聯(lián)系我們刪除及進行處理：[email protected]
