人工智能应用的四个重点
1、定位
宜窄不宜宽,宜特定不宜宽泛
前面我们提到过的“强人工智能”,即通用人工智能,可以解决各个领域的所有问题的人工智能。目前来看是基本不太现实的。而另一种方法是训练一个更优秀的人工智能,然后各个领域去把他训练成一个特定的人工智能。例如我们找到一个基因非常完美的小孩,然后把他克隆100个,各个领域的人就像是父母,把他孕育出来,然后在一个领域精心培育,有的去打篮球,有的去写程序,那么他们每一个人都有很大概率上成为一个优秀的行业标杆。
2、领域
大家很关心自己所在的行业或者产品线适不适合适用人工智能,这里也为大家提供一些参考标准:
1)你是不是拥有数据
2)你的数据是不是有壁垒。
3)先定义出来你试图用人工智能解决的问题。产品经理都知道,产品就是解决问题的载体,创业者也往往是为了解决一个问题而开始的。
4)预测你定义的问题解决方案的结果,是否会被市场所接受。
5)是否有大公司在做同样的事情。
3、开发
前面我们说到人工智能不是引入就能用的,而是需要像养小孩一样的慢慢来。这也就是为什么在这一轮中今日头条崛起之后,即使是腾讯、百度这两家公司在进行追赶的时候,依然要花费巨大是资源和时间。
训练人工智能时每一次的输出是否有清晰可比较的结果:
1)有清晰客观的标准
例如百度的每一次搜索,根据用户点击的反馈就可以知道本次的搜索是否准确。今日头条每一次推送根据用户是否点开,也可以得到结果的反馈。
2)无清晰客观的标准
我以前在新东方时联合搜狗开发中高考英语口语考试模拟测试系统时就遇到这样的问题,我们没法像上面的案例那样去判定一个孩子讲的内容是不是好,因此我们需要大量收集孩子们读英语的音频,然后通过专家打分的反馈来训练机器什么是好什么不好。当您的行业处于这样的特点的时候,引入人工智能就要考虑你是否有专家团的资源和预算。
当然在具体的行业应用时会有更灵活的方案。例如滴滴打车拼车业务每一次结束后,产品界面都会弹出一个按钮,让你选择本次拼车是否顺路,这件事情用户往往是很容易判断并且没有说谎的动机的,因此众包了反馈专家团也是一种很好的做法。
4、运营
刚刚滴滴的例子也说明理解技术后结合行业数据与特性的重要性。建议各个大行业的企业家不用过多的担忧人工智能,而是深耕自己的数据与行业能力,同时集合人工智能技术,给公司运营赋能。
二、人工智能应用的方向选择
结合上述人工智能开发的反馈特点,我们介绍两个大的方向。
1、判断模式相对复杂,但结果很明显的领域
例如:智能商品推荐,无论用户如何选择,最后都可以清晰的知道他买了什么;广告服务;投资;法律文档等。最终的结果往往都可以按照某几个固定指标来衡量或者固定模式的。
2、以专家为准的领域
如果第一个是一些比较硬的领域,这里将是一些比较软的领域,也大部分是软件。我们认为作曲家和画家这类创造性极强的工作,用AI也可以完成,例如AI的作曲家;AI的画家,俄罗斯就有一个程序Ostagram输入了大量名画的训练,然后你输入一张照片之后也可以变成名画的风格。最近腾讯举办的一场开放战略大会上的主视觉,就是人工智能所作画的内容,而非设计师完成。
更多潍坊达内怎么样相关资讯,请扫描下方二维码